黎文偉，蔡建國，王志明

(1.湖南大學(xué) 信息科學(xué)與工程學(xué)院，湖南 長沙 410082；2. 湖南大學(xué) 工商管理學(xué)院，湖南 長沙 410082；3. 東莞職業(yè)技術(shù)學(xué)院 計(jì)算機(jī)工程系， 廣東 東莞 523808)

IP網(wǎng)絡(luò)中，流量突發(fā)會(huì)使網(wǎng)絡(luò)擁塞，網(wǎng)絡(luò)服務(wù)質(zhì)量降低，甚至出現(xiàn)丟包.對(duì)于實(shí)時(shí)性要求不高的網(wǎng)絡(luò)應(yīng)用，如HTTP，F(xiàn)TP等，網(wǎng)絡(luò)丟包會(huì)降低其傳輸吞吐量[1]；但通過數(shù)據(jù)重傳，它們?nèi)阅苷９ぷ?然而，對(duì)于VoIP、流媒體等高實(shí)時(shí)性要求的網(wǎng)絡(luò)應(yīng)用，丟包不僅會(huì)顯著降低其性能，還會(huì)影響其正常工作[2].因此，需要準(zhǔn)確地測(cè)量端到端路徑丟包率，了解網(wǎng)絡(luò)丟包特征，以此來改進(jìn)網(wǎng)絡(luò)應(yīng)用的設(shè)計(jì)或調(diào)整其運(yùn)行時(shí)的參數(shù)配置，從而優(yōu)化應(yīng)用的性能[3].

常用的丟包率測(cè)量方法有被動(dòng)測(cè)量和主動(dòng)測(cè)量兩類.文獻(xiàn)[4]提出了基于TCP協(xié)議過程分析的丟包率被動(dòng)測(cè)量方法.文獻(xiàn)[5]研究了高速網(wǎng)絡(luò)環(huán)境的丟包率被動(dòng)測(cè)量.文獻(xiàn)[6]提出以卡爾曼濾波來提高丟包率被動(dòng)測(cè)量精度的方法.被動(dòng)測(cè)量方法無需產(chǎn)生探測(cè)負(fù)載，可減輕網(wǎng)絡(luò)負(fù)擔(dān).但它需要依賴已有的網(wǎng)絡(luò)流量，無法對(duì)任意端到端路徑進(jìn)行測(cè)量.故主動(dòng)測(cè)量在丟包率測(cè)量中應(yīng)用更為普遍.

主動(dòng)測(cè)量具有實(shí)施簡單、測(cè)量靈活等優(yōu)點(diǎn).主動(dòng)測(cè)量丟包率的基本過程是在指定的時(shí)間區(qū)間內(nèi)，周期性地從源端向目的端發(fā)送探測(cè)包.若某探測(cè)包在指定時(shí)間閾值內(nèi)收到響應(yīng)包，則獲得一個(gè)端到端時(shí)延的測(cè)量樣本；若超過指定時(shí)間閾值仍未收到響應(yīng)包則記錄為丟包事件.測(cè)量過程結(jié)束后，記錄的丟包事件次數(shù)除以測(cè)量過程發(fā)送的探測(cè)包總數(shù)即為該時(shí)間區(qū)間內(nèi)端到端路徑丟包率；獲得的時(shí)延測(cè)量樣本集合則構(gòu)成了時(shí)間區(qū)間內(nèi)端到端路徑時(shí)延的時(shí)間序列.這種周期探測(cè)方式過程簡單、容易實(shí)現(xiàn)，因而被廣泛應(yīng)用.最常用的主動(dòng)測(cè)量工具Ping即采用這種方式測(cè)量丟包率及時(shí)延.

但周期探測(cè)的本質(zhì)是一種離散采樣方式，其測(cè)量結(jié)果受探測(cè)周期選擇的影響.由于網(wǎng)絡(luò)流量的隨機(jī)突發(fā)性，丟包也具有隨機(jī)突發(fā)特征[7].測(cè)量的探測(cè)周期太大，則不能充分探測(cè)丟包事件，丟包率測(cè)量結(jié)果有誤差.所以，往往需要較密集地發(fā)送探測(cè)包，即需有較小的采樣周期，才能充分地探測(cè)到突發(fā)的丟包事件，準(zhǔn)確測(cè)量丟包率.而持續(xù)的小采樣周期會(huì)給端到端路徑帶來不可忽視的測(cè)量負(fù)載，使得測(cè)量結(jié)果與無測(cè)量負(fù)載的路徑實(shí)際丟包率不相符.故實(shí)現(xiàn)周期探測(cè)方式的工具，如Ping，所測(cè)量的丟包率結(jié)果往往存在較大誤差[8].

