【文章內(nèi)容簡(jiǎn)介】 al Carrier 48）速率，實(shí)現(xiàn)理想的速率和流量統(tǒng)計(jì)特性。產(chǎn)生一個(gè)數(shù)據(jù)包需要多個(gè)步驟：確定數(shù)據(jù)包的發(fā)送時(shí)間、包大小、幀頭和有效載荷內(nèi)容。不同的數(shù)據(jù)包流可獨(dú)立產(chǎn)生，通過(guò)將數(shù)據(jù)包流進(jìn)行復(fù)用來(lái)實(shí)現(xiàn)一定聚合行為，然后傳輸?shù)讲煌涌?。由于FPGA硬件資源的并行工作特點(diǎn)，多個(gè)步驟可以同時(shí)進(jìn)行，從而縮短總的執(zhí)行時(shí)間，而在處理器上這些步驟需要順序執(zhí)行，減慢執(zhí)行速度。FPGA的另一個(gè)有利特點(diǎn)，每個(gè)操作在硬件上的執(zhí)行時(shí)間設(shè)計(jì)者已知，這對(duì)于根據(jù)特定分布實(shí)時(shí)產(chǎn)生流量來(lái)測(cè)試網(wǎng)絡(luò)設(shè)備非常重要。圖28 FPGEN的泊松流量生成器基本構(gòu)成單元如圖28所示，是FPGEN的泊松流量生成器的基本構(gòu)成單元。主要由50個(gè)流量源、標(biāo)志隊(duì)列、控制單元和輸出緩存構(gòu)成。50個(gè)流量源：以λ/50的選擇概率產(chǎn)生1位數(shù)據(jù)包生成標(biāo)志，以達(dá)到λ的泊松到達(dá)率。標(biāo)志隊(duì)列：每個(gè)數(shù)據(jù)包源以λ/50概率產(chǎn)生數(shù)據(jù)包生成標(biāo)志，寫(xiě)入相應(yīng)隊(duì)列?？刂茊卧好慨?dāng)50個(gè)源中任何一個(gè)產(chǎn)生一個(gè)標(biāo)志，該標(biāo)志被壓入FQ，由所有流量源共享。輸出緩存：數(shù)據(jù)流量的緩存。FPGEN不依賴于包含數(shù)據(jù)包信息的文件，不需要任何外部硬件資源，可以移植到有較大數(shù)量接口、更快接口和時(shí)鐘速度的FPGA環(huán)境中，以實(shí)現(xiàn)速率線性增加，每個(gè)接口每個(gè)時(shí)鐘周期可生成一個(gè)數(shù)據(jù)包，可以實(shí)現(xiàn)泊松流量和onoff流量。 本章小結(jié)本章主要介紹了目前交換機(jī)的發(fā)展?fàn)顩r，并分析了交換機(jī)的相關(guān)結(jié)構(gòu)。接著對(duì)目前研究所使用的流量生成器進(jìn)行介紹，分析對(duì)比了硬件式流量生成器與軟件式流量生成器。第3章 網(wǎng)絡(luò)流量模型研究第3章 網(wǎng)絡(luò)流量模型研究為了實(shí)現(xiàn)對(duì)交換機(jī)的測(cè)試，必須模擬真實(shí)網(wǎng)絡(luò)環(huán)境下的網(wǎng)絡(luò)流量，因此建立合適的網(wǎng)絡(luò)流量模型應(yīng)用于交換機(jī)測(cè)試不可或缺。本章首先對(duì)網(wǎng)絡(luò)流量模型進(jìn)行分類(lèi)介紹，接著依次對(duì)泊松模型、馬爾科夫模型以及自相似模型詳細(xì)的做出描述，最后建立流量模型，實(shí)現(xiàn)真實(shí)網(wǎng)絡(luò)流量的模擬。 流量模型概述自互聯(lián)網(wǎng)問(wèn)世之后，網(wǎng)絡(luò)流量特性的研究一直在不斷探索中，專家學(xué)者們都試圖建立一個(gè)優(yōu)良的數(shù)學(xué)模型來(lái)近似表示網(wǎng)絡(luò)流量。