论文研究-多优先级业务流多通道并行传输.pdf

所需积分/C币:9 2019-07-22 18:05:32 1.8MB .PDF
17
收藏 收藏
举报

针对已有的多业务流多通道并行传输不支持业务流之间优先级的问题, 将业务的优先级映射到多个通道, 建立了具有优先级保证的多业务流多通道数据传输模型。基于排队论知识将模型抽象成多维Markov链, 并使用两阶段的PH分布将多维Markov链近似成一维Markov链, 采用矩阵分析方法对模型进行定量分析, 推导出系统的平均队长和平均等待时间。通过数值分析与简单多业务流单通道、多优先级业务流单通道、简单多业务流多通道这三种传输模型进行了比较。结果表明, 不管业务流达到率如何变化, 多优先级业务流多通道并行传输模型中的高优先级数据包均能够获得较高的处理能力, 说明了该模型能够支持多通道并行传输中业务流之
3396· 计算机应用研究 第29卷 的过程可认为是简单的M/M2过程。参照1.3节对M/M/2 排队模型的分析,令ρ=λ1(1+μ2),可得业务流1平均等待 (1+A1)A1 处理的数据包数目和平均服务时间为 入 A11 (8) y A T (9) B1+B2) 其中:r=(1,0),T= 1.4.2低优先级数据包 β2 该模型中,低优先级业务流2的数据包数月依赖于高优先Q是一个4×4阶的三角阵,具体为 AI AI 级业务流1的数据包数目。此时可用二维 Markov链来描述, (1+A 其中一维用于描述高优先级数据包,另一维描述低优先级数据 (11) 包,如图6所示。 S1 -(月1+612)B12 低优先级数据包数目 52 - 52 2 根据图7所示的高优先级数据包有限状态空间的 Markov 0,0 0.1 0,2 0, 0.4 链,则可以得到具有两个优先级业务流的M/M2队列的一维 无限空间 Markov链,如图8所示 u1 低优先级效据包数目 优 + 1, 0.0 0,2 0 0.4 数 P1+P2 高 12 2,0 2,1 先 级 1,2 数 数 Bu 3,0 3,1 3,2 3,4 62 P2 2+,0 2+,2 a2 图6M4模型的二维 Markov链描述 该模型属于排队论中的多服务器系统,此类系统在引人优 先级以后非常难以处理,模型中低优先级业务流的数值分析没 2+,2 2+3 有公式解。 为了定量分析具有优先级钓多业务流多通道模型,本文采 图8M4模型的一维 Markov链描述 用降维的方法对模型进行处理,主要思路是用一个一维的 基于Q可以得到图8中的维无限空间 Markov链的生 Markov链近似替代二维的 Markov链,使得问题可解。从图6成矩阵Q为 中可以看出,低优先级数据包的处理依赖于高优先级数据包的 数目:当系统中没有业务流1的数据包时,两个通道均传输业 B LF 务流2的数据包;当业务流1的数据包数目为1时,只有一个 B L (12) 通道传输业务流2的数据包;当业务流1的数据包数目大于等 于2时,没有通道用来传输业务流2的数据包。因此构造一个其中D=Qn-F,L=Qn-F-B,F和B分别为 一维 Markov链,其中高优先级数据包的数目仅为0、1或大于 等于2三种情况,如图7所示。在图7中高优先级数据包数日 (13) 大于等于2的状态逗留时间使用一个两阶段的PH分布1 (具体以 Coxian分米表示)来近似, Coxian+PH分布的参数 可通过矩匹配算法生成1。 有了生成矩阵Q,就可以佶助矩阵分析方法来分析该 B2 过程的队列参数。由于该模型的低优先级业务流的处理无公 P 式解,本文使用软件 MAMSolver对低优先级数据包的平均 2 2 队列长度和平均服务时间进行求解。 针对多于两个业务流和多于两条通道的情况,则令每个业 图7近似后高优先级数据包的 Markov链 务流的优先级为p(p=1,2,…),p越大优先级越低。假设有K 假设高优先级数据包的无限状态过程为B,使用两阶段的个业务流和N条通道,则模型可抽象成具有K类顾客的M/M PH分布近似后的有限状念过程为B,如图7所示,可得B的生N队列。其中第1级业务流对第2级以后的业务流是抢占式 成矩阵Q为 优先,第1、2级业务流对第3级以后的业务流是抢占式优先, 第9期 郑绝伟,等:多优先级业务流多通道并行传输 3397 依此类推,将各业务流进行分组,从而将复杂的系统让行分解,等行个数,随着业务流1到达率的逐渐增大,高优先级数据包 然后参考上述具有两个优先级业务流的情况进行分析,就可以的等待个数逐渐超过低优先级数据包的等待个数。这是因为 得到各业务流的队列参数。限于篇幅.这里不再详加讨论。随着λ1的增加,A2则保持不变,故M4模型中高优先级数据包 等待的个数逐渐増大,而低优先级数据包等待的个数则保持 2数值分析 稳定。 为了吏加直观地说明具有优先缀的多业务流多通道模型 对多优先级业务流的支持,本章通过数值分析分别比较上述叫回 种模型。 令A1和A2分别代表高优先级业务流1和低优先级业务 05 密浓氧一 0. 流2的到达速率,1和μ2分别为炳条通道的服务能力。