專利名稱：基于t檢測模型的網(wǎng)絡(luò)坐標(biāo)系統(tǒng)輸入時延預(yù)處理方法
技術(shù)領(lǐng)域：
本發(fā)明涉及互聯(lián)網(wǎng)技術(shù)領(lǐng)域，具體涉及基于t檢測模型的網(wǎng)絡(luò)坐標(biāo)系統(tǒng)輸入時延 預(yù)處理方法。
背景技術(shù)：
近年來，隨著IP網(wǎng)絡(luò)規(guī)模指數(shù)級別的增長速度，網(wǎng)絡(luò)結(jié)構(gòu)異構(gòu)性和復(fù)雜性程度增 大，導(dǎo)致網(wǎng)絡(luò)內(nèi)部性能的可知性變差。同時又隨著新的網(wǎng)絡(luò)應(yīng)用的不斷涌現(xiàn)，用戶對網(wǎng)絡(luò) 服務(wù)質(zhì)量要求的不斷上升，無論是網(wǎng)絡(luò)服務(wù)提高商，還是用戶，都希望能及時、準(zhǔn)確的掌握 反映網(wǎng)絡(luò)當(dāng)前性能的第一手資料，最大程度優(yōu)化網(wǎng)絡(luò)應(yīng)用。在實際IP網(wǎng)絡(luò)中，能反映網(wǎng)絡(luò) 運行性能和行為的參數(shù)很多，例如帶寬、時延、吞吐量等，而節(jié)點間時延是其關(guān)鍵參數(shù)之 一，能夠直接反映當(dāng)前網(wǎng)絡(luò)的性能狀況。我們常把節(jié)點間時延稱之為“網(wǎng)絡(luò)距離”(Network Distance)。如在 P2P (Peer—to—Peer)網(wǎng)絡(luò)中 DHT (Dynamic Hash Table)構(gòu)造、Overlay 路 由、組播樹構(gòu)建等，它們都可以利用時延信息對其性能進(jìn)行優(yōu)化和提高。如何通過一種高效 的測量的方式，來獲取網(wǎng)絡(luò)節(jié)點間的時延，是現(xiàn)在研究的熱點問題。為了得到網(wǎng)絡(luò)距離，最簡單而直接的方式就是在節(jié)點間的發(fā)起Ping探測數(shù)據(jù)包。 然而這種方式測量次數(shù)，與網(wǎng)絡(luò)規(guī)模存在指數(shù)級別的數(shù)量關(guān)系，由此給網(wǎng)絡(luò)帶來很大的測 量開銷。例如在具有N臺主機的網(wǎng)絡(luò)中，需要測量0(N2)次，其效率低、可擴(kuò)展性差。另一 種是采用非直接測量方式，這僅僅需要部分節(jié)點間的有限次直接測量結(jié)果就能對其它所有 節(jié)點間的距離進(jìn)行預(yù)測，其復(fù)雜度降為O(N)；并且節(jié)點可以用幾何方法相互獨立地對網(wǎng)絡(luò) 時延進(jìn)行存儲、計算和處理等操作，方便網(wǎng)絡(luò)應(yīng)用?；诰W(wǎng)絡(luò)坐標(biāo)的時延預(yù)測方法，是近來提出的一類應(yīng)用前景很好的非直接測量方 法。該類方法是利用節(jié)點與部分鄰居節(jié)點間的有限次直接測量時延信息，以測度空間嵌入 理論為基礎(chǔ)，將網(wǎng)絡(luò)主機映射為虛擬空間中的點，并為其分配相應(yīng)的虛擬坐標(biāo)，由此就能夠 利用虛擬空間中兩點之間測度距離來預(yù)測相應(yīng)主機間的時延。網(wǎng)絡(luò)坐標(biāo)方法能以較小的 測量開銷預(yù)測時延，在實際網(wǎng)絡(luò)環(huán)境中，它們在構(gòu)建網(wǎng)絡(luò)坐標(biāo)系統(tǒng)時，通常要先取得所參考 部分鄰居節(jié)點間的一段時間內(nèi)的有限次直接測量時延信息，分別將時延隊列中數(shù)值大小上 處于中間位置的時延值提取出來，形成靜態(tài)稀疏時延矩陣作為建立網(wǎng)絡(luò)坐標(biāo)系統(tǒng)的輸入時 延。