CN101491024A - 估计方法、装置、程序以及网络测量系统 - Google Patents

Abstract

在预定的采样测量下观测分组的发送序列号的颠倒，并测量所采样的大于或等于所述颠倒时的序列号的序列号的个数以作为颠倒度，根据估计的全采样测量下的颠倒度和在预定的采样测量下观测到的颠倒度来估计分组的丢失次数或丢失率。

Description

估计方法、装置、程序以及网络测量系统

技术领域

本发明涉及用于测量网络质量的技术，特别是涉及用于估计预定的采样测量下的发送分组的丢失次数或丢失率的估计方法、装置、程序以及网络测量系统。

背景技术

以往，作为检测端对端(End-to-End)的分组丢失的方法，有非专利文献1记载的技术。该技术在终端A和终端B间的路径上设置捕获(capture)部，对通过该捕获部的分组进行全捕获。并且，检查该分组的序列号，当发送序列号的顺序发生了颠倒时，检测出分组丢失。

非专利文献1：大岸智彦、井

上彰、長谷川亨、加藤聡彦、“片方向IPトラヒ_ツクからTCPレベルの统計情報を收集するパフオ—マンスモニタの設計”、2000年電子情報通信学会

合大会B-7-3。

发明内容

在上述的现有技术中，如果不取得全部发送分组，就不能进行高精度的质量检测，即不能高精度地检测出分组丢失。

然而，在通信网络的高速区域中会发生很多取漏分组的情况，并且如果想要取得全部的分组，测量器所需的CPU、网络、总线带宽等就需要具有高的处理能力。

因此，本发明是鉴于上述的问题而完成的，其目的在于，提供一种不用取得全部的发送分组也能够估计发送分组的丢失或分组丢失率的分组丢失率估计方法、装置、程序以及网络测量系统。

解决上述问题的本发明是一种估计分组的丢失次数或丢失率的估计方法，其特征在于，在预定的采样测量下观测分组的发送序列号的颠倒，并测量所采样的大于或等于所述颠倒时的序列号的序列号的个数，以作为颠倒度；并且，根据估计的全采样测量下的颠倒度和在预定的采样测量下可观测到的颠倒度来估计分组的丢失次数或丢失率。

解决上述问题的本发明是一种估计分组的丢失次数或丢失率的估计方法，其特征在于，包括：测量处理，用于在预定的采样测量下观测分组的发送序列号的颠倒，并测量所采样的大于或等于所述颠倒时的序列号的序列号的个数，以作为颠倒度；以及估计处理，用于根据所述预定的采样测量下可观测到的颠倒度的个数在全采样测量下可观测到的颠倒度的全部个数中所占的比率，求出在所述预定的采样测量下可观测到的颠倒度的观测概率，并基于所述观测概率来估计分组的丢失次数或丢失率。

解决上述问题的本发明是一种估计分组的丢失次数或丢失率的估计方法，其特征在于，包括：测量处理，用于在预定的采样测量下观测分组的发送序列号的颠倒，并测量所采样的大于或等于所述颠倒时的序列号的序列号的个数，以作为颠倒度；以及估计处理，用于从至少将分组丢失率和观测概率对应存储的数据库中检索与所述分组丢失率对应的观测概率，由所述观测概率再次计算分组丢失次数和分组丢失概率，并估计分组的丢失次数或丢失概率。

解决上述问题的本发明是一种估计分组的丢失次数或丢失率的估计装置，其特征在于，包括：在预定的采样测量下观测分组的发送序列号的颠倒并测量所采样的大于或等于所述颠倒时的序列号的序列号的个数作为颠倒度的单元；以及根据估计的全采样测量下的颠倒度和在预定的采样测量下可观测到的颠倒度来估计分组的丢失或丢失率的单元。

解决上述问题的本发明是一种估计分组的丢失次数或丢失率的估计装置，其特征在于，包括：测量单元，用于在预定的采样测量下观测分组的发送序列号的颠倒，并测量所采样的大于或等于所述颠倒时的序列号的序列号的个数，以作为颠倒度；以及估计单元，用于根据所述预定的采样测量下可观测到的颠倒度的个数在全采样测量下可观测到的颠倒度的全部个数中所占的比率，求出在所述预定的采样测量下可观测到的颠倒度的观测概率，并基于所述观测概率来估计分组的丢失次数或丢失率。

解决上述问题的本发明是一种估计分组的丢失次数或丢失率的估计装置，其特征在于，包括：测量单元，用于在预定的采样测量下观测分组的发送序列号的颠倒，并测量所采样的大于或等于所述颠倒时的序列号的序列号的个数，以作为颠倒度；以及估计单元，用于从至少将分组丢失率和观测概率对应存储的数据库中检索与所述分组丢失率对应的观测概率，由所述观测概率再次计算分组丢失次数和分组丢失概率，并估计分组的丢失次数或丢失概率。

解决上述问题的本发明是一种估计分组的丢失次数或丢失率的网络测量系统，其特征在于，包括：在预定的采样测量下观测分组的发送序列号的颠倒并测量所采样的大于或等于所述颠倒时的序列号的序列号的个数作为颠倒度的单元；以及根据估计的全采样测量下的颠倒度和在预定的采样测量下可观测到的颠倒度来估计分组的丢失次数或丢失率的单元。

