[论文解读] Markov-modulated on/off processes for long-range dependent internet traffic

Richard G. Clegg|arXiv (Cornell University)|Oct 23, 2006

Network Traffic and Congestion Control参考文献 16被引用 10

一句话总结

本文评估了四种马氏调制的开/关模型在复制长程依赖互联网流量方面的表现，使用了1989年和2003年的实际流量 trace。尽管在某些情况下能准确捕捉均值和赫斯特参数，但所有模型均未能再现真实流量的排队性能——特别是平均队列长度和尾部概率——表明使用简单MMP进行准确网络性能建模存在根本性局限。

ABSTRACT

The aim of this paper is to use a very simple queuing model to compare a number of models from the literature which have been used to replicate the statistical nature of internet traffic and, in particular, the long-range dependence of this traffic. The four models all have the form of discrete time Markov-modulated processes (two other models are introduced for comparison purposes). While it is often stated that long-range dependence has a critical effect on queuing performance, it appears that the models used here do not well replicated the queuing performance of real internet traffic. In particular, they fail to replicate the mean queue length (and hence the mean delay) and the probability of the queue length exceeding a given level.

研究动机与目标

• 评估简单马氏调制的开/关过程是否能准确建模表现出长程依赖特性的实际互联网流量的排队行为。
• 基于统计和性能指标，将四种基于MMP的模型——Wang、Clegg/Dodson、FGN 和 PSST——与实际流量 trace 进行比较。
• 探究与真实流量具有相同赫斯特参数和均值的模型是否能可靠预测实际的排队性能。
• 评估现有模型在捕捉真实互联网流量动态全部复杂性方面的局限性。
• 探讨尽管存在TCP拥塞控制，开环模型在理解网络排队行为方面是否仍具价值。

提出的方法

• 本研究使用离散时间马氏调制过程（MMPs）生成表示数据包流量的开/关序列。
• 评估了四种特定的MMP模型——Wang、Clegg/Dodson、FGN 和 PSST——每种模型具有不同的状态转移和开/关时长分布。
• 使用两个实际互联网流量 trace（Bellcore，1989；CAIDA，2003）作为基准，两者均具有已知的长程依赖性和赫斯特参数。
• 模型在100,000个分组上进行仿真，通过自相关函数（ACF）、赫斯特参数估计以及排队性能指标，将其输出与真实 trace 进行比较。
• 通过单服务器排队模型评估排队性能，指标包括平均队列长度和超过给定队列阈值的概率。
• 对PSST模型进一步分析其赫斯特参数的可控性，并引用遗传算法调优作为潜在改进方法。

实验结果

研究问题

• RQ1 马氏调制的开/关过程能否在统计特性与排队性能两方面准确复制真实互联网流量 trace 的长程依赖行为？
• RQ2 与真实流量具有相同均值和赫斯特参数的模型，是否也能准确预测排队系统中的平均队列长度和尾部概率？
• RQ3 为何PSST模型尽管有理论宣称，却无法实现赫斯特参数的可控性？
• RQ4 对于每种模型和 trace，100,000个分组的重复样本中，排队性能结果的一致性如何？
• RQ5 考虑到这些模型未能捕捉关键性能指标，简单MMP模型在多大程度上仍对理解真实网络排队行为具有实用价值？

主要发现

• 泊松模型表现欠佳，导致排队估计失真，并未能捕捉长程依赖特性。
• Wang、Clegg/Dodson 和 FGN 模型虽成功匹配了真实 trace 的均值和赫斯特参数，但未能再现实际的排队性能。
• 即使模型匹配了赫斯特参数和均值，它们仍显著低估或高估了平均队列长度和尾部概率。
• PSST 模型校准困难，在流量强度较低（q 接近 1）时表现出样本均值的不稳定性，对其可控性提出质疑。
• Arrowsmith/Barenco 模型在 CAIDA trace（赫斯特参数较低）上表现良好，但在 Bellcore trace（赫斯特参数较高）上表现欠佳，且在重复样本中性能不一致。
• 从同一 trace 中抽取的后续 100,000 个分组样本在高赫斯特参数数据中表现出性能的显著差异，表明模型稳定性与可重复性较差。