而隨著互聯(lián)網(wǎng)的不斷發(fā)展完善、網(wǎng)絡(luò)應(yīng)用的多樣化以及新型網(wǎng)絡(luò)應(yīng)用的快速部署，網(wǎng)絡(luò)流量特性也隨之不斷發(fā)生變化，建立一個(gè)能夠準(zhǔn)確、有效地描述網(wǎng)絡(luò)流量特性的流量模型，對(duì) QoS、網(wǎng)絡(luò)性能管理、準(zhǔn)入控制的意義和作用越發(fā)顯得重要起來(lái)。在本文設(shè)計(jì)中，硬件部分流量產(chǎn)生器利用在PowerPC微處理器上建立的網(wǎng)絡(luò)流量模型，發(fā)送數(shù)據(jù)包及其時(shí)間間隔數(shù)據(jù)到VerilogHDL配置的硬件接口從而產(chǎn)生用于測(cè)試FC交換機(jī)的網(wǎng)絡(luò)流量。 短相關(guān)流量模型最開(kāi)始的流量模型建立于20世紀(jì)70年代和80年代早期，由于當(dāng)時(shí)網(wǎng)絡(luò)的應(yīng)用比較單一，數(shù)據(jù)傳輸量較小以及受到網(wǎng)絡(luò)測(cè)量技術(shù)的限制，人們借鑒公共交換電話網(wǎng)絡(luò)的模型，使用泊松模型來(lái)描述數(shù)據(jù)網(wǎng)絡(luò)的流量，并取得不錯(cuò)的效果。進(jìn)入80年代中后期，隨著 FAX、數(shù)據(jù)網(wǎng)絡(luò)和Web的出現(xiàn)，泊松過(guò)程已不能充分反映 Internet 業(yè)務(wù)流量的特性。隨后人們又逐漸引入了馬爾科夫和回歸等隨機(jī)模型來(lái)描述網(wǎng)絡(luò)流量。馬爾可夫流量模型易于排隊(duì)性能的解析處理，然而模型解析解的復(fù)雜度將隨著模型參數(shù)數(shù)目增加而增加，因此馬爾可夫模型主要還是廣泛應(yīng)用于電話網(wǎng)絡(luò)中?；貧w模型比較易于進(jìn)行流量模擬，常用來(lái)做計(jì)算機(jī)仿真，但不易進(jìn)行排隊(duì)處理。一般情況下，這些早期模型被人們稱為傳統(tǒng)網(wǎng)絡(luò)流量模型，也就是短相關(guān)模型。這些短相關(guān)模型在時(shí)域上具有短相關(guān)性，在經(jīng)過(guò)時(shí)間上的平均后，其突發(fā)性會(huì)降低，趨于平穩(wěn)狀態(tài)。在如今的真實(shí)網(wǎng)絡(luò)流量中，突發(fā)性是十分重要的一環(huán)，因此如今的短相關(guān)模型大部分都不能準(zhǔn)確的來(lái)模擬真實(shí)的網(wǎng)絡(luò)流量。 長(zhǎng)相關(guān)流量模型20 世紀(jì) 90 年代以來(lái),隨著網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)呈指數(shù)增加和多媒體、視頻、遠(yuǎn)程教育等網(wǎng)絡(luò)應(yīng)用的不斷出現(xiàn)，流量特性變得更加復(fù)雜。由于不同的網(wǎng)絡(luò)應(yīng)用具有不同的流量特性，使得網(wǎng)絡(luò)流量特性也發(fā)生了顯著變化，這些都增加了網(wǎng)絡(luò)流量特征化的困難。隨著研究的深入，研究人員發(fā)現(xiàn)網(wǎng)絡(luò)流量具有自相似特性，傳統(tǒng)的流量模型已不能很好地描述網(wǎng)絡(luò)的自相似性，而流量的自相似性又是網(wǎng)絡(luò)的普遍屬性并決定了網(wǎng)絡(luò)的行為，因而基于自相似建模的研究便成為網(wǎng)絡(luò)研究中的一個(gè)重要方向[13] 。自相似模型在相關(guān)函數(shù)上表現(xiàn)出了長(zhǎng)相關(guān)特性，因此也是長(zhǎng)相關(guān)網(wǎng)絡(luò)流量模型中的典型代表模型。