论文部分内容阅读
首先,本文介绍了Linux和Windows两种常用平台下网络业务量的采集以及将不同的网络业务分离的方法,以获取网络上不同应用的真实业务量。
其次,对分组网络业务量进行了分析,阐述了自相似网络业务量的特性,主要体现在时间上的突发(长程相关性)和幅度上的突发(重尾特性),并指出了特性的判断方法以及一些相关的重要参数的计算方法。
然后,给出了自相似业务量模型。通过叠加大量服从重尾分布的ON/OFF源准确的生成指定赫斯特参数的网络业务量。并通过与指数分布的ON/OFF源生成业务量的比较,说明重尾分布是自相似业务量产生的一个重要原因。
最后,本文重点针对自相似性业务量模型的几个缺点:复杂;参数不具备明显的物理含义,难以确定;不区分上层协议,提出了结构化模型。针对不同的网络应用建立的结构化模型更加清晰易懂,符合实际业务量的产生过程,模型参数具有较明显的物理含义、易于设置,模型也更易于扩充。在此基础上,通过对生成业务量特性参数的计算,说明了该模型能够有效的模拟网络业务量。从而给网络的模拟仿真分析提供了一个更为有力的工具。