CN101136808A - 分析网络业务量的方法和装置 - Google Patents
分析网络业务量的方法和装置 Download PDFInfo
- Publication number
- CN101136808A CN101136808A CN200710127187.1A CN200710127187A CN101136808A CN 101136808 A CN101136808 A CN 101136808A CN 200710127187 A CN200710127187 A CN 200710127187A CN 101136808 A CN101136808 A CN 101136808A
- Authority
- CN
- China
- Prior art keywords
- state
- time
- burst
- arrival
- grouping
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 90
- 238000006243 chemical reaction Methods 0.000 claims abstract description 97
- 230000008569 process Effects 0.000 claims description 40
- 230000006872 improvement Effects 0.000 claims description 32
- 238000004458 analytical method Methods 0.000 claims description 25
- 238000005259 measurement Methods 0.000 claims description 24
- PIOZZBNFRIZETM-UHFFFAOYSA-L magnesium;2-carbonoperoxoylbenzoic acid;2-oxidooxycarbonylbenzoate Chemical compound [Mg+2].OOC(=O)C1=CC=CC=C1C([O-])=O.OOC(=O)C1=CC=CC=C1C([O-])=O PIOZZBNFRIZETM-UHFFFAOYSA-L 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 description 23
- 238000010586 diagram Methods 0.000 description 16
- 239000000654 additive Substances 0.000 description 5
- 230000000996 additive effect Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 230000000712 assembly Effects 0.000 description 3
- 238000000429 assembly Methods 0.000 description 3
- 239000000835 fiber Substances 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000004445 quantitative analysis Methods 0.000 description 2
- 230000003321 amplification Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/142—Network analysis or design using statistical or mathematical methods
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
- H04L43/0852—Delays
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/10—Active monitoring, e.g. heartbeat, ping or trace-route
- H04L43/106—Active monitoring, e.g. heartbeat, ping or trace-route using time related information in packets, e.g. by adding timestamps
Landscapes
- Physics & Mathematics (AREA)
- Algebra (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Pure & Applied Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种使用具有两个阻挡态的改进Markov调制泊松过程模型分析网络业务量的方法、装置和产品,包括:检索网络业务量的前一个状态;测量在一个或多个网络适配器中接收的各个分组之间的到达间时间;依赖于测量的到达间时间建立转换窗口,转换窗口具有代表突发态中到达间时间上限的转换值λB max并具有代表空闲态中到达间时间下限的转换值λI min;检索防止过早转换到空闲态或突发态中的前一个栅值;以及依赖于网络业务量的前一个状态、最近接收的分组的到达间时间、转换值以及前一个栅值确定网络业务量的当前状态。
Description
技术领域
本发明的领域是数据处理,或者更特别地,使用具有两个阻挡态的改进Markov调制泊松过程模型分析网络业务量的方法、装置和产品。
背景技术
