基于关键链路优先的网络性能测量与态势感知研究

Network performance measurement is the most basic and effective way to recognize and quantify network performance, and it has great influence on many fields such as network modeling, network security and network management. With the expansion of network and the emergence of new applications, traditional methods for measuring and analyzing end-to-end network performance can hardly meet the requirements for real-time status measurement and overall perception. Through network key link identification, we intend to reveal the judging mechanism of multiplex link, key link and equivalent link, and study the link multiplexing degree, equivalent link, key link, simplify network topology, network measurement optimization deployment model based on key links. We propose multi-parameter measurement algorithm to make up for the shortcomings of the traditional measurement algorithm of less function and heavy load, and cable to get a complete set of network performance data with as little measurement cost as possible. This project also analyzes the relationship among network performance parameters, performance parameters and experience quality, and then gives the representation of network performance data fusion, semantic extraction and information mining methods. Focusing on the core scientific issues of network performance measurement and data mining, this project aims at forming a set of basic theory and method system of network performance measurement, situation characterization, situational analysis, which provides the basic support for optimization and control, QoS assurance and stable operation of network.

网络性能测量是认知和量化网络性能最基本和最有效的手段，对于网络建模、网络安全、网络管理等诸多领域的研究均有着重要影响。网络规模不断扩大，新型应用不断涌现，传统针对网络端到端性能的测量和分析方法，已难以满足对网络状态进行实时测量、整体感知的需求。本项目从网络关键链路辨识问题入手，揭示了链路性能差异、重要程度差异、路由端口差异对测量部署模型的影响，探明了基于关键链路的最优测量集选择问题；提出了多参数测量算法，实现了以尽量少的测量代价去获取完备的网络性能数据，解决了传统测量算法功能单一、测量负载过大的问题；分析了网络性能参数之间，性能参数与体验质量之间的关联关系，提出了网络性能数据融合表示、语义提取及态势感知的具体方法。本项目瞄准网络性能数据获取和挖掘的核心科学问题，形成一套网络性能测量、态势表征、态势分析的基础理论与方法体系，为网络优化控制，服务质量保证，网络安全稳定运行提供了基础性支持。

当前网络规模不断扩大，新型应用不断涌现，传统针对网络端到端性能的测量和分析方法，已难以满足对网络状态进行实时测量、整体感知的需求。本项目瞄准网络性能数据获取和挖掘的核心科学问题，形成一套网络性能态势表征、服务性能优化、态势分析的基础理论与方法体系。. 本项目研究大致分为两部分，一部分围绕网络性能参数与用户体验质量之间的关联关系、网络服务质量优化展开研究；一部分围绕网络态势理解、态势投射所涉及到的数据挖掘理论与方法展开研究。主要研究内容包括：1.分析了不同网络性能参数与用户体验质量之间的关联程度，利用E-Model等模型将多种不同的网络性能参数表示为统一的信息视图；2.提出基于多下一跳（MNP：Multiple Next-hop Protection）和备份路径(BPP：Backup Path Protection)的混合链路保护方案(HLP：Hybrid Link Protection)，解决了域内路由协议收敛过程中大量报文可能丢失，导致用户体验下降，严重影响网络服务质量的问题；3.将聚类集成中样本稳定性概念扩展至聚类分析中，提出基于信息熵的样本稳定性聚类方法，该方法为网络性能数据的处理提供了新的技术手段。. 本项目研究结果表明：1.丢包、时延、带宽和抖动等网络性能参数与用户体验之间均有强关联性，网络性能参数融合表示时，所有参数均应同等对待；2.给出丢包、时延、带宽、抖动、噪声及回音等参数对语音QoE的影响阈值范围；3. MNP的计算效率和OSPF接近，HLP的计算效率明显高于BPP的计算效率，二者都比Not-Via的性能高；4.揭示了样本稳定性要素与聚类集成性能的内在联系，丰富了聚类集成研究内容。. 本项目研究为网络测量相关领域的研究提供重要补充；为网络性能及应用性能的评价提供可参考的方法和体系化度量指标；为解析网络全局性能态势感知机理提供新的理论支撑。