CN103716187B - 网络拓扑结构确定方法和系统 - Google Patents
网络拓扑结构确定方法和系统 Download PDFInfo
- Publication number
- CN103716187B CN103716187B CN201310713224.2A CN201310713224A CN103716187B CN 103716187 B CN103716187 B CN 103716187B CN 201310713224 A CN201310713224 A CN 201310713224A CN 103716187 B CN103716187 B CN 103716187B
- Authority
- CN
- China
- Prior art keywords
- port
- traffic characteristic
- similarity
- feature
- data
- 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
Abstract
本发明公开了一种网络拓扑结构确定方法和系统,该方法包括:根据预先统计的每个网络设备的各端口的流量特征,对于属于不同网络设备的任意两个端口,计算其中一个端口的输入流量特征与另一个端口的输出流量特征之间的相似度,根据计算出的相似度确定所述两个端口之间的流量相似度;对于每个端口,选取与该端口的流量相似度最大的端口,作为该端口的连接端口;根据每个端口的连接端口、及其所属网络设备,确定出网络拓扑结构。应用本发明,可以提高网络拓扑结构发现的准确度以及应用范围,并降低运算复杂度。
Description
技术领域
本发明涉及互联网技术,尤其涉及一种网络拓扑结构确定方法和系统。
背景技术
随着互联网技术的发展,用于表达网络逻辑连接关系和物理链接关系的网络拓扑结构也日益复杂化。为了能够直观地了解网络中各个网点的运行状况,往往需要绘制精准的网络拓扑,以便后续能够准确的定位网络中的故障网点。
目前,常见的网络拓扑发现方法有基于探测技术的网络拓扑发现方法,具体地,通过整个网络中预先部署的探测点来探测网络的RRT(Round Trip Time,往返时延)、TTL(Time to Live,生存时间)、以及TRACE路径等数据;综合各探测点所探测的数据,使用图论的算法来计算网络拓扑。然而,基于探测技术的网络拓扑的方法中,其根据有限个探测点所探测的数据来计算网络拓扑,算法复杂、准确度不高;而且,需要在网络中预先部署多个探测点,增加了发现网络拓扑结构的复杂度。
现有技术中,还存在一种利用私有发现协议的网络拓扑发现方法,例如,LLDP协议(Link Layer Discovery Protocol,链路层发现协议),或是CDP(Cisco DiscoveryProtocol,思科发现协议)。具体地,可以根据各网络设备的接口标识(或协议地址)以及各网络设备记录的相邻网络设备的接口标识(或协议地址),来确定网络拓扑结构。然而,这种利用私有发现协议的网络拓扑发现方法需要各网络设备都同时支持该私有发现协议。以LLDP协议为例,只有各网络设备都同时支持LLDP协议,这样,对于每个网络设备,才能将该网络设备的接口标识信息发布给其相邻的网络设备;进而,各网络设备才能记录的与其相邻的网络设备的接口标识以及其他信息。而实际应用中,网络中并不是所有的网络设备都支持LLDP协议,这样,在确定网络拓扑结构时,无法保证与其他网络设备互联但不支持LLDP协议的网络设备的正常发现,导致确定出的网络拓扑结构准确度不高。而且,LLDP协议是二层协议,因此,利用LLDP协议的网络拓扑发现方法只能应用于二层网络设备的拓扑结构的发现,应用范围有限。
综上所述,现有的网络拓扑结构发现方法存在准确度不高、运算复杂度高以及应用范围窄的不足,因此有必要提供一种能够适用于更大的应用范围、确定的网络拓扑结构准确度高且算法简单的网络拓扑结构发现方法。
发明内容
本发明实施例提供了一种网络拓扑结构确定方法和系统,用以提高网络拓扑结构发现的准确度以及应用范围,并降低运算复杂度。
根据本发明的一个方面,提供了一种网络拓扑结构确定方法,包括:
根据预先统计的每个网络设备的各端口的流量特征,对于属于不同网络设备的任意两个端口,计算其中一个端口的输入流量特征与另一个端口的输出流量特征之间的相似度,根据计算出的相似度确定所述两个端口之间的流量相似度;
