P2P網(wǎng)絡(luò)流量控制管理若干關(guān)鍵技術(shù)研究.pdf

1、最近幾年，P2P技術(shù)作為一種新的互聯(lián)網(wǎng)應(yīng)用模式迅速風(fēng)靡全球，作為改變互聯(lián)網(wǎng)應(yīng)用模式的一項(xiàng)新技術(shù)，P2P業(yè)務(wù)己悄然占據(jù)了互聯(lián)網(wǎng)業(yè)務(wù)流量總量的70％以上。P2P流量的無序性在一定程度上打破了網(wǎng)絡(luò)運(yùn)營商原有的運(yùn)營和商業(yè)模式，并且巨大的流量也給運(yùn)營商的流量管理帶來了巨大的壓力。提供一個(gè)可運(yùn)營可管理的P2P基礎(chǔ)平臺(tái)，協(xié)調(diào)好用戶、P2P服務(wù)提供商、網(wǎng)絡(luò)提供商各方的利益，使整個(gè)P2P產(chǎn)業(yè)鏈健康協(xié)調(diào)地發(fā)展，將是未來的發(fā)展方向。為應(yīng)對(duì)P2P流量對(duì)網(wǎng)絡(luò)帶寬

2、消耗帶來的挑戰(zhàn)，運(yùn)營商一方面通過加大投入，增加帶寬來解決問題；另一方面，希望找到合適的技術(shù)方法實(shí)現(xiàn)P2P流量的有效管理，通過限制或引導(dǎo)P2P流量，避免帶寬被P2P流量過多地消耗。因此要實(shí)現(xiàn)可靠的數(shù)據(jù)傳輸以及合理的網(wǎng)絡(luò)流量資源分配，就需要根據(jù)P2P網(wǎng)絡(luò)流量的行為特性建立相應(yīng)的P2P流量識(shí)別、預(yù)測與控制模型，形成完善的P2P流量控制管理機(jī)制。本文在深入分析P2P流量管理技術(shù)研究的現(xiàn)狀、現(xiàn)有的P2P協(xié)議及相關(guān)技術(shù)的基礎(chǔ)上，對(duì)P2P流量控制管理

3、研究中的P2P流量檢測技術(shù)、預(yù)測算法和控制機(jī)制這些關(guān)鍵技術(shù)分別進(jìn)行了深入研究。為驗(yàn)證本文提出的算法和模型的正確性，最后設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)基于移動(dòng)代理的P2P流量控制管理系統(tǒng)，系統(tǒng)演示結(jié)果表明該流量管理系統(tǒng)能對(duì)網(wǎng)絡(luò)中的P2P流量進(jìn)行有效的檢測、控制和管理，從而能保證網(wǎng)絡(luò)中其他應(yīng)用業(yè)務(wù)的帶寬使用，為網(wǎng)絡(luò)運(yùn)營商提高網(wǎng)絡(luò)管理水平提供良好的參考應(yīng)用價(jià)值和實(shí)際應(yīng)用意義。本研究主要內(nèi)容包括：
　?、裴槍?duì)現(xiàn)有P2P流量識(shí)別方法的不足，吸收現(xiàn)有方法的

4、優(yōu)點(diǎn)，提出了一種基于流量屬性特征選擇的P2P流量分類方法，通過實(shí)驗(yàn)表明基于FCBF選擇的SVM算法對(duì)P2P流量能進(jìn)行良好的識(shí)別；為了提高P2P流量識(shí)別的敏感度和精度還提出了一種基于損失函數(shù)的支持向量機(jī)P2P流量檢測模型，使用模糊隸屬度概念對(duì)SVM算法的結(jié)果進(jìn)行解釋，結(jié)合損失函數(shù)的概念對(duì)SVM算法進(jìn)行改進(jìn)，并應(yīng)用于P2P流量識(shí)別，能夠?qū)π碌奈粗腜2P協(xié)議和加密傳輸?shù)腜2P流進(jìn)行一定的識(shí)別。但是由于基于屬性特征選擇的P2P流量識(shí)別方法速度

5、慢，只能進(jìn)行離線識(shí)別，為此本文提出了一種基于流傳輸特性的實(shí)時(shí)P2P流量檢測方法，該方法是一種輕量級(jí)的實(shí)時(shí)在線識(shí)別方法，能夠高效快速的實(shí)時(shí)在線進(jìn)行P2P協(xié)議的識(shí)別。實(shí)驗(yàn)結(jié)果表明所提出的方法是可行的。
　?、铺岢隽嘶谛〔ǚ治龅腜2P業(yè)務(wù)流量預(yù)測模型。該模型結(jié)合卡爾曼濾波和小波分析技術(shù)，使用小波重構(gòu)實(shí)現(xiàn)對(duì)一類非平穩(wěn)隨機(jī)過程的平穩(wěn)部分的各個(gè)分量進(jìn)行更新估計(jì)，并且使用卡爾曼濾波方法可以在一個(gè)周期內(nèi)利用某個(gè)時(shí)刻及其以前的信息對(duì)其后所有時(shí)刻進(jìn)

6、行預(yù)報(bào)，即實(shí)現(xiàn)了周期內(nèi)實(shí)時(shí)的動(dòng)態(tài)多步預(yù)報(bào)。同時(shí)，與小波分析方法相比，該方法具有實(shí)時(shí)性和遞歸性，可在時(shí)域中對(duì)網(wǎng)絡(luò)流量進(jìn)行實(shí)時(shí)的動(dòng)態(tài)估計(jì)和分析。并且具有與真實(shí)網(wǎng)絡(luò)流量重合度高，預(yù)測誤差小的特點(diǎn)，能達(dá)到良好的跟蹤和預(yù)測性能，同傳統(tǒng)的非線性預(yù)測模型如神經(jīng)網(wǎng)絡(luò)等相比，其復(fù)雜度較低便于實(shí)時(shí)預(yù)測，可滿足網(wǎng)絡(luò)運(yùn)營商對(duì)P2P流量管理的要求。
　　⑶為了對(duì)P2P流量進(jìn)行有效的控制，提出了兩個(gè)流量本地化的策略:即P2P緩存系統(tǒng)和一種基于CDN路由的輕量

7、級(jí)節(jié)點(diǎn)距離測量方案。前者既為內(nèi)網(wǎng)用戶提供可管理控制的P2P服務(wù)，保證用戶的P2P應(yīng)用體驗(yàn)，又能減輕主干網(wǎng)的帶寬壓力。因此本文對(duì)緩存系統(tǒng)部署架構(gòu)及各個(gè)模塊的功能和校園網(wǎng)內(nèi)的實(shí)測結(jié)果進(jìn)行了深入研究。后者在節(jié)點(diǎn)選擇機(jī)制上利用網(wǎng)絡(luò)路由機(jī)制，將邏輯距離和實(shí)際地理距離結(jié)合，有利于實(shí)現(xiàn)流量本地化的。仿真實(shí)驗(yàn)證明這種節(jié)點(diǎn)選擇方案對(duì)于P2P流量本地化的意義。
　?、葹榱蓑?yàn)證上述部分算法和方法的有效性，實(shí)現(xiàn)了一個(gè)基于移動(dòng)代理的P2P網(wǎng)絡(luò)流量管理原型系