互联网广东服务器

中国IPv4地址应用状况统计报告2014年1月中国互联网络信息中心(CNNIC)互联网域名管理技术国家工程实验室中国互联网络信息中心(CNNIC)互联网域名管理技术国家工程实验室1/22目录报告摘要.
2一、研究设计.
4二、IPv4地址规模与分布.
62.
1IPv4地址的分配与分布.
62.
2IPv4地址分布上的"马太效应"7三、IPv4地址使用率.
103.
1IPv4地址探测可达率.
103.
2IPv4地址使用率.
113.
3IPv4使用率与互联网普及率的相关性.
123.
4案例:某市IPv4同时在线率.
12四、IPv4使用率与互联网活跃周期.
144.
1IPv4周活跃周期.
144.
2IPv4地址活跃度对比.
15五、IPv4应用探测之——80端口.
185.
1IPv4的80端口开放比例.
185.
2不同Web服务器软件占比185.
3APP的80端口使用率19六、小结.
21中国互联网络信息中心(CNNIC)互联网域名管理技术国家工程实验室2/22报告摘要1.
作为互联网的基础资源,中国的IPv4地址规模与网民规模严重不匹配,这推动了NAT技术的广泛应用.
NAT技术在解决IPv4地址紧缺上发挥了重要作用.
但是,它同时也使网络结构更加复杂.
另一方面,它甚至延缓了互联网向IPv6过渡的进程;2.
中国的IPv4分配,存在一定的"马太效应":北京、上海、广东等经济和互联网发达地区的网民人均IPv4地址占比,明显高于欠发达地区;这一问题甚至使IPv4地址的使用率和互联网普及率呈现较强的负相关关系;3.
中国的IPv4地址的周使用率达到75.
4%,在某些人均IPv4地址占有率较低的地区,IPv4地址的同时在线率甚至超过80%.
这可能会使这一地区在非常态上网高峰时产生无IP可用,进而无法接入互联网的问题.
这样的地区面临着搭建NAT节点,以缓解IPv4地址紧张的任务;4.
IPv4地址的同时在线率的变化趋势,在一定程度上能够反映一个地区的互联网活跃周期.
研究发现:无论互联网发展的前沿地区还是其他地区,休息日的互联网活跃度都强于工作日;上网高峰的持续时间也远长于工作日;5.
在工作日,无论是前沿地区还是其他地区,都在18:00前后使用率开始抬升,但是其他地区的抬升速度明显快于前沿地区.
研究人员判断:这可能和城市规模有关——在前沿地区,由于城市较大,人们生活半径较大,需要花费较多的时间在路上,因而上网的时间会相对滞后;6.
从IP的持续活跃时间判断,互联网可能已经成为一部分人群的主要休闲工具:研究发现,有一定比例的IP地址,在休息日的早10:00到晚10:00,会持续活跃(在工作日不活跃).
这一特征,在互联网发展的前沿地区强于其他地区;中国互联网络信息中心(CNNIC)互联网域名管理技术国家工程实验室3/227.
5.
5%的IPv4开通了80端口,但是很多IP的80端口并不稳定,在我们测试的12次中,稳定服务(12次都测试都在线)的占29.
2%;进一步探测发现,稳定开放80端口的IP中,64.
2%能够返回web服务器软件;而在80端口不稳定开放的IP中,web服务器软件返回率要低得多,大约5%-20%不等;8.
随着移动互联网的发展,app应用呈现繁荣之势.
探测发现,在众多的APP中,超过七成的使用的是80端口.
在技术探测中加入区分因素,用以区别APP和WEB,是下一步研究APP和WEB发展趋势时,需要考虑的.
中国互联网络信息中心(CNNIC)互联网域名管理技术国家工程实验室4/22一、研究设计1.
研究背景作为互联网的基础资源,任何互联网的应用,都离不开IP地址的支撑.
因此,IP地址的应用状况,在一定程度上,反映着互联网的发展水平与发展方向.
另一方面,无论是中国,还是全球,当前都面临着IPv4耗尽的问题.
在这样的背景之下,如何使IPv4的分配和使用效率最大化,也是需要互联网基础资源相关机构考虑的问题.
正是在此背景之下,CNNIC和互联网域名管理技术国家工程实验室试图通过对IPv4地址分配及其应用状况的分析,尝试从另一个角度,探索认知中国互联网发展的状况、存在的问题、以及未来发展的趋势.
2.
研究总体中国大陆的3.
