基于多維度測量的網絡性能動態評價方法*

毛 莉，齊德昱

(1.華南理工大學計算機系統研究所，廣東 廣州 510006； 2．廣東警官學院計算機系，廣東 廣州 510440)

基于多維度測量的網絡性能動態評價方法*

毛 莉1,2，齊德昱1

(1.華南理工大學計算機系統研究所，廣東 廣州 510006； 2．廣東警官學院計算機系，廣東 廣州 510440)

針對傳統網絡性能評價方法存在的靜態性和片面性問題，提出了一種基于多維物元模型的網絡性能動態評價方法，從多維網絡評價物元模型、網絡評價指標體系、模糊層次分析策略幾個方面展開討論，并給出了權重取值算法。實例顯示，該評價方法有助于網絡管理人員多維度動態跟蹤、定量分析和監控網絡運行,提高網絡管理過程的可觀測性和可預警性。

網絡管理；多維度；動態；物元模型；模糊層次分析

1 引言

在云計算和大數據[1]背景下，軟件對網絡的依賴在不斷提高，計算機網絡的穩定性、可用性、高效性等諸多性能指標也被越來越多地關注。如何動態跟蹤和定量分析網絡性能、預警網絡中的薄弱節點、在現有網絡環境基礎上提高網絡性能，是目前網絡工程項目中迫切需要研究的現實問題。

目前，評價網絡性能通常采用靜態綜合評價方法[2～5]，這些研究多側重于采用某種分析方法，測量評價標準主要從某個維度出發，只考慮在某一時間、地域截面下的靜態評價標準，其結果往往帶有片面性，對測量結果缺少動態的定量評價，不能對被評價對象作時間和空間上的整體對比。實際網絡工程中,網絡管理員常常需要掌握網絡動態，雖然網絡測量過程按計劃開展,但由于測量數據龐大，對測量結果缺少動態的定量評價，因此很難在測量評價過程中及時發現網絡中的薄弱環節,并有效控制和提高網絡管理效率。

網絡綜合評價需要考慮多項網絡性能指標，通常情況下由于各單項指標評價結果之間不相容, 直接評價較為困難。目前提出的綜合評價模型有模糊層次分析FAHP(Fuzzy Analytic Hierarchy Process)方法、數據包絡分析法、神經網絡評價法、灰色綜合分析法等，都有其特點和適用性[6]。FAHP方法是一種定性與定量分析相結合的多準則決策法，利用相對隸屬度理論結合專家經驗定出各指標隸屬于重要性等級下的模糊隸屬度，使評價過程更為客觀、合理。因此，本文計算網絡性能評價指標權重采用Chang D-Y提出的FAHP方法[7]，盡管目前很多FAHP方法計算權重，由于Chang D-Y的算法計算量小且高效，很多相關研究應用此方法。

在綜合網絡評價中引入物元模型[8]與動態方法，建立多維動態網絡評價物元模型，為評價過程定性和定量的分析方式奠定動態基礎，簡化了測量數據的存儲、表示和處理。網絡動態綜合評價是評價標準基于時間維度和地域維度的擴展,實質上是在靜態綜合評價指標的基礎上引入時間因素和地域因素構成的具有時間、地域和指標三維結構的評價排序問題。

因此，本文提出一種基于多維度測量的網絡動態評價方法，并從動態多維網絡評價物元模型、網絡評價指標體系、模糊層次分析策略幾方面闡述方法的實現，最后通過實例給出了方法的應用情況。

2 多維網絡性能動態評價方法框架

如圖1所示，網絡性能綜合評價指依據網絡測量用例集中的測量用例,執行評價步驟,并輸出測評結果。

Figure 1 Framework of network performance dynamic comprehensive evaluation method圖1 網絡性能動態綜合評價方法框架

本文將網絡性能動態綜合評價定義為：基于時間序列和地域區間跟蹤網絡測量，收集測量信息，從網絡異常指數和可用性指數方面對網絡性能進行動態分析和評價，并依據評價結果及時預警，指導網絡維護人員繼續跟進。為了簡化測量步驟，暫不考慮網絡測量過程中的人員、組織和管理等相關因素，主要對網絡測量中測量的執行結果進行定量的監測和評價。下面分別從定義多維物元模型、動態分析模糊評價模型、仿真實驗幾方面闡述基于多維度測量網絡性能的動態綜合評價方法。

