第２ ９卷 第 ５期
２１ ０ ２年 ５月
计 算 机 应 用 研 究
Ａｐ ｌ ａ ｉｎ Ｒｅ ｅ ｒ ｈ ｏ ｏ ｕ ｅ ｓ ｐ ｉ ｔ ｓ ａ ｃ ｆＣ ｍｐ ｔｒ ｃ ｏ
Ｖ０ ． ９ Ｎｏ ５ １２ ． Ｍ ａ ２ １ ｖ ０２
Ｐ 件 享 系 ２ Ｐ文 共 。 ， ， Ｊ统行 为特 性 模 型分 析 、 一、
作 者简 介 ： 宝钢 （９ ３ ） 男 ， 南 荥 阳人 ， 师 ， 士 ， 要 研 究 方 向 为 网络 测 量 、２ 网 络 、 线 传 感 器 网 络 （ ｇｈｎ ｓｕ．ｄ ．ｎ ； 勇 陈 １７ 。 ， 河 讲 博 主 ＰＰ 无 ｂｃｅ ＠ ｃｔｅｕ ｃ ） 许
（ ９ １ ）， 教授 ， １７ 一 男， 博士， 主要研究方向为网络流量分析、 图像识别和处理 ； 胡金龙 （９ ７ ） 男， 师， １７ ． ， 讲 博士 ， 主要研 究方向为网络监控和管理．
Ｃ ＨＥ ｏ ｇ ｎ Ｎ Ｂａ — ａ ｇ ，ＸＵ ｎ ２ ＨＵ Ｊｎｌｎ ２ Ｙｏ ｇ ｉ— ｇ ｏ
，
（ ．Ｃ ｌｇ ｆｒ ｔｎ＆Ｍａ ａ ｅ ｅｔ ｃ ｎｅ Ｈｅａ ｇｉ ｌ ｒ ｎｖｒｔ Ｚ ｅｇｈ ｕ４ ００ Ｃ ｉａ； ．Ｃ ｍｍ ｎｃｔｎ＆Ｃ ｍ ｕｅ １ ｏｌ ｅｆＩ ｏｍａｉ ｅ ｏ ｎ ｏ ｎ ｇｍ ｎ ｉ ｃ， ｎ ｎＡ ｒ ｕ ｕｅＵ ｉ ｓｙ， ｈｎ ｚｏ ５０ ２， ｈｎ ２ ｏ ｕ ｉ ｉ Ｓｅ ｃｔ ｅｉ ａｏ ｏ ｐ ｔ ｒ
连接相融合的 Ｐ Ｐ文件共 享 系统 ， 中国教育 科研 网上 最大 ２ 是
０ 引言
文 件 共享 是 目前 Ｉｔ ｎ ｔ 最 主 要 、 成 功 的 Ｐ Ｐ应 用 ， ｎｅ ｅ 上 ｒ 最 ２
的非商业性 、 以科研为 目的 的 Ｐ Ｐ系统。由于 Ｍａｅ系统 的客 ２ ｚ 户端实现了在结束一个下 载或上传后 向 日志 服务器报告 其结 果的功能 ， 些 日志记录了用户的请求时 间 、 这 下载方的系统 Ｉ Ｄ 和被下载 方的 系统 Ｉ 下 载开始 时间 、 载结束 时间 、 Ｄ、 下 开始排
识别 随机变量所服从 的分 布族主要 是通过探 索性数据 分 析来完成 的。对数据进行多种 可视化检查 和摘要 统计可 以实
１ Ｍａ ｅ系统 及其 日志 ｚ
Ｍａｅ ｚ 是北京大学 网络实验室开发的一个 中心索引与对等
收 稿 日期 ：２ １ —８２ ０ ｌＯ —４；修 回 日期 ：２ １ －０ １ ０ １ １－４