假设 6—日一日—日自日F7E 单通道情况卜通道的服务能力是多通道情况卜两条通道能力 0.2040.60.8 0.20.40.60.81 之和的一半,即μ=(p1+P2)2。通过分别变化业务流1和2 业务流1的到达率 业务流1的到达率 的到达速率将实验分成三组,分别如下所述。 图13业务流1变化时平均 图14业务流1变化时 等待数据包个数 平均服务时间 2.1业务流1和业务流2同时变化 综上所述,Ⅵ4模型中高优先级数据包在各种情况下都能 令两条通道的服务能力1、p2分别为3和2,两个业务流获得最高的数据处理能力。对于高优先级数据包,具有优先级 的到达率A1和A2在0.1~1变化,分析结果如图9、10所示。 的M模型强于无优先级的MⅠ模型,说明具有优先级的映射 图9显示了不同模型中平均等待的数据包个数随业务流到达能够提高用户对获取高优先级数据的满意度;3和M4模型 率的变化过程,图10显示了不同模型中数据包的平均服务时具有多条通道,但M3中任何一个业务的数据包只要找到空闲 间随业务流到达率的变化过程。从两幅图中均可以看出具有迪道就可以发送,而M4模型经过优化提高了高优先级数据包 优先级的多业务流多通道模型M4中高优先级业务流具有最的优势,因此可以获取较好的处理效果 高的数据处理能力。 3结束语 ※ ⅥZ-高 回25M5 多通道并行传输的研究和应用越来受到国内外重视.本 M4- 文在讨论了多通道并行传输研究现状的基础上指出了已有的 长1.5 研究不考虑业务流之间优先级的问题。为了解决此问题,本文 将业务的优先级映射到多个通道,建立了具有优先级保证的多 一合一日—E———n 0.204060.8 040.60.8 业务流多通道数据传输模型,并利用排队理论分析了简单多业 到达率 到达率 图9两个业务流都变化时图10两个业务流都变化时 务流单通道、具有优先级的多业务流单通道、简单多业务流多 平均等待数据包个数 平均服务时间 通道和具有优先级的多业务流多通道这四种嫫型的平均队长 2.2固定业务流1,变化业务流2 和平均等待时间等参数。最后通过三组数值分析对上述四种 令1、2分别为3和2,设定A1为0.3,而A2在0.1 模型进行比较,说明了本文提出的模型能够支持业务流之间的 变化,分析结果如图11、12所示。从图11中可以看出,随着业 优先控制。但是文中假设业务流之间的优先级是抢占式,而在 务流2到达率的逐渐增大,M4模型中高优先级数据包的等待实际应用中,除了要考虑业务流的优先级,还要考虑业务流之 个数基本不变,而低优先级数据包等待的个数则逐渐增加。这同的公平性,这也是下一步工作的重点。 是因为业务流1具有较高的优先级随着A2的增加,A1则保参考文献 持不变,故M4中高优先级数据包个数维寺稳定,而低优先级1]JOEI, YAN Si-jia. SCTP throughput improvement with best load sha- 数据包个数则随着到达率的增加而增大。 ring based on multihoming[ C]//Proc of the 5th Intemational Joint 1.5 Conference (n INC, IM and IDC. [S IEEE Press 2009. 138- 同1 M4高 [2 BUDZISZ L, FERRUS R, CASADEVALL F, et al. On concurrent ※ nultipath transfer in SCTP-based handover scenarios [C//Proc of 密 0.5 IEEE International Conference on Communications. 2009.1-6 名 [3 KIM K H, JEONG K M, KANG CH, et aL. A transmission control 0.2040.60.8 0.2040.60.8 SCTP for real-time multimedia streaming[ ] Computer Networks 业务流2的到达率 业务流2的到达率 图11业务流2变化时平均 2010,54(9):1418-1425 图12业务流2变化时 等待数据包个数 平均服务时间 [4 YUAN Ya, ZHANG 7i-di, LI Juan el al. Exlersinn of SCTP for 2.3固定业务流2,变化业务流1 concurrent multi-path transfer with parallel subflows[ C ]//Proc of Wireless Communications and Networking Conference. [S1.I: IEEE 令A1、p2分别为3和2,设定A1在0.1~1变化,而A2为 Press,20101-6 0.3,分析结果如图1314所示。