一種改進的異構網絡業務流識別和映射方法

王再見，李志鵬

(安徽師范大學 物理與電子信息學院，安徽 蕪湖241000)

0 引言

為了保證異構網絡端到端QoS，很多組織(IEEE,ITU-T,IETF,3GPP,3GPP2等)和學者對此進行了研究，提出了許多解決方案，其中QoS映射是研究熱點之一。異構網絡跨域QoS類映射存在以下特點：① 存在大量QoS需求相近業務，需要采取有效的方法降低執行QoS映射等相關操作的時間開銷；② 用戶本身具有很強的主觀性，業務內容、環境及心情等都會對用戶的感知質量有影響，因此映射方案要有較大的靈活性，這同樣要求識別方案具有自學習的能力、能根據環境自動調整識別要求，這是本文重點解決的另一個問題；③ 網絡資源處于動態變化之中，而很多業務過程時間很短，這需要識別方案具有較高的實時性。

對于沒有標注業務類別或沒有提出明確QoS要求的多媒體業務，典型方案是按背景流處理，忽略了業務本身QoS的差異性，不利于多媒體業務的開展和網絡資源的利用。而對于用戶明確提出QoS要求的多媒體業務，由于網絡動態特性導致資源相對不足，簡單的拒絕和允許，都會導致網絡單位效能的降低。鑒于此，向多媒體業務提供高效的端到端QoS保證，需要網絡能自動辨別業務流的QoS類別。典型的業務流識別方法選取特定的特征區分協議或業務類型，區分粒度較細，其識別準確率依賴于選取的特征，很難同時兼顧降低識別復雜性和提高識別準確率的需求。現有的業務流識別算法很少考慮QoS類區分，選取特征時對QoS特征考慮不足，導致存在以下問題：① 特定業務類型之間存在的較高誤識率，影響QoS類劃分準確性；② 相對于QoS類較粗的區分粒度，目前業務流識別算法區分粒度過細，導致較高的復雜性，不利于滿足多媒體業務的實時性需求。因此，需要結合多媒體QoS特點，選取區分特征，并結合用戶感知質量，提供高效靈活的端到端QoS保證。

1 相關工作

準確識別網絡多媒體業務并提供靈活的端到端QoS保證，對多媒體業務順利開展具有重要意義，受到眾多研究人員的關注。文獻[1]設計了一個開源的業務識別系統，但側重于不同識別技術的評估、對比和合作；文獻[2]面向物聯網，設計了一個3層的QoS分配模型;文獻[3]提出了一個新的跨層監視架構，該架構中業務需求由服務等級協議(Service Level Agreement，SLA)和服務等級規范(Service Level Specification，SLS)描述；文獻[4]提出基于代理的QoS控制框架為預定客戶分發滿意的內容提供實現機制。

針對無線鏈路動態性給QoS保證所帶來的嚴重問題，文獻[5]設計了一個網間架構，該架構由IEEE 802.16和IEEE 802.11組成，通過定義一個新的混合單元集合，用于支持QoS管理和切換決策，允許映射QoS類，降低切換阻塞率，在覆蓋相同區域的不同接入網之間，保證用戶公平；文獻[6]針對無線多媒體傳感網，提出了一個用于QoS保證的DiffServ架構，該架構依據業務的傳輸行為，定義了6個業務類，通過業務類將重要的實時數據從實時多媒體數據中區分出來，分配的主要資源是帶寬；文獻[7]為移動WiMAX系統，定義了一個端到端QoS功能模型；文獻[8]提出一種用協調方式實現CoS/QoS映射的方法和一種針對LTE的資源管理架構，重點解決LTE接口帶寬類型和監視類型;文獻[9]針對4G無線網絡，提出一種新的機制，該機制借助在不同接入網映射QoS 參數的轉換矩陣，通過SLA參數協商，得到服務的連續，該文基于G/M/1隊列系統，對SLA矩陣組成進行分析建模；文獻[10]為大型網絡中流層次的業務分類，提出一種標準的機器學習系統；文獻[11]提出一種架構，為IEEE 802.16標準提供端到端QoS控制，它定義了IP和802.16接口層次的映射規則，并為不同的服務類定義了分配機制；針對無處不在的多媒體計算，文獻[12]為內容滿意度提出一種QoS控制架構，通過內容調整和選擇，提供一種機制以分發滿意的內容給訂購用戶。

盡管有不少較好的單個解決方案，但缺乏在端到端QoS保證領域，對業務流識別和QoS類映射進行有效整合的方案設計。設計一種泛在異構網絡多媒體業務流識別和映射方案。該方案基于QoS特征選取業務區分特征以滿足QoS類區分的需要，并通過有機組合離線分析、在線分析和歷史信息，兼顧多媒體業務識別在實時性和準確性上的需要，并基于用戶體驗的差異性，通過靈活調整映射結果，以提高多媒體業務的端到端QoS保證。

