总担心自己看论文看完就过了，所以做个记录！

这篇论文主要解决的是互联网用户的带宽测量问题。即优化了现有的带宽测量技术，提出了FastBTS(fast bandwidth testing services)，快速，低成本，可以大规模部署。但并没有提出新的带宽测量方法。

core idea：

accommodate and exploit the noise rather than repetitively and exhaustively suppress the impact of noise
即适应并充分的利用噪声
作者的做法是通过一种统计抽样模型即接受拒绝抽样(ARF: acceptance-rejection function)来适应和利用噪声。
在测量过程中，作者通过带宽探测生成了一个吞吐量样本序列，并绘制分布模型P(x),x为吞吐量。并通过ARF技术进行过滤，保留接收样本，丢弃拒绝样本，通过过滤后的技术建立分布模型T(x).作者认为噪声虽然分散在整个吞吐量区间中，但是真实的样本却集中在一个很小的范围内（关键区间），所以作者任务就变成了寻找关键区间。

作者利用模糊拒绝抽样(fuzzy rejection sampling)，识别真实样本，滤除测量噪声引起的假样本，并寻找真实的吞吐量区间。

overview

介绍一下每个模块的功能：

Crucial Interval Sampling(CIS)
主要工作：寻找关键区间
其中包含：关键区间算法（寻找关键区间吞吐量的上下区间），利用凸包寻找关键区间（寻找前一个模块确定上下区间的最优解）以及结果的快速迭代

Elastic Bandwidth Probing(EPB)
accommodate diverse noises over the live Internet,while saturating the bandwidth of the access link.
EPB的目标就是在使链路饱和的同时，适应实时网络上的各种噪声。

Data-driven Server Selection(DSS)
寻找服务器进行测量

Adaptive Multi-Homing (AMH)
多连接使链路饱和