区分业务的重力模型及其在流量矩阵估计中的应用

摘要

流量矩阵作为网络流量工程的重要输入，是网络容量规划、网络优化设计、网络监测、流量异常检测等工作的基础。为了更好的设计、监控和管理网络，网络管理者需了解和掌握网络中流量矩阵。在网络中直接测量流量矩阵是很困难甚至不可行的，所以间接观测链路数据进行流量矩阵估计是一个非常热门的研究领域。在可测的链路数据、路由矩阵和流量矩阵之间具有确定的线性关系，由于可测的链路数目远小于OD（Original-destination）流对数目，层析成像流量矩阵估计是欠定性反问题。现有的流量矩阵估计方法有它的局限性。首先，现有方法一般假设同一节点对之间所有业务流量在网络中选择同样的路由，然而，为了向不同业务提供更好的服务质量，不同的业务流量实际会选择不同的路由。其次，现有方法只能给出网络中OD对之间的总流量，难以给出OD对之间不同业务的流量；网络管理者为了更好地对网络流量的路由进行规划和优化，希望获得 OD对之间各种主要业务的流量。
　　不同的业务流量在全网中的分布不一致且各自具有一定的结构特点，本文给出了业务 OD存在指示矩阵，用于指示各种业务在哪些源节点和目的节点对之间存在 OD流对。在此基础上本文提出了区分业务的重力模型，不同于传统重力模型对网络中业务流量不作区分，区分业务的重力模型利用业务 OD存在指示矩阵体现各种业务流量在网络中不同的分布情况，根据业务的边缘接入链路流量信息，对OD流量占从此OD流对源节点进入网络的总流量比例进行估计，得到不同业务的流量矩阵估计值。较传统重力模型更能够体现业务流量在网络中的分布情况，区分业务的流量矩阵估计值精度要高于简单重力模型估计值。
　　区分业务的重力模型没有利用网络内部链路流量和路由策略信息，一般获得的初始估计值不满足网络层析成像方程的约束。在区分业务的重力模型估计的区分业务的流量矩阵基础上，加入网络层析成像和不等式约束等约束信息，增加了病态反问题求解的约束条件，缩小了解空间。利用迭代约束算法进行计算，在约束解空间中求离区分业务的重力模型初始解较近的最佳逼近解。
　　实现了区分业务的流量矩阵估计软件，软件由数据读写I/O子系统、算法子系统和显示I/O子系统构成。数据读写I/O子系统读取用户数据并处理，得到路由矩阵、业务链路流量矩阵和已知 OD流信息等数据。算法子系统包括区分业务的重力模型模块、约束算法模块和误差计算模块；显示I/O子系统包括数据保存模块及负责结果图形显示和用户交互功能的GUI模块。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1研究背景及意义

1.2网络流量矩阵估计基础

1.3本文研究内容

1.4论文章节安排

第二章 流量矩阵估计研究概述

2.1流量矩阵典型应用

2.2无需真实OD流量参与估计的方法

2.3需要真实OD流量参与估计的方法

2.4本章小结

第三章 基于区分业务的重力模型的流量矩阵估计

3.1区分业务的流量矩阵估计背景

3.2区分业务的流量矩阵估计定义

3.3区分业务流量矩阵估计问题分类

3.4区分业务的重力模型

3.5仿真数据

3.6仿真结果与分析

3.7本章小结

第四章 基于迭代约束算法的流量矩阵估计

4.1网络层析成像约束

4.2基于多种约束信息的迭代约束算法

4.3算法仿真及分析

4.4本章小结

第五章 区分业务的重力模型流量矩阵估计软件实现

5.1软件系统功能结构

5.2数据读写I/O子系统

5.3算法子系统

5.4显示I/O子系统

5.5本章小结

第六章 结论

6.1工作总结

6.2工作展望

致谢

参考文献

硕士研究生期间取得的研究成果