CN103430484B - 表征网络设备的方法和系统 - Google Patents
表征网络设备的方法和系统 Download PDFInfo
- Publication number
- CN103430484B CN103430484B CN201180069470.8A CN201180069470A CN103430484B CN 103430484 B CN103430484 B CN 103430484B CN 201180069470 A CN201180069470 A CN 201180069470A CN 103430484 B CN103430484 B CN 103430484B
- Authority
- CN
- China
- Prior art keywords
- business
- network equipment
- bag
- network
- service profile
- 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.)
- Active
Links
Classifications
-
- 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
- H04L43/04—Processing captured monitoring data, e.g. for logfile generation
-
- 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
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/147—Network analysis or design for predicting network behaviour
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Mining & Analysis (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
提供一种业务简档或对不同类型业务的混合的描述,以便通过使用模型计算网络设备的性能特性。该模型将网络设备的性能特性联系到与不同类型业务关联的参数。
Description
背景技术
在网络中可采用各种类型的网络设备,以便允许电子设备之间的通信,电子设备可包括计算机、个人数字助理、移动电话或其它类型的设备。网络设备的示例包括防火墙、代理服务器、网关、网络地址翻译器以及能够通过其进行至少两个电子设备之间的通信的任何其它类型的设备。当处理在网络中传递的业务时,网络设备与确定该网络设备的处理能力的某些性能特性(例如数据吞吐量、特定时间间隔中的包的数目,等等)相关联。
附图说明
关于以下附图描述一些实施例:
图1为根据一些实施方式的包括各种设备和网络设备能力预测器的示例设置的框图;
图2为根据一些实施方式在网络设备能力预测器中的部件的示意图;
图3和图4为根据各种实施方式的网络设备能力预测器的过程的流程图;和
图5为根据一些实施方式的示例计算系统,网络设备能力预测器可在该示例计算系统中执行。
具体实施方式
在网络中可部署用来处理网络中传递的业务的网络设备与各个性能特性有关。性能特性的示例包括网络设备在一时间间隔内能够处理的包的数量、数据吞吐量(表示网络设备在一时间间隔内能够处理的字节的数量)或其它性能特性。一种类型的网络设备是用于在网络中提供安全性的安全网络设备。例如,安全网络设备可包括防火墙,其保护网络免受网络外部的实体的未经授权地侵入。其他类型的安全网络设备包括实施网络地址翻译、恶意软件扫描、数据加密/解密、安全关联建立等的网络设备。
其它类型的网络设备的示例包括路由器、转换器、代理服务器、网关或部署用来在其它电子设备之间传递业务的任何其它网络设备。
网络设备的性能特性可被宣称为最大数量(例如网络设备的最大数据吞吐量)或典型数量(例如平均数据吞吐量)。经常是,由卖家或其它市场人员宣称的网络设备的性能特性可在可能不反映要使用该网络设备的实际的网络业务状况的网络业务状况下被推出或测量。要在部署时由网络设备处理的实际业务混合(不同类型的业务混合)会与用于由卖家或其它市场人员或者由独立第三方所推出或测量的网络设备的性能特性的业务混合非常不同。
如果网络设备的宣称的性能特性不准确描述网络设备在部署该网络设备的环境下的实际性能,则网络设备可能不以期望的方式运行。例如,如果宣称的网络设备的性能特性是过度乐观的(针对给定的网络部署),则如果部署的网络设备不能处理实际的网络业务负荷,则网络通信性能可能变差。另一方面,如果宣称的性能特性是过度悲观的(对于给定的网络部署),则网络运营商可能通过包括比必须提供的网络设备提供更高容量的网络设备或者更大数量的网络设备而对网络过度提供。
图1描绘了示例网络设置,其包括连接到第一网络104和第二网络106的网络设备102。第一网络104被连接到各种电子设备108,并且第二网络106被连接到各种电子设备110。电子设备的示例包括计算机、个人数字助理(PDA)、移动电话等。各种电子设备108和110能够通过网络设备102彼此通信。