Ｎｅ ｏｋＬ ｂｒｔｒ ｕ ｎｄ ｎ ｒｖ ｃ， ｏ ｔ Ｃ ｉａＵ ｉ ｒｔ ｏ ｃｎｌｇ ， ｕｎ ｚｏ ６ １ Ｃ ｉａ ｔ ｒ ａ ｏａｏ ｏ Ｇ ａｇ ｏｇＰｏｉ ｅ Ｓ ｕｈ ｈｎ ｎｖ ｓｙｆ Ｔ ｈ ｏｏｙ Ｇ ａｇｈ ｕ５ ０４ ， ｈｎ ） ｗ ｙｆ ｎ ｅ ｉ ｅ １
第 ５期
陈宝钢 ， ：２ 等 Ｐ Ｐ文件共 享 系统行 为特性 模型 分析
・１ ４ ８ ３・
分布能不 能符合需要 。当一 个单 分布不能满足要求时 ， 需要 就 考虑选择混合 分布。 ２ ２ 参数估计 ． 极大似然估计是一 种常见 的参数 估计方法 ， 它以观测值 出 现 的概率最大作 为准则 ， 其基本思想是建立似然 函数并求解似 然方程 。设 为连续 随机变量 ， 其分布密度 函数为 Ｐ ｌ ， （ ０） 并 完全 由参数 决 定这个密度函数 。 已知 Ⅳ个 观测 值 一 ， ， 假设 它 们是 从 分布 密 度 为 Ｐ 一 ｝ 则 ， ，
（） １
Ⅳ
参数 估计方法 比单分布要复杂一些。Ｅ ｅｉ 和 Ｈ ｎ ｖｒｔ ｔ ａｄ提 出了使 用 Ｅ 算法来拟合混合分 布 。其 基本思 想是首 先在 给出缺 Ｍ 失数据的情况下 ， 估计模 型参数 的值 ； 再根据参 数值估 计 出缺 失数据的值。根据估计 出的缺失数据的值对参数值 进行更新 ， 如此 反复迭代 ， 直至收敛 。文献 ［ ， ］ ８ ９ 则提 出了利用 函数最小 化方法来计算混合 分布的参数 ， 这种方法 比 Ｅ Ｍ算法更 快也更 稳定 。本 文使用 函数最小化方法来计算混 合分 布的参数 。
ｓｏ ｔｍｅ ｏ ｅ ｓ ｃ ｎ ｂｅ ｆｔｅ ｕ ｉｇ ｔ ｅ ｌ ｇ ｏ ｍａ ｉｔ ｂｕ ｉｎ；ｗｈｉｅ ｔｅ ｎ ｍｂｅ ｆｒ ｑｕ ｓｓａ ｄ ｔ ｅ ｅ ｔ ｄ ｎｕ ｅ ｆ ｉｎ ｉ ｆｕｓ ｒ ’ ａ ｔｄ ｓｎ ｈ ｏ ｎ ｒ ｌｄ ｓｒ ｔｏ ｉ ｉ ｌ ｈ ｕ ｒ ｏ ｅ ｅ ｔ ｎ ｈｅ ｒｑｕ ｓｅ ｍｂ ｒ ｏ ｕ ｅｓ’ ａ ｅ ｍｏ ｅ ｅ ｙ ｔ ｅ ｍｉ ｄ ｅ ｐｏ ｅ ｔａ ｉｔｉ ｕ ｉｎ ａ ｒ ｔ ｉｔ ｂｕ ｉｎ． ｓｒ ｒ ｄ ｌｄ ｂ ｈ ｘｅ ｘ ｎ ｎ ｉｌｄｓｒｂ ｔｏ ｎｄ Ｐａ ｅｏ ｄ ｓｒ ｔｏ ｉ
这种 性质 ， 用统 计方 法研 究 了 Ｍ ｚ 利 ａｅ系统 用户行 为特 性 分布 模 型及 特 点 。结 论表 明， 户上 传 流量 和 下 载流 用
