网络时延的自相似性研究

李稚春

摘 要：网络时延是评价网络性能的重要指标之一，针对网路时延的自相似特性展开研究。首先分析网络时延的组成，并通过Ping测量方法，对局域网、广域网的不同目标主机进行Ping测量网络时延试验。给出自相似过程的定义、判别方法，采用方差时间法对网络时延进行自相似性判别，分析结果表明，网络时延具有很强的非线性及自相似特征，与局域网相比，广域网的长程依赖性更大。

关键词：网络时延；往返时延；自相似性；方差时间法

中图分类号：TP393.1 文献标识码：A 文章编号：2095-1302（2015）04-00-04

0 引 言

网络时延作为网络性能的重要指标之一，研究意义重大，对网络通信系统、网络控制系统、远程医疗、网络视频传输都有直接的影响[1-3]。由于网络通信过程中端到端的通信距离、中间的路由节点、网络结构、网络负荷等因素的影响，必然会存在网络时延。同时，网络时延呈现时变和随机特性，为网络控制系统以及实时网络传输系统的设计带来了一定的困难。

网络提供的是尽力而为（Best Effort）的数据传递服务， 网络结构处于动态不断变化中，网络流量具有非均衡特性，因此网络时延是不确定和动态变化的网络性能测量，而这也是对网络进行精确控制的重要前提。同时，在网络拥塞控制机制作用下，路由排队时间和网络负载对点对点的时延影响是相当大的。最初的网络时延建模认为时延序列具有短相关特性，并通过Markov模型[4]或者回归模型对网络时延进行建模[5]，然而，近年来的最新研究结果表明，网络时延的分布呈现自相似性及长程相关性[6-8]。Borella[7]通过分析Internet网络时延数据，认为时延存在着长程相关性。文献[9]通过Pchar工具对网络时延进行测量，通过试验结果验证了网络时延负荷Pareto分布形态，即自相似特性。周晓兵[8]通过研究发现，具有自相似特性的分布能更好地描述网络延时，即网络时延在所有时间尺度上的都具有统计相似性。具有短相关特性的时间序列随着时间间隔的增大，自相关函数呈指数衰减，相关性迅速下降；具有长相关特性的时间序列随时间间隔的增大，自相关函数呈双曲函数下降，衰减较慢。因此，为了对网络时延进行时延建模、预测等分析，首先要分析网络时延的自相似特性，本文从以局域网和广域网中真实的物理链路角度进行时延测量，进而分析了网络空闲状态和网络繁忙状态下的网络时延自相似性。

1 网络时延的组成

ITU工作组和IPPM工作组分别对网络性能参数进行了定义[10]，如图1所示[11]，为端到端网络的拓扑结构图，一般而言，网络中的发送端和接收端不会发生在相邻的两个节点之间，中间多会有n个路由节点，这里以图1中标号为1的作为发送端，标号为6的作为接收端，进行描述网络单向时延和往返时延的定义。

（1）单向时延（One Way Delay，OWD）：它指的是从1发送一个数据报文至6，6处接收到该报文的时间与1处发送该报文的时间差为链路的网络单向时延。

（2）往返时延（Round Trip Time，RTT）：它指的是在T时刻，从1处发送一个数据探测包至6，6接收到该探测包之后直接返回ACK应答，1在T+ΔT时刻收到该应答包，则记录ΔT为链路的往返时延。

一般来说，端到端网络传输时延由以下4个部分组成：

（1） 传播时延：指的是数据报文的第一个bit从客户端到服务器所经历的时间，它主要与信号在信道中的传播速度有关，一般为0.7倍的光速，将传播时延记为t1 s；

（2） 传输时延：指的是客户端开始发送数据报文的第一个bit直至该数据报文的最后一个bit发送结束的时间，主要与两个节点之间的网络带宽有关，将传输时延记为t2 s；

（3） 处理时延：指的是数据报文在中间路由节点上所经历的处理时间，主要受路由节点的硬件性能影响，将处理时延记为t3 s；

（4） 排队时延：指的是数据报文在路由节点处等待被处理和处理过程的时间，主要与当前节点的网络负荷和路由器的硬件处理能力有关，将排队时延记为t4 s。

其中，t2_0表示数据报文在发送端的传输时延，t1_h表示数据报文在节点h上发生的传播时延，t2_h表示数据报文在节点h上发生的传输时延，t3_h表示数据报文在节点h上发生的处理时延，t4_h表示数据报文在节点h上发生的排队时延， t4 _D表示数据报文在接收端发生的排队时延。传播时延与两个节点之间的物理距离以及传输介质有关，传输时延与两个节点之间的网络带宽以及数据报文的长度有关，而处理时延主要取决于节点路由的处理能力以及相应的传输协议等，相比而言，最为复杂的当属排队时延，它与链路的实时负载情况、队列管理机制、缓冲区管理机制以及节点路由的处理能力等都有密切的关联。