在一些示例中,第一网络104可为专用网络,例如企业网络(例如公司、教育组织、政府机构等)、家庭网络或其他类型的专用网络。第二网络106可为公共网络,例如因特网。尽管图1中只示出一个网络设备102,当应当注意,在可替代示例中,在网络配置中可有多个网络设备。
可通过网络设备102传递各种不同类型的业务。作为示例,不同类型的网络业务可包括依据不同类型的协议的业务。协议可指传输协议,例如传输控制协议(TCP)或用户数据报协议(UDP)。在RFC(请求注解)793中题为“传输控制协议”(1981年9月)中描述了TCP的一版本。在RFC768中题为“用户数据报协议”(1980年8月)中描述了UDP的一版本。传输协议定义在多层结构的传输层上的通信,其中传输层为电子设备中的应用提供端对端的通信服务。
在其它示例中,可通过网络设备102传递的不同类型的业务可依据其它类型的协议,例如应用级的协议。不同的应用级协议的示例包括FTP(文件传送协议)、RTP(实时协议)、HTTP(超文本传送协议)、DNS(域名系统)协议和/或其它类型的应用级协议。在一些示例中,网页浏览业务或电子邮件业务可依据HTTP,文件传送业务可依据RTP,IP(因特网协议)语音业务或视频会议业务可依据RTP, 控制业务可依据DNS(例如查找与域名等关联的IP地址的控制消息)或一些其它控制协议。
尽管接下来的讨论指的是依据各种不同协议的不同类型的业务,但应当注意,可依据其它分类或种类来区分业务。例如,可将业务分为语音业务、视频业务、数据业务、控制业务等。
如图1中进一步示出的那样,在一些示例中,在网络配置中可部署网络业务捕获设备112,以便捕获在使用网络设备102期间通过网络设备102的业务的样本。尽管网络业务捕获设备112被示出为与网络设备102分开,但应当注意,在可替代示例中,网络业务捕获设备112可被实施为在网络设备102内或者在图1所述的网络中的另一网络设备内的模块。
可被网络业务捕获设备112捕获的业务样本可以以网络跟踪的形式提供。“网络跟踪”包括收集一时间内传递的网络包。业务样本可为在某些预定时间间隔内收集的样本,例如一天、一周、一个月或其它时间间隔。
根据一些实施方式,被网络业务捕获设备112捕获的网络跟踪被提供给网络设备能力预测器114。可在任何类型的计算节点中实施网络设备能力预测器114,该计算节点可与网络设备102和电子设备108和110分开。可替代地,包括网络设备能力预测器114的计算节点可以是网络设备102或电子设备108和110中之一的一部分。
在可替代实施方式中,可使用提供描述网络业务的信息的其它技术,而不使用网络业务捕获设备112来捕获提供给网络设备能力预测器114的网络跟踪。例如,网络运营商(或其它使用者)可手动创建期望被网络设备102处理的业务简档(traffic profile)的描述。该描述随后可被馈送给网络设备能力预测器114。
更一般性地,向网络设备能力预测器114提供业务信息,其中“业务信息”可指网络跟踪或者期望由网络设备处理的网络业务的任何类型的描述。响应于业务信息,网络设备能力预测器114使用模型116计算网络设备102的至少一个性能特性,其中模型116将与不同类型业务关联的参数联系到网络设备102的至少一个性能特性。
如图2中所示,业务信息可被提供到网络设备能力预测器114中的转换器202。转换器202将业务信息转换为业务简档。在一些示例中,由转换器202执行的转换可包括处理网络跟踪以便计算不同类型业务的各自的百分比(其包括在业务简档中)。可替代地,由转换器202执行的转换包括处理网络业务的一些其它输入描述,以便计算不同类型业务的各自的百分比。在一些其它实施方式中,输入到 网络设备能力预测器114中的业务信息已经是业务简档的形式,在该情况下,可省略转换器202。通常,由转换器202输出的业务简档描述不同业务类型(例如依据不同协议的业务)的混合。
进一步如图2中所示,向模型116的输入包括业务简档和与网络设备102关联的成本参数(cost parameter)。成本参数表明与由网络设备102对各个不同类型的业务进行处理有关的成本(例如负荷、使用率等)。基于业务简档和成本参数,模型116输出网络设备102的至少一个性能特性。
如进一步在图1中描绘的那样,网络设备102具有各种部件,包括一个或多个中央处理单元(CPU)120、存储介质122(例如一个或多个基于盘的存储设备和/或内存设备)和网络接口124,从而在第一网络104和第二网络106上进行通信。在很多情况下,网络设备102的与处理业务有关的性能由CPU120的能力决定。换言之,网络设备102的CPU120通常是网络设备的瓶颈。因此,在一些实施方式中,对网络设备102的性能特性的理解可基于对由期望由网络设备102处理的不同类型的业务所导致的对CPU120的使用率的理解。CPU使用率因此是成本参数的一个示例—针对各个不同类型的业务会有不同的CPU使用率。
尽管在接下来的讨论中参照的是基于与不同业务类型关联的CPU使用率来确定网络设备102的性能特性,但应当注意,在其它实施方式中,网络设备102的性能特性可基于其它类型的成本参数确定,这些其它类型的成本参数可与CPU120和/或网络设备102的其它部件(例如存储介质122、网络接口124或其它部件)关联。