量、 上传 带宽和 下载 带宽可 以使 用对数 正态混合 分布 来描 述 ， 跃 时间和 传 输 时间 可 以使 用对数 正 态分 布 来拟 活 合， 而请 求 次数和被 请 求次数 可 以使 用指 数分布 和 Ｐ ｒｔ ａｅ ｏ分布 的混合 分布 来表 达 。 关键 词 ：Ｐ Ｐ文件 共 享 系统 ； ｚ ； 为特性 ； 型 ；混合 分布 ２ Ｍａｅ 行 模 中图分 类号 ：Ｔ ３ ３ ０ Ｐ ９ ．７ 文献标 志码 ：Ａ 文 章编 号 ：１０ － ６ ５ ２ １ ） ５ １４ —４ ０ １３ ９ （０ ２ ０ － ８ ２ ０
ｄ ｉ１ ．９ ９ ｊｉ ｎ １ ０ —６ ５ ２ １ ．５ ０ ４ ｏ：０ ３ ６ ／．ｓ ．０ １３ ９ ．０ ２ ０ ．６ ｓ
Ｍ ｏ ｅｉ ｇ ａ ｄ ａ ａｙ ｉ ｎ ｂ ｈ ｖｏ ａ ｈａａ ｔｒｓｉｓｏ ２Ｐ ｆ ｅ ｓ ａ ｉｇ ｓ ｓｅ ｄ ｌｎ ｎ ｎ ｌｓｓ ｏ ｅ ａ ｉｒ ｌｃ ｒ ｃｅｉｔｃ ｆＰ ｌ —ｈ ｒｎ ｙ ｔｍ ｉ
现探索性数据分析 。可视化检 查的主要 工具是柱 状 图和分 布 图， 利用可视化检 查能够 消除很 多候选分布 ， 并且 判断一个 单
基 金项 目 ： 国 家“ ７ ” 划 资 助 项 目（ ０ Ｃ ３ ４ ０ ，０ ９ Ｂ ２ ５ ５ ９３ 计 ０ ２ ３ Ｂ １８ ５２ ０ Ｃ ３０ ０ ）
Ｋｅ ｒ ｓ Ｐ Ｐ ｆ ｅ ｓ ａ ｎ ｙ ｔｍ ；Ｍａ ｅ ｅ ａ ｉｒｃ ａ ａ ｔｒ ｔ ｓ ｙ ｗｏ ｄ ： ２ ｌ—ｈ ｒ ｇ ｓ ｓ ｉ ｉ ｅ ｚ ；ｂ ｈ ｖｏ ｈ ｒ ｃｅ ｓｉ ；ｍｏ ｅ ｓ ｉ ｃ ｄ ｌ ；ｍｉ ｔｒ ｉ ｒ ｕ ｉｎ ｘｕ ｅ ｄ ｓ ｉ ｔ ｓ ｔｂ ｏ
陈宝钢 许 ，
５０４ ） １ ６ １
勇 胡金龙 ，
（ ．河 南农 业 大学 信 息与 管理科 学 学院 ， 州 ４００ ； ．华 南理 工 大学 广 东省计算 机 网络 重点 实验 室 ， 州 １ 郑 ５０２ ２ 广
摘
要 ： 由于 ＰＰ文件 共 享 系统具 有 自组 织的特 点 ， 为特 性很 大程度 上影响 了系统 可靠性 和性能 。为 了解 ２ 其行
一
队时 间 、 求文件 的路径 和文件 名 、 求文件 长度 、 际下载 请 请 实
量、 文件 下载者 的 Ｉ Ｐ和端 口等信息 。因而 Ｍａｅ系统可 以记 录 ｚ 整个系统 的所有在线用户的文件请 求和下载情况 ， 这对 准确理 解和分析 Ｐ Ｐ文件共 享 系统 的用 户行 为 和 特点 提供 了极大 ２
