服务质量测量技术及其应用

　服务质量（QoS）参数估计的方法主要有两类：基于模型的方法和基于测量的方法。在基于测量的方法中，利用一些随机参数来描述网络，网络被看成是不透明的黑盒子。这一过程的主要目的是在某些可再现性或平稳性的假设下预测QoS。该方法无须用户事先为业务源建立相应的业务模型并向网络提交其业务模型参数，而是通过对业务流的统计特性进行实时测量来动态估计相应的QoS参数，克服了基于模型QoS参数估计方法所固有的缺陷。

　　1 服务质量测量技术

　　服务质量测量的目的是用测量手段取得网络的性能和服务质量指标。通过对网络的一阶和二阶流量统计以及端到端的QoS指标测量，对网络的性能指标进行估计，推测网络的拓扑、内部链路之间的QoS指标、路由器的调度策略和参数等。目前，用于网络性能估计的测量技术相对比较成熟，并出现了许多测量工具。而网络推测则是一个比较新的研究领域，网络推测的主要目标包括：网络拓扑、链路延迟、丢包率、链路可用带宽与“瓶颈”带宽、节点设备的内部参数等。QoS测量获得的网络性能和服务质量指标对于QoS管理、计费和控制具有重要意义，可以说QoS测量是网络QoS管理、QoS计费与QoS控制的基础。例如，根据网络测量获得的网络拓扑、带宽、节点间链路上的丢包率和节点间链路上的延迟等知识与信息，可以进一步控制与调整网络或节点设备的参数，获得更佳的QoS，并可利用得到的信息进行服务器选择或者进行全局网络定位。QoS测量是现有QoS管理技术的有力补充，通过网络测量建立的业务模型管理网络可提供对服务等级协议的管理。

　　QoS测量有多种不同的方法，根据测量者的参与行为，即测量过程中测试设备是否主动发送探测包，QoS测量可以分为主动测量和被动测量；根据被测网络中节点设备的参与程度，可以分为基于路由器的测量、路由器辅助的测量和端到端的测量；根据被测数据包的类型，可以分为基于组播的测量和基于单播的测量。

　　在被动测量中，流量参数是在网络中特定的点，如路由器或接入服务提供点(PoP)，进行监测的。被动测量不增加和修改通过网络的数据负载，因此对网络的行为没有影响。被动测量可以在微观或宏观水平上进行，微观被动测量是通过在监测点存储分析所观测分组的头信息来进行的，需要对产生的大量数据离线处理，从而获得网络中应用数据流的到达分布和动态特性等有价值的信息。宏观被动测量通常监测的是聚合时间段的所有流量或穿过监测点的应用数据流量，测量结果常被用于网络管理，因特网工程任务组(IETF)的实时业务流测量(RTFM)工作组已对此进行了标准化工作。

　　主动测量向网络中发送实际的业务量，利用对这些业务量的测量来反映网络用户服务的参数，探测分组通常利用互联网控制消息协议(ICMP)或数据报协议(UDP)来发送。网络一端向网络中发送探测分组，网络另一端的测量代理记录每个探测分组的某些测量值，收集到的测量值被用于推断网络的QoS。IETF的IP性能度量(IPPM)工作组已经定义了3类主要的可以从接收到的探测分组流提取的性能测量值：分组大小、分组丢失过程和分组延迟过程。通过它们可以进一步推测并获得更复杂的性能测量指标，如吞吐率、丢包率、延迟抖动等。

　　根据QoS测量的分类与研究目标，QoS测量研究的分支也有多个，其中端到端QoS测量是目前研究的重点。不需要对路由器进行改造，也不需要网络运营商公开网络拓扑、设备配置、传输容量等内部资料，端到端QoS测量就可以测出网络的整体性能指标，具有实际的应用价值。通信网络是流量不断变化的动态系统，在没有网络结构模型知识的情况下，通过端到端的测量来推测网络内部的QoS性能需要利用多种数学分析方法，包括网络信号获取与处理技术、网络统计学、假设检验、极大似然估计等。

　　为了进一步获得更为精确的测量结果并解释测量结果，可以将基于模型的方法与基于测量的方法相结合，利用端到端的测量结果，在推测网络内部QoS指标的同时，对网络先验模型的参数进行估计，更新网络模型，实现对网络模型参数以及系统状态等的自动学习，并能预测网络参数变化对QoS的影响。

