面向流媒体应用的实时可执行概率获取技术研究

发布时间：2017-04-18 21:22

  本文关键词：面向流媒体应用的实时可执行概率获取技术研究，，由笔耕文化传播整理发布。

【摘要】：随着网络应用类型的日益复杂和应用模式的逐步成熟,在网上执行实时任务已成为时代发展的需求。但实时任务的执行需要满足两个条件,即:必要条件,网络资源必须供大于等于需;充分条件,执行时间满足时限的要求。这与随机变化的网络资源形成一对突出的矛盾。如何准确获取实时任务的可执行概率,并对其进行准确预测,为实时接纳控制提供关键依据,是迫切需要解决的难题。本文的研究对实时任务的接纳控制、共享网络资源的合理分配和提高资源利用率具有重要意义。 现有的方法和工具都不能直接获取实时任务的可执行概率,本文以Linux环境下的流媒体软实时应用为背景,从网络资源现状采样入手,提出一种网络资源余量可执行概率获取方法,以便得到网络资源余量可执行概率实效曲线。同时,现有预测方法和工具也无法对实时任务的可执行概率进行全面、准确的预测,因此,本文提出一种中长期与实时混合预测方法,实现对网络资源余量可执行概率的预测。实验结果表明:本文提出的获取和预测方法精度较高,预测曲线与实测曲线取值接近、趋势一致,平均预测误差小于8.5%。本文的工作为分布交互环境概率实时性理论的实践做出了有益的探索。 本文主要工作如下: 1.基于课题对网络资源的特定要求和现有网络资源获取技术的不足,提出一种网络资源余量实时获取技术。该技术基于Linux/proc文件系统,通过编写的获取程序,对三类网络资源(计算资源、存储资源和传输资源)余量进行实时获取。与使用现有工具或利用内核模块存取的方法相比,本文提出的方法开销小、实时性强、获取信息全面。 2.根据得到的资源余量现状,提出一种网络资源余量可执行概率的获取方法。该方法基于资源余量采样报告得到资源余量可执行概率的分布,并绘制出每小时的网络资源余量可执行概率分布图;再进行积分,最后得到24小时网络资源余量可执行概率时效曲线。 3.对于网络资源余量可执行概率的预测,本文提出一种中长期与实时混合预测方法。该方法将中长期预测与实时预测有机结合起来,中长期预测采用乘法模型和温特线性模型构成的组合模型,实时预测采用基于预测偏离度阀值的自适应算法,能够有效克服中长期预测和实时预测两者各自的不足,该方法既能有效消除乘法模型的季节因素,准确把握资源余量可执行概率的中长期周期性规律和季节性趋势,又能以较小的开销实时预测较短时间内的概率波动。 4.搭建一个流媒体应用的实验平台,实现和验证了本文所提出的网络资源余量可执行概率的获取和预测方法。
【关键词】：网络资源 实时可执行概率 流媒体应用 接纳控制 时间序列分析
【学位授予单位】：国防科学技术大学
【学位级别】：硕士
【学位授予年份】：2010
【分类号】：G434
【目录】：

• 摘要9-11
• ABSTRACT11-13
• 第一章 绪论13-22
• 1.1 研究背景13-14
• 1.2 课题意义14-15
• 1.3 研究现状15-19
• 1.3.1 网络测量研究背景及现状15-16
• 1.3.2 流量预测研究现状16-19
• 1.4 研究内容和创新性工作19-20
• 1.5 论文结构20-22
• 第二章 面向流媒体应用的实时可执行概率概述22-30
• 2.1 网络资源的概念22
• 2.2 流媒体应用概述22-26
• 2.2.1 流媒体系统构成23
• 2.2.2 流媒体的传输协议23-24
• 2.2.3 流媒体应用的特性24-26
• 2.3 共享网络实时可执行概率26-29
• 2.3.1 概念26
• 2.3.2 网络实时任务可执行条件及概率的确定26-29
• 2.4 本章小结29-30
• 第三章 网络资源的获取30-48
• 3.1 常用的网络流量测量方法30-32
• 3.1.1 SNMP30
• 3.1.2 RMON30-31
• 3.1.3 NetFlow31-32
• 3.1.4 sFlow32
• 3.2 Linux 下网络资源采样方法32-33
• 3.2.1 使用现有的工具32
• 3.2.2 利用内核模块来存取监测数据32-33
• 3.2.3 /proc 文件系统33
• 3.3 基于实测的网络资源状态获取和分析流程33-34
• 3.4 网络资源余量采样的原理和计算公式34-39
• 3.5 网络资源余量可执行概率的获取39-46
• 3.5.1 获取程序流程39-40
• 3.5.2 获取源程序EP_acquire.c 部分函数代码40-45
• 3.5.3 网络资源余量的分布概率45-46
• 3.5.4 网络资源余量可执行概率时效曲线图46
• 3.6 本章小结46-48
• 第四章 网络资源余量可执行概率的预测48-62
• 4.1 预测方法48-57
• 4.1.1 中长期预测49-52
• 4.1.2 实时预测52-57
• 4.2 预测步骤及流程57-61
• 4.2.1 中长期预测步骤57-60
• 4.2.2 实时预测算法描述60-61
• 4.3 本章小结61-62
• 第五章 实验62-76
• 5.1 实验平台62-64
• 5.2 实验过程及结果分析64-74
• 5.2.1 网络资源余量可执行概率获取64-67
• 5.2.2 中长期预测67-73
• 5.2.3 实时预测73-74
• 5.3 本章小结74-76
• 第六章 总结与展望76-77
• 致谢77-78
• 参考文献78-82
• 作者在学期间取得的学术成果82-83
• 作者在学期间参与的科研项目83

【参考文献】

中国期刊全文数据库 前10条

1 黄炎磊;;Sniffer技术和网络管理[J];电脑知识与技术;2009年27期

2 程光,龚俭,丁伟;基于分组标识的网络流量抽样测量模型[J];电子学报;2002年S1期

3 姜明;吴春明;张e

本文编号：315807