一种基于流数约减的非线性公平采样算法

• 作者: 史梦琳 宫阳阳 张震 李海莉 王雨 郭威
• 来源期刊: 计算机应用研究
• 关键词: 流量测量 均匀抽样 非线性 公平抽样
• 年，卷（期）: 2015,（6）
• 所属期刊栏目: 网络与通信技术
• 页码范围: 1826-1829
• 页数: 4页
• 分类号: TP393
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2015.06.050

摘要

针对现有采样算法存在可扩展性和公平性差的问题,提出一种基于流数约减的非线性公平采样算法(adaptive fair sampling based on reducing flow numbers,AFS-RFN).AFS-RFN算法首先采用均匀抽样的方法对要统计流数进行约减,获得样本流集合;然后,对属于样本流集合的分组采用非线性的方法进行公平采样,实现控制统计流数目的同时保证统计流信息的准确性.仿真表明,与ANLS(adaptive non-linear sampling)算法相比,AFS-RFN算法大幅降低了存储开销,同时,将算法的公平性提高了60％.算法具有良好的可扩展性和公平性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张震		35	179	7.0	12.0
2	王雨		4	7	2.0	2.0
3	郭威		3	1	1.0	1.0
4	史梦琳		8	6	1.0	2.0
5	宫阳阳		4	28	3.0	4.0
6	李海莉		2	1	1.0	1.0