[发明专利]一种基于指数加权和拐点检测的网络资源分配方法及装置

说明书

本发明实施例提供了一种基于指数加权和拐点检测的网络资源分配方法及装置，所述方法包括：获取网络流量序列；将网络流量序列输入拐点检测模型，根据网络流量序列中数据的分布状态，确定网络流量序列中最后一个数据是否为拐点数据；如果最后一个数据为拐点数据，将指数加权移动平均EWMA模型的加权下降参数由默认值调整至第一目标值；基于网络流量序列及EWMA模型的调整后的加权下降参数，确定当前时间点的网络流量预测结果，作为第一预测结果；基于第一预测结果分配网络资源。应用本发明实施例，可以提高确定网络流量预测结果的准确度，减少网络资源的浪费。

技术领域

本发明涉及计算机网络技术领域，特别是涉及一种基于指数加权和拐点检测的网络资源分配方法及装置。

背景技术

计算机网络技术的不断发展促进了各类网络服务的大量应用，这对网络的性能有了更高的要求。网络流量预测对于规划分配带宽、路由等各种网络资源具有重要意义，已经成为了目前的研究热点。目前，网络流量预测通常是基于EWMA(Exponentially WeightedMoving-Average，指数加权移动平均)模型实现的。

具体来说，可以预先设置EWMA模型的加权下降参数r，当需要预测当前时间点的网络流量时，可以将网络流量历史时间序列输入EWMA模型，基于预设的加权下降参数r确定当前时间点的网络流量。其中，网络流量序列为预先获取的各个历史时间点的网络流量的数据按照时间顺序排列的一组数据。例如，在8点5分至8点5分30秒内，每隔5秒钟的网络流量分别为5GB、6GB、4GB、6GB、7GB及8GB，那么该时间段内网络流量序列即为(5，6，4，6，7，8)。在EWMA模型中，加权下降参数r与网络流量序列中最后一个数据的参考权重成正比，参考权重用于表征网络流量数据对于确定当前时间点的网络流量预测结果的影响程度。

在上述流量预测方式中，利用一段时长内的网络流量序列预测当前时间点的网络流量，进而按照预测的当前时间点的网络流量分配网络资源，但是由于网络流量序列中可能存在突变的数据，而加权下降参数r是人为设定的固定值，因此并不能合理的预测网络流量，网络流量预测结果的准确度较低，进而根据网络流量预测结果也就无法准确地分配网络资源，会造成网络资源的浪费。

发明内容

本发明实施例的目的在于提供一种基于指数加权和拐点检测的网络资源分配方法及装置，以提高确定网络流量预测结果的准确度，减少网络资源的浪费。具体技术方案如下：

第一方面，本发明实施例提供了一种基于指数加权和拐点检测的网络资源分配方法，所述方法包括：

获取网络流量序列，其中，所述网络流量序列为按照预设时间间隔获取的预设时间段内网络流量数据，并按照时间顺序排列组成的序列；

将所述网络流量序列输入拐点检测模型，根据所述网络流量序列中数据的分布状态，确定所述网络流量序列中最后一个数据是否为拐点数据，其中，所述拐点数据为与其他数据的分布状态不符的数据；

如果所述最后一个数据为拐点数据，将指数加权移动平均EWMA模型的加权下降参数由默认值调整至第一目标值，其中，所述第一目标值大于所述默认值；

基于所述网络流量序列及所述EWMA模型的调整后的加权下降参数，确定当前时间点的网络流量预测结果，作为第一预测结果；

基于所述第一预测结果分配网络资源。

可选的，当所述最后一个数据不为拐点数据时，所述方法还包括：

按照对应的时间由晚到早的顺序，依次判断所述最后一个数据之前的预设数量个数据中是否存在拐点数据；

如果存在，基于所述拐点数据的前一个数据至所述最后一个数据之间数据的数量、第一目标值及预设步长，确定第二目标值，其中，所述第二目标值大于等于默认值，且小于所述第一目标值；

将EWMA模型的加权下降参数由所述默认值调整至所述第二目标值；