具有统计保证的大规模网络监测最优探测
机器学习
2021-09-17 v1 机器学习
摘要
云网络难以监测，因为它们快速增长且监测预算有限。我们提出了一个用于估计网络指标（如延迟和丢包）的框架，在固定监测预算下对估计误差提供保证。我们提出的算法在网络路径上生成探测分布，随后我们进行监测；其基于统计学中的A-最优和E-最优实验设计。遗憾的是，这些设计在计算上过于昂贵，无法在生产规模下使用。我们提出了基于Frank-Wolfe算法的可扩展且近最优的近似方法。我们在真实网络拓扑上的模拟中以及使用真实云网络中的生产探测系统验证了我们的方法。我们展示了相较于生产和学术基线在减少探测预算方面的显著收益，同时保持低估计误差，即便在极低探测预算下也是如此。
引用
@article{arxiv.2109.07743,
title = {Optimal Probing with Statistical Guarantees for Network Monitoring at Scale},
author = {Muhammad Jehangir Amjad and Christophe Diot and Dimitris Konomis and Branislav Kveton and Augustin Soule and Xiaolong Yang},
journal= {arXiv preprint arXiv:2109.07743},
year = {2021}
}