一种预测网络状态的方法及装置制造方法及图纸

本发明专利技术实施例公开了一种预测网络状态的方法及装置，获取网络拓扑中各网络结点的数据，基于获取的各网络结点的数据形成数据矩阵；若所述数据矩阵为非低秩矩阵，则对所述数据矩阵进行矩阵分解，得到所述数据矩阵的近似低秩矩阵；利用分解得到的近似矩阵确定预测模型；依据所述预测模型进行网络状态预测，以提高预测精度。

【技术实现步骤摘要】
一种预测网络状态的方法及装置
本专利技术涉及通信
，尤其涉及一种预测网络状态的方法及装置。
技术介绍
随着网络规模的不断扩大和网络技术的日益改进，网络设备逐渐多样化，网络拓扑结构也越来越复杂，能够支持的业务类型也持续增多，直接对网络拓扑结构中的数据流量、吞吐量等表征网络状态的性能参数进行监控比较困难，故根据有限的测量数据和路由信息等先验信息，合理地建立数学模型来估计和预测网络状态，势在必行。目前，对网络状态进行预测，可将网络拓扑结构中各网络结点的网络数据形成数据矩阵，通过数据矩阵进行网络状态的预测，例如，流量矩阵是最重要的网络性能参数之一。利用数据矩阵进行网络状态预测过程中，可采用算法模型对数据矩阵进行预测，以预测流量矩阵为例，可采用指数加权移动平均值的控制图(Exponentialweightedmovingaverage，EWMA)、差分自回归移动平均模型(AutoregressiveIntegratedMovingAverageModel，ARIMA)、回归算法等进行预测。以回归算法为例进行说明，包括：假设Mi是时刻i的流量矩阵，Mi...j是时刻i到时刻j的流量矩阵。A表示不同的时间周期上的流量矩阵若要预测t+1时刻的流量矩阵Mt+1，可以利用已知时间段的数据流量形成的已知数据矩阵计算出预测模型X，例如可利用t-1时刻的数据流量形成的已知数据矩阵At-1，使得然后计算M矩阵中新的一列对应的数据流量就是预测的数据流量。目前，采用上述进行网络状态预测的方法，经常会出现预测值与实际值偏差较大的情况，即目前的网络状态预测方法的预测精度较低。专利技术内容本专利技术实施例提供一种预测网络状态的方法及装置，以提高预测网络状态的预测精度。第一方面，提供一种预测网络状态的方法，该方法中，确定基于获取的各网络结点的数据形成数据矩阵是否为低秩矩阵，若所述数据矩阵为低秩矩阵，则按照传统方式进行低秩矩阵的分解并确定预测模型，若所述数据矩阵为非低秩矩阵，则对所述数据矩阵进行矩阵分解，得到所述数据矩阵的近似低秩矩阵，利用分解得到的近似低秩矩阵，确定预测模型，改善了目前进行预测模型确定时将数据矩阵笼统作为低秩矩阵进行处理的方式，可实现针对低秩矩阵和非低秩矩阵分别进行处理确定预测模型，依据确定的所述预测模型进行网络状态预测，能够适应网络拓扑结构中各网络结点组成的数据矩阵往往都不具有低秩性，提高预测精度。一种可能的设计中，所述数据矩阵分解为包括低秩矩阵和其它不相关信息的组成形式，例如将所述数据矩阵分解为包括低秩矩阵、异常矩阵和噪声矩阵的矩阵，然后去除分解得到的所述矩阵中包括的异常矩阵和噪声矩阵，得到所述数据矩阵的近似低秩矩阵。另一种可能的设计中，利用分解得到的近似低秩矩阵，确定预测模型，包括：根据所述近似低秩矩阵和已知数据矩阵，确定预测模型，所述已知数据矩阵为根据获取的网络拓扑中各网络节点在已知时间段内的数据，形成的数据矩阵。又一种可能的设计中，本专利技术实施例中为进一步提高预测精度，使得预测模型适应网络状态变化，可通过判断所述数据矩阵与分解得到的近似低秩矩阵之间差的绝对值，是否小于设定的阈值，以使分解得到的近似低秩矩阵满足当前网络状态的预测，即，本专利技术实施例中可在确定所述数据矩阵与分解得到的近似低秩矩阵之间差的绝对值，不大于设定的阈值的情况下，再进行网络状态预测，以进一步提供网络状态的预测精度。再一种可能的设计中，本专利技术实施例中可实时获取网络拓扑中各网络节点的数据组成的数据流，将所述数据流，以设定的时间窗口大小划分形成数据矩阵，以避免存储大量的网络结点的数据。其中，所述数据矩阵中每一组元素包括一个设定时间窗中获取的各个网络结点的数据，且各组数据元素对应的时间窗口不同。所述各组数据元素对应的时间窗口不同，是指利用不同的时间窗口分别获取数据矩阵中的各组数据元素。各组数据元素对应的时间窗口的大小可相同也可不同。第二方面，提供一种预测网络状态的装置，该预测网络状态的装置包括获取单元和处理单元，其中所述获取单元，用于获取网络拓扑中各网络结点的数据，基于获取的各网络结点的数据形成数据矩阵；所述处理单元，用于在确定所述获取单元形成的所述数据矩阵为非低秩矩阵情况下，对所述数据矩阵进行矩阵分解，得到所述数据矩阵的近似低秩矩阵，并利用分解得到的近似低秩矩阵确定预测模型，依据所述预测模型进行网络状态预测。本专利技术实施例中所述预测网络状态的装置可实现针对低秩矩阵和非低秩矩阵分别进行处理确定预测模型，依据确定的所述预测模型进行网络状态预测，能够适应网络拓扑结构中各网络结点组成的数据矩阵往往都不具有低秩性，提高预测精度。一种可能的设计中，所述处理单元，分解得到的矩阵中包括低秩矩阵、异常矩阵和噪声矩阵，去除分解得到的所述矩阵中包括的异常矩阵和噪声矩阵，得到所述数据矩阵的近似低秩矩阵。另一种可能的设计中，所述处理单元，可根据所述近似低秩矩阵和已知数据矩阵，确定预测模型，所述已知数据矩阵为根据获取的网络拓扑中各网络节点在已知时间段内的数据，形成的数据矩阵。又一种可能的设计中，所述处理单元，还用于：依据所述预测模型进行网络状态预测之前，确定所述数据矩阵与分解得到的近似低秩矩阵之间差的绝对值，不大于设定的阈值。再一种可能的设计中，为避免存储大量的网络结点数据，所述获取单元实时获取网络拓扑中各网络节点的数据组成的数据流，将所述数据流，以设定的时间窗口大小划分形成数据矩阵，其中，所述数据矩阵中每一组元素包括一个设定时间窗中获取的各个网络结点的数据，且各组数据元素对应的时间窗口不同。第三方面，提供一种预测网络状态的装置，该预测网络状态的装置包括处理器和存储器，其中，所述存储器中存有计算机可读程序，所述处理器通过运行所述存储器中的程序，实现第一方面涉及的预测网络状态的方法。第四方面，提供一种计算机存储介质，用于储存上述预测网络状态的装置所用的计算机软件指令，其包含用于执行上述第一方面涉及的预测网络状态的方法所涉及的程序。附图说明图1为本专利技术实施例应用的网络拓扑结构示意图；图2为传统进行网络状态预测的过程示意图；图3为本专利技术实施例提供的预测网络状态的一种方法流程图；图4为本专利技术实施例提供的预测网络状态的另一种方法流程图；图5为本专利技术实施例提供的预测网络状态的装置结构示意图；图6为本专利技术实施例提供的另一预测网络状态的装置结构示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行描述。随着通信技术的发展，网络的拓扑结构也错综复杂，例如图1所示的网络拓扑结构中，每个网络结点都可与其它网络结点之间进行信息交互。若网络中的某一个网络结点出现异常，则可能会导致整个网络运行异常，故需要对网络状态进行预测，以便及时发现网络异常并解决，保证网络主要业务的正常运作。图1所示的网络拓扑结构中涉及的网络结点可以是路由器、交换机等各种网元设备。进行网络状态预测时可以根据要预测的网络状态性能参数，在网络拓扑中通过各网元设备获取相应的已知数据，形成数据矩阵，利用形成的数据矩阵确定预测模型，并按照确定的预测模型进行预测。图2所示为传统预测网络状态的方法流程示意图，网络拓扑中各网络结点的网络数据形成数据矩阵，数据矩阵经过低秩矩阵分解后进行预测模型的确定。预测网络状态的装置进本文档来自技高网...