网络中的信息流量通常称作“业务量”。在网络通信中使用的信息单元称作“分组”。分组通常以随机间隔到达网络中的一点,导致引起拥塞的业务量的“突发”,以及导致业务量略微稀疏的“空闲”时段。
使用网络进行通信的系统可以受益于网络业务量的分析和表征,从而优化关键性能参数以最佳地利用各种网络资源。这种类型的分析的应用实例可以包括同步用户进程与在到网络接口的系统处完成接收操作、负载均衡、路由选择、服务质量管理以及系统/网络性能参数的自适应调整。执行网络业务量分析的一种方法是提供识别网络业务量特征的模型。在过去十年中,网络业务量本质上表征为突发和自相似。突发行为描述突发地到达网络中的一点的网络业务量。自相似是当以不同程度的放大或者时间维度上的不同标度观察时网络业务量表现相同的现象。因为网络业务量已经显示为突发的和自相似的,用来分析网络业务量的方法应当能够表示自相似业务量中突发的行为。
已知用于分析和表征网络业务量的不同方法。泊松过程是从声源分析业务量的广泛使用的模型。但是,已经显示自相似业务量中的突发行为由Markov调制泊松过程(“MMPP”)近似。MMPP模型包括描述网络业务量的两个状态-突发态和空闲态。与由因为业务量略微稀疏从而分组到达间的时间相对大的空闲态代表的其他时段相比较,突发态代表因为分组突发地到达从而分组到达间的时间相对小的时段中网络业务量的状态。分组到达间时间是一个分组的到达与下一个分组的到达之间的时段,并且可以从网络上的一个或多个点的观察测量。
当前MMPP模型通过基于每个状态中的平均达到间时间和最近接收的分组的到达间时间在突发态和空闲态之间转换来工作。在突发态中接收的分组的平均到达间时间是在空闲态中接收的分组的平均到达间时间是当最近接收的分组的到达间时间跌落到之下时,从空闲态到突发态的转换发生。类似地,当最近接收的分组的到达间时间上升到之上时,从突发态到空闲态的转换发生。
虽然当前MMPP模型帮助网络业务量的分析,但是当前MMPP模型经常不能检测突发态和空闲态之间的过早或错误转换。结果,使用当前MMPP模型的网络业务量分析的应用遭受网络业务量的不准确表征。因此,本领域技术人员认识到存在对于分析网络业务量的改进模型的需求。
发明内容
公开使用具有两个阻挡态的改进Markov调制泊松过程模型分析网络业务量的方法、装置和产品,包括:检索网络业务量的前一个状态;测量在一个或多个网络适配器中接收的各个分组之间的到达间时间;依赖于测量的到达间时间建立转换窗口转换窗口具有代表突发态中到达间时间上限的转换值转换窗口具有代表空闲态中到达间时间下限的转换值检索防止过早转换到空闲态或突发态中的前一个栅值;以及依赖于网络业务量的前一个状态、最近接收的分组的到达间时间、转换值以及前一个栅值确定网络业务量的当前状态。
本发明的前述和其他目的、特征和优点将从下面如附随附图中说明的本发明实例实施方案的更详细描述中显然,其中类似的参考标号通常表示本发明实例实施方案的类似部分。
附图说明
图1陈述说明使用根据本发明实施方案具有两个阻挡态的改进Markov调制泊松过程模型分析网络业务量的实例系统的网络图。
图2陈述自动计算机的框图,其包括在使用根据本发明实施方案具有两个阻挡态的改进Markov调制泊松过程模型分析网络业务量时使用的实例服务器。
图3陈述说明根据本发明实施方案具有两个阻挡态的改进Markov调制泊松过程模型实例的实例状态图。
图4陈述使用图3中说明的具有两个阻挡态的改进Markov调制泊松过程模型分析的网络业务量的实例时序图。
图5陈述说明使用根据本发明实施方案具有两个阻挡态的改进Markov调制泊松过程模型分析网络业务量的实例方法的流程图。
具体实施方式
参考从图1开始的附随附图描述使用根据本发明实施方案具有两个阻挡态的改进Markov调制泊松过程模型分析网络业务量的实例方法、装置和产品。图1陈述说明使用根据本发明实施方案具有两个阻挡态的改进Markov调制泊松过程模型分析网络业务量的实例系统的网络图。
图1的实例系统包括连接到数据通信网络(100)和存储区域网络(“SAN”)(101)的两个服务器(104,106)。服务器(104)通过有线线路连接(136)连接到数据通信网络(100)并且通过有线线路连接(140)连接到SAN(101)。服务器(106)通过有线线路连接(138)连接到数据通信网络(100)并且通过有线线路连接(142)连接到SAN(101)。每个服务器(104,106)是具有安装在它上面的网络分析模块(102)的计算机设备。图1的网络分析模块(102)是配置以使用根据本发明实施方案具有两个阻挡态的改进Markov调制泊松过程模型分析网络业务量的计算机程序指令。网络分析模块(102)通常通过如下方法操作以使用根据本发明实施方案具有两个阻挡态的改进Markov调制泊松过程模型分析网络业务量:检索网络业务量的前一个状态;测量在一个或多个网络适配器中接收的各个分组之间的到达间时间;依赖于测量的到达间时间建立转换窗口检索防止过早转换到空闲态或突发态中的前一个栅值;以及依赖于网络业务量的前一个状态、最近接收的分组的到达间时间、转换值以及前一个栅值确定网络业务量的当前状态。转换窗口具有代表突发态中到达间时间上限的转换值并且定义到达间时间低于的分组属于突发态的概率ρB。转换窗口具有代表空闲态中到达间时间下限的转换值并且定义到达间时间高于的分组属于空闲态的概率ρI。
在图1的实例中,安装在每个服务器(104,106)上的网络分析模块(102)使用具有两个阻挡态的改进MMPP模型实时地分析网络(100)和SAN(101)的网络业务量。网络分析模块(102)典型地独立地分析网络(100)和SAN(101)。也就是,网络分析模块(102)典型地为每个网络(100,101)确定网络业务量的当前状态。虽然每个独立网络的网络业务量典型地由图1的网络分析模块(102)独立地分析,读者应当注意这种独立分析并不是本发明的限制。