在FC交換機(jī)的驗(yàn)證中，為了模擬網(wǎng)絡(luò)流量的真實(shí)可靠性，單一的流量模型如泊松流量模型根本無(wú)法將如今網(wǎng)絡(luò)流量的突發(fā)性或者長(zhǎng)相關(guān)特性體現(xiàn)出來(lái)。因此，軟件部分的網(wǎng)絡(luò)流量建模需要將長(zhǎng)相關(guān)、短相關(guān)流量模型結(jié)合起來(lái)。本章將重點(diǎn)介紹網(wǎng)絡(luò)流量模型中的泊松流量模型、馬爾科夫調(diào)制的泊松流量模型以及自相似流量模型，并利用PowerPC處理器采用C語(yǔ)言搭建流量模型。 泊松流量模型泊松分布是概率學(xué)中最重要的分布之一，在歷史上有著十分重大的意義。泊松流量模型是根據(jù)泊松分布實(shí)現(xiàn)的排隊(duì)過(guò)程，也被稱為泊松過(guò)程，最早是由20世紀(jì)初的Erlang更具電話業(yè)務(wù)的特征提出的，并且在最初的電話網(wǎng)絡(luò)中發(fā)揮著舉足輕重的作用。在網(wǎng)絡(luò)建模的早期，泊松流量模型更是被大多數(shù)學(xué)者所關(guān)注研究，時(shí)至今日泊松流量模型在短相關(guān)模型里仍然具有著代表地位。 模型分析泊松流量模型即指在時(shí)間序列t內(nèi)，包到達(dá)的數(shù)量n(t)符合參數(shù)為的泊松分布，即公式（31）： (31)其相應(yīng)的包到達(dá)的時(shí)間間隔序列T呈負(fù)指數(shù)分布，即。其中，泊松過(guò)程的強(qiáng)度表示單位時(shí)間間隔內(nèi)出現(xiàn)包數(shù)量的期望值，即包到達(dá)的平均速率，其值為。泊松模型假設(shè)網(wǎng)絡(luò)事件（如數(shù)據(jù)包到達(dá)）是獨(dú)立分布的，并且只與一個(gè)單一的速率參數(shù)有關(guān)。泊松模型較好地滿足了早期網(wǎng)絡(luò)的建模需求，在網(wǎng)絡(luò)設(shè)計(jì)、維護(hù)、管理和性能分析等方面發(fā)揮了很大的作用[13] 。 模型建立泊松（possion）流量模型的建立主要取決于包到達(dá)服務(wù)器的時(shí)間間隔T的取值，具體步驟如下所示：1. 設(shè)置隨機(jī)數(shù)種子rand，滿足rand在0~1之間隨機(jī)變化，體現(xiàn)泊松過(guò)程的隨機(jī)性。2. 由于泊松流量模型中相應(yīng)的包到達(dá)時(shí)間間隔T呈現(xiàn)負(fù)指數(shù)分布，由公式可知：。通過(guò)計(jì)算我們可以得到結(jié)果，到達(dá)時(shí)間間隔計(jì)算公式（32）： (32)泊松過(guò)程的強(qiáng)度表示單位時(shí)間間隔內(nèi)出現(xiàn)包數(shù)量的期望值，那么即為發(fā)送每個(gè)數(shù)據(jù)包的平均時(shí)間間隔。設(shè)置流量生成器的負(fù)載率為p，數(shù)據(jù)包長(zhǎng)度為fram_length，那么就有。3. 最終我們得到結(jié)論，需要的滿足泊松流量模型的時(shí)間間隔數(shù)據(jù)公式（33）： (33)通過(guò)控制寫(xiě)入數(shù)據(jù)寄存器的時(shí)間間隔數(shù)據(jù)，并在軟件中設(shè)置好硬件所需的傳遞參數(shù)，如：負(fù)載率p，數(shù)據(jù)包幀長(zhǎng)frame_length，port端口和返回參數(shù)，寫(xiě)入流量生成器的參數(shù)寄存器，即可完成我們的泊松流量模型的搭建工作。 馬爾科夫調(diào)制的泊松流量模型馬爾科夫（markov）模型的建立始于20世紀(jì)80年代中后期，其可以實(shí)現(xiàn)模擬網(wǎng)絡(luò)流量的突發(fā)性，在建模初期的電話網(wǎng)絡(luò)中具有十分重大的作用。