基于自相似背景模型的ＭＡＮＥＴｓ流量性能分析

摘 要：利用IP數據包長度的經驗分布和具有重尾特性的Pareto分布，構造出基于自相似背景模型的MANETs業務流量性能仿真系統。在此仿真系統的基礎上，針對不同的參數進行了一系列的仿真實驗。仿真結果表明，背景流量的自相似程度和業務流量的類型對于MANETs性能有很大影響。

關鍵詞：移動自組織網絡; 自相似; 網絡建模; 網絡仿真

中圖分類號：TP393.03 文獻標志碼：A

文章編號：1001-3695(2008)07-2138-03



Analysis of performance of traffic streams over MANETs

under self-similar background model

ZHANG Chi-shenga， MU De-juna， TAO Taob， DAI Guan-zhonga

(a.School of Automation， b.School of Computer Science Engineering， Northwestern Polytechnical University， Xi’an 710072， China)



Abstract:Using the empirical distribution function of IP packet-length and the heavy-tailed Pareto distribution，constructed a simulation system of traffic streams performance over MANETs under self-similar background traffic model. Based on the above system，carried out a series of simulation experiments on different parameters.The result indicates that the self-similarity of the background traffic and the types of the traffic streams have significant influence on the performance of the MANETs.

Key words：MANETs; self-similar; network modeling; network simulation



0 引言

近年來隨著網絡技術的發展，特別是802.11a/b/g等一系列無線網絡標準的產生，無線局域網得到了迅速發展，而MANETs(mobile Ad hoc networks，移動Ad hoc網絡)作為一種新興的無線局域網有著更為廣闊的應用前景^[1]。為了準確測試和評估MANETs中網絡設備及網絡協議的性能，對網絡中業務流量性能分析是十分必要的。很多文獻都針對MANETs的業務流量性能進行了深入的分析^[2]，但是這些分析都是建立在MANETs零網絡負載或低網絡負載的基礎上。然而在實際的網絡中，背景流量是不可避免地存在著，并且在很大程度上影響了人們所關注的業務流性能，所以在研究實際業務流性能的同時引入背景流量是很有必要的。

本文對構造的仿真系統模型進行介紹，其中包括自相似背景流量模型和業務流量模型，針對不同的網絡參數進行性能仿真實驗，并對仿真結果進行分析。

1 系統建模

本文所關注的是存在背景流量的情況下業務流量的性能，所以在下面討論中把所關注的業務流和MANETs中的其他業務流剝離，分別考慮。本文將所關注的業務流稱為業務流量，MANETs中的其他業務流稱為背景流量。

1．1 現代網絡流量的特性

近年來對網絡業務流量的實際測量和統計分析結果表明網絡業務流量呈現兩個方面的特性:

a)長相關、自相似性、突發性。從Leland等人首次公布了他們從1989至1992年間對以太網信息流的測量結果^[3]，提出了網絡流量具有自相似性的特點之后，對網絡流量的研究進入一個新的階段，文獻[4]報告了WWW信息流的自相似特性，文獻[5]進行了基于分形理論的無線鏈路性能分析。大量的實驗結果表明：實際網絡的業務流量在很大的時間尺度上表現出了長相關性、自相似性和突發性。

b）包長度分布的不均勻性。網絡上傳輸的IP包長度的分布并不是均勻的，具有一定的經驗分布。圖1為2000年在NASA Ames Internet eXchange(AIX)在實際網絡環境中測試的一些結果^[6]。其中，實線為IP數據包個數的積累分布曲線，虛線為字節數的積累分布曲線。

圖1中顯示大約有一半數目的IP數據包長度小于44 Byte，另外18%是552或576 Byte，大約18%是1 500 Byte，大于1 500 Byte的數據包個數可以忽略不計。而IP數據包字節數分布與個數分布不同：長度小的數據包在整個網絡負載中的分量不大，一半以上的網絡負載來源于1 500 Byte的數據包。

1．2 背景流量模型

目前有多種流量模型可以描述網絡業務流量，文獻[7]總結了常用的描述網絡業務流量的模型。在眾多的模型中，由于自相似流模型^[7]能夠比較真實地反映現代網絡業務流量的特性，成為目前主要研究的一類模型。

