CN103312632B - 一种测量可用带宽的方法 - Google Patents

Abstract

本发明公开了测量链路和路径可用带宽的方法，其中，测量链路可用带宽的方法，包括：在链路的发送端分别以发送速率Rs‘和Rs‘’发送探测流，在链路的接收端接收探测流，根据得到探测流在所述链路的延时增长率K‘和K“，计算得到所述链路的可用带宽A。测量路径可用带宽的方法，包括：在路径的发送端发送探测流，在路径的接收端接收探测流，当判断所述路径仅存在一条拥塞链路时，测得所述探测流在所述路径的两个不同的非零延时增长率K‘和K“，计算得到所述路径的可用带宽A。本发明测量误差优于经典的路径可用带宽测量方法，测量方法更加快速、精确，具有良好的健壮性，填补了现有技术的空白。

Description

一种测量可用带宽的方法

技术领域

本发明涉及网络测量技术领域，特别涉及一种测量可用带宽的方法。

背景技术

可用带宽测量队许多网络应用和协议有很重要的作用。流媒体的速率控制、端到端的接入控制、服务器的动态选择、覆盖网络(overlaynetwork)的路由选择、拥塞控制以及服务质量QoS的服务级别协定的验证等都需要网络路径可用带宽测量的支持。

根据可用带宽估计方法，可用带宽测量模型分为探测速率模型(PRM，proberatemodel)和探测间隔模型(PGM，probegapmodel)。探测速率模型PRM是基于自诱导拥塞(self-inducedcongestion)的概念。一般地，如果发送端探测流的发送速率小于路径可用带宽，那么探测流到达接收端的速率将与源端的发送速率相匹配。反之，如果发送端探测流发送速率大于路径的可用带宽，那么探测流将会拥塞网络，网络反过来是探测流延迟。因此，探测流到达接收端的速率将小于发送速率。所以，通过寻找探测流发送速率和到达速率开始匹配的转折点可以估计路径的可用带宽。PathChirp是基于探测速率模型PRM的典型算法。pathChirp通过发送许多分组链估计网络路径的可用带宽。一个分组链由一串间隔服从指数分布的分组构成，由探测流发送端传输到接收端，然后再接收端进行统计分析。具体来说，当patchChirp观察到分组链中分组的时延增加时，根据该分组与前面分组的时延间隔计算该分组的可用带宽，并把它作为该分组链测量可用带宽的一个瞬时可用带宽值，然后对瞬时可用带宽进行加窗平均，获得该分组链对网路路径的可用带宽的估计值。对多个分组链测量得到的可用带宽值进行平均获得网络链路的可用带宽的估计值。

探测间隔模型(PGM)是通过提取到达目的端的两个连续探测分组之间的时间间隔信息进行可用带宽估计。Spruce是基于探测间隔模型PGM的典型算法。Spruce通过发送一系列分组对，在接受端计算路径的可用带宽，分组对与分组对间的间隔服从指数分布，分组对中分组与分组之间的间隔设置为大小为1500B的分组在路径的窄链路的传输时间。

目前关于可用带宽测量的方法一般是从全局的角度观察整条路径的情况，而没有观察局部链路的信息。基于探测间隔模型(PGM)的方法一般假设路径上有一条容量最小的链路(narrowlink)同时也是可用带宽最小的链路(tightlink)，因此，路径可用带宽测量就是测容量最小的链路可用带宽。然而，实际网络环境中这个假设往往很难成立。当这个假设不成立时，测量结果会出现较大的偏差。另外，当需要估计一定半径范围的网络的可用带宽时，如果不能确定待测网络中所有链路的可用带宽，则难以估计待测网络的总可用带宽。

