三元分組列車的網絡拓撲論文范文

本站小編為你精心準備了三元分組列車的網絡拓撲論文參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

1結合雙參數測量方法

針對上述方法存在的不足，在其基礎之上提出一種結合雙參數測量方法，使得新方法受網絡負載的影響較小，且推斷準確度較上述方法有所提高．主要分為兩個階段測量:第一階段測量各個葉子節點的高度，用以將邏輯拓撲構造為實際的物理網絡拓撲．第二階段:測量節點對之間的性能參數值(丟包率和時延抖動)，并根據公式計算節點間相關性值，推測網絡的拓撲結構．

1．1測量網絡節點的高度發送多組短數據包序列到網絡中的各個邊緣節點，短數據包的攜帶信息包括其發送序號、遞增的TTL值等，發送時刻的TTL值也是短數據包在分組序列中的序號．原理是:短分組每次到達一個節點，TTL值減1，當TTL值為0時，將此分組丟棄;當有數據包到達目的葉子節點時，停止發送數據包，統計到達的數據包的序號;將此過程執行多次，在最終統計的多個結果中篩選最優值，此最優值即為葉子節點在網絡樹中所處的高度．某一組短數據包序列如圖3所示．

1．2節點相關性計算改進的三元分組序列測量的性能參數包括時延抖動和丟包率，將時延抖動和丟包率按比例結合，即可作為節點間的相關性．設T=(V，L)表示樹狀拓撲，其中V為節點集，L為鏈路集．令a(i，j)為葉節點i和j的父節點，在源節點s，三元分組列車內2個短分組的發送間隔為T，短分組的目標地址為Dx，長分組的目標地址為Dy．

丟包率［8］，是指測試中所丟失數據包數量占所發送數據包的比率，通常在吞吐量范圍內測試．將丟包率和時延抖動兩個參數相結合，計算節點間的相關性，使得此算法在任何網絡負載下都能推斷出正確的結果．為了適應背景流量動態變化的網絡，該文中使用報文丟包率來平衡丟包率和時延抖動在節點相關性計算中所占的比重，由于丟包率和時延抖動是兩個不同量綱的參數，故先將這兩個參數標準化，之后對它們加權求和．設D(T)、D(E)分別是T和E的方差;M(T)和M(E)分別是T和E的最小值;Tij表示目標節點對為(i，j)時的時延抖動;Eij表示目標節點對上述計算相關性的方式，在丟包較嚴重時主要依據為丟包率，而在丟包較輕時，主要依據為時延抖動，達到在任何負載情況下都能準確表征節點之間的相關性．

1．3網絡拓撲推斷算法算法的思路:按節點的層次信息將葉節點進行聚類，并依據雙參數結合得到的相關性值逐層向上推斷網絡的拓撲樹．

2仿真實驗及性能分析

2．1仿真實驗基于NT技術的網絡拓撲推斷是根據在邊緣節點收集到的信息，推斷中間節點的連接情況．以圖4為例，在NS2［10］環境下進行了多個仿真實驗，實驗中采用樹狀拓撲結構．背景流量以TCP為主同時包含適當的UDP，采用發送時間受控的可變速率CBR數據包用來模擬網絡負載情況．假定網絡內部節點采用隨機檢測(RED)丟包策略，與葉節點相連的鏈路帶寬均為500Kbps，時延為10ms;其他鏈路帶寬為1Mbps，時延為15ms;內部節點緩沖區大小為20．三元分組列車內兩個短分組之間的時間間隔為10ms，每輪發送的三元分組列車序列由50個三元分組組成，在不同的網絡負載情況下，進行多輪測量．根據樣本丟包率的取值區間［0，0．01)、［0．01，0．1)、［0．1，0．2］將網絡負載分為較輕、適中和較重三種情況．采用了樹編輯距離［11］作為評價推斷拓撲的有效性參數，其代表了推斷樹與原拓撲樹之間轉換的最小開銷．用橫坐標表示探測包的發送輪數，縱坐標表示樹編輯距離，在三種情況下分別將單參數算法與綜合雙參數的算法進行比較，仿真結果如圖9、圖10、圖11所示．圖9－11為仿真試驗中使用不同推斷算法獲得網絡邏輯拓撲時，樹編輯距離收斂的結果．圖9是網絡負載較輕的情況下，兩種算法的比較，圖中顯示，負載較輕情況下單參數測量與雙參數測量的效果近似相同，當探測包的發送輪數大于80(即探測包個數為400)時，樹編輯距離的收斂速度均趨于穩定．圖10顯示網絡負載適中情況下，兩種算法的推測的有效性，顯然，雙參數的推測效果優于單參數，但此時基于單參數的推測算法還是有效的．圖11為網絡負載較嚴重的情況下，兩種算法的效果比較，此時，可以看出，單參數方法的推測準確度明顯降低，而雙參數方法的收斂受到網絡負載的影響并不很明顯．顯然綜合參數的算法，在任意負載情況下均具有有效性，故其準確度和有效性均優于單參數的算法．

2．2性能分析對于圖4所示拓撲，按照一般的拓撲推斷方法，要發送的探測包的葉節點對數量將是C215=105對，而使用該文提出的方法，葉節點對的個數是45對，探測包的發送量減少了57%．但此方法對于探測包的發送量與拓撲結構關系較大，若目標網絡的拓撲是滿二叉樹，且所有節點均在最下層，最好情況下僅需(n－1)對目標地址對即可完成網絡拓撲的推斷，如除了最下層，每層僅有一個葉節點的二叉樹．總體而言，網絡結構層次越復雜，越能突出此算法的優勢．但此方法的推斷準確度不受目標網絡拓撲結構的影響，任何形式的拓撲均能由此方法推出，且準確度高于一般的推斷方法，可通過仿真實驗證明．

3結束語

提出的推斷方法適用于任意規模、任意負載情況的網絡拓撲推斷，且在目標網絡拓撲較復雜時，能在很大程度上減少探測包的發送量，減輕了額外往網絡中注入的流量．但是在探測包的縮減方面還有待提升，還未將算法的應用推廣到網狀拓撲的推斷中．

作者：吳辰文謝云燕孔德弟單位：蘭州交通大學