CN102413021A - 一种基于探针预测的覆盖网络性能监测方法 - Google Patents

Abstract

本发明公开了一种基于探针预测的覆盖网络性能监测方法，涉及网络通信领域。所述方法包括：从探针集合中随机选出部分探针，发送其最大线性无关组对应的探针；计算部分探针中未发送探针的丢包率，并采用真值矩阵表示所有探针的拥塞情况；D：对当前真值矩阵进行预测，得到当前预测矩阵和当前参考矩阵；判断是否存在上一个参考矩阵，如果存在，判断当前参考矩阵与上一个参考矩阵相比，变化的元素数量是否超过第一阈值，如果是，执行步骤F，否则，输出疑似拥塞链路集合；如果不存在，执行步骤F；F：选出不确定度高的探针进行发送，更新当前真值矩阵，执行步骤D。所述方法，减小了因网络监测而对网络造成的负载。

Description

一种基于探针预测的覆盖网络性能监测方法

技术领域

本发明涉及网络通信技术领域，特别涉及一种基于探针预测的覆盖网络性能监测方法。

背景技术

随着互联网信息化的普及，计算机系统网络的规模不断扩大和复杂程度不断增大，互联网的网络性能僵化难题日益突出，覆盖网的提出解决了这个难题。覆盖网是建立在一个或多个现有网络顶部的虚拟网络，它由主机、路由器和隧道三个部分组成，隧道是基于底层网络的路径，也是覆盖网络的逻辑链路；每条链路由底层网络的若干个单跳组成，覆盖网络链路的特征参数如时延、带宽和丢包率也是底层网络链路的集合。覆盖网的部署不必改变现有网络，它的属性是可以变化的，具有很强的灵活性。但是随着覆盖网的广泛运用，覆盖网中的链路性能面临着严峻的考验，链路拥塞时有发生。通过测量每条链路的状态来判断其是否拥塞所耗费的成本巨大且不现实。如何以最小的测量和最小的计算复杂度最准确地定位出拥塞链路成为当前研究的重点。

当前解决覆盖网络中链路拥塞定位的难题主要是通过测量路径状态来推断链路状态。然而，当覆盖网中的终端设备比较多的时候，需要测量的路径数目就越大，所产生的开销也就随之增加。对于一个具有n个终端节点终端设备的覆盖网络，需要测量n²数量级的路径的状态才能推断出该覆盖网中的链路状态。这种方法虽然在一定程度上可以确定出链路的状态，但是有两个弊端。一方面，当覆盖网的规模不断扩大的时候，所需要测量的路径数目就会随着覆盖网中终端节点的数目不断增加，这对覆盖网的管理带来了巨大的成本；另一方面，由于需要测量覆盖网中的路径状态，就需要向网络中发送大量探针，这就产生了巨大的网络负载，影响了覆盖网的性能。

公开号为CN101170447的发明专利，公开了一种基于主动探针的服务故障诊断系统及其方法，使用主动探针有效监测网络中的服务性能，保证在各个接入网内使用服务的性能，当监测发现异常时，根据监测到的症状快速准确地定位出故障根源。该方案先向所监测网络中发送一定数量的监测探针，以检验网络中是否有故障产生，当网络中有故障产生时再发送一定数量的诊断探针来进行故障定位，其具备一定的故障诊断性能。但是，这种方案需要向网络中发送大量的探针，当网络越复杂，所需要发送的探针数量就越多，这也增加了网络中的流量，对网络的负载影响比较大。

发明内容

(一)要解决的技术问题

本发明要解决的技术问题是：如何提供一种基于探针预测的网络性能监测方法，通过发送较少的探针实现对网络的监测，以减小因网络监测而对网络造成的负载。

(二)技术方案

为解决上述技术问题，本发明提供一种基于探针预测的覆盖网络性能监测方法，其包括步骤：

B：从探针集合中随机选出部分探针，计算所述部分探针的最大线性无关组，发送所述最大线性无关组对应的探针；

C：根据所述最大线性无关组对应的探针的丢包率，计算所述部分探针中未发送探针的丢包率，并采用真值矩阵表示所述探针集合中所有探针的拥塞情况；

D：对当前真值矩阵进行预测，得到当前预测矩阵和对应当前预测矩阵的当前参考矩阵；

E：判断是否存在上一个参考矩阵，如果存在，判断当前参考矩阵与上一个参考矩阵相比，发生变化的元素数量是否超过第一阈值，如果超过，执行步骤F，否则，执行步骤G；如果不存在，执行步骤F；

