CN102550070B - 分组化网络中丢失率的估计方法 - Google Patents

Abstract

提供一种方法，根据该方法，在网络中单个点处收集有关下行流分组丢失的数据。根据所收集的数据，估计在收集点的至少两个子网下行流上的分组丢失率。各个子网可有一个或多个链路不同。

Description

分组化网络中丢失率的估计方法

技术领域

本发明涉及监控网络性能的方法，更具体地，涉及分组丢失率的确定。

背景技术

数据网络的性能对分组的丢失是敏感的。为了能够优化网络的性能，运营商需要具有关于在网络的各种链路上分组丢失的信息。例如，分组丢失的一个主要原因是缓冲器溢出。通过识别和量化归因于网络的节点处的缓冲器溢出的丢失率，网络运营商能够应用减轻网络的过载链路或过载节点处的业务负载的策略。

导致分组丢失的过载的危险在3G或4G无线网络中已变得特别严重。一个原因是在这种网络上在数据应用、语音应用和视频及其它应用之间存在对网络资源的竞争，每一个应用具有不同的带宽要求和不同的传送模式。这种竞争由于有限的可用于通过空中接口的内容传送的带宽和能够实现无线通信而通常需要的高容量的信令开销而加剧。

因此，在高级无线网络中特别需要监控分组丢失。通过监控例如诸如WCDMA移动通信网络的支持GPRS的网络的GGSN与GGSN所关联的每个基站之间的大部分或所有链路，可以获得特别的好处。然而，通过传统方法来实现需要在每个将被监控的链路上部署监控设备。由于高级无线网络可能具有几百甚至几千个这种链路，因此，这样广泛地部署监控设备通常是不可行的。

因此，仍然需要可根据网络上有限数量的位置来部署并仍然获取有关多个单独链路上的丢失率的信息的监控分组丢失的方法。

发明内容

我们已发明了这样一个方法。该方法包括：在网络中单个点处收集有关下行流分组丢失的数据，并根据所收集的数据，估计在收集点的至少两个子网下行流上的分组丢失率，其中，所述子网有至少一个链路不同。

在特定实施例中，数据收集由专用硬件监控设备执行。在某些实施例中，这种设备部署在GPRS核心网络的GGSN(GPRS支持节点)下面的第一链路上。

在特定实施例中，所收集的数据与从监控点延伸到多个基站(在一些实施例中甚至延伸到由基站支持的移动站)的核心网络或其一部分上的分组丢失率有关。

附图说明

图1是典型的具有GPRS核心网络的无线通信网络的一部分的简化示意图。

图2是图1的网络的一部分的视图，其被修改以示出用于在示例性实施例中实现本发明的分路器的组成。

图3是树形图的例子。

图4是用于在示例性实施例中实施本发明的过程的流程图。图3和4应当一起理解。

图5是图3的树形图的详情。

图6是用于在示例性实施例中实施本发明的过程的流程图。图5和图6应当一起理解。

图7是图3的树形图的另一个视图。

具体实施方式

在图1中示意性地表示了典型的具有GPRS核心网络的无线通信网络的一部分。沿着下行流方向，可以看到，从因特网10有到GGSN 20的链路，从GGSN有到多个SGSN(服务GPRS支持节点)30的链路，从每个SGSN有到多个RNC(无线网络控制器)40的链路，从每个RNC有到多个基站50的链路。每个基站可以与多个移动站60联系。

显然，根据图1，从GGSN向下至少到基站，各种网络单元形成以GGSN为根的树形图的节点，并且从每个单元到它下面的单元的链路形成了树形图的顶点。

本发明的方法可应用于任何可用树形图表示的分组化通信网络。如上所述，诸如图1的网络的无线GPRS网络是本发明的方法特别有用的一个例子。然而，本发明的方法的应用并不限于GPRS网络或无线网络。

本发明的方法可部署在运行在诸如图1的GGSN或其它节点的网络节点上的计算机或数字处理器上，或者它可被部署在专用机器上。配置了该方法的机器可以是例如根据软件指令运行的通用机器或者根据硬件或固件的控制而运行的专用机器。

在某些实施例中，配置了消息的机器可通过将分组业务的副本通过在链路上的中间点处安装的分路器转移来收集分组丢失信息。例如，图2示出图1的网络的一部分，其中，分路器70已被添加到GGSN 20与SGSN 80之间的链路上，监控设备90从分路器70接收被复制并转移的分组。可从所转移的分组中搜集信息并具有必要的计算能力以支持本发明的方法的实施的监控设备是众所周知的，无需在此作详细描述。

