CN105306291A - 一种基于丢包率和时延联合的网络拓扑估计方法 - Google Patents

Abstract

本发明公开了一种基于丢包率和时延联合的网络拓扑估计方法，包括如下步骤：搭建丢包率和时延联合的拓扑估计探测模型；拓扑估计计度量计算；基于度量联合的拓扑估计。本发明的有益效果：用这种新型探测包模型对网络拓扑进行估计，通过计算丢包率、时延等多种链路性能参数的统计信息，能更加准确地估计性能参数，从而得到正确的拓扑结构；同时由于联合使用了多个性能参数，在实际网络情况下估计的结果比单独使用丢包率或者时延参数得到的结果更精确。

Description

一种基于丢包率和时延联合的网络拓扑估计方法

技术领域

本发明属于计算机网络领域，特别是一种基于丢包率和时延联合的网络拓扑估计方法。

背景技术

随着现代计算机与通信网络的快速发展，越来越多的节点加入网络中，网络拓扑变得更加庞大和复杂，这就给网络的控制、管理和优化带来了巨大的挑战。网络拓扑结构作为网络控制、管理和优化的重要输入信息，如何识别网络拓扑结构成为网络领域研究的重要方向之一。

现有网络拓扑估计方法可分为两类：基于内部节点协作的方法和基于网络层析成像的方法。基于内部节点协作的方法利用网络内部路由器的反馈信息(如路由信息、ICMP报文等)构建网络拓扑结构。但在实际网络中，很多节点出于对网络安全等方面因素的考虑，往往不愿意协作，导致该类方法在实际应用中可能会失效；基于网络层析成像的方法(又称为网络拓扑估计)通过端到端测量获得路径级性能参数，利用统计学的方法推断出网络拓扑结构，其最大的优势是不需要网络内部节点的协作，因而受到了学术界和工业界的广泛关注。

基于网络层析成像的拓扑估计方法，通过使用背靠背包、“三明治”包等探测包获取源节点到一系列目的节点的路径数据，然后利用源节点到目的节点对共享路径上的丢包率或者时延差进行处理作为拓扑估计的输入，从而对网络拓扑进行估计。但是这类方法对拓扑进行识别时只用到了丢包率或者只用到了时延差，性能参数单一，需要发大量的探测包进行测试，当发包次数太多时会增加网络负载。

马萨诸塞州大学的Ratnasamy等最早开展了基于网络层析成像的拓扑估计方法的研究，利用从一个源节点向一系列目的节点发送多播探测包，估计源节点和目的节点对之间共享路径上的丢包率，并提出一种自底向上的树状逻辑拓扑构建算法。AT&T实验室的Duffield等在共享路径丢包率和时延方差的估计的基础上，提出DBT算法构建二叉树拓扑。但是，由于多播方式在实际网络中并未被广泛配置，因此研究基于单播端到端测量的拓扑估计方法具有重要的实际意义。莱斯大学的Castro等提出一种称为“三明治”包的单播端到端测量方法，该方法可以获得探测包在共享路径上的时延差，在此基础上采用最大似然法进行拓扑估计，能获得较为准确的结果。

当前对网络拓扑识别的模型主要有背靠背包探测模型、包组探测模型和“三明治”包探测模型等探测模型。

靠背包探测模型的探测包的发送方式为：依次在目的节点集合D中选择两个节点i和j作为目的节点对，源节点S在很短的时间间隔内向这个节点对发送很小的探测包。由于组成背靠背包的两个小包发送时间间隔足够小，因此它们在共享路径上的行为几乎一致，即它们会以很大的概率同时被传输或者丢弃，且时延值相同。对于有N个目的节点的集合D，每一次测量需要发送N×(N-1)个背靠背包即可完成。背靠背包实质上是对多播包的一种模拟，能保证两个小包的相关性很高，因此可以用于网络测量中。

“三明治”包探测模型中源节点S每次选择一个目的节点对{i,j}进行测量。“三明治”包探测模型的探测包由三个包<i₁,j₁,i₂>组成：发往目的节点i的小包i₁和i₂，发往目的节点j的大包j₁。

