CN102916851A

CN102916851A - 一种网络流量预测方法及装置

Info

Publication number: CN102916851A
Application number: CN2012103593870A
Authority: CN
Inventors: 吕广杰; 朱波
Original assignee: Inspur Beijing Electronic Information Industry Co Ltd
Current assignee: Baoding Inspur Cloud Computing Co ltd
Priority date: 2012-09-24
Filing date: 2012-09-24
Publication date: 2013-02-06
Anticipated expiration: 2032-09-24
Also published as: CN102916851B

Abstract

本发明提供一种网络流量预测方法及装置，该方法包括：获取云操作系统中待预测点周围抽样时刻的流量样本值；利用不同抽样时刻的流量样本值，根据插值预测算法计算网络流量预测值。根据本发明可以准确快速预测云操作系统的网络流量。

Description

一种网络流量预测方法及装置

技术领域

本发明涉及云OS(Operating System，操作系统)中基础设备监控系统领域，具体涉及一种高效、准确的网络流量预测方法及装置。

背景技术

随着信息科技的发展，云计算逐步成为业界的发展热点，国内外各大厂商的云计算服务平台也开始纷纷投入到科学、教育、文化、卫生、政府、高性能计算、电子商务、物联网等多个领域进行使用。

在云OS中，资源调度模块是系统的核心组成部分，通过资源调度，达到系统中各资源合理、高效、低耗地运行。网络流量曲线，是资源调度模块的重要依据之一。但由于系统运行速度要求，不可能时时获取流量值，所以，对于任意时刻流量值的预测，特别是下一时刻流量值，变得尤为重要。

传统的网络流量预测方法，采用最近邻算法、加权平均法或样条拟合法进行预测，要么准确度太低，要么时间复杂度太高，无法满足云OS中资源调度系统的要求。如何在保证高准确度的前提下，尽量减小预测算法的时间复杂度，成为一个难点问题。

发明内容

本发明要解决的技术问题是提供一种网络流量预测方法及装置，以准确快速预测云操作系统的网络流量。

为了解决上述技术问题，本发明提供了一种网络流量预测方法，包括：

获取云操作系统中待预测点周围抽样时刻的流量样本值；

利用不同抽样时刻的流量样本值，根据插值预测算法计算网络流量预测值。

进一步地，上述方法还具有下面特点：所述获取云操作系统中待预测点周围抽样时刻的流量样本值是通过以下方式实现的：

使用简单网络管理协议来获取的。

进一步地，上述方法还具有下面特点：所述插值预测算法包括：

埃特金插值算法。

为了解决上述问题，本发明还提供了一种网络流量预测装置，包括：

第一模块，用于获取云操作系统中待预测点周围抽样时刻的流量样本值；

第二模块，用于利用不同抽样时刻的流量样本值，根据插值预测算法计算网络流量预测值。

进一步地，上述装置还具有下面特点：

所述第一模块，是使用简单网络管理协议获取云操作系统中待预测点周围抽样时刻的流量样本值的。

进一步地，上述装置还具有下面特点：所述插值预测算法包括：

埃特金插值算法。

综上，本发明提供一种网络流量预测方法及装置，以准确快速预测云操作系统的网络流量。

附图说明

图1为本发明实施例的网络流量预测方法的流程图；

图2为本发明实施例的网络流量预测装置的示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，下文中将结合附图对本发明的实施例进行详细说明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互任意组合。

图1为本发明实施例的网络流量预测方法的流程图，如图1所示，包括以下步骤：

步骤101、获取云操作系统中待预测点周围抽样时刻的流量样本值；

具体地，可以使用SNMP(Simple Network Management Protocol，简单网络管理协议)获取待预测点周围抽样时刻的流量样本值；

通过使用SNMP，获得靠近且尽量使待预测点位于其中心的若干个抽样时刻的网络流量累积值，并计算求得各时刻流量样本值(公式为：y_k＝Y_K-Y_K-1；其中，y_k为t_k时刻流量值，Y_k为t_k时刻流量累积值，作为预测算法的数据基础。

例如，指定一定的时间段，使用SNMP获取待预测时刻附近10个(或n个)抽样时刻的网络流量累积值，计算得到该10个(或n个)时刻的流量样本值。

使用广泛适用于各种服务器、存储以及网络设备的SNMP获取待预测点周围抽样时刻的流量样本值，具有适用性、实时性、快捷性。选择样本点的分段越为精细，样本点的个数越多，则预测值就越为准确。

步骤102、利用不同抽样时刻的流量样本值，根据插值预测算法计算网络流量预测值；

通过插值预测算法，将高次插值过程转化为线性插值的多次重复计算，利用不同时刻的流量抽样值，准确率更高；时间复杂度低、计算简便、便于编程、占用存储空间小、预测结果准确。

