基于多维度测量的网络性能动态评价方法*

2014-09-13齐德昱

计算机工程与科学 2014年11期

关键词：物元定义动态

毛莉，齐德昱

(1.华南理工大学计算机系统研究所，广东广州 510006； 2．广东警官学院计算机系，广东广州 510440)

基于多维度测量的网络性能动态评价方法*

毛莉1,2，齐德昱1

(1.华南理工大学计算机系统研究所，广东广州 510006； 2．广东警官学院计算机系，广东广州 510440)

针对传统网络性能评价方法存在的静态性和片面性问题，提出了一种基于多维物元模型的网络性能动态评价方法，从多维网络评价物元模型、网络评价指标体系、模糊层次分析策略几个方面展开讨论，并给出了权重取值算法。实例显示，该评价方法有助于网络管理人员多维度动态跟踪、定量分析和监控网络运行,提高网络管理过程的可观测性和可预警性。

网络管理；多维度；动态；物元模型；模糊层次分析

1 引言

在云计算和大数据[1]背景下，软件对网络的依赖在不断提高，计算机网络的稳定性、可用性、高效性等诸多性能指标也被越来越多地关注。如何动态跟踪和定量分析网络性能、预警网络中的薄弱节点、在现有网络环境基础上提高网络性能，是目前网络工程项目中迫切需要研究的现实问题。

目前，评价网络性能通常采用静态综合评价方法[2～5]，这些研究多侧重于采用某种分析方法，测量评价标准主要从某个维度出发，只考虑在某一时间、地域截面下的静态评价标准，其结果往往带有片面性，对测量结果缺少动态的定量评价，不能对被评价对象作时间和空间上的整体对比。实际网络工程中,网络管理员常常需要掌握网络动态，虽然网络测量过程按计划开展,但由于测量数据庞大，对测量结果缺少动态的定量评价，因此很难在测量评价过程中及时发现网络中的薄弱环节,并有效控制和提高网络管理效率。

网络综合评价需要考虑多项网络性能指标，通常情况下由于各单项指标评价结果之间不相容, 直接评价较为困难。目前提出的综合评价模型有模糊层次分析FAHP(Fuzzy Analytic Hierarchy Process)方法、数据包络分析法、神经网络评价法、灰色综合分析法等，都有其特点和适用性[6]。FAHP方法是一种定性与定量分析相结合的多准则决策法，利用相对隶属度理论结合专家经验定出各指标隶属于重要性等级下的模糊隶属度，使评价过程更为客观、合理。因此，本文计算网络性能评价指标权重采用Chang D-Y提出的FAHP方法[7]，尽管目前很多FAHP方法计算权重，由于Chang D-Y的算法计算量小且高效，很多相关研究应用此方法。

在综合网络评价中引入物元模型[8]与动态方法，建立多维动态网络评价物元模型，为评价过程定性和定量的分析方式奠定动态基础，简化了测量数据的存储、表示和处理。网络动态综合评价是评价标准基于时间维度和地域维度的扩展,实质上是在静态综合评价指标的基础上引入时间因素和地域因素构成的具有时间、地域和指标三维结构的评价排序问题。

因此，本文提出一种基于多维度测量的网络动态评价方法，并从动态多维网络评价物元模型、网络评价指标体系、模糊层次分析策略几方面阐述方法的实现，最后通过实例给出了方法的应用情况。

2 多维网络性能动态评价方法框架

如图1所示，网络性能综合评价指依据网络测量用例集中的测量用例,执行评价步骤,并输出测评结果。

Figure 1 Framework of network performance dynamic comprehensive evaluation method图1 网络性能动态综合评价方法框架

本文将网络性能动态综合评价定义为：基于时间序列和地域区间跟踪网络测量，收集测量信息，从网络异常指数和可用性指数方面对网络性能进行动态分析和评价，并依据评价结果及时预警，指导网络维护人员继续跟进。为了简化测量步骤，暂不考虑网络测量过程中的人员、组织和管理等相关因素，主要对网络测量中测量的执行结果进行定量的监测和评价。下面分别从定义多维物元模型、动态分析模糊评价模型、仿真实验几方面阐述基于多维度测量网络性能的动态综合评价方法。

