论文阅读：Elastic Sketch: Adaptive and Fast Network-wide Measurements

摘要：

当网络出现拥塞，扫描攻击，DDoS攻击等问题时，测量比平常重要得多。 在这种情况下，包括可用带宽，数据包速率和流量大小分布在内的流量特性将发生巨大变化，从而严重降低测量性能。

为了解决这个问题，我们提出了Elastic sketch。 它适应当前的流量特征，并且它对于测量任务和平台是通用的。

背景/问题：

由于基于sketch的解决方案与采样方法相比具有更高的准确性，因此已经在网络测量中得到了广泛接受，现有的测量解决方案主要集中在精度，速度和内存使用之间的良好权衡。

尽管现有工作做出了巨大贡献，但它们并没有关注一个基本需求——无论流量特性如何变化，都可以实现准确的网络测量。当网络出现问题，例如网络拥塞，扫描和DDoS攻击时，流量特性会急剧变化，从而大大降低测量性能，因此这种情况下的测量尤为重要。

因此，当流量特性变化很大时，需要实现精确的网络测量。

第一个流量特征是可用带宽，第二个特征是数据包到达率，第三个特征是流量大小分布。

这要求sketch具有弹性：适应带宽，包速率和流大小分布。

除此之外，测量还有其他三个要求：通用、快速、准确。

首先，每个测量节点通常必须执行多个任务。如果我们为每个任务构建一个数据结构，则处理每个传入数据包都需要更新所有数据结构，这既浪费时间又占用空间。因此，需要一种用于所有任务的通用数据结构。

其次，要快速，每个数据包的处理时间应小而恒定。

第三，准确意味着在使用给定数量的内存时错误率应该足够小。

在所有现有解决方案中，没有解决方案具有弹性。

解决办法：

提出了一种新颖的sketch，即Elastic sketch，它由两部分组成：heavy part和light part。

我们提出了一种分离技术，称为“种族歧视”，以使大象流在heavy part流动，而老鼠在light part流动。

为了使其具有“弹性”，我们执行以下操作：

• 为了适应带宽，我们提出了压缩和合并sketch的算法。将sketch压缩为合适的大小以适合当前的可用带宽，使用服务器合并sketch并减少带宽使用。

  
  
  
• 当数据包速率较高时，改变处理方法：每个数据包仅访问大部分以专门记录大象流的信息，而丢弃鼠标流的信息，这样可以以合理的精度下降为代价实现更快的处理速度。
• 随着大象流的数量变化并且事先未知，我们提出了一种算法来动态增加heavy part的内存大小

为了使我们的解决方案“通用”，我们执行以下操作：

• 为了进行一般的测量任务，保留了每个数据包的所有必要信息，但丢弃了鼠流的ID，这是基于我们的观察——鼠流的ID占用内存，但实际上没有用。
• 为了在平台方面具有通用性，我们提出了Elastic sketch的软件和硬件版本，以使我们的sketch易于在软件和硬件平台上实施。