[发明专利]一种面向大数据互联网的多业务流量估计方法

说明书

技术领域

本发明属于通信网络技术领域，特别涉及一种面向大数据互联网的多业务流量估计方法。

背景技术

随着信息和通信技术的不断发展，互联网技术已经深入到当今社会生活、工业生产中。特别是“互联网+”的提出，进一步推进了互联网技术在工业、农业等领域的推广，促进了社会产业信息化进程。互联网技术逐渐深入到社会各个领域的同时，海量数据处理、信息安全等方面的问题日益突出，这些问题给网络管理提出了更高的要求。

近些年，互联网为不同的终端用户提供了多种多样的网络服务，在此背景下互联网已经成为一个复杂的异构网络。网络管理功能被引入到网络中以保证每一个用户的服务质量。对于一个网络管理者，其在执行一个有效的网络管理功能时首先需要了解端到端网络流量的状态信息。在实际当中，端到端网络流量信息可以通过流量矩阵进行描述，流量矩阵是网络管理过程一个重要的输入参数。

虽然流量矩阵具有极其重要的作用，但是对于一个大尺度骨干网来说，获取流量矩阵并不简单。这个原因是多重的，首先，对于一个大尺度骨干网，直接采集网络流量信息是不可实现的。在这种情况下，研究人员更倾向于间接地估计网络流量而非直接采集网络流量信息。在众多的网络流量估计方法中，通常是通过其他有效的网络信息去推断网络流量，例如网络层析成像技术通过链路负载和路由信息去估计网络流量。然而网络层析成像模型具有高度的病态特性，因此估计网络流量的研究任然面临诸多挑战。

发明内容

针对现有方法存在的不足，本发明提出一种面向大数据互联网的多业务流量估计方法，以此获取准确的骨干网流量估计值，为实现有效的网络管理和网络规划奠定坚实的基础。

一种面向大数据互联网的多业务流量估计方法，包括以下步骤：

步骤1：网络管理站采用简单网络管理协议获取骨干网链路负载；

步骤2：网络管理站根据网络拓扑结构以及路由器中路由表信息获取路由矩阵；

步骤3：网络管理站生成一个随机的伯努利矩阵，并根据该矩阵确定部分直接测量的端到端网络流量；

步骤4：利用主成分分析方法近似地描述流量矩阵；

步骤5：根据步骤1、2和4构建网络层析成像模型；

步骤6：根据步骤3和4构建线性测量模型；

步骤7：根据步骤5和6中的模型，网络管理站通过构建最优化模型的方法估计流量矩阵。

步骤1所述的网络管理站采用简单网络管理协议获取骨干网链路负载，方法为：当用矩阵L表示链路负载时，对于一个具有N个节点和P条链路的骨干网，截取T个时槽的链路负载数据，则L为一个P×T的矩阵。

步骤2所述的网络管理站根据网络拓扑结构以及路由器中路由表信息获取路由矩阵，方法为：当用R表示路由矩阵时，对于一个具有N个节点和P条链路的骨干网，路由矩阵R为一个P×N²的矩阵。

步骤3所述的网络管理站生成一个随机的伯努利矩阵，并根据该矩阵确定部分直接测量的端到端网络流量，具体步骤如下：

步骤3-1：用矩阵M表示一个流量矩阵，则流量矩阵为一个N²×T的矩阵，每一个端到端网络流量获得一个标识，分别为1至N²；

步骤3-2：网络管理站生成一个Q×N²的随机伯努利矩阵，用符号B表示，其元素之分别为1或0。矩阵B中每一个元素独立同分布，并且b_q,n～Bern(z)，其中q=1,2,…,Q，n=1,2,…,N²，z为当b_q,n=1时的概率；

步骤3-3：对伯努利矩阵B的每一个列上的元素取并集，即

，

其中，w_n为B中每一个列的元素并集的计算结果；