在這種情形下，因為構(gòu)建坐標(biāo)系統(tǒng)所輸入的是靜態(tài)稀疏時延矩陣，雖然節(jié)點間時延值穩(wěn) 定，但是并不能動態(tài)的反映網(wǎng)絡(luò)中擁塞及拓?fù)渥兓Ｔ诂F(xiàn)實場景中，無論是網(wǎng)絡(luò)擁塞、網(wǎng)絡(luò) 負(fù)載均衡還是網(wǎng)絡(luò)拓?fù)渥兓鹊龋伎梢栽斐删W(wǎng)絡(luò)節(jié)點間的時延值不穩(wěn)定。如果對這些參 與網(wǎng)絡(luò)坐標(biāo)系統(tǒng)構(gòu)建的輸入時延不作任何處理，則無法保證用其建立網(wǎng)絡(luò)坐標(biāo)系統(tǒng)時延預(yù) 測的準(zhǔn)確性及其收斂周期。
發(fā)明內(nèi)容
本發(fā)明所要解決的問題是如何提供一種基于t檢測模型的網(wǎng)絡(luò)坐標(biāo)系統(tǒng)輸入時 延預(yù)處理方法，該方法能克服現(xiàn)有技術(shù)中所存在的缺陷，保證了在復(fù)雜的網(wǎng)絡(luò)背景環(huán)境下，網(wǎng)絡(luò)距離半測度空間嵌入理論對其輸入時延值穩(wěn)定變化并且還能夠及時反映當(dāng)前網(wǎng)絡(luò)狀 況的要求，保障了網(wǎng)絡(luò)距離非直接測量的準(zhǔn)確性。本發(fā)明所提出的技術(shù)問題是這樣解決的提供一種基于t檢測模型的網(wǎng)絡(luò)坐標(biāo)系 統(tǒng)輸入時延預(yù)處理方法，其特征在于，每個網(wǎng)絡(luò)節(jié)點記錄其與部分鄰居節(jié)點間最近H個直 接測量時延值，在t檢驗?zāi)Ｐ拖拢罁?jù)該時延隊列的時延觀察值，估計出本節(jié)點間的下一時 刻時延觀察值的置信區(qū)間，以檢測并抑制異常的時延觀察值，得到其平滑輸出時延結(jié)果，具 體步驟如下①變量定義a、Sample是節(jié)點AB間有限次直接測量的時延值，A和B是網(wǎng)絡(luò)坐標(biāo)系統(tǒng)中的兩 個節(jié)點，其中A是本地節(jié)點，進(jìn)行網(wǎng)絡(luò)坐標(biāo)的更新過程，B是A的參考鄰居節(jié)點，該時延隊列 中包含節(jié)點AB間全部可能的時延值，稱為總體，這是進(jìn)行測度距離空間嵌入所需的時延集 合，以一維數(shù)值的形式，作為要進(jìn)行平滑處理的輸入時延數(shù)據(jù)；b、SA = (Sa1, Sa2, · · · SaH}是來自總體Sample的簡單隨機樣本，由節(jié)點AB間最近 H次直接測量時延的個體Sa1, Sa2, . . . Saa組成，其個體Sa1, Sa2, . . . Saa是來自總體Sample 中時延信息的觀察結(jié)果，樣本容量即歷史記錄時延窗口大小為H，H > 3，，并且，樣本SA要 隨著總體Sample中最新取得的所直接測量的時延個體的到來而更新；C、AVER是總體Sample中簡單隨機樣本SAdSa1, Sa2, · · · SaH})的樣本均值，以該 樣本均值作為總體均值的最大似然估計；d、MAXV是總體均值的置信區(qū)間上界，以簡單隨機樣本SA({Sa1; Sa2,. . . SaH})的樣 本均值和樣本方差作為其自變量MAXV = X
