CN101116292B - 管制网络 - Google Patents

Abstract

本发明涉及管制网络。本发明提供了用于对数据网络中的流进行管制的方法和装置，所述方法包括以下步骤：确定通过一节点的流的贪婪性的量度；将所述贪婪性的量度与表示可接受贪婪性的量度进行比较，可接受贪婪性取决于处于大致相似的路径条件下的符合流的期望贪婪性；以及在所述贪婪性与所述可接受贪婪性不一致的情况下，指定可能进行制裁的流。这种方法和装置使得能够对数据网络进行管制，其中，利用数据分组的携带有与所述数据分组的端对端路径和/或下游路径的特征有关的信息的一个或更多个字段来管制所述数据网络。

Description

管制网络

技术领域

本发明主要涉及对网络中的数据进行控制，并且涉及使得能够对使用诸如互联网的网络来传送数据进行管制(policing)的方法和系统。

背景技术

合理(responsible)反应对于网络拥塞的重要性

目前的互联网架构由于信任主机对拥塞作出主动响应而常常遭到批评；疏忽通常归因于其中进行这些算法的相互信任的环境。非适应(unresponsive)应用可以从适应流中有效地窃取它们需要的瓶颈资源的任意份额。尽管我们相信大多数当前资源行为良好，但搭便车行为多于正当刺激(just irritating)。最具警示意义的是，在不知道什么令当前协作合意稳定的情况下，我们可能无意中使它不稳定，从而导致不可逆转的拥塞崩溃。但是，一种更逐渐的侵蚀威胁到了互联网的生存能力，因为非适应应用每平均带宽需要更多容量投资。如果任何人都可以随意采取他们想要的任何方式，而不对所需投资作出贡献，则新的恰当管理拥塞的服务质量(“QoS”)产品将绝不会切实可行。但是，在这些新服务中投资太过冒险，会产生对于更多行为异常(misbehaving)的应用的间隙。所以那些行为良好的应用将陷入在投资不足和行为异常的恶性循环内。

一些应用需要成为非适应的(例如，交互式语音、视频以及游戏)。另一些应用简单地选择为主动性的，以使它们本身得到优质服务。而且，一些用户有意(对等式文件共享)或无意(蠕虫感染zombie主机)地连续用比其它用户更多的流来填充他们的接入链路。即使每个流都是适应的，但整体上仍会造成更多的拥塞。

速率适应策略的描述

TCP速率控制算法[7]是在20世纪80年代后期响应于互联网上的主拥塞崩溃而开发出的。设计它是为了确保穿过互联网的每个流都迅速适应其所经历的拥塞等级，从而每个流都将趋于公平地共享任何拥塞路由器或链路的容量的速率。

TCP速率控制算法运行在发送主机的操作系统内。应用的程序员可以选择使用它或不使用它。不能忍受比特率的快速变化的应用(如交互式语音或视频应用)的程序员总是选择不使用它。

最初，以路径为特征的TCP算法通过检测由于丢失确认而造成的损失并通过测量那些确认抵达之前的往返延迟而被用于互联网上。近来，通过可选增加的显式拥塞通知(ECN)改进了TCP/IP标准，以使出现早期拥塞征兆的路由器可以在转发之前对分组进行标记。还对确认协议进行改变，以允许将这些标记传回源。将TCP算法的标准改变成需要发送主机响应于这些返回的标记，就像已经存在损失一样。

除了许多其它情况外，Padhye等人[1]开发出了一个用于稳态下对TCP流进行长期平均的公式，其被特别用作针对TCP友好速率控制(TFRC，TCP的基于窗口机制的基于速率的版本，仅具有平滑(smoother)适应)的速率调节的指导[2]。当拥塞保持较小时(m＜＜0.2)，该值可以被近似成平方根定律，如式(1)给出的

$x=\frac{k\·s}{T\·\sqrt{m}}---\left(1\right)$

其中，x是期望吞吐量，k是约为的常量，s是流的分组大小，T是其往返时间，而m是端到端拥塞量度(metric)(如流内的标记与丢弃(dropped)分组的比例所表示)。

还存在用于在并发流当中分配拥塞网络资源的其它模型。例如，Crowcroft和Oechslin[6]示出了与其它情况相比，通过写入具有将模仿ω平行TCP流的权重参数ω的称为MulTCP的TCP版本可以多么容易地使用更多容量。Kelly等人[3]开发出了一种基于经济上优化网络利用的速率控制算法，在该算法中，互联网用户针对他们生成的通信量来限定他们自己的支付意愿。用户有效地采用了速率适应策略，以维持数据传送过程中的恒定消耗速率，而不管交换的数据量。数据路径的拥塞状态会使传送持续时间动态地收缩和伸展。这种策略的特征在于，式(2)中给出的吞吐量公式：

$x=\frac{w\·s}{m}---\left(2\right)$

其中，x、m和s具有与上述相同的意义，而w是用户的支付意愿参数。

所有这些速率控制算法都取决于其上运送传输的路径的量度。无论对于哪一种量度，是否有损失、显式拥塞或往返延迟，用于表征该量度的当前设置都取决于在为限制接收方和发送方可以进行通信的速率而设计的协议中二者的诚实符合性(compliance)。整个路径拥塞仅出现在目的地，会在反向信道中从接收方向发送方反馈。但是，在任何数据网络中，反向信道都不需要对于中继站可见，因为它们最终是在端点之间进行通信的(它们可以被加密，或不对称地路由，或完全省略)。这样，没有网络部件能够可靠地拦截它们。本申请人的较早专利申请涉及运行在对传回发送方的确认进行拦截的网络设备上的速率控制机制(参见WO03/049319)，该机制已经实现在随后由Siris公布的论文中所描述的蜂窝无线电网络控制器[8]中。然而，这种机制最终依赖于接收方允许其反馈可见，并且在其内诚实公告路径特征。即使这样，发送方也必须依赖于响应于路径拥塞和延迟而正确地改变其速率。

J.Padhye，V.Firoiu，D.Towsley，and J.Kurose，“Modeling TCPThroughput：A Simple Model and its Empirical Validation”，Proc ACMSIGCOMM 1998.

S.Floyd，M.Handley，J.Padhye and J.Widmer，“Equation-BasedCongestion Control for Unicast Applications.”Proc.ACM SIGCOMM.August 2000.

F.P.Kelly，A.K.Maulloo，and D.K.H.Tan，“Rate control forcommunication networks：shadow prices，proportional fairness andstability，”Journal of the Operational Research Society，49(3)：237-252，1998.

Jon Crowcroft and Philippe Oechslin，“Differentiated End to End InternetServices using a Weighted Proportional Fair Sharing TCP，”In：ComputerCommunication Review 28pp.53-69(July，1998).

Van Jacobsen.Congestion avoidance and control.Proc.ACMSIGCOMM’88，Computer Communication Review，18(4)：314-329，1988.

Vasilios A.Siris.Resource control for elastic traffic in CDMA networks.In Proc.ACM International Conference on Mobile Computing andNetworks(MobiCom’02)，URL：

http://www.ics.forth.gr/netlab/wireless.html，September 2002.ACM.