图1的网络分析模块(102)也可以基于在提供到网络的接口的一个或多个网络适配器中接收的分组分析网络的网络业务量。例如,网络分析模块(102)可以通过将分析局限于在安装于单个服务器中的单个网络适配器中接收的分组来分析网络业务量。图1的网络分析模块(102)也可以通过分析在安装于单个服务器中的多个网络适配器中接收的分组来分析网络业务量。此外,图1的网络分析模块(102)可以通过分析在跨越多于一个服务器安装的多个网络适配器中接收的分组来分析网络业务量。事实上,关于使用根据本发明实施方案具有两个阻挡态的改进Markov调制泊松过程模型分析网络业务量,对于网络适配器的数目或者适配器安装于其中的设备的数目没有限制。
在图1的实例系统中,数据通信网络(100)是用于将各种设备连接在一起以进行数据通信的硬件和软件基础结构。在图1的实例中,客户端设备(120)通过有线线路连接(128)连接到网络(100)。客户端设备(122)通过有线线路连接(130)连接到网络(100)。客户端设备(124)通过有线线路连接(132)连接到网络(100)。客户端设备(126)通过有线线路连接(134)连接到网络(100)。
图1的SAN(101)是用于将各种计算机设备和存储设备连接在一起以进行数据通信的硬件和软件基础结构。SAN(101)的主要目的是在计算机设备和存储设备之间传送数据。SAN典型地使用以太网(IEEE 802.3)标准或光纤信道标准实现,但是可以使用将由本领域技术人员想到的任何标准或协议实现SAN。在图1的实例中,存储设备(108)通过有线线路连接(114)连接到SAN(101)。存储设备(110)通过有线线路连接(116)连接到SAN(101)。存储设备(112)通过有线线路连接(118)连接到SAN(101)。存储设备可以实现为共享存储阵列、磁带库或者将由本领域技术人员想到的任何其他设备。
构成图1中说明的实例系统的服务器和其他设备的排列用于说明而不用于限制。根据本发明各种实施方案使用的数据处理系统可以包括图1中没有显示的另外的服务器、路由器、其他设备以及对等式体系结构,如将对本领域技术人员显然的。这种数据处理系统中的网络可以支持许多数据通信协议,包括例如传输控制协议(“TCP”)、因特网协议(“IP”)、超文本传输协议(“HTTP”)、无线接入协议(“WAP”)、手持设备传输协议(“HDTP”)以及将由本领域技术人员想到的其他协议。本发明的各种实施方案可以在除了图1中说明的那些之外的多种硬件平台上实现。
使用根据本发明具有两个阻挡态的改进Markov调制泊松过程模型分析网络业务量通常使用计算机,也就是,自动计算机实现。在图1的系统中,例如,所有节点、服务器和通信设备在某种程度上至少作为计算机实现。因此,为了进一步说明,图2陈述包括在使用根据本发明具有两个阻挡态的改进Markov调制泊松过程模型分析网络业务量时使用的实例服务器(104)的自动计算机的框图。图2的服务器(104)包括至少一个计算机处理器(156)或“CPU”以及通过高速存储总线(166)和总线适配器(158)连接到处理器(156)和服务器的其他组件的随机存取存储器(168)(“RAM”)。
网络分析模块(102)和操作系统(154)存储在RAM(168)中。图2中说明的网络分析模块(102)是关于服务器参考图1如上所述操作的软件组件,也就是计算机程序指令。图2的网络分析模块(102)可以通过对操作系统(154)、安装的设备驱动程序(没有显示)、计算机BIOS的函数调用,或者以将由本领域技术人员想到的任何其他方式,与安装在服务器(104)中的组件例如网络适配器(167)通信。在根据本发明实施方案的服务器中使用的操作系统包括UNIXTM,LinuxTM,Microsoft NTTM,IBM的AIXTM,IBM的i5/OSTM以及将由本领域技术人员想到的其他操作系统。图2实例中的操作系统(154)和网络分析模块(102)显示在RAM(168)中,但是这种软件的许多组件也典型地存储在非易失性存储器中,例如磁盘驱动器(170)上。
图2的实例服务器(104)包括总线适配器(158),包含用于高速总线、前端总线(162)、视频总线(164)和存储总线(166)的驱动电子设备,以及较慢扩展总线(160)的驱动电子设备的计算机硬件组件。在根据本发明实施方案使用的服务器中使用的总线适配器的实例包括Intel北桥、Intel存储控制中心、Intel南桥和Intel I/O控制中心。在根据本发明实施方案使用的服务器中使用的扩展总线的实例可以包括外围组件互连(“PCI”)总线和PCI Express(“PCIe”)总线。
图2的实例服务器(104)也包括通过扩展总线(160)和总线适配器(158)连接到处理器(156)和实例服务器(104)的其他组件的磁盘驱动适配器(172)。磁盘驱动适配器(172)以磁盘驱动器(170)的形式将非易失性数据存储器连接到实例服务器(104)。在服务器中使用的磁盘驱动适配器包括电子集成驱动(“IDE”)适配器,小型计算机系统接口(“SCSI”)适配器以及将由本领域技术人员想到的其他。另外,非易失性计算机存储器对于服务器可以实现为光盘驱动器、电可擦除可编程只读存储器(所谓“EEPROM”或“闪速”存储器)、RAM驱动器等,如将由本领域技术人员想到的。
图2的实例服务器(104)包括一个或多个输入/输出(“I/O”)适配器(178)。服务器中的I/O适配器通过例如软件驱动程序和计算机硬件实现面向用户的输入/输出,用于控制到显示设备例如计算机显示屏的输出,以及来自用户输入设备(181)例如键盘和鼠标的用户输入。图2的实例服务器(104)包括视频适配器(176),它是特别为显示设备(180)例如显示屏或计算机显示器的图形输出而设计的I/O适配器的实例。视频适配器(176)通过高速视频总线(164)、总线适配器(158)和同样是高速总线的前端总线(162)连接到处理器(156)。