解决上述问题的本发明是一种估计分组的丢失次数或丢失率的网络测量系统，其特征在于，包括：测量单元，用于在预定的采样测量下观测分组的发送序列号的颠倒，并测量所采样的大于或等于所述颠倒时的序列号的序列号的个数，以作为颠倒度；以及估计单元，用于所述预定的采样测量下可观测到的颠倒度的个数在全采样测量下可观测到的颠倒度的全部个数中所占的比率，求出在所述预定的采样测量下可观测到的颠倒度的观测概率，并基于所述观测概率来估计分组的丢失次数或丢失率。

解决上述问题的本发明是一种估计分组的丢失次数或丢失率的网络测量系统，其特征在于，包括：测量单元，用于在预定的采样测量下观测分组的发送序列号的颠倒，并测量所采样的大于或等于所述颠倒时的序列号的序列号的个数，以作为颠倒度；以及估计单元，用于从至少将分组丢失率和观测概率对应存储的数据库中检索与所述分组丢失率对应的观测概率，由所述观测概率再次计算分组丢失次数和分组丢失概率，并估计分组的丢失次数或者丢失概率。

解决上述问题的本发明是一种估计分组的丢失次数或者丢失率的估计程序，其特征在于，使信息处理装置执行以下处理：在预定的采样测量下观测分组的发送序列号的颠倒，并测量所采样的大于或等于所述颠倒时的序列号的序列号的个数，以作为颠倒度；根据估计的全采样测量下的颠倒度和在预定的采样测量下可观测到的颠倒度来估计分组的丢失次数或丢失率。

解决上述问题的本发明是一种估计分组的丢失次数或丢失率的估计程序，其特征在于，使信息处理装置执行：测量处理，用于在预定的采样测量下观测分组的发送序列号的颠倒，并测量所采样的大于或等于所述颠倒时的序列号的序列号的个数，以作为颠倒度；估计处理，用于根据所述预定的采样测量下可观测到的颠倒度的个数在全采样测量下可观测到的颠倒度的全部个数中所占的比率，求出在所述预定的采样测量下可观测到的颠倒度的观测概率，并基于所述观测概率来估计分组的丢失次数或丢失率。

解决上述问题的本发明是一种估计分组的丢失次数或丢失率的估计程序，其特征在于，使信息处理装置执行：测量处理，用于在预定的采样测量下观测分组的发送序列号的颠倒，并测量所采样的大于或等于所述颠倒时的序列号的序列号的个数，以作为颠倒度；以及估计处理，用于从至少将分组丢失率和观测概率对应存储的数据库中检索与所述分组丢失率对应的观测概率，由所述观测概率再次计算分组丢失次数和分组丢失概率，并估计分组的丢失次数或者丢失率。

解决上述问题的本发明是一种估计分组的丢失次数或丢失率的估计方法，其特征在于，包括：测量处理，用于在预定的采样测量下测量分组的发送序列号的颠倒次数；以及估计处理，用于根据所述预定的采样测量下可观测到的颠倒次数在全采样测量下可观测到的颠倒次数中所占的比率，求出在所述预定的采样测量下可观测到的颠倒次数的观测概率，并基于所述观测概率来估计分组的丢失次数或丢失率。

解决上述问题的本发明是一种估计分组的丢失次数或丢失率的估计装置，其特征在于，包括：测量单元，用于在预定的采样测量下测量分组的发送序列号的颠倒次数；以及估计单元，用于根据所述预定的采样测量下可观测到的颠倒次数在全采样测量下可观测到的颠倒次数中所占的比率，求出在所述预定的采样测量下可观测到的颠倒次数的观测概率，并基于所述观测概率来估计分组的丢失次数或丢失率。

解决上述问题的本发明是一种估计分组的丢失次数或丢失率的估计程序，其特征在于，使信息处理装置执行：测量处理，用于在预定的采样测量下测量分组的发送序列号的颠倒次数；以及估计处理，用于根据所述预定的采样测量下可观测到的颠倒次数在全采样测量下可观测到的颠倒次数中所占的比率，求出在所述预定的采样测量下可观测到的颠倒次数的观测概率，并基于所述观测概率来估计分组的丢失次数或丢失率。

解决上述问题的本发明是一种估计分组的丢失次数或丢失率的估计方法，其特征在于，包括：测量处理，用于在预定的采样测量下测量分组的发送序列号的颠倒次数；以及估计处理，用于基于所述颠倒次数来求出在所述预定的采样测量下可观测到的颠倒次数的观测概率，并基于所述观测概率来估计分组的丢失次数或丢失率。

解决上述问题的本发明是一种估计分组的丢失次数或丢失率的估计装置，其特征在于，包括：测量单元，用于在预定的采样测量下测量分组的发送序列号的颠倒次数；以及估计单元，用于基于所述颠倒次数来求出在所述预定的采样测量下可观测到的颠倒次数的观测概率，并基于所述观测概率来估计分组的丢失次数或丢失率。

解决上述问题的本发明是一种估计分组的丢失次数或丢失率的估计程序，其特征在于，使信息处理装置执行：测量处理，用于在预定的采样测量下测量分组的发送序列号的颠倒次数；以及估计处理，用于基于所述颠倒次数来求出在所述预定采样测量下可观测到的颠倒次数的观测概率，并基于所述观测概率来估计分组的丢失次数或丢失率。