“三明治”包探测模型的原理为：在共享路径上，探测包<i₁,j₁,i₂>中由于大包j₁的发送时间较长，会导致小包i₁和i₂每经过一条共享链路，其时延差值就增加。当探测包到达节点C(i,j)后，由于目的节点的不同，三个包将分别传输，此后，大包j₁将不再影响小包i₁和i₂的时延差值，此时，该时延差值将不再变化。因此，在目的节点i处接收到的两个小包的时延差越大，说明目的节点对{i,j}的共享路径的长度就越长。显然，在上述原理中并没有考虑实际背景流量的影响。在实际网络中，背景流量必然会影响测量的准确性，因此在实际应用中，常常把背景流量对时延差的影响看作是零均值的高斯噪声。

基于网络层析成像的拓扑估计方法中，通过使用背靠背包、“三明治”包等探测包对拓扑进行端到端测量，只能获取时延差或者丢包率等单一性能参数。

发明内容

为了解决上述问题，本发明提出了一种基于丢包率和时延联合的新型探测模型，并利用该新型模型探测包对拓扑进行度量和估计，最后形成更快更精确的估计网络拓扑的一种基于丢包率和时延联合的网络拓扑估计方法。

本发明的基于丢包率和时延联合的网络拓扑估计方法，包括如下步骤：

步骤1、搭建丢包率和时延联合的拓扑估计探测模型；

步骤2、拓扑估计计度量计算；

步骤3、基于度量联合的拓扑估计。

进一步地，所述步骤1中的探测模型为源节点选择一个目的节点进行测量，探测包数量为五个。

进一步地，所述的探测包发包方式为依次在目的节点集合中选择两个节点作为节点对，源节点向节点对发送探测包。

进一步地，所述步骤2中的计算步骤为：

步骤21、计算从源节点到任意两个目的节点共享路径的长度；

步骤22、计算源节点到目的节点的共享路径度量向量集；

步骤23、计算源节点到目的节点的路径多度量参数集。

进一步地，所述步骤21的计算方法是通过丢包率。时延和相关性作为基础进行计算。

进一步地，所述步骤3的步骤为：

步骤31、计算所有源节点到目的节点的拓扑估计计度量，整理成集合；

步骤32、初始化数据；

步骤33、查找路径多度量参数最大的节点对，并构建父节点，同时更新数据集；

步骤34、判断是否结束更新；

步骤35、输出结果。

本发明的有益效果：用这种新型探测包模型对网络拓扑进行估计，通过计算丢包率、时延等多种链路性能参数的统计信息，能更加准确地估计性能参数，从而得到正确的拓扑结构；同时由于联合使用了多个性能参数，在实际网络情况下估计的结果比单独使用丢包率或者时延参数得到的结果更精确。

具体实施方式

下面结合具体的实施例对本发明作进一步的阐述。

本发明的基于丢包率和时延联合的网络拓扑估计方法，包括如下步骤：

步骤1、搭建丢包率和时延联合的拓扑估计探测模型；所述步骤1中的探测模型为源节点选择一个目的节点进行测量，探测包数量为五个。所述的探测包发包方式为依次在目的节点集合中选择两个节点作为节点对，源节点向节点对发送探测包。假设源节点为S，目的节点为{i,j}，五个探测包为<i₁,j₁,i₂,j₂,i₃>，发往目的节点i的大包i₂和小包i₁、i₃，发往目的节点j的大包j₁、j₂。由于探测包i₁和j₁的大小很小，并且发送时间间隔也足够短，那么这对探测包在{i,j}的共享路径上具有一致的传输行为，即它们会以很大的概率同时被传输或者丢弃，且时延值相同。同样由于探测包i₃和j₂的大小很小，并且发送时间间隔也足够短，因此这对探测包在{i,j}的共享路径上同样具有一致的传输行为，即它们同时被传输或者丢弃的概率很大，且时延值相同。在共享路径上，探测包j₁、i₂、j₂中由于大包i₂的发送时间较长，会导致小包j₁和j₂每经过一条共享链路，其时延差值就增加。当探测包到达节点C(i,j)后，由于目的节点的不同，三个包将分别传输，此后，大包i₂将不再影响小包j₁和j₂的时延差值，此时，该时延差值将不再变化。因此，在目的节点j处接收到的两个小包的时延差越大，说明目的节点对{i,j}的共享路径的长度就越长。与探测包j₁、i₂、j₂相同，探测包i₁、i₂、i₃在通过节点C(i,j)之前i₁和i₃之间的时延差一直在增加，当到达节点C(i,j)之后i₁和i₃之间的时延差将几乎不会有变化。因此可以通过端到端测量得到丢包率和时延等信息。

