一种细粒度的网络流量计算方法、装置及存储介质制造方法及图纸

本发明专利技术公开了一种细粒度的网络流量计算方法、装置及存储介质，该方法包括：获取端到端网络流量；对网络流量进行采样，得到离散的网络流量；根据经验模态分解算法对离散的网络流量进行分解，计算得到分解后的网络流量；根据三次插值算法对分解后的网络流量进行恢复，计算得到细粒度的网络流量。本发明专利技术实施例提供的细粒度的网络流量计算方法，研究了如何从采样的流量跟踪中以精细的细粒度尺寸估计和恢复端到端网络流量矩阵。该计算方法利用EMD方法和三次插值可以重建细粒度的网络流量。本发明专利技术实施例提供的细粒度的网络流量计算方法，可以计算得到准确的端到端网络流量，解决了现有技术中无法实现网络流量的准确测量和分析的技术问题。

【技术实现步骤摘要】
一种细粒度的网络流量计算方法、装置及存储介质
本专利技术涉及网络流量测量
，具体涉及一种细粒度的网络流量计算方法、装置及存储介质。
技术介绍
随着新一代信息技术的广泛应用，智能城市、物联网和软件定义网络(softwaredefinednetwork，SDN)等应用呈现爆发式地增长。支持这些应用的高速主干网络承载着巨大的网络流量负载。由于主干网规模不断扩大，主干网速度不断提高，导致网络流量的测量技术带来了巨大挑战。为了测量网络的性能，网络运营商需要从网络测试节点收集大量流量数据。但是，只有OC48链接可以收集高达每小时600GB的流量，同时需要花费大量资源来存储，传输和处理流量数据。因此，在SDN等下一代网络中，大规模和高速采样技术已成为测量和监控通信网络的主要选择之一。这些技术显著减少了测量数据的数量，还可以避免增加网络测量带来的额外开销，由此该技术引起了广泛关注。然而，网络流量的采样技术只能获得不完整的测量数据，这些数据会影响网络监控的效果、网络管理和性能评估的正确分析，可能导致最终网络管理决策的不正确。因此，如何实现网络流量的准确测量和分析是目前亟待解决的问题。
技术实现思路
有鉴于此，本专利技术实施例提供了一种细粒度的网络流量计算方法、装置及存储介质，以解决现有技术中无法实现网络流量的准确测量和分析的问题。本专利技术提出的技术方案如下：本专利技术实施例第一方面提供一种细粒度的网络流量计算方法，该计算方法包括：获取端到端网络流量；对网络流量进行采样，得到离散的网络流量；根据经验模态分解算法对所述离散的网络流量进行分解，计算得到分解后的网络流量；根据三次插值算法对分解后的网络流量进行恢复，计算得到细粒度的网络流量。进一步地，根据经验模态分解算法对所述离散的网络流量进行分解，计算得到分解后的网络流量，包括：根据经验模态分解算法将离散的网络流量分解为成分分量和残差的总和；根据分解次数计算所述成分分量和原始网络流量的相关系数；根据所述相关系数确定有效成分分量；根据所述有效成分分量和残差确定分解后的网络流量。进一步地，根据三次插值算法对分解后的网络流量进行恢复，计算得到细粒度的网络流量，包括：根据网络流量采样的时间间隔计算得到三次插值函数的系数；根据所述三次插值函数的系数对分解后的网络流量进行重建，得到网络流量分量的三次插值的结果；根据加权平均算法对所述网络流量分量的三次插值的结果进行计算，得到细粒度的网络流量。进一步地，该细粒度的网络流量计算方法还包括：根据相对误差算法对所述细粒度的网络流量进行误差计算。本专利技术实施例第二方面提供一种细粒度的网络流量计算装置，该装置包括：获取模块，用于获取端到端网络流量；采样模块，用于对网络流量进行采样，得到离散的网络流量；分解模块，用于根据经验模态分解算法对所述离散的网络流量进行分解，计算分解后的网络流量；恢复模块，用于根据三次插值算法对分解后的网络流量进行恢复，计算得到细粒度的网络流量。进一步地，所述分解模块包括：分解子模块，用于根据经验模态分解算法将离散的网络流量分解为成分分量和残差的总和；相关系数计算模块，用于根据分解次数计算所述成分分量和原始网络流量的相关系数；有效成分分量计算模块，用于根据所述相关系数确定有效成分分量；分解计算模块，用于根据所述有效成分分量和残差确定分解后的网络流量。进一步地，所述恢复模块包括：插值系数计算模块，用于根据网络流量采样的时间间隔计算得到三次插值函数的系数；插值计算模块，用于根据所述三次插值函数的系数对分解后的网络流量进行重建，得到网络流量分量的三次插值的结果；加权计算模块，用于根据加权平均算法对所述网络流量分量的三次插值的结果进行计算，得到细粒度的网络流量。进一步地，该细粒度的网络流量计算装置还包括：误差计算模块，用于根据相对误差算法对所述细粒度的网络流量进行误差计算。本专利技术实施例第三方面提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行如本专利技术实施例第一方面及第一方面任一项所述的细粒度的网络流量计算方法。本专利技术实施例第四方面提供一种电子设备，包括：存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行如本专利技术实施例第一方面及第一方面任一项所述的细粒度的网络流量计算方法。本专利技术提供的技术方案，具有如下效果：本专利技术实施例提供的细粒度的网络流量计算方法、装置及存储介质，研究了如何从采样的流量跟踪中以精细的细粒度尺寸估计和恢复端到端网络流量矩阵。该计算方法利用EMD方法和三次插值可以重建细粒度的网络流量。首先利用端到端网络流量的分形和自相似特征，使用EMD方法对网络流量进行分解，分解后的分量可以很好的反应网络流量的相关特性；之后再使用三次插值方法以更精细的时间粒度恢复它们。因此，本专利技术实施例提供的细粒度的网络流量计算方法，可以计算得到准确的端到端网络流量，解决了现有技术中无法实现网络流量的准确测量和分析的技术问题。本专利技术实施例提供的细粒度的网络流量计算方法、装置及存储介质，采用加权几何平均算法对每一个网络流量分量的权值进行计算，并利用加权求和的方法获得细粒度的网络流量，以提高端到端网络流量的重建精度。本专利技术实施例提供的细粒度的网络流量计算方法具有最佳的重建性能，该方法提可以提取准确的端到端网络流量矩阵，对于SDN应用中的网络规划，网络优化和网络规模具有深远的影响。附图说明为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是根据本专利技术实施例的细粒度的网络流量计算方法的流程图；图2是根据本专利技术实施例的端到端网络流量的某个直接测量的结构框图；图3是根据本专利技术实施例的采样后的端到端网络流量的结构框图；图4是根据本专利技术实施例的利用EMD方法对进行预测、填充和从重构的原理图；图5是根据本专利技术实施例的EMD方法对网络流量进行分解的结果；图6是根据本专利技术另一实施例的细粒度的网络流量计算方法的流程图；图7是根据本专利技术另一实施例的细粒度的网络流量计算方法的流程图；图8是根据本专利技术另一实施例的细粒度的网络流量计算方法的流程图；图9是根据本专利技术实施例的利用EMD－SP方法、SRSVD方法和ARMA方法预测的网络流量结果的对比图；图10是根据本专利技术实施例的网络流量的相对误差的概率分布函数图比较；图11是根据本专利技术实施例的网络流量相对误差的箱型图比较；图12是根据本专利技术实施例的网络流量相对误差的均值与方差比较；图13是根据本专利技术实施例的细粒度的网络流量计算装置的结构框图；图14是根据本专利技术另一实施例的细粒度本文档来自技高网...