在业务简档描述TCP业务(由TCP包构成)和UDP业务(由UDP包构成)的混合的一些实施方式中,可针对TCP包或UDP包表明CPU使用率。TCP包的流(stream)包括TCP SYN包(用于建立新的TCP连接)和跟随TCP SYN包的后续TCP包(其可包括承载数据有效载荷的其它控制包或数据包)。
UDP包的流包括第一UDP包和后续UDP包。“流”指的是在给定会话(TCP会话或UDP会话)中传递的包。
通常,与处理流中的第一包(例如在TCP流中的TCP SYN包或UDP流的第一UDP包)关联的CPU使用率大于与处理跟随第一包的包关联的CPU使用率。当网络设备102接收流的第一包时,通常要在网络设备102处执行更多的处理,由于网络设备102必须响应于第一包建立新的会话。响应于第一包,网络设备102首先检查会话表(或其它数据结构)来确定第一包(第一UDP包或TCP SYN包)是否是现有会话的一部分,如果不是,则网络设备102检查第一包是否符合由网 络设备102实施的预定规则。例如,如果网络设备102是防火墙,则规则是防火墙规则,并且网络设备102检查第一包是否符合防火墙规则以便确定是否允许创建会话。可检查TCP或UDP流的后续包是否符合会话表(或其它数据结构)从而确认这些后续包属于现有会话。结果是,处理第一包通常涉及到比处理后续包更多的处理任务(因此在CPU使用率方面有更多的处理开销)。
而且,通常,TCP包比UDP包涉及更多的处理开销。包处理开销还倾向于是积累的。换言之,由两个业务简档的混合(例如第一业务简档只包括TCP业务,第二业务简档只包括UDP业务)所强加的包处理开销是单独的业务简档的处理开销的总和(忽略诸如网络设备中使用的缓存大小等其它参数的影响)。
成本参数可针对不同类型的包而表明,包括TCP SYN包、后续TCP包、第一UDP包和后续UDP包。例如,第一成本参数(第一CPU使用率C1)可专用于TCP SYN包,第二成本参数(第二CPU使用率C2)可专用于流中跟随第一TCP SYN包的后续TCP包,第三成本参数(第三CPU使用率C3)可专用于第一UDP包,第四成本参数(第四CPU使用率C4)可专用于流中跟随第一UDP包的后续UDP包。
多个成本参数C1、C2、C3和C4可通过经验确定(例如通过响应于由网络设备102对测试包的处理来测量CPU使用率)。一旦确定,用于特定网络设备(或者特定类型网络设备)的成本参数可被保存或者后续使用。对于由网络设备能力预测器114执行的给定类型的网络设备,C1、C2、C3和C4的确定不需要针对每个性能特性预测反复重复。实际上,在很多情况下,C1、C2、C3和C4的确定可仅执行一次,并且可使用这些参数应用模型116。
在一些实施方式中,假设业务的包大小对网络设备102的性能特性的影响忽略不计,并且网络设备的有效会话的数量也对网络设备的性能特性的影响忽略不计。而且,在一些实施方式中,假设网络设备中的规则集的大小也对网络设备的性能特性的影响忽略不计。在其它实施方式中,如果包大小或有效会话的数量或规则集大小对网络设备的性能特性有影响,则参数也可专用于包大小和/或有效会话的数量和/或规则集大小,并且被提供为输入(与C1、C2、C3和C4和业务简档一起)到模型116用于确定网络设备的性能特性。
图3为根据一些实施方式的处理的流程图,其可被图1中的网络设备能力预测器114执行。网络设备能力预测器114接收与期望被网络设备102处理的网络业务有关的业务信息(在302处)。
网络设备能力预测器114向模型116中输入(在304处)业务简档(其对应 于接收到的业务信息)和各种成本参数(例如上面讨论的C1、C2、C3和C4)。
然后,网络设备能力预测器114通过使用模型116基于输入的业务简档和成本参数计算(在306处)网络设备102的至少一个性能特性,其中该至少一个性能特性包括:(在给定时间间隔内)可被网络设备102处理的包的最大数量、网络设备102的最大数据吞吐量(其代表在给定时间间隔内可由网络设备处理的最大字节数)或其它性能特性。
在图3的处理中302处接收到的业务信息可包括与TCP和UDP包相关的信息,可根据该信息容易地确定描述TCP和UDP包的混合的业务简档。可替代地,接收到的业务信息可包括与不同应用级协议的业务相关的信息。
在一些实施方式中,业务简档可描述四类业务的混合:TCP SYN包、后续TCP包(在流中跟随TCP SYN包的TCP包)、第一UDP包和后续UDP包(在流中跟随第一UDP包的UDP包)。
令Ptype(type=1,2,3或4)为前述四种类型包的每一种的可能性分布,Ctype为四种类型包的每一种的对应的CPU使用率。四个Ctype值包括C1、C2、C3和C4。Ptype的值以百分比表示,并且可通过使用业务分析工具容易地从业务跟踪求出,或者从业务信息的一些其它描述推导出。Ptype的四个值包括P1、P2、P3和P4,其中P1表示包括TCP SYN包的总业务的百分比,P2表示包括后续TCP包的总业务的百分比,P3表示包括第一UDP包的总业务的百分比,P4表示包括后续UDP包的总业务的百分比。
对于N个包的CPU使用率(CPU_Utilization)描述如下:
CPU_Utilization=N·∑typeCtype·Ptype (等式1)