速率管制

在当前的互联网中，一旦发送方不再遵守TCP标准中规定的反应机制，那么将在网络上产生混乱。这就是开发出了用于管制流的几种提议以使用户不滥用它们的能力在网络上发送任何速率的通信量的原因。

如上所述，互联网网络组件当前不能获知关于路径的相关量度，以验证发送方在遵守TCP协议。可以买到的管制器(例如，来自Sandvine(www.sandvine.com))或Riverhead Network(www.riverhead.com)确保流不会超过最大速率，而不管每条路径在网络的剩余部分中所使用的条件。一些这种管制器可以用在设备本身的任何本地拥塞处，但不能在别处使用。

实际上，提出的缩减这些商用管制器所需状态量的管制器[4、5、12、13、14、15、16]必须定点在它们本身拥塞的中继站上，以便进行工作。所有这些管制器(我们将其称为“瓶颈管制器”)都罕见地检测高比特率，但如果路径未拥塞或往返时间短，则高发送速率可能完全合法。类似的是，针对最新宽带远程接入服务器的其它管制器按月施加容量上限(cap)，尝试控制高容量文件共享。但是，它们对填充了与造成利用中的峰值的通信量一样多的通信量进行惩罚。

Floyd和Fall[4]提出了一种基于随机早期检测(RED)机制的受罚席(penalty box)机制。RED被广泛用于针对互联网路由器的队列管理机制，其中，向线路输出的队列越长，丢弃(dropping)(或如果ECN被使能则进行标记)抵达该队列的分组的概率就越高。它们的想法是监测RED算法的丢弃历史。在丢弃历史中占绝大多数的任何流在足够长的时段之后都被视为行为异常、记入黑名单并提交至恰当的制裁(sanction)(丢弃、降级......)。CHOKe[5]还发展了这种想法，即，显著行为异常流与符合TCP流相比，将呈现在数据流中更远的地方。无论分组何时抵达，都会将它与从队列中随机拣选的另一分组进行比较。如果两个分组来自同一流，这该流被怀疑行为异常。CHOKe在显著压低高速率通信量方面表现出了非常好的结果。

许多研究提议已经对Floyd和Fall[4]最初提出的速率管制的技术进行了逐步改进。并行地公布了Stabilized RED(SRED[12])，而后来的改进包括CHOKe[5]、RED with Preference Dropping(RED-PD[13])、LeastRecently Used RED(LRU-RED[14])、XCHOKe[16]，以及Approx.FairDropping(AFD[15])。

然而，在所有的情况中，都没有针对路径的具体特征来管制速率。例如，我们考虑穿过公共瓶颈的两个流：流A和流B，流A具有穿过仅以其它方式拥塞的路径的短往返时间，而流B具有四倍长的往返时间并且在其路径上经历四倍的拥塞。从长远来看，流B应当仅得到流A所得到的带宽的1/8。然而，对于全部现有管制器来说，如果拥塞处于别处，而非容纳管制器本身的网路组件上，则两种分组都会被同等地视为合理的，并且与流B相比流A将因此更可能受约束。

Clerget & Dabbous[17]提出了另一种分布式速率管制。在他们提出的框架“基于标签的统一公平性”(TUF)中，瓶颈对通信量进行管制，以使给定类型的流都得到瓶颈带宽的相同份额。TUF方法能够确保类别内公平性，但不能确保类别间公平性：如果n_TCP TCP流和n_UDP UDP流共享一瓶颈，则每个TCP流都将得到共享x_TCP，而每个UDP都将得到共享x_UDP，使得

n_TCP*x_TCP+n_UDP*x_UDP＝C

其中，C是节点的转发容量，然而，对于除了拥塞的两个非常特别的等级以外的其它任何等级来说，x_TCP！＝x_UDP。而且，没有实现类别间公平性，TUF方法也展示了瓶颈管制器的弱点。

而且，在现有技术中，Raisinghani & Lyer[18]公开了一种机制，由此，接收方通过控制它们应当致力于的可完成拥塞窗口、假定丢弃都是在路径的最终无线部分上进行的，而将其流动态地区分优先顺序。看上去这涉及流间拥塞控制的问题，并且接收方篡改拥塞信号，以便调节其流之间的优先级。该文献包括对RED-DT的讨论，其是针对RED的另一种单一瓶颈公平性优化。该优化仅依靠本地信息(即，相对于有关节点的本地)，如，队列长度、缓冲器尺寸，以及全部对于节点特定的多个每流变量。

另一现有技术文献，Nikolouzou等人[19]描述了一种一般区分服务(DiffServ)设置，并且致力于在DiffServ环境下定义并调度特定网络服务。

近来，已经制成提议，使得能够实现数据源的速率控制算法，以快速找出可以多快地在高容量网络发送数据。在这些提议中，源在协议字段中放置一请求。在XCP[11]中，该请求是指在已经接收到任何确认之前可以发送多少数据(称为飞行中数据量，或拥塞窗口)。在Quick-Stark[10]中，该字段是指发送速率。当分组穿越网络时，如果路由器可以忍受的量度值小于该请求，则它重写该字段。然而，所得字段必须仍旧被返回至发送方，并且发送方必须确保其未来的速率遵守网络对其请求的响应。所以，这两种方案都仍旧取决于发送方和接收方对于它们各自兴趣的协作。路由器可以记住其在前一往返上已经得到的响应，并且检查下次遵守的源，然而，这将需求在路由器上保持流状态，损失了互联网的分组转发特征的无国家无连接模型的益处。

在诸如ATM的面向连接的网络中，网络组件沿该每个连接发送拥塞反压消息[9]，复制任何端到端反馈，因为它们不信任每个连接。但是，它固有的困难在于，在不损失分组网络的低连接安装潜伏性和鲁棒性的益处的情况下，在无连接数据报网络中使用类似的技术。

在本申请人提交的公开号为WO 2005/096566的未决申请(其主题内容通过引用并入于此)中，提出了一种被称为“再反馈”的新颖反馈机制，术语“再反馈”表示了“接收方归一化”反馈的想法。根据该再反馈机制，发送方设置任何路径特征字段的初始值，使得在其已经累积了路径信息的时间之前，其趋于抵达被设为普通标准化值的目的地。接着，在发送以后的数据时将从目的地到源的反馈用于连续校正目的地值中的任何错误。主要优点在于，数据有效地携带了由在线设备沿传输路径使用的对其自己的下游路径的“预测”。

而且，在同一申请人提交的公开号为WO 2005/109783的另一未决申请(其主题内容通过引用并入于此)中，提出了一种新颖的丢弃管制器，其在不被持久否定的分组内拦截通信量，以确保下游路径量度(例如，拥塞或延迟)。它使用诸如分组截断或丢弃的制裁。同时，这两个申请的发明的实施方式可以被用于确保发送方必须将足够高的值“预加载”到每个分组的路径量度字段中，以使它们即使在网络间传输期间所经历的拥塞和延迟之比例降低后，也保持为正。

S.Floyd and K，Fall，“Promoting the Use of End-to-End CongestionControl in the Internet”，IEEE/ACM Transactions on Networking，May1999.

R.Pan，B.Prabhakar，and K Psounis.“CHOKe-A stateless active queuemanagement scheme for approximating fair bandwidth allocation”.

“Traffic control and congestion control in B-ISDN”.RecommendationI.371(03/04)，ITU-T，URL：http://www.itu.int/recommendation.asp？type＝f olders&lang＝e&parent＝T-REC-I.371，March 2004.

Amit Jain，Sally Floyd，Mark Allman，and Pasi Sarolahti.“Quick-Startfor TCP and IP”.Internet Draft draff-amitquick-start-03，InternetEngineering Task Force，URL：http://www.icir.org/floyd/quickstart.html，September 2004.(work in progress).

Dina Katabi，Mark Handley，and Charlie Rohrs.“Congestion control forhigh bandwidth-delay product networks”.Proc.ACM SIGCOMM’02，Computer Communication Review，32(4)：89-102，Octoder 2002.

Teunis J.Ott，T.V.Lakshman，and Larry H.Wong.“SRED：StabilizedRED”.In Proc.IEEE Conference on Computer Communications(Infocom’99)，pagesl346-1355，URL：http://citeseer.nj.nec.com/ott99sred.ht ml，March 1999.IEEE.

Ratul Mahajan，Sally Floyd，and David Wetheral.“Controllinghigh-bandwidth flows at congested router”.In Proc.IEEE InternationalConference on Network Protocols(ICNP’01)，URL：http://citeseer.nj.nec.com/545435.html，2001.