3亿IPv4地址(不含港澳台地区).
3.
研究内容中国IPv4地址的使用状况.
4.
研究方法抽样统计,技术探测.
样本规模:IP使用率探测与端口开放率探测:根据研究内容,考虑到探测能力上的可操作性,以及时间要求,研究人员在确定在每个C中随机抽取一个IPv4地址的方法,最终获得的样本总规模是1290085个IPv4地址;整段IP可测性探测:等距抽样,随机抽取10000个C的IPv4地址.
抽样框:中国的互联网从业机构从APNIC分配的3.
3亿IPv4地址.
抽样方法:多阶段抽样中国互联网络信息中心(CNNIC)互联网域名管理技术国家工程实验室5/22第一阶段:1290085个C的IP地址段全部进入抽样框;第二阶段:随机抽样.
在每个C中随机生成一个1-255的数字,与前面的三段数字合并,作为探测的IP地址.
调查方式:技术探测.
探测内容:IP地址是否在线、IP地址端口是否开放.
探测频率:整段IP可测性探测:每两小时一次,共探测两天,24次,覆盖工作日和休息日;IP地址在线情况:两小时探测一次,连续探测7天84次;IP地址80端口开放情况:两小时探测一次,连续探测12次.
技术探测时间:2013年11月——12月.
中国互联网络信息中心(CNNIC)互联网域名管理技术国家工程实验室6/22二、IPv4地址规模与分布2011年2月,ICANN宣布IPv4地址分配耗尽;2011年4月,APNIC宣布其可分配的IPv4地址仅剩下最后一组,并决定启动应对IPv4资源枯竭的计划,同时启动新的分配政策.
自此之后,中国的IPv4地址规模停止了快速增长,定格在3.
3亿.
但是根据CNNIC统计,截止到2013年底,中国的网民规模却达到6.
18亿,人均IPv4地址数约0.
53个.
与此同时,网民使用的上网设备不断多样化,并且持续在线的设备越来越多,这些设备都离不开IPv4地址的支持.
可以说,IPv4地址在中国存在严重不足的问题.
那么,在这样的背景之下,中国的IPv4地址,在各个IP地址分配单位、在各个区域的分配和应用状况又如何呢我们先看分配状况.
2.
1IPv4地址的分配与分布中国的3.
3亿IPv4地址在各个分配单位的分布如下图:图1IPv4地址在各个分配单位之间的分布38.
1%21.
1%15.
8%15.
5%5.
0%4.
5%中国电信集团公司中国联合网络通信有限公司CNNICIP地址分配联盟中国移动通信集团公司中国教育和科研计算机网其他中国互联网络信息中心(CNNIC)互联网域名管理技术国家工程实验室7/22根据中国互联网络信息中心(CNNIC)统计,按实际应用,中国各个省份的IPv4地址分布如下:表1各省IPv4地址占比省份%省份%省份%省份%北京10.
75%河南3.
37%黑龙江1.
81%新疆0.
88%广东10.
69%四川3.
30%陕西1.
80%甘肃0.
71%浙江6.
07%湖北2.
99%山西1.
79%贵州0.
62%江苏6.
01%湖南2.
96%吉林1.
64%海南0.
47%山东5.
78%福建2.
73%广西1.
61%宁夏0.
38%上海5.
40%江西2.
22%天津1.
19%青海0.
22%辽宁5.
24%重庆2.
12%云南1.
19%西藏0.
14%河北3.
43%安徽2.
07%内蒙古0.
99%不确定9.
43%2.
2IPv4地址分布上的"马太效应"分析发现,在IPv4地址的分配中,也存在一定程度的不均衡.
总体而言,东部发达地区、互联网普及率较高的地区,IPv4地址的分配也较多,甚至超过了全国的平均水平.
而越是欠发达地区,其IPv4地址分配也越少,其在IPv4地址总量中的占比,甚至少于其网民在全国网民总量中的占比.
也就是说,在IPv4地址的分配上,也存在一定的"马太效应".
图2东中西部IPv4地址占比与网民占比对比52.
5%15.
4%14.
0%8.
7%9.
4%47.
0%22.
0%22.
7%8.
3%0.
0%10.
0%20.
0%30.
0%40.
0%50.
0%60.