其中type从1至4。变量N未知,并且表示在给定时间间隔(例如一秒)中可被网络设备处理的包的数量。应当注意,等式1的CPU使用率参数(包括CPU_Utilization和Ctype)表示在一些时间间隔期间测量的使用率——因此,变量N的值表示在这样的时间间隔中可被网络设备处理的包的数量。通过重写等式1以解出N,能够推导得到下面的等式2:
N=CPU_Utilization/∑typeCtype·Ptype (等式2)
当网络设备的CPU接近完全利用或被完全利用(当CPU_Utilization为100%时),出现网络设备所能处理的最大数量的包。因此,每个给定时间间隔的包的最大总数(N)和针对每个包类型(Ntype)的最大数量的包计算如下(其中除了等式3中的CPU_Utilization由1取代以表示100%使用率之外,等式3与等式2相同):
N=1/∑typeCtype·Ptype (等式3)
Ntype=N·Ptype (等式4)
对四种类型的包的每个相应的一个给定平均包大小(Sizetype,type=1,2,3,4),每个时间间隔的字节的最大吞吐量(Tput)可表示如下:
Tput=∑type(Sizetype·Nype) (等式5)
上面的等式1-5一起表示依据一些实施方式的模型116,其中假设业务简档由TCP和UDP包的混合(包括上面讨论的四种类型)表示。
在可替代实施方式中,由网络设备能力预测器114接收的业务信息可表达为依据各种应用级协议的业务。例如,可使用如下应用级协议混合来表征业务信息:r1(百分比)HTTP业务、r2(百分比)DNS业务和r3(百分比)FTP业务。例如,r1=80%,r2=15%,和r3=80%。HTTP业务、DNS业务和FTP业务的平均包大小可分别表示为size1(例如512字节)、size2(例如68字节)和size3(例如256字节)。而且,HTTP包、DNS包和FTP包的平均数量可分别表示为n1、n2和n3。
更一般性地,fi(i=1至c)表示流(flow)(根据对应的不同的应用级协议),其中c为不同应用级协议的数量。在上面包括HTTP、DNS和FTP业务的混合的示例中,参数c的值为3。在其它示例中,c可为其它值。参数n1表示在流fi中的包的平均数量,参数sizei表示在流fi中的平均包大小。而且,ri表示在总的业务混合中流fi的百分比(比率)。
除了上述参数之外,令ui表示流fi是否包含UDP业务,令ti表示流fi是否包含TCP业务。例如,如果ui=1,则流fi包含UDP业务,但如果ui=0,则流fi不包含UDP业务。类似地,如果ti=1,则流fi包含TCP业务,但如果ti=0,则流fi不包含TCP业务。
基于上述的业务信息因此使用下面的参数表示:fi、ni、sizei、ri、ui和ti。
网络设备能力预测器114可将前述业务信息转换为以TCP和UDP包的混合(TCP SYN包、后续TCP包、第一UDP包和后续UDP包)表示的业务简档。例如,这种转换可例如由图2的转换器202执行。在每个流fi中的前述四种类型的TCP和UDP包的可能性分布可计算如下:
P(1,i)=ti·ri·1/ni(流fi中的TCP SYN包的百分比);
P(2,i)=ti·ri·(ni-1)/ni(流fi中的后续TCP包的百分比);
P(3,i)=ui·ri·1/ni(流fi中的第一UDP包的百分比);
P(4,i)=ui·ri·(ni-1)/ni(流fi中的后续UDP包的百分比);
其中对于type=1至4和i=1至c,∑i∑type(P(type,i))=1。前述四个百分比P(1,i)、P(2,i)、P(3,i)和P(4,i)为业务简档的一部分。给定上述,对于N个包的CPU使用率 (CPU_Utilization)表示如下:
CPU_Utilization=N·(∑i∑type(P(type,i)·Ctype)) (等式6)
其中i=1至c,type=1至4。未知参数N能够从上述等式推导如下:
N=CPU_Utilization/(∑i∑type(P(type,i)·Ctype)) (等式7)
变量N表示当网络设备的CPU为完全利用时(在预定时间间隔)可处理的包的最大数量。假设该完全使用率当CPU_Utilization为100%时达到,则在给定时间间隔中的包的最大数量(N)和在给定时间间隔中针对每个流的包的最大数量(Ni)计算如下:
N=1/(∑i∑type(P(type,i)·Ctype)) (等式8)和
Ni=N·ri (等式9)
给定每个流fi中的包的平均大小(sizei),模型可预测每个时间间隔中字节的最大吞吐量(Tput)如下:
Tput=∑i(sizei·Ni) (等式10)
其中i从1至c。
根据进一步的可替代实施方式,除了上面讨论的不同应用级协议业务的业务混合的描述之外,由网络设备能力预测器114接收到的业务信息还可包括会话密度信息。会话密度信息指描述每流会话建立速率(在诸如HTTP流、DNS流、FTP流的每个流内建立新会话的速率)的信息。这种每流会话建立速率被表示为si,其中i=1至c(c表示流的数量)。
通过为每个流提供会话建立速率,如上计算的性能特性(例如N或Tput)可被计算仅用于后续TCP或UDP包(排除TCP SYN包或第一UDP包)。以此方式,由网络设备能力预测器114计算的性能特性可提供更真实的网络设备特性,这能够针对每个流处理相对大量的并行会话。