3 网络性能动态综合评价的物元模型

3.1 网络性能评价的物元模型

定义1(物元模型)[8]给定事物的名称N，描述事物的基本元，简称物元，表示为一个由序三元组(N,c,v)，其中c是N的特征，v是关于c的量值。如果N由n个特征c1、c2、…、cn和相应的量值v1、v2、…、vn描述，可表示为：

定义2(网络评价的基本物元模型) 基于物元定义，定义描述网络对象的基本物元模型为:

其中，N1、N2、…、Nk表示k个评价对象，n个评价指标c1、c2、…、cn，指标量值vij表示第i个评价对象的第j个评价指标的量值。

定义3(基于时序的网络评价物元模型) 基于时序描述网络对象的物元模型以四元组(N,C,V,T)描述网络性能，反映了网络评价值随时间变化的趋势，定义如下：

定义4(基于地域的网络评价物元模型) 类似地，基于地域描述网络对象的物元模型以四元组(N,C,V,Z)描述网络性能的区域性分析：

3.2 动态多维度网络评价物元模型

为了从不同角度评价网络性能，提出了侧重不同角度的动态多维度网络评价物元模型，评价维用于描述网络性能的综合评价，包括网络服务可用性和网络链路可用性指数(如往返时长、吞吐率、可用带宽、带宽资源占用率)和异常性指数(如丢包率、包出错率、时延抖动)；时间维和地域维用于描述网络评价标准随时间和地域变化的趋势。如图2所示，网络性能物元模型通过统一的物元模式对网络性能描述进行重构，体现了评价-时间-地域三者之间的关系。

Figure 2 Multi-dimensional matter-element model of network evaluation图2 多维度网络评价物元模型

4 网络性能综合评价方法

4.1 指标体系

网络性能综合评价应满足以下原则：设计的指标体系能够满足科学性和先进性原则，能够有效地反映所评价网络的性能特征；设计合理的指标层次结构，满足全面性和系统性原则，能够全面反映所评价网络的基本状态，并提供必要的数据实现评价；评价模型应实现定性和定量分析相结合，将评价指标定量化和规范化，为定性分析奠定基础；评价体系应具备可行性和可操作性，设置为可采集和可量化的指标，实现有效测量或统计。

不同的性能指标反映网络不同方面的性能，网络性能指标的选取是根据业务需要设置的。本文根据标准化组织IETF(Internet Engineering Task Force)定义的网络测量指标框架[9]选取部分参数，包含了三大基本指标(往返时长、丢包率和可用带宽，反映网络的整体性能)、严重影响网络用户体验感的指标(包出错率、时延抖动和带宽资源占用率反映网络拥塞程度)以及反映网络的服务能力指标(吞吐率是对网络系统及其部件处理数据能力的总体评价)。

网络性能综合指数是针对网络中采集不同质的数据进行综合计算和度量，成为一种测量方法，反映网络系统运行态势的网络特征数据变化程度的相对数。网络性能综合指数体系是一个二级三层结构的指标体系，将次准则层对主准则层的评判作为第一级评判，将主准则层对目标层的评判作为第二级评判，由此构成一个二级三层的综合评价模型。异常指数(B1)和可用性指数(B2)作为一级指标。可用性指数用于反映网络可以提供正确服务的能力，主要包括反映网络服务可用性和网络链路可用性的指标，二级指标包括往返时长(B21)、吞吐率(B22)、可用带宽(B23)、带宽资源占用率(B24)。异常指数反映了网络通信数据异常程度，通常由于网络受到攻击和安全威胁或网络设备故障引起的，其二级指标包括丢包率(B11)、包出错率(B12)、时延抖动(B13)。

Figure 3 Hierarchical structure of network comprehensive evaluation图3 网络综合评价层次结构图

4.2 模糊层次分析的基本理论

4.2.1 三角模糊数

(1)数乘运算

(2)加法运算

(3)乘法运算

(4)逆运算

(5)根式运算

4.2.2 FAHP方法

定义9(两个三角模糊数比较) 两个三角模糊数M1≥M2的可能程度定义为:

