基于測量的自相似接納控制算法研究

摘 要:傳統(tǒng)的接納控制算法中，基于參數(shù)的接納控制提供嚴(yán)格的QoS保證但帶寬利用率和接納率低，基于測量的接納控制具有較好的動態(tài)特征和適應(yīng)性但對模型有較嚴(yán)格的要求，并且未考慮網(wǎng)絡(luò)流量的自相似特性.本文根據(jù)網(wǎng)絡(luò)流量自相似特性，將基于參數(shù)的接納控制與基于測量的接納控制方法相結(jié)合，提出了基于測量的自相似接納控制算法和基于自相似測量的自適應(yīng)接納控制算法.仿真結(jié)果表明，該算法能夠提高自相似網(wǎng)絡(luò)流量環(huán)境下的接納率和平均帶寬利用率.

關(guān)鍵詞:接納控制;自相似;平均帶寬利用率;接納率

中圖分類號:TP393 文獻(xiàn)標(biāo)識碼:A

Call Admission Control Algorithm Based on Measurement in Network with Self-similar Traffic

LI Jing-bo1，3， ZHANG Guang-sheng2， XU Zhen-yang2， DOU Wen-hua2

(1. Hunan University Journal， Hunan Univ， Changsha， Hunan 410082， China;

2. School of Computer Science， National Univ of Defense Technology， Changsha， Hunan 410073， China;

3.Hunan Computer Society， Changsha， Hunan 410012， China)

Abstract:Self-similarity is not considered in the traditional Call Admission control Algorithms， such as Admission Control based on parameters and Admission Control based on measurement. Admission Control based on parameters often provides the strictest QoS gurantee with lowest admission ratio and worst bandwidth usage. Admission Control based on measurement considers the dynamic changes of network traffic with better admission ratio and bandwidth usage. Taking advantage ofthe self-similarity character，andcombining the admission control algorithm based on parameters with that based on measurement， the admission control algorithms based on measurement with self-similarity character and the adaptive admission control algorithm based measurement were proposed. The extensive simulations have shown that the algorithms can improve admission ratio and average bandwidth usage.

Key words:admission control; self-similarity; average bandwidth usage; admission ratio

基于參數(shù)的接納控制^[1]通過計(jì)算最壞情況下流的行為，采用相關(guān)模型來預(yù)測和計(jì)算流的行為特征和估算流量，使請求資源總和不超過鏈路總?cè)萘?，如GS^[2]提供最嚴(yán)格的QoS保障.基于參數(shù)的接納控制技術(shù)由于設(shè)定了流量模型，使用的算法簡單.但基于參數(shù)接納控制算法的控制能力取決于對訪問模式研究的深度以及數(shù)學(xué)模型的擬合程度，因此有效的流量模型是提高基于參數(shù)接納控制精度和網(wǎng)絡(luò)利用率的關(guān)鍵.

基于測量的接納控制(Measurement Based Admission Control，MBAC)^[3-6]克服了基于參數(shù)接納控制對訪問模式與流量分布建模的依賴性，通過實(shí)時(shí)測量系統(tǒng)的運(yùn)行狀態(tài)相關(guān)參數(shù)來進(jìn)行接納控制，是一種動態(tài)的接納控制算法.其動態(tài)性決定了過分保守的QoS請求不會導(dǎo)致資源長期不合理分配，從而提高了資源利用率.基于測量的接納控制算法通過測量窗口來進(jìn)行統(tǒng)計(jì)測量，因此測量的指標(biāo)、窗口的大小以及測量的準(zhǔn)確性是該算法的關(guān)鍵.

傳統(tǒng)認(rèn)為網(wǎng)絡(luò)流量符合馬爾科夫模型被自相似模型^[7-9]的結(jié)論所取代.利用網(wǎng)絡(luò)自相似特征對網(wǎng)絡(luò)流量進(jìn)行建模，并通過實(shí)時(shí)測量值來修正自相似模型的有關(guān)參數(shù)和計(jì)算結(jié)果，動態(tài)、實(shí)時(shí)測量和改變自相似流量預(yù)測結(jié)果，既能提高預(yù)測的速度和精度，也能提高接納控制的效率和帶寬利用率，達(dá)到真正減少擁塞、保證網(wǎng)絡(luò)傳輸服務(wù)質(zhì)量的目的.

