计算机通信网络中容量与流量分配的优化研究

陈涛  彭晴晴 王新文 王志恒 张晓宁

北方自动控制技术研究所  山西省太原市  030006

摘要：网络技术的不断发展使人们对计算机通信网络中容量与流量分配问题也越来越重视。 由于计算机网路规模逐渐扩大、用户数量增加迅速等因素作用下导致了当前用户对于信息服务需求量增大和带宽资源短缺问题愈加严重起来;因此如何实现有限容量配置成为研究重点。

关键词：计算机通信网络；QoS；容量与流量分配

引言

网络通信系统的容量、流量分配方式对整个数据吞吐量有着很大影响,随着计算机网路技术和网络管理理论发展,越来越多规模不同功能的服务器被整合到一起工作。由于传统方法无法处理一些复杂情况。为了提高计算机通信业务量计算效率以及降低运行成本等问题已经成为了当前研究热点之一,但是在实际应用中却存在着诸多缺陷与不足之处:例如容量、流量分配方式对系统性能有一定影响;另外软件开发环境也是一个重要因素,所以本论文的主要工作是研究计算机通信网络中基于 QoS的容量分配问题，包括多个层次和网络层次。

一、通信网络的发展现状和研究趋势

随着互联网的发展,网络规模也随之扩大,通信业务量不断增加,同时由于人们对数据流量利用率不高、信息传输速率较慢等原因导致通信网络容量与需求严重不符。因此如何合理规划和使用现有资源是我们需要考虑的问题。

目前国内对于计算机系统容量分配方面主要有以下几个特点:(1)在实际工作中大多数情况下都只是简单地按照软件工程来进行管理;2)由于用户对流量分配功能没有一个明确、全面认识,所以流量分配的合理性也就大打折扣;3)由于网络中用户数量不断增加,导致服务器容量不能满足需求,因此需要对系统进行优化。目前我国对于计算机通信业务已经有了一个较为全面地管理方法。本文首先介绍了QoS相关概念及理论知识介绍下计算机信息数据处理特点和主要类型以及当前国内关于该方面研究现状综述部分内容;其次阐述当前存在的几种典型分配问题并提出相应策略来解决该类问题即接入技术、流量分配算法等,并通过实例分析提出一种新的计算机通信网络流量分配策略;最后对其性能进行了评价,指出本文研究中存在不足之处。

二、基于 QoS的容量与流量分配机制

2.1基于 QoS的基本概念

（1）n个用户同时在网络中进行通信，每个用户的平均带宽为n。

（2）当一个用户在一个传输窗口内使用了超过某个速率，这个用户将会收到惩罚。

（3）不同用户的平均带宽不同，而服务质量要求也不同。

（4）在一个传输窗口内分配资源时，资源要按一定的时间间隔分配，而不是一次性全部分配完毕。

显然，资源对每个顾客而言是不同的服务质量要求，而服务要求又是影响资源和带宽的因素之一，这些要素又是相互联系、相互制约的。考虑一下资源和服务对于一个通信系统来说到底重要时，该如何进行设计决策。

QoS （Quality of Service）：对用户来说， QoS指每个顾客所能得到最大容量；而对网络运营商来说，它指在一定的时间间隔内网络运营商所能提供给每个顾客尽可能多容量；对于用户间来说就是在一定时间间隔内提供更多容量和更低的速率。

在本系统中用户可以得到相应的 QoS服务质量。当 QoS值较低时（低于一个阈值），用户可以选择将数据包发送到网络运营商或者从网络运营商购买更多的分组；而当 QoS值较高时（高于一个阈值）就不能选择将数据包发送到网络上任意一点；同时数据包也不能发送到其它任何一个点上。如果我们可以为每条路由制定一个固定时间间隔内能提供最高容量和最低速率（即最高速率）的阈值作为参考值，那么我们就可以给每个顾客制定最大容量和最小速率；同样地如果我们可以给每条路由提出一个固定时间间隔内能提供最高质量服务的阈值作为参考值，那么我们就可以给每条路由制定最低质量服务能力（即最小速率）。

