[论文解读] On the LRD of the Aggregated Traffic Flows in High-Speed Computer Networks

Ginno Millán|arXiv (Cornell University)|Mar 5, 2021

Network Traffic and Congestion Control参考文献 5被引用 4

一句话总结

本文通过分形分析研究了在差异化服务（Differentiated Services）分类下的聚合高速网络流量中的长程依赖（Long-Range Dependence, LRD）特性。通过基于智利圣地亚哥大学核心交换机真实流量数据的时序分析估算赫斯特指数（Hurst exponent），本研究量化了不同流量类别中的突发性与LRD，揭示了聚合流中显著的自相似行为，该行为对服务质量（QoS）保障具有重要影响。

ABSTRACT

This paper studies and analyses the behavior of the Long-Range Dependence in network traffic after classifying traffic flows in aggregated time series. Following Differentiated Services architecture principles, the generic Quality of Service applications that requirements and use the transport control protocol, a basic classification criterion of time series is established. Using the fractal theory, the resulting time series are analyzed. The Hurst exponent is estimated and used as a measure of traffic burstiness and Long-Range Dependency in each traffic class. The traffic volume per class is also measured. The study uses traffic traces collected at the core switch at the Electric Engineering Department at Universidad de Santiago de Chile in different periods of network activity.

研究动机与目标

• 分析高速计算机网络中聚合网络流量流的长程依赖（LRD）特性。
• 基于差异化服务架构和服务质量（QoS）要求对流量流进行分类。
• 利用分形理论和赫斯特指数估算，量化流量突发性和LRD。
• 测量各类流量的流量大小，并评估其对网络行为的影响。

提出的方法

• 从智利圣地亚哥大学电气工程系核心交换机采集了网络流量数据。
• 根据QoS要求和传输协议使用情况，将流量流划分为不同的类别。
• 采用分形理论分析各类流量的聚合流量时序数据。
• 通过估算赫斯特指数，测量各类流量中的长程依赖性和突发性。
• 应用统计分析，评估不同网络活动周期中自相似性和相关性结构。
• 本研究使用多个时间段的真实世界数据，评估LRD特性的时间稳定性。

实验结果

研究问题

• RQ1 在高速网络中，长程依赖在不同QoS类别的聚合流量流中如何表现？
• RQ2 赫斯特指数在各类流量中变化程度如何，反映出不同程度的突发性和相关性？
• RQ3 各类流量的流量大小与长程依赖程度之间存在何种关系？
• RQ4 长程依赖行为在不同网络活动周期中是否稳定？
• RQ5 分形分析是否能有效表征并基于其自相似特性区分不同流量类别？

主要发现

• 赫斯特指数估算结果证实，所有聚合流量类别中均存在长程依赖，表明在长时间尺度上存在持续的突发性。
• 在某些流量类别中观察到较高的赫斯特值，表明其具有更强的相关性结构和更显著的自相似性。
• 各类流量的流量大小与长程依赖程度之间存在可测量的相关性，高流量类别通常表现出更持久的模式。
• 长程依赖特性在不同网络活动周期中保持相对稳定，表明自相似行为具有一致性。
• 通过赫斯特指数估算的分形分析方法在基于长期相关性特征区分流量类别方面表现出良好效果。