2 改進的異構網絡業務流識別和映射方法

2.1 業務群定義

2.2 框架設計

本文設計了一種改進的異構網絡業務流識別和映射方法，其框架如圖1所示。

由圖1可見，本方案主要包括以下模塊：

① 特征生成模塊數據庫。借助Netflow等數據包捕獲工具抓獲網絡中的業務流，獲得包到達時間間隔等QoS特征的統計信息[1]，預處理原始數據后獲得特征序列集合，生成相應的數據庫。

圖1 異構網絡業務流識別和映射框架

② 在線區分模塊。該模塊綜合特征數據庫、離線分析服務器和校正數據庫的信息快速分類業務，對算法的實時性要求高。

③ 線下處理模塊。對采用的算法區分準確度要求較高(如采用深度包檢測等)，在線下對各種業務進行離線分析，分析結果一方面用于更新校正數據庫，另一方面提供給在線區分模塊用于誤差修正。

④ 校正數據庫。該數據庫存儲的是用戶行為分析等歷史數據。考慮到目前算法識別和預測的準確性都存在不足，此外考慮到異構網絡復雜性(包括體系架構的復雜性、服務模式的復雜性)，為了具有更好的實用性，引入歷史信息表，暫存最有可能成為業務流的候選數據流。利用用戶行為模式和業務模式的歷史數據，實現對業務的預測，主要用于前面的幾個包，適合用時很短的業務，解決實時性問題，其數據來源由線下處理模塊提供的用戶歷史信息，為業務預測提供依據，主要是解決實時性問題。

在業務被正確識別以前，在線區分模塊利用該數據庫存儲的歷史數據，預測該業務的業務類型，并基于該預測結果，將初期的預測結果提交給跨域映射代理。隨著當前業務被獲取的信息增多，在線識別模塊擁有足夠的信息對業務識別和判斷，如果識別結果與預測結果一致，則在線區分模塊繼續檢測該業務，不再提交識別結果給跨域映射代理；如果識別結果與預測結果不一致，則在線區分模塊將識別結果提交給跨域映射代理。線下處理模塊對業務進行全面分析，并將分析后的結果添加到校正數據庫。

⑤ 跨域映射代理。依據區分結果和當前QoS域信息，完成映射相關操作。本方案僅需布置在網絡邊界的路由/網關上，便于新接入技術的使用，有較好的可擴展性。

異構網絡業務流程識別和映射流如圖2所示。當未知多媒體業務流進入網絡傳輸時，Netflow將抓獲該業務流特征的統計信息，通過歸一化處理相關流特征，確定業務類別分類數目，提供給訓練集訓練識別算法(這里選擇比較簡單、易于實現的HMM，Hidden Markov Model)使用。通過最短矢量距離判斷，將業務流按當前網絡缺省設置傳輸至下一QoS域，否則，進行HMM分類映射。集合映射結果并調整QoS類匹配結果，若網絡資源滿足則傳輸該業務群。如果不滿足則判斷等待條件是否滿足，如果滿足則繼續等待，否則該業務群取消。

圖2 異構網絡業務流識別和映射流

2.3 基于改進HMM的多媒體業務識別算法

為了保證網絡多媒體業務端到端QoS，網絡節點基于QoS/業務類，提供區分服務。網絡節點對屬于同一類別QoS/業務類的網絡多媒體業務，提供一致的網絡操作，以保證其QoS需求。提供QoS保證的網絡操作過程可使用有限狀態機描述，網絡節點隱藏了其狀態及狀態間的轉移特征，僅多媒體業務流傳輸過程中的QoS特征可被外部觀察到。

HMM建模過程的描述如下：

① 初始化模型。對每一類視頻業務在不同時間進行采集，共獲得10組視頻流特征序列作為訓練樣本，此時HMM觀測值序列長度參數T=10。

② 應用聚類。采用向量空間中的方法聚類分析，設定視頻業務類型的數目為N。

③ 應用模式的HMM建模。應用分析的目的是希望獲得視頻業務在網絡中QoS特征，并據此分類或預測未知的目標行為。在聚類分析應用后，為每一類應用所表示的目標行為展開建模。采用Baum-welch[13]算法為其重新擬合一個HMM作為該類的分析模型，并以該模型為依據來對未知的目標進行分類等處理。