Smitha A.L.Narasimha Reddy.“LRU-RED：An active queuemanagement scheme to contain high bandwidth flows at congested routers”.In Proc Globecomm’01，URL：http://Citeseer.nj.nec.com/473674.html，November 2001.

Rong Pan，Lee Breslau，Balaji Prabhaker，and Scott Shenker.“Approximate fairness through differential dropping”.ComputerCommunication Review，33(2)：23-40，April2003.

P Chhabra，S Chuig，A Goel，A John，A Kumar，H Saran and R Shorey.“XCHOKE：Malicious Source Control for Congestion Avoidance atInternet Gateways”.Proc.ICNP，November 2002.

Antoine Clerget & Walid Dabbous：“TUF：Tag-based Unified Fairness”，Proceedings of IEEE INFOCOM Conference on ComputerCommunications，April 2001.

Vijay Raisinghani & Sridhar lyer：“Analysis of receiver window controlin the presence of a fair router”，IEEE Intl，Conf.on Personal andWireless Communications，Jan 2005.

Nikolouzou，Maniatis，Sampatakos，Tsetsekas & Venieris：“NetworkServices Definition and Deployment in a Differentiated ServicesArchitecture”，IEEE Intl.Conf.on Communications 2002.

发明内容

如上所述，根据现有管制方法，没有针对路径的具体特征来管制速率。因此，现有管制器否定了其自身用于优化某些管制特征的机会，包括它们的响应性(即，快速检测行为异常流的能力)、它们的鲁棒性(即，将行为异常标识为尽可能少的符合性流，由此避免“误测”的能力)，特别是诸如这些的特征之间的折衷(trade-off)。

本发明第一方面提供了一种对数据网络中的流进行管制的方法，所述数据网络提供具有关联基准速率适应策略的网络服务，所述方法包括以下步骤：

确定通过一节点的流的贪婪性(greediness)的量度；

将所述贪婪性的量度与表示可接受贪婪性的量度进行比较；以及

在所述贪婪性与所述可接受贪婪性不一致的情况下，指定可能进行制裁的流；

所述方法的特征在于，所述表示可接受贪婪性的量度是根据符合与所述网络服务相关联的所述基准速率适应策略并且经受大体类似的路径条件的流的期望贪婪性来确定的。

本发明的有关方面还提供了一种用于对数据网络中的流进行管制的装置，所述装置包括用于执行实现根据上述第一方面所述方法的步骤的装置。

数据网络中的流一般可以被视为包括多个消息，这些消息是可应用至所讨论的网络和/或协议的单独数据携带项。在将这种管制方法与现行互联网协议(IP)结合使用时，应当理解，所述消息一般指IP分组。

如果消息或分组中的携带对它们的下游路径的预测的字段抵达网络组件(如在上述引用的公开号为WO 2005/096566的未决申请中可以示出的)，它还变得可以利用这些字段来管制它们应当抵达的速率。如果在网间的远程出口处设置丢弃器(dropper)(如上述引用的公开号为WO2005/109783的未决申请中所述)，则它变得可以强制、说服或至少刺激发送方不要少报下游拥塞或延迟。

基于主机的速率控制算法维持与每个流的路径的最近条件有关的状态，该状态决定了发送速率。例如，TCP维持拥塞窗口变量，而TCP友好速率控制和Kelly的算法则维持保持当前发送速率的变量。

一旦每个分组中的路径特征抵达网络组件，该组件就可以针对每个流维持其自己的路径状态。接着，它可以导出它自己的流应当发送多快的观点。它可以利用这个观点，通过对分组进行缓冲来定形流的速率，但对于它来说，优选的是，仅响应于变化的路径来检查源正确地适应其速率(称为管制)。我们已经讲述了这种方案，即，需求要保持在网络组件上的每流状态是不优选的。然而，对于边缘接入路由器来说，在它已经针对每个接入用户维持了状态(如，用户的允许最大速率)时，将很少出现问题。

类似的是，采取瓶颈管制方法(如Floyd和Fall提出的那些方法(见上述[4]))是不够的，因为它们不能管制穿越多个瓶颈的流的吞吐量。而且，Clerget等人的TUF方法(见上述[17])没有提供足够的类别间公平性。根据本发明实施方式提出的路径特有方法能够通过确保经过给定网络服务发送的所有通信量都可以在以下相同基准上进行基准标记来克服这些缺点：对于符合该网络服务的速率适应策略(例如，TCP速率策略)符合流量将具有的吞吐量。

图1概述了瓶颈管制器(图1(a))与我们提出的路径特有管制器(图1(b))之间的差别。我们特别针对拥塞度量例示了该差别，尽管相同概念也可以用于其它量度。我们考虑源S与目的地D之间的穿越具有本地拥塞m₁、m₂、m₃、m₄的四个网络节点的流。管制节点用拥塞的本地等级“m_i”和信息“y”(根据它们来执行管制)来表示。我们将设计要使之通过的吞吐量定义为“x(y)”。

对于瓶颈管制器来说，y＝m_i，这意味着在每个潜在瓶颈(即，路径上的每个路由器)上都需要一管制器。每个瓶颈管制器的作用为：

x_i＝min(x_i-1，x(m_i))

它给出了全部作用x_n＝min(x₀，x(m₁)，x(m₂)，…，x(m_n))。我们必须进一步注意到，x(m)是递减函数，因此：

min(x(m_i))＝x(max(m_i))

这意味着整体作用是最坏瓶颈的单独作用。

另一方面，对于路径特有管制器来说，y＝M，端到端拥塞等级。在这种情况下，从x_S到x_D仅存在一个潜在吞吐量调节，而不是在每个网络节点(x₀，x₁，…，x₄)处都有吞吐量调节。

为了减轻路径特有解决方案的状态需求，下面，我们描述本发明的另选实施方式，其需要很少状态。可以在应当维持多少状态与管制器可以多快地检测出行为异常流之间进行折衷。可以将行为异常流定义为在相同路径条件下，与符合流相比使用明显更多带宽的流。根据本发明的优选实施方式，提出了通过记录流(stream)中的分组的流描述来检测具有与它们期望的吞吐量成反比的概率的行为异常流。式(1)(参见上述)被用作可以怎样确定期望吞吐量的实施例，要注意的是，其基于从该分组获取的特有路径特征值。如果一流与被允许或视为可接受相比在其速率适应上始终贪婪性更多，则可能在进一步详细审查的时段之后，该流在轮询记录中会更经常出现，从而可以被挑选以进行制裁(可以简单地包含标记为警告，但也可以包括诸如降级、丢弃等更多惩罚行动)。

允许速率适应算法可以是TCP的一个标准算法，或者另选的是，可以是发送方与入口网络操作方之间约定的一些其它算法，如MulTCP或Kelly的那些算法。在后者的情况下，权重参数ω或支付意愿参数w可能需要作为发送方与入口网络之间的约定的一部分。这个参数可以与一类通信量、特定流标识符、特定类型的接入接口，或者分组中一些或全部中携带的一些字段相关联。这个约定可能在需要一参数时被告知，或者长时间以契约方式约定。

根据优选实施方式不同于现有技术方案的具体方面在于，行为异常流仅因为它们的绝对吞吐量而没有被特征化，而非它们的与符合流在相同网络条件下在数据路径上得到的相对的吞吐量。这在选择要制裁哪一个流方面更加准确。

除了上述确保每个流都对拥塞进行响应的机制以外，另一机制将优选地按每个发送用户的粒度(granularity)，而非每个流来操作。“每用户”计数器应当维持来自针对轮询记录概率性地选择的分组的所有拥塞值的累积总数。接着，可以将这个计数器用于对造成拥塞的用户更苛刻地加权“每流”算法。

