1 Общее описание моделей дс потоков

Вид материала

Содержание

2.2. Статистика сетевой активности
2.2.1 Сбор статистики.
2.2.2. Приложение для сбора и анализа статистики.
2.3. Получение оценок параметров.

Подобный материал:

1 2 3 4 5 6

2.2. Статистика сетевой активности

Для работы над построением алгоритма, который можно было бы использовать для достижения нужного результата, в первую очередь, нужны были данные обычной сетевой активности пользователей. Для решения данной задачи было написано программное обеспечение, которое позволило собрать нужные данные и продолжить работу по разработке алгоритма.

2.2.1 Сбор статистики.

Статистика собиралась с компьютеров различных пользователей. Причем снимались данные о работе определенного типа: просто посещение веб-ресурсов, скачивание торрентов, онлайн-игра и т. д. Каждая отдельная выборка производилась по одному часу работы. Моменты поступления пакетов на сетевую карту принимались в качестве событий потока. По полученным данным в соответствии с формулами (2) были получены оценки параметров потока с шагом в 10 сек. Графики динамики оценки приведены на рисунках 6 и 7.

Рис. 6. Динамика оценки параметра λ при различных типах сетевой активности

Рис. 7. Динамика оценки параметров α₁, α₂ при различных типах сетевой активности

2.2.2. Приложение для сбора и анализа статистики.

Для реализации приложения был выбран язык программирования C#, так он довольно прост и предоставляет массу возможностей. В ходе разработки было написано 2 приложения – одно для сбора статистики, другое для анализа накопленных данных.

При разработке приложения главной задачей являлся сбор статистики сетевой активности конкретного сетевого адаптера компьютера, на котором будет использоваться программа. Это легко достигается при использовании драйвера перехвата трафика WinPCap (ссылка скрыта). Приложение “отлавливает” только ip-пакеты, обрабатываемые конкретным сетевым адаптером, и записывает данные о них в лог. Так как о каждом пакете записываются подробные сведения, то потом довольно легко отфильтровать их по нужному критерию, например по ip-адресу отправителя и получить нужные сведения для статистики, такие как временные интервалы между пакетами. Так как приложение разрабатывалось на платформе .net, то также использовался, набор классов SharpPCap (ge.net/projects/sharppcap/), предоставляющий возможности библиотеки WinPCap для языка C#.

На главной вкладке приложения можно выбрать сетевой адаптер, с которого будет идти сбор статистики и папку, куда будет сохраняться статистика. Подробные сведения о перехваченных пакетах выводятся во вкладке “Мониторинг”. А во вкладке “Расписание”, можно задавать временные интервалы, когда будет проводиться сбор статистики.

Программно перехват трафика выполняется очень просто, благодаря WinPCap и SharpPCap. Изначально получается список сетевых адаптеров на компьютере - Pcap.GetAllDevices(). Затем у выбраннного адаптера вызывается метод Open(), а далее запускается бесконечный цикл в выделенном потоке где, у этого же адаптера, вызывается метод GetNextPacket().

Сохранение данных происходит с периодичностью, выбранной в приложении для сбора данных. Периодичность может быть выбрана в размере трёх, четырех или пяти минут. Этого промежутка времени хватает, чтобы собрать необходимый объём статистики, но при этом, чтобы этот объём не был слишком велик.

Рис.8. Главное окно приложения для сбора статистики.

Стоит отметить, что в приложении также реализована возможность сбора данных с разных сетевых адаптеров, установленных в системе. К примеру, данные могут приниматься не только по LAN, но и по сетям Wi-Fi, либо через интерфейс Bluetooth и с помощью данного приложения они все могут успешно обрабатываться.

В приложении по анализу статистики реализованы процедуры, которые считывают данные выборок, сохраненные приложением для сбора статистики, вычисляют для каждой выборки параметры λ , α₁, α₂.

В этом же приложении реализована возможность вывода графиков по обработанным данным, что позволяет более наглядно изучить механизм работы, как данного приложения, так и математической модели в целом.

2.3. Получение оценок параметров.

Для работы алгоритма, следует привести данные сетевой активности, к более подходящему, для обработки, виду. В рамках данной дипломной работы было решено использовать математическую модель альтернирующего потока, так как модель альтернирующего потока событий является простейшей среди дважды стохастических потоков и в то же время должна более точно отражать реальную ситуацию, чем пуассоновская. Оценки параметров λ, α₁, α₂ по наблюдениям за потоком методом моментов получаются по формулам (2), которые указаны в пункте 1.3. Для получения одной оценки брались данные с промежутка в одну минуту, а интервал между оценками составлял 10 секунд (рис. 9.). Таким образом, данные новой оценки накладываются на данные от предыдущей, что позволяет снизить погрешности оценок, так как при оценивании учитывается больший объем данных, чем если бы оценки считались на независимых промежутках.