图2的实例服务器(104)也包括用于与数据通信网络(200)进行数据通信以及与存储区域网络(101)进行数据通信的网络适配器(167)。这种数据通信可以通过数据通信网络例如IP数据通信网络、通过存储区域网络例如光纤通道网络、以及以将由本领域技术人员想到的其他方法执行。网络适配器实现硬件级别的数据通信,通过它,一个计算机设备将数据通信通过数据通信网络发送到另一个计算机设备。用于使用根据本发明实施方案具有两个阻挡态的改进Markov调制泊松过程模型分析网络业务量的通信适配器的实例包括用于有线数据通信网络通信的IEEE 802.3以太网适配器、用于无线数据通信网络通信的IEEE802.11b适配器,光纤信道网络适配器等。
为了进一步说明,图3陈述说明根据本发明实施方案使用的具有两个阻挡态的改进Markov调制泊松过程模型实例的实例状态图。图3的状态图包括突发态“PB”(300)和空闲态“PI”(302)。图3的状态图也包括突发阻挡态“BB”(304)和空闲阻挡态“BI”(306)。突发阻挡态(304)代表从突发态到空闲态的可能转换,并且空闲阻挡态(306)代表从空闲态到突发态的可能转换。在图3的实例状态图中从突发态(300)到空闲态(302)的转换仅通过突发阻挡态(304)发生。类似地,从空闲态(302)到突发态(300)的转换仅通过空闲阻挡态(306)发生。
在图3的状态图中,从前一个状态到当前状态的转换取决于网络业务量的前一个状态、最近接收的分组的到达间时间λi、转换值和以及前一个栅值。代表突发态(300)中到达间时间的上限并且定义到达间时间低于的分组属于突发态(300)的概率ρB。代表空闲态(302)中到达间时间的下限并且定义到达间时间高于的分组属于空闲态(302)的概率ρI。在图3的状态图中,转换值基本上小于转换值
类似于当前状态,图3的状态图中的当前栅值也取决于网络业务量的前一个状态、最近接收的分组的到达间时间λi、转换值以及前一个栅值。栅值是防止过早转换到空闲态或突发态的计数器的值。在图3的实例中,从突发阻挡态(304)到空闲态(302)的转换不能在栅值达到“1”之前发生。当栅值为“0”时,从突发阻挡态(304)的转换进入突发态(300)或者当前状态保持突发阻挡态(304)。类似地,从空闲阻挡态(306)到突发态(300)的转换也不能在栅值达到“1”之前发生。当栅值为“0”时,从空闲阻挡态(306)的转换进入空闲态(302)或者当前状态保持空闲阻挡态(306)。
使用下面十二种情况完全地描述图3的实例状态图中状态之间的转换:
设置为突发阻挡态(304)并且当前栅值设置为“0”。
如上所述,图3的实例状态图说明根据本发明实施方案具有两个阻挡态的改进Markov调制泊松过程模型的实例。为了进一步说明,图4陈述使用图3中说明的具有两个阻挡态的实例改进Markov调制泊松过程模型分析的网络业务量的实例时序图。每个时序图使用垂直箭头描绘分组Pi...Pn的到达。进入的分组Pn+1和Ph+2在时序图中分别描绘为X1和X2。时序图中X1和X2相对于转换窗口(400)的位置代表X1和X2的到达间时间的值。
图4的每个时序图将转换窗口(400)显示为阴影矩形。如上所述,代表突发态中到达间时间的上限并且定义到达间时间低于的分组属于突发态的概率ρB。代表空闲态中到达间时间的下限并且定义到达间时间高于的分组属于空闲态的概率ρI。在图4的时序图中,转换值基本上小于转换值
情况1-3的时序图描绘具有导致从突发态通过突发阻挡态到空闲态的转换的到达间时间的分组的到达。因为每个情况1-3中的初始态都是突发态,每个分组Pi...Pn包括上标“B”。在图4的情况1中,分组X1的到达间时间大于且小于在分组X1到达之后,当前状态设置为突发阻挡态并且当前栅值设置为“1”。分组X2的到达间时间也大于且小于在分组X2到达之后,当前状态设置为空闲态并且当前栅值设置为“0”,因为当两个连续分组的到达问时间都大于时,从突发态到空闲态发生过早转换的概率非常低。这种概率由的值确定。
在图4的情况2中,分组X1的到达间时间大于且小于在分组X1到达之后,当前状态设置为突发阻挡态并且当前栅值设置为“1”。分组X2的到达间时间大于且大于在分组X2到达之后,当前状态设置为空闲态并且当前栅值设置为“0”,因为当两个连续分组的到达间时间都大于时,从突发态到空闲态发生过早转换的概率非常低。
在图4的情况3中,分组X1的到达间时间大于且大于在分组X1到达之后,当前状态设置为突发阻挡态并且当前栅值设置为“1”。分组X2的到达间时间大于且小于在分组X2到达之后,当前状态设置为空闲态并且当前栅值设置为“0”,因为当两个连续分组的到达间时间都大于时,从突发态到空闲态发生过早转换的概率非常低。
情况4-6的时序图描绘具有导致从空闲态通过空闲阻挡态到突发态的转换的到达间时间的分组的到达。因为每个情况4-6中的初始态都是空闲态,每个分组Pi...Pn包括上标“I”。在图4的情况4中,分组X1的到达间时间小于且大于在分组X1到达之后,当前状态设置为空闲阻挡态并且当前栅值设置为“1”。分组X2的到达间时间也小于且大于在分组X2到达之后,当前状态设置为突发态并且当前栅值设置为“0”,因为当两个连续分组的到达间时间都小于时,从空闲态到突发态发生过早转换的概率非常低。这种概率由的值确定。
在图4的情况5中,分组X1的到达间时间小于且大于在分组X1到达之后,当前状态设置为空闲阻挡态并且当前栅值设置为“1”。分组X2的到达间时间小于且小于在分组X2到达之后,当前状态设置为突发态并且当前栅值设置为“0”,因为当两个连续分组的到达间时间都小于时,从空闲态到突发态发生过早转换的概率非常低。
在图4的情况6中,分组X1的到达间时间小于且小于在分组X1到达之后,当前状态设置为空闲阻挡态并且当前栅值设置为“1”。分组X2的到达间时间小于且大于在分组X2到达之后,当前状态设置为突发态并且当前栅值设置为“0”,因为当两个连续分组的到达间时间都小于时,从空闲态到突发态发生过早转换的概率非常低。