ιe、I是簡單隨機樣本SA的樣本均值，S是簡單隨機樣本SA的樣本標(biāo)準(zhǔn)差，N是SA 的樣本容量，用到的是t檢驗法，1-α稱為置信水平；f、RTTid是輸出結(jié)果，以該時延值作為網(wǎng)絡(luò)距離半測度空間嵌入的輸入，用于建立 網(wǎng)絡(luò)坐標(biāo)系統(tǒng)；②處理過程a、對于最新直接測量的時延個體，根據(jù)其格式字段中的“鄰居節(jié)點ID值”判斷出 該時延個體所屬于的總體Sample，提取出該時延個體格式字段中的“節(jié)點間原始時延值”作 為本次待平滑處理的時延值；b、根據(jù)該節(jié)點間歷史窗口內(nèi)的簡單隨機樣本SA({Sa1; Sa2, ...SaH})信息，計算出 樣本均值: 和樣本標(biāo)準(zhǔn)差S，從而進(jìn)一步計算出總體均值的置信區(qū)間上界MAXV，其中:γ和 AVER同為簡單隨機樣本SA的樣本均值，I用于計算MAXV，而AVER作為總體均值的最大似 然估計；C、如果新到個體格式字段中“節(jié)點間原始時延值”大于MAXV，認(rèn)為此次時延觀察值 存在異常，令平滑處理輸出結(jié)果RTTid等于總體均值的最大似然估計值A(chǔ)VER ；否則，令RTTid 等于該新時延個體格式字段中的“節(jié)點間原始時延值”；d、用該時延個體格式字段中的“節(jié)點間原始時延值”，更新樣本SA的歷史窗口內(nèi) 時延個體信息，保證樣本容量保持為H ；
e、用平滑處理輸出結(jié)果RTTid，作為網(wǎng)絡(luò)距離半測度空間的輸入時延值，在網(wǎng)絡(luò)坐 標(biāo)系統(tǒng)核心算法(如Vivaldi)下，更新該節(jié)點的坐標(biāo)值；f、等待新的個體時延觀察值，如果有新的個體時延觀察值到來，跳到步驟a;否 貝U，繼續(xù)等待。本發(fā)明的有益結(jié)果是利用已經(jīng)得知部分節(jié)點間的直接測量時延數(shù)據(jù)，能夠濾出 該鏈路中的隨機延遲污染事件，產(chǎn)生穩(wěn)定變化的輸出時延值，從而進(jìn)行網(wǎng)絡(luò)距離測度空間 嵌入建立虛擬坐標(biāo)系統(tǒng)。保證了在復(fù)雜的網(wǎng)絡(luò)背景環(huán)境下，網(wǎng)絡(luò)距離半測度空間嵌入理論 對其輸入時延值穩(wěn)定變化并且還能夠及時反映當(dāng)前網(wǎng)絡(luò)狀況的要求，保障了網(wǎng)絡(luò)距離非直 接測量的準(zhǔn)確性。
圖1時延個體格式示例；圖2算法功能示意圖；圖3算法功能結(jié)構(gòu)圖；圖4RS-TDM算法工作流程圖。
具體實施例方式下面結(jié)合附圖對本發(fā)明作進(jìn)一步描述如何高效地利用節(jié)點與部分選擇節(jié)點間有限次直接測量獲得的時延信息來構(gòu)造 一個穩(wěn)定的滿足一定測度空間定義的網(wǎng)絡(luò)坐標(biāo)系統(tǒng)，這對提高非直接測量方法的時延預(yù)測 準(zhǔn)確性非常重要。然而在實際網(wǎng)絡(luò)中，節(jié)點間的時延信息容易遭受網(wǎng)絡(luò)擁塞、網(wǎng)絡(luò)負(fù)載均衡 及網(wǎng)絡(luò)拓?fù)渥兓鹊挠绊?。如果不對它們進(jìn)行處理，將導(dǎo)致?lián)藰?gòu)建的網(wǎng)絡(luò)坐標(biāo)系統(tǒng)不穩(wěn) 定，而無法得到準(zhǔn)確的時延預(yù)測結(jié)果。為此，本發(fā)明提出一種時延預(yù)處理算法，通過對參與 網(wǎng)絡(luò)坐標(biāo)系統(tǒng)構(gòu)建的輸入時延的預(yù)處理，來提高網(wǎng)絡(luò)坐標(biāo)系統(tǒng)的穩(wěn)定性。該算法利用節(jié)點 間歷史記錄的時延信息，對該節(jié)點間下一時刻直接測量的時延值進(jìn)行平滑處理，以抑制其 隨機波動；然后再將平滑處理過的時延數(shù)據(jù)作為輸入，構(gòu)建相對穩(wěn)定的網(wǎng)絡(luò)坐標(biāo)系統(tǒng)。