发明效果

根据本发明，可以不要求测量仪器具有高的处理能力，就能够高精度地估计分组的丢失或分组丢失率。

附图说明

图1A至图1C是用于说明颠倒度的图；

图2是用于说明以统计的方法估计SN值的颠倒现象数的概念的图；

图3是用于说明以统计的方法估计SN值的颠倒现象数的概念的图；

图4是用于说明以统计的方法估计SN值的颠倒现象数的概念的图；

图5是用于说明数据库的构建方法的图；

图6是示出数据库的一个示例的图；

图7是示出应用本发明的网络的概要的图；

图8是示出测量装置1的结构的框图。

标号说明

1  测量装置

2、3  通信终端

4、5  分路装置

具体实施方式

对本发明的实施方式进行说明。

首先，说明本发明的概念。

本发明具有以下特点：在预定的采样测量下观测分组的发送序列号(下面称为SN)的颠倒现象，并基于该观测结果来估计在全采样测量下应当被观测到的实际分组的丢失次数或者分组丢失率。这里，分组丢失率是指在发送的分组中由于线路出错等的原因而在通信中途消失(丢失的)分组的比率，例如当有N个发送分组而其中消失的分组为M时，分组丢失率为M/N。

这里，SN的颠倒现象是指被观测的分组的序列号不是升序，而是由于重发分组等而被观测的序列号下降的情况。例如，当分组序列号为升序、如4、5、6......时，下一个被观测的分组的序列号不是7而是3的情况。

在本发明中，为了观测这样的SN颠倒现象，使用称为颠倒度的概念。图1A至图1C是用于说明颠倒度的图。这里，颠倒度是指当发生了SN值颠倒的现象时对到目前为止观测到的与颠倒时的SN值相等或比其大的SN值进行计数的值。例如，颠倒度在图1A的状态下为4，在图1B的状态下为5，在图1C的状态下为6。

当利用这样的颠倒度在预定的采样测量下观测SN的颠倒现象时，例如，如果在0.5的采样概率下SN发生了颠倒现象的情况的颠倒度为5，那么当在1的采样概率、即全采样(全捕获)的情况下测量颠倒度时，颠倒度被预测为10。这是由于，如果采样概率为0.5时采样(捕获)的分组数为5，则全采样(全捕获)时的分组数就可预测为10。这里，采样概率是指从每N个发送分组中采样1个分组的比率对分组进行采样时的概率。

然而，当在预定的采样测量下进行观测时，会存在无法观测到的颠倒现象，从而结果多少会与上述的方法不同，因此利用统计方法进行预测。

图2至图4是用于说明以统计方法估计SN值的颠倒现象数的概念的图。

首先，如图2所示，在以颠倒度j为横轴、并以预定颠倒度的个数在颠倒度的总个数中所占的比率N为纵轴的情况下，预测全采样时的频率分布曲线(histogram)。该频率分布曲线既可以统计地求出，也可以实际测得。比率N可以定义为以分组丢失率p、采样概率s、颠倒度j为变量的函数。

其次，如图3所示，预测在预定的采样概率s下被观测的频率分布曲线。采样概率为1时的比率N(p，1，j)的总和如等式1所示，采样概率s时的比率N_SN(p，s，j)的总和如等式2所示。

等式1：

$\underset{j=0}{\overset{\∞}{\mathrm{\Σ}}}N(p,1,j)=1$

等式2：

$\underset{j=0}{\overset{\∞}{\mathrm{\Σ}}}{N}_{\mathrm{SN}}(p,s,j)=s$

这里，图4所示的频率分布曲线虽然是预测的采样概率s的频率分布曲线，但是由于进行采样测量，所以无法观测到j为0以下的情况。这是因为，例如若被采样的分组的SN为5、6、4，则能够观测到SN的颠倒现象，但是就算SN已颠倒，如果未能采样到SN颠倒之前或之后的分组SN，也就无法观测到颠倒现象。

因此，以j＝1以上的阈值测量颠倒度。即，该阈值是确定作为测量对象的颠倒度的值的值，这意味着例如当将阈值设为k＝1时将1以上的颠倒度作为测量对象，当将阈值设为k＝2时将2以上的颠倒度作为测量对象，阈值一般为k＝1。因而，等式2所示的采样概率s时的比率N(p，s，j)的总和中包括实际上无法观测到的阈值k以下的部分。

由此，作为能够观测到采样概率s时的SN值的颠倒现象的概率的观测概率如等式3所示。

等式3：

SN侧的观测概率 $Q_{\mathrm{sn}}(p,s,k)=\frac{\underset{j=k}{\overset{\∞}{\mathrm{\Σ}}}{N}_{\mathrm{sn}}(p,s,j)}{\underset{i=0}{\overset{\∞}{\mathrm{\Σ}}}N(p,1,j)}=\frac{\underset{j=k}{\overset{\∞}{\mathrm{\Σ}}}{N}_{\mathrm{sn}}(p,s,j)-\underset{j=0}{\overset{k-1}{\mathrm{\Σ}}}{N}_{\mathrm{sn}}(p,s,j)}{1}$

$=s-\underset{j=0}{\overset{k-1}{\mathrm{\Σ}}}{N}_{\mathrm{sn}}(p,s,j)=s-s\underset{j=0}{\overset{k-1}{\mathrm{\Σ}}}N(p,s,j)=s\{1-\underset{j=0}{\overset{k-1}{\mathrm{\Σ}}}N(p,s,j)\}$