因为提供了会话建立速率(si),上述等式6可被重写为:
其中等式11中除了si之外的各种参数与上面讨论的一样。使用等式11,网络设备能力预测器114可解出N,其中N在这种情况下不包括TCP SYN包和第一UDP包,如等式6中那样。而是,依据等式11计算的N表示在一时间间隔内能够由网络设备102处理的包(后续TCP包和/或后续UDP包)的最大数量。
图4为根据可替代实施方式的被网络设备能力预测器114执行的过程的流程图。网络设备能力预测器114接收(在402处)描述依据各应用级协议(例如HTTP 协议、DNS协议、RTP协议、DNS协议等)的业务的业务信息。网络设备能力预测器114将业务信息转换(在404处)为描述依据不同传输协议(例如TCP和UDP)的不同包的混合的业务简档。
类似于图3的相应任务304和306,业务简档和成本参数被输入(在406处)模型116中,并且网络设备能力预测器114使用模型116计算(在408处)网络设备的至少一个性能特性。
图5描绘了计算系统500,网络设备能力预测器114可在计算系统500中实施。在根据图5的示例中,网络设备能力预测器114使用可在一个或多个处理器502上执行的机器可读指令实施。在其它示例中,网络设备能力预测器114可被实施为硬件设备。
处理器502被连接到网络接口504(以允许计算系统500在具有其它设备的网络上通信)并连接到存储介质506(使用一个或多个基于盘的存储设备和/或内存设备实施)。存储介质506可存储输入业务信息508、业务简档510、成本参数512和模型116,这些被网络设备能力预测器114如上所述那样使用。
每个处理器502可包括微处理器、微控制器、处理器模块或子系统、可编程集成电路、可编程门阵列或另一控制或计算设备。
机器可读指令(例如网络设备能力预测器114及其模型116)可存储在存储介质506中,存储介质506可包括计算机可读或机器可读存储介质。存储介质506可包括不同形式的存储器,包括诸如动态或静态随机存取存储器(DRAM或SRAM)、可擦除和可编程只读存储器(EPROM)、电可擦除和可编程只读存储器(EEPROM)和闪存之类的半导体存储设备;诸如硬盘、软盘和可移动盘的磁盘;包括带的其它磁性介质;诸如光盘(CD)或数字视频盘(DVD)的光学介质;或其它类型的存储设备。应当注意,上面讨论的指令可提供在一个计算机可读或机器可读存储介质上,或者可替代地,可提供在分布在具有可能的复数个节点的大型系统中的多个计算机可读或机器可读存储介质上。这种计算机可读或机器可读存储介质或媒介为认为是物品(或制造物品)的一部分。物品或制造物品可指任何制造的单个部件或多个部件。存储介质或媒介可位于运行机器可读指令的机器上,也可位于可通过网络下载机器可读指令用于执行的远程站点处。
在上面的说明中,给出大量细节以便提供对本文公开的主题的理解。然而,实施方式可不使用一些或所有这些细节而实践。其它实施方式可包括对上面讨论的细节的修改和变型。所附权利要求旨在覆盖这些修改和变型。
Claims (11)
1.一种表征网络设备的方法,包括:
由具有处理器的系统接收业务信息;
由所述系统将对应于所述业务信息的描述不同类型业务的混合的业务简档以及与不同类型业务关联的成本参数输入到模型中;和
基于所输入的业务简档和成本参数,根据所述模型计算所述网络设备的性能特性。
2.如权利要求1所述的方法,其中所述业务信息描述依据不同应用级协议的业务的混合,所述方法进一步包括:
将所述业务信息转换为所述业务简档。
3.如权利要求2所述的方法,其中将所述业务信息转换为所述业务简档包括:将所述业务信息转换为描述依据不同传输协议的业务的所述业务简档。
4.如权利要求1所述的方法,进一步包括:根据所接收到的业务信息生成所述业务简档,其中所述业务简档描述依据不同协议的不同类型业务的各自的量。
5.如权利要求1所述的方法,其中接收业务信息包括:在要部署所述网络设备的网络中接收实际业务的踪迹。
6.如权利要求1所述的方法,其中计算所述网络设备的所述性能特性包括:计算与能够由所述网络设备处理的数据的量有关的性能特性。
7.如权利要求1所述的方法,其中产生所述网络设备的所述性能特性包括:计算与能够由所述网络设备处理的各个不同类型的数据的量有关的性能特性。
8.一种系统,包括;
存储介质,用以存储模型;
至少一个处理器,用以:
接收与不同类型业务关联的成本参数;
接收描述不同类型业务的混合的业务简档;和
使用所述模型计算网络设备的性能特性,其中所述模型基于所述业务简档和所述成本参数输出所述性能特性的值。
9.如权利要求8所述的系统,其中所述业务简档包括:对依据不同传输协议的业务的混合的描述。
10.如权利要求9所述的系统,其中所述不同传输协议包括:传输控制协议和用户数据报协议,并且其中所述成本参数包括:与所述传输控制协议的业务关联的第一参数和与所述用户数据报协议的业务关联的第二参数。
11.如权利要求9所述的系统,其中所述至少一个处理器用于进一步:
接收描述依据不同应用级协议的业务的业务信息;和