对于每个端口,选取与该端口的流量相似度最大的端口,作为该端口的连接端口;
根据每个端口的连接端口、及其所属网络设备,确定出网络拓扑结构。
较佳地,所述输入流量特征包括至少一种流量特征;以及所述输出流量特征包括与所述至少一种流量特征分别相应的流量特征;以及
所述计算其中一个端口的输入流量特征与另一个端口的输出流量特征之间的相似度,根据计算出的相似度确定所述两个端口之间的流量相似度,具体包括:
对于所述输入流量特征的每种流量特征,计算所述其中一个端口的该种流量特征,与所述另一个端口的输出流量特征中的相应流量特征之间的相似度;根据计算出的相似度确定所述两个端口之间的流量相似度。
较佳地,所述预先统计的每个网络设备的各端口的流量特征,具体包括设定时间段内按设定周期采集的各端口的流量特征的数据;以及
所述计算所述其中一个端口的该种流量特征与所述另一个端口的输出流量特征中的相应流量特征之间的相似度,具体包括:
根据如下公式1计算出所述其中一个端口x的流量特征P与另一个端口y的流量特征Q之间的相似度r:
(公式1)
其中,流量特征Q是与流量特征P相应的流量特征;xi为所述设定时间段内采集的端口x的第i个流量特征P的数据,为所述设定时间段内采集的端口x的流量特征P的数据的统计值;yi为所述设定时间段内采集的端口y的第i个流量特征Q的数据,为所述设定时间段内采集的端口y的流量特征Q的数据的统计值;i取值为1~n的自然数,n为所述设定时间段内流量特征P的数据的采集个数。
较佳地,所述对于所述输入流量特征的每种流量特征,计算所述其中一个端口的该种流量特征与所述另一个端口的输出流量特征中的相应流量特征之间的相似度,具体为:
计算所述其中一个端口的该种流量特征的特征向量与所述另一个端口的输出流量特征中的相应流量特征的特征向量之间的余弦夹角,将计算出的余弦夹角作为所述相似度;
其中,所述其中一个端口的该种流量特征的特征向量中的向量元素包括:设定时间段内按设定周期采集的、所述其中一个端口的该种流量特征的数据;
所述另一个端口的输出流量特征中的相应流量特征的特征向量中的向量元素包括:所述设定时间段内按所述设定周期采集的、所述另一个端口的输出流量特征中的相应流量特征的数据。
较佳地,所述根据计算出的相似度确定所述两个端口之间的流量相似度,具体包括:
根据如下公式2计算出所述两个端口x、y之间的流量相似度s(x,y):
s(x,y)=∑j(wj×rj) (公式2)
公式2中,wj为所述输入流量特征中的第j种流量特征所预设的权重,rj为端口x的第j种流量特征,与端口y的输出流量特征中与第j种流量特征相应的流量特征之间的相似度;j取值为1~m的自然数,m为所述输入流量特征中的流量特征的种类总数。
较佳地,所述输入流量特征中包括的至少一种流量特征为如下流量特征中选取的:接收字节传输率BPS、接收分组数据包传输率PPS、接收丢包率PLR、接收每秒传输过程次数TPS;以及
与所述接收BPS相应的流量特征为发送BPS,与所述接收PPS相应的流量特征为发送PPS,与所述接收PLR相应的流量特征为发送PLR,与所述接收TPS相应的流量特征为发送TPS。
较佳地,在所述根据预先统计的每个网络设备的各端口的流量特征,对于属于不同网络设备的任意两个端口,计算其中一个端口的输入流量特征与另一个端口的输出流量特征之间的相似度之前,还包括:
在所述设定时间段内,对于每个网络设备,利用简单网络管理协议SNMP与该网络设备通信,按所述设定周期获取该网络设备的各端口的流量特征的数据。
根据本发明的另一个方面,还提供了一种网络拓扑结构确定系统,包括:
流量相似度计算模块,用于根据每个网络设备的各端口的流量特征,对于属于不同网络设备的任意两个端口,计算其中一个端口的输入流量特征与另一个端口的输出流量特征之间的相似度,根据计算出的相似度确定所述两个端口之间的流量相似度;
连接端口确定模块,用于根据所述流量相似度计算模块确定的流量相似度,对于每个端口,选取与该端口的流量相似度最大的端口,作为该端口的连接端口;
网络拓扑结构确定模块,用于根据所述连接端口确定模块选取的每个端口的连接端口、及其所属网络设备,确定出网络拓扑结构。
较佳地,所述流量相似度计算模块、连接端口确定模块、网络拓扑结构确定模块均设置于所述系统的网络拓扑生成装置中;以及