3 網絡性能動態綜合評價的物元模型

3.1 網絡性能評價的物元模型

定義1(物元模型)[8]給定事物的名稱N，描述事物的基本元，簡稱物元，表示為一個由序三元組(N,c,v)，其中c是N的特征，v是關于c的量值。如果N由n個特征c1、c2、…、cn和相應的量值v1、v2、…、vn描述，可表示為：

定義2(網絡評價的基本物元模型) 基于物元定義，定義描述網絡對象的基本物元模型為:

其中，N1、N2、…、Nk表示k個評價對象，n個評價指標c1、c2、…、cn，指標量值vij表示第i個評價對象的第j個評價指標的量值。

定義3(基于時序的網絡評價物元模型) 基于時序描述網絡對象的物元模型以四元組(N,C,V,T)描述網絡性能，反映了網絡評價值隨時間變化的趨勢，定義如下：

定義4(基于地域的網絡評價物元模型) 類似地，基于地域描述網絡對象的物元模型以四元組(N,C,V,Z)描述網絡性能的區域性分析：

3.2 動態多維度網絡評價物元模型

為了從不同角度評價網絡性能，提出了側重不同角度的動態多維度網絡評價物元模型，評價維用于描述網絡性能的綜合評價，包括網絡服務可用性和網絡鏈路可用性指數(如往返時長、吞吐率、可用帶寬、帶寬資源占用率)和異常性指數(如丟包率、包出錯率、時延抖動)；時間維和地域維用于描述網絡評價標準隨時間和地域變化的趨勢。如圖2所示，網絡性能物元模型通過統一的物元模式對網絡性能描述進行重構，體現了評價-時間-地域三者之間的關系。

Figure 2 Multi-dimensional matter-element model of network evaluation圖2 多維度網絡評價物元模型

4 網絡性能綜合評價方法

4.1 指標體系

網絡性能綜合評價應滿足以下原則：設計的指標體系能夠滿足科學性和先進性原則，能夠有效地反映所評價網絡的性能特征；設計合理的指標層次結構，滿足全面性和系統性原則，能夠全面反映所評價網絡的基本狀態，并提供必要的數據實現評價；評價模型應實現定性和定量分析相結合，將評價指標定量化和規范化，為定性分析奠定基礎；評價體系應具備可行性和可操作性，設置為可采集和可量化的指標，實現有效測量或統計。

不同的性能指標反映網絡不同方面的性能，網絡性能指標的選取是根據業務需要設置的。本文根據標準化組織IETF(Internet Engineering Task Force)定義的網絡測量指標框架[9]選取部分參數，包含了三大基本指標(往返時長、丟包率和可用帶寬，反映網絡的整體性能)、嚴重影響網絡用戶體驗感的指標(包出錯率、時延抖動和帶寬資源占用率反映網絡擁塞程度)以及反映網絡的服務能力指標(吞吐率是對網絡系統及其部件處理數據能力的總體評價)。

網絡性能綜合指數是針對網絡中采集不同質的數據進行綜合計算和度量，成為一種測量方法，反映網絡系統運行態勢的網絡特征數據變化程度的相對數。網絡性能綜合指數體系是一個二級三層結構的指標體系，將次準則層對主準則層的評判作為第一級評判，將主準則層對目標層的評判作為第二級評判，由此構成一個二級三層的綜合評價模型。異常指數(B1)和可用性指數(B2)作為一級指標。可用性指數用于反映網絡可以提供正確服務的能力，主要包括反映網絡服務可用性和網絡鏈路可用性的指標，二級指標包括往返時長(B21)、吞吐率(B22)、可用帶寬(B23)、帶寬資源占用率(B24)。異常指數反映了網絡通信數據異常程度，通常由于網絡受到攻擊和安全威脅或網絡設備故障引起的，其二級指標包括丟包率(B11)、包出錯率(B12)、時延抖動(B13)。

Figure 3 Hierarchical structure of network comprehensive evaluation圖3 網絡綜合評價層次結構圖

4.2 模糊層次分析的基本理論

4.2.1 三角模糊數

(1)數乘運算

(2)加法運算

(3)乘法運算

(4)逆運算

(5)根式運算

4.2.2 FAHP方法

定義9(兩個三角模糊數比較) 兩個三角模糊數M1≥M2的可能程度定義為:

