探测周期协同自适应调整方法及系统技术方案

本发明专利技术公开了一种探测周期协同自适应调整方法及系统，其中，该方法包括以下步骤：建立路径变化的预测模型；通过线性回归方法建立预测模型的路径属性预测值与最优探测周期的线性关系；系统运行时，根据预设周期进行探测周期的自适应调整，包括：对所有路径属性进行预测，得到所有路径的预测值；通过线性关系处理所有路径的预测值和探测预算，得到所有路径探测周期调整值。该方法可根据管理员的权衡偏好进行探测周期的调整，适用于探测路径变化的测量中，根据实际路径变化特点对多条路径的探测周期参数进行动态调整，实现探测资源的合理部署。

The method and system of detecting period cooperative adaptive adjustment

【技术实现步骤摘要】
探测周期协同自适应调整方法及系统
本专利技术涉及计算机网络测量
，特别涉及一种探测周期协同自适应调整方法及系统。
技术介绍
网络测量是通过一系列的硬件设备与软件程序，对网络的运行参数以及指标进行数据采集，然后挖掘分析采集的数据的特征，通过分析得到网络中存在的问题，对研究网络安全、拥塞管理、流量均衡、网络路由策略与算法研究等都具有重要的意义。由于网络行为具有时空差异性，网络过程具有不可控性，网络行为不可重现性等特点，全球范围的持续测量具有重要的意义。全球范围的持续网络测量是高性能协议设计、网络规划与建设以及网络故障定位的重要手段。其中对于探测互联网故障，或者前缀劫持等需要频繁测量互联网路径的系统，经常采用路由跟踪这一主动测量方式。内容分发网络不断监视路径及其属性以期望选择用于用户请求的“最佳”内容。同样的，覆盖网络监控路径用来选择最佳的覆盖路由。在上述的例子中，源主机向大量目的地发出路由跟踪测量，期望在路由更改及路径性能更改时跟踪它们。但是由于域间/域内路由变化，负载平衡，甚至错误配置和故障，互联网路径经常变化，其中一些变化会严重影响性能，导致往返时间更长，拥塞甚至失去连接。服务提供商尤其需要跟踪路径变化和性能变化，他们需要从各个探测位置跟踪服务，因此期望以有限的成本获得更多的网络路径变化。然而，传统的测量系统平均探测每条路径。这种单一的固定探测方法具有显著的局限性。由于源链路容量，CPU利用率和探测预算的限制，探针具有有限的探测能力，这使得它们不能频繁跟踪路径以观察所有路径中的变化。而且，网络路径变化的间隔是变化的，有些路由是稳定的，有些路由经常变化。用相同频率探测所有路径，将在稳定路径中浪费探测资源，并且错过经常变化路径中的变化。服务提供商期望在给定探测预算的约束下探测尽可能多的测量信息。因此，合理部署探测资源具有重要意义。
技术实现思路
本专利技术旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本专利技术的一个目的在于提出一种探测周期协同自适应调整方法。本专利技术的另一个目的在于提出一种探测周期协同自适应调整系统。为达到上述目的，本专利技术一方面提出了探测周期协同自适应调整方法，包括以下步骤：利用极端森林算法预测路径变化，以建立预测模型；通过线性回归方法建立所述预测模型的路径属性预测值与最优探测周期的线性关系；系统运行时，根据预设周期对所有路径属性进行预测，得到所有路径的预测值；通过所述线性关系处理所述所有路径的预测值和探测预算，得到所有路径探测周期调整值。本专利技术实施例的探测周期协同自适应调整方法，解决了在探测路径变化的测量中，如何根据实际路径变化特点和测量成本对多条路径的探测周期参数进行动态调整的问题，该方法基于表征路径特征和预测路径变化的学习过程，分为两部分：第一部分首先使用极端森林算法预测路径变化，之后通过线性回归方法，建立路径属性预测值与最佳探测周期之间的关系，得到最佳探测周期的计算公式；第二部分在测量进行中实现，通过定期对所有探测的路径属性进行预测，在探测预算制约下，计算探测周期设置值，最终实现探测周期的协同自适应调整。该方法允许管理人员在测量效率和成本之间指定他们的权衡偏好，例如，本专利技术实施例在不同场景下测量了100条路径，自适应调整方法可以更合理地分配检测资源，和传统方法相比，使用约57％的探测资源能探测相同数量的路径变化(该实际测试基于开放资源RIPEAtlas)，达到了预期专利技术目标。另外，根据本专利技术上述实施例的探测周期协同自适应调整方法还可以具有以下附加的技术特征：进一步地，在本专利技术的一个实施例中，所述利用极端森林算法预测路径变化，包括：设定预测值以及预测值对应的输入特征值，以对多条路径进行追踪，得到多条路径路由跟踪结果；根据所述多条路径路由跟踪结果在每个时间片间隔时刻获取所有预测参数的相关特征值以及预测值；采用所述极端森林算法对所述相关特征值和所述预测值进行所述预测模型的训练。进一步地，在本专利技术的一个实施例中，所述通过线性回归方法建立所述预测模型的路径属性预测值与最优探测周期的线性关系，包括：根据多条路径路由跟踪结果在每个时间片间隔时刻获取上一时间片的相关特征值；通过所述预测模型和所述相关特征值得到下一时间片的预测参数，对所述预测参数进行处理，得到所述路径属性预测值；通过遍历设置的探测周期值，计算下一时间片的实际收益，获得最高收益的记录为最优探测周期；根据最小二乘算法对所述路径属性预测值和所述最优探测周期进行拟合，得到所述线性关系。进一步地，在本专利技术的一个实施例中，所述系统运行时，根据预设周期对所有路径属性进行预测，得到所有路径的预测值，包括：系统运行时，在时间片结束时刻获取当前时间片所有路径的测量结果，提取当前时间片的特征值，根据所述预测模型获得所述所有路径的预测值。进一步地，在本专利技术的一个实施例中，所述通过所述线性关系处理所述所有路径的预测值和探测预算，得到所有路径探测周期调整值，进一步包括：根据所述所有路径的预测值，通过所述线性关系计算得到所有路径探测周期最优值，当超过所述探测预算时，对所有路径探测次数进行等比例缩减。为达到上述目的，本专利技术另一方面提出了一种探测周期协同自适应调整系统，包括：建模模块，用于利用极端森林算法预测路径变化，以建立预测模型；关系模块，用于通过线性回归方法建立所述预测模型的路径属性预测值与最优探测周期的线性关系；预测模块，用于系统运行时，根据预设周期对所有路径属性进行预测，得到所有路径的预测值；处理模块，用于通过所述线性关系处理所述所有路径的预测值和探测预算，得到所有路径探测周期调整值。本专利技术实施例的探测周期协同自适应调整系统，解决了在探测路径变化的测量中，如何根据实际路径变化特点和测量成本对多条路径的探测周期参数进行动态调整的问题，基于表征路径特征和预测路径变化的学习过程，首先获得最佳探测周期的计算公式，再在测量进行中实现，通过定期对所有探测的路径属性进行预测，在探测预算制约下，计算探测周期设置值，最终实现探测周期的协同自适应调整。该系统允许管理人员在测量效率和成本之间指定他们的权衡偏好，例如，本专利技术实施例在不同场景下测量了100条路径，自适应调整方法可以更合理地分配检测资源，和传统方法相比，使用约57％的探测资源能探测相同数量的路径变化(该实际测试基于开放资源RIPEAtlas)，达到了预期专利技术目标。另外，根据本专利技术上述实施例的探测周期协同自适应调整系统还可以具有以下附加的技术特征：进一步地，在本专利技术的一个实施例中，所述建模模块包括：追踪单元，用于设定预测值以及预测值对应的输入特征值，以对多条路径进行追踪，得到多条路径路由跟踪结果；第一获取单元，用于根据所述多条路径路由跟踪结果在每个时间片间隔时刻获取所有预测参数的相关特征值以及预测值；训练单元，用于采用所述极端森林算法对所述相关特征值和所述预测值进行所述预测模型的训练。进一步地，在本专利技术的一个实施例中，所述关系模型包括：第二获取单元，用于根据多条路径路由跟踪结果在每个时间片间隔时刻获取上一时间本文档来自技高网...

