CN102025620B - 基于业务区分的认知网络QoS保障方法 - Google Patents

Abstract

本发明公布了一种基于业务区分的认知网络QoS保障方法。该方法以业务为中心，通过采集网络QoS参数、业务信息以及网络状态信息，将信息汇聚到域认知服务器进行处理，并以处理结果作为训练样例训练支持向量机(SVM)得到分类器；该分类器在实时状况下根据边缘路由器和核心路由器采集得到的信息处理结果预测网络可能发生的问题，服务器根据可能发生的问题向边缘路由器下发新策略；边缘路由器根据新策略给不同的业务分配不同的优先级，从而为网络的QoS提供了保障。该方法结合了现有的区分服务架构，具有可扩展性，同时引入了人工智能方法，能够有效地在问题出现之前做出决策，从而实现了网络的认知。

Description

基于业务区分的认知网络QoS保障方法

技术领域

本发明以认知网络为基础，提出一种基于业务区分的认知网络QoS保障方法。主要研究如何将认知网络与日趋成熟的业务识别技术、区分服务架构相结合，使得网络在实现自我感知、自我决策、自我管理、自我控制的同时，将复杂性尽量限制在边缘路由器以及域认知服务器之上，使其具备良好的可扩展性。该方法涉及到业务识别、区分服务、网络QoS、人工智能、认知网络等技术领域。

背景技术

近年来，随着网络技术和应用的迅速发展和网络接入形式的多样化，网络变得越来越复杂，对日益复杂的网络进行管理是当前通信网络面临的主要挑战之一；同时，用户对于网络服务质量(QoS)的要求越来越高。如今分布式多媒体应用不仅包括文本信息，还包括语音、图像、音频、视频等。分布式多媒体应用不但对网络有很高的带宽要求，而且要求信息传输的低延迟和低抖动等。当前网络所提供的服务质量远不能满足用户的需要；与此同时P2P流量的大量增加给网络带来巨大的负担，因此对业务进行识别尤为重要。

认知网络(Cognitive Network)是在认知无线电的基础上提出的，将认知的概念从无线单跳连接扩展至整个网络，是一种具有认知功能的网络。它能够感知网络状况并据此进行决策、推理、学习并采取适当行动。为了更好地管理和控制网络的复杂性，改善网络的QoS和用户的业务体验，认知网络试图将人工智能相关技术引入到网络中，使网络具有自管理、自学习、自优化的能力，真正实现网络的可控制、可管理、可信任。因此，认知网络的研究将会对今后大规模的复杂异质网络管理技术的发展和网络服务质量的提高起到巨大的推动作用。

然而不管是传统的网络还是最新提出的几种认知网络体系结构都存在一些问题，主要体现在：

1、传统的网络只能在网络出现问题之后才做相应的处理，存在滞后性，这种滞后性必然影响网络的QoS；

2、现有区分服务中的策略是静态且无法更改的，因此无法适应当前动态复杂的网络环境；

3、现有的几种认知网络架构未对业务进行区分，而研究表明，现在网络一半以上的流量来自P2P业务，P2P业务已经给网络的QoS造成了严重的影响，因此对业务进行区分变得尤为重要；

4、目前对认知网络的研究很少考虑与现有QoS体系架构结合，因此缺乏可行性和可扩展性。

发明内容

技术问题：本发明的目的是提出一种基于业务区分的认知网络QoS保障方法。域认知服务器汇总采集到的网络QoS参数、业务信息以及网络状态信息并进行处理，将处理结果作为输入训练SVM。在实时状况下，域认知服务器根据边缘路由器和核心路由器得到的信息的处理结果来预测网络可能的状态变化。服务器根据可能发生的问题向边缘路由器下发新策略，边缘路由器根据新策略为不同的业务打上不同的DSCP标记，降低可能导致网络拥塞的业务类型的优先级，从而为网络的QoS提供了保障。该方法融合了认知网络、区分服务以及日趋成熟的业务识别技术，具备良好的可扩展性。

技术方案：

本发明基于业务区分的认知网络QoS保障方法的步骤如下：

1)数据采集：边缘路由器以及核心路由器采集数据包到达路由器的相关信息，包括数据包行为(入队列、出队列或者丢包)、行为发生的时间、当前结点、下一跳结点、数据包大小、源IP地址、目的IP地址和业务类型；

2)信息汇聚和处理：边缘路由器以及核心路由器将各自所采集的数据包到达路由器的相关信息发往该区分服务域的中心服务器即域认知服务器，域认知服务器将这些信息进行处理，计算出符合离线训练SVM所需的网络QoS参数以及网络状态参数；

