论文部分内容阅读
从上世纪九十年代中期以来，研究人员发现越来越多的实际网络(包括局域网和广域网)的业务流量具有自相似特点，但是目前对引发网络流量自相似性的原因并没有完整的解释。本论文在NS2平台上，通过不同的方法产生两种泊松混合业务流，研究其自相似性质以及决定自相似性强度主要因素。
对自相似性业务流的物理建模是自相似业务流的一个主要研究方法。论文对两种泊松混合业务流进行物理建模，其中一种业务流是GPM流，另外一种是随机性汇聚泊松流。GPM流采用Gamma随机变量调节业务流发送分组的时间，随机性汇聚泊松流的Gamma随机变量用于调节汇聚源的节点个数。
NS2仿真软件没有GPM流与随机性汇聚泊松流生成器，往NS2中加入这两个模块并进行相应的仿真与统计是论文的主要工作。GPM流是在泊松业务流生成器的基础上作出相应的修改得到，随机性汇聚泊松流则是在TCL脚本中利用泊松流生成器与Gamma随机数生成器生成的。GPM流和随机性汇聚泊松流采用了用相似的模型构造方法，但通过非参数估计K-S检验，研究发现这两种业务流的统计分布却表现出不一致的特点。
研究结果表明，依据单位时间分组统计数与估计的Hurst参数，GPM流的自相似强度与泊松流相当，而随机性汇聚泊松业务流显示出比较强的自相似性。由于随机性汇聚泊松业务流是山无自相似性的泊松业务流汇聚而成，所以说明网络的汇聚作用可以增强网络流的自相似强度，可以使本来没有自相似性的业务流在汇聚段呈现出自相似性。论文最后研究了随机性汇聚泊松业务流的排队性能与基于该业务流的队列管理机制。