该观测概率也是在原本发生的颠倒现象(s＝1的频率分布曲线)中被观测到的颠倒度的现象(s＝0.5的斜线面积部分)所占的比率。并且，通过求出该观测概率，可以求出还包括无法观测到的阈值k以下的颠倒现象在内的SN值的颠倒度和分组丢失率。

下面，说明具体的计算方法。

步骤1

首先，在预定的采样测量下，观测SN值的颠倒度。在这里，将阈值为k时的计数值(观测值)设为A_k。一般k＝1，此时计数值与SN值的颠倒次数、即分组丢失次数(SN值的颠倒现象数)相等，因此也可以对SN值的颠倒次数进行计数。

步骤2

接着，设分组丢失次数(SN值的颠倒现象数)为Xi(收敛前为临时估计值)，设分组丢失率为p_i+1＝X_i+1/Th。这里，Th是在测量对象的期间内发生的通信量(分组的个数和大小等)。并且，选定任意的分组丢失次数的初始值为X₀(>0)，并将其转换为初始值的分组丢失率p₀。这里，初始值的分组丢失率p₀为p₀＝X₀/Th。初始值X₀的推荐值为前一期间的分组丢失次数A_k等。

步骤3

接着，从p_i的值求观测概率Q_SN(p_i，s，k)。s是预定采样测量时的采样概率，观测概率Q_SN(p_i，s，k)≠采样概率s。其中，观测SN值时的观测概率Q_SN(p_i，s，k)如等式4所述。

等式4：

SN侧的观测概率 $Q_{\mathrm{SN}}(p,s,k)=s\×\{1-\underset{j=0}{\overset{k-1}{\mathrm{\Σ}}}N(p,s,j)\}$

其中，k可取1以上的值，j为颠倒度。设k为1时，观测概率Q_SN(p_i，s，k)为：

SN侧的观测概率Q_SN(p，s，1)＝s×{1-N(p，s，0)}

其中，采样概率s时的比率N(p，s，j)被定义为变量p，s，j的函数，基于概率分布模型，函数N能够以泊松分布为基础进行确定。此时，N(p，s，j)如等式5所述。

等式5：

$N(p_i,s,j)=\frac{{\left(s\sqrt{\frac{8}{{3\mathrm{bp}}_i}}\right)}^j}{j!}{e}^{-\left(s\sqrt{\frac{8}{3b{p}_i}}\right)}$

其中，b为常数。

N(p，s，j)的分布不限于等式5，也可以采用其他等式。

在如上定义了函数N(p，s，j)之后，求观测概率Q_SN(p_i，s，k)。

步骤4

另外，基于等式6从观测值A_k和观测概率Q_SN(p_i，s，k)来估计X_i+1(分组丢失次数)，并基于等式7转换为分组丢失率。

等式6：

X_i+1＝A_k/Q_SN(p_i，s，k)

等式7：

p_i+1＝X_i+1/Th

步骤5

反复计算上述的步骤3和步骤4。在理想情况下，X_∞为真实的分组丢失次数，但实际上反复计算进行到变化率＝{(X_i+1—X_i)/X_i}或者{(p_i+1—p_i)/p_i}进入一定范围以内、或者i达到一定次数为止。

如上所述，求出分组丢失率p_i+1、分组丢失次数X_i+1。

在上述的计算方法中说明了利用统计的方法求分组丢失率p_i+1、分组丢失次数X_i+1的方法，但也可以采用基于实验结果的分布来构建数据库并从其结果来确定函数N的方法。

下面说明构建数据库的方法。

首先，如图5的步骤1所示，创建采样概率s₀(＝1)、即全采样测量下的SN值的颠倒现象的频率分布曲线，其中如图5所示，将采样概率s时的逆转度设为横轴，将采样概率s时的比率N(p，s，j)设为纵轴，该频率分布曲线针对多个预定的分组丢失率中的每一个而创建，例如对0.001％(小值)到10％左右(大值)中的分组丢失率进行创建。

其次，如图5的步骤2所示，基于已创建的频率分布曲线(采样概率为s₀＝1)，预测预定的采样概率s的频率分布曲线。在该采样概率s的频率分布曲线N(p，s，j)中，因为是全采样，所以N(p，1，j)已知，从而可由等式8给出N(p，s，j)。

等式8：

$N(p,s,j)=\underset{i=1}{\overset{1/s-1}{\mathrm{\Σ}}}s\×i\×N(p,1,(j-1)/s+i)+N(p,1,j/s)+\underset{i=1}{\overset{1/s-1}{\mathrm{\Σ}}}(1-s\×i)\×N(p,1,j/s+i)$

其中，p为分组丢失率，s为采样概率，j为SN值的颠倒度。

将这样得到的各采样概率s的频率分布曲线N(p，s，j)代入等式4，从而如图5的步骤3所示，求出各采样概率s的观测概率。求得的观测概率是离散的，因此进行线性插值或对数插值来得到连续的值，并如图5的步骤4所示，将观测概率的结果记录到数据库中。图6示出了这种数据库的一个示例。

