Getting good statistical models of traffic on network links is a well-known, often-studied problem. A lot of attention has been given to correlation patterns and flow duration. The distribution of the amount of traffic per unit time is an equally important but less studied problem. We study a large number of traffic traces from many different networks including academic, commercial and residential networks using state-of-the-art statistical techniques. We show that traffic obeys the log-normal distribution which is a better fit than the Gaussian distribution commonly claimed in the literature. We also investigate an alternative heavy-tailed distribution (the Weibull) and show that its performance is better than Gaussian but worse than log-normal. We examine anomalous traces which exhibit a poor fit for all distributions tried and show that this is often due to traffic outages or links that hit maximum capacity. We demonstrate that the data we look at is stationary if we consider samples of 15-minute long or even 1-hour long. This gives confidence that we can use the distributions for estimation and modelling purposes. We demonstrate the utility of our findings in two contexts: predicting that the proportion of time traffic will exceed a given level (for service level agreement or link capacity estimation) and predicting 95th percentile pricing. We also show that the log-normal distribution is a better predictor than Gaussian or Weibull distributions in both contexts.

中文翻译：

---

互联网流量不是高斯分布——它们是对数正态的：一项 18 年的纵向研究，对建模和预测有影响

获得良好的网络链接流量统计模型是一个众所周知的、经常研究的问题。相关模式和流动持续时间受到了很多关注。单位时间交通量的分布是一个同样重要但研究较少的问题。我们使用最先进的统计技术研究了来自许多不同网络（包括学术、商业和住宅网络）的大量流量轨迹。我们表明流量服从对数正态分布，这比文献中通常声称的高斯分布更适合。我们还研究了另一种重尾分布（威布尔），并表明其性能优于高斯分布，但比对数正态分布差。我们检查了对所有尝试过的分布都表现出较差拟合的异常轨迹，并表明这通常是由于流量中断或链接达到最大容量。如果我们考虑 15 分钟长甚至 1 小时长的样本，我们证明我们查看的数据是平稳的。这让我们相信我们可以将分布用于估计和建模目的。我们在两种情况下证明了我们的发现的效用：预测时间流量比例将超过给定水平（用于服务水平协议或链路容量估计）和预测第 95 个百分位定价。我们还表明，在这两种情况下，对数正态分布是比高斯或威布尔分布更好的预测器。如果我们考虑 15 分钟长甚至 1 小时长的样本，我们证明我们查看的数据是平稳的。这让我们相信我们可以将分布用于估计和建模目的。我们在两种情况下证明了我们的发现的效用：预测时间流量比例将超过给定水平（用于服务水平协议或链路容量估计）和预测第 95 个百分位定价。我们还表明，在这两种情况下，对数正态分布是比高斯或威布尔分布更好的预测器。如果我们考虑 15 分钟长甚至 1 小时长的样本，我们证明我们查看的数据是平稳的。这让我们相信我们可以将分布用于估计和建模目的。我们在两种情况下证明了我们的发现的效用：预测时间流量的比例将超过给定水平（对于服务水平协议或链路容量估计）和预测第 95 个百分位的定价。我们还表明，在这两种情况下，对数正态分布是比高斯或威布尔分布更好的预测器。预测时间流量的比例将超过给定水平（用于服务水平协议或链路容量估计）并预测第 95 个百分位的定价。我们还表明，在这两种情况下，对数正态分布是比高斯或威布尔分布更好的预测器。预测时间流量的比例将超过给定水平（用于服务水平协议或链路容量估计）并预测 95% 的定价。我们还表明，在这两种情况下，对数正态分布是比高斯或威布尔分布更好的预测器。