2. TRAFFIC CAPTURE AND STATISTICSFo

2. TRAFFIC CAPTURE AND STATISTICS
For an evaluation of the traffic we performed several measurements capturing the Ethernet traffic at the Office Communication server. The capturing of the traffic was performed using the popular Wireshark tool [7], which reports complete
Ethernet frame sizes, including the Ethernet overhead per captured frame of 14 bytes. We initially dropped frames that do not adhere to standard (with sizes greater than 1514 bytes, as the network did not allow Jumbo frames) and aggregated the remaining captured frames on a per-second basis to determine the bandwidth. Specifically, we aggregate the size of all Ether- net frames within a specific second from the beginning of the measurement and denote the resulting bandwidth as Xt [bps]. We denote the average bandwidth as X [bps] and Xmax [bps] as the maximum bandwidth observed. Subsequently, we denote the Peak-to-Mean ratio (as one measure for the variability of
the underlying traffic) of the bandwidth defined as P tMX .
2 We calculate the variance SX and standard deviation SX of the observed bandwidth usages to calculate the coefficient of variation, commonly used to measure the variability of an underlying variable, and denote it as CoVX .
The Hurst parameter H, is one key measure of selfsimilarity [8], [9] for an underlying process and commonly used to estimate the long-range dependence of a stochastic process. A Hurst parameter of H = 0.5 indicates absence of self-similarity whereas H = 1 indicates long-range dependence. We additionally note that while the Hurst parameter is mathematically well-defined, its determination is not clearly defined, but commonly performed through estimations, see,e.g., [10]. We employ the R/S statistic [11]–[13] to estimate the Hurst parameter for the captured traffic. Specifically, we estimate the Hurst parameter H as the slope of a log-log plot (also referred to as pox plot or adjusted scaled range plot) of the R/S statistic using a least squares fit. In addition, we calculate the Hurst parameter using the technique outlined in [14] as an additional metric. For a more visual approach to the identification of network bandwidth usage and its self-
similarity, we utilize the autocorrelation function, see, e.g.,[15].improvement

ผลลัพธ์ (ไทย) 1:

2. จับภาพและสถิติการเข้าชม
สำหรับการประเมินของ traffic เราทำการวัดหลายที่จับ traffic อีเทอร์เน็ตที่เซิร์ฟเวอร์สื่อสาร Office จับของ traffic การทำใช้นิยม Wireshark นั้น [7], รายงานที่สมบูรณ์
ขนาดเฟรมของอีเทอร์เน็ต รวมถึงอีเทอร์เน็ตจ่ายต่อเฟรมจับ 14 ไบต์ เราเริ่มหลุดเฟรมที่ไม่เป็นไปตามมาตรฐาน (มีขนาดใหญ่กว่า 1514 ไบต์ เป็นเครือข่ายไม่อนุญาตเฟรมจัมโบ้) และรวมการจับเฟรมที่เหลือตามต่อที่สองการกำหนดแบนด์วิดท์ที่ Specifically เรารวมขนาดของเฟรมอีเทอร์เน็ตทั้งหมดภายใน specific เป็นที่สองจากจุดเริ่มต้นของการประเมิน และแสดงแบนด์วิดธ์ได้เป็น Xt [bps] เราแสดงแบนด์วิดธ์เฉลี่ยเป็น X [bps] และ [bps] Xmax เป็นแบนด์วิดท์สูงสุดที่สังเกต ในเวลาต่อมา เราแสดงอัตราส่วนสูงสุดเฉลี่ย (เป็นหนึ่งวัดความแปรผันของ
traffic ต้นแบบ) ของ defined แบนด์วิธเป็น P tMX
2 เราคำนวณผลต่าง SX และส่วนเบี่ยงเบนมาตรฐาน SX ของประเพณีแบนด์วิธสังเกตคำนวณ coefficient ของการเปลี่ยนแปลง ใช้วัดความแปรผันของตัวแปรต้น และแสดงเป็น CoVX.
Hurst พารามิเตอร์ H เป็นวัดสำคัญหนึ่ง selfsimilarity [8], [9] สำหรับกระบวนการต้นแบบ และโดยทั่วไปใช้ในการประเมินอาศัยระยะยาวของกระบวนการแบบเฟ้นสุ่ม พารามิเตอร์ Hurst ของ H = 0.5 บ่งชี้ของความคล้ายตนเองในขณะที่ H = 1 แสดงพิสัยพึ่งพา เรานอกจากนี้ทราบว่า ในขณะที่พารามิเตอร์ Hurst mathematically ดี-defined กำหนดความไม่ชัดเจน defined แต่มักดำเนินการผ่านประเมิน ดูเช่น, [10] เราใช้สถิติ R/S [11] - [13] การประมาณพารามิเตอร์ Hurst ใน traffic จับ Specifically เราประเมินพารามิเตอร์ Hurst H เป็นความชันของแผนล็อกล็อก (ยังเรียกว่าพล็อต pox หรือพล็อตช่วงปรับสัดส่วนได้ปรับปรุง) ของสถิติ R/S โดยใช้ fit กำลังสองน้อยสุด นอกจากนี้ เราคำนวณพารามิเตอร์ Hurst ที่ใช้เทคนิคที่ระบุไว้ใน [14] เป็นการวัดเพิ่มเติม สำหรับวิธีเพิ่มเติมภาพการ identification การใช้แบนด์วิดท์ของเครือข่ายและตัวตนของ-
คล้าย เราใช้ฟังก์ชัน autocorrelation ดู e.g.,[15].improvement