本文根據(jù)網(wǎng)絡(luò)流量自相似特征對網(wǎng)絡(luò)流量進(jìn)行建模，并充分考慮不同自相似網(wǎng)絡(luò)流疊加對自相似流量的影響，實(shí)時(shí)測量網(wǎng)絡(luò)流量和更新網(wǎng)絡(luò)流量相關(guān)參數(shù)，把自相似建模和MBAC有機(jī)地結(jié)合起來，提出了HSS-MBAC和HSS-AMBAC算法.分析和仿真表明，此方法能更好地符合網(wǎng)絡(luò)特征，對保證網(wǎng)絡(luò)應(yīng)用的QoS更有效和更可靠.

1 自相似參數(shù)的合成特性研究

Ryu^[10]提出采用復(fù)合分形點(diǎn)過程模型(Sup-FRP)來研究自相似過程的模型，以便簡單直觀地分析網(wǎng)絡(luò)中出現(xiàn)的自相似現(xiàn)象.復(fù)合分形點(diǎn)過程是由M個(gè)廣義平穩(wěn)的分形更新點(diǎn)過程(FRP)疊加構(gòu)成，每個(gè)分形更新點(diǎn)過程由下述概率密度函數(shù)體現(xiàn)其到達(dá)時(shí)間間隔:

p(t)=rA-1e-rt/A，0≤t≤A，re-rArt-(r+1)，t>A.(1)

式中:p(t)為平滑pareto分布;r為整形參數(shù)，1

在復(fù)合分形點(diǎn)過程數(shù)學(xué)模型中，需要描述3個(gè)參數(shù):分組平均到達(dá)速率λ，Hurst參數(shù)H和分形開始時(shí)間T0(FOTS).分組平均到達(dá)速率λ定義了到達(dá)過程的平均速率(分組/s)，通過改變分組平均到達(dá)速率，就能改變由自相似業(yè)務(wù)流模型產(chǎn)生的網(wǎng)絡(luò)業(yè)務(wù)流量.Hurst參數(shù)H定義了自相似業(yè)務(wù)流的相似性，它是自相似性程度的度量，用于描述隨機(jī)過程的突發(fā)性.分形開始時(shí)間T0定義了一個(gè)時(shí)間尺度，自相似現(xiàn)象在這個(gè)時(shí)間尺度上開始出現(xiàn).

分形更新點(diǎn)過程疊加模型中的3個(gè)參數(shù)(r，A，M)與自相似業(yè)務(wù)流模型中的3個(gè)參數(shù)(λ，H，T0)的關(guān)系如下:

H=(3-r)/2，(2)

λ=Mr[1+(r-1)-1e-r]-1/A，(3)

Tα0=r-2e-r(2-r)(3-r)[1+(r-1)er]2Aα/2r2，(4)

α=2-r.(5)

湖南大學(xué)學(xué)報(bào)(自然科學(xué)版)2010年

第2期李靖波等:基于測量的自相似接納控制算法研究

因此，多個(gè)自相似業(yè)務(wù)流進(jìn)行疊加后，合成流仍具有自相似性，其自相似參數(shù)與獨(dú)立輸入流中自相似參數(shù)最大值相近，分形開始時(shí)間與輸入流中最小的分形開始時(shí)間FOTS逼近，合成業(yè)務(wù)流分組平均到達(dá)速率為各獨(dú)立業(yè)務(wù)流的分組平均到達(dá)速率之和.從這一仿真結(jié)果可以看出自相似特性對網(wǎng)絡(luò)流量的深刻影響，自相似網(wǎng)絡(luò)流量特性不會因?yàn)槎鄠€(gè)流疊加被平滑掉.