所述系统还包括:流量数据存储装置;以及所述网络拓扑生成装置还包括:流量数据获取模块;其中,
所述流量数据存储装置用于存储从各网络设备采集的各端口的流量特征的数据;
所述流量数据获取模块用于从所述流量数据存储装置中获取每个网络设备的各端口的流量特征的数据。
较佳地,所述系统还包括:
数据采集装置,用于在设定时间段内,对于每个网络设备,利用简单网络管理协议SNMP与该网络设备通信,按设定周期获取该网络设备的各端口的流量特征的数据后存储到流量数据存储装置中。
本发明实施例的技术方案中,通过SNMP采集各网络设备的端口流量数据确定出流量特征;对于属于不同网络设备的任意两个端口,通过流量特征来确定两个端口之间的流量相似度;对于网络中的每个端口,确定与该端口的流量相似度最大的端口为该端口的连接端口;根据确定出的每个端口的连接端口、各端口所属的网络设备以及各连接端口所属的网络设备,确定出网络拓扑结构。通过确定各端口的连接端口,避免了网络中的网络设备的遗漏,提高了确定的网络拓扑结构的准确度;而且,不再局限于某种方式的探测或者某些私有发现协议的应用范围,拓宽了网络拓扑结构确定方法的应用范围。进一步地,相比现有通过各探测点所探测的数据,使用图论的算法来计算网络拓扑的方法,通过采集的各端口的流量特征来确定各端口的连接端口的算法更为简单,且准确度更高。
附图说明
图1为本发明实施例的网络拓扑结构确定方法的流程图;
图2为本发明实施例的网络拓扑结构确定系统的内部结构示意图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚明白,以下参照附图并举出优选实施例,对本发明进一步详细说明。然而,需要说明的是,说明书中列出的许多细节仅仅是为了使读者对本发明的一个或多个方面有一个透彻的理解,即便没有这些特定的细节也可以实现本发明的这些方面。
本申请使用的“模块”、“系统”等术语旨在包括与计算机相关的实体,例如但不限于硬件、固件、软硬件组合、软件或者执行中的软件。例如,模块可以是,但并不仅限于:处理器上运行的进程、处理器、对象、可执行程序、执行的线程、程序和/或计算机。举例来说,计算设备上运行的应用程序和此计算设备都可以是模块。一个或多个模块可以位于执行中的一个进程和/或线程内。
本发明的发明人发现,虽然网络中不是每个网络设备都支持私有协议,但每个网络设备都支持SNMP(Simple Network Management Protocol,简单网络管理协议)。而通过SNMP可以采集各网络设备的基础数据和端口流量数据,例如,网络设备的端口的名称、状态,以及字节流量、分组数据包流量、丢包量以及端口完成的接收或发送过程的次数等数据。
本发明的发明人考虑到,在实际应用中,物理相连的两个网络设备的端口,其端口的流量特征是相近的;因此可以通过SNMP采集各网络设备的端口流量数据确定出流量特征;对于属于不同网络设备的任意两个端口,可以通过流量特征的提取和统计学习的方式来确定两个端口之间的流量相似度;进而,对于网络中的每个端口,确定与该端口的流量相似度最大的端口为该端口的连接端口;根据确定出的每个端口的连接端口、各端口所属的网络设备以及各连接端口所属的网络设备,可以确定出网络拓扑结构。这样,对于每个网络设备,根据该网络设备的各端口以及各端口的连接端口,可以确定出网络拓扑结构中与该网络设备相连的网络设备,避免了网络设备的遗漏,可提高确定的网络拓扑结构的准确度;而且,可以使得网络拓扑结构的确定不再局限于某种方式的探测或者某些私有发现协议的应用范围,拓宽了网络拓扑结构确定方法的应用范围。进一步地,相比现有通过各探测点所探测的数据,使用图论的算法来计算网络拓扑的方法,通过采集的各端口的流量特征来确定各端口的连接端口的算法更为简单,且准确度更高。
下面结合附图详细说明本发明的技术方案。
本发明实施例的技术方案中,可以在设定时间段内,对于每个网络设备,利用SNMP与该网络设备通信,按设定周期获取该网络设备的各端口的流量特征的数据。
具体地,可以按设定周期对网络中的各网络设备的端口流量数据进行采集、统计后进行存储。其中,统计的端口流量数据可以包括:端口接收或发送的字节流量、端口接收或发送的分组数据包流量以及端口接收或发送的丢包量、端口完成的接收或发送过程的次数等数据。