為了提高網(wǎng)絡(luò)坐標(biāo)系統(tǒng)的穩(wěn)定性，改善網(wǎng)絡(luò)距離預(yù)測準(zhǔn)確性，本發(fā)明提出了針對 網(wǎng)絡(luò)坐標(biāo)系統(tǒng)輸入時延的預(yù)處理方法，即基于t檢測模型的時延數(shù)據(jù)平滑處理算法(RTT Smoothing Algorithm based on t Detection Model, RS—TDM) 。 $ RS—TDM 胃夕去巾，*f 網(wǎng)絡(luò)節(jié)點記錄其與部分鄰居節(jié)點間最近H個(H>3)直接測量時延值，在t檢驗?zāi)Ｐ拖?，?據(jù)該時延隊列的時延觀察值，估計出本節(jié)點間的下一時刻時延觀察值的置信區(qū)間，以檢測 并抑制異常的時延觀察值，得到其平滑輸出時延結(jié)果。在RS-TDM算法中，我們將一節(jié)點對 全部可能的直接測量時延值稱為總體(Sample)，該總體中的每一個可能的時延觀察值稱為 個體。將最近H次直接測量時延記為Sa1, Sa2, . . . Saa,并將Sa1, Sa2, . . . Saa稱為來自總體 Sample的一個樣本，H為樣本容量。由該樣本可以計算出樣本均值和樣本方差，并基于t檢 驗?zāi)Ｐ陀嬎愠隹傮w均值的置信區(qū)間。因為樣本均值是總體均值的無偏估計，可以用計算出 來的總體均值的置信區(qū)間，來檢驗下一時刻樣本均值的可信程度，如果下一時刻樣本時延 觀察值在所計算的總體均值的置信區(qū)間內(nèi)，則用該時延樣本觀察值，作為建立網(wǎng)絡(luò)坐標(biāo)系 統(tǒng)的輸入時延值；若該時延樣本觀察值并不在所計算的總體均值的置信區(qū)間內(nèi)，RS-TDM算法采用前面計算的樣本均值作為總體均值的最大似然估計值，作為網(wǎng)絡(luò)距離半測度空間的 輸入時延值。該算法基于概率論t檢測模型，利用節(jié)點間歷史記錄時延樣本信息，檢測并抑制 該節(jié)點間下一時刻異常的時延觀察值，以得到平滑輸出時延結(jié)果用來進(jìn)行網(wǎng)絡(luò)距離半測度 空間嵌入，保證用其建立網(wǎng)絡(luò)坐標(biāo)系統(tǒng)時延預(yù)測的準(zhǔn)確性及其收斂周期?；趖檢測模型的時延數(shù)據(jù)平滑處理算法(RS-TDM)在RS-TDM算法中，每個網(wǎng) 絡(luò)節(jié)點記錄其與部分鄰居節(jié)點間最近H個(H >3)直接測量時延值，在t檢驗?zāi)Ｐ拖拢?據(jù)該時延隊列的時延觀察值，估計出本節(jié)點間的下一時刻時延觀察值的置信區(qū)間，以檢測 并抑制異常的時延觀察值，得到其平滑輸出時延結(jié)果。在RS-TDM算法中，我們將一節(jié)點對 全部可能的直接測量時延值稱為總體(Sample)，該總體中的每一個可能的時延觀察值稱為 個體。將最近H次直接測量時延記為Sa1, Sa2, . . . Saa,并將Sa1, Sa2, . . . Saa稱為來自總體 Sample的一個樣本，H為樣本容量。由該樣本可以計算出樣本均值和樣本方差，并基于t檢 驗?zāi)Ｐ陀嬎愠隹傮w均值的置信區(qū)間。因為樣本均值是總體均值的無偏估計，可以用計算出 來的總體均值的置信區(qū)間，來檢驗下一時刻樣本均值的可信程度，如果下一時刻樣本時延 觀察值在所計算的總體均值的置信區(qū)間內(nèi)，則用該時延樣本觀察值，作為建立網(wǎng)絡(luò)坐標(biāo)系 統(tǒng)的輸入時延值；若該時延樣本觀察值并不在所計算的總體均值的置信區(qū)間內(nèi)，RS-TDM算 法采用前面計算的樣本均值作為總體均值的最大似然估計值，作為網(wǎng)絡(luò)距離半測度空間的 輸入時延值。RS-TDM算法樣本容量的選擇策略簡單隨機樣本容量為H(H > 3)，并以最新的直 接測量時延個體觀察值來更新該簡單隨機樣本，以該樣本中的個體時延觀察值，作為平滑 處理輸出時延值的判斷依據(jù)信息。