在不需要这个附加的情况下，对于用户来说，可以通过简单地将单一行为异常流分成去往相同目的地的多个行为良好流来围绕每流管制器。而且，两个发送方可能始终确保流是符合的，但一发送方可能持续利用符合流来填充其接入线路，而另一发送方可能是偶然用户。

管制器的对于长期行为的严格适应确保了重载用户仍旧可以按高速率进行发送，但是仅可以发送到具有低拥塞或其中路径较短的路径中。然而，轻载用户将被允许在所有时间按满TCP速率进行发送。这得到了超过可以利用在本申请人提交的公开号为WO 2005/032068的另一未决申请中阐述的方案的实施方式的有利的差别，该方案使用数据容量作为用于确定制裁的量度(在利用中的峰值期间发送还是利用中的波谷期间发送)并且随着制裁限制数据接入速率(即使发送到未拥塞路径中也是如此)。

如上所述，我们已经示出了利用“再反馈”概念，可以利用穿越未改核心和边界路由器的未变IP，单独通过检查网络层报头，采用TCP应当采用的方式在网络入口处检测并去除没有对拥塞作出响应的通信量。由此，如果互联网服务供应商想要对VoIP或视频进行收费，则可以防止用户能够通过隐藏他们的非适应通信量来避免收费的利益(例如，利用加密“Skype”对等，参见www.skype.com)。

为了解决这种问题，使用诸如可以从卖方(如，Sandvine或RiverheadNetworks(参见上述))获得的管制器的速率管制器是不够的。当然希望能够限制速率，由此限制下层消费者可以从网络导出的值。但是，这种限制表示最佳条件下的最大值。为了最大化所有消费者从网络导出的值并且平衡与其它网络的互连的收入和成本，允许速率应当还取决于网间的整个或任何相关部分的路径条件。

使用深度分组检查(DPI)来检测行为异常流也是不够的，因为异常行为可能与分组抵达的速率有关，而不是与它们携带的数据有关。分组可以将本身标注为TCP，但行为不遵守TCP算法。类似的是，分组可以将本身标注为UDP或Skype或任何事物，但利用对于TCP友好的算法进行发送。

利用根据本发明优选实施方式的管制器，可以更强力地吞下(pushback)人们在例如按天测量的时段累积地造成的更多拥塞。这样，可以在网络边缘处将针对高带宽活动性的网络使用(如p2p文件共享)推入波谷并离开波峰。

而且，在需要时结合上述引用的“再反馈”概念，根据本发明优选实施方式的边缘网络装置可以管制任何希望的拥塞响应，而不仅仅是TCP，由此使得能够通过在互联网的恰好边缘处单独进行管制来执行供应商间QoS。

附图说明

下面参照附图，对本发明优选实施方式进行更详细的说明，附图中：

图1概示了瓶颈管制器(图1(a))与根据本发明进行工作的路径特有管制器(图1(b))之间的基本差别；

图2示出了指示传统管制器(2(a))与根据本发明优选实施方式进行工作的路径特有管制器(图2(b))之间的管制行为的潜在差别的图；

图3是示出根据本发明的一相对上位的实施方式的管制器的图；

图4是示出根据本发明一实施方式的利用固定深度的令牌桶(Token-bucket)模型进行工作的管制器的图；

图5是示出根据本发明一优选实施方式进行工作的管制器的图，其中，通过对与其期望吞吐量成反比的通信量进行采样来监测贪婪性；

图6是示出根据本发明一实施方式进行工作的管制器所采取的步骤的流程图，其中，在没有对通信量进行采样的情况下监测贪婪性；

图7是示出根据本发明一实施方式进行工作的管制器所采取的步骤的流程图，其中，通过对通信量进行采样来监测贪婪性；

图8是示出通过根据本发明一优选实施方式进行工作的管制器的TCP流的期望吞吐量的图。

具体实施方式

潜在滥用者检测

定义和符号

我们考虑“再反馈”网络中的一节点。流1..j..J在时间t＝0与t＝τ之间发送分组1..i..N_j，来特征化观察时段。隐含的是，符号J和N_j取决于τ。我们考虑这样的情况，即，有效负荷数据使源饱和，因此根据它们的针对行为源的符合速率适应策略，或者根据它们的针对行为异常源的额外带宽使用率，来尽可能多地发送分组。

我们将x_app(流j在时段τ期间的表观吞吐量)定义为观察时段期间发送的数据的容量之间的比率，由式(3)给出

$x_{\mathrm{app}}=\frac{\mathrm{\Σ}{s}_{j,i}}{t_{j,N_j}-t_{j,i}}---\left(3\right)$

其中，s_j，i和t_j，i是流j的分组i的尺寸和抵达时间。

在现今的互联网中，期望多数流成为TCP符合，而从不期望它们的长期吞吐量超出经历相同路径条件的并发TCP流的吞吐量太久。这个TCP等效速率由式(1)给出，在此将其重复为式(4)。

$x_{\mathrm{TCP}}=\frac{s}{k_{\mathrm{TCP}}.T.\sqrt{m}}---\left(4\right)$

其中s、T和m分别为分组尺寸、往返时间以及端到端拥塞等级在时段τ期间的平均值，且 $k_{\mathrm{TCP}}=1/\sqrt{1.5}.$

今后，其它速率适应策略会普及起来，其将获得与路径和流特征有关的长期期望吞吐量x_#＝f(T，m，s)的不同表达。

我们将x_#用作基准符合速率，用于针对通信量所走路径的条件对通信量进行管制，其中，#表示用于该类通信量的速率适应策略。x_TCP是x_#的特殊情况。

由Kelly定义的这种另选速率适应的一个实施例假定在可以针对流中检测到的每个拥塞标记收取固定费用的环境下，用户具有恒定的支付意愿。对于利用所述速率适应策略的流的期望长期吞吐量以式(2)(参见先前所述)为特征。

我们最后将流的表观贪婪性α_j定义为其表观速率x_app与其期望符合速率x_#之间的比率，如式(5)中所给出的

${\mathrm{\α}}_j=\frac{x_{\mathrm{app}}}{x_{\#}}---\left(5\right)$

要注意的是，符合被管制的速率适应策略的流的期望贪婪性为1。

为了执行路径特有管制，我们还定义了符合贪婪性α_#和上限(ceiling)贪婪性α^*。如果流j的贪婪性α_j达到α^*的时段比基准时段τ^*长，则该流被视为不符合，并且被提交以进一步详细审查和制裁。

为简化表达而不失普遍性，我们将在文献的剩余部分中仅在TCP速率适应的语境下描述管制器，并由此设X_#＝X_TCP和α_#＝α_TCP。

路径特有管制器的设计

管制器的一般目的

图3概示了管制器的目的：必须标记表观贪婪性α_j高于上限α^*达时段τ^*的任何流。流j以速率x_app抵达管制器。管制器的作用是，识别流行为正常(α_j＜α^*)还是行为异常(α_j＞α^*)，并且基于该信息隔离它们的随后处理。

x_TCP的值必须被每流维持，并且可以在接收到分组的任何时候被更新。例如，由于式(4)，可以针对每一个分组从再反馈字段获取x_TCP。我们描述下面几种机制，来监测每流α_j，并且隔离对于贪婪性高于上限α^*达时段τ^*的那些流的制裁。

要注意的是，流的精确定义未解决。优选的是，它可以是端到端连接的分组，就像由源和目的地地址以及端口所标识的。其还可以是这种连接的聚集：例如，管制器的给定接口上入局的所有连接并且指定给IP前缀。

图2中概示了与当前“传统”管制器的差别，该“传统”管制器可以是上述被称为“瓶颈管制器”的类型中的一个。到现在为止，管制器仅基于它们的表观速率来挑选可疑流，而不管它们所走路径的条件(传输延迟、拥塞......)。这对于管制跟随路径特有速率适应策略的流，尤其是TCP流，并无效果，而TCP流构成了绝大多数当前互联网通信量。图2示出了这种区别。