周期探測(cè)方式存在較大測(cè)量誤差的根本原因在于周期探測(cè)難以適應(yīng)丟包的隨機(jī)突發(fā)特征，從而充分采樣丟包事件.對(duì)此，現(xiàn)有研究試圖從測(cè)量過程的設(shè)計(jì)或基于理論推導(dǎo)選擇探測(cè)方式來解決問題.文獻(xiàn)[9]提出的ZING工具可測(cè)量端到端路徑的單向丟包率，但需要端主機(jī)協(xié)作.Sting工具則通過控制TCP協(xié)議通信過程來測(cè)量丟包率[10].文獻(xiàn)[11]提出了BADABING工具來提高丟包率測(cè)量精度．文獻(xiàn)[12]分析了其采樣方式的缺陷.文獻(xiàn)[13]則建議應(yīng)以泊松采樣為丟包率等網(wǎng)絡(luò)性能指標(biāo)的基本測(cè)量方式.泊松采樣是一種漸近采樣方式，可無偏地估計(jì)被測(cè)量過程的時(shí)間平均統(tǒng)計(jì)量.但現(xiàn)代的高速互聯(lián)網(wǎng)在正常條件下路徑丟包并不頻繁，丟包率較低[7].由于泊松采樣的漸近特性，在平均采樣頻率不高時(shí)，測(cè)量過程可能需較長的時(shí)間才能準(zhǔn)確測(cè)量端到端路徑丟包率[14].因此周期探測(cè)仍是目前最常用的測(cè)量方式.

與現(xiàn)有研究不同，本文從考慮探測(cè)方式應(yīng)與網(wǎng)絡(luò)狀態(tài)相適應(yīng)的角度出發(fā)來改進(jìn)方法.為解決周期探測(cè)方式測(cè)量誤差較高的問題，本文提出一種探測(cè)周期自適應(yīng)調(diào)整的丟包率測(cè)量方法，通過利用時(shí)延-丟包相關(guān)性及丟包-丟包相關(guān)性，根據(jù)測(cè)量過程中大時(shí)延測(cè)量樣本和丟包事件對(duì)網(wǎng)絡(luò)突發(fā)丟包的指示作用，設(shè)定適當(dāng)?shù)挠|發(fā)閾值，在出現(xiàn)大時(shí)延測(cè)量樣本和丟包事件時(shí)，降低探測(cè)周期；而在時(shí)延較平緩時(shí)則增大探測(cè)周期，既保證了在無突發(fā)丟包時(shí)，不會(huì)產(chǎn)生太大的測(cè)量負(fù)載，也保證了出現(xiàn)突發(fā)性丟包時(shí)，能充分對(duì)丟包事件采樣，從而在不大幅提高探測(cè)量的前提下，提高了丟包率測(cè)量的準(zhǔn)確性.仿真實(shí)驗(yàn)結(jié)果表明：與ping相比，該方法測(cè)量誤差降低較多，而探測(cè)量開銷卻增加不多；與較為準(zhǔn)確的BADABING工具相比，測(cè)量誤差相差不大，但探測(cè)量開銷卻明顯減少.因此，該方法在測(cè)量精度和探測(cè)量開銷上有較好的折中.可見該方法保持較小測(cè)量負(fù)載情況下仍可取得較高測(cè)量精度，適于在實(shí)際網(wǎng)絡(luò)測(cè)量中應(yīng)用.

