论文研究-AN EXTENSIBLE HIGH-SPEED TRACE-BASED AND FLOW-BASED TRAFFIC...
在网络性能分析与测试领域,网络流量生成技术扮演着至关重要的角色。当前,市面上存在两种主流的流量生成方式:基于分析模型的流量生成和基于追踪的流量生成。基于模型的流量生成方法使用数学模型来生成符合特定模型的网络流量,但这通常难以准确描述实际网络中的流量、数据包、地址到达模式以及流量到达强度。而基于追踪的流量生成方法则以真实流量为基础,是最为可靠的网络流量分析和模拟方式,常被称为流量回放。具体来说,流量被收集并存储,之后可以被再次播放。 在高速网络环境下,捕获数据包是基于追踪流量生成的基础,但同时也存在一系列挑战。例如,从高速链路上捕获数据包需要高速的嗅探工具,而存储和管理这些高速链路捕获的数据包,则对存储架构的扩展性和效率提出了更高的要求。本文提出了一种面向高速链路的可扩展追踪和基于流的流量生成器,该生成器具有低丢包率,扩展性良好的存储架构,并提供了一种简单操纵存储流量的方法。 研究者李慧和胡延楠分别来自北京邮电大学的经济与管理学院和网络技术研究院,他们所著的这篇论文,将详细探讨如何通过网络流量生成技术,在测试平台网络中对网络性能进行分析与测试。文章介绍了当前网络流量捕获与回放技术的重要性与实用价值,指出其是许多安全问题和网络流量管理问题的前提和基础。 在引言部分,作者指出了目前网络流量生成技术的两个主要方向:基于分析模型的流量生成和基于追踪的流量生成。尽管模型为基础的生成器使用各种流量特征的数学模型来产生网络流量,但通常难以描述实际网络中的流量模式,比如在互联网中观察到的流量、数据包和地址到达模式,以及流量到达强度。另一方面,基于追踪的流量生成以真实流量为基础,对于网络流量分析和模拟来说最为可靠,通常被称作流量回放。简单来说,流量是通过使用Wireshark、TCPDUMP等几种包捕获工具之一来收集和存储,之后可以进行播放。 然而,基于追踪的流量生成仍然存在挑战,其中之一就是从高速链路捕获数据包。为了解决这一问题,本文提出了一个面向高速链路的可扩展的基于追踪和基于流的流量生成器。这个生成器的特点包括低丢包率、可扩展的存储架构以及操纵存储流量的简单方法。这些特性对于网络性能测试尤为重要,因为它们能够确保测试过程中的数据包丢失最小化,同时允许对大量的流量数据进行有效的存储与管理。此外,这种流量生成器的操作方法简单,意味着研究人员和工程师可以更容易地利用它进行网络实验和性能分析。 在文章的关键词中提到了IPFIX和NetFlow v9,它们是网络流量分析中常用的两种协议,分别用于收集网络流量信息并将其发送到分析器进行进一步处理。IPFIX是由互联网工程任务组(IETF)制定的标准协议,用于从流量分析器导出网络流量数据。而NetFlow v9是思科系统开发的一种流量分析协议,它能够提供更为详细的流量信息,包括源和目的IP地址、端口号、协议类型以及数据包和字节计数等数据。 总体来说,本文对网络流量生成技术中的追踪方法和流方法进行了深入研究,并提出了一种创新的、可扩展的高速流量生成器设计,对于提升网络测试平台的性能分析能力具有重要的贡献。这项工作不仅为研究者提供了新的工具,也为网络管理员和工程师提供了进行更精确网络性能测试和评估的能力。随着网络技术的不断发展,对于这类能够处理高速网络流量的生成器的需求也会日益增长,因此该研究的成果具有广泛的实用前景。
- 粉丝: 491
- 资源: 1万+
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- java大型智慧物业管理系统源码数据库 MySQL源码类型 WebForm
- Embarcadero-Dev-Cpp-6.3-TDM-GCC-9.2-Setup
- 伯克利大学机器学习-12Time series&sequential hypothesis testing&anomaly de
- 上市公司企业网络舆论关注数据集
- java企业微信SCRM系统源码数据库 MySQL源码类型 WebForm
- 一款基于 opencv 的中国象棋机器人,采用 Intel D435i 摄像头和 Dobot Magician 设计
- 伯克利大学机器学习-11Bootstrap&cross-validation&ROC plots Michael Jordan
- java项目工时统计成本核算管理系统源码数据库 MySQL源码类型 WebForm
- arnabdhar YOLOv8-Face-Detection Dateset Source
- CSnet-tls1.3-packet数据集