将所述业务信息转换为对依据不同应用级协议的业务的混合的描述。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/US2011/032972 WO2012144987A1 (en) | 2011-04-19 | 2011-04-19 | Computing a performance characteristic of a network device |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103430484A CN103430484A (zh) | 2013-12-04 |
CN103430484B true CN103430484B (zh) | 2017-01-18 |
Family
ID=47041844
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201180069470.8A Active CN103430484B (zh) | 2011-04-19 | 2011-04-19 | 表征网络设备的方法和系统 |
Country Status (4)
Country | Link |
---|---|
US (1) | US9438489B2 (zh) |
EP (1) | EP2700198B1 (zh) |
CN (1) | CN103430484B (zh) |
WO (1) | WO2012144987A1 (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012144987A1 (en) | 2011-04-19 | 2012-10-26 | Hewlett-Packard Development Company, L.P. | Computing a performance characteristic of a network device |
US9544205B2 (en) | 2013-04-09 | 2017-01-10 | Twin Prime, Inc. | Cognitive data delivery optimizing system |
US9424159B2 (en) * | 2013-10-10 | 2016-08-23 | International Business Machines Corporation | Performance measurement of hardware accelerators |
US10491525B2 (en) * | 2015-03-10 | 2019-11-26 | Huawei Technologies Co., Ltd. | Traffic engineering feeder for packet switched networks |
JP6232456B2 (ja) * | 2016-02-02 | 2017-11-15 | エヌ・ティ・ティ・コミュニケーションズ株式会社 | 制御装置、緩和システム、制御方法及びコンピュータプログラム |
JP6834604B2 (ja) * | 2017-03-06 | 2021-02-24 | 日本電気株式会社 | ネットワークリソース管理装置、方法およびプログラム |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6909700B1 (en) * | 1998-11-24 | 2005-06-21 | Lucent Technologies Inc. | Network topology optimization methods and apparatus for designing IP networks with performance guarantees |
GB0026703D0 (en) | 2000-11-01 | 2000-12-20 | Parc Technologies Ltd | Traffic flow optimisation system |
AU2003300900A1 (en) * | 2002-12-13 | 2004-07-09 | Internap Network Services Corporation | Topology aware route control |
US7464181B2 (en) * | 2003-09-11 | 2008-12-09 | International Business Machines Corporation | Method for caching lookups based upon TCP traffic flow characteristics |
US7076393B2 (en) | 2003-10-03 | 2006-07-11 | Verizon Services Corp. | Methods and apparatus for testing dynamic network firewalls |
US7853996B1 (en) | 2003-10-03 | 2010-12-14 | Verizon Services Corp. | Methodology, measurements and analysis of performance and scalability of stateful border gateways |