一般地，分路器70可位于在GGSN处或者在GGSN下面的任何点，因为在这种位置，它通常能够根据信令信息获取网络拓扑结构。监控设备需要知道其位置的树形网络下行流的拓扑结构，以便能够根据将要描述的方法来推测分组丢失率。

现在将参照图3和图4描述本发明的方法的示例性实施例。图3示出具有5级的树形图的一般例子。图4是下面将称为算法1的过程的步骤的流程图。

返回到图3，应当注意树形图中级数是任意的，仅为了说明的目的，选择了5级图。在某些实际的应用中，本发明的方法可以应用于其树形图少于5级的网络。例如，该方法可有效地应用于以图1的GGSN为根的图。如果图的叶子被认为是移动站，则该图将具有5级，反之，如果叶子被认为是基站，则图将只有4级。

在这一点应当注意，在至少某些实施例中，期望包括移动站作为图的叶子，但是，移动站可能很多，以致考虑单独的空中接口链路在计算上是不可行的。在这种情况下，将移动站分组成集中等效的节点是有利的，在这种方式下，每个基站服务至少两个等效节点。尽管这样的方法不能获得在单独的空中链路上的丢失率，但它常常会提供有关丢失率的有用信息作为空中链路的总体上的平均值。

在图3中，根节点被标记为n₀。将树形图的叶子，诸如节点n₄和n₆，称为“端节点”。将根与端节点之间的所有节点称为“中间节点”。中间节点的例子是节点n₂、n₃和n₅。

已经取得的重要观察是在网络的一个链路上收集的与相关的分组对的丢失有关的信息可以检验在网络的其它下行流链路上的丢失率。将该观察付诸实际，已定义了“对”为两个都是在时间间隔δ内从根节点传输的去往不同端节点的分组。δ的值可由运营商规定或者可适应性地确定。在许多网络中，在非常接近的时间内传输的分组的丢失之间具有高的相关性，并不只是因为如果一个分组由于缓冲器溢出而被丢弃，则很短时间后的分组可能遇到相同的命运。虽然δ的有效值将取决于感兴趣的特定网络的属性，但在WCDMA网络中的典型值可处于50-100毫秒的范围中。

当前可用的监控设备可确定在从监控点到用作叶子节点的网络单元的端到端路径上的分组丢失率，即，在合适的平均时间间隔上丢失的分组部分。一个这样的设备是阿尔卡特朗讯9900无线网络卫士(Wireless NetworkGuardian)，其可以从在新泽西州莫里山Mountain Avenue有办公室的阿尔卡特朗讯公司获得。当这种设备被放置在例如GPRS核心网络的GGSN处或者就在其下面时，它能够容易地测量GGSN与由有关该GGSN所关联的基站服务的移动站(各自或者分组成等效节点)之间的端到端分组丢失率。

因此，在许多网络中可测量的一个量是从根节点n₀到端节点n_i的端到端分组丢失率F_i。假设两个不同端节点n_i、n_j，另一个经常测量的量是去往n_i的分组和去往n_j的分组都丢失的概率F_i，j；δ，假设两个分组属于上述定义的一个对。

在许多网络中可测量的另一个量是从根节点传输的去往指定的端节点对n_i、n_j的(在合适的平均周期内计数的)所有分组对的部分(fraction)W_ij。也就是说，对于所有端节点n_i、n_j，i≠j，使N_ij表示去往(n_i，n_j)的分组对在平均周期上的总数。那么，通常W_ij＝N_ij/∑N_lm，其中总和(即，在索引l、m内)是在不同端节点的所有对上获得的。对于将在下面描述的本方法的实现，总和仅在不同的外部节点的所有对上获得，这将在下面定义。

现在将描述在此被称为算法1的用于估计从根节点n₀到选定的中间节点n_i的分组丢失率f_0i的过程。因此，例如，算法1可用于估计从图3的根节点到节点n₂的丢失率，即，在级联了路径l₁和l₂的路径上的丢失率。将选定的中间节点称为“内部节点”。本领域的普通技术人员将理解，精确的过程步骤会有许多变化，所描述的仅仅是说明性的。