F：根据当前预测矩阵，选出不确定度最高的预设值个探针进行发送，并根据所述预设值个探针的丢包率对当前真值矩阵进行更新，执行步骤D；

G：根据当前参考矩阵，输出疑似拥塞链路集合。

优选地，在所述步骤B之前还包括步骤A：确定覆盖网络的探针集合。

优选地，所述步骤B具体包括步骤：

B1：从所述探针集合中随机选出三分之一的探针作为被选中的部分探针；

B2：构造一个原始矩阵，所述原始矩阵的行对应所述部分探针中的每个探针，列对应所述覆盖网络中的每段虚拟链路，所述原始矩阵中的元素1表示当前行对应的探针经过当前列对应的虚拟链路，所述原始矩阵中的元素0表示当前行对应的探针不经过当前列对应的虚拟链路；

B3：计算所述原始矩阵的行向量的最大线性无关组，作为所述部分探针的最大线性无关组，发送所述最大线性无关组对应的探针。

优选地，所述步骤C具体包括步骤：

C1：根据所述最大线性无关组对应的探针的丢包率，计算所述部分探针中未发送探针的丢包率；

C2：根据所述部分探针的丢包率，构造一个非完全矩阵，所述非完全矩阵的行和列均对应所述覆盖网络的终端节点，所述部分探针中的拥塞探针对应所述非完全矩阵中的元素1，所述部分探针中的非拥塞探针对应所述非完全矩阵中的元素0，所述探针集合中未被选中的探针对应所述非完全矩阵中的空缺元素；

C3：将所述非完全矩阵中的元素1转换为-1，元素0转换为1，空缺元素用0填充，得到表示所述探针集合中所有探针的拥塞情况的真值矩阵。

优选地，所述步骤D具体包括步骤：

D1：学习出当前真值矩阵的特征向量和系数向量；

D2：计算所述特征向量和系数向量的乘积，将所述乘积对应矩阵作为当前预测矩阵；

D3：将当前预测矩阵中大于0的元素转换为1，小于等于0的元素转换为-1，得到对应当前预测矩阵的当前参考矩阵。

优选地，所述步骤E具体包括步骤：

E1：判断是否存在上一个参考矩阵，如果是，执行步骤E2，否则，执行步骤F；

E2：判断当前参考矩阵与上一个参考矩阵相比，发生变化的元素数量是否超过所述探针集合中探针总数的5％，如果是，执行步骤F，否则，执行步骤G。

优选地，所述步骤F具体包括步骤：

F1：从当前预测矩阵中，选出绝对值最小的预设值个元素对应探针进行发送；

F2：根据所述预设值个元素对应的探针的丢包率对当前真值矩阵进行更新，执行步骤D。

优选地，所述预设值为所述探针集合中探针总数的5％。

优选地，所述步骤G具体包括步骤：

G1：根据当前参考矩阵，计算所述覆盖网络中每段虚拟链路的疑似拥塞概率；

G2：判断每段虚拟链路的疑似拥塞概率是否大于第二阈值，如果是，将相应的虚拟链路放入疑似拥塞链路集合；否则，不做处置。

G3：输出所述疑似拥塞链路集合。

优选地，所述步骤G1中，计算所述覆盖网络中每段虚拟链路的疑似拥塞概率的公式如下：

$a_{L_j}=\frac{{\mathrm{\Σ}}_{S_i\∈S}P\left(S_i\right|L_j)}{{\mathrm{\Σ}}_{S_i\∈N}P\left(S_j\right|L_j)}$