当传统管制器(图2(a))和路径特有管制器(图2(b))都捕获了经历差路径条件(例如，特征为长往返时间和/或高拥塞)的高速率流(参见每个图中的区域1)时，并且在两种情况下都允许通过经历好路径条件的低速率流时(区域2)，传统管制器将错误地特征化两种类别的流：

-在区域3中，传统管制器不能将吞吐量的绝对项不那么高，但对于给定不利路径条件已经太高的某些流分类为行为异常，而路径特有管制器将捕获它，

-在区域4中，传统管制器将吞吐量的绝对项非常高，但完全可接受给定非常有利路径条件的某些流分类为行为异常，而路径特有管制器将允许它们通过。

另一显著差别在于，现有管制器必须配置在网络中拥塞的所有潜在点处，本发明的实施方式却是允许在网络的上游边缘处执行管制，由此能够更有效地保护网络。

令牌桶管制器

一种可能机制是，监测流的贪婪性α_j与相同路径条件下的符合流的期望贪婪性α_TCP＝1之间的累积偏差。图4示出了怎样可以通过令牌桶完成这种监测。无论分组何时抵达，都将α_TCP.dt_j，i增加至令牌桶中(其中，dt_j，i是自上一分组以来的抵达间时间)，而是从中取出的(其中，T_j，i和m_j，i是从分组的字段中获取的)。如果桶在调节之后不为空，则按照所请求的对分组进行服务。另一方面，如果桶为空，则对流进行标记以进行制裁并且恰当地处理该分组。

图6描绘了与图4有关的流程图。当分组抵达时，在接收它时，将其与其流idj、下游拥塞量度m_j，i、往返时间T_j，i以及时间t_new进行关联。首先，管制器检查流是否在黑名单上(起初黑名单上没有流)。如果它不在黑名单上，则管制器确定 $n_{\mathrm{TCP}}=k_{\mathrm{TCP}}.T_{j,i}.\sqrt{m_{j,i}}.$ 如果对于该流不存在桶B_j，则管制器生成一个，并且在其中初始化令牌数量B_j＝B₀，以及最后更新时间t_j＝t_new。接着，在所有情况中，通过增加t_new-t_j-n_TCP来调节流中的令牌的数量，并且由B_max上限化。我们建议如式6(参见下面)给出的使B_max＝B₀＝B。最后的步骤是检查桶在该操作结束时不为空。如果B_j＜0，则将流id记入黑名单，并且对分组进行处理，以进行制裁，而如果B_j＞0，则正常处理该分组。

确定n_TCP不是一个非常简单的计算操作，因为它需要提取平方根(或者立方根，如在处理“获取路径量度”部分中说明的)。因此，如果管制器的实现需要最小化转发分组中的延迟，则操作的次序可以不同。首先，检查桶中的令牌的数量。如果B_j＞0，则立即转发分组。更新令牌桶的状态可以离线进行，但可以足够快速地完成，从而使更新出现在往返时间内。由于可能花费更长时间来检测行为异常流，所以分组处理中的延迟最小化可以在以响应性为代价的情况下实现。

当流j的分组i抵达时，通过 $(+{\mathrm{\α}}_{\mathrm{TCP}}.{\mathrm{dt}}_{j,i}-T_{j,i}.\sqrt{m_{j,i}}/k)$ 来调节桶填充(fill)。时段τ期间的累积调节为 ${\mathrm{sum}}_{i=1..\mathrm{Nj}}(+{\mathrm{\α}}_{\mathrm{TCP}}.d{t}_{j,i}-k_{\mathrm{TCP}}.T_{j,i}.\sqrt{m_{j,i}}),$ 其等于(α_TCP-α_j).τ。(参见附录A1)。

对于全速TCP流来说， $\mathrm{Exp}\left[{\mathrm{sum}}_{i=1..\mathrm{Nj}}(+{\mathrm{\α}}_{\mathrm{TCP}}.{\mathrm{dt}}_{j,i}-T_{j,i}.\sqrt{m_{j,i}}/k)\right]=({\mathrm{\α}}_{\mathrm{TCP}}-{\mathrm{\α}}_{\mathrm{TCP}}).\mathrm{\τ}=0,$ 并且趋势为令牌的数量在其起始位置附近振荡。

因为 $\mathrm{Exp}\left[{\mathrm{sum}}_{i=1..\mathrm{Nj}}(+{\mathrm{\α}}_{\mathrm{TCP}}.{\mathrm{dt}}_{j,i}-k_{\mathrm{TCP}}.T_{j,i}.\sqrt{m_{j,i}})\right]=({\mathrm{\α}}_{\mathrm{TCP}}-{\mathrm{\α}}_j).\mathrm{\τ}>0,$ 所以用于不饱和TCP友好流(α_j＜α_TCP)的桶将线性地填充，直到饱和为止。

因为 $\mathrm{Exp}\left[{\mathrm{sum}}_{i=1..\mathrm{Nj}}(+{\mathrm{\&alpha;}}_{\mathrm{TCP}}.{\mathrm{dt}}_{j,i}-k_{\mathrm{TCP}}.T_{j,i}.\sqrt{m_{j,i}})\right]=({\mathrm{\&alpha;}}_{\mathrm{TCP}}-{\mathrm{\&alpha;}}_j).\mathrm{\&tau;}<0,$ 所以用于行为异常流(α_j＞α^*)的桶将线性变空，直到没有令牌剩下为止。

桶的深度从管制器的目的得出。管制器应当标记表观贪婪性α_j高于上限α^*达时段τ^*的任何流。针对具有贪婪性α^*的这种流，桶在时段τ^*之后应当为空，即使桶在开始时为满也是如此：

$B+\mathrm{Exp}\left[{\mathrm{sum}}_{i=1..N}(+{\mathrm{\&alpha;}}_{\mathrm{TCP}}.{\mathrm{dt}}_{j,i}-k_{\mathrm{TCP}}.T_{j,i}.\sqrt{m_{j,i}})\right]=B+({\mathrm{\&alpha;}}_{\mathrm{TCP}}-{\mathrm{\&alpha;}}^{*}).{\mathrm{\&tau;}}^{*}=0$

换句话说，桶深度B由式(6)给出

B＝(α^*-α_TCP).τ^* (6)

事实上，这意味着具有贪婪性α^*的流的50％将在时段τ^*之后被检测，而仅TCP符合分组的非常小的比率将被错误地标识为行为异常。

图5例示了设计上的另一变型，限制了针对小流的每流状态的需求。它通过与其如前述由x_TCP给出的期望吞吐量成反比地对每一流中的通信量进行采样来监测贪婪性。

无论分组何时抵达，都执行随机测试。我们首先从[0，1]的范围内的均衡分布绘制u_i。如果u_i＞λ.s_j，i/x_TCP(其中，λ是恒定采样参数)，则按照所请求的对分组提供服务。如果u_i＜λ.s_j，i/x_TCP，则将λα_TCP.dt_j，i添加至令牌桶，而根据它绘制出1令牌一所得调节为λ.α_TCP.dt_j，i-1。如果桶在调节之后不为空，则按照所请求的对分组提供服务。另一方面，如果桶为空，则对流进行标记以进行制裁，并且恰当地处理该分组。这时，累积调节等于λ.(α_TCP-α_j).τ。(参见附录A2)。

管制器的采样形式的优点在于，小符合流将不需要生成令牌桶，与非采样实施方式相比时，这降低了管制器的状态需求(活动令牌桶的数量)。这个特征在保护管制器免受拒绝服务攻击方面是重要的。