在图6所示的数据库中，检索关键字为分组丢失率和采样概率的组合，这种组合和该组合的观测概率被对应存储。

在上述的说明中，基于全采样测量下得到的频率分布曲线来创建了数据库，但并非一定要基于全采样测量下得到的频率分布曲线来创建数据库。例如，虽然精度多少会下降一些，但也可以基于在采样概率＝0.9左右的采样测量下得到的频率分布曲线来创建数据库。

然后，从数据库中检索与通过等式7得到的分组丢失率和此时的采样概率的组合相对应的观测概率，并将所述检索到的观测概率再次代入等式6中，由此进行上述步骤4的处理。

通过如上进行处理，可与上述的统计方法一样地求出分组丢失率p_i+1、分组丢失次数X_i+1。

在上述的说明中，引入颠倒度的概念对本发明进行了说明，但本发明不限于此。例如，如果假定颠倒度的分布与拥塞窗口的分布相同，则本发明也可以说是一种通过从采样测量下观测到的颠倒次数预测发送终端的拥塞窗口的大小来估计分组丢失次数或丢失率的发明。

并且，如果假设颠倒度的分布与重复的ACK的分布相同，则本发明也可以说是一种通过从采样测量下观测到的颠倒次数预测所发生的重复ACK的数目来估计分组丢失次数或丢失次数的发明。

然而，当设k为1并对SN值的颠倒次数进行计数时，不需要特别考虑颠倒度j、上述的拥塞窗口、重复ACK等，就可以通过上述的公式估计分组丢失次数或者丢失次数。

接着，说明将本发明应用在具体系统的实施方式。

图7是示出应用本发明的网络的概要的图。

图7中，标号1是测量分组丢失率的测量装置，标号2、3是通信终端，标号4、5是分路装置。

图8是示出测量装置1的结构的框图。

测量装置1具有数据前置处理部100，其中包括：数据接收部111以及数据接收部112，其接受来自分路装置4、5的数据输入；采样处理部113，其从数据接收部111、112中输入的分组以每N个中的1个的概率(采样概率s＝1/N)取得分组信息；流识别部114，其利用所取得的分组中的信息进行流分类；以及存储所述流分类结果的流信息保存部115。

并且，测量装置1具有端对端(End-to-End)质量估计部200，其中包括：端对端信息保存部205；SN识别部201，其从流信息保存部115抽取信息，识别序列号(SN)并将其保存到端对端信息保存部205中；SN颠倒度判定部202，其从端对端信息保存部205抽取信息，检测SN号的下降现象，检测出该次数以及颠倒度并将其保存到端对端信息保存部205中；吞吐量(throughput)判定部204，其从端对端信息保存部205抽取信息，计算吞吐量；端对端丢失判定部203，其根据吞吐量判定部204的结果和端对端信息保存部205中所保存的信息来判定端对端的丢失数或丢失率。

并且，测量装置1还包括用于存储吞吐量判定部204和端对端判定部203的结果的质量结果保存部400。

在本实施方式中，通过由测量装置1第一次提取在网络上传输的分组并将其输入到数据前置处理部100中来开始处理。由数据接收部111接收从分路装置4输入的数据，由数据接收部112接收从分路装置5输入的数据。在数据接收部111和数据接收部112接收到数据之后，接收部将该数据转给采样处理部113。

采样处理部113以每N个中的1个的概率取得分组信息。此时的采样处理方法可考虑随机采样、均匀采样、或者将序列号和确认应答信号编号等分组头信息的一部分与采样概率进行比较的方法等，其中随机采样是产生随机数，将该随机数与采样概率s(1/N)进行比较，并根据其大小来进行取舍判定的方法，均匀采样是针对全部分组或每个协议或每个流保持一个计数器，并比较该计数器值和采样概率来进行取舍判定的方法。

在由采样处理部113确定了要取得的分组之后，流识别部114使用要取得的分组的信息的一部分，如IP地址、端口号、协议ID、VLAN信息或MPLS信息中的任意1个以上的信息对分组进行分类(流识别)，并将其结果存储在流信息保存部115中。

在这里，数据前置处理部100先进行采样处理部113的处理后再进行流识别部114的处理，但也可以先由流识别处理部114进行流识别后，再由采样处理部113确定要取得的分组。

其次，说明端对端质量估计部200。

在本实施方式中，端对端质量估计部200在指定的时间范围内或者每隔固定间隔进行端对端通信的质量分析。

SN识别部201从流信息保存部115依次提取质量分析对象(与指定期间的指定流对应的分组)的数据侧分组，并识别SN号。依次比较SN号，找出最小SN值和最大SN值，并将该结果记录在端对端信息保存部205中。

SN颠倒度判定部202事先指定SN的阈值(k)，并且若此次取得的SN号低于上一次的SN号，则在发生了SN值的颠倒现象时，对目前为止观测到的颠倒时的SN值以上的SN值进行计数，计算颠倒度。此时，在颠倒度为1的情况下，若k＝1，就向上计数，若k＝2，就不向上计数。

吞吐量判定部204如等式9那样可从SN值的差量信息求期间内的通信量或吞吐量。

等式9：

数据通信量＝最大SN值—最小SN值

当对作为质量分析对象的所有分组执行完SN识别判定部201中的处理和SN颠倒度判定部202中的处理后，执行吞吐量判定部204和丢失判定部203的处理。

丢失判定部203通过上述的估计方法来判定丢失率。

丢失判定部203以及吞吐量判定部204的结果被保存在质量结果保存部400中。

在上述的实施方式中，用硬件构成了端对端质量估计部200，但关于SN识别部201、SN颠倒度判定部202、吞吐量判定部204、端对端丢失判定部203，也可以通过使信息处理装置进行上述动作的程序来实现。