1 測(cè)量方法設(shè)計(jì)

1.1 基本思想

周期探測(cè)方式測(cè)量丟包率存在的困難在于，由于丟包的隨機(jī)突發(fā)特征，難以選擇合適的采樣周期.采樣周期太大，測(cè)量不準(zhǔn)確；采樣周期太小，則測(cè)量負(fù)載的影響不可忽視.事實(shí)上，對(duì)于具有隨機(jī)突發(fā)性的被測(cè)對(duì)象，自適應(yīng)采樣往往比簡單的周期采樣更具優(yōu)勢(shì).如文獻(xiàn)[15]即通過自適應(yīng)采樣，在保持較小采樣數(shù)量前提下獲得了較理想的網(wǎng)絡(luò)流量采樣結(jié)果.因此，本文的基本思想是在周期探測(cè)基礎(chǔ)上，自適應(yīng)地調(diào)整采樣周期.在可能存在突發(fā)丟包時(shí)，降低采樣周期，以充分采樣丟包事件；而在網(wǎng)絡(luò)狀態(tài)較平穩(wěn)時(shí)，則增大采樣周期，以降低測(cè)量負(fù)載；由此使得丟包率測(cè)量能保持較小測(cè)量負(fù)載并降低丟包率測(cè)量誤差.

實(shí)現(xiàn)上述思想的自適應(yīng)采樣測(cè)量方法基本流程如圖1所示.與周期采樣的測(cè)量方法相比，圖1中增加了探測(cè)周期調(diào)整模塊，該模塊主要運(yùn)行自適應(yīng)調(diào)整算法，動(dòng)態(tài)調(diào)整探測(cè)周期.顯然，設(shè)計(jì)適當(dāng)?shù)淖赃m應(yīng)調(diào)整算法來合理調(diào)整探測(cè)周期是測(cè)量方法的關(guān)鍵.

圖1 自適應(yīng)采樣測(cè)量方法流程

1.2 算法關(guān)鍵問題

為使測(cè)量能保持較小負(fù)載和誤差，自適應(yīng)調(diào)整算法首先應(yīng)對(duì)當(dāng)前是否可能存在突發(fā)丟包進(jìn)行分析和判斷，以確定探測(cè)周期調(diào)整的方向；其次，需要設(shè)計(jì)合適的探測(cè)周期調(diào)整策略，使得周期調(diào)整幅度能快速適應(yīng)網(wǎng)絡(luò)狀況的變化.因此，該算法主要應(yīng)解決兩個(gè)問題：1)分析判斷當(dāng)前是否存在突發(fā)丟包.2)根據(jù)判斷結(jié)果合理調(diào)整探測(cè)周期.下面分別進(jìn)行討論.

1.2.1 突發(fā)丟包的判斷

IP網(wǎng)絡(luò)中，丟包主要由于網(wǎng)絡(luò)流量的突發(fā)增加而導(dǎo)致.就網(wǎng)絡(luò)性能而言，突發(fā)流量導(dǎo)致網(wǎng)絡(luò)出現(xiàn)短時(shí)間擁塞，使得網(wǎng)絡(luò)時(shí)延增加，并出現(xiàn)丟包.因此，突發(fā)丟包并不是孤立出現(xiàn)的，而是往往伴隨著較大的時(shí)延或者短時(shí)間連續(xù)的丟包而發(fā)生.事實(shí)上，時(shí)延與丟包、丟包與丟包之間存在一定的相關(guān)性[16].因此，在測(cè)量中可以利用此相關(guān)性來判斷突發(fā)丟包的出現(xiàn).

設(shè)測(cè)量過程共進(jìn)行n次探測(cè)，即發(fā)送了n個(gè)探測(cè)包，探測(cè)結(jié)果表示為序列{d1,d2,…,dn}.對(duì)于第i次探測(cè)，若未丟包，di為探測(cè)到的時(shí)延值；若丟包，置di為0.隨著測(cè)量的進(jìn)行，若第k次探測(cè)的結(jié)果dk為0或較大的時(shí)延值，根據(jù)上述相關(guān)性特征，可以認(rèn)為此時(shí)處于突發(fā)丟包時(shí)段.由于單使用dk的取值不方便判斷突發(fā)丟包，可定義排隊(duì)時(shí)延比率指標(biāo)qr如式(1)：

(1)