3)训练SVM：根据某一时间段的符合训练SVM所需的网络QoS参数作为训练的参数，将该时间段之后的某一时刻符合训练SVM所需的网络的状态作为属性，训练SVM；

4)实时状态统计：边缘路由器以及核心路由器将各自所采集的网络实际运行过程中的参数汇聚到域认知服务器得到网络的实际QoS参数以及网络状态参数，将得到的实际QoS参数以及网络状态参数作为SVM的输入，输出是该状态之后某一时刻网络的状态；

5)下发策略：根据下一阶段网络可能的状态，域认知服务器将产生区分服务的新策略，并发送给边缘路由器；

6)边缘路由器根据策略进行调节，对不同的业务打上不同的DSCP标记，从而实现对业务的区分，转步骤1)。

优选地，步骤1)中数据采集采取抽样的方式：

a)业务类型信息采集：采用业务识别方法识别出各个数据流属于哪种类型，并记录该信息，在边缘路由器上实现；

b)数据包入队列，出队列以及丢包信息采集，在边缘路由器及核心路由器上实现。

有益效果：

通过基于业务区分的认知网络QoS保障方法，我们能够实现：

1.与业务识别结合，实现对业务的区分；

2.通过SVM算法，能够预测网络可能发生拥塞的情况，并据此提前做出决策以避免拥塞的发生；

3.与区分服务相结合，将复杂度尽量限制在边缘路由器和域认知服务器，无需对现有网络和协议进行大规模更改即可实现认知，因此具备良好的可扩展性；

4.边缘路由器的策略可以根据网络实际情况进行更改，以应对复杂多变的网络状况。

附图说明

图1是基于业务区分的认知网络QoS保障方法的流程图；

图2是该发明实现过程及拓扑图。

具体实施方式

下面结合附图对发明的技术方案进行详细说明：

本发明提出了一种基于业务区分的认知网络QoS保障方法。该方法融合了认知网络、区分服务以及日趋成熟的业务识别技术，为网络QoS提供保障。

其中边缘路由器负责业务识别，如图1所示，并且将识别得到的业务类型以及其他信息存储在要发给服务器的trace文件中。另外，由于区分服务架构具有可扩展性的特点，本发明借用其实现框架，即引入区分服务域、边缘路由器、核心路由器、策略等概念，将复杂性限制在边缘路由器上。不同之处在于：首先，边缘路由器还负责业务识别的功能，路由器(包括边缘路由器和核心路由器)需要记录数据包的各种信息(后面将详细介绍)，引入域认知服务器的概念，边缘路由器接受来自域认知服务器的下发策略等。其具体的实现过程可以分为六个步骤。

1.数据采集

功能：采集数据包到达路由器的相关信息，包括数据包行为(入队列、出队列或者丢包)、行为发生的时间、当前结点、下一跳结点、数据包大小、源IP地址、目的IP地址和业务类型。路由器将采集的信息记录成一个个的表项，如下：

核心路由器表项：

qAct，Time，pNode，nNode，pSize，sAddr，dAddr，tType(NULL)

边缘路由器表项：

QAct，Time，pNode，nNode，pSize，sAddr，dAddr，tType

每个表项的各个属性具体含义如下：

qAct：数据包行为。它的值可以是出队列(enqueue)、入队列(dequeue)或丢包(drop)；

Time：发生以上数据包行为的时间；

pNode：数据包当前所处的路由器ID(域认知服务器中维护了当前认知域里每个路由器对应的ID)；

nNode：数据包下一跳将去往的路由器ID，此项可以根据路由表得到；

sAddr：源IP地址；

dAddr：目标IP地址；

tType：数据包对应的业务类型。核心路由器中此项为NULL值，只有当表项组成的表发送至域认知服务器之后，此项才会由服务器填上。边缘路由器中此项为业务识别所得到的值，同样服务器中维护了业务类型对应的值。

需要注意的是，为了避免信息采集给网络增添太大的负担，可以采取抽样的方法。另外递交采集信息的时候可以将多个表项合并成表再递交，由于各表项信息变化不大，并且数据采集过程并不要求数据快速递交，但是递交时应尽量减少带宽的消耗，因此可以用时间换取空间的方式，即先进行压缩，再传输，服务器接收之后再解压缩。

2.数据汇聚和处理

功能：域认知服务器将接收到的表项进行处理，使之符合离线训练SVM所需的信息格式。首先是将核心路由器的表项中tType属性，与边缘路由器得到的表项进行匹配得到该项的值。然后将所有表项按时间进行排序并存储到新的文件中。然后再根据相应的数学公式计算出网络平均时延、网络抖动、流入流量、流出流量、网络某业务所占比例等信息作为训练SVM的样例的属性，另外，将该时间段之后的某一时间段网络的状态作为训练SVM样例的分类值。这里应该选取一个恰当的时间窗口计算以上信息。