其中，L_j表示编号为j的虚拟链路；表示L_j的疑似拥塞概率；S_i表示编号为i的探针；S表示经过L_j的拥塞探针的集合；N表示经过L_j的所有探针的集合；i和j均为自然数。

(三)有益效果

本发明所述基于探针预测的网络性能监测方法，首先从探针集合中选择少量探针，然后计算所选探针的一个最大线性无关组并进行发送，再利用所发送的探针的丢包率计算出所选探针的丢包率，进而预测出所有探针的拥塞情况，从而以尽可能少的探针发送实现了对网络的有效监测，减小了因网络监测而对网络造成的负载。

附图说明

图1是本发明实施例所述的基于探针预测的网络性能监测方法流程图；

图2是覆盖网络示意图；

图3是覆盖网络的探针矩阵示意图；

图4是原始矩阵示意图；

图5是非完全矩阵示意图；

图6是真值矩阵示意图；

图7是预测矩阵示意图；

图8是参考矩阵示意图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

图1是本发明实施例所述的基于探针预测的网络性能监测方法流程图。如图1所示，所述方法包括：

步骤A：确定覆盖网络的探针集合。从所述覆盖网络中的每一个终端节点向其它所有终端节点按照最短路径发送数据包，并检测收到数据包数量，以检测它们之间的丢包率。这些被发送的数据包就是探针，这些探针组成了所述探针集合。图2是覆盖网络示意图；图3是覆盖网络的探针矩阵示意图。如图2和图3所示，本实施例中覆盖网络共包括5个终端节点：A，B，C，D，E；对应的探针集合为{P1，P2，P3，P4，P5，P6，P7，P8，P9，P10}。图3所示探针矩阵中，1表示相应的探针经过当前虚拟链路，0表示相应的探针未经过当前虚拟链路。以探针P1为例，其经过虚拟链路L1，L2，图3中相应位置为1，其未经过其他链路，图3中相应位置为0。

步骤B：从探针集合中随机选出部分探针，计算所述部分探针的最大线性无关组，发送所述最大线性无关组对应的探针。所述步骤B具体包括：

步骤B1：从所述探针集合中随机选出三分之一的探针作为被选中的部分探针。

步骤B2：构造一个原始矩阵，所述原始矩阵的行对应所述部分探针中的每个探针，列对应所述覆盖网络中的每段虚拟链路，所述原始矩阵中的元素1表示当前行对应的探针经过当前列对应的虚拟链路，所述原始矩阵中的元素0表示当前行对应的探针不经过当前列对应的虚拟链路。

步骤B3：计算所述原始矩阵的行向量的最大线性无关组，作为所述部分探针的最大线性无关组，发送所述最大线性无关组对应的探针。

图4是原始矩阵示意图。仍以图2所示覆盖网络为例，假设探针P1，P2，P5为被选中的部分探针，相应得到如图4所示原始矩阵。对于所述原始矩阵，探针P_i可以由向量v∈{0，1}^s表示，其中s表示为虚拟链路的数量10，向量v的第j(本实施例中j为自然数，并且1≤j≤10)个值取1表示探针经过第j条链路，否则取0。若用p_i表示探针P_i的丢包率(本实施例中i为自然数，并且1≤i≤10)，l_j表示第j条链路的丢包率，则可以得到等式：

$1-p_i={\mathrm{\Π}}_{j=1}^s{(1-l_j)}^{v_j}$

定义一个向量x∈R^s，其中第j个元素为x_j＝log(1-l_j)，则可以得到等式

$\mathrm{Log}(1-p_i)={\mathrm{\Σ}}_{j=1}^s{v}_j\log (1-l_j)={\mathrm{\Σ}}_{j=1}^s{v}_j{x}_j=v^{T}x$