1．2．1 ON／OFF過程模型

自相似流模型有多種不同的實現形式^[7]，其中ON／OFF過程(ON／OFF processes)模型是一種非常常見、簡便的實現方法。ON／OFF過程模型的原理如下：模型中每個信源只有ON和OFF兩個狀態，當信源處于ON狀態時，該信源產生并向網絡中發送數據；而信源處于OFF狀態時不產生任何數據。本文設計實現的網絡背景流量產生模型就是采用ON／OFF過程模型。

從ON/OFF過程模型產生原理可以看出，ON狀態產生的數據長度和OFF狀態持續時間分布直接影響系統產生業務流量的真實性和可靠性。本文對ON狀態產生的數據長度和OFF狀態持續時間分布作了如下處理：ON狀態產生IP數據包的長度，服從如圖1所示的網絡上傳輸的IP包長度的經驗分布；對于OFF狀態持續時間分布，根據理論分析可知，在微觀上具有重尾特性的分布能夠在宏觀上產生明顯的長相關、自相似性^[8]，本文選取具有典型的重尾分布的Pareto分布。整個背景流量則由服從經驗分布的數據長度的IP包和服從Pareto分布的OFF狀態持續時間共同產生。背景流量模型系統框架圖如圖2所示。

1．2．2 IP數據包長度經驗分布的數學模型

圖1顯示網絡上傳輸的IP數據包個數和字節數隨IP數據包長度的經驗分布，對AIX提供的實驗數據進行數據擬合，得到IP數據包長度經驗分布的數學模型。

1．2．3 持續時間的Pareto分布的數學模型

當t服從(0，1)上的均勻分布時，x則服從參數為α、β的Pareto分布。其中：α為Pareto分布的形狀參數，表示Pareto分布的重尾程度，α取值越小，重尾的程度越強；β為Pareto分布的截止參數，表示該隨機變量能夠取到的最小值。根據式（3）可以構造出符合Pareto分布的隨機序列，生成符合條件的背景流量。

1．2．4 背景流量的自相似性分析

自相似程度的大小可由Hurst參數H來刻畫。H取值在0．5與1．0之間。H=0.5時，表示業務流量不存在自相似性；H=1.0時，表示業務流量的自相似性最強，越大則自相似程度越強。關于表示自相似程度的參數H的具體定義和意義參看文獻[8]。對于本文產生自相似背景流量的ON／OFF過程模型，有更為簡便的計算公式：

其中:α為Pareto分布的形狀參數。結合式（3）和（4），可以很容易地構造出不同自相似程度的背景流量。

1．3 業務流量模型

本文采用恒定速率流(CBR)作為關注的業務流量。由于CBR是恒定時間間隔發送恒定長度的數據包，這樣可以更清楚地分析各種參數對于網絡傳輸性能指標的影響。這些指標包括網絡數據包傳輸的端到端延時、抖動和分組到達率等。CBR業務流量主要有業務流量吞吐量(TST)和業務流量數據包長度(TPL)兩個參數。其中：TST=TPL×發送頻率。

在下面的系統仿真實驗中，本文將改變業務流量的TST和TPL，得到在不同參數狀態下對業務流量性能的不同影響。

2 系統仿真

2．1 仿真設計

根據第1章的討論，本仿真系統針對自相似背景流量模型和業務流量模型不同的參數，設計出基于網絡仿真器Qualnet的三類仿真實驗：A類，保持業務流量的TST和TPL不變，改變背景流量的自相似系數H；B類，保持背景流量的自相似系數H和業務流量的TPL不變，改變業務流量的TST；C類，保持背景流量的自相似系數H和業務流量的TST不變，改變業務流量的TPL。仿真參數如表1、2所示。

仿真實驗反映出來的性能指標主要有以下三個：

a)平均端到端延時(AD)。每個成功接收的數據包的端到端延時的平均值，反映了業務流量的時效性。

b)平均抖動(AJ)。每個成功接收的數據包的抖動的平均值，反映了業務流量的穩定性。

c)分組到達率(PDR)。成功到達目的節點的分組總數與發送的數據分組總數之比，反映了整體的網絡狀況。

2．2 仿真結果

2．2．1 仿真實驗A類

本類實驗在保持業務流量的TST和TPL不變的情況下，改變背景流量的自相似系數H，由此觀察分析背景流量自相似程度對在自相似背景流量下業務流量性能的影響。仿真結果如圖3所示，圖3(a)~(c)分別顯示了參數H對于AD、AJ和PDR的影響。