图7描绘了与图5有关的流程图。当分组抵达时，在接收它时，将其与其流idj、下游拥塞量度m_j，i、往返时间T_j，i以及时间t_new相关联。首先，管制器检查流是否在黑名单上(起初黑名单上没有流)。如果它不在黑名单上，则管制器确定 $n_{\mathrm{TCP}}=k_{\mathrm{TCP}}.T_{j,i}.\sqrt{m_{j,i}}.$ 在这一阶段，采样管制器选择在[0，1]的范围中挑选出的随机变量并且将它与λ.n_TCP进行比较。如果u_i＞λ.n_TCP，则处理分组以进行转发，而不需要进一步延迟。否则，如果针对该流不存在桶B_j，则管制器生成一个，并且在其中初始化令牌数量B_j＝B₀，以及最后更新时间t_j＝t_new。接着，在所有情况中，通过增加λ(t_new-t_j)-1来调节流中的令牌的数量，并且由B_max上限化。我们建议如式6使B_max＝B₀＝B。最后的步骤是检查桶在该操作结束时不为空。如果B_j＜0，则将流id记入黑名单，并且对分组进行处理，以进行制裁，而如果B_j＞0，则正常处理该分组。

λ的选择将使得能够控制管制器的状态需求。对于最短、最符合的流来说，管制器根据创建令牌桶将节省更高的值。

制裁

处理记入黑名单流的分组的选择可以有很多种，如：

-可以丢弃它们；

-如果存在记入黑名单的流，则可以将它们降级至具有较低优先级的类别；

-可以将它们标记为警告源进行反应。

令牌桶的状态B_j仍旧可以在该点更新。当流刚被记入黑名单时，可以应用一次处理，如果桶中令牌的数量保持为负，则可以应用更苛刻的处理，并且在桶中令牌的数量再次变负(在流急剧地减小其发送速率时会发生)时从黑名单去除该流。

获取路径量度

出于该目的，可以从分组报头中提取三个值：流id j、再反馈拥塞字段h_j，以及再反馈下游延迟D_j。

优选的是，管制器应当位于靠近网络的入口处。实际上，当端到端量度需要符合性测试时，再反馈字段仅可以特征化下游路径。如果管制器位于靠近网络入口处，则存在两个选择：因为对于端到端量度的上游贡献可以被示为可忽略，所以可以忽略偏差；或者可以通过管制节点来检测上游贡献，并且和下游量度同时使用，以便获取端到端量度。这可能需要管制节点持久保持其上游路径的状态，其可能仅在上游节点数量受限的网络入口处是可管理的。

根据优选实施方式，提出了根据从h_j提取的下游量度来导出m_j，这是标准再反馈操作。这假定入口接入组件与发送主机之间的上游网络没有经历显著拥塞。

要注意的是，由再反馈字段导出的m_j的值将描述分组被标记的概率m_pkt，而式(1)需要m在一往返时间中针对一个或更多个分组出现一个这种标记的概率m_rtt。以后m_pkt可能更恰当，但此刻m_rtt更恰当。这两个值之间的关系的接近近似值为m_rtt～m_pkt.cwnd，其中，cwnd＝x_TCP.T/s＝k/m_rtt^(1/2)。这导致m_rtt～(k.m_pkt)^(2/3)。

而且，根据优选实施方式，提出了利用未拥塞时段的最小次数测试在管制节点上保持每个上游源与其本身之间的上游往返延迟T₀的记录。往返时间可以获取为T_j＝T₀+2.D_j，假定是对称路由。其它技术也可以用于检索往返行程：例如，参见Jiang & Dovrolis[20]。

Hao Jiang & Constantinos Dovrolis：“Passive estimation of TCPround-trip times”，ACM SIGCOMM Computer Communication ReviewVolume 32，Issue 3(July 2002).

设置上限条件

下面，我们概述应当怎样选择α^*，以便获得鲁棒性的足够等级(通过将紧上限设置成可以视为行为异常的符合流的比例)。

上限贪婪性α^*是管制器的主要控制参数。其选择在管制器的响应性(快速检测行为异常流量)与鲁棒性(尽可能少地将行为异常标识为符合流)之间设置折衷方案中的关键。我们在此说明怎样设置α^*，以使标识为行为异常的符合流的比例(即，误测的比例)保持小于ε(我们期望ε取非常小的值，比方说至多10^-3)。

首先，在示出怎样可以扩展这个结果以给出针对通过管制节点的所有流的绝对值之前，我们示出在观察时段为流的往返时间T_j(在此期间，m_j拥塞恒定)的情况下，怎样设置α。

作为一实施例，通过将TCP的速率适应机制建模为马尔可夫链(Markov chain)而得到的图8在对数标度下示出了对于拥塞等级m_j＝10^-2，在一个往返行程时间T_j期间，TCP连接的拥塞窗口cwnd的累积概率分布y＝log(P(cwnd＜ε))。实际上，这是在等于其往返时间的基准观察时段(τ^*＝T_j)期间的TCP流的期望吞吐量。

将该需求用于管制器，以得到在τ^*期间小于ε的误测的比例，由此设置α^*，使得拥塞窗口超出α^*乘以期望平均值cwnd_avg的值的概率小于ε，其由P(cwnd＞α^*.cwnd_avg)＜ε给出。

图8示出了怎样寻找ε＝10^-3时的α^*。在这个实施例中，我们得到α^*.cwnd_avg～35，而cwnd_avg～12.7(这个平均值是对作为马尔可夫链的TCP拥塞窗口进行分析的结果)。这给出了对于ε＝10^-3，α^*～3。这意味着在τ^*之后，如果将桶深度设成(α^*-α_TCP).τ^*，则贪婪性高于α^*的流的至少50％将被正确地限定为行为异常，而不到0.1％的TCP符合流会被错误地标识为行为异常。假设观察时段增加，则管制器的鲁棒性将变得更好(尽管将得到较少的响应)。

如果将管制器指定用于响应性而非鲁棒性，则桶的深度应当设成较低的值。

如果管制器的采样形式被指定成最小化其状态需求(如通过为监测流过的通信量所需的桶的数量来限定的)，则较短的桶以及采样参数λ的较小值将降低状态需求。

调节对于每个用户的拥塞历史的符合性测试的另一实施方式

可以通过记住在最近时段内由用户造成的拥塞的量来解决上述问题。例如，当时段U_k期间的约定使用率已知时，可以针对每个用户来维持由发送的数据得到的拥塞m_k的容量的记录。而且，还将计算对超过所有用户U的聚集使用率的估计和对所得拥塞M的估计。可以调节采样系数λ，以考虑比率(m_k/U_k)/(M/U)。

例如，除了针对所有用户使用相同采样系数λ，还可以将针对用户k的采样系数定义为λ_k＝λ.max{1，(m_k/U_k)/(M/U)}，以使在用户k用完了拥塞“预算”(M/U)^*U_k时更加严格地管制用户k的数据。

可能另选例

我们已经在上述部分中提出了针对速率管制器的设计，该速率管制器可以检测那些速率适应不需要针对所建立的速率适应原理(TCP标准)作出响应的流。我们已经针对长寿命TCP流在稳定状态下例示了这种机制。因为稳态吞吐量是符合TCP流可以获得的最大长期吞吐量，所以，这种管制器实际上对于任何TCP流来说都有效。然而，这种管制器可以使用其它符合性标准。例如，长期TCP速率公式可以用Kelly的“恒定支付意愿公式”(参见上式(2))来代替。这一般需要每个分组都携带“支付意愿”字段。

