网络系统性能评价方法综述

张小彬

摘要：网络系统性能评价可为网络管理人员提供科学的管理决策依据，用以指导网络性能优化。网络具有结构复杂、访问形式多样、异构并发等特点，因此对其进行性能评价相对比较复杂。在分析概括网络性能评价必要性的基础上，总结了基于解析、网络测量和仿真3类网络性能评价方法，分析了各方法的技术原理和优缺点。最后，总结了网络性能评价方法的发展趋势。

关键词：网络系统；性能评价；网络测量；网络仿真

DOIDOI：10.11907/rjdk.143760

中图分类号：TP306+.2

文献标识码：A 文章编号文章编号：16727800（2015）001004703

0 引言

随着网络系统承载业务日益丰富，基于网络的应用也越来越多，计算机网络已经从单纯传送数据转变为可传送数据、语音、图像、视频的多媒体网络。对于网络系统的设计者、管理者、运营者来说，尤其关心如何保证网络可靠性，何时需对现有网络进行升级改造，以及如何验证所设计的网络系统是否达到预期性能。以上问题涉及网络系统性能评价，其结果可以用于指导网络规划、配置、管理和维护。同时，为网络管理者和运营者提供科学决策依据，从而达到发现网络瓶颈节点或链路，有效配置资源，优化网络系统性能的目的。

网络性能评价指对被评价系统的动态行为进行研究和优化[1]，对系统的行为进行测量和建模；按照一定的性能要求对方案进行选择；对现有系统的性能缺陷和瓶颈进行改进；对系统性能进行预测。由于计算机网络结构具有复杂、访问形式多样、异构并发等特点，因此计算机网络的性能评价与优化非常复杂。目前国内外学者普遍研究的方法有3类：基于解析的方法、基于网络测量的方法和基于仿真的方法。

1 基于解析的网络性能评价方法

1.1 技术原理

基于解析方法的网络系统性能评价与优化基本步骤为：对所研究的对象和所依存的网络系统进行初步分析；根据一定的限定条件和合理假设，对研究对象和系统进行描述，确定系统性能参数之间的函数关系，抽象出研究对象的数学分析模型；利用数学分析模型对问题进行求解，根据求解结果分析网络系统的性能参数指标；找出影响性能的瓶颈参数，从而达到优化网络系统性能的目的。

国内外很多学者对基于解析的网络性能评估与优化方法进行了研究，并取得了丰富成果。这些研究多基于概率论、随机过程论和排队论等数学工具。特别是排队论，学者对其研究更多，一个网络系统往往可以等价为一个排队系统。

1.2 基于排队论的方法

排队论理论由丹麦数学家A.K.Erlang于1909年提出。上世纪30年代，法国数学家F.Poelaczek和苏联数学家A.N.Kolmogorov，A.Y.Khintchine的研究课题及后来撰写的著作，为基于排队论的网络性能评估奠定了数学基础。随后排队论得到迅猛发展，50年代初期，英国D.G.Kendall系统地阐述了排队问题，并利用嵌入Markov链的方法推动了网络性能评估的进一步发展。20世纪中期，随着计算机通信网络、柔性制造系统（FMS）、异步转移模式（ATM）等技术的发展，经典排队模型在处理这些领域遇到的新问题时表现出一定的局限性。20世纪70年代，作为经典排队论的推广，休假排队论（Vacation Queue）[2]受到了学者的关注，并应用于网络性能评价领域。

虽然排队论对于网络性能评价起到了重要的理论指导作用，但随着网络系统越来越庞大，构造越来越复杂，排队论对于目前的网络性能评估而言，存在以下局限性：①只适用于FIFO和固定优先级的简单调度节点，很难应用于常见的节点调度器类型（如GPS、EDF）；②对于单个节点较为有效，难以用于多节点的网络情形，通常只能采用直接相加的方法计算网络性能；③计算结果与具体的流量过程源模型和服务模型相关，缺乏通用性。

1.3 其它方法

除运用排队论外，学者还提出了其它方法，例如统计型网络演算理论（Statistical Network Calculus）[3]、神经网络[4]等，这些方法为网络性能的评价与优化提供了不同的思路，对问题解决具有一定效果。但无论哪种方法，一般对系统模型建立都有一定要求，需要解决复杂的数学问题。在建立模型过程中，必须作出一些合理的假设，否则建模很困难，且假设不能太多、太牵强，这样会使模型失去实际意义，而且即使建立了模型，其求解也非常复杂。

2 基于网络测量的方法

2.1 技术原理

基于网络测量[5]的评价与优化方法，是针对已运行的网络系统进行测量，通过收集各种参数，并进行数据分析与处理，对网络性能进行量化评价、优化。因此，此方法的关键在于性能指标值的精确获取与分析。

2.2 主动测量和被动测量

根据数据获取的方式，网络测量可以分为主动测量和被动测量两类。主动测量在测试前选定测试点，利用测量工具有目的地主动向被测网络注入测试流量，通过测试流量传送情况来分析网络技术参数。被动测量通过数据包捕获器捕获数据的方式记录网络流量，并对流量进行分析，获知网络行为状况。基于网络测量的网络性能评价与优化方法，具有一定优缺点。