因此，有必要对路径上的链路的可用带宽进行测量，进而对由链路所构成的路径进行测量，以便更详细了解网络的状况，有针对性的改善网络的传输环境。

发明内容

本发明要解决的技术问题就是克服现有技术的缺陷，提出一种测量可用带宽的方法，以便更详细了解网络的状况。

为了解决上述问题，本发明提供一种测量路径可用带宽的方法，包括：

在路径的发送端发送探测流，在路径的接收端接收探测流时，接收端每收到M个探测包就计算一次输出速率R_n，若R_n等于发送端的发送速率R₀，则增加R₀，重新测量；否则，判断探测流是否继续发送，若否，则在接收端统计探测包的延时增长累加值，计算所述路径的拥塞链路数，若判断所述路径仅存在一条拥塞链路时，测得所述探测流在所述路径的两个不同的非零延时增长率K‘和K“，计算得到所述路径的可用带宽A为：

$A=\frac{K^{\′\′}{R^{\′}}_0-K^{\′}{R^{\′\′}}_0}{K^{\′\′}-K^{\′}}$

其中，R'₀和R”₀为K‘和K“所对应的发送端发送探测流的速率；所述探测流由多个探测包组成，路径的延时增长率为探测包在路径上的延时增量与探测包到达该路径的间隔的比值；

M为大于1的整数。

优选地，所述在接收端统计探测包的延时增长累加值，计算所述路径的拥塞链路数的步骤中，将接收端接收到的探测包的延时增长累加值与它们到达的时间组成点对，计算所述点对所组成曲线的分段数，当所述分段数为2时，则所述路径的拥塞链路为一条。

优选地，当所述分段数为1时，则将M乘以一个系数p，1<p<2，重新测量。

优选地，当所述分段数大于2时，则将输出速率作为输入速率，重新测量。

优选地，重新测量时，先等待接收端不再接收到探测包后，再重新发送探测包。

优选地，重复计算多次所述路径的可用带宽A，对计算得到可用带宽A取平均值，得到更为准确的可用带宽值。

本发明可以测量路径的可用带宽，测量误差优于经典的路径可用带宽测量方法，测量方法更加快速、精确，具有良好的健壮性，填补了现有技术的空白。

附图说明

图1是本发明系统结构示意图；

图2是本发明实施例的网络拓扑图；

图3是本发明实施例的路径的延时增长率随着探测流速率变化的理论曲线(直线)与仿真曲线(星号)；

图4是本发明实施例的当注入速率为8Mb/s，包数目700，测量持续0.8S时对应的包对间延时变化Δd示意图；

图5是本发明实施例的将包对间的延时变化进行累加后可得到的延时累积曲线并进行最优分段拟合示意图；

图6是本发明实施例的不同的发送速率下计算得到的可用带宽示意图；

图7是本发明实施例的是初始探测速率为20Mb/s时的测量实例过程；

图8是本发明QuickAbw算法和其他算法的误差率对比；

图9是本发明QuickAbw算法和其他算法的测量时间对比。

具体实施方式

下文中将结合附图对本发明的实施例进行详细说明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互任意组合。

本发明提供了一种基于延时增长率的快速可用带宽测量方法(在下文中，称为QuickAbw)，通过在发送端发送探测流和在输出端接收探测流来测量网络(包括链路和路径)的可用带宽。

针对链路的可用带宽，可采用如下方法：

在链路的发送端分别以发送速率Rs‘和Rs‘’发送探测流，在链路的接收端接收探测流，根据得到探测流在所述链路的延时增长率K‘和K“，计算得到所述链路的可用带宽A为：

所述链路的链路容量C：

其中，所述探测流由多个探测包组成，链路的延时增长率为探测包在链路上的延时增量与探测包到达该链路的间隔的比值；且Rs‘≠Rs‘’，K‘≠K“≠0。

下面是相应的推导过程：

路径由一条或多条链路组成。设一条路径由n条路径组成，L₁,L₂…L_n，其中，链路L_i为该路径中的一条链路，0<i≤n。在链路L_i的发送端探测流速率为Rs_i，输出端速率为Rr_i。探测包的大小相等，均为S,那么T_i-1＝S/Rs_i是相邻两个探测包到达链路L_i的时间间隔，设T_i为相邻两个探测包离开链路L_i的时间间隔。链路L_i由于接收到的流速率大于其可用带宽，在间隔T_i内，节点N_i-1处在第k个探测包到达后累积的探测包总量为Δq^k＝(Rs_i-A_i)T_i-1，相应的在节点N_i处将产生延时增量其中T_i可被表达为：T_i＝T_i-1+Δd，Δd为延时增量。

