臺灣博碩士論文加值系統

流量矩陣為在一段時間內網路中所有網路流量的整體大小，由於直接測量所有流量對於網路負擔很大。因此在傳統網路中使用線路流向來推算流量矩陣，只要得知所有流量的走向就能形成聚合矩陣藉此推算流量。但是聚合矩陣是欠定矩陣造成許多不同的答案。因此需要其他統計方式用來精準估計。

而軟體定義網路的出現對估計流量矩陣帶來改變，由於軟體定義網路可以在流量經過交換器的同時儲存其封包大小資訊，因此可以獲得經過該規則底下所有流量的封包大小的總和。同時取得線路流量大小與單一流量大小，但是軟體定義網路的交換器有一定的規則容量限制，而且控制端有運算和通訊的上限。因此在同一時間內可獲得測量數量被限制，所以有研究探討將不同流量整合成一個規則已離分離大條規則造成不同的準確度用來降低估計誤差。

在這篇論文探討在固定測量數量的情況下。當考量每個流量路由路徑下選擇節點會造成不同聚合矩陣。對於某些變數可以輕易地解出，因此可以降低估計誤差，而不用改變基本路由規則。另外藉由流量大小等歷史資訊可以更加估計準確率。

致謝ii
中文摘要iii
Abstract iv
Contents v
List of Figures vii
List of Tables viii
1 Introduction 1
1.1 Traffic Matrix Estimation . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Software Defined Network . . . . . . . . . . . . . . . . . . . . . . . . . 2
2 Related Work 4
2.1 iStamp . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2.2 Towards Accurate Online Traffic Matrix Estimation in Software-Defined
Networks . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
3 Design 6
3.1 Overview . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
3.2 Estimation Procedure . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
3.3 Selection Score Function . . . . . . . . . . . . . . . . . . . . . . . . . . 9
3.3.1 Maximum Flow Number . . . . . . . . . . . . . . . . . . . . . . 10
3.3.2 Minimum Flow Variable . . . . . . . . . . . . . . . . . . . . . . 11
3.3.3 Minimum Flow Freedom . . . . . . . . . . . . . . . . . . . . . . 14
3.4 Selection Method . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
3.4.1 Brutal Force . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
3.4.2 Annealing Process . . . . . . . . . . . . . . . . . . . . . . . . . 20
3.5 Largest Flow First Algorithm . . . . . . . . . . . . . . . . . . . . . . . . 22
3.6 Historical Data for Estimation . . . . . . . . . . . . . . . . . . . . . . . 23
4 Evaluation 24
4.1 Data Set . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
4.2 Node Selection Comparison . . . . . . . . . . . . . . . . . . . . . . . . 26
4.3 Node Selection of Different Function . . . . . . . . . . . . . . . . . . . . 28
4.4 Estimation Error with Heavy Flow . . . . . . . . . . . . . . . . . . . . . 28
4.5 Influence of Historical Data . . . . . . . . . . . . . . . . . . . . . . . . . 32
4.6 Different Longest Deadline . . . . . . . . . . . . . . . . . . . . . . . . . 32
4.7 Efficiency of Anneal Process . . . . . . . . . . . . . . . . . . . . . . . . 35
5 Conclusions 36
Bibliography 37

[1] Yin Zhang, Matthew Roughan, Nick Duffield, and Albert Greenberg. Fast accurate
computation of large-scale ip traffic matrices from link loads. In ACM SIGMETRICS
Performance Evaluation Review, volume 31, pages 206–217. ACM, 2003.
[2] Yin Zhang, Matthew Roughan, Carsten Lund, and David Donoho. An informationtheoretic
approach to traffic matrix estimation. In Proceedings of the 2003 conference
on Applications, technologies, architectures, and protocols for computer communications,
pages 301–312. ACM, 2003.
[3] Mehdi Malboubi, Liyuan Wang, Chen-Nee Chuah, and Puneet Sharma. Intelligent sdn
based traffic (de) aggregation and measurement paradigm (istamp). In INFOCOM,
2014 Proceedings IEEE, pages 934–942. IEEE, 2014.
[4] Yanlei Gong, Xiong Wang, Mehdi Malboubi, Sheng Wang, Shizhong Xu, and Chen-
Nee Chuah. Towards accurate online traffic matrix estimation in software-defined
networks. In Proceedings of the 1st ACM SIGCOMM Symposium on Software Defined
Networking Research, page 26. ACM, 2015.
[5] Geant totem.info.ucl.ac.be/dataset.html.
[6] Abilene www.cs.utexas.edu/ yzhang/research/abilenetm.