3.训练SVM

功能：根据以上处理得到的训练样例训练SVM，得到分类器，它能根据某一时间段网络的参数预测某段时间之后网络可能的状态。其训练样例的属性具体如下(均为某小段时间内的统计值)：

网络平均时延：由于区分服务域不涉及主机，因此这里计算得到的时延是网络的平均时延，单个网络时延是从数据包进入某一边缘路由器队列开始到从另一边缘路由器出队列所消耗的时间，而平均网络时延就是这些值的平均值；

网络抖动：在网络时延的基础之上计算得到；

流入流量：该时间段内流入整个区分服务域的数据包大小的总和；

流出流量：该时间段内流出整个区分服务域的数据包大小的总和；

网络状态：根据丢包率的比例，将网络状态分为五个等级，1级表示网络状态最好，依次递减；

除了以上针对所有业务的属性外，还有针对某一业务的属性。它是以上属性的针对某一业务的变体。

4.根据实时状态决策

功能：此过程重复步骤1和步骤2的部分功能，得到网络的实时参数。注意这一过程与步骤1和步骤2的区别在于它的实时性要求比较高。将处理得到的网络参数(即测试样例的属性)作为SVM的输入，得到接下来某段时间之后网络可能的状态。由于此过程在运算能力较强的服务器上实现，并且SVM分类的效率非常高，因此可以很快得到分类结果。根据分类结果选择恰当的策略以应对可能发生的拥塞。

5.下发策略

功能：服务器将策略发送到边缘路由器之上。与区分服务类似，策略的选择和DSCP标记的设置只需在边缘路由器上实现。因此只需要将策略发送到边缘路由器上即可。

6.路由器根据策略进行调节

功能：边缘路由器根据服务器下发的策略为数据包打上不同的DSCP标记。主要是将影响网络QoS的主要业务的数据包打上低优先级的DSCP标记。核心路由器根据该标记将不同的数据包放置到不同的虚队列中，以便实现对业务的区分。有此可见，本发明所采用的方法能够降低核心路由器的负担，具备了与区分服务类似的优点。

Claims (2)

1.一种基于业务区分的认知网络QoS保障方法，其特征在于该方法的步骤如下：

1)数据采集：边缘路由器以及核心路由器采集数据包到达路由器的相关信息，包括数据包行为入队列、出队列或者丢包、行为发生的时间、当前结点、下一跳结点、数据包大小、源IP地址、目的IP地址和业务类型；

2)信息汇聚和处理：边缘路由器以及核心路由器将各自所采集的数据包到达路由器的相关信息发往该区分服务域的中心服务器即域认知服务器，域认知服务器将这些信息进行处理，计算出符合离线训练SVM所需的网络QoS参数以及网络状态参数；首先，域认知服务器将核心路由器的表项中tType属性，与边缘路由器得到的表项进行匹配得到该项的值；然后将所有表项按时间进行排序并存储到新的文件中；然后再根据相应的数学公式计算出网络平均时延、网络抖动、流入流量、流出流量、网络业务所占比例信息作为训练SVM的样例的属性，另外，将该时间段之后的某一时间段网络的状态作为训练SVM样例的分类值；

3)训练SVM：根据某一时间段的符合训练SVM所需的网络QoS参数作为训练的参数，将该时间段之后的某一时刻符合训练SVM所需的网络的状态作为属性，训练SVM；

4)实时状态统计：边缘路由器以及核心路由器将各自所采集的网络实际运行过程中的参数汇聚到域认知服务器得到网络的实际QoS参数以及网络状态参数，将得到的实际QoS参数以及网络状态参数作为SVM的输入，输出是该状态之后某一时刻网络的状态；

5)下发策略：根据下一阶段网络可能的状态，域认知服务器将产生区分服务的新策略，并发送给边缘路由器；

6)边缘路由器根据策略进行调节，对不同的业务打上不同的DSCP标记，从而实现对业务的区分，转步骤1)。

2.根据权利要求1所述的基于业务区分的认知网络QoS保障方法，其特征在于步骤1)中数据采集采取抽样的方式：

a)业务类型信息采集：采用业务识别方法识别出各个数据流属于哪种类型，并记录该信息，在边缘路由器上实现；

b)数据包入队列，出队列以及丢包信息采集，在边缘路由器及核心路由器上实现。

Images