上面参考图3和4的描述涉及具有两个阻挡态的改进Markov调制泊松过程模型的实例。为了进一步说明,图5陈述说明使用根据本发明实施方案具有两个阻挡态的改进Markov调制泊松过程模型分析网络业务量的实例方法的流程图。
图5的方法包括检索(500)网络业务量的前一个状态(502)。前一个状态(502)是当使用根据本发明实施方案具有两个阻挡态的改进Markov调制泊松过程模型分析网络业务量时确定的最后状态。最初,当使用根据本发明实施方案具有两个阻挡态的改进Markov调制泊松过程模型分析网络业务量首次操作并且不存在最后状态时,前一个状态(502)可以设置为由改进模型定义的任何状态。可以通过从计算机存储器中的数据结构中检索代表前一个状态(502)的状态标识符来执行根据图5的方法检索(500)网络业务量的前一个状态(502)。
图5的方法也包括测量(504)在一个或多个网络适配器中接收的各个分组之间的到达间时间(506)。分组到达间时间(506)是一个或多个网络适配器中连续分组的到达之间的时段。可以通过从一个或多个网络适配器检索分组的到达时间戳来执行根据图5的方法测量(504)在一个或多个网络适配器中接收的各个分组之间的到达间时间(506)。根据图5的方法测量(504)在一个或多个网络适配器中接收的各个分组之间的到达间时间(506)可以进一步通过重复地从网络适配器中第二最近接收的分组的到达时间戳中减去网络适配器中最近接收的分组的到达时间戳来执行。当测量(504)跨越多于一个网络适配器而发生时,可以使用同步时钟信号周期性地同步提供到达时间戳的每个网络适配器的时钟。
图5的方法包括依赖于测量的到达间时间(506)建立(508)转换窗口(510,512)。(510)代表突发态中到达间时间的上限并且定义到达间时间低于的分组属于突发态的概率ρB。(512)代表空闲态中到达间时间的下限并且定义到达间时间高于的分组属于空闲态的概率ρI。可以通过参考图6A如下所述跟踪在突发态期间接收的各个分组之间的到达间时间(506)的变化,并且依赖于所跟踪的变化确定转换值(510)来执行根据图5的方法依赖于测量的到达间时间建立(508)转换窗口(510,512)。根据图5的方法依赖于测量的到达间时间(506)建立(508)转换窗口(510,512)也可以通过参考图6B如下所述跟踪在空闲态期间接收的各个分组之间的到达间时间的变化,并且依赖于所跟踪的变化确定转换值(512)来执行。
读者将注意,最初当使用根据本发明实施方案具有两个阻挡态的改进Markov调制泊松过程模型分析网络业务量首次操作时,在建立(508)转换窗口(510,512)时使用的测量的到达间时间(506)不存在。在这种启动情况下,可以通过将转换值和转换值设置成预定义设置来执行建立(508)转换窗口(510,512),如将由本领域技术人员想到的。例如,转换值可以设置为十微秒,并且转换值可以设置为十毫秒。虽然转换值的初始设置可能不能准确地反映网络业务量情况,但上述依赖于所测量的到达间时间(506)建立(508)转换窗口(510,512)随着时间有效地校正转换值以准确地反映网络业务量。
图5的方法也包括检索(514)防止过早转换到空闲态或突发态中的前一个栅值(516)。前一个栅值(516)是当使用根据本发明实施方案具有两个阻挡态的改进Markov调制泊松过程模型分析网络业务量时确定的最后栅值。最初,当使用根据本发明实施方案具有两个阻挡态的改进Markov调制泊松过程模型分析网络业务量首次操作并且不存在最后状态时,前一个栅值(516)可以设置成为改进模型定义的范围内的任何值。在上面参考图3描述的改进模型中,例如,栅值的范围是“0”或“1”。可以通过从计算机存储器中的数据结构中检索代表前一个栅值(516)的值来执行根据图5的方法检索(514)前一个栅值(516)。
图5的方法包括依赖于网络业务量的前一个状态(502)、最近接收的分组的到达间时间(506)、转换值(510,512)以及前一个栅值(516)确定(518)网络业务量的当前状态(520)。图5的当前状态(520)代表由改进模型定义的表征当前网络业务量的状态中的一个。根据图5的方法确定(518)网络业务量的当前状态(520)可以根据图3的状态图中说明并且参考图3描述的十二种情况执行。根据图5的方法确定(518)网络业务量的当前状态(520)可以进一步通过将表征当前网络业务量状态的状态标识符存储在计算机存储器中代表当前状态(520)的数据结构中来执行。
图5的方法也包括依赖于网络业务量的前一个状态(502)、最近接收的分组的到达间时间(506)、转换值(510,512)以及前一个栅值(516)确定(522)当前栅值(524)。当前栅值(524)是防止根据当前网络业务量过早转换到空闲态或突发态的计数器的值。根据图5的方法确定(522)当前栅值(524)可以根据图3的状态图中说明并且参考图3描述的十二种情况执行。根据图5的方法确定(522)当前栅值(524)可以进一步通过将当前栅值存储在计算机存储器中代表栅值的数据结构中来执行。
如上所述,可以通过跟踪在突发态期间接收的各个分组之间的到达间时间的变化,并且依赖于所跟踪的变化确定转换值来执行依赖于测量的到达间时间建立转换窗口因此,为了进一步说明,图6A陈述说明在使用根据本发明实施方案具有两个阻挡态的改进Markov调制泊松过程模型分析网络业务量时使用的,依赖于测量的到达间时间(506)建立(508)转换窗口的实例方法的流程图,其包括跟踪(600)在突发态期间接收的各个分组之间到达间时间(506)的变化(602)并且依赖于所跟踪的变化(602)确定(604)转换值(510)。图6A的所跟踪的变化(602)表示对于在突发态期间在一个或多个网络适配器中接收的分组,分组到达问时间(506)随着时间的变化。
