發(fā)布時間：2020-04-08 15:15

【摘要】：片上網(wǎng)絡(luò)流量是評估網(wǎng)絡(luò)性能的基礎(chǔ),網(wǎng)絡(luò)流量模型能夠全面地捕獲片上網(wǎng)絡(luò)上出現(xiàn)的流量行為。在芯片架構(gòu)設(shè)計初期,以流量模型作為負(fù)載輸入可以對片上網(wǎng)絡(luò)以及片上系統(tǒng)做出初步快速的評估,因此網(wǎng)絡(luò)流量模型的好壞直接影響系統(tǒng)建模的成功與否。目前,已有的片上網(wǎng)絡(luò)流量模型分為短相關(guān)模型和自相似模型兩類。但是,這兩類模型一方面都未關(guān)注片上網(wǎng)絡(luò)訪存行為中讀寫行為對流量的影響,另一方面它們不能精確的評估共享緩存型的片上網(wǎng)絡(luò)性能。本文針對共享緩存型CMP架構(gòu)的多核系統(tǒng),研究片上網(wǎng)絡(luò)訪存行為中讀寫行為對片上網(wǎng)絡(luò)流量的分布影響,給出了一種適用于共享緩存型片上網(wǎng)絡(luò)架構(gòu)評估的流量模型。首先通過實驗分析片上網(wǎng)絡(luò)訪存行為中讀行為和寫行為在片上網(wǎng)絡(luò)中產(chǎn)生的不同流量特性,根據(jù)讀寫行為的流量特性,提取相關(guān)的特征參數(shù),組成一個包含三個參數(shù)的流量模型。然后,搭建仿真平臺,提取片上網(wǎng)絡(luò)的流量數(shù)據(jù),根據(jù)提取的特征參數(shù),進行具體的數(shù)據(jù)量化。同時設(shè)計合成流量工具,用于把模型得到的特征參數(shù)擬合成可以注入片上網(wǎng)絡(luò)仿真器使用的流量數(shù)據(jù)。最后,進行流量模型的Husrt參數(shù)值、精確度和運行效率的驗證。實驗結(jié)果表明,對比于全系統(tǒng)仿真,本文提出的流量模型精度誤差小于5%,使用本文的流量模型評估片上網(wǎng)絡(luò)架構(gòu)性能可節(jié)約70%的仿真時間。對比于未考慮訪存行為的流量模型,精度提升10%。另外,本文提出的模型可適用于mesh和turos兩種拓?fù)浣Y(jié)構(gòu)。
【圖文】：

圖 2-3 泊松分布流量模型3.2 自相似流量模型由于應(yīng)用的復(fù)雜特性以及網(wǎng)絡(luò)協(xié)議的一些固有特征，學(xué)者們對網(wǎng)絡(luò)流量深入研究之后，絡(luò)流量在任何時間尺度上都存在突發(fā)特性。以泊松流量模型為代表的短相關(guān)流量模型，在小間尺度下可以很好地描述流量，但隨著時間尺度的增大，流量的突發(fā)特性會被緩和，不能很描述流量長相關(guān)特性。長相關(guān)模型是相對于短相關(guān)流量模型而來的。在長相關(guān)模型中，自相數(shù)的表達(dá)式為： ( ) 在公式(2.3)中， ，在長相關(guān)中，自相關(guān)函數(shù)衰減比短相關(guān)函數(shù)緩慢， ∞ 散。其中，自相似流量是一種最具代表的長相關(guān)流量。自相似性是分形(Fractal)的一個重要的特征。分形是指某個形體是由許多和整體有某種相的局部組成的。簡單來說，就是局部與整體相似，在局部中又有局部的相似，并且在局部當(dāng)

圖 2-4 ON-OFF 源疊加產(chǎn)生自相似流量示意圖片上網(wǎng)絡(luò)訪存行為的流量模型上述章節(jié)中，，以泊松分布模型為代表的短相關(guān)模型的優(yōu)點是從根本上抓象；建立的模型結(jié)構(gòu)簡單，參數(shù)的估算及檢驗方法相對容易。但是其缺點網(wǎng)絡(luò)的猝發(fā)特性；沒有描述流量的空間特性；不關(guān)注片上網(wǎng)絡(luò)訪存行為量分布不同。F 模型為代表的自相似模型，其優(yōu)點是有效地描述片上網(wǎng)絡(luò)流量自相似和時間特性。該類模型方法存在的缺點是模型假設(shè)隨機過程滿足高斯分行為中讀寫行為不同引起的流量分布不同。adr[15]提出一種基于馬爾科夫過程的優(yōu)化流量模型，該模型通過片上網(wǎng)行為兩個狀態(tài)，結(jié)合馬爾科夫模型來合成自相似的流量。關(guān)于 MarioBa介紹，首先需要介紹基于馬爾科夫過程的流量模型。
【學(xué)位授予單位】：東南大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TN47

【參考文獻(xiàn)】

相關(guān)期刊論文 前3條

1 盧穎;裴承艷;陳子辰;康鳳舉;;基于FBM模型的自相似流量建模仿真[J];電子設(shè)計工程;2011年17期

2 張賓;楊家海;吳建平;;Internet流量模型分析與評述[J];軟件學(xué)報;2011年01期

3 梁智濤;何慧;李斌;;自相似流量生成算法研究[J];微計算機信息;2008年06期

本文編號：2619504