步骤2、拓扑估计计度量计算；所述步骤2中的计算步骤为：步骤21、计算从源节点到任意两个目的节点共享路径的长度；所述步骤21的计算方法是通过丢包率。时延和相关性作为基础进行计算。步骤22、计算源节点到目的节点的共享路径度量向量集；步骤23、计算源节点到目的节点的路径多度量参数集。p(S,C(i,j))表示源到目的节点对{i,j}的共享路径，即源节点S到节点C(i,j)之间的路径，p(S,C(j,k))表示源到目的节点对{j,k}的共享路径，即源节点S到节点C(j,k)之间的路径。共享路径p(S,C(i,j))比p(S,C(j,k))包含的链路数更多，因此数据包在路径p(S,C(i,j))上被丢弃的可能性更大，但由于随着共享路径中链路的增加，丢包率不是线性增加的，所以无法将丢包率直接作为共享路径的度量参数，因此本发明引入丢包率相似度的概念：假设链路e的丢包率为λ_e，则其传输成功的概率为1-λ_e，根据公式(1)计算丢包率相似度，此时丢包率相似度的值等于相应目的节点对的共享路径上链路度量参数的和，具有明显的线性性质。所以丢包率相似度可以作为共享路径的度量参数

ρ＝-log(1-λ_e)(1)

小包j₁、j₂间的时间间隔越大，说明经过的共享路径越长。由于不同的链路上时延分布分布是相互独立的，因此小包j₁、j₂的时间间隔增量对应大包i₂在每天共享路径上发送的时延之和，即具有线性可加性，所以路径时延差可以直接作为共享路径的度量参数。

同时利用协方差表示相关性。假设不同链路上时延的分布相互独立，选取树状拓扑中的一对目的节点，两条路径在共享路径link1上的时延是相同的，C(i,j)到目的节点对{i,j}的路径link2、link3上的时延相互独立，因此共享路径上的时延方差与链条路径的时延协方差相等。当有多条链路时，因为不同的链路时延分布是相互独立的，所以共享路径上所有链路的时延协方差等于共享路径的时延方差，且随着共享路径上链路数的增加，共享路径协方差程线性增加，因此共享路径协方差即相关性可以直接作为共享路径的度量参数。

通过利用基于丢包率、时延联合的探测包模型进行端到端测量，可以获取源节点S到目地节点D路径丢包率、时延等信息，通过丢包率、时延等信息计算路径的丢包率相似度ρ_(S,D)、路径时延差t_(S,D)和相关性R_(S,D)，并将ρ_(S,D)、t_(S,D)和R_(S,D)作为度量参数对拓扑进行估计。

度量向量的表达式如下：

${\stackrel{\&OverBar;}{v}}_{\left(S,i\right)}={({\mathrm{\&rho;}}_{(S,i)},t_{(S,i)},R_{(S,i)})}^T---\left(2\right)$

${\stackrel{\&OverBar;}{v}}_{S,j}={({\mathrm{\&rho;}}_{(S,j)},t_{(S,j)},R_{(S,j)})}^T---\left(3\right)$

${\stackrel{\&OverBar;}{v}}_{(S,C(i,j\left)\right)}={({\mathrm{\&rho;}}_{(S,C(i,j\left)\right)},t_{(S,C(i,j\left)\right)},R_{(S,C(i,j\left)\right)})}^T---\left(4\right)$

其中和分别表示路径p(S,i)、p(S,j)和共享路径p(S,C(i,j))的度量向量，他们均是由丢包率相似度、时延差、相关性三个度量参数构建而成的三维列向量。用表示源节点S到目的节点集的路径度量向量集，表示源节点S到每对目的节点的共享路径度量向量集。

源节点S到目的节点多度量参数表示为：

$d_{(S,i)}=\left|\right|{\stackrel{\&OverBar;}{v}}_{S,i}\left|\right|---\left(5\right)$

$d_{(S,j)}=\left|\right|{\stackrel{\&OverBar;}{v}}_{\left(S,j\right)}\left|\right|---\left(6\right)$

