背景和动机
-
背景:
网络中经常遇到拥塞,扫描攻击,DDOS攻击,在这种情况下,流量的性能要求更高,因此提出,此方法。能更好的适应流量的性能,更好的完成测量任务和platforms -
动机:
但无人聚焦于:无论流量特征(包括可用带宽、流量大小分布和数据包速率)如何变化,都能实现准确的网络测量。
可用带宽,因为出现拥塞时,没有带宽可用于测量,解决方案是在较小精度丢失的情况下对sketch进行压缩,从而减少带宽使用。
贡献
- 本文提出新的sketch: elastic sketch
有两部分组成:a heavy part and a light part,利用Ostracism技术使elephant flows 在heavy part ,mouse flows 在light part。(就是分为大流和小流,分别存放) - 实现 “弹性”:
为适应带宽,提出压缩(留出可能进行网络测量的余地)和合并sketch的方法。首先,将sketch压缩成适合可用带宽的大小,其次,使用服务器来进行合并。
当包传送速率变大时,采用这样的处理方式:每个数据包只访问heavy part来记录elephant flows的信息,丢弃mouse flows的信息,这种方式在以合理降低精度的代价的情况下,能实现更快的处理速度
针对elephant flows的数量变化以及无法事先预知的情况,提出一种动态增加heavy part的内存大小的算法 - 实现“通用”:
为实现在测量任务的通用性(跨平台使用),保留每个数据包的所有必要信息,但丢弃mouse flows的id(消耗内存但实际并无用)
提出硬件和软件版本的elastic sketch,还做了P4版本的