用于准确和高效测量流量和流矩阵的数据流算法

网络中原点/目标（OD）对之间的流量，称为流量矩阵，对于有效的网络配置和流量工程至关重要。现有的基于统计推断和/或数据包采样的流量矩阵估计方法通常无法实现非常高的估计精度。在这项工作中，我们采用了一种全新的方法来解决这个问题。我们提出了一种新颖的数据流算法，可以以非常高的速度（例如，40 Gbps）处理流量流，并产生比流量流小几个数量级的流量摘要。通过使用贝叶斯统计方法关联在任何OD对上收集的摘要，可以准确确定流经OD对的流量。我们还建立了将此流媒体方法与采样最佳组合的原则和技术，当由于严格的资源限制而需要采样时。此外，我们提出另一种数据流算法，估计流量矩阵，这是一种比流量矩阵更细粒度的表征。流量矩阵不仅关心OD对之间的总流量（流量矩阵），还关心如何划分成各种大小的流。通过严格的理论分析和对真实互联网流量的广泛合成实验，我们证明这两种算法分别可以产生非常准确的流量矩阵和流量矩阵的估计.