此式可改写为：

V(M2≥M1)=hgt(M1∩M2)=μM2(d)=

其中，d是μM1和μM2最高交叉点D的纵坐标。

定义10(k个三角模糊数比较)

V(M≥M1,M2,…,Mk)=

V[(M≥M1)and(M≥M2)and…and(M≥Mk)]=minV(M≥Mi)

定义11(权重向量) 假定d′(Ai)=minV(Si≥Sk)，对于k=1,2,…,n;k≠i。权重向量定义为W′=(d′(A1),d′(A2),…,d′(An))T，其中Si是指判断矩阵中第i个元素与其它同层所有元素相比较得到的综合重要程度，Ai表示第i个元素。

归一化后，FAHP的权向量为:

基于定义8～定义11提出了算法1，即对模糊矩阵判断矩阵的指标权重取值机器实现方法。算法1中最大的时间开销语句是用于计算三角模糊数sMi≥sMj的可能程度和凸模糊数sMi大于或等于n-1个凸模糊数的可能程度，两者的时间复杂度均为O(n2)，因此算法总的时间延迟为O(n2)，其中n是评价指标个数。网络性能评价指标的选取并非越多越好，而是应该遵循全面性、避免重复，注重可比性和可测性原则。因此，实践中往往选取能够全面和科学反映网络性能的指标，n取值范围是[3,10]。

算法1FAHP准则权重取值算法

输出：归一化的权重向量WFAHP=(dM1,dM2,…,dMn)T。

1.FORallMi∈M(i∈[1,n])DO

2. sMi=fse(A)//计算每个指标的模糊综合程度值

3.END FOR

4.FOR allMi,Mj∈M(i∈[1,n],j∈[1,n] andj≠i) DO

5.VMiMj=sup(sMi,sMj)/*计算三角模糊数sMi≥sMj的可能程度*/

6.END FOR

7.FOR allMi,Mj∈M(i∈[1,n],j∈[1,n] andj≠i) DO

9.END FOR

12.END FOR

13.WFAHP={dMi|i∈[1,n]}

14.RETURNWFAHP

Figure 4 A polytechnic campus network topology图4 某职业技术学院校园网络拓扑图

4.3 数据的无量纲化处理

数据无量纲化处理的目的是消除不同评价指标在量级、单位上的差异(信息)。本文采用的均值化方法如下：

均值化后的方差为：

可见均值化后的数据方差为均值化前方差除以均值平方，因此变化后的数据保留了各指标变异程度信息。

4.4 综合评价值

定义12网络综合性能评价值定义如下：

5 实例分析

校园网是一个自主的互联的计算机及网络设备的集合，某职业技术学院的校园网拓扑结构如图4所示。

基于OPNET拥有丰富的模型库，提供复杂的网络仿真环境，本文将图中校园的拓扑结构映射到OPNET中，构建仿真模型，获得实验所需数据。

对于一个三层办公楼，楼宇内部网络拓扑结构是两级星型结构，一级星型结构利用Cisco 3640路由器连接各楼层交换机(Cisco 2924)，并接入校园主干网；每层24个网络用户接入一台交换机构成二级星型网络。

5.1 评价指标权重计算

根据第4节网络综合性能评价指标体系，设计了“网络性能分析专家综合评审咨询表”，根据五位专家在表中填写的数据，计算每个权重平均值，利用模糊等级进行两两比较指标的重要程度(如表1所示)，获得指标权重(如表2～表4所示)。

Table 1 Ambiguous semantics scale of relative importance表1 模糊比较标度及含义

可见，专家对各项指标权重的定义随着地域和时间不同而有所区别，工作时间的办公区关注于网络的可用性，而上课时间的学生宿舍区则更加重视网络是否存在异常性。

根据算法1，计算出两级指标的归一化权重(如表5所示)。

Table 2 Relative importance of main criteria表2 多维一级指标的模糊判断矩阵

5.2 计算综合评价值

分析校园网的整体网络性能状况，需要对网络中多个节点以及连接到这个节点链路的性能指标进行测量。本节随机选取四个楼宇接入节点(Z1和Z2属于办公区，Z3和Z4属于学生宿舍区)，分别对其测量五个时刻基于统计的网络指标数据(如表6所示)，根据第4节方法对其进行无量纲化处理得到表7，由定义12计算各节点不同时刻的网络性能综合评价值(如表8所示)。