2 基于Ping的网络时延测量

网络单向时延的测量过程需要客户端和服务器双方同时配合才能完成，因此，对于当前的大规模互联网络而言，如果要测量端到端的OWD存在一定的困难[12]。相比而言，网络往返时延只需要知道服务器的IP地址，在客户端就可以完成测量实验，基于Ping操作的RTT估算方法简单易用，是当前主要的估算方法[13]，为此，本文基于Ping测量方式对局域网以及广域网的网络时延进行两种方式的测量，即网络繁忙时段的测量和网络空闲时段的测量。

测量时延链路1是本校局域网内的两台主机之间，链路2是从通过局域网内的一台主机Ping新浪服务器（主机位于北京），为保证时延测量试验环境一致，测量过程中，主机关闭其余与网络相关的程序，试验中每隔10秒Ping目标主机1次，网络繁忙与空闲状态下分别测量4个小时，共获得4组试验数据，每组1 440个时延数值。测量结果如图2所示。

由于局域网内网络通信环境较好，端到端的网络时延多分布在1 ms附近，网络空闲状态下的时延最高值为6 ms，网络繁忙状态下时延最高值为8 ms；相比而言，新浪服务器对应的时延值较大，网络空闲状态下的时延均值为150 ms左右，网络时延最高值为163 ms，在网络繁忙状态下网络时延的最高值接近400 ms，同时网络时延的波动起伏较大。通过对网络时延地分析可以发现，网络时延是一个非平稳的随机过程，具有非线性特征，接下来分析一下网络时延的自相似性特征。

4 总 结

时延是网络性能指标中的重要参数，通过网络时延可以为网络可用带宽、数据报文丢失率等其它特性参数的估计提供极其有用的信息。本文设计了网络时延测量试验，通过Ping测量方式对网络繁忙、网络空闲状态下局域网和广域网中的两台目标主机进行时延测量，通过实测数据验证了网络时延的非线性特征，并重点分析了网络时延的自相似性，结果表明广域网的自相似性比局域网自相似性强，与此同时网络繁忙状态下的时延自相似性比网络空闲状态下强，说明广域网的长程依赖性更大。通过本文的研究有助于建立适合的网络时延模型，为网络时延预测奠定了基础。

参考文献

[1] Ohsaki H， Murata M， Miyahara H. Modeling End-to-End Packet Delay Dynamics of the Internet using System Identification[C].In Proceedings of the International Teletraffic Congress 17， Salvador： 2001.

[2]王庆鹏，谈大龙，陈宁.基于Internet的机器人控制中网络时延测试及分析[J].机器人.2001（4）：316-321.

[3]徐淑萍，苏小会.基于Internet的远程控制系统网络时延分析研究[J].微电子学与计算机，2011，28（7）：41-45.

[4] Johan Nilsson Bo Bernhardsson B W.Stochastic analysis and control of real-time systems with random time delays[J].1998，34 （1）：57-64.

[5] Bitsoris G， Athanasopoulos N， Dritsas L. Feedback Stabilization of Networked Control Systems[C].18th IEEE International Conference on Control Applications， Russia： IEEE，2009.

[6] Li Q， Mills D L.Jitter-Based Delay-Boundary Prediction of Wide-Area Networks[J].IEEE/ACM TRANSACTIONS ON NETWORKING，2001，9 （5）：578-590.

[7] Borella M S.On Estimating Long Range Dependence of Network Delay[J].International Journal of Chaos Theory，2001，6 （4）：1-20.

[8]周晓兵，费敏锐，李力雄.基于应用层的以太网网络诱导延时测量及其统计分析[J].信息与控制，2005，34（6）：641-646.

[9] Fujimoto K， Ata S， Murata M.Statistical Analysis of Packet delays in the Internet and Its Application to Playout Control for Streaming Applications[J].2001，E00-B （6）：1504-1512.

[10]杜晓军，邢岳林，王德政，等.基于音频的多媒体网络性能测试分析[J].计算机工程，2007，33（19）：215-217.

[11] Ming Y， Li X R， Chen H， et al. Predicting Internet end-to-end delay： an overview[C].System Theory， 2004. Proceedings of the Thirty-Sixth Southeastern Symposium on， IEEE explore，2004.

[12]孙海燕，侯朝桢.Internet网络时延测量中的时钟同步算法[J].计算机工程，2006，32（14）：20-22.

[13]焦程波，郑辉，黄宇.互联网中网络时延与物理距离关联性分析[J].电子科技大学学报，2012，41（5）：780-785.

[14] Leland W E， Taqqu M S， Willinger W， et al.On the self-similar nature of Ethernet traffic （extended version）[J].IEEE/ACM Trans on Networking，1994，2 （1）：1-15.

[15]韩忠明，赵庆展，李伟.Hurst参数估计方法的性能评价与分析[J].计算机应用与软件，2010，27（9）：56-58.