（1）主动测量方式的优点在于测量过程可控性比较高，易于对端到端的性能进行测量，用户只需使用相应的测量工具即可测量，通常不需要多个节点之间的相互协作。此外，主动测量通过发送测量数据包来获得相应的性能参数，不捕获网络中已经存在的流量，因此不会对用户信息安全带来威胁。主动测量的缺点是，由于需要向网络注入新的流量，而测量本身无法区分网络正常用户流量和测量流量，因此可能会使测量结果产生偏差，甚至可能引发Heisenberg效应[6]，且如果注入的流量过大，则测量流量和用户流量争夺网络资源，影响用户正常的网络环境。

（2）被动测量方式优点是无需发送测量包，不向网络注入额外的测量流量，因此不会产生Heisenberg效应，可以获得更为准确的测量结果。由于被动测量需要捕获链路上所有数据包，可以非常详尽地刻画该测量点或该链路的网络行为。被动测量的缺点是，需要在网络上布置大量的数据包捕获器才能获知整个网络甚至是一条通路的信息，因此测量较为复杂，且对于某些参数（如吞吐量），即使多个数据包捕获器相互协作，依然难以获取数据。受数据包捕获器性能的限制，对于高速网络而言，测量时容易出现数据捕获不完整或者捕获时钟偏差，从而导致结果不准确。另外，由于需要对捕获点所有用户信息进行分析处理，因此存在侵犯隐私隐患，影响网络安全。

无论是主动测量方式还是被动测量方式，性能测量和评价的成本都较高，重新配置或共享资源较难，运用起来不灵活，并且不能在网络设计或建立之前预测网络的性能。

3 基于仿真的方法

3.1 技术原理

应用网络仿真软件对所研究的对象和所依存的网络系统进行初步分析，自行开发或者选择已有的网络仿真工具，设计一个实际的或理论的网络系统的仿真模型，在计算机上运行该模型，分析运行结果，从而获得网络性能相关信息。

3.2 实施步骤

基于仿真方法的网络性能评估与优化步骤为：性能评价准备、设计网络仿真模型、网络仿真和分析[7]。

在性能评价准备阶段，主要明确和规范网络仿真所要研究的问题和目标，明确网络仿真描述性能参数，并针对仿真对象制定详细的计划，提出可选研究方案。

在网络仿真模型设计阶段，首先要建立网络、技术、协议的概念模型和数学模型，包括网络和设备以及链路向仿真模型转化的原理、实现方式、结构组成、模型模块以及业务和流量的数学描述模型。然后搜集用于仿真实现和验证的相关数据，例如网络拓扑、通信节点技术和结构，以及配置、链路参数、网络流量和负载情况等。最后通过自行开发或使用仿真工具实现网络仿真模型，并验证仿真模型是否和实际网络的技术、协议性能相符合，确保模型的正确性、完整性、一致性。

网络仿真和分析阶段的主要任务是利用仿真模型完成具体仿真场景，同时设计仿真实验序列。然后利用仿真软件工具进行仿真实验；最后利用分析工具和数学知识进行仿真结果分析和处理。

3.3 仿真工具

利用仿真方法获得可靠的网络性能指标参数，仿真工具选择尤为关键。通常网络仿真工具可以选择自行开发，也可以使用现有的仿真工具。如：NS2、OPNET、GloMoSim和MATLAB等。

基于仿真方法的网络系统性能评价与优化，可以根据需求设计所需的网络模型，具有较强的灵活性。当前网络仿真工具都是基于离散事件仿真技术实现（如NS2），数据包的每一跳都需要由离散事件来描述。网络规模越大，所需仿真的网络流量就越大，因而需处理的离散时间也就越多，由此将带来大量的计算开销。另一方面，受硬件资源尤其是内存资源的限制，网络仿真工具所能模拟的网络规模有限，无法同时展现现实网络的全部特性。

4 结语

网络系统通常由多种计算平台，通过各种传输媒体构成不同的拓扑结构，并且采用不同的信道访问控制方式，具有接入形式多样、结构复杂、泛在和异构等特点，使得经典的性能评价方法受到了一定的挑战。本文综述的3类方法是目前主要的网络性能评价方法，但随着现代网络系统规模及结构复杂度的增加，尤其是系统中各种并发同步事件的大量存在，网络系统的功能特性与性能特性之间的界限已经越来越模糊，因此各种形式化建模方法被引入到网络系统的性能评价之中，例如随机Petri网[9]、随机进程代数[9]等。这些方法可以很好地描述网络系统中常见的同步、并发、分布、冲突、资源调用等现象，多被用于针对各种并发分布式系统的功能推导和验证，通过融合相应的性能参数，能够同时刻画网络系统的功能模型和性能模型，成为一种理想的网络系统性能分析工具，为网络系统的性能评价提供了一种新的思路和方法。