2 基于測量的自相似接納控制算法(HSS-MBAC)

21 算法思想

由第1節(jié)可知，一個(gè)新流的加入，其平均到達(dá)速率是疊加的過程，分形起始時(shí)間點(diǎn)是兩個(gè)分形過程開始時(shí)間的最小起始時(shí)刻的近似值，而H參數(shù)是聚合流中最大值的近似值.當(dāng)新流加入時(shí)，在新流要求帶寬已知的情況下，其流量對新流的流量有貢獻(xiàn)，同時(shí)也因?yàn)镠參數(shù)放大了新流的值(可看作是H參數(shù)引起的突發(fā)性或長相關(guān))，據(jù)此可估算新流接入時(shí)的帶寬.并對照當(dāng)前鏈路帶寬的實(shí)際使用情況，如果新流接入后的帶寬不超過鏈路帶寬，則接納該流，否則拒絕該流.

22 算法實(shí)現(xiàn)

1)采用時(shí)間窗口測量法測量平均值.設(shè)C為需要進(jìn)行接納控制的帶寬總量，T為測量窗口的大小，S為采樣時(shí)隙，T=nS，n為大于5的整數(shù);LS為采樣時(shí)隙S內(nèi)的平均負(fù)載，LS等于時(shí)隙S內(nèi)網(wǎng)絡(luò)結(jié)點(diǎn)發(fā)送的所有分組包含的字節(jié)和與S的比值，LS總是在每個(gè)采樣時(shí)隙S結(jié)束時(shí)計(jì)算.采用下式計(jì)算測量m值:

m=1n∑ni=1LSi.

(6)

其中S1，S2，…，Sn 為Tt-1 內(nèi)的n個(gè)時(shí)隙.

2)持續(xù)測量網(wǎng)絡(luò)平均流量m.

3)計(jì)算合成流量的自相似參數(shù)H值.把m/C劃分成大小為p的n個(gè)區(qū)間，即n×p=100.當(dāng)m/C持續(xù)在同一個(gè)區(qū)間內(nèi)變化時(shí)，則不重新計(jì)算H值，只采集流量和計(jì)算m值，當(dāng)區(qū)間發(fā)生變化時(shí)，重新計(jì)算H值.

4)以此H值作為新流加入是否能夠被接納的計(jì)算條件，平均值m為當(dāng)前的平均帶寬.隨著新流的注入，一個(gè)帶寬要求為vnew的新流，在自相似流的整合和傳輸下，可以認(rèn)為其H值與當(dāng)前的H值近似相等，則新流加入后的等效帶寬Enew可以用Norros公式\\[11\\]來計(jì)算:

Enew=m+vnew+(κ(H)-2ln (ε))1/H×

a1/2HB-(1-H)/H(m+vnew)1/2H.(7)

5)某個(gè)新流一旦被接納，則置m=m+vnew，vnew為新接納流的帶寬.同時(shí)重新啟動測量窗口，即把此時(shí)設(shè)為測量窗口的起點(diǎn).返回步驟1).

23 算法分析與仿真

2.3.1 算法分析

1)網(wǎng)絡(luò)流量平均值的獲取.本算法中考慮等效帶寬計(jì)算式中m值為流量均值，故在使用測量方法時(shí)，只對窗口時(shí)間內(nèi)的值計(jì)算其平均值.隨著新流的注入，如果新流的H參數(shù)比現(xiàn)有聚合流的參數(shù)大，則會趨向于新流的H參數(shù)，反之則新流保持原有H參數(shù)近似不變.

2)網(wǎng)絡(luò)自相似參數(shù)H計(jì)算.因?yàn)榫W(wǎng)絡(luò)流量中隨時(shí)有流量流入和流出，引起網(wǎng)絡(luò)流量的變化和波動，這些波動往往會引起平均帶寬的變化，因此將已使用的帶寬按比例分成不同區(qū)間，當(dāng)平均帶寬保持在同一個(gè)區(qū)間時(shí)，認(rèn)為其H值近似不變，這樣以減少H參數(shù)計(jì)算和有效帶寬計(jì)算帶來的復(fù)雜性，同時(shí)保持平均帶寬測量的有效性和接納控制的接納率和帶寬的有效利用.

