網(wǎng)絡(luò)流量測量是指對(duì)網(wǎng)絡(luò)中的流量信息進(jìn)行統(tǒng)計(jì),進(jìn)而為流量規(guī)劃、入侵檢測以及網(wǎng)絡(luò)異常檢測等網(wǎng)絡(luò)管理應(yīng)用提供輸入信息。傳統(tǒng)網(wǎng)絡(luò)架構(gòu)存在許多缺陷,例如缺乏靈活的控制能力和基本的網(wǎng)絡(luò)測量功能,從而導(dǎo)致測量任務(wù)實(shí)施復(fù)雜,支持的測量粒度粗,測量準(zhǔn)確性低等問題。而在可編程網(wǎng)絡(luò)中,由于交換機(jī)具有可編程性,因此可以在交換機(jī)上靈活地部署定制的網(wǎng)絡(luò)流量測量功能,為細(xì)粒度的網(wǎng)絡(luò)流量測量奠定了基礎(chǔ)。本文主要對(duì)可編程網(wǎng)絡(luò)中的流量測量進(jìn)行研究。在可編程網(wǎng)絡(luò)中,測量節(jié)點(diǎn)上的計(jì)算和高速存儲(chǔ)資源受限,單個(gè)測量節(jié)點(diǎn)上流量測量的準(zhǔn)確度會(huì)隨著測量流的數(shù)量增加而下降。如果能充分利用網(wǎng)絡(luò)中各個(gè)測量節(jié)點(diǎn)的能力,在測量節(jié)點(diǎn)之間建立協(xié)作式流量測量機(jī)制,使各個(gè)測量節(jié)點(diǎn)分別測量不同的流,那么就可以有效地減少單個(gè)測量節(jié)點(diǎn)上所需要測量的流的數(shù)量,這不僅能提高測量資源的利用效率,還能增加流量測量準(zhǔn)確度。因此,本文首先對(duì)協(xié)作式流量測量機(jī)制進(jìn)行了研究,提出了一種高效的測量節(jié)點(diǎn)分配算法。實(shí)驗(yàn)結(jié)果表明,該方法可以有效地增強(qiáng)測量節(jié)點(diǎn)之間的協(xié)作性;在降低各個(gè)節(jié)點(diǎn)測量負(fù)載的同時(shí),提高了流量測量的準(zhǔn)確度與大流識(shí)別準(zhǔn)確率。已有研究表明網(wǎng)絡(luò)流量特征一般滿足二八定律,即...

【文章頁數(shù)】：85 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 可編程網(wǎng)絡(luò)
        1.2.2 單點(diǎn)流量測量方法
        1.2.3 網(wǎng)絡(luò)級(jí)流量測量方法
        1.2.4 網(wǎng)絡(luò)流量負(fù)載均衡
    1.3 本文的主要貢獻(xiàn)及創(chuàng)新
        1.3.1 網(wǎng)絡(luò)級(jí)協(xié)作式流量測量機(jī)制
        1.3.2 大流快速識(shí)別方法
        1.3.3 基于大流快速識(shí)別的負(fù)載均衡方法
    1.4 本文內(nèi)容和結(jié)構(gòu)安排
第二章 網(wǎng)絡(luò)級(jí)協(xié)作式流量測量機(jī)制研究
    2.1 引言
    2.2 可編程網(wǎng)絡(luò)中的流量測量方法
        2.2.1 SpaceSaving
        2.2.2 Count-Min sketch
        2.2.3 流的數(shù)量對(duì)測量結(jié)果的影響
    2.3 網(wǎng)絡(luò)模型與問題建模
        2.3.1 網(wǎng)絡(luò)模型
        2.3.2 問題建模
    2.4 測量節(jié)點(diǎn)分配算法
        2.4.1 設(shè)計(jì)思路
        2.4.2 精準(zhǔn)測量節(jié)點(diǎn)分配算法
        2.4.3 快速測量節(jié)點(diǎn)分配算法
        2.4.4 快速測量節(jié)點(diǎn)分配算法性能分析
    2.5 測量節(jié)點(diǎn)分配算法的實(shí)現(xiàn)機(jī)制
        2.5.1 控制器的實(shí)現(xiàn)機(jī)制
        2.5.2 發(fā)送端和交換機(jī)上的實(shí)現(xiàn)機(jī)制
    2.6 隨機(jī)測量節(jié)點(diǎn)分配算法
    2.7 仿真結(jié)果
        2.7.1 流量產(chǎn)生與指標(biāo)選擇
        2.7.2 仿真結(jié)果與分析
    2.8 本章小結(jié)
第三章 大流快速識(shí)別方法研究
    3.1 引言
    3.2 大流快速識(shí)別方法
        3.2.1 基本流程
        3.2.2 實(shí)現(xiàn)結(jié)構(gòu)
    3.3 固定窗口大流識(shí)別方法
        3.3.1 固定窗口特征提取算法
        3.3.2 固定窗口大流識(shí)別算法
        3.3.3 復(fù)雜度分析
    3.4 滑動(dòng)窗口大流識(shí)別方法
        3.4.1 設(shè)計(jì)思路
        3.4.2 滑動(dòng)窗口大流識(shí)別算法
        3.4.3 準(zhǔn)確性與復(fù)雜度分析
    3.5 機(jī)器學(xué)習(xí)模型與特征降維
        3.5.1 決策樹
        3.5.2 支持向量機(jī)
        3.5.3 特征降維
    3.6 仿真結(jié)果
        3.6.1 仿真設(shè)置
        3.6.2 仿真結(jié)果與分析
    3.7 本章小結(jié)
第四章 基于大流快速識(shí)別的混合負(fù)載均衡方法
    4.1 引言
    4.2 現(xiàn)有負(fù)載均衡方案
        4.2.1 ECMP
        4.2.2 Random Packet Scatter
    4.3 混合負(fù)載均衡方法
    4.4 部署方法
        4.4.1 CLOS架構(gòu)
        4.4.2 fat tree架構(gòu)
    4.5 仿真結(jié)果與分析
        4.5.1 流量切分效果評(píng)估
        4.5.2 流量均衡效果評(píng)估
    4.6 本章小結(jié)
第五章 全文總結(jié)與未來展望
    5.1 全文總結(jié)
    5.2 未來展望
致謝
參考文獻(xiàn)
附錄
攻讀碩士學(xué)位期間取得的成果



本文編號(hào)：3742996