本文關(guān)鍵詞：面向流媒體應(yīng)用的實時可執(zhí)行概率獲取技術(shù)研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著網(wǎng)絡(luò)應(yīng)用類型的日益復(fù)雜和應(yīng)用模式的逐步成熟,在網(wǎng)上執(zhí)行實時任務(wù)已成為時代發(fā)展的需求。但實時任務(wù)的執(zhí)行需要滿足兩個條件,即:必要條件,網(wǎng)絡(luò)資源必須供大于等于需;充分條件,執(zhí)行時間滿足時限的要求。這與隨機變化的網(wǎng)絡(luò)資源形成一對突出的矛盾。如何準確獲取實時任務(wù)的可執(zhí)行概率,并對其進行準確預(yù)測,為實時接納控制提供關(guān)鍵依據(jù),是迫切需要解決的難題。本文的研究對實時任務(wù)的接納控制、共享網(wǎng)絡(luò)資源的合理分配和提高資源利用率具有重要意義。 現(xiàn)有的方法和工具都不能直接獲取實時任務(wù)的可執(zhí)行概率,本文以Linux環(huán)境下的流媒體軟實時應(yīng)用為背景,從網(wǎng)絡(luò)資源現(xiàn)狀采樣入手,提出一種網(wǎng)絡(luò)資源余量可執(zhí)行概率獲取方法,以便得到網(wǎng)絡(luò)資源余量可執(zhí)行概率實效曲線。同時,現(xiàn)有預(yù)測方法和工具也無法對實時任務(wù)的可執(zhí)行概率進行全面、準確的預(yù)測,因此,本文提出一種中長期與實時混合預(yù)測方法,實現(xiàn)對網(wǎng)絡(luò)資源余量可執(zhí)行概率的預(yù)測。實驗結(jié)果表明:本文提出的獲取和預(yù)測方法精度較高,預(yù)測曲線與實測曲線取值接近、趨勢一致,平均預(yù)測誤差小于8.5%。本文的工作為分布交互環(huán)境概率實時性理論的實踐做出了有益的探索。 本文主要工作如下: 1.基于課題對網(wǎng)絡(luò)資源的特定要求和現(xiàn)有網(wǎng)絡(luò)資源獲取技術(shù)的不足,提出一種網(wǎng)絡(luò)資源余量實時獲取技術(shù)。該技術(shù)基于Linux/proc文件系統(tǒng),通過編寫的獲取程序,對三類網(wǎng)絡(luò)資源(計算資源、存儲資源和傳輸資源)余量進行實時獲取。與使用現(xiàn)有工具或利用內(nèi)核模塊存取的方法相比,本文提出的方法開銷小、實時性強、獲取信息全面。 2.根據(jù)得到的資源余量現(xiàn)狀,提出一種網(wǎng)絡(luò)資源余量可執(zhí)行概率的獲取方法。該方法基于資源余量采樣報告得到資源余量可執(zhí)行概率的分布,并繪制出每小時的網(wǎng)絡(luò)資源余量可執(zhí)行概率分布圖;再進行積分,最后得到24小時網(wǎng)絡(luò)資源余量可執(zhí)行概率時效曲線。 3.對于網(wǎng)絡(luò)資源余量可執(zhí)行概率的預(yù)測,本文提出一種中長期與實時混合預(yù)測方法。該方法將中長期預(yù)測與實時預(yù)測有機結(jié)合起來,中長期預(yù)測采用乘法模型和溫特線性模型構(gòu)成的組合模型,實時預(yù)測采用基于預(yù)測偏離度閥值的自適應(yīng)算法,能夠有效克服中長期預(yù)測和實時預(yù)測兩者各自的不足,該方法既能有效消除乘法模型的季節(jié)因素,準確把握資源余量可執(zhí)行概率的中長期周期性規(guī)律和季節(jié)性趨勢,又能以較小的開銷實時預(yù)測較短時間內(nèi)的概率波動。 4.搭建一個流媒體應(yīng)用的實驗平臺,實現(xiàn)和驗證了本文所提出的網(wǎng)絡(luò)資源余量可執(zhí)行概率的獲取和預(yù)測方法。
【關(guān)鍵詞】：網(wǎng)絡(luò)資源 實時可執(zhí)行概率 流媒體應(yīng)用 接納控制 時間序列分析
【學位授予單位】：國防科學技術(shù)大學
【學位級別】：碩士
【學位授予年份】：2010
【分類號】：G434
【目錄】：

