大规模概率可用带宽估计

常见的基于利用率的可用带宽定义以及许多现有的估计工具存在几个重要缺陷：i) 大多数工具报告的是测量间隔内平均可用带宽的点估计，不提供置信区间；ii) 用于将可用带宽度量与测量数据关联起来的常用模型在几乎所有实际场景中均无效；iii) 现有工具可扩展性差，不适合大规模网络中的多路径估计任务；iv) 几乎所有工具都使用特设技术来处理测量噪声；v) 工具在精度、开销、延迟和可靠性方面缺乏足够的灵活性，无法适应各种应用的需求。本文提出了一种新的可用带宽定义和一个解决这些问题的创新框架。我们将概率可用带宽（PAB）定义为：在能够以指定概率使输出速率几乎与输入速率一样大的条件下，可以沿路径发送流量流的最大输入速率。PAB直接用可测量的输出速率表示，并包含可调参数，允许用户适应不同的应用需求。我们用于估计全网概率可用带宽的概率框架基于包列、贝叶斯推断、因子图和主动采样。我们在PlanetLab网络上部署了我们的工具，结果表明，与现有方法相比，我们能够以更小的测量开销获得准确的估计。