【技术保护点】
1.一种探测周期协同自适应调整方法，其特征在于，包括以下步骤：/n利用极端森林算法预测路径变化，以建立预测模型；/n通过线性回归方法建立所述预测模型的路径属性预测值与最优探测周期的线性关系；/n系统运行时，根据预设周期对所有路径属性进行预测，得到所有路径的预测值；以及/n通过所述线性关系处理所述所有路径的预测值和探测预算，得到所有路径探测周期调整值。/n

【技术特征摘要】
1.一种探测周期协同自适应调整方法，其特征在于，包括以下步骤：
利用极端森林算法预测路径变化，以建立预测模型；
通过线性回归方法建立所述预测模型的路径属性预测值与最优探测周期的线性关系；
系统运行时，根据预设周期对所有路径属性进行预测，得到所有路径的预测值；以及
通过所述线性关系处理所述所有路径的预测值和探测预算，得到所有路径探测周期调整值。


2.根据权利要求1所述的探测周期协同自适应调整方法，其特征在于，所述利用极端森林算法预测路径变化，包括：
设定预测值以及预测值对应的输入特征值，以对多条路径进行追踪，得到多条路径路由跟踪结果；
根据所述多条路径路由跟踪结果在每个时间片间隔时刻获取所有预测参数的相关特征值以及预测值；
采用所述极端森林算法对所述相关特征值和所述预测值进行所述预测模型的训练。


3.根据权利要求1所述的探测周期协同自适应调整方法，其特征在于，所述通过线性回归方法建立所述预测模型的路径属性预测值与最优探测周期的线性关系，包括：
根据多条路径路由跟踪结果在每个时间片间隔时刻获取上一时间片的相关特征值；
通过所述预测模型和所述相关特征值得到下一时间片的预测参数，对所述预测参数进行处理，得到所述路径属性预测值；
通过遍历设置的探测周期值，计算下一时间片的实际收益，获得最高收益的记录为最优探测周期；
根据最小二乘算法对所述路径属性预测值和所述最优探测周期进行拟合，得到所述线性关系。


4.根据权利要求1所述的探测周期协同自适应调整方法，其特征在于，所述系统运行时，根据预设周期对所有路径属性进行预测，得到所有路径的预测值，包括：
系统运行时，在时间片结束时刻获取当前时间片所有路径的测量结果，提取当前时间片的特征值，根据所述预测模型获得所述所有路径的预测值。


5.根据权利要求1所述的探测周期协同自适应调整方法，其特征在于，所述通过所述线性关系处理所述所有路径的预测值和探测预算，得到所有路径探测周期调整值，进一步包括：
根据所述所有路径的预测值，通过所述线性关系计算得到所有路径探测周期最优值，当超过所述探测预算时，...

【专利技术属性】
技术研发人员：安常青，刘玉家，王继龙，喻涛，
申请(专利权)人：清华大学，
类型：发明
国别省市：北京;11