Ａｂ ｔ ａ ｔ Ｄｕ ｅ ｐ ｏ ｅ ｔ ｓｏ ｅｆ０ ｇ ｎ ｚ ｔ ｎ， ｅ ａ ｉｒｃ ａ ａ ｔ ｒ ｔ ｓａｆｃ ｈ ｅｉｂ ｌ ｙａ ｄ ｐ ｒ ｒ ｎ ｅ ｉ ２ ｌ — ｓｒ ｃ ： ｅ ｔ ｔ ｒ ｐ ｒ ｅ ｆｓ ｌ ｒａ ｉ ｉ ｏｈ ｉ － ａ ｏ ｂ ｈ ｖｏ ｈ ｒ ｃｅｉ ｉ ｆｅ ｔ ｅ ｒｌ ｉ ｔ ｎ ｅ ｆ ｍａ ｃ ｎ Ｐ Ｐ ｆ ｅ ｓｃ ｔ ａ ｉ ｏ ｉ ｓ ａｉ ｇ ｓ ｓｅ ｓｇ ｉ ｃ ｎ ｌ ．Ｉ ｒ ｅ ｎ ｅ ｓａ ｄ ｔ ｉ ｎ ｔ ｒ ，ｔ ｉ ｐ ｐ ｒ ｎ ｅ ｔ ａ ｅ ｒ ｐ ｒ ｅ ｎ ｉ ｒ ｕ ｉ ｎ ｍｏ ｅ ｆｕ — ｈ ｒｎ ｙ ｔ ｍ ｉ ｎｆ ａ ｔ ｉ ｙ ｎ ｏ ｄ ｒｔ ｕ ｄ ｒｔｎ ｓ ａｕ ｅ ｈ ｓ ａ ｅ ｖ ｓ ｇ ｔ ｄｐ ｏ ｅ ｉｓａ ｄ ｄｓ ｉ ｔ ｄ ｌ ｓ ｏ ｈ ｉ ｉ ｔ ｔｂ ｏ ｏ
ｅ ｓ ｂｅ ｖｏ ｈ ｒ ｃｅ ｓｉ ｎ ＭＡＺＥ ｙ ｔｍ ｈ ｏ ｇ ｔｔｓｉａ ｅｈ ｄｓ Ａｎｄ ｔ ｅ ｒ ｓ ｌｓｉ ｉａ ｅ ｔ ｔｕ ｏ ｄ ａ ｏ ｌ ａ ｒ ’ ｈａ ｉｒｃ ａ ａ ｔｒ ｔ ｉ ｉ ｃｓ ｓ ｓｅ ｔ ｒ ｕ ｈ ｓａ ｉｔｃ ｌｍ ｔｏ ． ｈ ｅ ｕ ｔ ｎｄ ｃ ｔ ｈａ ｐｌａ ｎｄ ｄ ｗｎ ｏ ｄ
帮助 。
２ 模 型过 程
随机变量 的模型过程可 以大致分 为分布选择 、 参数估 计 、
拟合 优 度 检 验 。 ２ １ 分 布 选 择 ．
些 特点和分布 特征 。根 据 Ｍ ｚ ａｅ系统 用户 日志 中的数 据 内
容， 本文分析 了用户的上传 流量和下 载流量 、 用户 上传带宽 和 用户下载带宽 、 用户 的请求 次数和被请 求次数 ， 以及用户 的活 跃时间和传输 时间情况 的统计分 布模 型。
ｔ ｆ ｃ， ｐｏ ｄ ａ ｄ ｄ ｗ ｌａ ａ ｄ ｄ ｈ ｏ ｓ ｒ ’ｃ ｎ ｂ ｄ ｌｄ ｂ ｏ ｎ ｒ ｌ ｘ ｕ ｅｄ ｓｒ ｕ ｉｎ：ａ ｔ ｅ ｔ ｎ ａ ｓ ｓ ｒ ｆ ｕ ｌ ａ ｎ ｏ ｎ ｏ ｄ ｂ ｎ ｗｉｔ ｆｕ ｅｓ ａ ｅ ｍｏ ｅｅ ｙｌ ｇ ｏ ｍａ ｔ ｒ ｉ ｉ ｔ ａｉ ｍｉ ｔｂ ｏ ｃｉ ｍｅ ａ ｄ ｔ ｎ ｍｉ— ｖ ｉ ｒ
３ 用户 行为模 型 和分析
许多针对 Ｐ Ｐ文件 共享 系统 行为 的研究 ， ２ 没有分 析特 定 行为 的分 布特点 。而已有的针对 特定行 为的分析 只是近似 地