未来移动互联基站流量汇聚模型的研究.doc

1、未来移动互联网基站流量汇聚模型的研究兰许昌，魏孙波，殷瑞祥（华南理工大学 电子与信息学院，广州 510640）摘要：以现有固网的网络流量和网络业务模型为基础，对 下一代移动互联网络 Mesh 的基站流量模型和网络带宽需求进行研究。分析了典型区域内网民的 http 业务、gaming 业务、video 业务的流量模型和网民上网的行为概率分布，估算出一天内的基站 总流量带宽分布， 为未来 mesh 网络的规划和组建提供数据依据。关键词：网络流量；业务模型；模型估计；Mesh 网络中图分类号：TP393.1 文献 标识码：AResearch of the Future Traffic Model i

2、n Mobile Internet Base StationLAN Xu-chang，WEI Sun-bo, YIN Rui-xiang(School of Electronic and Information Engineering ,South China University of Technology, Guangzhou 510640,China)Abstract：Based on backbone networks traffic and network business model，the future traffic model in base station and the

3、demand for network bandwidth were researched. The HTTP internet business, gaming business and video business models of internet users in typical region and the distribution of internet user behavior were analyzed. To plan and form the future mesh networks, the basis data was provided here.Keywords：n

4、etwork traffic; business model; model estimation; mesh1 引言无线Mesh网络(也称无线网状网、无线网格网等)，是一种新型的宽带无线网络结构，即一种高容量、高速率的分布结构，是因特网的无线版本 1。规划和组建一个能够适应网络流量的动态性、不稳定性、突发性等特性的mesh网络，必须对网络流量特性和流量模型进行研究。网络流量模型的研究对网络运行控制、业务量预测与网络规划、高性能价格比的网络设备与服务器、流量均衡以及网络体系结构设计等等都能提供必不可少的依据。本文目的是求出无线接入网中 Mesh 节点基站的网络流量模型，估算未来网络流量带宽需求。

5、首先，对网民的行为进行分析，调研和分析了网民在一天时间内上网可能性和所用的业务可能性的概率分布；然后，对现有的各种业务的流量模型进行分析和研究；最后，根据一天时间内上网用户数分布，按一定的粒度抽取出某时刻的用户数，并累计叠加汇总各个用户当前时刻的带宽需求，计算出此小区一天时间内的基站总流量带宽分布。2 网民行为分析2.1 网民上网时间分布根据 2008 年 1 月中国互联网信息中心（CNNIC）的中国互联网发展状况统计报告分析：目前网民平均上网时长是 16.2 小时/周。这些网民中，上网时长在 110 小时之间的最多，占到总体网民的 45.1%，但与 2006 年 12 月的 16.9 小时/

6、周相比略有下降。原因在于 2007 年涌入了大量的新上网网民，而新增网民的上网时长要短一些。这里对 2004、2005、2006、2007 四年澳门某社区的所以网民在一天内时间段的网民行为进行了统计如图 1 所示。 0%10%20%30%40%50%60%2007 2006 2005 20042007 7%4%2%1%1%1%1%2%11%14%12%11%10%12%13%15%18%25%32%43%48%49%36%24%2006 8%5%3%1%1%1%1%1%8%10%10%9%8%10%12%14%18%23%30%44%53%52%35%25%2005 14%9%5%3%2%2%

7、1%2%10%13%12%12%11%14%15%18%21%24%27%40%48%54%42%32%2004 9%6%2%1%1%1%2%3%8%9%7%7%7%9%10%14%20%20%24%39%52%53%37%26%1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24图 1 网民的上网时间分布图根据中国互联网发展统计报告分析中对澳门区的调查结果进行分析 2,3,4，此图认为是社区用户的上网时段。理解为用户一天内上网时间可能性概率分布。对四年的数据进行了平均，参考平均后数据，用 15阶多项式拟合逼近网民任意时刻

8、的上网可能概率分布有：Is_on(t)=0.0001t9-0.000113t8 +0.0097t7 -0.0511t6 +0.1814t5-0.4035 t4 +0.4788t3-0.1261t2-0.3151t+0.322 (0 = t 4hours)其中 Is_on(t)函数是用户上网时间概率分布，当 t 为 20 时，表示用户在晚上 8 点时上网的可能性为 40.94%。通过随机产生一个概率与 40.94%进行比较判断网民上网与否。 2.2网民使用各种业务的比例判断当前时间用户上网后，需要知道用户当前时间所采用的业务。主要考虑三种业务：http 业务、gaming 业务、 video 业