④ 觀測值序列發生概率計算。依據設置的觀測值數目值M，將每個尺度下的特征向量聚為M類，從而獲得觀測值序列O。若要辨識觀測序列O是多個模型中哪個模型產生，需要分別計算各個模型產生該觀測序列的概率，然后選擇概率最大的模型作為最合適該觀測序列的模型。

2.4 靈活的跨域QoS類映射算法

如圖3所示，異構網絡中多媒體業務跨域的QoS類映射算法具體步驟如下：

① 將映射代理安置在邊界路由/網關，處理業務群及流的相關操作由映射執行模塊執行，如輸入業務群判斷、輸入流聚合判別及對業務群進行分離等操作。

② 映射代理獲取相應QoS屬性特征，構成高維QoS特征空間。

③ 映射代理基于當前網絡要求，采用矢量距離最短法則判斷相應業務群QoS類別，具體如下：

(1)

權值W=[w1,w2,...,wMα]反映應用特征，M為業務類別數目。

④ 通過網絡檢測器感知網絡環境后，映射代理判斷可用網絡資源，通過QoS等級逐級調整，實現靈活映射。

⑤ 當前傳輸條件判斷，決定該業務群傳輸/取消。

圖3 靈活的跨域QoS類映射算法流程圖

3 仿真實驗

基于可實現性和典型性的考慮，依據從實際校園網中所采集到的網絡多媒體業務流QoS特征，以典型的E-Learning業務為對象[14]，定義了13種多媒體業務，并假設構建8種“業務群”，如表1所示，在網絡中傳輸，其中1%的業務在傳輸時不標注優先級。

表1 各種“業務群”業務相關參數

根據表1，以強度λ2=100的泊松分布產生業務群進入圖4所示的場景中傳輸。在上述場景中，QoS類映射方法部署于網間路由器/網關1和2。用戶1經過UMTS(網絡1)，與WiMAX2中的用戶9(網絡3)進行多媒體業務時，業務將經過3個不同的QoS域，其分類數目和要求也不相同。此時，部署新映射方法的網間路由器/網關1處理UMTS與DiffServ(網絡2)之間的QoS/業務類映射，部署新映射方法的網間路由器/網關2處理基于DiffServ的Internet和WiMAX2網絡之間的QoS/業務類映射。圖4中，分別對本文方法、HMM、映射表方法[15]+ QCM-ASM[16]+HMM在端到端帶寬利用率和實時視頻業務延時上進行對比分析。

圖4 異構典型場景

如圖5所示，“業務群”由較高的優先權的實時視頻業務組成。如圖4所示，依次經由3個網絡后，3種映射方法在端到端延遲分布上差異明顯。

圖5 實時視頻業務在3種映射方案下端到端平均延遲分布

由于映射誤差的存在，采用映射表方法時業務延遲最大。QCM-ASM方法雖然沒有映射誤差問題，但靈活性不足。此外，典型的采用映射表方法的QoS類映射方案和采用QCM-ASM的QoS類映射方案，是基于業務進行映射，不涉及聚集操作，具有較高的實時性。本文方法QMT-FA由于使用了歷史信息，在聚集操作過程中，依然可以提供實時業務流傳輸，規避了聚集多帶來的時間開銷，在歷史信息完備、準確的前提下，本文方法在實時性方面與前2種方案類似。

如圖6所示，由于本文方法可以更充分利用網絡資源，所以在端到端網絡帶寬利用率指標上優于其他2種方法。由于網絡類粒度不一致，部分業務群在沒有獲得足夠資源時被丟棄，使得網絡帶寬資源沒有得到充分利用，這對基于映射表的方案最不利。基于QCM-ASM的映射策略由于缺乏彈性，不能充分利用網絡資源。上述2種方法存在的問題在本文方法策略中得到較好的解決。由圖6可見，3種QoS映射方法的優越性次序是：本文方法 > QCM-ASM +HMM >映射表方法+HMM。

圖6 端到端帶寬利用率在3種策略下的統計對比

4 結束語

針對當前業務流識別用于QoS類映射存在的不足，以及典型QoS類映射方法存在靈活性不足問題，設計一種泛在異構網絡多媒體業務流識別和映射方案，考慮了未明確標注QoS類別的多媒體流區分問題，同時考慮到用戶體驗多樣性和網絡環境的動態本質，QoS/業務類映射結果可調，能提高網絡資源利用率，得到較高性能的異構網絡端到端QoS保證；將具有相同/相近QoS需求的業務流集合為業務群，獨立于具體的應用，既對網絡新業務具有很好的伸縮性，又降低執行QoS映射等相關操作的時間開銷。同時，由于流是各種QoS架構控制目標，所以對網絡設備也有很好的可擴展性。