从图13中可以看出,初始时5 STEWART R.RFCA960, Stream control transmission protocol [S M4模型中高伉先级数据包的等待个数小于低优先级数据包的 1.]:IFTF,2007 (下转第3414页) 3414 计算机应用研究 第29卷 表4特征选择前后各类别分类准确率对比 c) Adaboost与聚类方法结合,既能识别分类类型尚未定义 参数 Adaboost +NB 的新型网络流量,即实现无监督的网络流量分类,又能使分类 18个 37个 18个 具有较高的效率; www/%o 99.3 MAILA 99.5 99.1 d)传统的网络流量与新型的基于流统计特征的方法结 fTP/cO 80.0 80.382.2合,也是今后可以探索的一个方面。 ATTACK/% 98.4 98.4 12.6 23.8 参考文献 P2P/% DATABASEZCO 78.8 91.6 82.6 [1] WANG Jian-min, QIAN Cheng-lu, CIIE Chun-hui, et al. Study on LULIIMEDLA process of network traffic classification using machine learning[ C1// SERVICES/yO 98.6 99.0 91.I Pror of the 5th Anal Chinla Grii Conferenee. 2005: 262-266 平均/% 93.⊥ [2 MOORE A W, ZUEV D. CROGAN M. Discriminators for use in 建模时间/s 61.14 18,20 3.08 1.53 flow-hased classification[ M]. Lordon: Queen Mary Universily of 从表4的分析可知,只需要18个属性,就能获得与37个 London 2005 属性相当甚至更好的分类准确率,大大节省了计算开销 [3』徐鵬,林森,刘琼.基于决氦树的流量分类方法[冂.沪算机应用研 1)特征选择后,选择出的特征子集较好地保持了分类的 究,2008,25(8):2484-2487. 结果。由表4可知,特征选择前, Adaboost算法建模时间为[4 MOORE A W, PAPAGLANNAKI K. Toward the accurate identifica 61.14s,而特征选择之后的18个属性特征的建模时问仅为 tion of network application cl//Proc of Passive Active measure 18.20s,在保证平均分类准确率仅比特征选择之前少0.2%的 menl Workshop 2005. Boslonl: Sprinyer-Verlay, 2005: 41-54 情况下,时间复杂度明显降低。 [5ˉ任江涛,黄焕宇,孙婧吴,等.基于遗传算法及聚类的基因表达数 2)运用 Adaboost分类算法将 Na'ive Bayes分类算法提升以 据特征选择[冂.计算杌科学,2006,33(9):155-156 后,分类准确率得到了很大提高,特别是针对现在迅速发展起 [6』徐鵬,林森.基于CA,5决策树的流量分类方法』J].软件学报, 2009,20(10):2692-2704 来的P2P流量的分类,以及异常流量、多媒体流量都具有很好 [7]柳亚琴,石洪波,基于GA-CFS性选拯的个体信用评估模型 的识别。 [J.计算机系统应月、2011,20(5):210-213. 4结束语 [8]张忠杕,张军,米伟.一种具有记忆功能的遗传算法属性约简方法 [J.计算机应用研究,2010,27(1):96-98 在基于数据挖掘的网络流量分类技术的研究中,数据源的[9] FREUND Y, SCHAPIRE R E. a decision- theoretic generalization of 获取是研究的基础,数据的预处理直接影响网络流量分类的效 on- line learning and an application to boosting[ J]. Journal of Com- 果。本文采用改进遗传算法,对 Moore set中网络流的249个 puter and System Sciences, 1997, 55(1): 119-139 属性进行选择,得到的最优特征子集不仅降低了数据处理的复L10 I FRIEDMAN J, HIASTIE T, TIBSIIIRANI R. Additive logistic regres- 杂度,而且还保持了很好的分类准确率。随后在M∞re_set的 sion: a statistical view of boosting[ J. The Annals of Statistics 五个网终流数据集上应用 Adaboost算法进行分类实验,该算 2000,28(2):337-407 法获得了较好的优化性能,能够有效降低网络流量属性集合中 11] SCHAPIRE R E, SINGER Y. Improved boosting algorithms using onfidence-rated predictions[ J]. Machine Learning, 1999, 37(3) 冗余属性和无关属性对分类准确率的影响。