US7620716B2 (en) * | 2006-01-31 | 2009-11-17 | Dell Products L.P. | System and method to predict the performance of streaming media over wireless links |
US9392009B2 (en) * | 2006-03-02 | 2016-07-12 | International Business Machines Corporation | Operating a network monitoring entity |
US8145760B2 (en) * | 2006-07-24 | 2012-03-27 | Northwestern University | Methods and systems for automatic inference and adaptation of virtualized computing environments |
US8418240B2 (en) | 2007-12-26 | 2013-04-09 | Algorithmic Security (Israel) Ltd. | Reordering a firewall rule base according to usage statistics |
US8295178B2 (en) * | 2008-05-19 | 2012-10-23 | Solarwinds Worldwide Llc | Manual configuration for sites that cannot give read/write credentials to a voice over internet protocol (VOIP) monitor |
EP2254286B1 (en) | 2009-05-20 | 2013-03-20 | Accenture Global Services Limited | Network real time monitoring and control method, system and computer program product |
US8949987B2 (en) * | 2010-01-06 | 2015-02-03 | Alcatel Lucent | Computer security process monitor |
WO2012144987A1 (en) | 2011-04-19 | 2012-10-26 | Hewlett-Packard Development Company, L.P. | Computing a performance characteristic of a network device |
-
2011
- 2011-04-19 WO PCT/US2011/032972 patent/WO2012144987A1/en active Application Filing
- 2011-04-19 US US14/003,883 patent/US9438489B2/en active Active
- 2011-04-19 EP EP11863793.3A patent/EP2700198B1/en active Active
- 2011-04-19 CN CN201180069470.8A patent/CN103430484B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
EP2700198A1 (en) | 2014-02-26 |
US9438489B2 (en) | 2016-09-06 |
CN103430484A (zh) | 2013-12-04 |
US20130346603A1 (en) | 2013-12-26 |
EP2700198A4 (en) | 2015-02-25 |
EP2700198B1 (en) | 2021-02-17 |
WO2012144987A1 (en) | 2012-10-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103430484B (zh) | 表征网络设备的方法和系统 | |
Hernández Ramos et al. | Mqtt security: A novel fuzzing approach | |
Sadasivan et al. | Improved Performance of BitTorrent Traffic Prediction Using Kalman Filter | |
Naicken et al. | The state of peer-to-peer simulators and simulations | |
JP5475744B2 (ja) | 分散型トラフィック分析 | |
CN105917632A (zh) | 用于电信中的可扩缩分布式网络业务分析的方法 | |