9、务。根据表 1 给出各种用户上网业务的信息 5。从表中可以知道网民一天上网用到的各种业务的概率和流量大小。 一个用户可能同时上多种业务，如表 1 给出 75%的人用过 web browser、33%的人用过 Interactive Gaming 等。考虑流视频在未来网络中的地位，将表 1 中针对 video 的数据进行折算。P2P 业务的主要流量是网络视频数据 6，这是符合实际的。所以将主要以流视频类为代表进行分析。这里将 p2p、video clips、IPTV、Streaming audio 等归类为混合视频流，将用户使用各种业务的可能概率进行整体归一化，约为 58.5%，视为用户使用混合

10、视频流的概率分布。表 1各种用户上网业务的信息Application Type/QualitySessionsPer day% ofUsers w/ AppTotalLoadUser/Day(Mbytes)%of BytesTrafficAsymmetry(%uplink)Equiv.per-User Busy HourRate D/U(bps)Web browser(includes 2.5 75% 18.4 27.5% 10.1% 2680/302数据来源: 澳门互联网研究计划 2001-2007email)Streaming Audio.SongMP3quality1.5 25% 1.8

11、8 2.8% 0% 307Streaming Video.ClipWebquality1 50% 6.12 9.2% 0% 999IPTV-program SDTVquality1 0.5% 3.3 5.0% 0% 539VoIP Tollquality2 15% 1.2 1.8% 50% 98/98VideoCommunicationWebquality0.5 5% 0.56 0.8% 50% 45/45InteractiveGamingFPS 1 33% 5.1 7.6% 46.4% 445/385P2P File sharing 650MB file.14(onceA week5% 29

12、.2 43.8% 83.6% 781/3980Misc.Down/Upload(includesVideo clips)Webquality2 50% 1.02 1.5% 10.4% 147/17Total 66.7 66.7 44.3% 6060/48303 业务模型分析不同的网络业务有不同的网络流量模型，前面将网民的业务主要参考归类为：http 业务、gaming 业务、video 业务。下面对三种不同的业务流量模型进行分析 7,8,9,10,11：3.1 http业务模型如下图 2 所示，一次会话(session)是用来表示从用户发出网页请求到其断开网络连接的时间。在一次网页浏览中总流量

13、 Total size 主要涉及以下几个变量：主网页实体 Main object size (SM)、嵌入网页实体Embedded object size (SE)、嵌入网页实体的个数 Number of embedded objects per page（Nd ） 。它们之间的关系是： Total size = SM + SE*Nd图 2 http业务模型分析估计 web browser 的 session per day 为 2.5 次和一个 session 的浏览网页个数约为 16 个。假设当某个时刻网民在用 http 业务时，把此时刻作为网民的一次 web 浏览的 session 开始

14、，即接下去网民将浏览 16个网页。这里就认为此时刻网民浏览网页的带宽 http_bandwidth 为 16 个网页的总流量 TotalSize 除以 16个网页的传输时间 T（一个 session 的时间）： TotalSizedthhtpBanwirngsizeUpsizeDotlSizeiiii /_16163.2 gaming 业务模型这里分析 First Person Shooter(FPS).的 gaming 业务模型。一个网民玩游戏时，从进入游戏（Start gaming）到一次游戏结束（End gaming，为游戏的存活期的结束）的这段时间叫为 Gaming sessions。

15、根据游戏的生存规则分析，一个网民退出游戏理解为一个事件的发生或游戏失败终结。此定义一个生存函数来表示网民游戏的生存模型（the survival function）:S(t) = Pr (a session that survives longer than time t)=1- Pr(a session that fails before, or at time t)=1- F(t)在一次gaming session期间，游戏环境场景的变化、游戏动作等都有packet的up和down的传输。这些包的传输时间packet arrival time的累积和就构成了一个 gaming sessio

16、n。利用packet arrival time的最大极值分布随机产生的N个T packet arrival time来逼近T gaming session, 从而确定此 gaming session期间包传输的个数N，进而知道此gaming session总流量的大小Totals size： seiongani timearvlpcketNi1lseiongaNiiiNii TotlSzesdthgameBnwUpzDnTotlSzsudown min11/3.3 video业务模型 对于 video 业务的分析，是极其复杂的。不同的编码帧格式：I 帧，B 帧，P 帧，就有不同的模型；对于可变