3)接納控制過程.由于自相似參數(shù)的計(jì)算有一定的復(fù)雜度，盡管網(wǎng)絡(luò)流量一直處于變化之中，但在一短時(shí)間段內(nèi)H值相對穩(wěn)定.根據(jù)自相似合成特性參數(shù)的性質(zhì)可知，網(wǎng)絡(luò)流量的H值基本是在一定時(shí)間段內(nèi)的所有流中H值的最大者，以此H值作為新流接入的判斷條件，比較符合網(wǎng)絡(luò)的實(shí)際情形.由于網(wǎng)絡(luò)帶寬隨時(shí)處于變化之中，有新流的流入和舊流的退出，不斷統(tǒng)計(jì)帶寬，在一定區(qū)域內(nèi)按照此帶寬和H值作為新流接入判斷，則可以隨時(shí)符合網(wǎng)絡(luò)流量的變化，又充分反應(yīng)了當(dāng)前網(wǎng)絡(luò)自相似業(yè)務(wù)特性的變化.

4)由于采用了自相似模型來準(zhǔn)確描述網(wǎng)絡(luò)流量，同時(shí)采用測量均值作為測量H參數(shù)計(jì)算的前提，降低了因?yàn)镠參數(shù)帶來的復(fù)雜性，也保持了網(wǎng)絡(luò)流量捕獲的準(zhǔn)確性以及能獲得一個(gè)比較高的接納率.

2.3.2 算法仿真

仿真環(huán)境如圖1所示.

圖1 實(shí)驗(yàn)仿真環(huán)境

Fig.1 Thesimulation environmentofexperiment

流由PC1，PC2和PC3按照分形更新點(diǎn)過程產(chǎn)生，PC1按照以10 s區(qū)間的間隔隨機(jī)產(chǎn)生流1，每個(gè)流的生命周期為10 min;PC2以6 s區(qū)間的間隔隨機(jī)產(chǎn)生流2，每個(gè)流的生命周期為8 min;PC3以7 s區(qū)間的間隔隨機(jī)產(chǎn)生流3，每個(gè)流的生命周期為5 min.流1的分組到達(dá)速率為200 分組/s，流2的分組到達(dá)速率為300 分組/s，流3的分組到達(dá)速率為300 分組/s.分組大小為固定值512 b/s，區(qū)間數(shù)為20，網(wǎng)絡(luò)帶寬C取400 分組/s.n值取5，緩存B值取500分組，ε值取1×10-3，總仿真時(shí)間持續(xù)50 h.由圖2和圖3可以看出，窗口尺寸越大，接納率越低，網(wǎng)絡(luò)帶寬利用效率越低.H值越大，接納率越低，網(wǎng)絡(luò)帶寬利用效率越低.