此式可改寫為：

V(M2≥M1)=hgt(M1∩M2)=μM2(d)=

其中，d是μM1和μM2最高交叉點D的縱坐標。

定義10(k個三角模糊數比較)

V(M≥M1,M2,…,Mk)=

V[(M≥M1)and(M≥M2)and…and(M≥Mk)]=minV(M≥Mi)

定義11(權重向量) 假定d′(Ai)=minV(Si≥Sk)，對于k=1,2,…,n;k≠i。權重向量定義為W′=(d′(A1),d′(A2),…,d′(An))T，其中Si是指判斷矩陣中第i個元素與其它同層所有元素相比較得到的綜合重要程度，Ai表示第i個元素。

歸一化后，FAHP的權向量為:

基于定義8～定義11提出了算法1，即對模糊矩陣判斷矩陣的指標權重取值機器實現方法。算法1中最大的時間開銷語句是用于計算三角模糊數sMi≥sMj的可能程度和凸模糊數sMi大于或等于n-1個凸模糊數的可能程度，兩者的時間復雜度均為O(n2)，因此算法總的時間延遲為O(n2)，其中n是評價指標個數。網絡性能評價指標的選取并非越多越好，而是應該遵循全面性、避免重復，注重可比性和可測性原則。因此，實踐中往往選取能夠全面和科學反映網絡性能的指標，n取值范圍是[3,10]。

算法1FAHP準則權重取值算法

輸出：歸一化的權重向量WFAHP=(dM1,dM2,…,dMn)T。

1.FORallMi∈M(i∈[1,n])DO

2. sMi=fse(A)//計算每個指標的模糊綜合程度值

3.END FOR

4.FOR allMi,Mj∈M(i∈[1,n],j∈[1,n] andj≠i) DO

5.VMiMj=sup(sMi,sMj)/*計算三角模糊數sMi≥sMj的可能程度*/

6.END FOR

7.FOR allMi,Mj∈M(i∈[1,n],j∈[1,n] andj≠i) DO

9.END FOR

12.END FOR

13.WFAHP={dMi|i∈[1,n]}

14.RETURNWFAHP

Figure 4 A polytechnic campus network topology圖4 某職業技術學院校園網絡拓撲圖

4.3 數據的無量綱化處理

數據無量綱化處理的目的是消除不同評價指標在量級、單位上的差異(信息)。本文采用的均值化方法如下：

均值化后的方差為：

可見均值化后的數據方差為均值化前方差除以均值平方，因此變化后的數據保留了各指標變異程度信息。

4.4 綜合評價值

定義12網絡綜合性能評價值定義如下：

5 實例分析

校園網是一個自主的互聯的計算機及網絡設備的集合，某職業技術學院的校園網拓撲結構如圖4所示。

基于OPNET擁有豐富的模型庫，提供復雜的網絡仿真環境，本文將圖中校園的拓撲結構映射到OPNET中，構建仿真模型，獲得實驗所需數據。

對于一個三層辦公樓，樓宇內部網絡拓撲結構是兩級星型結構，一級星型結構利用Cisco 3640路由器連接各樓層交換機(Cisco 2924)，并接入校園主干網；每層24個網絡用戶接入一臺交換機構成二級星型網絡。

5.1 評價指標權重計算

根據第4節網絡綜合性能評價指標體系，設計了“網絡性能分析專家綜合評審咨詢表”，根據五位專家在表中填寫的數據，計算每個權重平均值，利用模糊等級進行兩兩比較指標的重要程度(如表1所示)，獲得指標權重(如表2～表4所示)。

Table 1 Ambiguous semantics scale of relative importance表1 模糊比較標度及含義

可見，專家對各項指標權重的定義隨著地域和時間不同而有所區別，工作時間的辦公區關注于網絡的可用性，而上課時間的學生宿舍區則更加重視網絡是否存在異常性。

根據算法1，計算出兩級指標的歸一化權重(如表5所示)。

Table 2 Relative importance of main criteria表2 多維一級指標的模糊判斷矩陣

5.2 計算綜合評價值

分析校園網的整體網絡性能狀況，需要對網絡中多個節點以及連接到這個節點鏈路的性能指標進行測量。本節隨機選取四個樓宇接入節點(Z1和Z2屬于辦公區，Z3和Z4屬于學生宿舍區)，分別對其測量五個時刻基于統計的網絡指標數據(如表6所示)，根據第4節方法對其進行無量綱化處理得到表7，由定義12計算各節點不同時刻的網絡性能綜合評價值(如表8所示)。