2.2基于网络流量预测与资源约束的网络资源分配算法

本章首先分析了如何实现网络流量预测，提出了一种基于概率的预测方法。通过采用自适应卡尔曼滤波算法和基于马尔可夫链蒙特卡洛（MCMC）模拟的混合算法，可以有效地预测网络流量。通过实验验证，该方法在很大程度上克服了传统马尔可夫链蒙特卡洛算法对网络流量的“冷”性与“热”性的描述，使网络流能够准确地反映出其动态变化。其次，本章提出了一种基于概率的资源约束机制，实现了对容量分配的定量评估。提出了一种基于马尔可夫链蒙特卡洛模拟（MCMC）的混合算法—马尔可夫模型（MC）方法来预测网络需求和资源约束条件下满足率，从而实现对容量和流量的定量评估。实验结果表明： MC方法比马尔可夫链蒙特卡洛（MCMC）方法更准确。本章首先提出一种根据网络质量对服务质量进行动态评估的方法—马尔可夫随机过程（Markov Random Process, MRP）方法。然后以此为基础提出一种基于改进马尔可夫随机过程的 QoS评估方法—马尔可夫过程- MRP模型（MMMAR），该模型不仅可以对容量和流量进行定量评估，而且可以预测网络服务质量。通过将 MRP模型与现有工作文献中有关 MRP应用于网络服务质量评价方面所作对比实验，本文提出了一种改进的 MRP算法—马尔可夫随机过程- MRP模型（MLMAR）。与 MRP模型相比， MLMAR算法更好地预测了各种不同服务等级对网络流量 QoS所产生的影响；与 MRP模型相比，新算法更好地实现了对资源约束条件下流量 QoS的定量评估。

2.3实验设计与实验结果分析

（1）随机延迟的影响

随机延迟和带宽的相关性是重要的，但很难用实验数据来进行测量。本文在随机延迟问题中，引入了带宽与网络拓扑结构之间的关系。因此，我们通过一个简单的实验来验证所提出机制是否具有预测性。

（2）吞吐量和传输延迟

我们将这个机制应用于实际数据集，并使用一个简单的仿真工具验证了算法。

数值结果分析：从统计结果中，我们发现所提出机制在网络负载较大时会发生崩溃。因此，最好使用多个不同带宽分配方法来解决这个问题，因为这样可以保证网络资源分配的公平性。

三、基于通信流量分布的分配方法设计与实现

首先介绍了基于流的分配方法的思想和理论，接着介绍了一种实现该方法的具体流程。在这个过程中，对通信流量分配器进行了分类并给出了每个类别下每条流的分配方法。在此基础上，给出了流分配过程的具体步骤。

设计实现了一个可移植性好、运行效率高、性能良好、可扩展性好的流分配器。在这个流分配器中，对通信流量进行分类并根据通信流量所在类别进行分配，该过程包括以下步骤：（1）建立类别与相应流量之间的映射关系；（2）确定每个类别下每条流对应于该类别下所分配到流中的数据量；（3）根据数据量进行分类并分配给相应流；（4）计算每个流中所分配到的数据量与其对应数量之间的比值。在此过程中，可通过网络节点之间进行通信来实现。本章在基于流量分类方法的基础上，针对其不足之处提出了一种流分配器实现方案：基于 IP广播方式实现。该模块中每条流所对应着相应 IP包，通过将它们进行分类并对每条包内所包含数最多的信息进行判断，根据此信息确定它是否属于某个特定类别；同时，根据这个特定类型对应着该类别下某条流最多数据量与该类型下所分配到流的数据量之间存在比例关系这一事实而对相应值与所分配到流对应数量之间存在比值做判断。该模块中每个流量可由一个流分配器或一个 IP广播方式实现。具体来说，可通过网络节点间通信或网络节点间连接两种方式来实现。最后，可通过修改路由表来添加或删除某条流分配器所要分配到流数量中的数据流量信息；同时对相应 IP包内信息做判断它是否属于某个特定类别。

四、结语

对本文提出的基于 QoS的容量与流量分配机制进行了详细分析和阐述，并对提出的机制在计算机网络中的实现进行了具体说明。通过大量实验证明，提出的基于 QoS的容量与流量分配机制能够为网络中的资源利用率最优化问题提供一个有效思路。通过分析和总结本文提出的机制，可以看出该机制在资源分配和带宽管理方面能够取得很好的效果。

参考文献

[1]郭圣.计算机通信网络中容量与流量分配的优化策略[J].电子世界,2021(10):47-48.

[2]朱强.计算机通信网络中流量与容量的分配优化研究[J].信息系统工程,2018(11):40.

[3]陈超.计算机通信网络中容量与流量分配的优化分析[J].科技传播,2018,10(02):77-78.