窗口尺寸/s圖2 接納率Fig.2 Admissionratio

窗口尺寸/s圖3 平均帶寬利用率

Fig.3 Averagebandwidthusage

3 基于自相似測量的自適應(yīng)接納控制算法(HSS-AMBAC)31 HSS-MBAC參數(shù)分析

3.1.1 T-S參數(shù)影響

如圖4表示了如何來估計(jì)平均負(fù)載m，橫軸t表示時(shí)間，縱軸L表示負(fù)載.圖中的曲線表示網(wǎng)絡(luò)的實(shí)際負(fù)載，橫向的虛線表示根據(jù)測量估計(jì)所得的平均負(fù)載m，縱向的虛線表示測量窗口和取樣時(shí)隙，為了方便直觀，在此取n=4.在HSS-MBAC算法中，時(shí)間窗口T是其中一個(gè)較為關(guān)鍵的參數(shù)，它的大小反映了算法對歷史記憶的長度.由于采用平均值算法來求m，算法和圖形中基本上把所有的起伏進(jìn)行了平滑，而每一時(shí)刻的波動由H參數(shù)統(tǒng)一體現(xiàn).T值越大，平均值m變化越小，m值對網(wǎng)絡(luò)流量平滑作用越明顯，對網(wǎng)絡(luò)流量的變化越不敏感.由于m值變化范圍小，H參數(shù)計(jì)算的頻率也很小，因此整個(gè)流量的起伏和預(yù)測值都變化很小，對流量的跟蹤變化慢，整體流量預(yù)測值會相對偏低，會在短時(shí)間內(nèi)接納大量的流，造成網(wǎng)絡(luò)擁塞.因此當(dāng)網(wǎng)絡(luò)流量變化不大時(shí)，T的影響相對平滑，對網(wǎng)絡(luò)流量反映相對準(zhǔn)確.當(dāng)網(wǎng)絡(luò)流量變化較大時(shí)，T的影響不能平滑，應(yīng)當(dāng)減小T的區(qū)間值，加快H參數(shù)計(jì)算，保持流量測量的及時(shí)和準(zhǔn)確性.顯然，T越小，通過測量估計(jì)所得的負(fù)載曲線和網(wǎng)絡(luò)實(shí)際負(fù)載曲線擬合得越好，更適應(yīng)負(fù)載的動態(tài)變化，資源利用率越高，接納流的數(shù)目多，但可能導(dǎo)致服務(wù)質(zhì)量降低;T越大，接納算法越保守，資源利用率越低，接納流的數(shù)目減少，但服務(wù)質(zhì)量容易得到滿足.因而既要達(dá)到較高的網(wǎng)絡(luò)資源利用率，又要防止服務(wù)質(zhì)量的降低，必須選擇一個(gè)合適大小的T.另一個(gè)參數(shù)S反映了測量對網(wǎng)絡(luò)負(fù)載變化的敏感程度，S越小，測量負(fù)載曲線和實(shí)際負(fù)載曲線擬合得越好，但其影響沒有T明顯.

圖4 網(wǎng)絡(luò)平均流量估算

Fig.4 Networkaveragetrafficevaluation

3.1.2 m區(qū)間值的影響

由自相似的特性可知，當(dāng)網(wǎng)絡(luò)流量變化大時(shí)，表明網(wǎng)絡(luò)突發(fā)性增強(qiáng)，振蕩和自相似特性也更明顯，特別是當(dāng)網(wǎng)絡(luò)流量持續(xù)超過80%時(shí)，自相似系數(shù)基本趨近于1，因此對H參數(shù)不夠敏感.此時(shí)可以擴(kuò)大m參數(shù)的區(qū)間大小，以減少計(jì)算量和復(fù)雜度.m區(qū)間值越大，即p值越大，所需計(jì)算的H參數(shù)數(shù)量就越少，網(wǎng)絡(luò)流量預(yù)測的實(shí)時(shí)變小，相反則計(jì)算量增大，實(shí)時(shí)性增強(qiáng).

3.1.3 方差系數(shù)a的影響

方差系數(shù)的影響是隱性的，它主要體現(xiàn)在Norros公式中，計(jì)算公式為:

a=Var(X)/E(X).(8)

方差系數(shù)與自相似有一定的關(guān)系，但它反應(yīng)更多的是網(wǎng)絡(luò)流量均值與流量起伏的變化.方差系數(shù)越大，說明流量起伏變化越大，方差系數(shù)越小，說明流量越平滑.它可以在一定程度上表明自相似流量短時(shí)間內(nèi)的奇異性.

32 基于自相似測量的自適應(yīng)接納控制算法

網(wǎng)絡(luò)流量一直處于動態(tài)變化中，既有新流的接入，也有舊流的退出.接納的流越多，由于流量突發(fā)而造成系統(tǒng)擁塞的可能性就越大，從而導(dǎo)致分組的丟失率(或延時(shí))增大.為了維持較高服務(wù)質(zhì)量，應(yīng)盡量使網(wǎng)絡(luò)的負(fù)載維持在合理的范圍內(nèi).通過對T，S，H，a等幾個(gè)參數(shù)的分析，本文提出HSS-AMBAC算法.