在图6A的方法中,跟踪(600)在突发态期间接收的各个分组之间到达间时间(506)的变化(602)可以通过保存在突发态期间接收的各个分组之间到达间时间的移动平均值来执行。虽然跟踪(600)在突发态期间接收的各个分组之间到达间时间的变化(602)可以使用移动平均值执行,但根据图6A的方法跟踪(600)变化(602)也可以由本领域技术人员想到的其他方法执行。
在图6A的方法中,依赖于所跟踪的变化(602)确定(604)转换值(510)可以通过将转换值(510)计算为比移动平均值大五个标准偏差来执行。当在突发态中将这种值用于时,当到达间时间大于时到达的分组属于突发态的相对概率远小于百分之一。虽然依赖于所跟踪的变化(602)确定(604)转换值(510)可以使用标准偏差计算执行,但根据图6A的方法依赖于所跟踪的变化(602)确定(604)转换值(510)也可以由本领域技术人员想到的其他方法执行。
如上所述,依赖于测量的到达间时间建立转换窗口也可以通过跟踪在空闲态期间接收的各个分组之间的到达间时间的变化,并且依赖于所跟踪的变化确定转换值来执行。因此,为了进一步说明,图6B陈述说明在使用根据本发明实施方案具有两个阻挡态的改进Markov调制泊松过程模型分析网络业务量时使用的,依赖于测量的到达间时间(506)建立(508)转换窗口的实例方法的流程图,其包括跟踪(610)在空闲态期间接收的各个分组之间到达间时间(506)的变化(612)并且依赖于所跟踪的变化(612)确定(614)转换值(512)。图6B的所跟踪的变化(612)表示对于在空闲态期间在一个或多个网络适配器中接收的分组,分组到达问时间(506)随着时间的变化。
在图6B的方法中,跟踪(610)在空闲态期间接收的各个分组之间到达间时间的变化(612)可以通过保存在空闲态期间接收的各个分组之间到达间时间的移动平均值来执行。虽然跟踪(610)在空闲态期间接收的各个分组之间到达间时间的变化(612)可以使用移动平均值执行,但根据图6B的方法的跟踪(610)变化(612)也可以由本领域技术人员想到的其他方法执行。
在图6B的方法中,依赖于所跟踪的变化(612)确定(614)转换值(512)可以通过将转换值(512)计算为比移动平均值低两个标准偏差来执行。当在空闲态中将这种值用于时,当到达间时间小于时到达的分组属于空闲态的相对概率远小于百分之一。虽然依赖于所跟踪的变化(612)确定(614)转换值(512)可以使用标准偏差计算执行,但根据图6B的方法依赖于所跟踪的变化(612)确定(614)转换值(512)也可以由本领域技术人员想到的其他方法执行。
本发明的实例实施方案主要在使用具有两个阻挡态的改进Markov调制泊松过程模型分析网络业务量的全功能计算机系统的环境中描述。但是,本领域中技术人员读者将认识到,本发明也可以实施在位于与任何适当数据处理系统一起使用的信号承载介质上的计算机程序产品中。这种信号承载介质可以是机器可读信息的传输介质或可记录介质,包括磁性介质、光学介质或其他适当介质。可记录介质的实例包括硬盘驱动器中的磁盘或软磁盘,光学驱动器的光盘,磁带以及将由本领域技术人员想到的其他。传输介质的实例包括语音通信的电话网络和数字数据通信网络,例如EthernetsTM以及与因特网协议和万维网通信的网络,以及无线传输介质,例如根据IEEE 802.11规范族实现的网络。本领域技术人员将直接认识到,具有适当编程装置的任何计算机系统将能够执行实施在程序产品中的本发明方法的步骤。本领域技术人员将直接认识到,虽然在本说明书中描述的实例实施方案的一些针对在计算机硬件上安装并且执行的软件,然而,作为固件或作为硬件实现的备选实施方案同样在本发明的范围内。
从前面的描述中应当理解,可以在本发明的各种实施方案中进行修改和变化而不背离它的真实本质。本说明书中的描述仅为了说明而不在限制的意义上解释。本发明的范围仅由下面权利要求的语言所限制。
Claims (12)
1.一种使用具有两个阻挡态的改进Markov调制泊松过程(“MMPP”)模型分析网络业务量的方法,该方法包括:
检索网络业务量的前一个状态;
测量在一个或多个网络适配器中接收的各个分组之间的到达间时间;
依赖于测量的到达间时间建立转换窗口[λmax B,λmin I],转换窗口具有代表突发态中到达间时间上限的转换值λmax B以及代表空闲态中到达间时间下限的转换值λmin I;
检索防止过早转换到空闲态或突发态中的前一个栅值;以及
依赖于网络业务量的前一个状态、最近接收的分组的到达间时间、转换值以及前一个栅值确定网络业务量的当前状态。
2.根据权利要求1的方法,其中实时地执行使用具有两个阻挡态的MMPP模型分析网络业务量。
3.根据权利要求1的方法,其中转换值λmax B基本上小于转换值λmin I。
4.根据权利要求1的方法,其中所述两个阻挡态还包括突发阻挡态和空闲阻挡态,突发阻挡态代表从突发态到空闲态的可能转换,空闲阻挡态代表从空闲态到突发态的可能转换。
5.根据权利要求1的方法,还包括依赖于网络业务量的前一个状态、最近接收的分组的到达间时间、转换值以及前一个栅值确定当前栅值。
6.根据权利要求1的方法,其中依赖于测量的到达间时间建立转换窗口[λmax B,λmax I]还包括:
跟踪在突发态期间接收的各个分组之间到达间时间的变化;以及
依赖于跟踪的变化确定转换值λmax B。
7.根据权利要求1的方法,其中依赖于测量的到达间时间建立转换窗口[λmax B,λmin I]还包括:
跟踪在空闲态期间接收的各个分组之间到达间时间的变化;以及
依赖于所跟踪的变化确定转换值λmin I。
8.一种使用具有两个阻挡态的改进Markov调制泊松过程(“MMPP”)模型分析网络业务量的装置,该装置包括计算机处理器、操作性地连接到计算机处理器的计算机存储器,所述计算机存储器具有位于其中的计算机程序指令,这些计算机程序指令能够:
检索网络业务量的前一个状态;
测量在一个或多个网络适配器中接收的各个分组之间的到达间时间;
