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].

ผลลัพธ์ (ไทย) 1:

2 การจับภาพการจราจรและสถิติ
สำหรับการประเมินผลของการจราจรเราดำเนินการหลายวัดการจับภาพการจราจรอีเธอร์เน็ตที่เซิร์ฟเวอร์การสื่อสารสำนักงาน จับภาพของการจราจรที่ถูกดำเนินการโดยใช้เครื่องมือ Wireshark รับความนิยม [7] ซึ่งรายงานขนาดกรอบสมบูรณ์
อีเธอร์เน็ตรวมทั้งค่าใช้จ่ายต่ออีเธอร์เน็ตเฟรมจับจาก 14 ไบต์เราเริ่มปรับตัวลดลงเฟรมที่ไม่เป็นไปตามมาตรฐาน (ที่มีขนาดใหญ่กว่า 1,514 ไบต์เป็นเครือข่ายไม่อนุญาตให้มีกรอบจัมโบ้) และรวมเฟรมที่เหลือถูกจับบนพื้นฐานต่อวินาทีเพื่อตรวจสอบแบนด์วิดธ์ โดยเฉพาะเรารวบรวมทุกขนาดของเฟรมอีเทอร์สุทธิภายในที่เฉพาะเจาะจงที่สองจากจุดเริ่มต้นของการวัดและแสดงผลแบนด์วิดธ์เป็น XT [bps] เราหมายถึงแบนด์วิดธ์เฉลี่ยที่เป็น x [bps] และ xmax [bps] แบนด์วิดธ์สูงสุดที่สังเกต ต่อมาเราแสดงว่าอัตราส่วนสูงสุดที่จะหมายถึง (เป็นหนึ่งในตัวชี้วัดสำหรับความแปรปรวนของอัตราการเข้าชมที่ขีดเส้นใต้
) ของแบนด์วิดธ์ที่กำหนดไว้ p tmx.
2 เราคำนวณความแปรปรวน SX และส่วนเบี่ยงเบนมาตรฐานของการ SX ประเพณีแบนด์วิดธ์ที่สังเกตได้ในการคำนวณค่าสัมประสิทธิ์ของการเปลี่ยนแปลงที่ใช้กันทั่วไปในการวัดความแปรปรวนของตัวแปรพื้นฐานและแสดงว่ามันเป็น covx.
เฮิรสท์พารามิเตอร์เอชเป็นหนึ่งในตัวชี้วัดที่สำคัญของ [8] selfsimilarity,[9] สำหรับกระบวนการพื้นฐานและที่ใช้กันทั่วไปในการประเมินการพึ่งพาอาศัยกันในระยะยาวของกระบวนการสุ่ม พารามิเตอร์ของเฮิร์ส h = 0.5 แสดงให้เห็นตัวตนของตัวเองในขณะที่ความคล้ายคลึงกัน-h = 1 หมายถึงการพึ่งพาอาศัยกันในระยะยาว นอกจากนี้เราทราบว่าในขณะพารามิเตอร์เฮิรสท์เป็นทางคณิตศาสตร์ที่ดีที่กำหนดความมุ่งมั่นที่ไม่ได้กำหนดไว้อย่างชัดเจน แต่อย่างดำเนินการทั่วไปผ่านการประมาณการดู,เช่น [10] เราจ้างสถิติ r / s [11] - [13] ในการประมาณค่าพารามิเตอร์สำหรับการจราจรเฮิร์สจับ โดยเฉพาะเราคาดชั่วโมงพารามิเตอร์เฮิรสท์เป็นความลาดชันของพล็อตล็อก (ยังเรียกว่าพล็อตอีสุกอีใสหรือพล็อตช่วงปรับลดขนาด) ของสถ​​ิติ r / s ใช้น้อยสแควร์พอดี นอกจากนี้เราคำนวณพารามิเตอร์เฮิรสท์โดยใช้เทคนิคที่ระบุไว้ใน [14] ในฐานะที่เป็นตัวชี้วัดเพิ่มเติม สำหรับวิธีการที่มองเห็นได้มากขึ้นเพื่อให้บัตรประจำตัวของการใช้งานแบนด์วิดท์ของเครือข่ายและความคล้ายคลึงกันในตัวเอง
ของมันที่เราใช้ฟังก์ชั่นผิดพลาดที่สัมพันธ์ให้ดูเช่น [15].

ผลลัพธ์ (ไทย) 2:

2. จับภาพและสถิติการเข้าชม
สำหรับการประเมินของ traffic เราทำการวัดหลายที่จับ traffic อีเทอร์เน็ตที่เซิร์ฟเวอร์สื่อสาร Office จับของ traffic การทำใช้นิยม Wireshark นั้น [7], รายงานที่สมบูรณ์
ขนาดเฟรมของอีเทอร์เน็ต รวมถึงอีเทอร์เน็ตจ่ายต่อเฟรมจับ 14 ไบต์ เราเริ่มหลุดเฟรมที่ไม่ปฏิบัติตามมาตรฐาน (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 ขณะพารามิเตอร์ Hurst mathematically ดี-defined กำหนดความไม่ชัดเจน defined แต่มักดำเนินการผ่านประเมิน ดูเช่น, [10] เราใช้สถิติ R/S [11] - [13] การประมาณพารามิเตอร์ Hurst ใน traffic จับ Specifically เราประเมินพารามิเตอร์ Hurst H เป็นความชันของแผนล็อกล็อก (ยังอ้างถึงพล็อต pox หรือพล็อตช่วงปรับสัดส่วนได้ปรับปรุง) ของสถิติ R/S โดยใช้ fit กำลังสองน้อยสุด นอกจากนี้ เราคำนวณพารามิเตอร์ Hurst ที่ใช้เทคนิคที่ระบุไว้ใน [14] เป็นการวัดเพิ่มเติม สำหรับวิธีเพิ่มเติมภาพการ identification การใช้แบนด์วิดท์ของเครือข่ายและตัวตนของ-
คล้าย เราใช้ฟังก์ชัน autocorrelation ดู e.g.,[15].

