网络测量常见算法之二：虚拟位图法

（按：这个算法的意思没看大懂，先写出来，欢迎各位批评指正！）

    书接前文，虚拟位图法为改进直接位图法内存使用过大的缺陷提出。基本思想是，仅存贮直接位图的一小部分，根据这一小部分的计数值推测总的计数值。

    什么意思呢？我的理解是，假设以源/目的地址作为FLOW_ID，则统计空间为2⁶⁴。采用直接位图算法时，设位图长度为2²⁶bit=8M，空间浪费大，但取太小的值可能HASH碰撞会加剧，影响统计结果准确度。此时采用虚拟位图算法，取长度为2²⁰bit=128k，大小为直接位图法的1/64在计数时，HASH函数取值空间仍为0~2²⁶-1，在虚拟位图空间(0~2²⁰)内的值，给相应位置bit置1，不在空间内则不管。最终，统计128k虚拟位图空间bit为1的总数，再乘以64，最终值为推测出的总流数。

    二者相比，直接位图法实质是虚拟位图法的一般形式，它覆盖了整个FLOW_ID空间，而虚拟位图仅覆盖了一部分。

 

    在设计虚拟位图时，必须在预知流数的基础上考虑所谓的“抽样因子”，即上文中的1/64，如果该因子与设计者预计的相差太远，将造成统计结果严重失真。

     如果流太多以致于将位图填满，则虚拟位图的统计结果不再可信；同时，如果流太少，HASH(FLOW_ID)的值无法映射到虚拟位图上，则结果仍不可信。例如，设虚拟位图覆盖了统计空间的1%，而流数为50，如果没有流被映射到虚拟位图上，统计将得出流数为0的结论；如果有1个被映射到虚拟位图上，统计将得出流数为100的结论，显然与实际数目相差太远。

    因此，“抽样因子”要在HASH冲突和推测失误二者间取折衷。

 

参考文献：Bitmap algorithms for counting active flows on high speed links