RS-TDM算法時延總體均值置信區(qū)間的選擇策略簡單隨機樣本中，保存有最近H 次所直接測量的時延個體信息。在該容量為H的簡單隨機樣本中，計算出其時延樣本均值 和時延樣本方差，并用其在t檢驗?zāi)Ｐ拖掠嬎愠鰰r延總體均值的置信區(qū)間。RS-TDM算法的平滑處理結(jié)果因為樣本均值是總體均值的無偏估計，可以用計算 出來的總體均值的置信區(qū)間，來檢驗下一時刻樣本均值的可信程度，如果下一時刻樣本時 延觀察值在所計算的總體均值的置信區(qū)間內(nèi)，則用該時延樣本觀察值，作為建立網(wǎng)絡(luò)坐標(biāo) 系統(tǒng)的輸入時延值；若該時延樣本觀察值并不在所計算的總體均值的置信區(qū)間內(nèi)，RS-TDM 算法采用前面計算的樣本均值作為總體均值的最大似然估計值，作為網(wǎng)絡(luò)距離半測度空間 的輸入時延值。其特點是如果所參考樣本的個體時延觀察值波動范圍大，將導(dǎo)致總體均值 置信區(qū)間間隔變大，RS-TDM算法容許輸出時延值在總體均值置信區(qū)間內(nèi)變化，而置信區(qū)間 的上邊界能夠抑制輸出時延數(shù)據(jù)跨越數(shù)量級的變化，形成穩(wěn)定的平滑處理輸出結(jié)果。
具體實施例如圖1 圖4所示，在基于IP網(wǎng)絡(luò)坐標(biāo)的非直接時延測量系統(tǒng)中，t時刻每個節(jié) 點N保持一張表，該表有兩個域，[ID, RTTiiJn，其中ID為節(jié)點N的鄰居節(jié)點的標(biāo)識號，RTTid 為節(jié)點N與該鄰居節(jié)點進(jìn)行測度空間嵌入的時延值?；趖檢測模型的時延數(shù)據(jù)平滑處理算法(RS-TDM)是針對網(wǎng)絡(luò)坐標(biāo)系統(tǒng)輸入 時延的預(yù)處理方法，該算法通過歷史時延記錄值，來平滑處理作為網(wǎng)絡(luò)坐標(biāo)系統(tǒng)核心算法(如Vivaldi算法)的輸入時延值，以滿足網(wǎng)絡(luò)距離半測度空間嵌入理論對其輸入時延值穩(wěn) 定變化并且還能夠及時反映當(dāng)前網(wǎng)絡(luò)狀況的要求?；趖檢測模型的時延數(shù)據(jù)平滑處理算法(RS-TDM)為方便描述，我們?nèi)【W(wǎng)絡(luò)坐標(biāo)系統(tǒng)中的兩個節(jié)點A和B。其中A是本地節(jié)點，進(jìn)行網(wǎng)絡(luò)坐標(biāo)的更新過程，B是A的參考鄰居節(jié)點，節(jié)點AB間的時延值，作為RS-TDM算法的輸 入時延，并用得到平滑處理結(jié)果作為網(wǎng)絡(luò)坐標(biāo)系統(tǒng)的輸入時延。(1)變量描述1). Sample是節(jié)點AB間有限次直接測量的時延值，該時延隊列中包含節(jié)點AB間全 部可能的時延值，稱為總體，這是進(jìn)行測度距離空間嵌入所需的時延集合，以一維數(shù)值的形 式，作為RS-TDM算法要進(jìn)行平滑處理的輸入時延數(shù)據(jù)。。2) · SA = (Sa15Sa2, · · · SaH}是來自總體Sample的簡單隨機樣本，由節(jié)點AB間最近 H次直接測量時延的個體Sa1, Sa2, . . . Saa組成，其個體Sa1, Sa2, . . . Saa是來自總體Sample 中時延信息的觀察結(jié)果。在這里，樣本容量(即歷史記錄時延窗口大小)為H(H彡3)，并 且，樣本SA要隨著總體Sample中最新取得的所直接測量的時延個體的到來而更新。3). AVER是總體Sample中簡單隨機樣本SAdSa1, Sa2, · · · SaH})的樣本均值，在 RS-TDM算法中，以該樣本均值作為總體均值的最大似然估計。4). MAXV是總體均值的置信區(qū)間上界，以簡單隨機樣本SA({Sa1; Sa2, . . . SaH})的 樣本均值和樣本方差作為其自變量。