9、基于马尔可夫链模型的互联网流量共享综述

基于马尔可夫链模型的互联网流量共享综述

1. 引言

在计算机网络中，数据交换是主要目标，可通过多种方式实现，其基础是有线和无线媒体。如今有各种各样的服务和应用，如传真机、打印机、数字视频和音频、电子邮件和即时通讯等。互联网是最知名的计算机网络，数以百万计的计算机网络通过这个全球网络相互连接，约有320万人在使用它。需要注意的是，互联网和万维网有所不同，计算机网络的集合构成了互联网，而用于访问和共享这些资源的桥梁则是万维网。服务器的占用情况被定义为流量，电信系统负责处理语音流量和数据流量。流量分析的目的在于确定为客户提供某些服务的条件，以及经济地使用提供服务的资源。

2. 大数据环境中的马尔可夫链

马尔可夫链是一种用于随机系统的数学模型，其状态由转移概率控制。对于一阶马尔可夫链，当前状态仅取决于先前的状态，而忽略其他所有状态。马尔可夫链和蒙特卡罗赌场有一个共同点，即两者都由随机变量驱动。为了在高维空间的概率中通过随机数生成公平样本，马尔可夫链蒙特卡罗（MCMC）被用作一种通用技术，它能在一定范围内以均匀概率抽取样本。一些马尔可夫链过程的例子包括生灭过程、赌博和醉汉在街道上的行走。

在大数据环境中，会出现大量非结构化形式的数据。处理这类数据是一项繁琐的任务，因为从基础层面到架构层面，我们需要付出大量努力来处理数据，使其变得有用。马尔可夫链的例子有很多，比如醉汉在街道上的行走、天气状况模型，以及谷歌用于确定搜索结果顺序的Page Rank算法也是马尔可夫链的一个例子。在所有这些情况下，我们都需要处理大数据。大数据的异构性要求有高效的软件来应对各种困难，并解决大数据环境带来的问题。

2.1 马尔可夫链模型

Naldi提出