　　2 服务质量测量的应用

　　QoS测量的应用是多方面的，QoS测量目前的应用可以分为3类：网络应用的QoS性能评估、网络推测和网络定位。早期QoS测量的应用在于网络设计或网络应用中的QoS性能估计与分析，随着QoS测量技术的不断发展，一些新的QoS测量应用领域如网络推测正被逐渐认识和开拓出来，网络推测应用主要包括如下几个方面：网络拓扑推测、内部链路的延迟与丢包率推测、可用带宽与“瓶颈”带宽测量、路由器策略与参数的推测等。端到端网络推测使得网络边缘的代理可以在没有网络内部节点配合的情况下获得全局网络的重要信息，是目前研究的热点。

　　2.1 服务质量性能评估

　　要真正体现网络基础设施的价值，需要满足网络价值链上各部分的需求。对用户来说，需要运营商和业务提供商能够提供多种不同的应用，并根据服务等级协议保证各种应用的服务质量。运营商则根据所提供的服务及服务的QoS进行计费并获得收益。这需要能够对网络应用的服务质量进行评估分析，并根据评估结果实施调控策略。可以通过一定采样区间的网络流量数据采集进行在线流量测量以及短期QoS估计。并且可以由被测流量的历史数据来获得流量的未来行为，对网络流量进行预测分析。另外，在网络的设计与规划中也需要进行QoS能力分析，评估、确认网络体系结构与设计方案的流量工程和资源分配机制。这方面应用的典型例子有欧洲信息社会技术(IST)的AQUILA(采用基于IP的分层体系结构的QoS自适应资源控制)项目。

　　AQUILA项目定义和实现了IP网络中动态端到端业务供应的QoS框架。分布式QoS测量框架(DMA)是AQUILA设计的一部分。AQUILA中QoS测量的范围是AQUILA体系结构的评估和有效性以及对AQUILA资源控制机制的支持。AQUILA中的测量方法包括主动和被动测量。为了实现不同的测量方式，AQUILA开发了3种工具：为测量单个流和聚合流负载端到端QoS的带有应用负载生成器的测量代理、为主动网络探测而监测路径性能特征的测量代理、为负载分析而从路由器收集管理信息的路由器QoS监测器。当资源分配的有效性和所体验的QoS等级与可靠的流量管理直接联系在一起时，QoS测量将动态运行，类似AQUILA的QoS体系结构的核心部分。部署QoS测量提供了一种确认AQUILA体系结构流量工程的机制，也只有通过QoS测量获得了关于网络当前状态的反馈信息，才有可能执行动态的资源分配。网络测量为网络提供了性能检验和指标评估的手段，也为网络规划建设提供了设计依据和借鉴。

　　2.2 网络推测

　　网络推测主要是利用网络的部分测量信息通过推导来获得未知性能的估计和预测，特别是利用端到端的分组延迟和丢失信息来获得网络内部链路的QoS性能。根据网络推测的目标，QoS测量的网络推测应用可以分为如下几种：拓扑推测、时延推测、丢包率推测、带宽推测以及路由器等节点设备的调度器类型与参数的推测。通信网络的路由和业务策略需要网络中不同节点的QoS信息，但在网络的每个节点直接测量分组延迟或丢失率是不实际的。与之相比，测量端到端延迟则相对容易，因此网络推测将具有广阔的应用前景。

　　(1)网络拓扑推测

　　从网络内部资源收集数据可以通过多种方法来进行，例如，路由器的ICMP响应、边界网关协议(BGP)路由表，或者利用简单网络管理协议(SNMP)通过管理信息库(MIB)进行拓扑关系的获取，这些方法适合于在具有管辖权的网络范围内进行测量。

　　目前，基于QoS测量进行网络拓扑推测成为新的研究热点，其主要目的是利用基于点到点流量的端到端测量进行网络内部特征的推断。在这种方法中，网络被建模为一个有向逻辑树，树的顶点表示网络的节点如路由器或终端，树的边则表示网络的链路。研究表明，通过对多播或单播会话的端点丢包信息统计分析，利用极大似然估计，可以得到网络的树型拓扑结构。

