网络可重构测量关键技术研究

发布时间：2017-04-21 11:05

  本文关键词：网络可重构测量关键技术研究，，由笔耕文化传播整理发布。

【摘要】：网络测量技术是当前以及未来网络研究中不可或缺的重要组成部分,它是认识掌握网络外部行为和网络内部本质特征的基本手段,也是对网络进行管理、维护、优化以及控制的有效途径。近20年来,研究者们在网络测量领域已经取得了很多优秀的成果,但随着互联网规模的不断扩大、网络速率的迅速攀升以及网络业务的极大丰富,现有网络测量技术存在的灵活性差、资源效能低等方面的问题,迫使其必须加快发展以适应互联网发展的需求。在上述背景下,本文依托国家973计划项目“可重构信息通信基础网络体系研究”,试图在提升网络测量体系的灵活高效方面探索一条行之有效的技术路径。论文针对“如何利用有限测量资源构建出多样化测量能力”这一根本性问题,提出了网络可重构测量技术,研究了其中的测量体系模型、测量任务部署、测量算法实现等关键问题,旨在为当前以及未来网络构建灵活、高效的测量系统提供一种可行的技术方案。网络可重构测量技术以有限的测量资源为基础,依据全网测量业务需求,通过网络测量任务智能优化部署,在网络节点上重构出丰富、多样的测量功能。该测量技术从根本上解决了有限测量资源对于多样化测量需求的承载问题,并且在测量能力灵活构建、测量任务并行部署、测量资源高效利用等方面都较传统网络测量技术取得了较大进步。本文的主要研究成果如下：1.针对现有网络测量技术的僵化低效问题,提出了一种网络可重构测量模型(Network Measurement Re-Configuration model,NMRC),为网络提供动态灵活高效的测量能力。该模型基于可重构思想,将测量逻辑控制和测量功能部件解耦,以测量构件为基本重构单元,通过多粒度分层重构技术和测量构件动态组合,实现测量业务驱动的网络测量能力重构。NMRC分为测量设备层、测量适配层和测量应用层三个功能逻辑层次,其中设备层将网络节点中的基础资源抽象为测量构件并形成资源视图,应用层将各种测量应用转换为具体的测量业务需求,而测量适配层对全网的测量需求和测量构件进行适配,从而利用有限的测量资源重构出满足各种测量需求的灵活的测量能力。仿真结果表明：在不同任务部署数量下,NMRC的部署成功率比非重构测量模型平均高出49.7%,节点平均资源利用率最高可达到90%以上,节点资源均衡系数基本维持在0.1以下。2.针对测量需求到测量资源的高效灵活适配问题,提出了可重构测量中的测量任务部署模型,并给出了一种基于优选配置网络映射的测量任务部署优化算法(Measurement Task Deployment optimization algorithm based on the Preferred deployed network Mapping, MTDPM)。论文采用函数化资源拟合适配方法来描述测量任务部署问题,依据网络和资源状态为测量任务适配出最佳测量构件组合函数；将测量任务部署问题转换为测量任务优选配置网络到底层测量网络的映射问题,并依据测量资源均衡利用、测量代价最小化、链路优选映射的原则,采用启发式的方法进行优化求解。仿真实验结果表明：在较高的任务部署数量和任务冲突概率情况下,算法的部署成功率不低于92%,任务平均等待时间显著下降。3.针对节点级测量功能和性能的重构问题,以流量抽样功能为样例,提出了基于测量构件组合关系的可重构抽样算法(Reconfigurable Sampling algorithm based on the Measurement Component Combination relationships,RSMCC)。论文设计6种测量构件,通过对测量节点上统一抽样测量资源的灵活组合和参数配置,实现了多种抽样功能和性能的动态重构。算法不仅支持抽样能力随测量需求以及环境变化进行灵活重构,还保证重构后的抽样结果准确性能够满足测量业务的需求。论文分析了公平抽样算法的理论误差,并推导出计算估计误差上限的理论公式。仿真结果表明,RSMCC算法的测量资源利用率随测量环境的变化波动较小,当网络中大小流构成比例发生较大变化时,资源利用率可始终保持在95%以上。4.针对测量构件的开放性对于系统正确性和可靠性的影响,提出了一种基于测量构件变迁模型的构件一致性检测方法。依据测量构件是否按规约进行工作来判断测量构件是否满足一致性要求,设计了一种测量构件变迁模型(Measurement Component state Transfer Model,MCTM),并提出基于测量构件变迁模型的测量构件一致性测试用例生成算法(Conformance Test consequence generation algorithm Based on MCTM, CTBMCTM)。 MCTM用于描述测量构件间的工作流状态变迁情况；CTBMCTM基于MCTM的生成图派生出容量网络,通过图论中的最大流标记算法构造欧拉图,然后寻找该图中的欧拉路径并用路径上的输入和输出序列来确定测量构件一致性检查的测试序列。仿真结果显示,在不同构件组合拓扑及规模下,算法产生的测试用例长度与TGS算法基本相仿,生成测试用例的时间比TGS算法分别节省84.6%和96.01%,并且能够准确定位不一致的测量构件。
【关键词】：网络测量 可重构技术 测量模型 测量任务部署 可重构测量算法 一致性检查
【学位授予单位】：解放军信息工程大学
【学位级别】：博士
【学位授予年份】：2015
【分类号】：TP393.06
【目录】：

