Распределения с тяжёлыми хвостами и долгосрочная зависимость в сетевом трафике.
Long-tail traffic
Распределения с "длинным хвостом": определение, примеры в телетрафике (размеры файлов). Важность больших значений для общего объема данных. LRD, но не самоподобие.
Сравнивайте с английским: нажмите на абзац — оригинал откроется в окне. Кнопка EN под абзацем показывает его прямо в тексте.
Введение
Распределение с длинным или тяжелым хвостом – это распределение, которое присваивает относительно высокие вероятности областям, значительно удаленным от среднего или медианы. Более формальное математическое определение приведено ниже. В контексте инженерного обеспечения телетрафика было показано, что ряд интересующих величин имеет распределение с длинным хвостом. Например, если рассматривать размеры файлов, передаваемых с веб-сервера, то с высокой степенью точности распределение является тяжелым хвостом, то есть существует большое количество небольших файлов, но, что критически важно, количество очень больших файлов остается существенной частью общего объема загрузок. Многие процессы технически обладают зависимостью от дальнего радиуса, но не являются самоподобными. Различия между этими двумя явлениями тонки. "Тяжелый хвост" относится к распределению вероятностей, а "зависимость от дальнего радиуса" – к свойству временного ряда, поэтому эти термины следует использовать с осторожностью и проводить между ними различие. Эти термины различны, хотя суперпозиции выборок из распределений с тяжелым хвостом приводят к формированию временных рядов с зависимостью от дальнего радиуса. Кроме того, существует броуновское движение, которое является самоподобным, но не обладает зависимостью от дальнего радиуса.
A long tailed or heavy tailed distribution is one that assigns relatively high probabilities to regions far from the mean or median. A more formal mathematical definition is given below. In the context of teletraffic engineering a number of quantities of interest have been shown to have a long tailed distribution. For example, if we consider the sizes of files transferred from a web server, then, to a good degree of accuracy, the distribution is heavy tailed, that is, there are a large number of small files transferred but, crucially, the number of very large files transferred remains a major component of the volume downloaded. Many processes are technically long range dependent but not self similar. The differences between these two phenomena are subtle. Heavy tailed refers to a probability distribution, and long range dependent refers to a property of a time series and so these should be used with care and a distinction should be made. The terms are distinct although superpositions of samples from heavy tailed distributions aggregate to form long range dependent time series. Additionally, there is Brownian motion which is self similar but not long range dependent.
Обзор
Создание устойчивых и надежных сетей и сетевых сервисов становится все более сложной задачей в современном мире Интернета. Для достижения этой цели понимание характеристик интернет-трафика играет все более критическую роль. Эмпирические исследования измеренных трассировок трафика привели к широкому признанию самоподобия в сетевом трафике.
The design of robust and reliable networks and network services has become an increasingly challenging task in today's Internet world. To achieve this goal, understanding the characteristics of Internet traffic plays a more and more critical role. Empirical studies of measured traffic traces have led to the wide recognition of self similarity in network traffic.