通过利用不同类别，也可以针对不同符合性公式来测试不同类别的通信量。

附录-针对令牌桶机制的分析

附录A1：没有采样的令牌桶

前提：

桶中令牌的数量等于(α_TCP-α_j).τ。

证明概述：

每当分组抵达时，令牌的数量都按α_TCP.(t_i-t_i-1)增加并按减少。在时间τ之后，桶将包含 ${\mathrm{sum}}_{i=1..n\left(\mathrm{\&tau;}\right)}({\mathrm{\&alpha;}}_{\mathrm{TCP}}.(t_i-t_{i-1})-T_i.\sqrt{m_i}/k),$ 其中n(τ)＝N_j(τ).τ。估计的偏差为：

$b={\mathrm{sum}}_{i=1..n\left(\mathrm{\&tau;}\right)}\left({\mathrm{\&alpha;}}_{\mathrm{TCP}\&CenterDot;}(t_i-t_{i-1})\right)-{\mathrm{sum}}_{i=1..n\left(\mathrm{\&tau;}\right)}(T_{i\&CenterDot;}\sqrt{m_i}/k)-({\mathrm{\&alpha;}}_{\mathrm{TCP}}-{\mathrm{\&alpha;}}_j)\&CenterDot;\mathrm{\&tau;}$

$={\mathrm{\&alpha;}}_{\mathrm{TCP}.\&CenterDot;}\mathrm{\&tau;}-{\mathrm{sum}}_{i=1..n\left(\mathrm{\&tau;}\right)}(T_{i\&CenterDot;}\sqrt{m_i}/k)-{\mathrm{\&alpha;}}_{\mathrm{TCP}.\&CenterDot;}\mathrm{\&tau;}+{\mathrm{\&alpha;}}_{j\&CenterDot;}\mathrm{\&tau;}$

$=-\mathrm{su}{m}_{i=1..n\left(\mathrm{\&tau;}\right)}(T_{i\&CenterDot;}\sqrt{m_i}/k)+{\mathrm{\&alpha;}}_{j\&CenterDot;}\mathrm{\&tau;}$

$=-{\mathrm{sum}}_{i=1..n\left(\mathrm{\&tau;}\right)}(T_{i\&CenterDot;}\sqrt{m_i}/k)+(n_{\mathrm{app}}/n_{\mathrm{TCP}}).\mathrm{\&tau;}$

$=n\left(\mathrm{\&tau;}\right).\mathrm{est}(T.\sqrt{m}/k)-{\mathrm{sum}}_{i=1..n\left(\mathrm{\&tau;}\right)}(T_{i\&CenterDot;}\sqrt{m_i}/k)+(n_{\mathrm{app}}/n_{\mathrm{TCP}}).\mathrm{\&tau;}-n\left(\mathrm{\&tau;}\right).\mathrm{est}(T.)$

$\sqrt{m}/k)$

$=n\left(\mathrm{\&tau;}\right).\{\mathrm{est}(T.\sqrt{m}/k)-{\mathrm{sum}}_{i=1..n\left(\mathrm{\&tau;}\right)}(T_{i\&CenterDot;}\sqrt{m_i}/k)/n\left(\mathrm{\&tau;}\right)\}+n\left(\mathrm{\&tau;}\right).(1/n_{\mathrm{TCP}}-\mathrm{est}(T.\sqrt{m}/k))$

$=+n\left(\mathrm{\&tau;}\right).(1/n_{\mathrm{TCP}}-\mathrm{est}(T.\sqrt{m}/k))$

定义 $\mathrm{est}(T.\sqrt{m}/k)={\mathrm{sum}}_{i=1..n\left(\mathrm{\&tau;}\right)}(T_{i\&CenterDot;}\sqrt{m_i}/k)/n\left(\mathrm{\&tau;}\right)$

这样，最后， $b=n\left(\mathrm{\&tau;}\right).(1/n_{\mathrm{TCP}}-\mathrm{est}(T.\sqrt{m}/k))$

为了得到|b|＜ε，需要使 $n\left(\mathrm{\&tau;}\right).|1/n_{\mathrm{TCP}}-\mathrm{est}(T.\sqrt{m}/k)|<\mathrm{\&epsiv;}$

通过抄写有效等值的“ $x_{\mathrm{TCP}}=k.s/(T.\sqrt{m})$ ”，我们得到：

对于任何ε₁，都存在τ₁，使 $|1/n_{\mathrm{TCP}}-\mathrm{est}(T.\sqrt{m}/k)|<{\mathrm{\&epsiv;}}_1$

如果进一步假定ε₁＝O(1/n(τ))，强调对于更长流来说该等值更强，则我们得到：

对于任何ε₂，都存在τ₂，使 $|1/n_{\mathrm{TCP}}-\mathrm{est}(T.\sqrt{m}/k)|<{\mathrm{\&epsiv;}}_2/n\left({\mathrm{\&tau;}}_2\right)$

如果我们选择τ₂使得ε＝ε₂/n(τ₂)，则我们得到|b|＜ε，并由此得到所提等效性。

注意：这不需要在管制器处平均化。如果使用指数加权移动平均值(EWMA)，则我们可以代替地定义 $\mathrm{est}(T.\sqrt{m}/k)={\mathrm{sum}}_{i=1..n\left(\mathrm{\&tau;}\right)}(\mathrm{EWMA}(T_{i\&CenterDot;}\sqrt{m_i}/k))/n\left(\mathrm{\&tau;}\right),$ 并且证明的所有其余部分正好相关。这不能改进管制器的性能，远到涉及平均值。很可能的是，将存在与方差有关的对性能的影响。

附录A2：具有采样的令牌桶

前提：

桶中令牌的数量等于(α_TCP-α_j)λ.τ。

证明概述：

非常类似的是，我们定义L(τ)，作为采样分组的数量：L(τ)＝n(τ).λ。

$b={\mathrm{sum}}_{i=1..L\left(\mathrm{\&tau;}\right)}({\mathrm{\&alpha;}}_{\mathrm{TCP}}.\mathrm{\&lambda;}.(t_i-t_{i-1}))-{\mathrm{sum}}_{i=1..L\left(\mathrm{\&tau;}\right)}\left(1\right)-({\mathrm{\&alpha;}}_{\mathrm{TCP}}-{\mathrm{\&alpha;}}_j).\mathrm{\&lambda;}.\mathrm{\&tau;}$

$={\mathrm{\&alpha;}}_{\mathrm{TCP}}.\mathrm{\&lambda;}.\mathrm{\&tau;}-{\mathrm{sum}}_{i=1..n\left(\mathrm{\&tau;}\right)}\left(u_i\right)+{\mathrm{\&alpha;}}_j.\mathrm{\&lambda;}.\mathrm{\&tau;}-{\mathrm{\&alpha;}}_{\mathrm{TCP}}.\mathrm{\&lambda;}.\mathrm{\&tau;}$

$={\mathrm{sum}}_{i=1..n\left(\mathrm{\&tau;}\right)}\left(u_i\right)+{\mathrm{\&alpha;}}_j.\mathrm{\&lambda;}.\mathrm{\&tau;}$

$={\mathrm{sum}}_{i=1..n\left(\mathrm{\&tau;}\right)}(\mathrm{\&lambda;}.T_i.\sqrt{m_i}/k-u_i)-{\mathrm{sum}}_{i=1..n\left(\mathrm{\&tau;}\right)}(\mathrm{\&lambda;}.T_i.\sqrt{m_i}/k)+{\mathrm{\&alpha;}}_j.\mathrm{\&lambda;}.\mathrm{\&tau;}$

$={\mathrm{sum}}_{i=1..n\left(\mathrm{\&tau;}\right)}(\mathrm{\&lambda;}.T_i.\sqrt{m_i}/k-u_i)-{\mathrm{sum}}_{i=1..n\left(\mathrm{\&tau;}\right)}(\mathrm{\&lambda;}.T_i.\sqrt{m_i}/k)+(n_{\mathrm{app}}/n_{\mathrm{TCP}}).\mathrm{\&lambda;}.\mathrm{\&tau;}$