依赖于测量的到达间时间建立转换窗口[λmax B,λmin I],转换窗口具有代表突发态中到达间时间上限的转换值λmax B以及代表空闲态中到达间时间下限的转换值λmin I;
检索防止过早转换到空闲态或突发态中的前一个栅值;以及
依赖于网络业务量的前一个状态、最近接收的分组的到达间时间、转换值以及前一个栅值确定网络业务量的当前状态。
9.根据权利要求8的装置,其中所述两个阻挡态还包括突发阻挡态和空闲阻挡态,突发阻挡态代表从突发态到空闲态的可能转换,空闲阻挡态代表从空闲态到突发态的可能转换。
10.根据权利要求8的装置,还包括能够依赖于网络业务量的前一个状态、最近接收的分组的到达间时间、转换值以及前一个栅值确定当前栅值的计算机程序指令。
11.根据权利要求8的装置,其中依赖于测量的到达间时间建立转换窗口[λmax B,λmin I]还包括:
跟踪在突发态期间接收的各个分组之间到达间时间的变化;以及
依赖于所跟踪的变化确定转换值λmax B。
12.根据权利要求8的装置,其中依赖于测量的到达间时间建立转换窗口[λmax B,λmin I]还包括:
跟踪在空闲态期间接收的各个分组之间到达间时间的变化;以及
依赖于所跟踪的变化确定转换值λmin I。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US11/514,493 | 2006-09-01 | ||
US11/514,493 US7697428B2 (en) | 2006-09-01 | 2006-09-01 | Analyzing network traffic using an improved markov modulated poisson process model with two barrier states |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101136808A true CN101136808A (zh) | 2008-03-05 |
CN101136808B CN101136808B (zh) | 2010-07-28 |
Family
ID=39160663
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200710127187.1A Expired - Fee Related CN101136808B (zh) | 2006-09-01 | 2007-07-04 | 分析网络业务量的方法和装置 |
Country Status (2)
Country | Link |
---|---|
US (1) | US7697428B2 (zh) |
CN (1) | CN101136808B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101572908B (zh) * | 2009-05-26 | 2011-03-16 | 中兴通讯股份有限公司 | Ue针对utran业务量测量mc消息的处理方法和系统 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100726352B1 (ko) * | 2006-03-28 | 2007-06-08 | 중앙대학교 산학협력단 | 통신량 증감에 따른 네트워크 트래픽의 분석시스템과 이를이용한 분석방법 |
US8903757B2 (en) * | 2008-12-12 | 2014-12-02 | Appnomic Systems Private Limited | Proactive information technology infrastructure management |
US20140041032A1 (en) * | 2012-08-01 | 2014-02-06 | Opera Solutions, Llc | System and Method for Detecting Network Intrusions Using Statistical Models and a Generalized Likelihood Ratio Test |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5343465A (en) * | 1993-06-11 | 1994-08-30 | Bell Communications Research, Inc. | Method and system for real-time burstiness analysis of network traffic |
US6715005B1 (en) * | 2000-06-29 | 2004-03-30 | International Business Machines Corporation | Method and system for reducing latency in message passing systems |
US7321555B2 (en) * | 2003-04-16 | 2008-01-22 | International Business Machines Corporation | Multilevel analysis of self-similar network traffic |
US7330427B2 (en) * | 2003-04-16 | 2008-02-12 | International Business Machines Corporation | MMPP analysis of network traffic using a transition window |
-
2006