　　(2)网络链路的时延推测

　　网络内部性能在空间的分布信息可以极大地提高动态路由算法和流量传输协议的性能与效率。但是，在网络的每个点进行网络流量测量是不切实际的。一种有前途的方法是：仅在网络边缘测量，并由这些测量来推测网络的内部延迟行为，通过发送端到接收端的端到端延迟测量估计内部延迟或延迟分布。需要解决的核心问题是如何从端到端测量结果获得每个路由器的延迟。

　　考虑网络拓扑是由单个发送方发送分组到若干个接收方，标准的网络路由协议将产生数型结构的网络拓扑，发送方在树的根部，而接收方在树的叶子上。通过测量从发送方到接收方的端到端延迟，在网络动态特性平稳的假设下，利用极大似然估计可以得到网络内部链路或路由器的延迟分布。

　　(3)网络丢包率探测

　　网络丢包率探测主要是利用单播或多播端到端网络测量来确定内部网络的丢包率。在多播探测中，用于探测的数据是由一个发送方向许多接收方发送的，但只有部分的接收方报告多播探测的观测结果。这被用于推测连接发送和接收的每个树形逻辑链路的丢包特征。在单播探测中，需要建立基于端到端分组测量的网络丢包探测过程以及推测内部丢包特征的统计建模和计算框架，统计成功通过的探测分组，并进一步计算出链路的丢包概率。与多播相比，单播推测更易于在多数网络上实现，且可扩展。

　　(4)调度器类型和参数的推测

　　通过测量基本的性能参数如丢包率和延迟，网络客户可以对其所得到的服务进行评估。但这种测量不能揭示网络的核心QoS功能。调度器类型和参数推测使得网络客户能够推测系统的区分服务分类机制和参数。通过进行多时间尺度的系列假设检验，客户能够在多个调度机制中确定最可能的调度规律，推测分组业务的调度规则。对于特定的调度器，客户还可以利用极大似然估计，以较高的置信度估计调度器的参数，从而可以在不中断已有业务情况下，监测、确定和推测多类服务，利用边缘客户测量来推测网络运营商采用的QoS机制和参数。

　　2.3 网络定位

　　网络测距的基本思路是，将网络建模为一个地理空间，即三维欧式空间，并适当地定义其坐标系统和相应地定义距离函数。网络中的任何主机和路由器等节点设备可以定位为坐标中的一个点，任何两个主机间的距离可以通过对主机坐标的距离函数的评估来准确地预测。

　　网络测距方面的应用可以是多方面的。例如，用户可以根据网络距离信息选择距离自己最近的WEB服务器，通常，较短的服务距离意味着较高的服务质量。另外，利用距离信息，可以进行全局网络定位(GNP)。

　　3 服务质量测量的数学模型

　　在QoS测量的网络推测应用中，利用端到端的测量信息来推测网络内部的QoS指标。推测过程需要数学方法才能完成。下面给出网络推测的一般数学模型和方法。利用系统理论和控制理论的知识，将通信网络描述为一个动态系统，系统可以由以下变量进行描述：?兹，描述网络模型特征的系统参数，如网络拓扑结构相关的参数，或者节点设备的调度器和缓冲区参数等，是相对静态的。Y，系统的输出，可以是对端到端的分组延迟和分组丢失情况进行描述的变量。X，系统的状态，是描述系统内部特征的变量，如网络内部链路上的流量，或者分组传输延迟与分组丢失情况等。此外，当需要考虑网络QoS的控制与优化时，还需要有描述网络流量输入情况的变量，即从网络边缘节点加入到网络中的流量，利用网络的允入控制机制和拥塞控制机制，可以调整网络的流量输入，从而控制网络上接入服务的服务质量。但这里不对QoS控制问题进行深入探讨。

　　根据待估计变量的类型，网络推测可以分为两类：一类可以归结为参数估计问题，主要是静态指标的估计问题，例如网络拓扑推测、网络内部链路分组传输延迟的概率分布；另一类是可以归结为状态估计问题，例如网络内部链路的可用带宽、链路的分组传输延迟与丢包率等，这些指标是动态的。网络状态在QoS评估中也是会经常用到的，但是，网络状态不易定义得好，在网络推测应用时应当恰当地选择状态变量，使其能够很好地描述网络的内部特征，并尽可能多地使某些状态可以直接地由输出推导出来。