式中：dmin為當(dāng)前探測(cè)到的時(shí)延最小值，通常認(rèn)為dmin未包含任何排隊(duì)時(shí)延[17]；dth為當(dāng)前所有探測(cè)到的丟包事件前一個(gè)時(shí)延值的最小值.式(1)可視為當(dāng)前排隊(duì)時(shí)延相對(duì)出現(xiàn)丟包事件的最小排隊(duì)時(shí)延的比率.dk不為0時(shí)，若qr小于1，表明當(dāng)前排隊(duì)時(shí)延小于之前出現(xiàn)丟包事件的最小排隊(duì)時(shí)延，網(wǎng)絡(luò)未擁塞；若qr大于1，則表明當(dāng)前排隊(duì)時(shí)延大于之前出現(xiàn)丟包事件的最小排隊(duì)時(shí)延，網(wǎng)絡(luò)可能出現(xiàn)突發(fā)丟包.若dk為0，則當(dāng)前已出現(xiàn)突發(fā)丟包，下一刻亦可能出現(xiàn)突發(fā)丟包，故補(bǔ)充qr定義等于1.

排隊(duì)時(shí)延比率指標(biāo)qr可作為突發(fā)丟包的判斷指標(biāo)，但對(duì)偶然出現(xiàn)的大時(shí)延值或丟包過于敏感，容易誤判.故補(bǔ)充考察短時(shí)間內(nèi)的時(shí)延變化趨勢(shì).若短期內(nèi)時(shí)延出現(xiàn)明顯增長趨勢(shì)，則可能出現(xiàn)流量突發(fā)，從而可能出現(xiàn)突發(fā)丟包.為此，設(shè)第k次探測(cè)及之前共w次探測(cè)的結(jié)果序列為{dk-w+1,…,dk-1,dk}，根據(jù)文獻(xiàn)[18]的分析，定義時(shí)延變化趨勢(shì)指標(biāo)Sk為：

(2)

式(2)中，I(X)為示性函數(shù)，定義為：

時(shí)延變化趨勢(shì)指標(biāo)Sk反映了結(jié)果序列中相鄰時(shí)延值遞增的比例.根據(jù)文獻(xiàn)[18]的分析，Sk大于0.55時(shí)，結(jié)果序列有明顯的增長趨勢(shì).本文沿用這一結(jié)果.此外，w的取值亦對(duì)使用Sk來判斷短期內(nèi)時(shí)延變化趨勢(shì)有影響.參數(shù)w可視為考察時(shí)延變化趨勢(shì)時(shí)考慮的時(shí)間窗口大小.有研究表明網(wǎng)絡(luò)的突發(fā)式擁塞持續(xù)時(shí)間通常不超過1 s[19]，故本文設(shè)置計(jì)算Sk的時(shí)間窗口為5 s，則w的初值可計(jì)算為：

w=「5/T0?．

(3)

式(3)中，「?表示上取整運(yùn)算，T0為初始探測(cè)周期.測(cè)量過程中，隨著探測(cè)周期的動(dòng)態(tài)調(diào)整，w的取值也將變動(dòng).

在測(cè)量過程中，結(jié)合排隊(duì)時(shí)延比率指標(biāo)qr和時(shí)延變化趨勢(shì)指標(biāo)Sk,可對(duì)出現(xiàn)的突發(fā)丟包進(jìn)行較好的判斷.具體過程在1.3小節(jié)討論.

1.2.2 探測(cè)周期調(diào)整策略

在對(duì)是否出現(xiàn)突發(fā)丟包進(jìn)行判斷后需要進(jìn)行適應(yīng)性的探測(cè)周期調(diào)整.總體策略是當(dāng)出現(xiàn)突發(fā)丟包時(shí)應(yīng)減小探測(cè)周期，而網(wǎng)絡(luò)狀態(tài)平穩(wěn)時(shí)應(yīng)增大探測(cè)周期.

由于探測(cè)周期的調(diào)整對(duì)保持較小的測(cè)量誤差和測(cè)量負(fù)載有決定性作用，調(diào)整策略應(yīng)能快速適應(yīng)網(wǎng)絡(luò)狀態(tài)的變化.為此，探測(cè)周期調(diào)整時(shí)采用減半或倍增的方式.設(shè)當(dāng)前探測(cè)周期為Tk，若判斷當(dāng)前處于突發(fā)丟包狀態(tài)，為充分采樣丟包事件，則探測(cè)周期調(diào)整為Tk+1=Tk/2；若判斷當(dāng)前未處于突發(fā)丟包狀態(tài)，則探測(cè)周期調(diào)整為Tk+1=2Tk，以降低測(cè)量負(fù)載.