实施例1

作为实施例1，说明对TCP的发送分组进行300秒的测量所得的实验结果。

当在该环境的基础上进行全捕获(采样概率100％(s＝1))观测时，通过了103200个分组，观测到丢失了1055个分组，分组丢失率为0.010119。即通信量Th＝103200、分组丢失次数X＝1055、分组丢失率p＝0.010119。

在上述相同的环境下，将采样概率设为10％(s＝0.1)，并将阈值k设为1进行了采样观测。

此时，计数值(观测值)A₁被观测到74次，通信量Th被预测为通过了103198个分组。即，计数值(观测值)A₁＝74、通信量Th＝103198。

基于该观测结果，根据上述的步骤2，若将分组丢失次数X₀的初始值设为74，则根据p₀＝X₀/Th，分组丢失率的初始值为p₀＝0.000717。

从而，根据上述步骤3的等式4、等式5，Q_SN(0.000717，0.1，1)为Q_SN(0.000717，0.1，1)＝0.098659。接着，根据上述步骤4的等式6、等式7，X₁＝750.054、p₁＝0.007216。

其次，利用计算出的Q_SN，反复计算上述的步骤3和步骤4。

于是，通过第一次的反复计算，从X₁＝750.054、p₁＝0.007216得到Q_SN(0.007216，0.1，1)＝0.7519871，并且X₂＝997.429305、p₂＝0.009573。

通过第二次的反复计算，从X₂＝997.429305、p₂＝0.009573得到Q_SN(0.009573，0.1，1)＝0.931406，并且X₃＝1070.856395、p₃＝0.01027。

通过第三次的反复计算，从X₃＝1070.856395、p₃＝0.01027得到Q_SN(0.01027，0.1，1)＝0.9812956，并且X₄＝1091.267743、p₄＝0.010464。

通过第四次的反复计算，从X₄＝1091.267743、p₄＝0.010464得到Q_SN(0.010464，0.1，1)＝0.994917，并且X₅＝1096.842948、p₅＝0.010517。

通过第五次的反复计算，从X₅＝1096.842948、p₅＝0.010517得到Q_SN(0.010517，0.1，1)＝0.9986201，并且X₆＝1098.358563、p₆＝0.010531。

通过第六次的反复计算，从X₆＝1098.358563、p₆＝0.010531得到Q_SN(0.010531，0.1，1)＝0.9996254，并且X₇＝1098.881732、p₇＝0.010535。

如此，通过6次的反复计算实现了收敛(在上述计算中将变化率定义为0.001以下)。

根据上述的实验结果，当在10％的采样下测到74次的颠倒现象时，估计分组丢失次数为1098次，分组丢失率为0.010535。这个结果表示与实际通过全采样所测到的实际的分组丢失次数、分组丢失率的误差率在5％以下。

另一方面，与本发明不同，当只将采样概率作为观测概率时，根据分组丢失次数/采样概率，可估计分组丢失次数为740次(＝74/0.1)。然而，实际却发生了1055次，因此误差率在30％左右，精度很低。

由此可知，根据本发明，可基于在进行预定的采样测量时的测量结果高精度地估计实际的分组丢失次数或分组丢失率。

本申请要求以2006年7月7日申请的日本申请特愿2006-187821号为基础的优先权，将其公开的全部内容引用在本申请中。

Claims (28)

1.一种估计方法，用于估计分组的丢失次数或丢失率，其特征在于，

在预定的采样测量下观测分组的发送序列号的颠倒，并测量所采样的大于或等于所述颠倒时的序列号的序列号的个数，以作为颠倒度，

根据估计的全采样测量下的颠倒度和在预定的采样测量下可观测到的颠倒度，估计分组的丢失次数或丢失率。

2.一种估计方法，用于估计分组的丢失次数或丢失率，其特征在于，包括：

测量处理，用于在预定的采样测量下观测分组的发送序列号的颠倒，并测量所采样的大于或等于所述颠倒时的序列号的序列号的个数，以作为颠倒度；

估计处理，用于根据所述预定的采样测量下可观测到的颠倒度的个数在全采样测量下可观测到的颠倒度的全部个数中所占的比率，求出在所述预定的采样测量下可观测到的颠倒度的观测概率，并基于所述观测概率来估计分组的丢失次数或丢失率。

3.如权利要求2所述的估计方法，其特征在于，

所述估计处理根据在所述预定的采样测量下可观测到的颠倒度的个数和所述观测概率来反复计算分组丢失次数和分组丢失概率，并估计分组丢失次数和分组丢失概率。

4.如权利要求2或3所述的估计方法，其特征在于，

所述估计处理通过下式求出所述观测概率，

观测概率 $Q_{\mathrm{SN}}(p,s,k)=s\×\{1-\underset{j=0}{\overset{k-1}{\mathrm{\Σ}}}N(p,s,j)\}$