0%东部中部西部东北不确定IPv4占比网民占比中国互联网络信息中心(CNNIC)互联网域名管理技术国家工程实验室8/22研究人员根据CNNIC于2014年1月发布的《中国互联网络发展状况统计报告》中的各个省份的互联网普及率数据,将31个省级行政区划分为三类区域,其中普及率在50%以上的为一线地区,40%-50%的为二线地区,40%以下的为三线地区,数据显示,同样存在IP地址向一线区域倾斜的问题.
图3一二三线区域IPv4地址占比与网民占比对比研究人员根据各省的互联网普及率以及各省根据网民规模计算的人均IP地址占有量,计算了两者的相关关系,统计显示:两者的相关系数达到0.
653,说明两者具有较强的相关性.
相关系数R=0.
653图4各个省份人均IPv4占有率与互联网普及率对比48.
1%22.
5%20.
0%9.
4%37.
9%31.
2%31.
0%0.
0%10.
0%20.
0%30.
0%40.
0%50.
0%60.
0%一线地区二线地区三线地区不确定IPv4占比网民占比20.
0%40.
0%60.
0%80.
0%100.
0%0.
00.
51.
01.
52.
02.
5北京上海广东福建天津浙江辽宁江苏新疆山西青海河北海南陕西山东内蒙古重庆宁夏湖北吉林黑龙江广西西藏湖南安徽四川河南甘肃贵州云南江西人均IPv4地址数互联网普及率中国互联网络信息中心(CNNIC)互联网域名管理技术国家工程实验室9/22上面的分析发现了中国在IPv4地址分配上的"马太效应".
研究人员认为,产生这种"马太效应"可能与如下一些因素关系密切:首先,互联网活跃地区,无论在用户端,还是在互联网公司一方,都更容易产生一些访问和地址应用的峰值,进而给地方运营商创造更多的向上一级IP地址分配机构争取资源的机会.
其次,中国的IPv4地址分配是以电信运营商为主体推进的,而发达地区往往是运营商的业务收入主要来源区域,因而研究人员判断,他们可能也更容易从总公司争取到资源支持;第三,单独就北京而言,各个运营商的总部大多在北京.
与此同时,北京也是中国互联网的重心所在.
因而,在IPv4地址分配上,北京可能也更具有地域优势.
中国互联网络信息中心(CNNIC)互联网域名管理技术国家工程实验室10/22三、IPv4地址使用率3.
1IPv4地址探测可达率中国所有的IP地址分配单位从APNIC分配的129万个C的IPv4地址中,研究人员抽样探测发现,其中只有49.
9%的有至少一个地址被探测可达,而50.
1%的或者尚未启用,或者被使用者在防火墙进行了禁止探测设置.
这里研究人员判断:对大多数IP地址而言,应该是进行了禁测设置.
之所以做出这样的一个判断,基于两个方面的分析:首先,根据CNNIC统计,截止到2013年12月底,中国网民规模已经达到6.
18亿,而目前中国IPv4地址数仅有3.
3亿,在IP地址极度紧缺的条件下,只有49.
9%的使用率,明显偏低.
其次,进一步分析发现:主要以面向最终个体用户服务的运营商,其所用IP测试不可达的比例较低,而非面向大众用户提供服务的运营者其所持有的IP的测试不可达比例则较高.
在下图中,"其他"项不可达比例最高,这其中,互联网公司、IT公司等占比较高,他们的IP地址主要是自用而不是面向社会提供终端接入服务,他们对系统的安全性要求也相对较高,因而也更可能进行禁测设置.
图5不同分配单位IP测试不可达比例30.
4%30.
2%70.
6%77.
4%84.
3%50.
1%0.
0%20.
0%40.
0%60.
0%80.
0%100.
0%电信联通移动教育网其他总体中国互联网络信息中心(CNNIC)互联网域名管理技术国家工程实验室11/223.
2IPv4地址使用率研究人员按照每两小时一次的频率对随机抽取出的129万IPv4地址进行了探测,探测发现:在未进行整段禁测的IPv4地址中,其周使用率是75.
4%,日使用率基本在65%-69%之间.
图6IPv4地址周使用率本次测试每两个小时进行一次,持续测试一周,共获得84次探测结果,研究人员对84次探测结果,进行逐次累积,其使用率见下图:图7IPv4地址使用率变化的拟合曲线66.
9%65.
9%68.
9%65.
4%65.
7%66.
3%66.
9%75.
4%0.
0%20.
0%40.
0%60.
0%80.
0%周日周一周二周三周四周五周六总体y=0.
0526ln(x)+0.
529150.
0%55.
0%60.