$={\mathrm{sum}}_{i=1..n\left(\mathrm{\&tau;}\right)}(\mathrm{\&lambda;}.T_i.\sqrt{m_i}/k-u_i)-{\mathrm{sum}}_{i=1..n\left(\mathrm{\&tau;}\right)}(\mathrm{\&lambda;}.T_i.\sqrt{m_i}/k)+(n_{\mathrm{app}}/n_{\mathrm{TCP}}).\mathrm{\&lambda;}.\mathrm{\&tau;}$

$+n\left(\mathrm{\&tau;}\right).\mathrm{\&lambda;}.\mathrm{est}(T.\sqrt{m_i}/k)-n\left(\mathrm{\&tau;}\right).\mathrm{\&lambda;}.\mathrm{est}(T.\sqrt{m_i}/k)$

$={\mathrm{sum}}_{i=1..n\left(\mathrm{\&tau;}\right)}(\mathrm{\&lambda;}.T_i.\sqrt{m_i}/k-u_i)+n\left(\mathrm{\&tau;}\right).\mathrm{\&lambda;}.(1/n_{\mathrm{TCP}}-\mathrm{est}(T.\sqrt{m}/k))$

$+n\left(\mathrm{\&tau;}\right).\mathrm{\&lambda;}.\{\mathrm{est}(T.\sqrt{m}/k)-{\mathrm{sum}}_{i=1..n\left(\mathrm{\&tau;}\right)}(T_i.\sqrt{m_i}/k)/n\left(\mathrm{\&tau;}\right)\}$

$={\mathrm{sum}}_{i=1..n\left(\mathrm{\&tau;}\right)}(\mathrm{\&lambda;}.T_i.\sqrt{m_i}/k-u_i)+n\left(\mathrm{\&tau;}\right).\mathrm{\&lambda;}.(1/n_{\mathrm{TCP}}.\mathrm{est}(T_i.\sqrt{m}/k))$

如A1中，定义 $\mathrm{est}(T.\sqrt{m}/k)={\mathrm{sum}}_{i=1..n\left(\mathrm{\&tau;}\right)}(T_i.\sqrt{m_i}/k)/n\left(\mathrm{\&tau;}\right).$

这次，我们得到 $b=\mathrm{\&lambda;n}\left(\mathrm{\&tau;}\right).(1/n_{\mathrm{TCP}}-\mathrm{est}(T.\sqrt{m}/k))+{\mathrm{sum}}_{i=1..n\left(\mathrm{\&tau;}\right)}(\mathrm{\&lambda;}.T_i.\sqrt{m_i}/k-u_i).$

针对A1中给出的理由，我们可以选择τ₃以使ε/2＝ε₂/n(τ₃)。

而且，如果当τ＞τ₄时， $\left|{\mathrm{sum}}_{i=1..n\left(\mathrm{\&tau;}\right)}(\mathrm{\&lambda;}.T_i.\sqrt{m_i}/k-u_i)\right|<\mathrm{\&epsiv;}/2,$ 则当τ＞max(τ₃，τ₄)时b＜ε。

Claims (28)

1.一种对数据网络中的节点之间的通过管制节点的数据流进行管制的方法，所述数据网络提供具有关联基准速率适应策略的网络服务，所述方法包括由所述管制节点执行以下步骤：

确定通过所述管制节点的数据流的贪婪性的量度；

将所述贪婪性的量度与表示对这种数据流的可接受贪婪性的量度进行比较；以及

在所述比较表示通过所述管制节点的数据流的所述贪婪性与对这种数据流的所述可接受贪婪性不一致的情况下，指定可能进行制裁的数据流；

其中，所述表示对这种数据流的可接受贪婪性的量度是根据正符合与所述网络服务相关联的所述基准速率适应策略并且正在经受与通过所述管制节点的数据流正在经历的路径条件类似的路径条件的数据流的期望贪婪性来确定的。

2.根据权利要求1所述的方法，其中，所述数据流包括多个消息。

3.根据权利要求2所述的方法，其中，所述消息是数据分组。

4.根据权利要求2所述的方法，其中，所述消息携带有表示该消息在穿越数据网络时所使用的路径的一个或更多个特征的信息。

5.根据权利要求4所述的方法，其中，所述消息携带有表示所述数据网络中的端到端路径的特征的信息。

6.根据权利要求4所述的方法，其中，所述消息携带有表示所述数据网络中的下游路径的特征的信息。

7.根据权利要求4所述的方法，其中，所述消息携带有表示拥塞的信息。

8.根据权利要求4所述的方法，其中，所述消息携带有表示消息穿越所述数据网络中的所述路径的往返时间(RTT)的信息。

9.根据权利要求2所述的方法，该方法还包括从所述数据流中选择一个或更多个消息的步骤，其中，所述比较步骤是与所述选择的消息有关地执行的。

10.根据权利要求9所述的方法，其中，从所述数据流中选中特定消息的概率取决于所述数据流的贪婪性。

11.根据权利要求1所述的方法，其中，所述贪婪性的量度是根据所述数据流的速率适应策略来确定的。

12.根据权利要求1所述的方法，其中，所述期望贪婪性是参照TCP符合流的贪婪性的量度来确定的。

13.根据权利要求1所述的方法，其中，所述表示可接受贪婪性的量度是在执行所述方法时参照管制节点的鲁棒性的期望等级来确定的。

14.根据权利要求1所述的方法，其中，所述表示可接受贪婪性的量度是在执行所述方法时参照管制节点的响应性的期望等级来确定的。

15.根据权利要求1所述的方法，其中，所述表示可接受贪婪性的量度是在执行所述方法时参照管制节点的状态需求来确定的。

16.根据权利要求1所述的方法，其中，在所述数据流的贪婪性超过可接受贪婪性的阈值等级的情况下，执行所述指定可能进行制裁的数据流的步骤。

17.根据权利要求1所述的方法，其中，执行所述指定可能进行制裁的数据流的步骤的可能性取决于所述贪婪性与所述可接受贪婪性之间的不一致的量度。

18.根据权利要求1所述的方法，其中，数据流被指定的任何可能制裁的严重性都取决于所述贪婪性与所述可接受贪婪性之间的不一致的量度。

19.根据权利要求1所述的方法，该方法还包括与被指定可能进行制裁的数据流有关地采取行动的步骤。

20.根据权利要求19所述的方法，其中，所述行动包括从被指定可能进行制裁的一个或更多个数据流中丢弃一个或更多个消息。

21.根据权利要求19所述的方法，其中，所述行动包括将来自被指定可能进行制裁的一个或更多个数据流中的一个或更多个消息降级为具有较低优先级的通信量类别。

22.根据权利要求19所述的方法，其中，所述行动包括对来自被指定可能进行制裁的一个或更多个数据流中的一个或更多个消息进行标记。

23.根据权利要求22所述的方法，其中，所述标记行动包括利用发往所述数据流的源的通知来对消息进行标记，所述通知表示，在所述源不能对所述标记作出恰当反应的情况下可能采取进一步制裁。

24.根据权利要求19所述的方法，其中，所述行动包括对来自被指定可能进行制裁的一个或更多个数据流中的一个或更多个后续消息进行延迟。

25.根据权利要求19所述的方法，其中，所述行动包括对被指定可能进行制裁的一个或更多个数据流进行速率控制。

26.根据权利要求1所述的方法，其中，所述表示与数据流有关的可接受贪婪性的量度可以根据与所述数据流有关的过去行为的量度而改变。

27.根据权利要求1所述的方法，其中，与数据流有关的任何可能制裁的严重性和/或可能性都可以根据与所述数据流有关的过去行为的量度而改变。

28.根据权利要求1所述的方法，其中，所述表示与数据流有关的可接受贪婪性和/或所述期望贪婪性的量度可以根据所述数据流的通信量的类别而改变。