Table 3 Relative importance of sub-criteria of anomaly(B1)表3 動態多維異常指數的二級模糊判斷矩陣

Table 4 Relative importance of sub-criteria of availability(B2)表4 多維可用性指數的二級模糊判斷矩陣

Table 5 Unified weights of criteria表5 多維性能指標歸一化權重

Table 6 Quantitative data related to criteria values表6 指標測量值

Table 7 Dimensionless criteria values表7 無量綱化處理后的數據表

Table 8 Comprehensive evalution of network表8 網絡綜合性能評價

5.3 利用多維度測量網絡性能曲線，分析網絡性能和預警問題節點

網絡性能測量過程中，同步、動態地統計并繪制各地域的網絡性能評價隨時間的變化曲線。比較曲線之間的差異，綜合評價相對明顯偏低的網絡測量點是當前的預警問題節點，是由于多個測量指標值出現異常(劣性指標值高、優性指標值低)，應通知網絡管理員進一步跟進。評價曲線分析范圍可以是局域網絡內部所有被測關鍵節點之間的綜合評價比較，或各被測局域網絡之間某一維度的網絡性能評價比較。必須說明的是, 該評價值在縱軸上的值越大代表同用戶對于網絡性能越滿意。通過評價值在橫軸上的比較則可以看出網絡性能綜合評價值在時間軸上的變化趨勢。

圖5是被測校園網的20個測試用例測量情況。本例設定的測量周期是1小時，即圖中每個時間點間隔1小時。評價波動容忍閾值定義為該測量點在某時刻之前的三個周期平均評價值的±30%，即如果某測點連續三個周期評價值波動幅度超出閾值，則需預警，通知網絡管理員進行跟進檢測。可以直觀看出，測量地域Z2和Z3的節點網絡性能比較穩定，Z1偶爾存在較大波動，Z4的綜合評價保持明顯劣勢并且波動較大。因此,需要進一步觀察Z1、Z4的走勢，符合條件應采取相應預警措施。

Figure 5 Curve of multi-dimensional dynamic network performance evaluation圖5 多維、動態網絡性能評價曲線

圖5中可以看到Z1在5T時刻網絡性能評價值相對于本測量點最低，對照表6的實際測量值可知，Z1測量點5T時刻丟包率和包出錯率高，時延抖動大，吞吐率小，性能很差。類似地可以對照Z2觀測點的4T時刻。

從實驗結果可以看出，綜合評價值很好地反映了網絡性能狀況，并能對被評價對象作時間和空間上的整體對比。

6 結束語

本文提出了一種基于多維物元模型的動態網絡性能綜合評價方法，能夠及時預警網絡運行薄弱環節,使得網絡管理員能夠動態追蹤、定量評價網絡性能，及時發現網絡中的薄弱節點，保障網絡的正常運行。通過實例說明了上述方法的有效性，該方法將被試用于基于形式領域融合的格件[11～14]網絡中，未來將對相關物元模型和評價算法作進一步改進和完善。

[1]MengXiao-feng,LiYong,ZhuJian-hua.Socialcomputingintheeraofbigdata:Opportunitiesandchallenges[J].JournalofComputerResearchandDevelopment, 2013, 50(12):2483-2491.(inChinese)

[2]LuoYun-qian,XiaJing-bo,ZhiYing-jian,etal.StaticIPnetworkquality’sfuzzyevaluationmethod[J].ComputerScience, 2010, 37(8):77-79.(inChinese)

[3]ZhaoHua-qiong,TangXue-wen.Evaluationmodelofnetworkserviceperformancebasedonfuzzyanalytichierarchyprocess[J].JournalofComputerApplications, 2013, 33(11):3035-3038.(inChinese)

[4]ChengXiao-hui,LiangQi-liang,HeJun-quan.ResearchonobjectiveweightdeterminemethodofZigBeenetworkperformanceindex[J].ApplicationResearchofComputers, 2013, 30(10):3068-3070.(inChinese)

[5]QianY,SongJ,GuoY,etal.Networkperformancecomprehensiveevaluationbasedonentropyofvaguesetandsimilaritymeasure[C]∥Procofthe14thInternationalConferenceonCommunicationTechnology(ICCT), 2012:555-559.

