前置包级别采样网络流基数估计算法的研究

在网络管理中,高速网络流量测量中的网络流基数测量可为扫描攻击检测、性能诊断和异常检测等重要网络功能提供分析依据,具有十分重要的地位。然而,随着网络设备数量和链路速率的急剧增长,实时测量数百万甚至更高量级的流量是十分困难的。由于缺乏昂贵的专用硬件支持(如智能网卡),交换机上严重受限的计算和存储资源将导致数据包的处理速度下降,进而使得现有测量方法的吞吐量过低。针对该问题,有研究者采用元素级别采样技术以缩减原始流量数据。但现有的元素级别采样技术需要解析数据包并进行哈希计算,而这两种操作会消耗大量的时间,导致吞吐量的改善效果不显著。对此,文章提出了前置包级别采样网络流基数估计算法,该算法仅利用一个计数器即可完成包级别采样判断,无需进行包解析等复杂计算,有效缩短了平均采样处理时间,大幅度提高了吞吐量。同时,该算法利用概率分析对原估计结果进行了修正,有效提高了估计精度。实验结果表明,相较于其他测量方法,该算法可在保证估计精度的前提下使吞吐量提高一倍。