0%65.
0%70.
0%75.
0%80.
0%14710131619222528313437404346495255586164677073767982中国互联网络信息中心(CNNIC)互联网域名管理技术国家工程实验室12/223.
3IPv4使用率与互联网普及率的相关性研究人员进一步分析各个省份的IPv4使用率和该省的互联网普及率的关系,发现:其相关系数是-0.
69343.
图8IPv4使用率与互联网普及率相关性分析也就是说,与人均IP地址数和互联网普及率的正相关不同,在这一关系上,两者是反向的,即:互联网的普及率越高,其IP使用率越低.
产生这一反向关系的原因主要还是要归因于地址分配上的"马太效应".
3.
4案例:某市IPv4同时在线率IPv4地址分配对欠发达地区的不均衡,可能产生的一个后果是:在全区性的非常态上网高峰时,有可能使欠发达地区用户因为无IP地址可用而无法接入互联网的风险更高.
降低这一风险的方法是:要么投入更多的IP地址,要么在这些地区增加NAT节点.
但是NAT节点的不断增加会使网络结构更加复杂,从而20.
0%40.
0%60.
0%80.
0%100.
0%北京上海广东福建浙江天津辽宁江苏山西海南新疆青海陕西河北重庆宁夏山东湖北内蒙古吉林黑龙江广西湖南西藏四川安徽甘肃河南贵州江西云南IP使用率互联网普及率中国互联网络信息中心(CNNIC)互联网域名管理技术国家工程实验室13/22影响网络的效率和稳定性等.
那么,这些地区面临的风险有多大上网高峰产生多大变化,会影响这些地区网民的网络使用呢下图是我们选择一个欠发达城市,画出的IP的在不同时段的同时在线率(近似)变化图.
图9某欠发达城市不同时段的IP同时在线率从上图可以看出:在高峰上网时段,该地区同时在线IP已经超过80%.
也就是说此地如果再增加20%的随机分布用户的访问,就有可能使其IP应用达到饱和.
因此,研究人员认为,此地区存在较高的风险,有可能在异常上网高峰时,产生部分网民无法上网的问题,比如在网络购物节、网络直播大型体育赛事等时期.
50.
0%60.
0%70.
0%80.
0%90.
0%14710131619222528313437404346495255586164677073767982中国互联网络信息中心(CNNIC)互联网域名管理技术国家工程实验室14/22四、IPv4使用率与互联网活跃周期作为基础资源,任何设备接入互联网,都离不开IP地址.
从这个角度而言,IP地址的应用水平应该能够反应互联网的活跃状况.
本节,研究人员尝试用IP地址在不同时段的使用率来反应互联网的活跃周期.
4.
1IPv4周活跃周期研究人员针对IPv4地址,按照每两小时一次的频率进行了为期一周的使用率探测.
技术探测发现:图10IP地址使用率变化周期1.
IP地址的使用率具有较强的规律性,基本上在每天的20:00前后达到上网高峰,而在凌晨的4:00达到上网的最低谷.
这和我们的一般感觉较为一致.
2.
在周六和周日的休息日,用网的高峰时段明显高于工作日,说明在工作之外,互联网对人们的生活、休闲娱乐等行为也具有较强的渗透作用.
30.
0%40.
0%50.
0%60.
0%19日20点20日2点20日8点20日14点20日20点21日2点21日8点21日14点21日20点22日2点22日8点22日14点22日20点23日2点23日8点23日14点23日20点24日2点24日8点24日14点24日20点25日2点25日8点25日14点25日20点26日2点26日8点26日14点中国互联网络信息中心(CNNIC)互联网域名管理技术国家工程实验室15/224.
2IPv4地址活跃度对比研究人员根据互联网的发展程度把中国分为互联网发展前沿地区和其他地区,然后对比二者的IP地址使用率,发现了一些有意思的结果.
互联网前沿地区:北京、上海、广州、深圳、杭州;其他地区:上述地区之外的中国其他省市(不含港澳台地区).
图11不同地区IP使用率的变化对比(工作日——周四)研究人员区分了工作日、休息日,分别对前沿地区和其他地区的使用率进行了对比分析.
通过对比,可以发现如下几个方面的特点:特点之一:在任何时点,无论在工作日还是休息日,前沿地区的IP地址使用率都低于其他地区,这主要是由于IPv4地址分配上的"马太效应"引起的.
"马太效应"带来的问题是:欠发达地区IPv4地址的不足,使其在应对非常态的突发大规模用户使用上,面临压力.