$d_{(S,C(i,j\left)\right)}=\left|\right|{\stackrel{\&OverBar;}{v}}_{(S,C(i,j\left)\right)}\left|\right|---\left(7\right)$

d_(s,i)和d_(s,j)表示源节点S到节点i和节点j路径的多度量参数，d_(s,C(i,j))表示源节点S到目的节点对C(i,j)共享路径的多度量参数。多度量参数越大，表示路径越长，即：当d_(s,i)>d_(s,j)时，表示与节点j相比，节点i离源节点S更远。用M(S,D)＝{d_(S,i),i∈D}表示源节点S到目的节点集的路径多度量参数集；M(S,D²)＝{d_(S,C(i,j)),i∈D,j∈D,C(i,j)∈D}表示源节点S到每对目的节点的路径多度量参数集。

步骤3、基于度量联合的拓扑估计。所述步骤3的步骤为：步骤31、计算所有源节点到目的节点的拓扑估计计度量，整理成集合；步骤32、初始化数据；步骤33、查找路径多度量参数最大的节点对，并构建父节点，同时更新数据集；步骤34、判断是否结束更新；步骤35、输出结果。假设源节点S，叶节点集D，路径多度量度量参数集M(S,D)，共享路径多度量度量参数集M(S,D²)，路径度量向量P(S,D)，共享路径度量向量P(S,D²)。

初始化数据：节点集V＝{S}，边集

在M(S,D²)中查找d_(S,C(i,j))最大的叶节点对{i,j}，构建点f作为其父节点。更新数据：将节点f分别与节点i、j连接并将这两条边添加到E中，在D中删除节点i、j，在D中添加节点f；在P(S,D)删除在P(S,D)添加在P(S,D²)删除d_(S,f)＝d_(S,C(i,j))，在M(S,D)中删除d_(S,i)、d_(S,j)，在M(S,D)中添加d_(S,f)，在M(S,D²)中删除d_(S,C(i,j))；遍历D中每一个节点，对于每个n∈D，计算： ${\stackrel{\&OverBar;}{v}}_{(S,C(n,f\left)\right)}=\frac{1}{2}({\stackrel{\&OverBar;}{v}}_{(S,C(n,i\left)\right)},{\stackrel{\&OverBar;}{v}}_{(S,C(n,j\left)\right)}),$ $d_{(S,C(n,f\left)\right)}=\left|\right|{\stackrel{\&OverBar;}{v}}_{(S,C(n,f\left)\right)}\left|\right|,$ 在P(S,D²)中添加 ${\stackrel{\&OverBar;}{v}}_{(S,C(n,f\left)\right)},$ 在M(S,D²)中添加d_(S,C(n,f))；

若|D|＝1，结束；否则，重复前面步骤；

循环结束则输出结果树

本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。

Claims (6)

1.一种基于丢包率和时延联合的网络拓扑估计方法，其特征在于，包括如下步骤：

步骤1、搭建丢包率和时延联合的拓扑估计探测模型；

步骤2、拓扑估计计度量计算；

步骤3、基于度量联合的拓扑估计。

2.如权利要求1所述的基于丢包率和时延联合的网络拓扑估计方法，其特征在于：所述步骤1中的探测模型为源节点选择一个目的节点进行测量，探测包数量为五个。

3.如权利要求2所述的基于丢包率和时延联合的网络拓扑估计方法，其特征在于：所述的探测包发包方式为依次在目的节点集合中选择两个节点作为节点对，源节点向节点对发送探测包。

4.如权利要求3所述的基于丢包率和时延联合的网络拓扑估计方法，其特征在于，所述步骤2中的计算步骤为：

步骤21、计算从源节点到任意两个目的节点共享路径的长度；

步骤22、计算源节点到目的节点的共享路径度量向量集；

步骤23、计算源节点到目的节点的路径多度量参数集。

5.如权利要求4所述的基于丢包率和时延联合的网络拓扑估计方法，其特征在于：所述步骤21的计算方法是通过丢包率。时延和相关性作为基础进行计算。

6.如权利要求5所述的基于丢包率和时延联合的网络拓扑估计方法，其特征在于，所述步骤3的步骤为：

步骤31、计算所有源节点到目的节点的拓扑估计计度量，整理成集合；

步骤32、初始化数据；

步骤33、查找路径多度量参数最大的节点对，并构建父节点，同时更新数据集；

步骤34、判断是否结束更新；

步骤35、输出结果。