(其中，p为估计的分组丢失率、s为进行预定采样时的采样概率、j为颠倒度、k为阈值)。

5.如权利要求2至4中任一项所述的估计方法，其特征在于，

所述估计处理由下式求出：

$N(p_i,s,j)=\frac{\left(s\sqrt{\frac{8}{{3\mathrm{bp}}_i}}\right)j}{j!}{e}^{-\left(s\sqrt{\frac{8}{{3\mathrm{bp}}_i}}\right)}$

(其中，b为常数)。

6.一种估计方法，用于估计分组的丢失次数或丢失率，其特征在于，包括：

测量处理，用于在预定的采样测量下观测分组的发送序列号的颠倒，并测量所采样的大于或等于所述颠倒时的序列号的序列号的个数，以作为颠倒度；

估计处理，用于从至少将分组丢失率和观测概率对应存储的数据库中检索与所述分组丢失率对应的观测概率，由所述观测概率再次计算分组丢失次数和分组丢失概率，并估计分组的丢失次数或丢失概率。

7.如权利要求6所述的估计方法，其特征在于，

所述估计处理根据在所述预定的采样测量下可观测到的颠倒度的个数和所述观测概率来反复计算分组丢失次数和分组丢失概率，并估计分组丢失次数和分组丢失概率。

8.如权利要求6或7所述的估计方法，其特征在于，

所述数据库通过以下而创建：

在全采样测量下观测分组的发送序列号的颠倒，测量所采样的大于或等于所述颠倒时的序列号的序列号的个数以作为颠倒度，并针对各分组丢失率求出在全采样测量下的颠倒度的分布；

基于所述全采样测量下的颠倒度的分布，估计在预定的采样概率下可观测到的颠倒度的分布，并求出预定的采样概率下的每个分组丢失率的观测概率；并且

至少将分组丢失率和观测概率对应起来创建数据库。

9.一种估计装置，用于估计分组的丢失次数或丢失率，其特征在于，包括：

在预定的采样测量下观测分组的发送序列号的颠倒并测量所采样的大于或等于所述颠倒时的序列号的序列号的个数作为颠倒度的单元；以及

根据估计的全采样测量下的颠倒度和在预定的采样测量下可观测到的颠倒度来估计分组的丢失或丢失率的单元。

10.一种估计装置，用于估计分组的丢失次数或丢失率，其特征在于，包括：

测量单元，用于在预定的采样测量下观测分组的发送序列号的颠倒，并测量所采样的大于或等于所述颠倒时的序列号的序列号的个数，以作为颠倒度；

估计单元，用于根据所述预定的采样测量下可观测到的颠倒度的个数在全采样测量下可观测到的颠倒度的全部个数中所占的比率，求出在所述预定的采样测量下可观测到的颠倒度的观测概率，并基于所述观测概率来估计分组的丢失次数或丢失率。

11.如权利要求10所述的估计装置，其特征在于，

所述估计单元根据在所述预定的采样测量下可观测到的颠倒度的个数和所述观测概率来反复计算分组丢失次数和分组丢失概率，并估计分组丢失次数和分组丢失概率。

12.如权利要求10或11所述的估计装置，其特征在于，

所述估计单元通过下由式求出所述观测概率，

观测概率 $Q_{\mathrm{SN}}(p,s,k)=s\×\{1-\underset{j=0}{\overset{k-1}{\mathrm{\Σ}}}N(p,s,j)\}$

(其中，p为估计的分组丢失率、s为进行预定的采样时的采样概率、j为颠倒度、k为阈值)。

13.如权利要求10至12中任一项所述的估计装置，其特征在于，

所述估计单元由下式求出：

$N(p_i,s,j)=\frac{\left(s\sqrt{\frac{8}{{3\mathrm{bp}}_i}}\right)j}{j!}{e}^{-\left(s\sqrt{\frac{8}{{3\mathrm{bp}}_i}}\right)}$

(其中，b为常数)。

14.一种估计装置，用于估计分组丢失次数或丢失率，其特征在于，包括：

测量单元，用于在预定的采样测量下观测分组的发送序列号的颠倒，并测量所采样的大于或等于所述颠倒时的序列号的序列号的个数，以作为颠倒度；

估计单元，用于从至少将分组丢失率和观测概率对应存储的数据库中检索与所述分组丢失率对应的观测概率，由所述观测概率再次计算分组丢失次数和分组丢失概率，并估计分组的丢失次数或丢失概率。

15.如权利要求14所述的估计装置，其特征在于，

所述估计单元根据在所述预定的采样测量下可观测到的颠倒度的个数和所述观测概率来反复计算分组丢失次数和分组丢失概率，并估计分组丢失次数和分组丢失概率。

16.如权利要求14或15所述的估计装置，其特征在于，

所述数据库通过以下而创建：

在全采样测量下观测分组的发送序列号的颠倒，测量所采样的大于或等于所述颠倒时的序列号的序列号的个数以作为颠倒度，并针对各分组丢失率求出在全采样测量下的颠倒度的分布；