【技术保护点】
1.一种细粒度的网络流量计算方法，其特征在于，包括：/n获取端到端网络流量；/n对网络流量进行采样，得到离散的网络流量；/n根据经验模态分解算法对所述离散的网络流量进行分解，计算得到分解后的网络流量；/n根据三次插值算法对分解后的网络流量进行恢复，计算得到细粒度的网络流量。/n

【技术特征摘要】
1.一种细粒度的网络流量计算方法，其特征在于，包括：
获取端到端网络流量；
对网络流量进行采样，得到离散的网络流量；
根据经验模态分解算法对所述离散的网络流量进行分解，计算得到分解后的网络流量；
根据三次插值算法对分解后的网络流量进行恢复，计算得到细粒度的网络流量。


2.根据权利要求1所述的细粒度的网络流量计算方法，其特征在于，根据经验模态分解算法对所述离散的网络流量进行分解，计算得到分解后的网络流量，包括：
根据经验模态分解算法将离散的网络流量分解为成分分量和残差的总和；
根据分解次数计算所述成分分量和原始网络流量的相关系数；
根据所述相关系数确定有效成分分量；
根据所述有效成分分量和残差确定分解后的网络流量。


3.根据权利要求1所述的细粒度的网络流量计算方法，其特征在于，根据三次插值算法对分解后的网络流量进行恢复，计算得到细粒度的网络流量，包括：
根据网络流量采样的时间间隔计算得到三次插值函数的系数；
根据所述三次插值函数的系数对分解后的网络流量进行重建，得到网络流量分量的三次插值的结果；
根据加权平均算法对所述网络流量分量的三次插值的结果进行计算，得到细粒度的网络流量。


4.根据权利要求1所述的细粒度的网络流量计算方法，其特征在于，还包括：
根据相对误差算法对所述细粒度的网络流量进行误差计算。


5.一种细粒度的网络流量计算装置，其特征在于，包括：
获取模块，用于获取端到端网络流量；
采样模块，用于对网络流量进行采样，得到离散的网络流量；
分解模块，用于根据经验模态分解算法对所述离散的网络流量进行分解，计算得到分解后的网络流...

【专利技术属性】
技术研发人员：刘川，张刚，陶静，刘世栋，李伯中，马睿，黄在朝，卜宪德，
申请(专利权)人：全球能源互联网研究院有限公司，国网浙江省电力有限公司，国家电网有限公司信息通信分公司，国家电网有限公司，
类型：发明
国别省市：北京;11