统计的端口流量数据可以分类为各种不同流量特征的数据;其中,端口的流量特征可以包括:接收BPS(Bits Per Second,每秒传送位数,即字节传输率)、发送BPS、接收PPS(Pulses Per Second,每秒脉冲数,即分组数据包传输率)、发送PPS、接收PLR(Packct LossRatio,丢包率)、发送PLR、接收TPS(Transactions Per Second,每秒传输过程次数)、发送TPS等。
例如,端口接收的字节流量可以反映出端口接收BPS,因此,可以作为流量特征接收BPS的数据。同理,端口发送的字节流量可以作为流量特征发送BPS的数据;端口接收的分组数据包流量可以作为流量特征接收PPS的数据;端口发送的分组数据包流量可以作为流量特征发送PPS的数据;端口接收的丢包量可以作为流量特征接收PLR的数据;端口发送的丢包量可以作为流量特征发送PLR的数据;端口接收过程的次数可以作为流量特征接收TPS的数据;端口发送过程的次数可以作为流量特征发送TPS的数据。
进一步地,流量特征通常可以分为两大类:输入流量特征和输出流量特征。其中,输入流量特征具体包括:接收BPS、接收PPS、接收PLR以及接收TPS;输出流量特征具体包括:发送BPS、发送PPS、发送PLR以及发送TPS。
实际应用中,对于网络中的每个网络设备,该网络设备通过一个端口接收的输入流量特征包括至少一种流量特征,而该网络设备的另一个端口所输出的输出流量特征也包括与接收的流量特征所相应的流量特征。因此,在输出流量特征中,与接收BPS相应的流量特征为发送BPS,与接收PPS相应的流量特征为发送PPS,与接收PLR相应的流量特征为发送PLR,与接收TPS相应的流量特征为发送TPS。
之后,根据统计的各端口的流量特征,进行网络拓扑结构确定的具体方法,流程如图1所示,包括如下步骤:
S101:根据预先统计的每个网络设备的各端口的流量特征,对于属于不同网络设备的任意两个端口,计算其中一个端口的输入流量特征与另一个端口的输出流量特征之间的相似度。
具体地,可以根据预先统计的每个网络设备的各端口的流量特征,对于属于不同网络设备的任意两个端口,针对输入流量特征的每种流量特征,计算其中一个端口的该种流量特征与另一个端口的输出流量特征中的相应流量特征之间的相似度。
本发明技术方案中提供了计算一个端口的输入流量特征与另一个端口的输出流量特征中的相应流量特征之间的相似度的如下两种具体方法:
方法一,对于输入流量特征的每种流量特征,对于属于不同网络设备的任意两个端口,计算其中一个端口的该种流量特征与另一个端口的输出流量特征中的相应流量特征之间的相似度,具体可以根据如下公式1计算出其中一个端口x的流量特征P与另一个端口y的流量特征Q之间的相似度r:
(公式1)
公式1中,流量特征Q是与流量特征P相应的流量特征;xi为设定时间段内采集的端口x的第i个流量特征P的数据,为设定时间段内采集的端口x的流量特征P的数据的统计值;具体地,可以是设定时间段内采集的端口x的流量特征P的数据的平均值,或极大值,或极小值。
公式1中,yi为设定时间段内采集的端口y的第i个流量特征Q的数据,为设定时间段内采集的端口y的流量特征Q的数据的统计值;具体地,可以是设定时间段内采集的端口y的流量特征Q的数据的平均值,或极大值,或极小值。
公式1中,i取值为1~n的自然数,n为设定时间段内流量特征P的数据的采集个数,亦即流量特征Q的数据的采集个数。
具体地,在方法一中,一个端口的接收BPS与另一个端口的发送BPS之间的相似度可记为rBPS;一个端口的接收PPS与另一个端口的发送PPS之间的相似度可记为rPPS;一个端口的接收PLR与另一个端口的发送PLR之间的相似度可记为rPLR;一个端口的接收TPS与另一个端口的发送TPS之间的相似度可记为rTPS。
方法二,关于计算一个端口的输入流量特征与另一个端口的输出流量特征中的相应流量特征之间的相似度,具体可以计算其中一个端口的输入流量特征的特征向量与另一个端口的输出流量特征中的相应流量特征的特征向量之间的余弦夹角,将计算出的余弦夹角作为该两个端口的对应输入流量特征的相似度。
在方法二中,其中一个端口的该种流量特征的特征向量中的向量元素包括:设定时间段内按设定周期采集的、其中一个端口的该种流量特征的数据;另一个端口的输出流量特征中的相应流量特征的特征向量中的向量元素包括:设定时间段内按设定周期采集的、另一个端口的输出流量特征中的相应流量特征的数据。
S102:根据上述步骤S101计算出的相似度,进一步确定出两个端口之间的流量相似度。