【技术保护点】
一种预测网络状态的方法，其特征在于，包括：获取网络拓扑中各网络结点的数据，基于获取的各网络结点的数据形成数据矩阵；若所述数据矩阵为非低秩矩阵，则对所述数据矩阵进行矩阵分解，得到所述数据矩阵的近似低秩矩阵；利用分解得到的近似低秩矩阵，确定预测模型；依据所述预测模型进行网络状态预测。

【技术特征摘要】
1.一种预测网络状态的方法，其特征在于，包括：获取网络拓扑中各网络结点的数据，基于获取的各网络结点的数据形成数据矩阵；若所述数据矩阵为非低秩矩阵，则对所述数据矩阵进行矩阵分解，得到所述数据矩阵的近似低秩矩阵；利用分解得到的近似低秩矩阵，确定预测模型；依据所述预测模型进行网络状态预测。2.如权利要求1所述的方法，其特征在于，对所述数据矩阵进行矩阵分解，得到所述数据矩阵的近似低秩矩阵，包括：分解得到的矩阵中包括低秩矩阵、异常矩阵和噪声矩阵，去除分解得到的所述矩阵中包括的异常矩阵和噪声矩阵，得到所述数据矩阵的近似低秩矩阵。3.如权利要求2所述的方法，其特征在于，利用分解得到的近似低秩矩阵，确定预测模型，包括：根据所述近似低秩矩阵和已知数据矩阵，确定预测模型，所述已知数据矩阵为根据获取的网络拓扑中各网络节点在已知时间段内的数据，形成的数据矩阵。4.如权利要求1至3任一项所述的方法，其特征在于，依据所述预测模型进行网络状态预测之前，还包括：确定所述数据矩阵与分解得到的近似低秩矩阵之间差的绝对值，不大于设定的阈值。5.如权利要求1至4任一项所述的方法，其特征在于，所述获取网络拓扑中各网络结点的数据，基于获取的各网络结点的数据，形成数据矩阵，包括：实时获取网络拓扑中各网络节点的数据组成的数据流；将所述数据流，以设定的时间窗口大小划分形成数据矩阵，其中，所述数据矩阵中每一组元素包括一个设定时间窗中获取的各个网络结点的数据，且各组数据元素对应的时间窗口不同。6.一种预测网络状态的装置，其特征在于，包括：获取单元，用于获取网络拓扑...

【专利技术属性】
技术研发人员：潘璐伽，何诚，
申请(专利权)人：杭州华为数字技术有限公司，
类型：发明
国别省市：浙江,33