2．2．2 仿真實驗B類

本類實驗在保持背景流量的自相似系數H和業務流量TPL不變的情況下，改變業務流量TST，由此觀察業務流量的吞吐量對在自相似背景流量下的業務流量性能的影響。仿真結果如圖4所示，圖4(a)~(c)分別顯示了參數TST對于AD、AJ和PDR的影響。

2．2．3 仿真實驗C類

本類實驗在保持背景流量的自相似系數H和業務流量TST不變的情況下，改變業務流量TPL，由此觀察業務流量的數據包長度對在自相似背景流量下的業務流量性能的影響。仿真結果如圖5所示，圖5(a)~(c)分別顯示了參數TPL對于AD、AJ和PDR的影響。

2．3 結果分析

以上三類仿真實驗的結果表明：在自相似背景流量影響下的MANETs中，背景流量的自相似程度(用H量度)、業務流量的TST和TPL對于業務流量的性能均有很大的影響。從圖3上可以明顯地看出，在跳數≤3的情況下，隨著參數H的增大，AD和AJ略有增大，PDR基本保持不變；而跳數＞3的情況下，隨著參數H的增大，AD和AJ大幅增加，PDR也大幅地下降。從圖4上可以看出網絡性能對于大TST的業務流量比小TST的業務流量要敏感。從圖5上可以看出對于固定TST的業務流量來說，減小TPL，則增大了數據包的發送頻率，在跳數≤3的情況下，對網絡性能影響很??；而跳數＞3的情況下，TPL越小，則AD越大，AJ越小，PDR越小，因此在TPL的選擇上要兼顧AD、AJ和PDR的性能指標。

3 結束語

本文通過對現代網絡中業務流量特性和業務流量模型的研究分析，利用IP數據包長度的經驗分布和具有重尾特性的分布函數Pareto分布構造出基于自相似背景流量模型的MANET網絡業務流量性能仿真系統，并在此仿真系統的基礎上，通過一系列不同參數的仿真實驗，得到了這些參數對于網絡性能的定性的影響。該仿真系統對于研究MANET網絡中實際業務流量的網絡性能具有很好的作用，對于其他類型網絡的性能評估和分析也有一定的借鑒作用。

參考文獻：

［1］XU Bang-nan，HISCHKE S， WALKE B. The role of Ad hoc networking in future wireless communications[C]//Proc of International Conference on Communication Technology Proceedings 2003(ICCT2003).Beijing: IEEE， 2003:1353-1358.

[2]CLAUSEN T， JACQUET P， VIENNOT L. Comparative study of CBR and TCP performance of MANET routing protocols[C]//Proc of Workshop MESA.[S.l.]:ETSI，2002.

[3]LELAND W， TAQQU M， WILLINGER W， et al. On the self-similar nature of Ethernet traffic[J].Computer Communications Review，1993，23(4):183-193.

[4]CROVELLA M， TAQQU M， BESTAVROS A. Heavy-tailed probabi-lity distributions in the World Wide Web[M]//A practical guide to heavy tails.New York:Chapman Hall，1998:3-26.

[5]王楠，侯紫峰，陳軍，等.基于分形理論的無線鏈路性能分析[J].計算機學報，2003，26(9):1078-1085.

[6][EB/OL].(2006-03).http://www.caida.org/analysis/AIX/plen_hist/.

[7]HLAVACS H， KOTSIS G， STEINKELLNER C.Technical report TR-99101，Traffic source modeling[R].Vienna:Institute for Applied Computer Science and Information，Systems University of Vienna，1999.

[8]POPESCU A. Traffic self-similarity[C]//Proc of IEEE International Conference on Telecommunications， ICT2001. Bucharest， Romania:[s.n.]，2001.

注：“本文中所涉及到的圖表、注解、公式等內容請以PDF格式閱讀原文。”