中间节点必须满足一个标准，以便作为内部节点是合格的。为了是合格的内部节点，选定的中间节点必须是相对于经由在选定节点处交叉的不同分支的至少两个端节点的根节点。例如，图3的节点n₂是树形图的分支点。一个分支去往n₃并且从那儿有两个子分支，其中一个子分支在端节点n₄处终止。另一个分支去往节点n₅，然后在端节点n₆处终止。

在此还引入上面提到的外部节点的概念。假定选定的内部节点，则一对端节点是外部节点，如果：(1)选定的内部节点是相对于选定的端节点的根，并且(2)至少两个不同的分支在选定的内部节点处交叉，其中每一个分支在各自的选定的端节点处终止。在图3的例子中，n₄和n₆具有作为外部节点的资格(相对于选定的内部节点n₂)。

现在转到图4，过程的第一步骤110是根据测量获取：从根节点n₀到每个可能的外部节点n_p的端到端丢失率F_p、从根节点n₀到每个可能的外部节点对n_p、n_p’的对丢失率F_{p，p’；δ}和所有可能的外部节点对n_p、n_p’的对部分W_p，p’。(如在本说明书的其它部分指出的，在有大量的可能的外部节点的情况下，计算的经济可通过人工地将多个端节点分组成集合的等效节点来实现。)

过程的下一个步骤120是选择内部节点n_i。在图3的例子中，节点n₂被选为内部节点。

下一个步骤130是选择具有作为外部节点的资格的两个端节点n_j、n_k。下一个步骤140是使用在步骤110中获得的信息，计算从根部节点n₀到选定的内部节点n_i的分组丢失率f_0i的估计值。用于计算的公式在下面提供。在图3的例子，丢失率f₀₂根据端到端丢失率F_p、对部分W_lm以及F_4，6；δ估计。

现在将描述在此称为算法2的用于估计在从选定的中间节点n_j到树形图中位于n_j下面的选定的中间节点n_k的路径P_jk上的分组丢失率。为了选定的中间节点n_j和n_k符合算法2的应用的条件，每个中间节点必须相对于至少一个外部节点对有资格作为内部节点，如以上结合算法1所定义的。算法2将参照图5和图6描述。图5进一步详细地示出了图3的树形图。图6是算法2的步骤的流程图。本领域的普通技术人员将理解，精确的过程步骤会有许多变化，所描述的仅仅是说明性的。

在图5的例子中，分组丢失率将在从节点n₁到节点n₃的路径P₁₃上估计。参照图5，该路径可以被描述为链路l₂和l₃的级联。

现在转到图6，该过程的第一个步骤210是选择中间节点n_j、n_k。在图5的例子中，如所指出的，选定的中间节点是n₁、n₃。

下一个步骤220是使用算法1计算丢失率f_0j和f_0k。在图5的例子中，所计算的丢失率是f₀₁(即链路l₁上的丢失率)和f₀₃(即链路l₁、l₂和l₃的级联的链路上的丢失率)。

下一个步骤230是根据在步骤220中获得的丢失率计算在选定的中间节点之间的丢失率f_jk。在图5的例子中，丢失率f₁₃是链路l₂和l₃的级联的路径上的丢失率。

显然，根据图5，步骤230可以被认为是将三级路径n₀到n₁到n₃分解成一对两级路径n₀到n₁和n₀到n₃，以便获得在由于分解而产生的两个路径之间的差上的分组丢失率。

在步骤230中使用的公式是f_jk＝(f_0k-f_0j)/(1-f_0j)。在图5的例子中，计算是f₁₃＝(f₀₃-f₀₁)/(1-f₀₁)。在应用该公式中，f_jk的负值被入为零。

通过重复地应用算法1和2，可以容易地实现估计在每个合格链路上的分组丢失率。链路是合格的，如果(a)它在端节点处终止，或者(b)它在合格的内部节点处终止。

例如，现在参照图7描述用于估计在从根节点n₀到端节点n₄的每个链路上的分组丢失率。

从n₀到n₄的端到端丢失率是可测量的。因此，f₀₄被当作F₄。

从n₀到中间节点n₃的端到端丢失率f₀₃使用所测量的从根节点n₀到节点n₄和n₇的端到端丢失率的值和所测量的对丢失概率F_4，7；δ的值通过算法1计算。然后，算法2用于计算链路l₄上的丢失率f₃₄。

然后，算法1用于使用所测量的从根节点n₀到节点n₄和n₆的端到端丢失率的值和所测量的对丢失概率F_4，6；δ的值来计算从n₀到中间节点n₂的端到端丢失率f₀₂。然后，算法2用于使用所确定的值f₀₂和f₀₃来计算链路l₃上的丢失率f₂₃。

然后，算法1用于使用所测量的从n₀到n₄和另一个节点n₈(在图中未标识)的端到端丢失率的值和所测量的对丢失概率F_4，8；δ的值来计算从n₀到n₁的丢失率f₀₁。然后，算法2用于根据f₀₁和f₀₂计算链路l₂上的丢失率f₁₂。

从n₀到n₁的丢失率，即链路l₁上的丢失率，被设为已使用算法1计算的丢失率f₀₁。

数学详情

假设n_k是选定的内部节点，假设n_i和n_j是对应的外部节点。设f_0k是从根节点n₀到节点n_k的分组丢失率，f_ki和f_kj分别是从n_k到n_i和从n_k到n_j的分组丢失率。假定分组对中的两个分组将经历相同的丢失事件，即，或者两个都成功到达或者两个都未到达，并且在不同链路上的丢失事件是独立的，则可以表示为：

F_ij-F_iF_j＝f_0k(1-f_0k)(1-f_kif_kj)

因此，

$\underset{i\≠j}{\mathrm{\Σ}}{W}_{\mathrm{ij}}(F_{\mathrm{ij}}-F_i{F}_j)=f_{0k}(1-f_{0k})(1-\underset{i\≠j}{\mathrm{\Σ}}{W}_{\mathrm{ij}}{f}_{\mathrm{ki}}{f}_{\mathrm{kj}}),$

其中，对所有可能的外部节点对求总和。

现在定义对的两个分组都丢失的概率的加权平均F_pair为：

$F_{\mathrm{pair}}=\underset{i\≠j}{\mathrm{\Σ}}{W}_{\mathrm{ij}}{F}_{\mathrm{ij}},$

其中，对所有可能的外部节点对求总和。由于f_ki不能大于F_i，因此，其遵循：

$f_{0k}(1-f_{0k})(1-\underset{i\≠j}{\mathrm{\Σ}}{W}_{\mathrm{ij}}{F}_i{F}_j)\≤\underset{i\≠j}{\mathrm{\Σ}}{W}_{\mathrm{ij}}(F_{\mathrm{ij}}-F_i{F}_j)=\underset{i\≠j}{\mathrm{\Σ}}(F_{\mathrm{pair}}-W_{\mathrm{ij}}{F}_i{F}_j)\≤f_{0k}(1-f_{0k})$

遵循f_0k具有下限和上限，表示为：

$\frac{1-\sqrt{1-4\frac{F_{\mathrm{pair}}-{\mathrm{\Σ}}_{i\≠j}{W}_{\mathrm{ij}}{F}_i{F}_j}{1-{\mathrm{\Σ}}_{i\≠j}{W}_{\mathrm{ij}}{F}_i{F}_j}}}{2}\≤f_{0k}\≤\frac{1-\sqrt{1-4(F_{\mathrm{pair}}-{\mathrm{\Σ}}_{i\≠j}{W}_{\mathrm{ij}}{F}_i{F}_j}}{2}$

根据用于简化上述公式的有效近似，假定用于指定叶子对的分组对的出现独立于叶子本身；即，分组以概率w_i去往分支i，因此

$W_{\mathrm{ij}}\≅\frac{w_i{w}_j}{1-{\mathrm{\Σ}}_i{w}_i^2}.$

根据上述假定，

$\underset{i\≠j}{\mathrm{\Σ}}{W}_{\mathrm{ij}}{F}_i{F}_j\≅\frac{1}{1-\underset{i}{\mathrm{\Σ}}{w}_i^2}({\left(\underset{i}{\mathrm{\Σ}}{w}_i{F}_i\right)}^2-\underset{i}{\mathrm{\Σ}}{w}_i^2{F}_i^2).$

因此，足以跟踪单独的分组部分w_i而不是对部分W_ij，以获得上限和下限的有效近似。

现在定义相对叶子的平均端到端丢失率F_L为：

$F_L=\underset{i}{\mathrm{\Σ}}{w}_i{F}_i,$

对所有叶子(即是可能的外部节点的端节点)求总和。因此，使用前面的近似，

$\underset{i\≠j}{\mathrm{\Σ}}{W}_{\mathrm{ij}}{F}_i{F}_j\≅\frac{1}{1-\underset{i}{\mathrm{\Σ}}{w}_i^2}(F_L^2-\underset{i}{\mathrm{\Σ}}{w}_i^2{F}_i^2).$

如果有许多叶子但分组到达在其未支配的叶子中足够统一，则总和将小。如果总和被认为是可忽略的小，则近似为：

$\underset{i\≠j}{\mathrm{\Σ}}{W}_{\mathrm{ij}}{F}_i{F}_j\≅F_L^2,$

其根据下式获得近似的下限和上限：

$\frac{1-\sqrt{1-4\frac{F_{\mathrm{pair}}-F_L^2}{1-F_L^2}}}{2}\≤f_{0k}\≤\frac{1-\sqrt{1-4(F_{\mathrm{pair}}-F_L^2)}}{2}.$

如上所述，通过将分支分组成多个集中的伪分支，可以在有许多叶子分支的情况下获得到计算上的简化。该分组可以随机地有利实施。这可被实现而在估计效用上没有实质丢失。也就是说，通过分组擦除的信息仅仅是涉及各自的目的地落入相同组的分组对。因此，假定例如有至少10个组，则有关不超过10％的分组对的信息将丢失。

如上所述，在算法1的计算中涉及到的各种总和可在所有可能的外部节点对上进行。在应用算法1的可选方法中，我们做到如下几点：

对于指定的内部节点，考虑它的每个分支和终止那些分支的全部端节点。将所有终止指定分支的端节点分组成人工集中的端节点。通过将集中的端节点当作单个节点，树形图从指定的内部节点延伸到集中的端节点的部分被转换成为通常具有许多分支的两级树，其中每个分支终止于一个集中的端节点。当应用该可选方法时，总和对(不同的)集中的端节点的所有可能的对求取。

在至少某些情况下，上述的可选方法可在降低计算量和增加准确性上都是有利的。原因是有很少的在其上进行求和的有效的外部节点，并且当太少的分组去往某些端节点时，外部节点的合并降低了可能在端到端丢失率的确定中出现的不准确性。

Claims (6)

1.一种方法，包括：

在网络中单个收集点处收集有关下行流分组丢失的数据，其中，所述网络从所述收集点向下游的多个端节点分支并包括介于所述收集点与至少一些所述端节点之间的节点，其中，所述数据描述所述网络的不同分支上所述收集点与两个或更多个端节点之间的端到端丢失率、根节点与所述两个或更多个端节点中的每个端节点对之间的对丢失率，以及所述两个或更多个端节点中的每个端节点对之间的对部分；以及

根据所收集的数据，估计所述网络中的至少一个链路上的分组丢失率，所述至少一个链路在所述收集点开始而在中间点处终止、或者在中间节点处开始而在另一个中间节点处终止、或者在中间节点处开始而在端节点处终止，其中，所述中间节点是所述网络的分支点。

2.根据权利要求1所述的方法，其中，数据收集由专用硬件监控设备执行。

3.根据权利要求1所述的方法，其中，数据收集由在GPRS核心网络的GPRS支持节点(GGSN)下面的第一链路上部署的专用硬件监控设备执行。

4.根据权利要求1所述的方法，其中，所收集的数据与在GPRS核心网络的从所述收集点延伸到多个基站的部分上的分组丢失有关。

5.根据权利要求1所述的方法，其中，所收集的数据与在GPRS核心网络的从所述收集点延伸到多个移动站的部分上的分组丢失有关。

6.一种监控设备，包括：

输入，用于在网络中单个收集点处收集有关下行流分组丢失的数据，其中，所述网络从所述收集点向下游的多个端节点分支并包括介于所述收集点与至少一些所述端节点之间的节点，其中，所述数据描述所述网络的不同分支上所述收集点与两个或更多个端节点之间的端到端丢失率、根节点与所述两个或更多个端节点中的每个端节点对之间的对丢失率，以及所述两个或更多个端节点中的每个端节点对之间的对部分；以及

电路，其被配置为根据所收集的数据，估计所述网络中的至少一个链路上的分组丢失率，所述至少一个链路在所述收集点开始而在中间点处终止、或者在中间节点处开始而在另一个中间节点处终止、或者在中间节点处开始而在端节点处终止。