3.2.1 算法思想

在HSS-MBAC算法中的各個(gè)值T，S，a是確定、不可調(diào)的.而在HSS-AMBAC算法中根據(jù)測得的網(wǎng)絡(luò)平均流量及a值變化，動態(tài)地調(diào)整測量窗口T和m區(qū)間值p的大小，以適應(yīng)網(wǎng)絡(luò)流量的不斷變化，從而自動改進(jìn)網(wǎng)絡(luò)的接納控制能力.

3.2.2 算法實(shí)現(xiàn)

算法的主要實(shí)現(xiàn)步驟同HSS-MBAC，這里僅對自適應(yīng)調(diào)節(jié)的內(nèi)容進(jìn)行說明，

主要針對時(shí)間窗口T和參數(shù)計(jì)算區(qū)間值p進(jìn)行調(diào)節(jié).調(diào)節(jié)過程如圖5所示.

1)設(shè)定amax和amin為預(yù)先設(shè)置的兩個(gè)閾值.

2)實(shí)時(shí)測量a值和m值.

3)時(shí)間窗口T和自相似參數(shù)計(jì)算區(qū)間值p的調(diào)節(jié).當(dāng)實(shí)時(shí)測量的a≤amin時(shí)，系統(tǒng)自動增大時(shí)間窗口T，增大計(jì)算區(qū)間值p，使計(jì)算趨于保守，當(dāng)流量很大時(shí)，減少接納的流，當(dāng)流量小時(shí)能接納更多的流;如果a≥amax，則減小時(shí)間窗口T，減小計(jì)算區(qū)間值p，使得測量負(fù)載更接近實(shí)際負(fù)載，使計(jì)算緊跟實(shí)際流量變化，當(dāng)流量小時(shí)能接納更多的流，當(dāng)流量大時(shí)減少接納的流，以提高接納控制能力;如果a界于amin和amax之間，則不改變時(shí)間窗口T和計(jì)算區(qū)間值p的大小.圖中Kinc和Kdec分別為窗口T和m區(qū)間大小的增大和減小因子.T和p值的增大和減小因子可以相同，也可以不同，根據(jù)網(wǎng)絡(luò)的實(shí)際狀況進(jìn)行設(shè)置.

圖5 HSS-AMBAC算法流程圖

Fig.5 The flowchartofHSS-AMBACalgorithm

33 算法分析與仿真

3.3.1 算法分析

HSS-AMBAC算法通過設(shè)定a值變化區(qū)間來動態(tài)調(diào)整時(shí)間窗口T和H參數(shù)計(jì)算分區(qū)區(qū)間p.a值變化越大，流量的起伏波動越大，減小T使得平均流量的計(jì)算對實(shí)際平均流量的跟蹤加快，減小p使得流量區(qū)間的變化能快速體現(xiàn)到H參數(shù)中，這樣使得所計(jì)算的等效帶寬能快速跟上流量的變化，使得新流的過度接入和保守拒絕都能很快得到糾正，保證在一定QoS的前提下提高接納效率.

3.3.2 仿真分析

仿真環(huán)境如圖1所示.對HSS-MBAC，HSS-AMBAC算法進(jìn)行比較分析仿真，流由PC1，PC2和PC3按照分形更新點(diǎn)過程產(chǎn)生，PC1按照以10 s區(qū)間的間隔隨機(jī)產(chǎn)生流1，每個(gè)流的生命周期為10 min;PC2以6 s區(qū)間的間隔隨機(jī)產(chǎn)生流2，每個(gè)流的生命周期為8 min;PC3以7 s區(qū)間的間隔隨機(jī)產(chǎn)生流3，每個(gè)流的生命周期為5 min.流1的分組到達(dá)速率為200分組/s，流2的分組到達(dá)速率為300分組/s，流3的分組到達(dá)速率為300分組/s.分組大小為固定值512 b/s，區(qū)間數(shù)為20，網(wǎng)絡(luò)帶寬C取400分組/s.amin=1，amax=3，Kinc和Kdec分別取1.1和0.9，n值取5，緩存B值取500分組，ε值取1×10-3，總仿真時(shí)間持續(xù)50 h.