Table 3 Relative importance of sub-criteria of anomaly(B1)表3 动态多维异常指数的二级模糊判断矩阵

Table 4 Relative importance of sub-criteria of availability(B2)表4 多维可用性指数的二级模糊判断矩阵

Table 5 Unified weights of criteria表5 多维性能指标归一化权重

Table 6 Quantitative data related to criteria values表6 指标测量值

Table 7 Dimensionless criteria values表7 无量纲化处理后的数据表

Table 8 Comprehensive evalution of network表8 网络综合性能评价

5.3 利用多维度测量网络性能曲线，分析网络性能和预警问题节点

网络性能测量过程中，同步、动态地统计并绘制各地域的网络性能评价随时间的变化曲线。比较曲线之间的差异，综合评价相对明显偏低的网络测量点是当前的预警问题节点，是由于多个测量指标值出现异常(劣性指标值高、优性指标值低)，应通知网络管理员进一步跟进。评价曲线分析范围可以是局域网络内部所有被测关键节点之间的综合评价比较，或各被测局域网络之间某一维度的网络性能评价比较。必须说明的是, 该评价值在纵轴上的值越大代表同用户对于网络性能越满意。通过评价值在横轴上的比较则可以看出网络性能综合评价值在时间轴上的变化趋势。

图5是被测校园网的20个测试用例测量情况。本例设定的测量周期是1小时，即图中每个时间点间隔1小时。评价波动容忍阈值定义为该测量点在某时刻之前的三个周期平均评价值的±30%，即如果某测点连续三个周期评价值波动幅度超出阈值，则需预警，通知网络管理员进行跟进检测。可以直观看出，测量地域Z2和Z3的节点网络性能比较稳定，Z1偶尔存在较大波动，Z4的综合评价保持明显劣势并且波动较大。因此,需要进一步观察Z1、Z4的走势，符合条件应采取相应预警措施。

Figure 5 Curve of multi-dimensional dynamic network performance evaluation图5 多维、动态网络性能评价曲线

图5中可以看到Z1在5T时刻网络性能评价值相对于本测量点最低，对照表6的实际测量值可知，Z1测量点5T时刻丢包率和包出错率高，时延抖动大，吞吐率小，性能很差。类似地可以对照Z2观测点的4T时刻。

从实验结果可以看出，综合评价值很好地反映了网络性能状况，并能对被评价对象作时间和空间上的整体对比。

6 结束语

本文提出了一种基于多维物元模型的动态网络性能综合评价方法，能够及时预警网络运行薄弱环节,使得网络管理员能够动态追踪、定量评价网络性能，及时发现网络中的薄弱节点，保障网络的正常运行。通过实例说明了上述方法的有效性，该方法将被试用于基于形式领域融合的格件[11～14]网络中，未来将对相关物元模型和评价算法作进一步改进和完善。

[1]MengXiao-feng,LiYong,ZhuJian-hua.Socialcomputingintheeraofbigdata:Opportunitiesandchallenges[J].JournalofComputerResearchandDevelopment, 2013, 50(12):2483-2491.(inChinese)

[2]LuoYun-qian,XiaJing-bo,ZhiYing-jian,etal.StaticIPnetworkquality’sfuzzyevaluationmethod[J].ComputerScience, 2010, 37(8):77-79.(inChinese)

[3]ZhaoHua-qiong,TangXue-wen.Evaluationmodelofnetworkserviceperformancebasedonfuzzyanalytichierarchyprocess[J].JournalofComputerApplications, 2013, 33(11):3035-3038.(inChinese)

[4]ChengXiao-hui,LiangQi-liang,HeJun-quan.ResearchonobjectiveweightdeterminemethodofZigBeenetworkperformanceindex[J].ApplicationResearchofComputers, 2013, 30(10):3068-3070.(inChinese)

[5]QianY,SongJ,GuoY,etal.Networkperformancecomprehensiveevaluationbasedonentropyofvaguesetandsimilaritymeasure[C]∥Procofthe14thInternationalConferenceonCommunicationTechnology(ICCT), 2012:555-559.