链路的延时增长率为探测包在链路或路径上的延时增量与探测包到达该链路的间隔的比值，链路L_i的延时增长率K_i可以表示为：在不同的发送速率Rs‘_i和Rs‘’_i下分别得到增长率K‘_i和K“_i，可表达为：

可解得链路L_i的链路容量和可用带宽：

一般情况下链路的延时增长率可以直接测量。

针对路径可用带宽的测量方法，包括如下步骤：

如图1所示，在路径的发送端发送探测流，在路径的接收端接收探测流，当判断所述路径仅存在一条拥塞链路(此时称为紧链路)时，测得所述探测流在所述路径的两个不同的非零延时增长率K‘和K“，计算得到所述路径的可用带宽A为：

其中，R'₀和R”₀为K‘和K“所对应的发送端发送探测流的速率；所述探测流由多个探测包组成，路径的延时增长率为探测包在路径上的延时增量与探测包到达该路径的间隔的比值。

可将路径延时增长率K表达为R₀的函数，令K＝f(R₀)。f(R₀)是关于R₀∈[0,+∞)的连续函数。路径中存在特定序列拥塞链路时，f(R₀)是关于R₀线性的。f(R₀)在定义域[r₁,r₂]上产生的拥塞序列若向其中增加一条拥塞链路拥塞链路的个数成为u+1时，在R₀不变的情况下，f(R₀)将变大。

识别出测量中存在的拥塞链路数目是测量算法得到正确可用带宽值的关键。当路径中节点的缓冲时有限时，在固定的探测流速率下，路径延时增长率K是时间t的分段常熟函数。

设发生拥塞的链路为对于其中的某链路设超出带宽的数据流速率为

${\mathrm{Es}}_i^c={\mathrm{Rs}}_i^c+{\mathrm{Ms}}_i^c-C_i^c$

其中为链路的发送端的背景流速率。

根据little定律，在发送探测流之前，节点缓冲区中已被占用的容量为： 的发送端节点的缓冲区大小为 是节点的排队延时和发送延时之和，缓冲区剩余的大小为此时节点的溢出时间为：

$t_i^c=\frac{{B_{i-1}^c}^{\&prime;}}{{\mathrm{Es}}_i^c}$

缓冲区溢出后，开始丢掉部分新到的包，此时，未被丢弃的包从入队到发送的时间间隔为显然是常数，此时，链路对连续数据包带来的延时增量为链路的延时增长率

将链路按照其溢出时间长短从小到大排序得到其对应的溢出时间和链路延时增长率分别为和路径延时增长率K可以表达为时间t的函数ω(t)，可表达为：

$\mathrm{\&omega;}\left(t\right)=\left\{\begin{array}{c}K,t\&le;t_1^t\\ \underset{i=1}{\overset{u}{\mathrm{\&Sigma;}}}{H}_i^c,{\mathrm{whenL}}_p^c=L_i^t,i<j,t_{j-1}^t<t\&le;t_j^t,{\mathrm{existK}}_p^c=0\\ 0,t>t_u^t\end{array}\right.$

其中为节点N_i处的延时增量与相邻两个探测包离开链路L₀的时间间隔的比值， $H_i^c={\mathrm{\&Delta;d}}_i^c/T_0,$ 在特殊情况下， $t_1^t=t_i^t=t_u^t,1<i<u,$ 此时

$\mathrm{\&omega;}\left(t\right)=\left\{\begin{array}{c}K,t\&le;t_1^t\\ 0,t>t_1^t\end{array}\right.$