MAXV^X + ^ta(n-l)5). I是簡單隨機樣本SA的樣本均值，S是簡單隨機樣本SA的樣本標(biāo)準(zhǔn)差，N是 SA的樣本容量，在RS-TDM算法中用到的是t檢驗法，l-α稱為置信水平。6). RTTid是RS-TDM算法的輸出結(jié)果，以該時延值作為網(wǎng)絡(luò)距離半測度空間嵌入的 輸入，用于建立網(wǎng)絡(luò)坐標(biāo)系統(tǒng)。(2)算法過程算法輸入樣本觀察值SA算法輸出平滑處理結(jié)果RTTid算法步驟1).對于最新直接測量的時延個體，根據(jù)其格式字段中的“鄰居節(jié)點ID值”判斷出 該時延個體所屬于的總體Sample，提取出該時延個體格式字段中的“節(jié)點間原始時延值”作 為本次待平滑處理的時延值。2).根據(jù)該節(jié)點間歷史窗口內(nèi)的簡單隨機樣本SA({Sa1; Sa2, ...SaH})信息，計算 出樣本均值: 和樣本標(biāo)準(zhǔn)差S，從而進(jìn)一步計算出總體均值的置信區(qū)間上界MAXV。其中I 和AVER同為簡單隨機樣本SA的樣本均值，I用于計算MAXV，而AVER作為總體均值的最大 似然估計。3).如果新到個體格式字段中“節(jié)點間原始時延值”大于MAXV，在RS-TDM算法中 認(rèn)為此次時延觀察值存在異常，令平滑處理輸出結(jié)果RTTid等于總體均值的最大似然估計 值A(chǔ)VER。否則，令RTTid等于該新時延個體格式字段中的“節(jié)點間原始時延值”。4).用該時延個體格式字段中的“節(jié)點間原始時延值”，更新樣本SA的歷史窗口內(nèi)時延個體信息，保證樣本容量保持為H(H ^ 3)。
5).用平滑處理輸出結(jié)果RTTid,作為網(wǎng)絡(luò)距離半測度空間的輸入時延值，在網(wǎng)絡(luò) 坐標(biāo)系統(tǒng)核心算法(如Vivaldi)下，更新該節(jié)點的坐標(biāo)值。等待新的個體時延觀察值，如果有新的個體時延觀察值到來，跳到步驟1 ；否則，
繼續(xù)等待。
權(quán)利要求
基于t檢測模型的網(wǎng)絡(luò)坐標(biāo)系統(tǒng)輸入時延預(yù)處理方法，其特征在于，每個網(wǎng)絡(luò)節(jié)點記錄其與部分鄰居節(jié)點間最近H個直接測量時延值，在t檢驗?zāi)Ｐ拖?，依?jù)該時延隊列的時延觀察值，估計出本節(jié)點間的下一時刻時延觀察值的置信區(qū)間，以檢測并抑制異常的時延觀察值，得到其平滑輸出時延結(jié)果，具體步驟如下①變量定義a、Sample是節(jié)點A、B間有限次直接測量的時延值，A和B是網(wǎng)絡(luò)坐標(biāo)系統(tǒng)中的兩個節(jié)點，其中A是本地節(jié)點，進(jìn)行網(wǎng)絡(luò)坐標(biāo)的更新過程，B是A的參考鄰居節(jié)點，該時延隊列中包含節(jié)點AB間全部可能的時延值，稱為總體，這是進(jìn)行測度距離空間嵌入所需的時延集合，以一維數(shù)值的形式，作為要進(jìn)行平滑處理的輸入時延數(shù)據(jù)；b、SA＝{Sa1，Sa2，...SaH}是來自總體Sample的簡單隨機樣本，由節(jié)點AB間最近H次直接測量時延的個體Sa1，Sa2，...SaH組成，其個體Sa1，Sa2，...SaH是來自總體Sample中時延信息的觀察結(jié)果，樣本容量即歷史記錄時延窗口大小為H，H≥3，并且，樣本SA要隨著總體Sample中最新取得的所直接測量的時延個體的到來而更新；c、AVER是總體Sample中簡單隨機樣本SA({Sa1，Sa2，...SaH})的樣本均值，以該樣本均值作為總體均值的最大似然估計；d、MAXV是總體均值的置信區(qū)間上界，以簡單隨機樣本SA({Sa1，Sa2，...SaH})的樣本均值和樣本方差作為其自變量 <mrow><mi>MAXV</mi><mo>=</mo><mover> <mi>X</mi> <mo>‾</mo></mover><mo>+</mo><mfrac> <mi>S</mi> <msqrt><mi>n</mi> </msqrt></mfrac><msub> <mi>t</mi> <mi>α</mi></msub><mrow> <mo>(</mo> <mi>n</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo></mrow><mo>;</mo> </mrow>e、是簡單隨機樣本SA的樣本均值，S是簡單隨機樣本SA的樣本標(biāo)準(zhǔn)差，N是SA的樣本容量，用到的是t檢驗法，1-α稱為置信水平；f、RTTID是輸出結(jié)果，以該時延值作為網(wǎng)絡(luò)距離半測度空間嵌入的輸入，用于建立網(wǎng)絡(luò)坐標(biāo)系統(tǒng)；②處理過程a、對于最新直接測量的時延個體，根據(jù)其格式字段中的“鄰居節(jié)點ID值”判斷出該時延個體所屬于的總體Sample，提取出該時延個體格式字段中的“節(jié)點間原始時延值”作為本次待平滑處理的時延值；b、根據(jù)該節(jié)點間歷史窗口內(nèi)的簡單隨機樣本SA({Sa1，Sa2，...SaH})信息，計算出樣本均值和樣本標(biāo)準(zhǔn)差S，從而進(jìn)一步計算出總體均值的置信區(qū)間上界MAXV，其中和AVER同為簡單隨機樣本SA的樣本均值，用于計算MAXV，而AVER作為總體均值的最大似然估計；c、如果新到個體格式字段中“節(jié)點間原始時延值”大于MAXV，認(rèn)為此次時延觀察值存在異常，令平滑處理輸出結(jié)果RTTID等于總體均值的最大似然估計值A(chǔ)VER；否則，令RTTID等于該新時延個體格式字段中的“節(jié)點間原始時延值”；d、用該時延個體格式字段中的“節(jié)點間原始時延值”，更新樣本SA的歷史窗口內(nèi)時延個體信息，保證樣本容量保持為H；e、用平滑處理輸出結(jié)果RTTID，作為網(wǎng)絡(luò)距離半測度空間的輸入時延值，在網(wǎng)絡(luò)坐標(biāo)系統(tǒng)核心算法下，更新該節(jié)點的坐標(biāo)值；f、等待新的個體時延觀察值，如果有新的個體時延觀察值到來，跳到步驟a；否則，繼續(xù)等待。FSA00000106097700012.tif,FSA00000106097700021.tif,FSA00000106097700022.tif,FSA00000106097700023.tif
全文摘要
本發(fā)明公開了一種基于t檢測模型的網(wǎng)絡(luò)坐標(biāo)系統(tǒng)輸入時延預(yù)處理方法，其特征在于，每個網(wǎng)絡(luò)節(jié)點記錄其與部分鄰居節(jié)點間最近H個直接測量時延值，在t檢驗?zāi)Ｐ拖?，依?jù)該時延隊列的時延觀察值，估計出本節(jié)點間的下一時刻時延觀察值的置信區(qū)間，以檢測并抑制異常的時延觀察值，得到其平滑輸出時延結(jié)果。該算法基于概率論t檢測模型，利用節(jié)點間歷史記錄時延樣本信息，檢測并抑制該節(jié)點間下一時刻異常的時延觀察值，以得到平滑輸出時延結(jié)果用來進(jìn)行網(wǎng)絡(luò)距離半測度空間嵌入，保證用其建立網(wǎng)絡(luò)坐標(biāo)系統(tǒng)時延預(yù)測的準(zhǔn)確性及其收斂周期。
文檔編號H04L12/26GK101834901SQ20101016178
公開日2010年9月15日 申請日期2010年5月4日 優(yōu)先權(quán)日2010年5月4日
發(fā)明者周亮, 王萬新, 陽小龍, 隆克平 申請人:電子科技大學(xué)