需要注意的是，這種減半或倍增的調(diào)整策略對(duì)探測(cè)周期的調(diào)整幅度是幾何量級(jí)的.若沒有其它條件約束，將可能出現(xiàn)極小或極大的探測(cè)周期而影響測(cè)量過程.考慮到自適應(yīng)調(diào)整探測(cè)周期時(shí)，若探測(cè)周期過大會(huì)使得采樣過于稀疏；而探測(cè)周期太小，則相鄰探測(cè)包的結(jié)果相互干擾.因此可以設(shè)置允許的最大、最小探測(cè)周期來限定探測(cè)周期的調(diào)整范圍.

設(shè)最大探測(cè)周期為Tmax，最小探測(cè)周期為Tmin，則任意一次采樣的探測(cè)周期Ti均需滿足Tmin≤Ti≤Tmax.通常認(rèn)為時(shí)間相隔5 s的探測(cè)包是相互獨(dú)立的，故設(shè)置最大探測(cè)周期Tmax為5 s.文獻(xiàn)[20]的研究表明，若時(shí)間間隔小于50 ms，則前后探測(cè)包可能存在相互干擾.故設(shè)置最小探測(cè)周期Tmin為0.05 s.

1.3 自適應(yīng)調(diào)整算法

依據(jù)上一節(jié)的分析，將突發(fā)丟包判斷過程和探測(cè)周期調(diào)整過程進(jìn)行整合，得到的探測(cè)周期自適應(yīng)調(diào)整算法流程如圖2所示.

圖2 自適應(yīng)調(diào)整算法流程

圖2中，若Sk<0.55，表明時(shí)延未表現(xiàn)明顯增長趨勢(shì)，網(wǎng)絡(luò)狀態(tài)平穩(wěn)，故增大探測(cè)周期.此時(shí)無需考察qr的取值，以避免調(diào)整算法對(duì)偶然出現(xiàn)的大時(shí)延或丟包事件過于敏感.若Sk≥0.55，則考察qr的取值.若qr<1，則當(dāng)前雖然時(shí)延有增長趨勢(shì)，但不能確定是否處于突發(fā)丟包狀態(tài)，故保守地保持探測(cè)周期不變.若Sk≥0.55且qr≥1，表明當(dāng)前時(shí)延有明顯增長趨勢(shì)，且當(dāng)前排隊(duì)時(shí)延大于之前出現(xiàn)丟包事件的最小排隊(duì)時(shí)延，指示當(dāng)前處于突發(fā)丟包狀態(tài)，故減小探測(cè)周期.

在計(jì)算qr和Sk時(shí)需要使用到一些參數(shù)，這些參數(shù)的初始化在圖1所示的測(cè)量初始化時(shí)進(jìn)行，之后則在輸出新的探測(cè)周期Tk+1時(shí)進(jìn)行更新.需要指出的是，本文對(duì)一些參數(shù)的具體取值進(jìn)行了討論，如Tmax,Tmin等，它們可視為算法運(yùn)行時(shí)的默認(rèn)值.實(shí)際使用時(shí)，這些參數(shù)的取值均可另行設(shè)置，以適應(yīng)不同的端到端路徑特性.

2 仿真實(shí)驗(yàn)

在ping的基礎(chǔ)上對(duì)本文方法進(jìn)行了實(shí)現(xiàn)，稱之為asping.與探測(cè)周期固定的ping工具不同，asping在測(cè)量過程中將自適應(yīng)地調(diào)整探測(cè)周期.為評(píng)估asping在測(cè)量丟包率時(shí)的準(zhǔn)確性和探測(cè)包開銷，在仿真環(huán)境進(jìn)行了實(shí)驗(yàn)，并與ping，BADABING等工具進(jìn)行比較.

2.1 仿真實(shí)驗(yàn)設(shè)置

本文仿真實(shí)驗(yàn)使用ns-2構(gòu)建的網(wǎng)絡(luò)拓?fù)淙鐖D3所示.圖3中，S1至Sn為發(fā)送端，R1至Rn為接收端，模擬網(wǎng)絡(luò)的實(shí)際用戶.發(fā)送端向?qū)?yīng)接收端發(fā)送符合指數(shù)開關(guān)(ON-OFF)過程的流量，多個(gè)疊加后即具有自相似特征.開、關(guān)的均值分別設(shè)置為1 s和14 s.在開狀態(tài)下，發(fā)送端發(fā)送長度為1 000字節(jié)的數(shù)據(jù)包，發(fā)送時(shí)間間隔服從均值為10 ms的指數(shù)分布.設(shè)置發(fā)送端總數(shù)為140，故中間鏈路的利用率約為70%.路由器的緩存容量設(shè)置為50個(gè)數(shù)據(jù)包.由于每次仿真得到的網(wǎng)絡(luò)實(shí)際丟包率均有不同，為保證結(jié)果有可比較性，仿真時(shí)設(shè)置Sp,SB,Sa為測(cè)量源主機(jī)，分別模擬ping,BADABING,Asping工具同時(shí)向?qū)?yīng)測(cè)量目的主機(jī)發(fā)送包長為64字節(jié)的探測(cè)包，亦即同時(shí)進(jìn)行丟包率的測(cè)量.

圖3 仿真網(wǎng)絡(luò)拓?fù)?/p>

2.2 實(shí)驗(yàn)結(jié)果

在圖3所示網(wǎng)絡(luò)拓?fù)涔策\(yùn)行了10次時(shí)間為1 000 s的仿真試驗(yàn)，記錄各工具測(cè)量的丟包率及探測(cè)量進(jìn)行比較分析，探測(cè)周期設(shè)置為5 s.網(wǎng)絡(luò)實(shí)際丟包率則根據(jù)發(fā)送端發(fā)送的數(shù)據(jù)包總數(shù)及接收端接收數(shù)據(jù)包總數(shù)來計(jì)算.

2.2.1 測(cè)量誤差

圖4給出了10次仿真試驗(yàn)的實(shí)際丟包率RL及各工具的測(cè)量結(jié)果.由圖4可知，10次仿真試驗(yàn)的實(shí)際丟包率并不固定，但均小于3%.相對(duì)于實(shí)際丟包率，3種方法中ping的測(cè)量誤差最大.特別是第3次、4次和7次仿真試驗(yàn)，由于ping未能探測(cè)到丟包事件，其測(cè)量的丟包率結(jié)果為0.之所以ping有較大測(cè)量誤差，是因?yàn)榉抡嬖O(shè)置的探測(cè)周期較大，而ping的周期探測(cè)是固定的，故難以充分探測(cè)丟包事件.10次仿真試驗(yàn)中BADABING有6次具有最小的測(cè)量誤差，可以認(rèn)為BADABING的測(cè)量精度最優(yōu).本文提出的asping方法測(cè)量誤差明顯小于ping，雖然多數(shù)仿真中asping方法的測(cè)量誤差略高于BADABING，但亦有少數(shù)仿真試驗(yàn)asping方法的測(cè)量誤差小于BADABING，可認(rèn)為asping的測(cè)量精度僅略低于BADABING.

實(shí)驗(yàn)序號(hào)

2.2.2 探測(cè)量開銷

探測(cè)量開銷是測(cè)量方法評(píng)估的另一個(gè)重要指標(biāo)，且探測(cè)量開銷在一定程度上影響了測(cè)量精度.圖5給出了10次仿真試驗(yàn)中3種工具的探測(cè)量開銷，因仿真時(shí)探測(cè)包長度固定為64字節(jié)，故圖中以探測(cè)包數(shù)表示探測(cè)量開銷.圖5中，ping是采取固定周期探測(cè)方式，故每次仿真試驗(yàn)中，ping的探測(cè)量開銷也是固定的；BADABING和本文提出的asping則在測(cè)量過程中動(dòng)態(tài)調(diào)整采樣頻率，故它們每次試驗(yàn)的探測(cè)量開銷是變動(dòng)的.由圖5可知，ping有最小的探測(cè)量開銷，asping探測(cè)量開銷中等，而每次試驗(yàn)中，BADABING均具有最大的探測(cè)量開銷.

實(shí)驗(yàn)序號(hào)

2.2.3 實(shí)驗(yàn)結(jié)果分析

表1給出了3種方法在10次仿真試驗(yàn)中的平均誤差和平均探測(cè)量開銷.由表1可知，總體而言，雖然ping的探測(cè)量開銷最小，但其測(cè)量誤差較大，平均絕對(duì)誤差達(dá)到64%；BADABING測(cè)量誤差最小，但是以較大的探測(cè)量開銷為代價(jià)而取得的，其平均探測(cè)量開銷為ping的2.82倍；本文提出的asping的測(cè)量誤差接近了BADABING，同時(shí)增加的探測(cè)量開銷小于BADABING，其平均探測(cè)量開銷為ping的1.86倍.

從表1可以看到，asping方法的探測(cè)量要高于ping.這是因?yàn)閜ing的探測(cè)周期固定為5 s，而asping探測(cè)周期是隨著測(cè)量過程動(dòng)態(tài)調(diào)整的且最大探測(cè)周期為5 s，顯然其探測(cè)量應(yīng)高于ping.又由于asping對(duì)探測(cè)周期的調(diào)整是與網(wǎng)絡(luò)狀態(tài)相適應(yīng)的，故其探測(cè)量小于BADABING.

對(duì)于測(cè)量精度，ping的固定周期探測(cè)方式意味著探測(cè)時(shí)不考慮網(wǎng)絡(luò)狀態(tài)的變化，故突發(fā)丟包時(shí)難以充分采樣，從而精度不理想.而asping會(huì)以與網(wǎng)絡(luò)狀態(tài)變化相一致的動(dòng)態(tài)來調(diào)整探測(cè)周期，在突發(fā)丟包時(shí)將密集采樣，從而精度得到大幅提高.故可以認(rèn)為asping在測(cè)量誤差和探測(cè)量開銷之間取得了較好的折中.

表1 測(cè)量的平均誤差和平均探測(cè)量開銷

3 結(jié) 論

由于過程簡單，實(shí)現(xiàn)容易，ping是最常用的丟包率測(cè)量工具之一，但ping的固定周期探測(cè)方式會(huì)導(dǎo)致測(cè)量誤差較大.本文提出的探測(cè)周期自適應(yīng)調(diào)整的丟包率測(cè)量方法，在ping的基礎(chǔ)上進(jìn)行改進(jìn).其基本思想是利用時(shí)延-丟包及丟包-丟包相關(guān)性，根據(jù)大時(shí)延測(cè)量樣本和丟包事件對(duì)網(wǎng)絡(luò)突發(fā)丟包的指示作用來動(dòng)態(tài)調(diào)整探測(cè)周期.仿真實(shí)驗(yàn)中，本文方法的測(cè)量誤差相對(duì)ping有較大幅度的下降，但探測(cè)量開銷卻沒有過多增加；而與較準(zhǔn)確的工具BADABING相比，本文方法測(cè)量誤差雖略有不如，但探測(cè)量開銷明顯較少.因此，本文方法在測(cè)量精度和探測(cè)量開銷上有較好的折中，可以在實(shí)際的大規(guī)模網(wǎng)絡(luò)測(cè)量中應(yīng)用.

由于需要采集足夠的測(cè)量樣本，本文方法需要一定的測(cè)量時(shí)間來完成丟包率測(cè)量，故對(duì)于一些需快速測(cè)量丟包率的網(wǎng)絡(luò)應(yīng)用，本文方法不一定適用.下一步的研究將更深入的分析時(shí)延-丟包及丟包-丟包相關(guān)性，建立其量化模型，根據(jù)當(dāng)前時(shí)延或丟包來估計(jì)丟包率，以實(shí)現(xiàn)快速而準(zhǔn)確的丟包率測(cè)量.

[1] NADIM P, ANIRBAN M, CAREY W. An analytic throughput model for TCP New Reno[J]. IEEE/ACM Transactions on Networking, 2010, 18(2): 448-461.

[2] JIAN Y, HAN H, XI H,etal. Online buffer fullness estimation aided adaptive media playout for video streaming[J]. IEEE Transactions on Multimedia, 2011, 13(5): 1141-1153.

[3] WENG Y, SHIEH C, HUANG T,etal. Using P2P networks to repair packet losses in digital video broadcasting systems[C]//Proc of IEEE ICPADS’11. New York: IEEE, 2011: 765-769.

[4] BENKO P, VERES A. A passive method for estimating end-to-end TCP packet loss[C]//Proc of IEEE Global Telecommunications Conference 2002. New York: IEEE, 2002:2609-2613.

[5] ALES F, SVEN U, ALEXANDROS K,etal. Realistic passive packet loss measurement for high-speed networks[C]//Proc of Traffic Monitoring and Analysis Workshop 2009. New York: ACM, 2009:1-7.

[6] ZHANG D, LONECU D. A new method for measuring packet loss probability using a Kalman filter[J]. IEEE Transaction on Instrumentation and Measurement, 2009, 58(2): 488-499.

[7] ATHINA M, FOUAD T, MANSOUR K. Loss and delay measurements of internet backbones[J]. Computer Communications, 2006, 29(10):1590-1604.

[8] BARFORD P, SOMMERS J. Comparing probe- and router-based packet-loss measurement[J]. IEEE Internet Computing, 2004, 8(5):50-56.

[9] ADAMS A, MAHDAVI J, MATHIS M,etal. Creating a scalable architecture for internet measurement[C]//Proc of INET’98. New York: IEEE, 1998:9-16.

[10]SAVAGE S. Sting: A tool for measuring one way packet loss[C]//Proc of IEEE INFOCOM ’2000. New York: IEEE, 2000:1157-1165.

[11]SOMMERS J, BARFORD P, DUFFIELD N,etal. A geometric approach to improving active packet loss measurement[J]. IEEE/ACM Transactions on Networking, 2008, 16(2): 307-320.

[12]FRANCOIS B, SRIDHAR M, DARRYL V,etal. Probing for loss: the case against probe trains[J]. IEEE Communications Letters, 2011, 15(5): 590-592．

[13]PAXSON V, ALMES G, M AHDAVI J，etal. Framework for IP performance metrics[S]. RFC2330, 1998.

[14]BACCELLI F, MACHIRAJU S, VEITCH D,etal. The role of PASTA in network measurement[C]//Proc of ACM SIGCOMM’06. New York: ACM, 2006:231-242.

[15]張大方,沈永堅(jiān),黎文偉.一種基于歷史記錄的網(wǎng)絡(luò)流量數(shù)據(jù)采樣方法[J]. 湖南大學(xué)學(xué)報(bào)：自然科學(xué)版, 2005,32(6):102-105.

ZHANG Da-fang, SHEN Yong-jian, LI Wen-wei. A network flow data sampling method based on history memory[J]. Journal of Hunan University：Natural Sciences, 2005,32(6):102-105.(In Chinese)

[16]HUNG X, MATTHEW R. Rigorous statistical analysis of internet loss measurements[J]. SIGMETRICS Performance Evaluation Reviewm, 2010, 38(1): 361-362.

[17]黎文偉，張大方，曾彬，等．端到端最小包時(shí)延可測(cè)性的排隊(duì)分析與仿真[J]．湖南大學(xué)學(xué)報(bào)；自然科學(xué)版，2007，34(4)：73-77.

LI Wen-wei,ZHANG Da-fang,ZENG Bing,etal. Queuing analysis and simulation of the measurability of end-to-end minimum packet delay[J]．Journal of Hunan University:Natural Sciences，2007，34(4)：73-77．(In Chinese)

[18]MANISH J, CONSTANTINOS D. End-to-end available bandwidth: measurement methodology, dynamics, and relation with TCP throughput[J]. IEEE/ACM Transactions on Networking, 2003,11(4): 537-549.

[19]UYEDA F, FOSCHINI F, BAKER F,etal. Efficiently measuring bandwidth at all time scales[C]//Proc of NSDI’11. Berkeley, CA, USA: USENIX Association, 2011:6-19.

[20]黎文偉,王俊峰,謝高崗,等.基于包對(duì)采樣的IP網(wǎng)絡(luò)時(shí)延變化測(cè)量方法[J].計(jì)算機(jī)研究與發(fā)展,2004,41(8):1352-1360．

LI Wen-wei, WANG Jun-feng, XIE Gao-gang,etal. An IPDV measurement method based on packet pair sampling[J]. Journal of Computer Research and Development, 2004, 41(8):1352-1360．(In Chinese)