因此，ω(t)是关于t的常数函数。对于均不相等的情况，通过线段分段数识别的技术，获得函数ω(t)的分段数，即可获得路径中的拥塞链路的数目。

可采用基于动态规划的分段预处理算法-集合最优划分算法，计算路径中的拥塞链路的数目：

基于动态规划的分段预处理算法-集合最优划分算法的目标可以描述为：给定一组数据点对和分段数T，对其达到最佳的拟合，即数据点到拟合曲线的距离之和最小。

首先对集合中的数据点进行差值处理：在每N个点对中提取一个点对，该点对的纵坐标值满足这N个点对中的中位值，以降低计算量，形成用于下面步骤的点集合。

对于点对所构成的集合以分段数进行划分，得到分段数个非空子集和，产生所有的划分。

对于每个划分：计算划分中每个子集合的拟合直线，对该集合中的点进行最小二乘线性拟合，认定集合中所有点到拟合直线距离的平方和为子集和的误差，计算该误差，记录集合误差均值和平方以及方差；计算所有子集合的误差总和。找到使得误差总和最小的划分。

该问题可以划分为若干子问题的组合，且子问题具有相同的最优子结构，因此可以使用动态规划算法求解。

F_m(i,j)表示将原点对集合划分为m个子集和所能达到的最小方差。其递推公式为：

F_m(i,j)＝Min{F₁(i,k)+F_m-1(k,j)}

算法需要的结果是F_n(0,N)和在该结果下的误差平均值与方差，以及在该最优划分下的每个子集合的分界点。

分段组合算法：

集合最优划分算法可得到最优划分集合，共T个子集合:

best_set＝{sque₁,sque₂,…sque_T}

算法假定子集和中点到拟合直线的误差符合正态分布，采用基于正态分布的假设检验予以合并。

根据正态分布的3σ原则：

用集合sque_i+1对应的拟合直线，计算集合sque_i中的点到集合sque_i+1所对应的拟合直线的误差均值:sque_i+1.μ'。

若sque_i+1.μ'∈[sque_i.μ-3*sque_i.σ,sque_i.μ+3*sque_i.σ]，在置信度为99.7％时，认定集合sque_i+1和集合sque_i是相同正态分布产生的样本，将集合sque_i+1与sque_i合并。

遍历best_set进行合并，得到最终的子集合数目x。

执行集合最优划分算法前应进行预处理：在认定延时增长率为0后，将延时增长率为0的点对沿时间轴线(x轴)复制扩展至点对总数的1/p，以降低集合最优划分算法的误差，在实验中p被设定为4。

具体地，本发明实施例的测量路径可用带宽的方法可包括如下步骤，其中，探测流的初始速率为R₀：

步骤101：路径的发送端发送探测流，接收端每收到M个探测包就计算一次输出速率R_n，若R_n等于R₀，说明探测流未能对网络造成拥塞，ΔR为需要增加的速率，令R₀＝R₀+ΔR，执行步骤106；否则，执行步骤102；

步骤102，执行探测流终止判断算法，判断探测流是否继续发送，此时探测流发送时间为t_last；若判断探测流继续发送，执行步骤106；若判断探测流停止发送，执行步骤103；

步骤103，探测流停止发送后，将接收端接收到的探测包的延时增长累加值与它们到达的时间组成点对，得到点对集合，以该集合作为参数，设置分段数为网络链路数加一，运行集合最优划分算法和分段组合算法得到分段数x，若x等于1，说明探测流溢出时间过短，令M＝M*p,(1<p<2)，执行步骤106；若分段数x>2，则执行步骤104；若分段数x＝2，则执行步骤105；

步骤104，分段数x>2，说明路径中不止有一条链路拥塞。此时通过迭代测量，即将输出速率作为输入速率继续测量，令R₀＝R_n，执行步骤106；

步骤105，分段数x＝2，说明链路中仅有一条拥塞链路，此时测得的延时增长率K可以用来计算可用带宽A。若K₁未被赋值，将K赋给K₁，R₁＝R_n，执行步骤106；否则将K赋值K₂，R₂＝R_n，令K”＝K₂,R”₀＝R₂,K'＝K₁,R'₀＝R₁，代入式计算路径的可用带宽A，结束。