这说明 Adaboost 297-336 算法不但可以提高弱分类器的搜索效率,而且可以进一步改进 L 12 SIIAN Shi-guang, YANG Peng, chiEN Xi-lin, et al. Adaboost gabor 分类器的整休性能。需要指出的是,木文虽然取得了一定成 fisher classifier for face recognition[ J ]. Computer Science, 2005 果,但未来还需在以下几个方面进行改进: 32(3):279-292 a)深入研究不同属性对不同类别的区分能力,考虑对不[13]张艳阳,顾明基于 Adaboost分类器的牌字符识别算法研究 同类别的区分,使用不同的属性集; [J.计算机应用研究,2006,23(5):242-247 b)对目前新出现并且发展迅速的新应用的分类,特别是[14]许孟晋,张博峰基于机器学习的 nternet流量分类[J.计算机应 P2P应用需进行更加深入的研究; 用,2010,30(1):80-82 (上接第3397页 Netwarks,2005,11(1-2):99-114 「61 TYENGAR J R, AMER P D, STEWART F. Concurrent multipath「101杨冬,今世勇,王博,等,支持普适服务的新一代网络传输层为架 Iransfer using SCTP mullihcrminy over independenl ennI-lo-end paths [J].计算机学报:209,32(3):359-370 IJ. IEEE/ ACM Trans on Networking. 2006, 14(5): 951-964 [11 OSOGAMI T, WIERMAN A, HARCHOL B M, et al. A recursive anal [7 AL A A E, SAADAWI T, LEE M. LS-SCTP: a band width aggrega sis tcchniquc for multi-dimcnsionally infinite Markov chains[ J. ACM tion technique for stream control transmission protocol[ J]. computer SIGMETRICS Performance Evaluation Review, 2004, 32(2): 3-5 Communications,2004,27(10):1012-1024 [12 BOBBIO A, HORVATH A, TELEK M. Matching three moments with [81 YE Guan-hua, SAADAWI T N, LEE M. IPCG-SCTP: an enhance minimal acyclic phasc typc distributions[ J]. Stochastic Models Imenl lo the slandard! SCTP lo supporl mulIi-homing e[fic ienlly[C// 2005,21(2):303-326 Proc of IEEE Intemational Conference on Performance, Computing [13 RISKA A, SMIMI E. MAMSolver: a matrix analytic methods tool and communications. 2004. 523-530 [C//Proc of the 12th International Conference on Modeling Tech [9 HSIEH H Y, SIVAKUMAR R. A transport layer approach for achie liques and Touls for Compuler Performance Evalualion. Berlin ving aggregate bandwidths on multi-homed mobile hosts[ J. wireless Springer,2002:205-211

...展开详情
试读 5P 论文研究-多优先级业务流多通道并行传输.pdf
立即下载
限时抽奖 低至0.43元/次
身份认证后 购VIP低至7折
一个资源只可评论一次,评论内容不能少于5个字
您会向同学/朋友/同事推荐我们的CSDN下载吗?
谢谢参与!您的真实评价是我们改进的动力~
  • 至尊王者

关注 私信
上传资源赚钱or赚积分
最新推荐
论文研究-多优先级业务流多通道并行传输.pdf 9积分/C币 立即下载
1/5
论文研究-多优先级业务流多通道并行传输.pdf第1页

试读结束, 可继续读1页

9积分/C币 立即下载