馬爾可夫模型建立的基礎(chǔ)是“無(wú)后效性”和“平穩(wěn)性”。無(wú)后效性是指事物本階段的狀態(tài)只與前一個(gè)階段的狀態(tài)有關(guān),而與以前其他任何階段的狀態(tài)無(wú)關(guān)。穩(wěn)定性是指在較長(zhǎng)時(shí)間后馬爾可夫過(guò)程逐漸趨于穩(wěn)定狀態(tài),而與初始狀態(tài)無(wú)關(guān)。 模型分析馬爾科夫調(diào)制的泊松流量（Markov Modulated Poisson Process，MMPP）模型是由泊松模型和馬爾科夫鏈共同組成。泊松模型已在前文細(xì)述，馬爾科夫鏈定義如下：對(duì)于一個(gè)給定的狀態(tài)空間，表示在n時(shí)刻狀態(tài)的隨機(jī)變量，如果的概率值依賴當(dāng)前的狀態(tài)，和過(guò)去未來(lái)的狀態(tài)無(wú)關(guān)，那么，就形成了一個(gè)馬爾科夫鏈。如果狀態(tài)轉(zhuǎn)換發(fā)生在離散時(shí)間序列，則稱馬爾科夫鏈?zhǔn)请x散的，否則稱為連續(xù)的馬爾科夫鏈。馬爾科夫?qū)傩砸馕吨磥?lái)狀態(tài)只依賴于當(dāng)前狀態(tài)，這使得描述一個(gè)狀態(tài)持續(xù)時(shí)間的隨機(jī)變量的分布呈指數(shù)分布（連續(xù)時(shí)間）或幾何分布（離散時(shí)間）[14] 。馬爾科夫調(diào)制的泊松分布模型狀態(tài)轉(zhuǎn)換如圖31所示。圖中共存在兩個(gè)狀態(tài)分別代表ON狀態(tài)和OFF狀態(tài)，ON狀態(tài)內(nèi)部參數(shù)為，OFF狀態(tài)內(nèi)部參數(shù)為。其中代表ON狀態(tài)服從參數(shù)為的泊松分布，代表OFF狀態(tài)服從參數(shù)為的泊松分布。在ON狀態(tài)和OFF狀態(tài)之間有一定的概率轉(zhuǎn)化關(guān)系，ON狀態(tài)具有的概率跳轉(zhuǎn)到OFF狀態(tài)，反之OFF狀態(tài)具有的概率跳轉(zhuǎn)到ON狀態(tài)[15] 。圖31 馬爾科夫調(diào)制的泊松分布模型狀態(tài)轉(zhuǎn)換圖而根據(jù)馬爾科夫鏈定義，ON狀態(tài)的狀態(tài)持續(xù)時(shí)間將滿足參數(shù)為的負(fù)指數(shù)分布，OFF狀態(tài)的狀態(tài)持續(xù)時(shí)間將滿足參數(shù)為的負(fù)指數(shù)分布。 模型建立馬爾科夫調(diào)制的泊松分布模型中，ON狀態(tài)為流量發(fā)送狀態(tài)，將給流量生成器的數(shù)據(jù)寄存器發(fā)送包到達(dá)時(shí)間間隔T，OFF狀態(tài)為關(guān)閉狀態(tài)，將會(huì)給流量生成器參數(shù)寄存器傳遞參數(shù)，控制其不發(fā)送數(shù)據(jù)。為了實(shí)現(xiàn)模擬網(wǎng)絡(luò)流量的突發(fā)性，狀態(tài)轉(zhuǎn)換概率的控制必不可少，顯然遠(yuǎn)大于，如此可以凸顯突發(fā)狀態(tài)不發(fā)送數(shù)據(jù)的情況。具體模型建立步驟如下所示：1. 設(shè)置相關(guān)參數(shù)，負(fù)載率p，數(shù)據(jù)包幀長(zhǎng)frame_length，并設(shè)定易于驗(yàn)證實(shí)現(xiàn)模型。2. 由ON和OFF的狀態(tài)持續(xù)時(shí)間滿足負(fù)指數(shù)分布可知，ON狀態(tài)和OFF狀態(tài)的狀態(tài)持續(xù)時(shí)間比例為:。又由于ON狀態(tài)發(fā)送數(shù)據(jù)包OFF狀態(tài)不發(fā)送數(shù)據(jù)包，那么可以得到ON狀態(tài)負(fù)載率。