- 2006-09-01 US US11/514,493 patent/US7697428B2/en active Active
-
2007
- 2007-07-04 CN CN200710127187.1A patent/CN101136808B/zh not_active Expired - Fee Related
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101572908B (zh) * | 2009-05-26 | 2011-03-16 | 中兴通讯股份有限公司 | Ue针对utran业务量测量mc消息的处理方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN101136808B (zh) | 2010-07-28 |
US7697428B2 (en) | 2010-04-13 |
US20080123549A1 (en) | 2008-05-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2064833B1 (en) | Analyzing and generating network traffic using an improved Markov modulated poisson process model | |
US9356852B2 (en) | Apparatus and method for capacity planning for data center server consolidation and workload reassignment | |
US7908119B2 (en) | System and method for automating the analysis of computer system load testing | |
US8260622B2 (en) | Compliant-based service level objectives | |
CN107404408B (zh) | 一种虚拟身份关联识别方法及装置 | |
EP3374864B1 (en) | Performance monitoring in a distributed storage system | |
US10679136B2 (en) | Decision processing and information sharing in distributed computing environment | |
CN111124819A (zh) | 全链路监控的方法和装置 | |
CN110381151A (zh) | 一种异常设备检测方法及装置 | |
US20210135948A1 (en) | Discovering a computer network topology for an executing application | |
CN109672722B (zh) | 数据部署方法及装置、计算机存储介质和电子设备 | |
CN102929613A (zh) | 操作系统的调优装置和方法 | |
CN113159615A (zh) | 一种工业控制系统信息安全风险智能测定系统及方法 | |
CN101136808B (zh) | 分析网络业务量的方法和装置 | |
US11544173B1 (en) | Detecting performance regressions in software for controlling autonomous vehicles | |
CN113986564A (zh) | 应用数据的流量监控方法、装置、计算机设备及介质 | |
CN113159934A (zh) | 一种网点客流量的预测方法、系统、电子设备及存储介质 | |
US20170046071A1 (en) | Selecting a primary storage device | |
US20190384858A1 (en) | Display for network time series data with adaptable zoom intervals | |
US7502857B2 (en) | Method and system for optimally allocating a network service | |
KR102343139B1 (ko) | 어노멀리 검출방법 및 그 장치 | |
CN115314424A (zh) | 一种快速检测网络信号方法及装置 | |
CN114428711A (zh) | 数据检测方法、装置、设备及存储介质 | |
CN113225325A (zh) | 一种ip黑名单确定方法、装置、设备及存储介质 | |
CN112187886B (zh) | 分布式智能分析设备系统的业务处理方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20170712 Address after: Hongkong, China Patentee after: Lenovo International Ltd Address before: American New York Patentee before: International Business Machines Corp. |
|
TR01 | Transfer of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20100728 Termination date: 20170704 |
|
CF01 | Termination of patent right due to non-payment of annual fee |