[6]DuDong,PangQing-hua,WuYan.Moderncomprehensiveevaluationmethodsandcases[M].Beijing:TsinghuaUniversityPress, 2008.(inChinese)

[7]ChangD-Y.ApplicationsoftheextentanalysismethodonfuzzyAHP[J].EuropeanJournalofOperationalResearch,1996,95(3):649-655.

[8]CaiWen.Matter-elementmodelanditsapplication[M].Beijing:ScientificandTechnicalDocumentationPress, 1994.(inChinese)

[9]PaxsonV,MahdaviJ,MathisM,etal.RFC2330,FrameworkforIPperformancemetrics[S].IETF,1998.

[10] Kwiesielewicz M.A note on the fuzzy extension of Saaty’s priority theory[J]. Fuzzy Sets and Systems,1998,95(2):161-172.

[11] Qi De-yu,Qi Qi-hao.The computational model based on formal fusion:Chinese patent，10158202[P]. 2009-11-18.(in Chinese)

[12] Mao L,Qi D. Formal specification and proof of gridjack[C]∥Proc of the 5th International Symposium on Computational Intelligence and Design (ISCID), 2012:110-114.

[13] Feng Bin.Researches on gridware-based information processing machine architecture[D]. Guangzhou:South China University of Technology, 2013.(in Chinese)

[14] Zhang Qian.Research on several key techniques of cloud manufacturing and its applications[D]. Guangzhou:South China University of Technology, 2013.(in Chinese)

附中文參考文獻：

[1] 孟小峰, 李勇, 祝建華. 社會計算:大數據時代的機遇與挑戰[J]. 計算機研究與發展, 2013,50(12):2483-2491.

[2] 羅赟騫, 夏靖波, 智英建, 等. 統計IP網絡質量的模糊評估方法[J]. 計算機科學, 2010, 37(8):77-79.

[3] 趙華瓊, 唐學文. 基于模糊層次分析法的網絡業務性能評估模型[J]. 計算機應用, 2013, 33(11):3035-3038.

[4] 程小輝, 梁啟亮, 何軍權. ZigBee網絡性能指標客觀賦權方法研究[J]. 計算機應用研究, 2013, 30(10):3068-3070.

[6] 杜棟，龐慶華，吳言. 現代綜合評價方法與案例精選 [M]. 北京:清華大學出版社, 2008.

[8] 蔡文. 物元模型及其應用[M]. 北京:科學技術文獻出版社, 1994.

[11] 齊德昱，齊啟豪. 基于形式領域融合的計算模型：中國，10158202[P]. 2009-11-18.

[13] 封斌. 基于格件的信息處理機體系結構研究及其實現[D]. 廣州： 華南理工大學, 2013.

[14] 張倩. 云制造若干關鍵技術及其應用研究[D]. 廣州：華南理工大學, 2013.

MAOLi,born in 1978,PhD candidate,lecturer,her research interests include computer architecture and distributed systems.

Adynamicnetworkperformanceevaluationmethodbasedonmulti-dimensionalmeasurement

MAO Li1,2，QI De-yu1

(1.Research Institute of Computer Systems,South China University of Technology,Guangzhou 510006;2.School of Computer,Guangdong Police College,Guangzhou 510440,China)

Aiming at overcoming the shortcomings of static and partiality in traditional network evaluation methods,based on multi-dimensional matter-element models, we propose a dynamic network performance evaluation method.This method is discussed from the aspects of multi-dimensional matter-element models of network evaluation,indicator system of network evaluation,and policies of fuzzy analytic hierarchy process.A campus network example shows that the evaluation method helps network managers track and monitor network operation dynamically and quantitatively,and improve the users’ability to observe and controll the network.

network management;multi-dimensional;dynamic;matter-element model;fuzzy analytic hierarchy process

1007-130X(2014)11-2106-08

2014-06-10;

：2014-08-20

廣東省自然科學基金團隊項目(10351806001000000)；廣東省科技計劃資助項目(2011B010200054)

TP302.7

：A

10.3969/j.issn.1007-130X.2014.11.009

毛莉(1978),女,浙江義烏人，博士生，講師，研究方向為計算機體系結構和分布式系統。E-mail:maoligdppla@gmail.com

通信地址：510440 廣東省廣州市白云區文盛莊路118號廣東警官學院計算機系

Address:School of Computer,Guangdong Police College,118 Wenshengzhuang Rd,Baiyun District,Guangzhou 510440,Guangdong,P.R.China