據(jù)前文泊松模型計(jì)算公式可以知道此事，可以得出公式（34）： (34)3. 設(shè)置狀態(tài)到達(dá)時(shí)間參數(shù)timetoarrival以及狀態(tài)持續(xù)時(shí)間參數(shù)timetotransition。狀態(tài)持續(xù)時(shí)間timetotransition滿足參數(shù)的負(fù)指數(shù)分布，狀態(tài)到達(dá)時(shí)間timetoarrival滿足參數(shù)為的負(fù)指數(shù)分布。并且狀態(tài)持續(xù)時(shí)間timetotransition顯然是狀態(tài)到達(dá)時(shí)間timetoarrival的倍數(shù)關(guān)系，那么我們可以得到timetoarrival關(guān)系式（35）如下： (35)其中在ON狀態(tài)指代，OFF狀態(tài)指代。此外timetotransition關(guān)系式如（36）可以表示為： (36)4. 最后則要考慮狀態(tài)轉(zhuǎn)換問(wèn)題，其轉(zhuǎn)換情況將根據(jù)狀態(tài)持續(xù)時(shí)間timetotransition和狀態(tài)到達(dá)時(shí)間timetoarrival的大小關(guān)系進(jìn)行。如圖32所示，初始狀態(tài)預(yù)設(shè)，也就是ON狀態(tài)。產(chǎn)生初始狀態(tài)持續(xù)時(shí)間timetotransition和初始狀態(tài)到達(dá)時(shí)間timetoarrival，比較兩者大小，若timetotransitiontimetoarrival則timetotransition=timetotransitiontimetoarrival，存儲(chǔ)狀態(tài)到達(dá)時(shí)間到數(shù)據(jù)寄存器并且產(chǎn)生新的timetoarrival，反之代表ON狀態(tài)切換到OFF狀態(tài)，重新產(chǎn)生timetotransition，再一次進(jìn)行新的比較。如此產(chǎn)生足夠多的數(shù)據(jù)即可完成模擬馬爾科夫調(diào)制的泊松分布模型數(shù)據(jù)流。圖32 馬爾科夫建模狀態(tài)轉(zhuǎn)換圖 自相似流量模型上文介紹的流量模型均是網(wǎng)絡(luò)建模前期所提出的短相關(guān)模型，其具有網(wǎng)絡(luò)流量模型的基本特征，但是在目前網(wǎng)絡(luò)技術(shù)發(fā)展迅速的時(shí)代中并不適合。長(zhǎng)相關(guān)模型于1994年提出，它能正確的反應(yīng)當(dāng)下網(wǎng)絡(luò)流量的特性，是目前應(yīng)用最為廣泛的流量模型，而在長(zhǎng)相關(guān)模型的構(gòu)建中，自相似模型無(wú)疑是長(zhǎng)相關(guān)模型的代表模型。自相似模型反映了局部的結(jié)構(gòu)與總體的結(jié)構(gòu)相比具有某種程度的一致性，在建模過(guò)程中利用自相似模型可以更好的理解長(zhǎng)相關(guān)特性。 自相似概念自相似的概念是由分形學(xué)引出的。分形是美籍法國(guó)數(shù)學(xué)家芒特勃羅(Benoit )[16] 在研究海岸線曲線的過(guò)程中提出的，具有不規(guī)則、支離破碎的含義。芒特勃羅試圖用分形來(lái)描述幾何學(xué)中，不能滿足傳統(tǒng)歐幾里得幾何學(xué)的一些復(fù)雜的對(duì)象。直觀的來(lái)描述分形的物理意義，就是將圖形的任何一部分取出，進(jìn)行不同比例的縮放都可以得出與原圖形非常相似的形狀。并且用不同尺度來(lái)度量這樣的圖形,也可以得到不同的結(jié)果，尺度越小，度量的結(jié)果越精細(xì)，當(dāng)然圖形總長(zhǎng)度也會(huì)隨之變大。