其中，v^T为向量v的转置。

定义一个向量b∈R^s其中第i个元素为b_i＝log(1-p_i)，那么可以得到等式E^Tx＝b，其中E^T表示原始矩阵，即(P1’，P2’，P5’)^T，P1’，P2’，P5’分别表示探针P1，P2，P5对应的行向量。将x分解为x＝x_E+x_N，其中x_E为x在探针空间的投影，x_N为x在零空间上的投影，即E^Tx_N＝0，得到E^Tx_E＝b。经过计算可以得到最大线性无关组对应的探针为P1和P5，并且P2’＝(1，1，1，1，0，0，1，0，0，0)＝(1，1，0，0，0，0，0，0，0，0)+(0，0，1，1，0，0，1，0，0，0)＝P1’+P5’。假设探针P1，P2，P5的丢包率依次为p₁，p₂，p₅；相应地有b₁＝log(1-p₁)，b₂＝log(1-p₂)，b₅＝log(1-p₅)，向量b＝(b₁，b₂，b₅)^T。由E^Tx_E＝b，得到(P1’，P2’，P5’)^T x_E＝(b₁，b₂，b₅)^T，即P1’×x_E＝b₁，P5’×x_E＝b₅，因此有b₂＝P2’×x_E＝(P1’+P5’)×x_E＝b₁+b₅。再根据b₂＝log(1-p₂)可以得到探针P2的丢包率p₂。

步骤C：根据所述最大线性无关组对应的探针的丢包率，计算所述部分探针中未发送探针的丢包率，并采用真值矩阵表示所述探针集合中所有探针的拥塞情况。所述步骤C具体包括：

步骤C1：根据所述最大线性无关组对应的探针的丢包率，计算所述部分探针中未发送探针的丢包率。

步骤C2：根据所述部分探针的丢包率，构造一个非完全矩阵，所述非完全矩阵的行和列均对应所述覆盖网络的终端节点，所述部分探针中的拥塞探针对应所述非完全矩阵中的元素1，所述部分探针中的非拥塞探针对应所述非完全矩阵中的元素0，所述探针集合中未被选中的探针对应所述非完全矩阵中的空缺元素。本实施例中，如果探针的丢包率大于0.05，则认为其为拥塞探针，否则，认为其为非拥塞探针。图5是非完全矩阵示意图，如图5所示，仍以图2所示覆盖网络为例，根据丢包率得到探针P2(终端节点A到终端节点C)和P5(终端节点B到终端节点C)为拥塞探针，非完全矩阵中相应元素为1；探针P1(终端节点A到终端节点B)为非拥塞探针，非完全矩阵中相应元素为0；每个终端节点到自身不会拥塞，因此，非完全矩阵中对角线元素为0。

步骤C3：将所述非完全矩阵中的元素1转换为-1，元素0转换为1，空缺元素用0填充，得到表示所述探针集合中所有探针的拥塞情况的真值矩阵。图6是真值矩阵示意图，如图6所示，经过步骤C3后，得到图6所示最初的真值矩阵，在该真值矩阵中，元素-1表示拥塞，元素1表示正常，元素0表示未知。

步骤D：对当前真值矩阵进行预测，得到当前预测矩阵和对应当前预测矩阵的当前参考矩阵。所述步骤D具体包括：

步骤D1：学习出当前真值矩阵的特征向量和系数向量。

步骤D2：计算所述特征向量和系数向量的乘积，将所述乘积对应矩阵作为当前预测矩阵。图7是预测矩阵示意图，如图7所示，经过步骤D1和步骤D2后，对真值矩阵中的未知元素进行了预测，预测结果为介于-1至1之间的实数。

步骤D3：将当前预测矩阵中大于0的元素转换为1，小于等于0的元素转换为-1，得到对应当前预测矩阵的当前参考矩阵。图8是参考矩阵示意图，如图8所示，经过步骤D3后，所得参考矩阵中的元素为1或者-1，-1对应的探针为拥塞探针，1对应的探针为非拥塞探针。

步骤E：判断是否存在上一个参考矩阵，如果存在，判断当前参考矩阵与上一个参考矩阵相比，发生变化的元素数量是否超过第一阈值，如果超过，执行步骤F，否则，执行步骤G；如果不存在，执行步骤F。所述步骤E具体包括：