基于所述全采样测量下的颠倒度的分布，估计在预定采样概率下可观测到的颠倒度的分布，并求出预定采样概率下的每个分组丢失率的观测概率；以及

至少将分组丢失率和观测概率对应起来创建数据库。

17.一种网络测量系统，用于估计分组的丢失或丢失率，其特征在于，包括：

在预定的采样测量下观测分组的发送序列号的颠倒并测量所采样的大于或等于所述颠倒时的序列号的序列号的个数作为颠倒度的单元；以及

根据估计的全采样测量下的颠倒度和在预定的采样测量下可观测到的颠倒度来估计分组的丢失次数或丢失率的单元。

18.一种网络测量系统，用于估计分组的丢失次数或丢失率，其特征在于，包括：

测量单元，用于在预定的采样测量下观测分组的发送序列号的颠倒，并测量所采样的大于或等于所述颠倒时的序列号的序列号的个数，以作为颠倒度；

估计单元，用于根据所述预定的采样测量下可观测到的颠倒度的个数在全采样测量下可观测到的颠倒度的全部个数中所占的比率，求出在所述预定的采样测量下可观测到的颠倒度的观测概率，并基于所述观测概率来估计分组的丢失次数或丢失率。

19.一种网络测量系统，用于估计分组的丢失次数或丢失率，其特征在于，包括：

测量单元，用于在预定的采样测量下观测分组的发送序列号的颠倒，并测量所采样的大于或等于所述颠倒时的序列号的序列号的个数，以作为颠倒度；以及

估计单元，用于从至少将分组丢失率和观测概率对应存储的数据库中检索与所述分组丢失率对应的观测概率，由所述观测概率再次计算分组丢失次数和分组丢失概率，并估计分组的丢失次数或丢失概率。

20.一种估计程序，用于估计分组的丢失次数或丢失率，其特征在于，使信息处理装置执行以下处理：

在预定的采样测量下观测分组的发送序列号的颠倒，并测量所采样的大于或等于所述颠倒时的序列号的序列号的个数，以作为颠倒度；以及

根据估计的全采样测量下的颠倒度和在预定的采样测量下可观测到的颠倒度，估计分组的丢失次数或丢失率。

21.一种估计程序，用于估计分组的丢失次数或丢失率，其特征在于，使信息处理装置执行：

测量处理，用于在预定的采样测量下观测分组的发送序列号的颠倒，并测量所采样的大于或等于所述颠倒时的序列号的序列号的个数，以作为颠倒度；以及

估计处理，用于根据所述预定的采样测量下可观测到的颠倒度的个数在全采样测量下可观测到的颠倒度的全部个数中所占的比率，求出在所述预定的采样测量下可观测到的颠倒度的观测概率，并基于所述观测概率来估计分组的丢失次数或丢失率。

22.一种估计程序，用于估计分组的丢失次数或丢失率，其特征在于，使信息处理装置执行：

测量处理，用于在预定的采样测量下观测分组的发送序列号的颠倒，并测量所采样的大于或等于所述颠倒时的序列号的序列号的个数，以作为颠倒度；以及

估计处理，用于从至少将分组丢失率和观测概率对应存储的数据库中检索与所述分组丢失率对应的观测概率，由所述观测概率再次计算分组丢失次数和分组丢失概率，并估计分组的丢失次数或丢失概率。

23.一种估计方法，用于估计分组的丢失次数或丢失率，其特征在于，包括：

测量处理，用于在预定的采样测量下测量分组的发送序列号的颠倒次数；以及

估计处理，用于根据所述预定的采样测量下可观测到的颠倒次数在全采样测量下可观测到的颠倒次数中所占的比率，求出在所述预定的采样测量下可观测到的颠倒次数的观测概率，并基于所述观测概率来估计分组的丢失次数或丢失率。

24.一种估计装置，用于估计分组的丢失次数或丢失率，其特征在于，包括：

测量单元，用于在预定的采样测量下测量分组的发送序列号的颠倒次数；以及

估计单元，用于根据所述预定的采样测量下可观测到的颠倒次数在全采样测量下可观测到的颠倒次数中所占的比率，求出在所述预定的采样测量下可观测到的颠倒次数的观测概率，并基于所述观测概率来估计分组的丢失次数或丢失率。

25.一种估计程序，用于估计分组的丢失次数或丢失率，其特征在于，使信息处理装置执行：

测量处理，用于在预定的采样测量下测量分组的发送序列号的颠倒次数；以及

估计处理，用于根据所述预定的采样测量下可观测到的颠倒次数在全采样测量下可观测到的颠倒次数中所占的比率，求出在所述预定的采样测量下可观测到的颠倒次数的观测概率，并基于所述观测概率来估计分组的丢失次数或丢失率。

26.一种估计方法，用于估计分组的丢失次数或丢失率，其特征在于，包括：

测量处理，用于在预定的采样测量下测量分组的发送序列号的颠倒次数；以及

估计处理，用于基于所述颠倒次数来求出在所述预定的采样测量下可观测到的颠倒次数的观测概率，并基于所述观测概率来估计分组的丢失次数或丢失率。

27.一种估计装置，用于估计分组的丢失次数或丢失率，其特征在于，包括：

测量单元，用于在预定的采样测量下测量分组的发送序列号的颠倒次数；以及

估计单元，用于基于所述颠倒次数来求出在所述预定的采样测量下可观测到的颠倒次数的观测概率，并基于所述观测概率来估计分组的丢失次数或丢失率。

28.一种估计程序，用于估计分组的丢失次数或丢失率，其特征在于，使信息处理装置执行：

测量处理，用于在预定的采样测量下测量分组的发送序列号的颠倒次数；以及

估计处理，用于基于所述颠倒次数来求出在所述预定的采样测量下可观测到的颠倒次数的观测概率，并基于所述观测概率来估计分组的丢失次数或丢失率。

Images