大规模网络时延分布估计：主动端到端离散模型

"这篇论文研究了主动端到端离散式时延分布估计方法，针对网络性能测量中的挑战，特别是大规模网络的时延评估。现有的连续时延模式估计方法因算法复杂度高而不适用于大规模网络。论文提出了一种基于不完整数据极大似然估计算法，通过将树状网络拓扑分解为两层三链子树，然后逐个子树进行时延估计，从而有效地解决大规模网络的时延分布估计问题。通过NS2仿真验证了该算法的准确性和可行性。" 网络性能测量是信息技术领域的核心研究方向，尤其是在网络信息化迅速发展的今天。网络断层扫描技术（NT技术）作为一种新型的网络性能测量手段，利用多播探测包来推断链路信息，包括时延、丢包率和拓扑结构等关键性能指标。然而，传统的测量方法受限于安全因素和算法复杂度，难以应对大规模网络的复杂性。 时延性能是网络性能评估的重要组成部分。连续时延模式虽然被广泛研究，但其算法复杂度随着网络规模的增加而急剧上升，使得实际应用中难以处理大量的网络边缘接入点。为了解决这个问题，离散时延模式被引入，它能更有效地估计大规模网络的时延分布。 Presti等人在2002年首次提出了离散时延模式的估计方法，采用递归法来处理。随后，Liang和Yu发展了伪似然估计算法（MPLE），这是一种针对复杂网络结构的近似最大似然估计方法。然而，这些方法依然面临计算上的困难，尤其是在网络规模较大时。 论文中提出的主动端到端离散式时延分布估计方法创新性地将树状网络拓扑划分为多个两层三链子树，并对每个子树分别进行时延估计。这种方法降低了算法的复杂性，使得可以逐个处理子树，最终组合得到整个网络的链路时延情况。通过NS2网络仿真平台的实验结果，证明了该算法在实际应用中的准确性和实用性，为大规模网络的性能监测提供了一种有效工具。 总结来说，这项研究为网络性能测量领域提供了一个新的解决方案，特别是在面对复杂、大规模网络时，能够更精确地估计端到端时延分布，从而有助于提升网络管理的效率和质量。这一成果对于优化网络资源分配、改进服务质量以及保障网络安全等方面都具有重要意义。