论文阅读：SketchFlowPer-Flow Systematic Sampling Using

SketchFlow: Per-Flow Systematic Sampling Using Sketch Saturation Event

SketchFlow：使用草图饱和事件的每流系统采样

采样可以减少系统开销

NetFlow 使用本地表来计算每个流的记录，sFlow 会定期将收集到的数据包头通过网络发送到收集服务器。

存在问题：简单随机抽样 (SRS) 由于其简单性而在实践中得到了广泛的应用。但是，SRS 为不同的细粒度流（由 5 元组定义）提供了不统一的采样率，因为它通过聚合数据流（由交换机端口或 VLAN 定义）对数据包进行采样。因此，一些流的采样率高于指定的采样率（导致高估），而另一些流的采样率较低（导致低估）。

目标：“独立的每流数据包采样提供对每个流的最准确估计”，为所有流提供相同的采样率。

贡献：提供了一种称为 SketchFlow 的具体采样方法，它近似于使用草图饱和事件的每流系统采样的想法。

1.intro

SRS的好处：

Sampled NetFlow 对数据包进行采样以减少交换机的 CPU 开销，从而防止路由决策延迟。

sFlow 使用简单的随机采样来减少网络上的元数据传输。

Sketched到底是啥？

抽样可以减轻六级录得负担并减轻网络的带宽开销

保持稳定的任务减少率是评估采样算法的关键部分，其中元素流入量的减少由采样率决定，这也导致了众所周知的准确性和开销之间的权衡。

多种采样策略：定时采样、事件驱动（数据包驱动）采样、流细化或流采样（已被证明在其准确性方面更好）

包采样区分为线性和非线性的。线性采样均匀的概率抽样，非线性对大流量抽样少，小流量抽样多，非线性采样率通过大量采样小流来保证流量分配的准确性，从而大大增加了开销

Sketches是紧凑的数据结构，它使用概率计数器来近似估计流的谱密度 。使用少量内存的情况下，基于草图的算法在估计方面比采样方法更准确。草图的更高准确性是由于其按流估计的性质。

基于草图的估计研究主要集中在草图本身：草图仅使用少量内存的特性使其无法用于处理大规模数据。一旦草图饱和，它就根本无法计数。因此，基于草图的测量算法只能以有限的方式使用，一旦草图饱和，它就根本无法计数。因此，基于草图的测量算法已以有限的方式使用

两个缺点：小容量，解码计算量大 引入时延。

SketchFlow 的核心思想是识别流的草图饱和事件并仅对触发数据包进行采样。流的饱和草图被重置，以便可以重复使用。因此，SketchFlow 既可以看作是一个采样器，也可以看作是一个草图。然而，SketchFlow 并不能单独作为测量整个数据流的草图，而是作为 NetFlow 和 sFlow 的通用采样器。

i 我们引入了每流系统数据包采样的新概念以进行精确采样。

ii 我们提出了一个新的框架，以每个流的草图饱和事件作为流的采样信号，从而只从流中采样一个信令包，而饱和的草图被清空以进行下一轮采样。

iii 我们实现了一个近似版本的 perflow 系统数据包采样，称为 SketchFlow。为此，提出了一种新的逐流草图算法，可以实时编码和解码流。多层草图设计应用于可扩展采样。

iv 我们使用真实世界的数据集展示了 SketchFlow 在稳定采样率、准确性和开销方面的性能。

2.动机：流量感知采样 VS。流式采样

NetFlow的瓶颈是本地表的处理能力，sFlow的瓶颈是网络容量。为了解决瓶颈，使用了广泛采用的简单随机抽样（SRS），开销非常小。

但SRS是通过接口或 VLAN 进行采样，它收集粗略的样本而不考虑单个细粒度流，不能保证真正的机会均等的随机采样。

因此，最好的策略是在各个流中保持每个流的采样率相同。为此，我们提出了逐流系统数据包采样，这是一种对流中的每个第 p 个数据包进行采样的方法，而众所周知的数据包级系统采样是对整个数据包中的每个第 p 个数据包进行采样。数据流。