[发明专利]实时流量预测方法及装置和实时流量监测预警方法及装置

说明书

技术领域

本发明涉及网络流量分析技术领域，特别涉及一种实时流量预测方法和实时流量检测预警方法和装置。

背景技术

流量模型对于网络性能分析、网络规划设计、网络负载均衡以及网络异常的发现都非常重要，是设计出高效网络的基础，也是提高网络服务质量、保证网络安全稳定运行的前提。随着互联网应用的日益发展，网络规模也越来越大，网络的运行状况以及可能发生的问题都成为人们越来越关心的问题。

以往的流量模型大多借鉴PSTN网络的流量模型，用Poisson模型采描述数据网络的流量模型，也称之为经典模型，它主要的三个假设是：

1.数据源产生流量的时间间隔是指数分布，也就是说数据包的生成是一个Poisson过程。

2.数据源每次生成流量的数据包的长度服从指数分布。

3.数据包的产生时间间隔和包的长度是相互独立的。

根据该流量模型的假设，随着数据源的增加，在汇聚层端口/链路上网络流量将会趋于平滑，累计流量将趋近一个平均流量值，而这和目前数据网络的实际情况不符合。数据包的大小和网络承载的业务密切相关的，导致不同类型的网络应用有不同的流量特征，同时网络规模的不断扩大，网络节点数的不断增加，也使得该模型不再适用于分析数据网络的流量特征。后来虽然出现了很多其他类型的流量模型，但是往往过于复杂，不适合针对流量的在线监测和预警。

流量模型是关于数据网络的流量特征的描述，它通过对流量统计特性的发现对网络流量进行预测，这种方法可以用来分析网络流量的趋势，但是目前的方法不能很好地实时分析当前网络流量的状况，不能够及时的发现网络运行异常。

因此，需要一种针对目前网络维护和迫切需要的新的实时流量预测方法，以及基于流量基准和自适应门限的流量检测实时预警技术的解决方案，能够解决上述相关技术中的问题。

发明内容

本发明旨在提供一种实时流量预测方法和一种实时流量监测预警技术解决方案，能够解决上述相关技术中的流量模型复杂、不能够及时发现网络运行异常等问题。

根据本发明的一个方面，提供了一种实时流量预测方法，用于实时地预测端口或链路的流量，该方法包括以下步骤：步骤S102，从端口或链路获取在给定周期内的实时流量信息，并确定在给定周期内的流量的平均值和在给定周期内某一特定时刻流量的平均值；步骤S104，根据不同业务的流量特点为给定周期内流量的平均值设置第一权重，以及为给定周期内某一特定时刻流量的平均值设定第二权重；以及步骤S106，对给定周期内流量的平均值和给定周期内某一特定时刻流量的平均值进行加权平均，以得到在给定周期内某一时刻端口或链路的预测流量。

在上述实时流量检测方法中，第一权重和第二权重均为1。

根据本发明的另一个方面，提供了一种实时流量监测预警方法，该方法包括以下步骤：步骤S202，通过从端口或链路获取给定周期内端口或链路的流量信息，并确定给定周期内的流量平均值和给定周期内某一特定时刻流量的平均值，计算二者的加权平均值以获得某一时刻端口或链路的预测流量；步骤S204，设定流量上限和流量下限以及告警动作  其中，流量上限为预测流量与预定偏差量之和，流量下限为预测流量与预定偏差量之差，该流量上限与下限以预测流量为基准可自适应调整；以及步骤S206，实时地将端口或链路的当前实际流量与与前时刻的预测流量进行比较，在当前实际流量大于流量上限或小于流量下限的情况下执行告警动作。

在上述实时流量监测报警方法中，步骤S202包括以下步骤：步骤S202-2，从端口或链路获取在给定周期内流量的平均值和在给定周期内某一特定时刻流量的平均值；步骤S202-4，根据不同业务的流量特点为给定周期内流量的平均值设置第一权重，以及为给定周期内某一特定时刻流量的平均值设定第二权重；步骤S202-6，对给定周期内流量的平均值和给定周期内某一特定时刻流量的平均值进行加权平均，以得到在给定周期内某一时刻端口或链路的预测流量。

在上述的实时流量监测报警方法中，第一权重和第二权重均为1。

在上述的实时流量检测方法中，在步骤S206中，标记超出流量上限和流量下限的数据，并生成异常流量报表。