　　用来进行参数估计或状态估计的信息数据是网络输出的观测值，即输出变量Y的采样观测。估计的一般过程是，首先选择网络的一个先验模型，这时某些输入参数未确定；然后，通过应用主动测量得到端到端QoS指标，根据某些最优准则，利用最优化过程将模型的未知参数估计出来。这种方法的主要特征和困难在于隐含变量的估计。模型的未知参数是不能直接由网络的输出观测到的，最优估计过程将尽力估计未知和不可观测参数的真实值。对于给定的或估计的参数，可以进一步估计系统的状态，利用估计的状态序列，可以解释先验模型的观测变量Y，或得到网络内部的某些动态QoS指标。

　　为了分析推测网络内部链路QoS的最优化估计方法，需要下面的独立性和平稳性假设：不同链路上的分组延迟是统计独立的；对于给定链路，不同分组在链路上的延迟是独立同分布的。基于以上假设，下面分别给出参数估计和状态估计的一般框架与方法。

　　(1)极大似然参数估计

　　参数估计的最常用和最基本方法是极大似然估计。估计过程可简化为一个具有费用函数的最优化问题。极大似然参数估计的常用方法是期望最大化(EM)算法，该算法比较稳定，且数字计算的复杂性较低。EM算法的每一次递推可以分解为期望值计算、计算最大化参数两个步骤。

　　(2)状态估计

　　参数估计方法比较适合于静态的网络推测应用，如网络拓扑推测和路由器调度器参数推测等。网络内部链路延迟等QoS性能是随网络流量状况实时变化的，除了可以建模为静态参数函数，此类问题适于采用将网络内部性能建模为网络状态的方式来进行。需要根据网络输出，利用数学工具，通过状态估计或进一步计算获得内部性能。

　　对于QoS测量在网络推测中的不同应用，由于变量之间的相互函数关系以及模型结构的不同，估计算法的具体实现形式也会有所不同，需要根据具体问题进行分析。

　　4 总结

　　随着网络规模的不断扩大，网络的异构性和复杂性不断提高，加上网络新业务的不断出现，是否能够充分认识和应用网络的流量特征、性能特征以及网络行为模型将影响网络资源的有效利用。QoS测量提供了通过网络测量信息推测网络内部性能和行为的方法，它是QoS管理、计费和控制的基础。通过网络QoS测量和网络行为分析可以提高协议设计、网络设备开发、网络规划与建设、网络管理和操作等各项工作的效率，是开发高效网络应用的基础。此外，QoS测量技术由于涉及到通信网络、信息获取与处理、系统控制与优化等多种理论，目前已成为多个相关领域的研究热点。

　　参考文献：
　　[1] 程时端. IP QoS研究的现状与发展趋势[J]. 通讯世界, 2002,(12):47—49.
　　[2] Mark Coates, Al Hero, Robert Nowak. Internet Tomography [J]. IEEE Signal Processing Magazine, May 2002.
　　[3] Felix Strohmeier, Heinz Dorken, Bernhard Hechenleitner. AQUILA Distributed QoS Measurement [C]. 8th International Conference on Advances in Communications and Control, Crete Greece, June 2001.
　　[4] Cáceres R, Duffield N G, Horowitz J. Towsley,Loss-based Inference of Multicast Network Topology [C]. In Proceedings of 1999 IEEE Conference on Decision and Control, Phoeni AZ, December 1999.
　　[5] Aleksandar Kuzmanovic, Edward W Knightly. Measuring Service in Multi-Class Networks [C]. In Proceedings of IEEE InfoCom 2001, 2001.
　　[6] Mark Coates, Robert Nowak. Network Tomography for Internal Delay Estimation [C]. IEEE International Conference on Acoustics, Speech, and Signal Processing, Salt Lake City Utah, May 2001.
　　[7] Mark Coates, Robert Nowak. Network Loss Inference Using Unicast End-to-End Measurement [C]. In Proceedings of ITC Conference on IP Traffic, Modeling and Management, Monterey CA, September 2000.

[摘要] 文章在概述服务质量测量技术的基础上，介绍了服务质量测量技术的服务质量性能评估、网络推测、网络定位等应用，并给出了服务质量测量的一般数学模型。

[关键词] 服务质量；测量；极大似然估计

[Abstract] Based on the overview of QoS measurement technology, its applications such as performance evaluation, network inference, and network positioning are introduced, and the general mathematical model of QoS measurement is also concluded.

[Keywords] Quality of service; Measurement; Maximum likelihood estimation