# PingAnalysisForLinux

**Repository Path**: ccmmyc/ping-analysis-for-linux

## Basic Information

- **Project Name**: PingAnalysisForLinux
- **Description**: PingAnalysis 是一个服务于Linux平台用于ICMP数据包传输与分析的工具，具备以下功能： ICMP回显请求/应答的传输记录功能、自定义激励信号生成及频域数据分析与可视化功能。
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 12
- **Forks**: 4
- **Created**: 2024-12-11
- **Last Updated**: 2025-03-31

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# PingAnalysis

#### 项目概述
PingAnalysis 是一个服务于Linux平台用于ICMP数据包传输与分析的工具，具备以下功能：
- ICMP回显请求/应答的传输记录功能
- 自定义激励信号生成
- 频域数据分析与可视化功能

#### 主要功能

ping_program:

ACTIVE模式
- 按指定间隔发送ICMP回显请求包
- 通过生成MLS（最大长度序列）信号来获取信道的频率响应
- 使用高精度计时器记录精确的传输时间戳
- 测量每个数据包的往返时间（RTT）
- 记录详细的数据包信息，包括：
  - 序列号
  - 发送时间
  - 接收时间
  - RTT
  - 发送频率
  - 发送间隔
  - 负载大小
  
LISTEN模式

- 响应来自其他主机的ICMP回显请求
- 保持相同的精确计时和日志记录功能
- 支持自配置：
  - 数据包间隔（微秒级精度）
  - 数据包大小
  - 数据包数量
  - 目标IP地址

plot:

- 绘制原始信号 `x` 与其频域表示 `X` 的对比图
- 绘制原始信号 `y` 与其频域表示 `Y` 的对比图
- 绘制抖动（`Jitter`）与其频域表示 `Z` 的对比图
- 绘制频率响应 `Y/X`
- 绘制频率响应 `Z/X`

#### 环境依赖

可以在自己主机按如下命令安装
`pip install pandas matplotlib numpy argparse`

安装qmake
```
sudo apt install qt5-qmake
sudo apt install qtbase5-dev
```

#### 代码编译方法

```
qmake ping_program.pro
make
```

#### 使用方法

sudo ./ping_program <目标IP> <总包数> <发包频率> <模式 1=输入文件信号 2=随机生成MLS信号> <信号文件源> <主机标识> --active|--listen

参数说明：
- <目标IP>：目标主机的IP地址。
- <总包数>：发送的ICMP回显请求总数。
- <发包频率>：指定数据包发送的频率，单位为包/秒。
- <模式>：
    - 1：输入信号文件。
    - 2：随机生成MLS信号。
- <信号文件源>：
    - 模式1：填写信号文件的路径，文件内容每行包含一个二进制值 1 或 0。
        - 注意：总包数应小于或等于信号文件中的数据行数。如果总包数大于文件行数，可能会导致问题。
    - 模式2：填写格式为 n{nbits}s{initseed} 的字符串，其中：
        - nbits：指定生成信号序列的位数，信号序列的长度为 2^nbits - 1。
        - initseed：MLS生成的初始种子，相同的种子会生成相同的信号序列。
        - 示例：n10s12，表示生成一个长度为1023的信号序列，初始种子为12（不要超过 2^nbits - 1）。
        - 在这种模式下，<总包数> 应该与生成的信号长度对应。
- <主机标识>：主机的标识符，用于区分不同的设备。
    - --active：激活模式，发送ICMP请求并记录数据。
    - --listen：监听模式，响应来自其他主机的ICMP请求。


#### 示例流程
##### 1. 把labenv文件夹拷贝进两台linux虚拟机
将 `labenv` 文件夹拷贝到两台虚拟机中，以便进行代码编译和实验运行。

##### 2. 在两台虚拟机编译代码
根据 `labenv` 中的编译说明，在两台虚拟机上完成代码的编译。

##### 3. 在labenv使用如下命令
虚拟机 B (监听方)，IP: `10.9.130.72`  
- **使用固定信号文件**：
```bash
sudo ./ping_program 10.9.130.122 100 1000 1 setup/signals/signal1.txt B --listen
```
- **使用 MLS 信号（与上面两者选其一）**：
```bash
sudo ./ping_program 10.9.130.122 1023 1000 2 n10s12 B --listen
```

虚拟机 A (发送方)，IP: `10.9.130.122`
- **使用固定信号文件**：
```bash
sudo ./ping_program 10.9.130.72 100 1000 1 setup/signals/signal1.txt A --active
```
- **使用 MLS 信号（与上面两者选其一）**：
```bash
sudo ./ping_program 10.9.130.72 1023 1000 2 n10s12 A --active
```

##### 4.数据生成
在 `labenv/data` 目录下会生成本次实验的结果记录。每个实验数据将以 `{实验序列号}_{发包数量}_{信号序列文件}_{发包频率}_{主机标识}` 格式命名文件夹。

##### 5.数据可视化
为了便于查看实验数据的对比图，执行以下步骤：

1. 将两个虚拟机获得的数据文件夹拖入 dataProcess 文件夹中。

2. 进入 dataProcess 目录，并运行数据绘制脚本：

```bash
python ./plot.py
```
##### 6.查看对比图

在运行完 `plot.py` 后，会在新生成的 `{实验序列号}_{发包数量}_{信号序列文件}_{发包频率}` 格式命名的文件夹中看到对比图。


#### 额外说明

1. **实验序列号管理**  
   实验序列号保存在 `setup/sequence_counter.txt` 文件中。每次实验运行时，程序会自动读取该文件，提取当前序列号并加1，然后将更新后的序列号重新写回文件。

2. **信号文件管理**  
   信号文件可以自行添加，目前 `setup/signals` 目录下包含以下信号文件：
   - `signal1.txt`：包含200个随机生成的 0/1 序列。
   - `signal6.txt`：包含2000个全1序列。

3. **数据绘制**  
   `plot.py` 会自动扫描文件夹并处理符合格式的数据文件。如果想指定处理特定文件夹，可以使用 `-f` 参数。示例命令：
   ```bash
   python ./plot.py -f 1_100_signal1_1000_A
   ```

4. **查看程序帮助信息**  
   如果忘记了 ping_program 的参数，可以使用以下命令查看帮助信息：
   ```bash
   sudo ./ping_program -h
   ```

5. **自动化采集脚本**
   实际实验中，我们一般要采集大量样本数据，如果每次都手动采集，显然一次次修改参数是非常麻烦且容易出错的，因此增加了文件夹中的collectA.py和collectB.py用来完成这一任务，但是会有极小概率存在bug，所以新增加screen_data.py。这个脚本的作用是汇集文件夹中所有的实验信息，运行后会生成stats_summary.csv的表格，每次使用自动化采集脚本后一定要运行screen_data.py，检查实验信息，关注采集时间是否同时或者仅差1s，如果不是近似同时开始，此次实验数据需作废处理。