自相似网络流量模拟系统的集群实现

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (25): 105-111.

自相似网络流量模拟系统的集群实现

周正吉，郭岭，许静

南开大学信息技术科学学院，天津 300071

出版日期:2012-09-01 发布日期:2012-08-30

Implementation of self-similar network traffic simulation system on cluster

ZHOU Zhengji, GUO Ling, XU Jing

College of Information Technical Science, Nankai University, Tianjin 300071, China

Online:2012-09-01 Published:2012-08-30

摘要/Abstract

摘要： 随着网络技术的发展，人们对网络服务质量提出更高的需求。对网络流量准确的建模，预测未来的网络流量，是保证网络服务质量和可靠性的重要措施。提出了一种基于Windows集群的自相似网络流量模型解决方案。该方案采用分形高斯噪声（FGN）模型并行算法，由基于Windows HPC Server的集群系统生成网络流量。详细描述了基于集群平台的系统设计和实现过程。实验结果表明，该系统能够生成大规模的具有指定Hurst系数的自相似网络流量，同时克服了单机系统及分布式系统的局限性。

关键词: 集群, 自相似性, 网络流量

Abstract: With the development of network technology, people expect more and more of network service. Modeling network traffic accurately, predicting approaching network traffic are important measures to ensure the quality and reliability of network service. This paper presents a solution for self-similar traffic model based on windows cluster. In the solution, the Fractal Gaussian Noise（FGN） model is improved to a high-speed parallel algorithm. And the new parallel algorithm is applied to the distributed system, which then is deployed on the Windows HPC Cluster. The report describes the design and implementation of the cluster system in detail. Statistical results of the report suggest that the cluster system can generate large-scale self-similar network traffic with designated Hurst parameter, and overcome the limitations of the single computer and the distributed system.

Key words: cluster, self-similar, network traffic

周正吉，郭岭，许静. 自相似网络流量模拟系统的集群实现[J]. 计算机工程与应用, 2012, 48(25): 105-111.

ZHOU Zhengji, GUO Ling, XU Jing. Implementation of self-similar network traffic simulation system on cluster[J]. Computer Engineering and Applications, 2012, 48(25): 105-111.

[1]	张俊，廖雪花，余旭玲，雷蒙. 关系型数据库内存化存储模型研究[J]. 计算机工程与应用, 2021, 57(19): 123-128.
[2]	康梦轩，宋俊平，范鹏飞，高博文，周旭，李琢. 基于深度学习的网络流量预测研究综述[J]. 计算机工程与应用, 2021, 57(10): 1-9.
[3]	顾兆军，吴优，赵春迪，周景贤. 流量的集成学习与重采样均衡分类方法[J]. 计算机工程与应用, 2020, 56(6): 86-91.
[4]	洪征，龚启缘，冯文博，李毅豪. 自适应聚类的未知应用层协议识别方法[J]. 计算机工程与应用, 2020, 56(5): 109-117.
[5]	李松，周亚同，池越，何静飞，张世立. 高斯过程混合模型应用于网络流量预测研究[J]. 计算机工程与应用, 2020, 56(5): 186-193.
[6]	金之雁，杨磊，林隽民，王哲. 广义共轭余差法的通信避免算法[J]. 计算机工程与应用, 2020, 56(3): 74-79.
[7]	张新伟，李康，郁龚健，刘家航，李佩琦，柴志雷. 基于ZYNQ集群的神经形态计算加速研究与实现[J]. 计算机工程与应用, 2020, 56(21): 65-71.
[8]	刘成士，赵志刚，李强，吕慧显，董晓晨，李金霞. 加强的低秩表示图像去噪算法[J]. 计算机工程与应用, 2020, 56(2): 216-225.
[9]	刘树仁，冯超敏，蔡长宁，樊莉. 基于分级存储的石油勘探地震处理应用研究[J]. 计算机工程与应用, 2019, 55(13): 266-270.
[10]	熊安萍1，2，夏玉冲1，杨方方1. 一种Spark集群下的shuffle优化机制[J]. 计算机工程与应用, 2018, 54(4): 72-76.
[11]	王方1，王晓原1，2，刘振雪1，王建强2，孔栋1，王云云1. 基于完全信息多人动态博弈的车道选择模型[J]. 计算机工程与应用, 2018, 54(23): 238-245.
[12]	申泽星，彭云建，岳喜顺. 集群服务器在混合请求下的负载均衡优化算法[J]. 计算机工程与应用, 2018, 54(18): 99-104.
[13]	彭丽苹，吕晓丹，蒋朝惠. 基于Ceph集群的能耗管理策略研究[J]. 计算机工程与应用, 2018, 54(10): 66-72.
[14]	熊安萍1，2，朱恒伟1，罗宇豪1. Storm流式计算框架反压机制研究[J]. 计算机工程与应用, 2018, 54(1): 102-106.
[15]	程振京1，2，李海波1，黄秋兰1，程耀东1，陈刚1. 高能物理云平台中的弹性计算资源管理机制[J]. 计算机工程与应用, 2017, 53(8): 8-14.