ผลลัพธ์ (ไทย) 3:

2 . การถ่าย ภาพ และสถิติ
ซึ่งจะช่วยในการประเมินผลที่ของ traffic ที่เราทำการวัดมาตรฐานที่หลากหลายการถ่าย ภาพ traffic อีเธอร์เน็ตที่เซิร์ฟเวอร์การสื่อสาร office ได้. การถ่าย ภาพ ของ traffic ที่ได้รับความนิยมได้ดำเนินการโดยใช้เครื่องมือ wireshark [ 7 ],ซึ่งรายงานขนาดเฟรม
อีเธอร์เน็ตสมบรูณ์แบบรวมถึงค่าใช้จ่ายด้านอีเธอร์เน็ตที่ต่อเฟรมจับของ 14 ไบต์เฟรมตกเราในครั้งแรกที่ไม่ปฏิบัติตามกฎหมายเพื่อให้ได้มาตรฐาน(พร้อมด้วยขนาดมากกว่า 1514 ไบต์เป็นเครือข่ายที่ไม่อนุญาตให้จัมโบ้เฟรม)และจับกลุ่มเฟรมที่เหลือในแต่ละครั้งที่สองในการกำหนดแบนด์วิธ specificallyเราจะรวมกันขนาดของเฟรม chassis ether - สุทธิทั้งหมดอยู่ ภายใน ที่ใช้ Linux เพื่อตอบสนองความต้องการเฉพาะที่สองจากการเริ่มต้นของการวัดและผู้รับแบนด์วิดธ์อันเป็นผลมาที่เป็น XT [ BPS ] เราแสดงว่าแบนด์วิดธ์โดยเฉลี่ยที่เป็น x ( BPS ]และ[ BPS xmax ]เป็นแบนด์วิดธ์สูงสุดที่เห็น ต่อมาเราแสดงว่าสัดส่วนยอดถึงหมายถึง(เป็นหนึ่งในมาตรการของ traffic พื้นฐาน
) defined แบนด์วิดธ์ที่เป็น tmx p .
2 เราคำนวณที่ไม่เหมือนกัน SX เบี่ยงเบนมาตรฐานและ SX ของที่ตั้งข้อสังเกตว่าการใช้งานแบนด์วิดธ์ในการคำนวณที่ coefficient ของการเปลี่ยนแปลงที่ใช้กันทั่วไปในการวัดที่ตั้งได้ในที่ต่างๆได้หลายระดับและแสดงว่าเป็น covx .
ที่ Hurst พารามิเตอร์ H ,เป็นหนึ่งปุ่มวัด selfsimilarity [ 8 ],[ 9 ]สำหรับขั้นตอนพื้นฐานและที่ใช้กันทั่วไปในการประมาณการพึ่งพาแบบระยะไกลของกระบวนการ,แบบใดก็ได้ทั้งหมดรองรับงานได้ พารามิเตอร์ Hurst ของ H = 0.5 ระบุว่าไม่มีในแบบบริการตัวเองในขณะที่ความละม้ายคล้ายคลึง H = 1 แสดงการพึ่งพาแบบระยะไกล เรานอกจากนี้ยังบันทึกไว้ด้วยว่าในขณะที่ค่าพารามิเตอร์ Hurst ที่อยู่ในทางคณิตศาสตร์เป็นอย่างดี - defined ความมุ่งมั่นของมันไม่ใช่ defined อย่างชัดเจนแต่โดยทั่วไปเกิดขึ้นผ่านการประเมินดูเช่น:[ 10 ] เราใช้ R / S สถิติ[ 11 ] - [ 13 ]เพื่อประเมินค่าพารามิเตอร์ Hurst สำหรับ traffic จับได้ specifically ,เราประเมินที่ Hurst พารามิเตอร์ H ในที่ลาดเอียงของที่ล็อกอินเข้าสู่ - ล็อกอินเข้าสู่แผน(หรือเรียกอีกชื่อหนึ่งว่าเป็นอีสุกอีใสวางแผนหรือปรับแผนปรับช่วง)ของ R / S สถิติการใช้ที่จัตุรัส Compression Bra ใช้อย่างน้อย. ในการเพิ่มเราคำนวณค่าพารามิเตอร์ Hurst โดยใช้เทคนิคที่ได้อธิบายไว้ใน[ 14 ]เป็นระบบเมตริกเพิ่มเติม สำหรับการแสดงใน identification ของการใช้งานแบนด์วิดธ์ของเครือข่ายและในแบบบริการตัวเอง
กันของเราใช้งานฟังก์ชัน autocorrelation ที่ดูเช่น[ 15 ].