主要问题
对于网络运营商、云提供商和学术研究人员来说,准确预测互联网上任意主机之间的网络路径至关重要。网络研究评估人员时常要面对无穷多的测量数据和有限的VP,同时每组测量数据提供关于Internet的连通性和路径不尽相同。
本文工作
文章介绍了一种预测Internet上任意主机之间的网络路径的系统PredicRoute。PredicRoute有效地利用了现有的公开测量平台RIPE Atlas和公开数据集CAIDA、Peeringdb来作为预测系统的测量输入,以便得到最大化的路径。文章验证了PredicRoute的路径预测在路径查询覆盖率和预测路径的准确性方面都比最先进的水平有所提高。
对每个目的地址建立马尔可夫模型。使用Traceroute来构建网络路径地图集。通过组合来自RIPE Atlas图集的路径拼接,系统预测了以前未测量的路径。
利用公开可用的数据集。PredicRoute使用来自RIPE Atlas和Caida Ark的公共Traceroute来构建特定于目的地的路由模型。虽然公共Traceroute可能是不连贯的,但PredicRoute重复使用来自不同平台的测量数据,以减少按需测量的冗余流量。更多可用于训练的公共数据集将帮助Predicath实现更高的互联网拓扑覆盖率,并计算出更多的路径预测查询。
高效的全局和每个目的地的拓扑发现。本文中仅仅是一笔带过,没有将具体实现。
易于部署。对部署机器的性能要求很低。
预测系统
如图一,PredicRoute有效地利用有限的测量资源来发现指向IP前缀的网络拓扑。PredicRoute的拓扑发现算法将目的地BGP前缀、能够向其发送跟踪路由的一组VP、测量成本以及从BGP路由表或陈旧Traceroute导出的网络拓扑信息作为输入。
PredicRoute将来自RIPE Atlas等测量平台的公共Traceroute与其自己的拓扑发现模块运行的测量平台的Traceroute相结合,以学习指向每个BGP路由前缀的路由的马尔可夫模型。PredicRoute根据马尔可夫模型推断源前缀和目的地前缀之间的网络路径。虽然PredicRoute的目标是通过主动测量来尽可能多地探索网络拓扑,但由于无法在全球同时部署VP(文章把此问题归咎于测量成本有限),它仍然缺乏全球视野。结果,当不能从的经验马尔可夫模型推断出查询路径(源和目的地)时,PredicRoute将退回到符合策略的BGP路径的算法模拟。
理解
该预测并不是对未来的预测,而是对未知的预测。其利用了最常被使用的公开数据集,吧测量成本作为测量的主要限制,Predicroute通过开发有效的算法来测量互联网上所有BGP前缀的路由行为,从而补充了现有路径预测系统的方法,在全局和每个VP的部署预算受限的情况下最大限度地发现网络拓扑。