實(shí)驗(yàn)結(jié)果如圖6和圖7所示.從圖中可以看出，HSS-AMBAC算法并不會影響接納率和帶寬利用率的趨勢，即隨著時(shí)間窗口尺寸和H參數(shù)的增大，接納控制率和帶寬利用率呈下降趨勢.

窗口尺寸/s

圖6 接納率

Fig.6 Admission ratio

與3.1節(jié)中的HSS-MBAC仿真結(jié)果對比可以看出，HSS-AMBAC算法的接納率和網(wǎng)絡(luò)帶寬利用率都有所提高.

4 結(jié) 論

H參數(shù)是描述網(wǎng)絡(luò)流量自相似特性的唯一參數(shù)，對網(wǎng)絡(luò)流量預(yù)測有重要影響.對多個(gè)自相似流的合成特性研究表明，多個(gè)自相似流的合成流不會平滑掉自相似特征，且合成量特性有一定的規(guī)律可循，即合成流仍然是具有自相似特性，且其合成流量的自相似參數(shù)近似等于多個(gè)自相似流中的最大自相似參數(shù)，平均分組到達(dá)速率為多個(gè)自相似流平均分組到達(dá)速率之和.H，p，a，T，m，S等參數(shù)對HSS-MBAC算法性能有著不同的影響，分析表明，影響HSS-MBAC算法的主要參數(shù)是T值和p值.這二者均可以通過a值的大小來進(jìn)行調(diào)整和變化，以提高HSS-MBAC的效率和性能，這是HSS-AMBAC算法的根本思想.分析和仿真表明，在自相似網(wǎng)絡(luò)環(huán)境中，自相似參數(shù)越大，延遲越大，帶寬利用率越高，拒絕率也越高.本文提出的HSS-MBAC/HSS-AMBAC算法能大大減少自相似網(wǎng)絡(luò)環(huán)境中H參數(shù)的計(jì)算給網(wǎng)絡(luò)CAC帶來的復(fù)雜性和延遲，并能有效提高接納控制率.

參考文獻(xiàn)

[1] SHENKER S， PARTRIDGE C， GUERIN R.Specification of guaranteed quality of service[C]//RFC 2212， 1997.9.

[2] RAMAKRISHNAN K， FLOYD S. A Proposal to add explicit congestion notification (ECN) to IP[C]//RFC 2481， 1999.1.

[3] FLOYD S. Comments on measurement based admission contro1 for controlled load service[C]//Lawrence Berkeley Laboratory，July，1996.

[4] JAMIN S， DANZIG P， SHENKER S， et al. A measurement-based admission control algorithm for integrated services packet networks[J].IEEE/ACM Transactions on Networking， 1997， 5(1): 56-70.

[5] BRESLAU L， JAMIN S， SHENKER S. Comment on the performance of measurement-based admission control algorithms[C]//Proceedings of IEEE Infocom， 2000: 1233-1242.

[6] JAMIN S， SHENKER S. Measurement-based admission control algorithm for controlled-load service: a structural examination[C]//University of Michigan， Ann Arbor， MI， Report CSE-TR-333-97， 1997.

[7] GUO L，CROVELLA M，MATTA I. How does TCP generate pseudo self-similarity? [C]//Proceedings of MASCOTS， Cincinnati， OH， 2001.8.

[8] SIKDAR B，VASTOLA K S. The effect of TCP on the self-similarity of network traffic[C]// Proceedings of the 35th Conference on Information Sciences and Systems， Baltimore， MD， 2001.3.

[9] VERES A， KENESI Z， MOLNAR S ，et al. On the propagation of long-rang dependence in the Internet[C]//Proceedings of Acm Sigcomm， Stockholm， Sweden， 2000(9):243-254.

[10]RYU B. Fractal traffic models for internet simulation[C]//IEEE Symposium on Computers and Communications(ISCC)， 2000:200-206.

[11]NORROS I. On the use of fractional brownian motion in the theory of connectionless networks[J]. IEEE Journal on Selected Areas in Communications， 1995， 13 (6): 953-962.