GB2526186A (en) | Method and system for testing cloud based applications in a production environment using fabricated user data | |
Folino et al. | A distributed intrusion detection framework based on evolved specialized ensembles of classifiers | |
Li et al. | mBm‐Based Scalings of Traffic Propagated in Internet | |
Vigoya et al. | Annotated dataset for anomaly detection in a data center with IoT sensors | |
Fernandes | Performance evaluation for network services, systems and protocols | |
Muliukha et al. | Analysis and classification of encrypted network traffic using machine learning | |
Yanggratoke et al. | A service‐agnostic method for predicting service metrics in real time | |
Mittal | Opnet: An integrated design paradigm for simulations | |
Andrade-Hoz et al. | Infrastructure-wide and intent-based networking dataset for 5G-and-beyond AI-driven autonomous networks | |
Bahashwan et al. | HLD-DDoSDN: High and low-rates dataset-based DDoS attacks against SDN | |
WO2015176516A1 (zh) | 一种业务流程的跟踪方法及装置 | |
Al-Mousa et al. | cl-CIDPS: A cloud computing based cooperative intrusion detection and prevention system framework | |
Ghoshal et al. | Analysis and prediction of data transfer throughput for data-intensive workloads | |
Kalliola et al. | Learning flow characteristics distributions with elm for distributed denial of service detection and mitigation | |
Puente Fernandez et al. | Clustering and flow conservation monitoring tool for software defined networks | |
Zeydan et al. | A marketplace solution for distributed network management and orchestration of slices | |
CN104780061A (zh) | 一种基于日志的通讯开销预测方法 | |
Kim et al. | TranSim: Accelerating simulation of large-scale IP networks through preserving network invariants | |
Fernandes et al. | Internet traffic profiling |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C41 | Transfer of patent application or patent right or utility model | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20160823 Address after: American Texas Applicant after: HEWLETT PACKARD ENTERPRISE DEVELOPMENT LP Address before: American Texas Applicant before: Hewlett-Packard Development Company, Limited Liability Partnership |
|
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |