学位论文 > 优秀研究生学位论文题录展示

网络级BitTorrent流量分布测量研究

作　者: 叶伟
导　师: 金耀辉
学　校: 上海交通大学
专　业: 通信与信息系统
关键词: P2P BitTorrent 网络级 sFlow Tracker 数据融合海量测量数据处理
分类号: TP393.06
类　型: 硕士论文
年　份: 2012年
下　载: 67次
引　用: 0次
阅　读: 论文下载

内容摘要

近几年来,Peer-to-peer(P2P)技术发展迅猛,成为了互联网流量的主要贡献者。P2P应用往往不考虑承载网络的链路状况,导致了P2P覆盖网和承载网络严重失配,引起很多P2P流量频繁穿越运营商网络。然而,传统承载网络以带宽提供为核心,带宽和业务/应用分离,难以适应P2P这样的新型业务。面对这对矛盾,如何通过网络测量技术获取网络级P2P流量分布信息对网络运营商来说至关重要。目前,在P2P流量中,BitTorrent(BT)占据了最主要的部分。因此,本文着重研究了网络级BT流量分布的测量方法。前人的许多工作都着眼于链路级BT流量识别与测量。然而,这些方法却无法直接应用到网络级BT流量分布测量中。这是由于网络级BT流量分布的测量与链路级测量在问题规模上有质的区别。网络级BT流量分布测量系统需要具备可扩展性、合理的成本、准确性、实时性以及对网络本身的影响小等特征。针对这些设计需求,本文提出了一种新型的基于sFlow与Tracker 数据融合的BT流量分布测量系统。sFlow是一种用于高速交换网络中流量监控的工业标准,具有高度的可扩展性,并且已经被大多数厂商嵌入到路由交换设备中。但是,sFlow本身无法进行准确的BT识别,因此我们在测量系统设计中同时利用了Tracker信息。Tracker是BT系统的中央服务器,Tracker通信流量中可以提取出最准确的BT流判别依据。sFlow数据集与Tracker数据集通过测量系统中的数据融合器实现数据融合,从而得到结果数据集。结果集可以按照不同时间粒度进行汇聚,得出BT流量随时间变化的趋势。为了验证文中提出的测量系统的准确性和有效性,我们以校园网为平台进行了BT流量分布测量实验。在实验中,我们利用L7-filter建立测量基准。实验结果证明,本文提出的测量系统能够达到较高的测量精度。随着网络规模的扩大,测量系统将面临海量的测量数据。本文进一步研究了MongoDB作为测量系统数据处理优化方案的可行性,并通过实验验证了该方案在测量数据处理中的性能优越性。本文首先简要介绍了课题的研究背景,提出了本文的研究动机。第二章描述了基于数据融合的BT流量分布测量系统的系统设计需求,设计思路与总体架构。第三章详细介绍了流量分析与数据存储系统的设计与实现。第四章是本文的主体,详细阐述了数据融合的原理和实现,并以校园网为平台进行了实验验证。第五章研究海量测量数据处理的性能优化。第六章总结全文并展望了将来的研究工作。

全文目录

摘要  3-5
ABSTRACT  5-10
符号与缩略语说明  10-11
第1章绪论  11-20
  1.1.P2P 技术基本概念  11-14
    1.1.1.P2P 的定义  11-12
    1.1.2.P2P 的技术特点  12
    1.1.3.P2P 的分类  12-14
  1.2 课题的研究背景  14-16
  1.3 课题的研究动机  16-18
  1.4 本文的主要工作  18-19
  1.5 本文的章节安排  19-20
第2章网络级BT 流量分布测量系统设计  20-31
  2.1.BT 系统架构与工作原理  20-21
  2.2.BT 流量分布测量系统需求分析  21-23
  2.3 网络测量体系结构分析  23-25
  2.4 测量系统设计思路与总体框架  25-28
  2.5 相关研究工作  28-29
  2.6 本章小结  29-31
第3章流量分析与数据存储系统设计  31-49
  3.1.sFlow 流量分析与数据存储系统  31-38
    3.1.1.sFlow 工作原理概述  32-33
    3.1.2.sFlow 帧解析  33-36
    3.1.3.sFlow 数据存储子系统设计  36-37
    3.1.4.sFlow 流量测量准确度研究  37-38
  3.2.Tracker 流量分析与数据存储系统  38-45
    3.2.1.T racker 流量分析子系统设计  39-44
    3.2.2.T racker 数据存储子系统设计  44-45
  3.3.Tracker 流量采集中的一些议题  45-48
    3.3.1.BitTorrent 协议加密  45-46
    3.3.2.Tracker 的定位  46-47
    3.3.3 多Tracker 情况下的数据采集  47-48
  3.4 本章小结  48-49
第4章数据融合的实现与实验验证  49-58
  4.1 数据融合原理  49-50
  4.2 数据融合分析的实现  50-52
  4.3 时间戳精度问题  52-53
  4.4 实验验证  53-57
    4.4.1 实验环境  54
    4.4.2 基准的选取  54-55
    4.4.3 实验结果与分析  55-57
  4.5 本章小结  57-58
第5章海量测量数据处理的性能优化  58-67
  5.1 海量数据处理与分析概述  58-61
    5.1.1.NoSQL 技术概述  59-60
    5.1.2.MongoDB 概述  60-61
  5.2 基于MongoDB 的性能优化实验  61-66
    5.2.1 实验框架与环境  62-63
    5.2.2 实验内容与实验数据  63
    5.2.3 实验结果与分析  63-66
  5.3 本章小结  66-67
第6章结论和展望  67-69
  6.1 结论  67-68
  6.2 未来展望  68-69
参考文献  69-72
附录  72-74
致谢  74-75
作者攻读学位期间发表的学术论文  75-76
作者攻读学位期间参加的科研项目  76-77
附件  77-79

网络级BitTorrent流量分布测量研究

内容摘要

全文目录

相似论文