• 摘要4-6
• ABSTRACT6-15
• 第一章 绪论15-29
• 1.1 论文研究背景及意义15-18
• 1.2 相关技术研究现状及存在的问题18-25
• 1.2.1 传统网络测量技术18-21
• 1.2.2 新型网络测量技术21-23
• 1.2.3 可重构网络技术23-25
• 1.3 论文研究思路及组织结构25-29
• 第二章 网络可重构测量模型研究29-49
• 2.1 可重构测量技术概述29-31
• 2.1.1 可重构测量技术的总体思路29-31
• 2.1.2 相关概念及定义阐述31
• 2.2 网络可重构测量模型31-36
• 2.2.1 可重构测量分层模型31-34
• 2.2.2 网络可重构测量模型的工作过程34-36
• 2.3 业务驱动的测量重构方法36-41
• 2.3.1 多粒度分层重构方法36-38
• 2.3.2 测量构件组合文法规则38-41
• 2.4 网络可重构测量模型原理验证41-47
• 2.4.1 可重构测量系统搭建41-43
• 2.4.2 原理验证方法与环境43-45
• 2.4.3 仿真结果分析45-47
• 2.5 总结47-49
• 第三章 基于优选配置网络映射的测量任务部署算法49-71
• 3.1 引言49-50
• 3.2 测量任务部署问题分析50-56
• 3.2.1 测量任务描述50-51
• 3.2.2 测量构件描述51-54
• 3.2.3 测量任务部署问题描述54-56
• 3.3 测量任务部署优化算法56-64
• 3.3.1 优选配置网络映射部署模型56-60
• 3.3.2 测量任务部署原则60
• 3.3.3 测量任务部署优化求解算法60-64
• 3.4 算法性能分析与仿真64-68
• 3.4.1 算法性能理论分析64
• 3.4.2 模拟数据仿真64-67
• 3.4.3 真实环境仿真67-68
• 3.5 总结68-71
• 第四章 基于测量构件动态组合的可重构抽样算法71-91
• 4.1 引言71-72
• 4.2 流抽样算法研究现状分析72-73
• 4.3 可重构抽样算法73-80
• 4.3.1 基于构件组合关系的可重构抽样算法73-76
• 4.3.2 大小流区分计数的公平抽样功能76-79
• 4.3.3 算法的构件组合及配置描述79-80
• 4.4 算法分析与实验仿真80-89
• 4.4.1 算法性能分析80-84
• 4.4.2 算法重构性能仿真实验84-87
• 4.4.3 算法重构实现FSDCM抽样功能实验仿真87-89
• 4.5 总结89-91
• 第五章 测量构件一致性检测方法91-107
• 5.1 引言91-92
• 5.2 可重构测量模块的MCTM模型92-94
• 5.2.1 可重构测量模块的一致性测试92-93
• 5.2.2 MCTM模型相关概念和定义93-94
• 5.3 测试用例自动生成算法94-98
• 5.3.1 测试序列生成算法问题描述94-95
• 5.3.2 基于最大流标记的MCTM欧拉图构造算法95-98
• 5.3.3 测试用例生成算法98
• 5.4 算法分析与仿真98-105
• 5.4.1 测试序列生成实例分析98-101
• 5.4.2 算法性能分析101-105
• 5.5 总结105-107
• 第六章 总结与展望107-111
• 6.1 创新性研究成果107-108
• 6.2 后续工作展望108-111
• 致谢111-113
• 参考文献113-121
• 作者简历攻读博士学位期间完成的主要工作121-122

【参考文献】

中国期刊全文数据库 前10条

1 张朝昆;崔勇;唐

本文编号：320178