17、速率、不可变速率的模型也有较大的差别。而这里分析的可以称之为混合的 Video，是由p2p、video clips、IPTV、Streaming audio 等组成的混合视频流。对于混合视频流，如果考虑各个因素那是非常复杂的，所以将其简单化，只考虑帧的大小和传输的时间来统计它的传输流量。NGMN Performance Evaluation Methodology 一文提出：Video Streaming 每秒传输为 10 个帧，每帧 8 个数据包，这样每秒传输 80 个包；而每帧数据包之间有 Inter-arrival time(这个延迟是由视频的编解码引起的) 。同时此文提出 video

18、的 packet size 和 Inter-arrival time 服从截断的伯拉图分布（Truncated Pareto Distribution） 。分布的参数如下表所示。当知道一次 video 的 session time 时，统计此session time 时间内的总流量需求： timeseionTii isPackzTotalSz801而传输的时间应为 session time 减去延迟时间： timeseionTii timearivlItimeseiontransmit 801带宽： ransmitlSzdhvieoBw/4 仿真实验移动互联网中，网民的实际上网行为是三种业务的

19、交叉。根据网民上网时75%可能性用web browser、33%用 gaming业务和58.2%用video业务。网民在移动互联网中的行为与固网中的行为差别比较大，在有线网络中用户可以同时上多个业务。而对于移动互联网且基于手机的屏幕，用户同时用多个业务的可能性就非常小。所以考虑用户手机上网的优先级别，假设如下1） 用户首选 web browser 业务： 75%；2） 次选 video 业务：25%*58.2%；3） 余为 gaming 业务比例：25%*41.8*33% 。如图 2 仿真流程图，根据澳门某社区的网民上网时段分布，以基数为 1000 人进行仿真。开始初始化I s _ o n l

20、 i n eN - 1 ; N 0W e b / 7 5 %H t t p _ s i z e +G a m e / 3 3 %G a m i n g _ s i z e +V i d e o _ s i z e +V i d e o / 5 8 . 2 %仿真结果图结束NYYN NYYNNT o t a l s i z e +图 2 仿真流程图图 3 显示的是总的带宽需求、http 带宽需求、gaming 带宽需求和 video 带宽需求。根据仿真图分析：一个基站的总流量大小主要取决于其下的上网网民的总数量。在仿真过程中 gaming、video 的 session time为 15minu

21、tes 和 30minutes。从图中显示最大的带宽需求是在晚上 22：08 时为：25.47Mbits。最小带宽在6：40 时为：0.215Mbits。平均带宽为：7.57Mbits。对于 gaming、 video 业务的 session time 分布还没有较好的数据，所以只给出典型的值如 15 分钟，30 分钟。对于 video 业务是多种业务的混合，这里去除了很多其他的因数如上下行 P2P 的影响因子、video 的编码帧格式等。5 结束语本文调研现有固网的各种网络流量模型和网民的上网行为，以其为基础对下一代移动互联网络Mesh的基站流量模型和网络带宽需求进行研究。分析了典型小区的各

22、种业务流量模型和网民的行为概率分布，估算出了一天内的基站总流量带宽分布。而校园，商业区，车站等特定区域及目前也没有数据，对于不同的时间网民行为分布也有一定的差别：工作日、周末、其他节假日，这些都有待进一步研究。图 3 各业务汇总仿真图参考文献1 方旭明 等. 下一代无线因特网技术： 无线 Mesh 网络 M 北京：人民邮电出版社，2006，5：7-10.2 中国互联网信息中心（CNNIC）的中国互联网络发展状况统计报告3 全球互联网统计信息第 27 期报告4 全球互联网统计信息第 28 期报告5 UMTS 网络仿真中基于 OPNET 的 HTTP 业务建模6 Global IP Traffic

23、 Forecast and Methodology, 2006-2011 - Cisco Systems 2007.7 Traffic and Network Modeling for Next Generation Applications8 Draft IEEE 802.16m Evaluation Methodology Document10 Johannes Farber. Network Game Traffic Modelling . University of Stuttgart, Inst. of Communication Networks and Computer Engineering11 Hua Xu, Pranav Joshi, Yi-Chiun Chen, Xiao Xu, Jeongeun Julie Lee, Belal Hamzeh Bong Ho Kim, Ronny (Yong-Ho) Kim, Kiseon Ryu. Gaming Traffic Model. IEEE C802.16m-07/14412 NGMN Performance Evaluation Methodology; Version 1.2 June 20th,20作者简介：兰许昌（1982-） ，男，福建省龙岩市人，华南理工大学硕士，专业研究方向为信号与信息处理。