主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2020-2021年专刊出版计划 微信服务介绍 最新一期:2020年第6期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
苏琪,龚俭,苏艳珺.基于抽样流记录的RTT估计.软件学报,2014,25(10):2346-2361
基于抽样流记录的RTT估计
RTT Estimation Based on Sampled Flow Data
投稿时间:2013-03-07  修订日期:2013-07-30
DOI:10.13328/j.cnki.jos.004461
中文关键词:  RTT估计  抽样流记录  网络测量  网络管理  随机过程
英文关键词:RTT estimation  sampled flow data  network measurement  network management  stochastic process
基金项目:国家科技支撑计划(2008BAH37B04);国家基础研究发展计划(973)(2009CB320505);国家自然科学基金(60973123)
作者单位E-mail
苏琪 东南大学 计算机科学与工程学院, 江苏 南京 210096
江苏省计算机网络重点实验室, 江苏 南京 210096 
qsu@njnet.edu.cn 
龚俭 东南大学 计算机科学与工程学院, 江苏 南京 210096
江苏省计算机网络重点实验室, 江苏 南京 210096 
 
苏艳珺 东南大学 计算机科学与工程学院, 江苏 南京 210096
江苏省计算机网络重点实验室, 江苏 南京 210096 
 
摘要点击次数: 2086
全文下载次数: 2199
中文摘要:
      往返时延(RTT)是网络测量中的一个重要测度,是刻画网络性能的重要指标.传统的RTT测量都是基于报文的,需要专门的主动或被动测量平台的支持.提出一种新的RTT估计方法,仅使用现有路由器设备提供的流记录,不需要额外的网络测量设施.通过对TCP块状流传输特性的分析,分别建立了当套接字缓冲区长度与带宽延迟积BDP相对较小、较大和相近这3种情况下的RTT估计模型.实验结果表明,这些模型都能很好地完成RTT估计.同时,由于在估计当中只使用了流持续时间和总报文两个变量,因此,该方法同样适用于以抽样流记录为输入的环境,能够有效地应用于现有的大规模主干网环境的网络检测与管理.
英文摘要:
      Round-Trip time (RTT) is an important metric for network measurement and an essential indicator for network performance monitoring. Traditional packet trace based RTT estimation usually depends on particular active or passive measurement platforms. This paper proposes a new RTT estimation method, which merely takes flow data from existed routers and hardly needs extra network measurement facility. Based on the analysis of transmission features of TCP bulk flow, RTT estimation models are established corresponding to the conditions where socket buffer size and bandwidth delay product (BDP) are relatively small, large and approximate. Experiments show RTT estimation can be well accomplished through those models. Moreover, considering only duration and total packet number of a TCP bulk flow are involved in estimation, this method is also adoptable to situation with sampling flow data as input, and thus is effective in monitoring and managing the large-scale backbone network performance.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利