步骤106，休眠t_sleep长度的时间，t_sleep的长度必须足够长至使节点中的缓冲区拥塞消失。根据little定律，t_sleep时间的极限是t_last*R₀/A。由于路径的可用带宽A是未知的，在实际情况中当不再能接收到探测包时，就认为缓冲区拥塞已经消失；返回执行步骤101。

其中，步骤102中，采用探测流终止判断算法决定探测流是否终止(即对拥塞链路发送节点的溢出进行识别)，包括：

在接收端接收固定的M个数据包，统计这些包的延时增长累加值，与它们到达的时间组成点对。以这些点对作为参数运行集合最优划分算法，设置分段数T为1，得到这些点对的线性拟合方程y＝ax+b，平均误差μ和误差方差σ²，计算该M个点对到直线y＝b的平均误差μ'，仍然采用正态分布的假设检验，若μ'∈[μ-3*σ,μ+3*σ]则认定这M个包的延时增长率已经为0，此时，所有的拥塞链路的发送节点溢出，探测流应该停止发送。

QuickAbw算法在得到两个分段数为2的K值的情况下，可以继续进行迭代，拉大两个K值之间的距离，有助于提高计算的准确度。

第二次运行QuickAbw算法时，为了进一步减少探测的时间，探测流速率可以设置为上一次测得的第一个分段数为2的K值所对应的探测流速率。若此时K值所对应的分段数超过2，说明此时产生拥塞的链路多余一条；若K为0，表明网络的可用带宽增大，探测流未能造成拥塞，应提高探测流速率。在实际中，可以多次迭代，对计算出的可用带宽的求平均值以减少误差。

当QuickAbw算法第一次判断拥塞链路数为1时，记录下缓冲区溢出前的包数目L，发送端再次以更新后的发送速率发送探测流时，包数不应该超过L，更新后的发送速率更低，前L个包不会导致溢出，通过这种方式，降低了测量时间和对网络的侵入性。

在NS2平台下采集仿真数据：在NS2环境下搭建相同的网络环境，如图2所示，路径包括5条链路(L1～L5)，由6个节点组成(N1～N6)。该路径使探测流从0Kb/s开始，增长至9000Kb/s，步长为100Kb/s，探测流的数据包大小设置为1000bytes，只采集探测流发生丢包前的延时增长率。如图3，在S^R速率为3000kb/s时产生第一条拥塞链路，在5050kb/s时产生第二条拥塞链路，在7750kb/s时产生第三条拥塞链路，可发现其在NS2仿真环境下采集特定点组成的曲线与理论推导的曲线相拟合，并且具有分段线性；随着拥塞链路的增加，曲线的斜率增大的特性。

设置C(L1)＝200Mb/s，C(L2)＝20Mb/s，C(L3)＝100Mb/s，C(L4)＝10Mb/s，C(L5)＝200Mb/s，背景流速率为： $ms\left(s_2^{2,3}\right)=13Mb/s,ms\left(s_3^{3,4}\right)=97Mb/s,ms\left(s_4^{4,5}\right)=1Mb/s$ 对应的可用带宽为：A(L1)＝200Mb/s，A(L2)＝7Mb/s，A(L3)＝3Mb/s，A(L4)＝9Mb/s，A(L5)＝200Mb/s。

设置探测流速率设置为8Mb/s，数据包数目设置为700，大小设置为1000bytes。图4是测量结果，x轴是时间，y轴是包对之间的时延变化，从该图只能看出探测流在接收端发生了明显的延时抖动，无法观察出延时的变化趋势。

将延时变化Δd进行累加，可观察出探测流的延时变化趋势，并使用集合最优划分算法和分段组合算法进行分段拟合，初始最大分段数为5(即链路数)，如图5所示。

黑色的点所表示的曲线是执行集合最优划分算法和分段组合算法后的分段拟合结果，分段组合算法判断分段数为3，表明至少有两条链路发生拥塞。对图5的曲线进行分段线性拟合，每一段的斜率即为该段时间对应的延时增长率。

