Traffic Measurement for Big Network Data - Shigang Chen, Min Chen, Qingjun Xiao

Blick ins Buch

Traffic Measurement for Big Network Data (eBook)

Shigang Chen, Min Chen, Qingjun Xiao (Autoren)

eBook Download: PDF

2016 | 1st ed. 2017
VII, 104 Seiten
Springer International Publishing (Verlag)
978-3-319-47340-6 (ISBN)

Lese- und Medienproben

Ebook-Leseprobe (PDF)

This book presents several compact and fast methods for online traffic measurement of big network data. It describes challenges of online traffic measurement, discusses the state of the field, and provides an overview of the potential solutions to major problems.

The authors introduce the problem of per-flow size measurement for big network data and present a fast and scalable counter architecture, called Counter Tree, which leverages a two-dimensional counter sharing scheme to achieve far better memory efficiency and significantly extend estimation range.

Unlike traditional approaches to cardinality estimation problems that allocate a separated data structure (called estimator) for each flow, this book takes a different design path by viewing all the flows together as a whole: each flow is allocated with a virtual estimator, and these virtual estimators share a common memory space. A framework of virtual estimators is designed to apply the idea of sharing to an array of cardinality estimation solutions, achieving far better memory efficiency than the best existing work.

To conclude, the authors discuss persistent spread estimation in high-speed networks. They offer a compact data structure called multi-virtual bitmap, which can estimate the cardinality of the intersection of an arbitrary number of sets. Using multi-virtual bitmaps, an implementation that can deliver high estimation accuracy under a very tight memory space is presented.

The results of these experiments will surprise both professionals in the field and advanced-level students interested in the topic. By providing both an overview and the results of specific experiments, this book is useful for those new to online traffic measurement and experts on the topic.

Introduction.- Per-Flow Size Measurement.- Per-Flow Cardinality Measurement.- Persistent Spread Measurement.

Erscheint lt. Verlag	1.11.2016
Reihe/Serie	Wireless Networks
Reihe/Serie	Wireless Networks
Zusatzinfo	VII, 104 p. 45 illus., 2 illus. in color.
Verlagsort	Cham
Sprache	englisch
Themenwelt	Mathematik / Informatik ► Informatik
Themenwelt	Technik ► Elektrotechnik / Energietechnik
Schlagworte	Big Data • Big network data • Cardinality estimation • Counter tree • Multi virtual bitmap • Network planning • Network traffic measurement • Per-flow traffic measurement • Persistent spread estimation • Traffic Measurement • Virtual data structures
ISBN-10	3-319-47340-9 / 3319473409
ISBN-13	978-3-319-47340-6 / 9783319473406

Haben Sie eine Frage zum Produkt?

PDF (Wasserzeichen)
Größe: 7,7 MB

DRM: Digitales Wasserzeichen
Dieses eBook enthält ein digitales Wasserzeichen und ist damit für Sie personalisiert. Bei einer missbräuchlichen Weitergabe des eBooks an Dritte ist eine Rückverfolgung an die Quelle möglich.

Dateiformat: PDF (Portable Document Format)
Mit einem festen Seitenlayout eignet sich die PDF besonders für Fachbücher mit Spalten, Tabellen und Abbildungen. Eine PDF kann auf fast allen Geräten angezeigt werden, ist aber für kleine Displays (Smartphone, eReader) nur eingeschränkt geeignet.

Systemvoraussetzungen:
PC/Mac: Mit einem PC oder Mac können Sie dieses eBook lesen. Sie benötigen dafür einen PDF-Viewer - z.B. den Adobe Reader oder Adobe Digital Editions.
eReader: Dieses eBook kann mit (fast) allen eBook-Readern gelesen werden. Mit dem amazon-Kindle ist es aber nicht kompatibel.
Smartphone/Tablet: Egal ob Apple oder Android, dieses eBook können Sie lesen. Sie benötigen dafür einen PDF-Viewer - z.B. die kostenlose Adobe Digital Editions-App.

Buying eBooks from abroad
For tax law reasons we can sell eBooks just within Germany and Switzerland. Regrettably we cannot fulfill eBook-orders from other countries.

Print-Ausgabe

Buch | Hardcover

106,99 €