• 摘要9-11
• ABSTRACT11-13
• 第一章 緒論13-22
• 1.1 研究背景13-14
• 1.2 課題意義14-15
• 1.3 研究現(xiàn)狀15-19
• 1.3.1 網(wǎng)絡(luò)測量研究背景及現(xiàn)狀15-16
• 1.3.2 流量預(yù)測研究現(xiàn)狀16-19
• 1.4 研究內(nèi)容和創(chuàng)新性工作19-20
• 1.5 論文結(jié)構(gòu)20-22
• 第二章 面向流媒體應(yīng)用的實時可執(zhí)行概率概述22-30
• 2.1 網(wǎng)絡(luò)資源的概念22
• 2.2 流媒體應(yīng)用概述22-26
• 2.2.1 流媒體系統(tǒng)構(gòu)成23
• 2.2.2 流媒體的傳輸協(xié)議23-24
• 2.2.3 流媒體應(yīng)用的特性24-26
• 2.3 共享網(wǎng)絡(luò)實時可執(zhí)行概率26-29
• 2.3.1 概念26
• 2.3.2 網(wǎng)絡(luò)實時任務(wù)可執(zhí)行條件及概率的確定26-29
• 2.4 本章小結(jié)29-30
• 第三章 網(wǎng)絡(luò)資源的獲取30-48
• 3.1 常用的網(wǎng)絡(luò)流量測量方法30-32
• 3.1.1 SNMP30
• 3.1.2 RMON30-31
• 3.1.3 NetFlow31-32
• 3.1.4 sFlow32
• 3.2 Linux 下網(wǎng)絡(luò)資源采樣方法32-33
• 3.2.1 使用現(xiàn)有的工具32
• 3.2.2 利用內(nèi)核模塊來存取監(jiān)測數(shù)據(jù)32-33
• 3.2.3 /proc 文件系統(tǒng)33
• 3.3 基于實測的網(wǎng)絡(luò)資源狀態(tài)獲取和分析流程33-34
• 3.4 網(wǎng)絡(luò)資源余量采樣的原理和計算公式34-39
• 3.5 網(wǎng)絡(luò)資源余量可執(zhí)行概率的獲取39-46
• 3.5.1 獲取程序流程39-40
• 3.5.2 獲取源程序EP_acquire.c 部分函數(shù)代碼40-45
• 3.5.3 網(wǎng)絡(luò)資源余量的分布概率45-46
• 3.5.4 網(wǎng)絡(luò)資源余量可執(zhí)行概率時效曲線圖46
• 3.6 本章小結(jié)46-48
• 第四章 網(wǎng)絡(luò)資源余量可執(zhí)行概率的預(yù)測48-62
• 4.1 預(yù)測方法48-57
• 4.1.1 中長期預(yù)測49-52
• 4.1.2 實時預(yù)測52-57
• 4.2 預(yù)測步驟及流程57-61
• 4.2.1 中長期預(yù)測步驟57-60
• 4.2.2 實時預(yù)測算法描述60-61
• 4.3 本章小結(jié)61-62
• 第五章 實驗62-76
• 5.1 實驗平臺62-64
• 5.2 實驗過程及結(jié)果分析64-74
• 5.2.1 網(wǎng)絡(luò)資源余量可執(zhí)行概率獲取64-67
• 5.2.2 中長期預(yù)測67-73
• 5.2.3 實時預(yù)測73-74
• 5.3 本章小結(jié)74-76
• 第六章 總結(jié)與展望76-77
• 致謝77-78
• 參考文獻78-82
• 作者在學期間取得的學術(shù)成果82-83
• 作者在學期間參與的科研項目83

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 黃炎磊;;Sniffer技術(shù)和網(wǎng)絡(luò)管理[J];電腦知識與技術(shù);2009年27期

2 程光,龔儉,丁偉;基于分組標識的網(wǎng)絡(luò)流量抽樣測量模型[J];電子學報;2002年S1期

3 姜明;吳春明;張e

本文編號：315807