特点之二:在工作日,北上广深杭之外的其他地区的使用曲线在连续四个小时的平滑发展之后,从18点开始迅速抬升.
互联网发展前沿地区虽然也在18点开始抬升,但是抬升的速度明显低于其他地区.
研究人员认为这可以从城市规模方面进行解释——作为互联网发展前沿地区的北上广深杭,其城市规模较大,人们的活动半径较大,从工作单位回到家中所需时间也较长.
而其他地区网民花30.
0%40.
0%50.
0%60.
0%2点4点6点8点10点12点14点16点18点20点22点24点前沿地区其他地区中国互联网络信息中心(CNNIC)互联网域名管理技术国家工程实验室16/22在路上的时间较短,也能够较快的接入网络.
特点之三:在工作日,无论是互联网发展前沿地区还是其他地区,均在20点前后快速达到上网高峰,但是其他地区在上网高峰停留时间不长,在22点快速滑落;而互联网发展前沿地区,在高峰停留的时间,明显长于其他地区,到22点,还基本上维持在高峰状态.
22点之后,均快速退潮.
但是,互联网发展前沿地区的在线率下降速度明显慢于其他地区.
图12前沿地区工作日休息日的IP地址使用率对比图13其他地区工作日休息日的IP地址使用率对比30.
0%35.
0%40.
0%45.
0%2点4点6点8点10点12点14点16点18点20点22点24点工作日休息日30.
0%40.
0%50.
0%60.
0%2点4点6点8点10点12点14点16点18点20点22点24点工作日休息日中国互联网络信息中心(CNNIC)互联网域名管理技术国家工程实验室17/22特点之四:工作日和休息日进行对比可以发现:在休息日,IP使用率明显高于工作日,这一特点在北上广深杭之外的其他地区尤其突出,使用率的高点已经达到60%.
特点之五:把前沿地区的工作日和休息日应用状况对比分析可以发现,在休息日,从早10点到晚10点,几乎都在一条平直的高峰线上.
研究人员判断:对一些重度用户而言,他们可能已经把工作和睡眠之外的大部分时间都交给了互联网.
从上面的分析可以看出,在一定程度上,IP地址的使用率反映了互联网的活跃周期,但是如下一些因素可能会影响这种反映的精确程度:首先,由于NAT(网络地址转换技术)的应用,使局域网内部的活跃程度无法在广域网通过使用率探测来的准确把握,而NAT节点本身则长期处在活跃状态,这在一定程度上影响了对整体互联网的活跃度的精准判断;其次,一些互联网应用者出于安全的需要,采取了限制探测的技术,从而这些IP也无法进入到统计范围,尽管研究人员对探测所得的数据进行了加权处理,但是并不能完全消除这方面的影响;第三,随着移动设备接入互联网的不断普及,人们的被动上网行为越来越多,但是探测技术本身却无办法区分出人们的主动上网和被动上网行为,从而统计人们的实际活跃上网行为时会受到被动上网行为的干扰.
中国互联网络信息中心(CNNIC)互联网域名管理技术国家工程实验室18/22五、IPv4应用探测之——80端口5.
1IPv4的80端口开放比例IP地址的应用通过端口开放来实现.
一个IP地址最多可以有65536个端口,当然对于绝大多数IP而言,不会开放那么多端口.
而是一般会根据需要开放必要的端口.
在众多的端口中,80端口是使用最多的端口之一,它是为HTTP协议开放的,是WEB互联网时代使用非常广泛的端口.
图14开通80端口的IP所占比例及其web服务器软件可抓取比例研究人员对抽取出的IPv4地址进行了连续12次探测,探测发现:5.
5%的IP,也就是大约1815万IP,开通了80端口.
但是其中,能够稳定提供服务1的只有29.
2%,研究人员对这29.
2%的IP进行探测,并抓取其服务器信息.
探测发现,62.
4%的可以获取其web器服务器软件.
5.
2不同Web服务器软件占比研究人员进一步对其web服务器软件进行了统计,分布如下:1指在12次探测中都能够被探测到.
中国互联网络信息中心(CNNIC)互联网域名管理技术国家工程实验室19/22图15不同web服务器软件占比我们的探测显示,与国外不同,在国内websever市场,微软的服务器软件超过apache,占有最大份额,与此同时,国内的一些品牌也占有少量市场,比如ZTE、同洲电子、海康威视等.