這解釋了自然界中這類(lèi)圖形的一個(gè)重要性質(zhì)，即是分維的性質(zhì)。這些圖形的維度并不是整數(shù)的。對(duì)于這種不是整數(shù)維度的對(duì)象，在自然界中并不是特例。整數(shù)維度的的圖形反而是一種特殊情況。傳統(tǒng)的數(shù)學(xué)的線性方法不能描述這類(lèi)問(wèn)題,例如在流體力學(xué)中的湍流、對(duì)流等問(wèn)題。分形理論在近代科學(xué)中大放異彩。分形幾何從很多方面增強(qiáng)了我們使用數(shù)學(xué)方法對(duì)世界的認(rèn)知。首先，自然界中的很多形狀并不是規(guī)則的，但背后都是有規(guī)律的，很多從前不可以描述的形狀，都可以使用計(jì)算機(jī)進(jìn)行模擬，數(shù)字化地得出類(lèi)似的景象。這種方法可以幫助人們將龐大復(fù)雜的現(xiàn)實(shí)世界壓縮建模，進(jìn)一步研究其內(nèi)在的規(guī)律。其次，過(guò)去某些被認(rèn)可的隨機(jī)事件，從分形理論的角度看并不是真正隨機(jī)的，比如布朗運(yùn)動(dòng)、股價(jià)的波動(dòng)以及傳染病的流行傳播等。分形理論讓我們對(duì)這些問(wèn)題有了更準(zhǔn)確的認(rèn)識(shí)。再次是從分形理論中衍生出的分?jǐn)?shù)維這一概念，增進(jìn)了人們對(duì)世界的認(rèn)識(shí)方式，為自然界的復(fù)雜形態(tài)提供了一個(gè)新的尺度。分形論中的自相似概念，最初指形態(tài)或結(jié)構(gòu)的自相似性。也就是說(shuō)，在形態(tài)或結(jié)構(gòu)上具有自相似性的幾何對(duì)象稱為分形。如果一個(gè)對(duì)象是分形的或自相似的，進(jìn)行合理的放大后，其整體的形狀是相似的。由于在自然界、社會(huì)和思維領(lǐng)域廣泛存在著分形現(xiàn)象，這引起了分形研究的飛速發(fā)展。自相似是分形的一個(gè)重要特征，對(duì)于時(shí)間序列，它表示在不同的時(shí)間尺度下具有相同的統(tǒng)計(jì)特性。對(duì)于網(wǎng)絡(luò)自相似的研究始于 1987 年， Wilson 等人開(kāi)始使用一種精密的網(wǎng)絡(luò)監(jiān)測(cè)設(shè)備，對(duì)Bellcore Morris R/D 中心（MRE）DE若干個(gè)以太網(wǎng)中的業(yè)務(wù)流進(jìn)行了深入研究。其后，在 1989 年更將該設(shè)備的時(shí)間分辨率由100us提高到20us，并在隨后的三年中進(jìn)行了更為系統(tǒng)的研究分析。他們對(duì)所得到的數(shù)百萬(wàn)個(gè)實(shí)際網(wǎng)絡(luò)傳輸?shù)臄?shù)據(jù)包進(jìn)行了統(tǒng)計(jì)分析。結(jié)果表明，LAN 業(yè)務(wù)的統(tǒng)計(jì)特性是基于泊松或伯努利過(guò)程的傳統(tǒng)業(yè)務(wù)流模型所無(wú)法描述的。1994 年，W 等人發(fā)表文章《On the SelfSimilar Nature of Ethernet Traffic》[17] ，提出這種特性更適于采用自相似模型來(lái)描述，這也是第一次提出用自相似模型理論來(lái)度量以太網(wǎng)流量。自從Leland對(duì) Bellcore的局域網(wǎng)的測(cè)試與分析結(jié)果發(fā)表后，又有許多針對(duì)其他實(shí)際運(yùn)行網(wǎng)絡(luò)的測(cè)量研究成果。較有代表性的有：Erramilli和Willinger等基于ISDN、以太網(wǎng)及VBR 視頻業(yè)務(wù)的觀測(cè)數(shù)據(jù)[18] ；（