[6]DuDong,PangQing-hua,WuYan.Moderncomprehensiveevaluationmethodsandcases[M].Beijing:TsinghuaUniversityPress, 2008.(inChinese)

[7]ChangD-Y.ApplicationsoftheextentanalysismethodonfuzzyAHP[J].EuropeanJournalofOperationalResearch,1996,95(3):649-655.

[8]CaiWen.Matter-elementmodelanditsapplication[M].Beijing:ScientificandTechnicalDocumentationPress, 1994.(inChinese)

[9]PaxsonV,MahdaviJ,MathisM,etal.RFC2330,FrameworkforIPperformancemetrics[S].IETF,1998.

[10] Kwiesielewicz M.A note on the fuzzy extension of Saaty’s priority theory[J]. Fuzzy Sets and Systems,1998,95(2):161-172.

[11] Qi De-yu,Qi Qi-hao.The computational model based on formal fusion:Chinese patent，10158202[P]. 2009-11-18.(in Chinese)

[12] Mao L,Qi D. Formal specification and proof of gridjack[C]∥Proc of the 5th International Symposium on Computational Intelligence and Design (ISCID), 2012:110-114.

[13] Feng Bin.Researches on gridware-based information processing machine architecture[D]. Guangzhou:South China University of Technology, 2013.(in Chinese)

[14] Zhang Qian.Research on several key techniques of cloud manufacturing and its applications[D]. Guangzhou:South China University of Technology, 2013.(in Chinese)

附中文参考文献：

[1] 孟小峰, 李勇, 祝建华. 社会计算:大数据时代的机遇与挑战[J]. 计算机研究与发展, 2013,50(12):2483-2491.

[2] 罗赟骞, 夏靖波, 智英建, 等. 统计IP网络质量的模糊评估方法[J]. 计算机科学, 2010, 37(8):77-79.

[3] 赵华琼, 唐学文. 基于模糊层次分析法的网络业务性能评估模型[J]. 计算机应用, 2013, 33(11):3035-3038.

[4] 程小辉, 梁启亮, 何军权. ZigBee网络性能指标客观赋权方法研究[J]. 计算机应用研究, 2013, 30(10):3068-3070.

[6] 杜栋，庞庆华，吴言. 现代综合评价方法与案例精选 [M]. 北京:清华大学出版社, 2008.

[8] 蔡文. 物元模型及其应用[M]. 北京:科学技术文献出版社, 1994.

[11] 齐德昱，齐启豪. 基于形式领域融合的计算模型：中国，10158202[P]. 2009-11-18.

[13] 封斌. 基于格件的信息处理机体系结构研究及其实现[D]. 广州：华南理工大学, 2013.

[14] 张倩. 云制造若干关键技术及其应用研究[D]. 广州：华南理工大学, 2013.

MAOLi,born in 1978,PhD candidate,lecturer,her research interests include computer architecture and distributed systems.

Adynamicnetworkperformanceevaluationmethodbasedonmulti-dimensionalmeasurement

MAO Li1,2，QI De-yu1

(1.Research Institute of Computer Systems,South China University of Technology,Guangzhou 510006;2.School of Computer,Guangdong Police College,Guangzhou 510440,China)

Aiming at overcoming the shortcomings of static and partiality in traditional network evaluation methods,based on multi-dimensional matter-element models, we propose a dynamic network performance evaluation method.This method is discussed from the aspects of multi-dimensional matter-element models of network evaluation,indicator system of network evaluation,and policies of fuzzy analytic hierarchy process.A campus network example shows that the evaluation method helps network managers track and monitor network operation dynamically and quantitatively,and improve the users’ability to observe and controll the network.

network management;multi-dimensional;dynamic;matter-element model;fuzzy analytic hierarchy process

1007-130X(2014)11-2106-08

2014-06-10;

：2014-08-20

广东省自然科学基金团队项目(10351806001000000)；广东省科技计划资助项目(2011B010200054)

TP302.7

：A

10.3969/j.issn.1007-130X.2014.11.009