摘要：介绍了一种变换近似方法,该方法通过变换近似获得重尾分布的拉普拉斯变换,解决了不存在拉普拉斯变换分布的信源排队等待时间分析问题,为实际网络排队缓冲器的设计提供了参考。

摘要：长期的流量测量数据非常珍贵,因为通过对这些长期的流量数据进行分析,不但能发现Internet和运行于其上的各种网络应用如何在演变,更重要的是还可发现其中不变的规律。提出了网络监测平台的流量数据多级存储系统设计,并根据高速网络流量的重尾分布特性,采用合理的流数据存储策略,可大幅度减少要存储的数据量,同时又保留了必要的网络信息,适应于不同精度的测量需求并兼顾了成本、性能和效率。

摘要：众所周知,业务流量特点建模有助于设计能效低、稳定性强的网络协议.近年来新兴业务如雨后春笋一般涌现,重新考察这些新业务的特点也就至关重要了.本文以即时消息业务为例,了解当前移动互联网下的流量新特点.为了得到可信的结果,采集了大量的蜂窝网即时消息实测数据,并从用户层面和基站层面两个维度去研究其统计规律.首先在用户层面,通过用户级的数据包包长和到达间隔建模发现,相关结果同传统上包长符合几何分布、到达间隔满足指数分布的3GPP报告明显不同;与之相反,微信包长和到达间隔分别遵循幂律和对数正态分布.其次在基站层面,通过随机选取基站发现,α-稳定模型能更好地刻画基站层面基站流量——这一结果同传统固定宽带网络业务研究相吻合.最后,建立了用户层面数据包同基站层面流量的理论联系.

摘要：针对网络流量的自相似、重尾分布等特征,对传统的系统抽样进行改进,设计出一种新的抽样方法——自适应系统双抽样。该算法以传统的系统抽样为基础进行改进,充分考虑了网络流量重尾分布的特点,能正确估算Hurst参数,实现简单,参数自适应且能控制资源消耗。通过真实网络数据的实验分析表明,在链路负载估计、包到达时间间隔等方面较传统抽样方法都有明显的改进,提高了测量系统的精确性和实用性。

摘要：设计了一种经验型的自相似流生成方法。该方法以实测数据流的统计特性为基础,能实时在线产生参数可变的自相似流。由于算法的主要参数取自应用层的统计特性,从而说明了用户行为对自相似性的影响。本文同时以仿真的方法讨论了经验型算法的性能,认为能较好反映原数据流的特征。该算法可以作为在线流量生成器的参考。

摘要：文章以智能光网络中的信令网带宽需求分析为例,给出了一种网络带宽需求分析方法。提出采用排队论方法来分析智能光网络中的信令网带宽需求,以排队时延作为性能参量,对比分析了重尾分布业务量与轻尾分布业务量的排队性能差异。给出了有关的仿真模型和数学解析模型以及分析结果。该分析模型对于智能光网络信令网设计具有重要的理论指导意义,并可推广应用到其他带宽需求分析场合。

摘要：下一代网络将是以物为主的物联网,其采用的M2M通信方式与传统互联网相差较大,必将导致其流量特性发生变化,因此迫切需要研究以物联网为特征的下一代网络的流量特征,为下一代网络的分析、设计、预测和控制提供理论指导。物联网的网络应用日益多样化,文章以校园物联网为背景,从粗细两个粒度来分析校园物联网流量特性。粗粒度研究表明,校园物联网流量具有非线性、稳定性、周期性等特征;细粒度研究表明,校园物联网流量中,TCP协议的网络流量占比明显小于传统互联网流量,校园物联网流量具有自相似特性和重尾特性。将校园物联网报文的到达时间间隔与经典概率分布模型拟合,发现Pareto分布是刻画校园物联网报文到达时间间隔变化规律的优质数学模型。

摘要：设计了一种经验型的自相似流生成方法 ,该方法引入级联模型中流量分层的思想 ,以实测数据流的统计特性 ,如会话到达间隔分布、会话持续期分布、分组到达间隔分布等为基础 ,结合了流叠加法和分组火车模型的特点 ,能实时在线产生参数可变的自相似流 .同时 ,以仿真的方法证明了业务级的重尾分布对自相似流产生的重要作用 .最后 ,讨论了经验型算法的性能 ,分析表明该算法能为系统仿真提供合适的输入流 .