步骤E1：判断是否存在上一个参考矩阵，如果是，执行步骤E2，否则，执行步骤F；

步骤E2：判断当前参考矩阵与上一个参考矩阵相比，发生变化的元素数量是否超过所述探针集合中探针总数的5％，如果是，执行步骤F，否则，执行步骤G。

步骤F：根据当前预测矩阵，选出不确定度最高的预设值个探针进行发送，并根据所述预设值个探针的丢包率对当前真值矩阵进行更新，执行步骤D。所述步骤F具体包括步骤：

步骤F1：从当前预测矩阵中，选出绝对值最小的预设值个元素对应探针进行发送；所述预设值为所述探针集合中探针总数的5％。为简单起见，本实施例假设每次只补充发送一个绝对值最小的元素对应的探针。图7所示预测矩阵中，绝对值最小的元素为-0.002，即从终端节点B到终端节点D的探针P6将会被补充发送。

步骤F2：根据所述预设值个元素对应的探针的丢包率对当前真值矩阵进行更新，执行步骤D。如果新发送的探针的丢包率显示该探针为拥塞探针，将真值矩阵中相应元素更新为-1，否则，将真值矩阵中相应元素更新为1。

步骤G：根据当前参考矩阵，输出疑似拥塞链路集合。所述步骤G具体包括：

步骤G1：根据当前参考矩阵，计算所述覆盖网络中每段虚拟链路的疑似拥塞概率。所述步骤G1中，计算所述覆盖网络中每段虚拟链路的疑似拥塞概率的公式如下：

$a_{L_j}=\frac{{\mathrm{\Σ}}_{S_i\∈S}P\left(S_i\right|L_j)}{{\mathrm{\Σ}}_{S_i\∈N}P\left(S_j\right|L_j)}$

其中，L_j表示编号为j的虚拟链路；

表示L_j的疑似拥塞概率；S_i表示编号为i的探针；S表示经过L_j的拥塞探针的集合；N表示经过L_j的所有探针的集合；i和j均为介于1到10的自然数。以图2中虚拟链路L1为例，探针P1，P2，P3，P4经过L1。假设L1拥塞导致经过L1的探针拥塞的概率为0.9，则L1的疑似拥塞概率

$a_{L_1}=\frac{P\left(P1\right|L1)}{P\left(P1\right|L1)+P\left(P2\right|L1)+P\left(P3\right|L1)+P\left(P4\right|L1)}=\frac{0.9}{0.9+0.9+0.9+0.9}=0.25$

步骤G2：判断每段虚拟链路的疑似拥塞概率是否大于第二阈值，如果是，将相应的虚拟链路放入疑似拥塞链路集合；否则，不做处置。所示第二阈值一般为0.5，因此，上述虚拟链路L1为正常链路，不需要放入疑似拥塞链路集合。

步骤G3：输出所述疑似拥塞链路集合。

本发明实施例所述基于探针预测的网络性能监测方法，首先从探针集合中选择少量探针，然后计算所选探针的一个最大线性无关组并进行发送，再利用所发送的探针的丢包率计算出所选探针的丢包率，进而预测出所有探针的拥塞情况，从而以尽可能少的探针发送实现了对网络的有效监测，减小了因网络监测而对网络造成的负载。

以上实施方式仅用于说明本发明，而并非对本发明的限制，有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本发明的范畴，本发明的专利保护范围应由权利要求限定。

Claims (10)

1.一种基于探针预测的覆盖网络性能监测方法，其特征在于，包括步骤：

B：从探针集合中随机选出部分探针，计算所述部分探针的最大线性无关组，发送所述最大线性无关组对应的探针；

C：根据所述最大线性无关组对应的探针的丢包率，计算所述部分探针中未发送探针的丢包率，并采用真值矩阵表示所述探针集合中所有探针的拥塞情况；

D：对当前真值矩阵进行预测，得到当前预测矩阵和对应当前预测矩阵的当前参考矩阵；

E：判断是否存在上一个参考矩阵，如果存在，判断当前参考矩阵与上一个参考矩阵相比，发生变化的元素数量是否超过第一阈值，如果超过，执行步骤F，否则，执行步骤G；如果不存在，执行步骤F；

F：根据当前预测矩阵，选出不确定度最高的预设值个探针进行发送，并根据所述预设值个探针的丢包率对当前真值矩阵进行更新，执行步骤D；

G：根据当前参考矩阵，输出疑似拥塞链路集合。

2.如权利要求1所述的方法，其特征在于，在所述步骤B之前还包括步骤A：确定覆盖网络的探针集合。

3.如权利要求2所述的方法，其特征在于，所述步骤B具体包括步骤：

B1：从所述探针集合中随机选出三分之一的探针作为被选中的部分探针；

B2：构造一个原始矩阵，所述原始矩阵的行对应所述部分探针中的每个探针，列对应所述覆盖网络中的每段虚拟链路，所述原始矩阵中的元素1表示当前行对应的探针经过当前列对应的虚拟链路，所述原始矩阵中的元素0表示当前行对应的探针不经过当前列对应的虚拟链路；

B3：计算所述原始矩阵的行向量的最大线性无关组，作为所述部分探针的最大线性无关组，发送所述最大线性无关组对应的探针。

4.如权利要求3所述的方法，其特征在于，所述步骤C具体包括步骤：

C1：根据所述最大线性无关组对应的探针的丢包率，计算所述部分探针中未发送探针的丢包率；

C2：根据所述部分探针的丢包率，构造一个非完全矩阵，所述非完全矩阵的行和列均对应所述覆盖网络的终端节点，所述部分探针中的拥塞探针对应所述非完全矩阵中的元素1，所述部分探针中的非拥塞探针对应所述非完全矩阵中的元素0，所述探针集合中未被选中的探针对应所述非完全矩阵中的空缺元素；

C3：将所述非完全矩阵中的元素1转换为-1，元素0转换为1，空缺元素用0填充，得到表示所述探针集合中所有探针的拥塞情况的真值矩阵。

5.如权利要求4所述的方法，其特征在于，所述步骤D具体包括步骤：

D1：学习出当前真值矩阵的特征向量和系数向量；

D2：计算所述特征向量和系数向量的乘积，将所述乘积对应矩阵作为当前预测矩阵；

D3：将当前预测矩阵中大于0的元素转换为1，小于等于0的元素转换为-1，得到对应当前预测矩阵的当前参考矩阵。

6.如权利要求5所述的方法，其特征在于，所述步骤E具体包括步骤：

E1：判断是否存在上一个参考矩阵，如果是，执行步骤E2，否则，执行步骤F；

E2：判断当前参考矩阵与上一个参考矩阵相比，发生变化的元素数量是否超过所述探针集合中探针总数的5％，如果是，执行步骤F，否则，执行步骤G。

7.如权利要求6所述的方法，其特征在于，所述步骤F具体包括步骤：

F1：从当前预测矩阵中，选出绝对值最小的预设值个元素对应探针进行发送；

F2：根据所述预设值个元素对应的探针的丢包率对当前真值矩阵进行更新，执行步骤D。

8.如权利要求7所述的方法，其特征在于，所述预设值为所述探针集合中探针总数的5％。

9.如权利要求7所述的方法，其特征在于，所述步骤G具体包括步骤：

G1：根据当前参考矩阵，计算所述覆盖网络中每段虚拟链路的疑似拥塞概率；

G2：判断每段虚拟链路的疑似拥塞概率是否大于第二阈值，如果是，将相应的虚拟链路放入疑似拥塞链路集合；否则，不做处置。

G3：输出所述疑似拥塞链路集合。

10.如权利要求9所述的方法，其特征在于，所述步骤G1中，计算所述覆盖网络中每段虚拟链路的疑似拥塞概率的公式如下：

$a_{L_j}=\frac{{\mathrm{\Σ}}_{S_i\∈S}P\left(S_i\right|L_j)}{{\mathrm{\Σ}}_{S_i\∈N}P\left(S_j\right|L_j)}$

其中，L_j表示编号为j的虚拟链路；

表示L_j的疑似拥塞概率；S_i表示编号为i的探针；S表示经过L_j的拥塞探针的集合；N表示经过L_j的所有探针的集合；i和j均为自然数。

Images