ผลลัพธ์ (ไทย) 3:

2 . จราจรจับและสถิติ
สำหรับการประเมินผลจึงสร้าง C เราแสดงหลายวัดจึงจับอีเธอร์เน็ตสร้าง C ที่เซิร์ฟเวอร์การสื่อสาร CE จึง . จับภาพของ C คือการสร้างจึงนิยมใช้เครื่องมือ Wireshark [ 7 ] ซึ่งรายงานที่สมบูรณ์
ขนาดกรอบ Ethernet รวมถึง Ethernet ค่าใช้จ่ายต่อจับกรอบ 14 ไบต์เราเริ่มทำกรอบรูปที่ไม่เป็นไปตามมาตรฐาน ( ที่มีขนาดมากกว่า 1514 ไบต์เป็นเครือข่ายไม่อนุญาตให้กรอบจัมโบ้ ) และมวลที่เหลือจับเฟรมบนพื้นฐานต่อวินาทีในการตรวจสอบแบนด์วิดธ์ ประเภทคอลลี่จึง ,เรารวมขนาดของอีเทอร์ - กรอบสุทธิภายในกาจึง C ที่สองจากจุดเริ่มต้นของการวัดผลและแสดงผล แบนด์วิดธ์เป็น XT [ 2007 ] เราหมายถึงแบนด์วิธเฉลี่ยเป็น x [ 2007 ] และ xmax [ 2007 ] เป็นแบนด์วิธสูงสุด ) ต่อมา เราแสดงยอดหมายถึงอัตราส่วน ( เป็นมาตรการหนึ่งในการสร้างต้นแบบถ่ายทอด
c ) ของแบนด์วิดธ์ เดอ จึงเป็นตลาดเน็ต P .
2 เราคำนวณความแปรปรวน SX กับ SX ส่วนเบี่ยงเบนมาตรฐานของการตรวจสอบแบนด์วิดธ์การคํานวณ coef จึง cient การแปรผัน มักใช้ในการวัดความแปรปรวนของตัวแปรพื้นฐาน และแสดงเป็น covx .
เฮิร์สต์พารามิเตอร์ H เป็นวัดสำคัญแห่งหนึ่ง selfsimilarity [ 8 ][ 9 ] สำหรับต้นแบบกระบวนการ และมักใช้เพื่อประเมินการพึ่งพาระยะยาวของกระบวนการสโตแคสติก เป็นพารามิเตอร์ของเฮิร์สต์ H = 0.5 แสดงว่าขาดของตนเอง ส่วน H = 1 แสดงความคล้ายคลึงกันระยะยาว การพึ่งพา เรายังทราบว่าในขณะที่พารามิเตอร์เฮิรสท์เป็นทางคณิตศาสตร์ดี เดอจึงเน็ด ความมุ่งมั่นไม่ชัดเจน เดอ จึงมักทำผ่านเน็ต แต่การดูเช่น [ 10 ] เราใช้ R / S สถิติ [ 11 ] - [ 13 ] การประมาณพารามิเตอร์เฮิรสท์สำหรับจับจึงสร้าง C . ประเภทจึงคอลลี่ เราประมาณการเฮิรสท์พารามิเตอร์ H เป็นความชันของเข้าสู่ระบบเข้าสู่ระบบแปลง ( เรียกว่าฝีแปลงหรือปรับขนาดแปลงช่วง ) ของ R / S ทางสถิติโดยใช้ อย่างน้อยสี่เหลี่ยมจึงที นอกจากนี้เราคำนวณพารามิเตอร์ของเฮิร์สต์โดยใช้เทคนิคอธิบายไว้ใน [ 14 ] เป็นตัวชี้วัดเพิ่มเติม สำหรับวิธีการเพิ่มเติมภาพให้ identi จึงบวกของการใช้แบนด์วิธเครือข่ายและตนเอง -
ความเหมือน เราใช้ฟังก์ชัน autocorrelation ดู เช่น การปรับปรุง
[ 15 ]