设初始速率R₀为15Mb/s，在该速率下采集得到延时增长率K₁，对应的速率R₁＝R₀，此时，路径中存在两条拥塞链路。以该初始速率进行迭代以获得K₂和对应的发送速率R₂以计算可用带宽。图6是在不同的发送速率下计算得到的可用带宽。该图表明，在用于可用带宽计算的两次采集的数据中，只要有一次采集时存在的拥塞链路数多于1，计算得到的可用带宽都会偏大。因此本发明采用多次迭代求平均值的方法求可用带宽会更加精确。

图7是初始探测速率为20Mb/s时的测量实例过程。

选用其他测量工具的实验数据作为对照，图8是采用本发明的QuickAbw算法和其他算法的误差率对比，图9是采用本发明的QuickAbw算法和其他算法的测量时间对比。

图8表明，在中低网络负载下QuickAbw算法相对其他算法有非常显著的优势，采用四次迭代K三次平均方案，在网络背景流负载低于40％时其误差率接近于0。在背景负载低于30％时，QuickAbw算法四次迭代和四次迭代K三次平均的误差率差别不大，随着背景负载的加大，后者的准确率就比较明显了；但在高负载情况下，其测量误差仍比较大，在负载达到90％时，测量准确率低于IGI、PathChrip、Yaz和ASSOLO算法。除了在网络负载为10％时稍微差一些，十次迭代的QuickAbw算法表现几乎最好，在其他负载状态显著优于其他算法或采用其他方案的QuickAbw算法。

图9表明QuickAbw的测量时间显著低于其他算法所用的时间，其测量时间在不同的负载下有所差别：随着网络负载的增加，其测量时间也在变长，但变化不显著。虽然算法八次迭代或四次迭代K三次平均消耗的时间较长，但测量结果比四次迭代的要准确很多。十次迭代的QuickAbw算法比四次迭代K三次平均方案消耗的时间多一些，但也不显著。

本发明的QuickAbw算法与其他可用带宽测量算法进行对比的结果表明，QuickAbw算法在测量时间和测量精度上具有显著的优势。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种测量可用带宽的方法，其特征在于，包括：

在路径的发送端发送探测流，在路径的接收端接收探测流时，接收端每收到M个探测包就计算一次输出速率R_n，若R_n等于发送端的发送速率R₀，则增加R₀，重新测量；否则，判断探测流是否继续发送，若否，则在接收端统计探测包的延时增长累加值，计算所述路径的拥塞链路数，若判断所述路径仅存在一条拥塞链路时，

测得所述探测流在所述路径的两个不同的非零延时增长率K^‘和K“，计算得到所述路径的可用带宽A为：

$A=\frac{K^{\&prime;\&prime;}{R^{\&prime;}}_0-K^{\&prime;}{R^{\&prime;\&prime;}}_0}{K^{\&prime;\&prime;}-K^{\&prime;}}$

其中，R'₀和R”₀为K‘和K“所对应的发送端发送探测流的速率；所述探测流由多个探测包组成，路径的延时增长率为探测包在路径上的延时增量与探测包到达该路径的间隔的比值；

M为大于1的整数。

2.如权利要求1所述的方法，其特征在于，

所述在接收端统计探测包的延时增长累加值，计算所述路径的拥塞链路数的步骤中，将接收端接收到的探测包的延时增长累加值与它们到达的时间组成点对，计算所述点对所组成曲线的分段数，当所述分段数为2时，则所述路径的拥塞链路为一条。

3.如权利要求2所述的方法，其特征在于，

当所述分段数为1时，则将M乘以一个系数p，1<p<2，重新测量。

4.如权利要求2所述的方法，其特征在于，

当所述分段数大于2时，则将输出速率作为输入速率，重新测量。

5.如权利要求1～4中任意一项所述的方法，其特征在于，

重新测量时，先等待接收端不再接收到探测包后，再重新发送探测包。

6.如权利要求1～4中任意一项所述的方法，其特征在于，

重复计算多次所述路径的可用带宽A，对计算得到可用带宽A取平均值，得到更为准确的可用带宽值。