将计算得到的流量样本值代入埃特金插值表，按照埃特金插值公式，逐行计算未知系数，直到求出最后一行，获得待预测时刻的预测值。

本实施例中可以采用埃特金插值算法，以提高该预测方法精度，常见的插值算法还有：拉格朗日插值算法、牛顿插值算法。

埃特金插值表如下：

t₀ a_0，0(y₀)

t₁ a_1，0(y₁) a_1，1

t₂ a_2，0(y₂) a_2，1 a_2，2

……？……

t_m-1 a_m-1，0(y_m-1)a_m-1，1 a_m-1，2…a_m-1，m-1

其中，前两列是m对插值结点，即a_k，0＝y_k＝y(t_k)，k＝0，1，…，m-1；剩余各列可由埃特金插值公式计算得到：

\{\begin{matrix} a_{k, l} = a_{l - 1, l - 1} + \frac{t - t_{l - 1}}{t_{k} - t_{l - 1}} (a_{k, l - 1} - a_{l - 1, l - 1}), k = l, \cdot \cdot \cdot, m - 1; \\ l = 1, \cdot \cdot \cdot, m - 1 \end{matrix}

即：

\{\begin{matrix} a_{1,1} = a_{0,0} + \frac{t - t_{0}}{t_{1} - t_{0}} (a_{1,0} - a_{0,0}); \\ a_{2,1} = a_{0,0} + \frac{t - t_{0}}{t_{2} - t_{0}} (a_{2,0} - a_{0,0}); \\ a_{2,2} = a_{1,1} + \frac{t - t_{1}}{t_{2} - t_{1}} (a_{2,1} - a_{1,1}) \\ = a_{0,0} + \frac{t - t_{0}}{t_{1} - t_{0}} (a_{1,0} - a_{0,0}) + \frac{t - t_{1}}{t_{2} - t_{1}} [\frac{t - t_{0}}{t_{2} - t_{0}} (a_{2,0} - a_{0,0}) - \frac{t - t_{0}}{t - t_{0}} (a_{1,0} - a_{0,0})]; \\ \cdot \cdot \cdot \cdot \cdot \cdot \end{matrix}

埃特金插值表中右下角的元素即为得到的预测值，即y(t)＝a_m-1，m-1。

计算网络流量预测值：

以时刻t为自变量，网络流量y为因变量，定义网络流量函数，利用不同时刻t_i对应的流量抽样值y_i，对所在时间段的流量值进行预测，得到极为准确的预测值y_t。

本发明实施例：一方面，创新地将SNMP获取网络设备流量信息的方法移植到云OS中，使得云服务平台的网络得到高效管理；另一方面，采用一种准确、高效的算法——埃特金插值算法对任意时刻的网络流量进行预测，将高次插值过程转化为线性插值的多次重复计算，时间复杂度低，计算简便，便于编程，占用存储空间小，预测结果准确。

由于埃特金插值算法的预测精确度只由样本点的选取方式决定，选择样本点的分段越为精细、样本点的个数越多，则预测值就越为准确。所以可以通过选择不同的样本点选取方式，来满足各种云计算操作系统的调度需求，具有较高的普适性。

图2为本发明实施例的网络流量预测装置的示意图，如图2所示，本实施例的装置包括：

其中，所述第一模块，是使用SNMP获取云操作系统中待预测点周围抽样时刻的流量样本值的。

其中，所述插值预测算法包括：

埃特金插值算法。

本领域普通技术人员可以理解上述方法中的全部或部分步骤可通过程序来指令相关硬件完成，所述程序可以存储于计算机可读存储介质中，如只读存储器、磁盘或光盘等。可选地，上述实施例的全部或部分步骤也可以使用一个或多个集成电路来实现。相应地，上述实施例中的各模块/单元可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。本发明不限制于任何特定形式的硬件和软件的结合。

以上仅为本发明的优选实施例，当然，本发明还可有其他多种实施例，在不背离本发明精神及其实质的情况下，熟悉本领域的技术人员当可根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。

Claims

1.一种网络流量预测方法，包括：

获取云操作系统中待预测点周围抽样时刻的流量样本值；

2.如权利要求1所述的方法，其特征在于：所述获取云操作系统中待预测点周围抽样时刻的流量样本值是通过以下方式实现的：

使用简单网络管理协议来获取的。

3.如权利要求1或2所述的方法，其特征在于：所述插值预测算法包括：

埃特金插值算法。

4.一种网络流量预测装置，包括：

5.如权利要求4所述的装置，其特征在于：

6.如权利要求4或5所述的装置，其特征在于：所述插值预测算法包括：

埃特金插值算法。