具体地,可以根据如下公式2计算出不同网络设备的任意两个端口x、y之间的流量相似度s(x,y):
s(x,y)=∑j(wj×rj) (公式2)
公式2中,wj为端口x的输入流量特征中的第j种流量特征所预设的权重;rj为端口x的第j种流量特征,与端口y的输出流量特征中与第j种流量特征相应的流量特征之间的相似度;j取值为1~m的自然数,m为端口x的输入流量特征中的流量特征的种类总数。
其中,对于输入流量特征中的每种流量特征,可以由本领域技术人员预先根据经验为该种流量特征设定相应的权重。例如,接收BPS所预设的权重可以设定为0.5,接收PPS所预设的权重可以设定为0.2,接收PLR所预设的权重则设定为0.2;接收TPS所预设的权重可以设定为0.1。
例如,对于属于不同网络设备的任意两个端口,可以利用如下公式3计算出其中一个端口与另一个端口之间的流量相似度s:
s=wBPS×rBPS+wPPS×rPPS+wPLR×rPLR+wTPS×rTPS (公式3)
公式3中,wBPS为输入流量特征中的接收BPS所预设的权重,wPPS为输入流量特征中的接收PPS所预设的权重,wPLR为输入流量特征中的接收PLR所预设的权重,wTPS为输入流量特征中的接收TPS所预设的权重。
S103:对于每个端口,选取与该端口的流量相似度最大的端口,作为该端口的连接端口。
具体地,对于每个端口,将由步骤S102计算出的该端口与属于其他网络设备的端口的流量相似度进行比较,从中选取与该端口的流量相似度最大的端口作为该端口的连接端口。这样,对于网络中的每个网络设备,通过步骤S103可以确定出与该网络设备的一个端口相连的连接端口。实际应用中,物理相连的两个网络设备的端口,其端口的流量特征是相近的,而本发明提供的技术方案中得到的两个端口之间的流量相似度是根据该两个端口的流量特征所计算出来的。因此,对于每个端口,将与该端口的流量相似度最大的端口作为该端口的连接端口,其准确度高。
S104:根据每个端口的连接端口、及其所属网络设备,确定出网络拓扑结构。
具体地,根据确定出的每个端口的连接端口及其所属的网络设备,对于每个端口,可以通过查找和树遍历的方式,确定出与该端口相连的网络设备;这样,即可确定出整个网络的网络拓扑结构。
基于上述网络拓扑结构确定方法,本发明实施例提供的一种网络拓扑结构确定系统,如图2所示,包括:流量相似度计算模块201、连接端口确定模块202以及网络拓扑结构确定模块203。
其中,流量相似度计算模块201用于根据每个网络设备的各端口的流量特征,对于属于不同网络设备的任意两个端口,计算其中一个端口的输入流量特征与另一个端口的输出流量特征之间的相似度,根据计算出的相似度确定所述两个端口之间的流量相似度。
连接端口确定模块202用于根据流量相似度计算模块201确定出的流量相似度,对于每个端口,选取与该端口的流量相似度最大的端口,作为该端口的连接端口。
网络拓扑结构确定模块203用于根据连接端口确定模块202所选取出的每个端口的连接端口、及其所属网络设备,确定出网络拓扑结构。
进一步地,流量相似度计算模块201、连接端口确定模块202以及网络拓扑结构确定模块203均设置于网络拓扑结构确定系统中的网络拓扑生成装置301中。而且,本发明提供的网络拓扑结构确定系统除了包括上述网络拓扑生成装置301外,还包括:用于存储从各网络设备采集的各端口的流量特征的数据的流量数据存储装置302。
相应地,网络拓扑生成装置301中还包括:流量数据获取模块204。
流量数据获取模块204用于从流量数据存储装置302中获取每个网络设备的各端口的端口流量数据(即各端口的各种流量特征的数据)。这样,流量相似度计算模块201可以根据流量数据获取模块204所获取的每个网络设备的各端口的流量特征的数据,来计算不同网络设备的任意两个端口之间的流量相似度。
更优地,本发明实施例提供的网络拓扑结构确定系统还包括:数据采集装置303。
其中,数据采集装置303用于在设定时间段内,对于每个网络设备,利用SNMP与该网络设备通信,按设定周期获取该网络设备的各端口的流量特征的数据后存储到流量数据存储装置302中。
本发明的技术方案中,根据预先统计的每个网络设备的各端口的流量特征,对于属于不同网络设备的任意两个端口,计算其中一个端口的输入流量特征与另一个端口的输出流量特征之间的相似度,根据计算出的相似度确定所述两个端口之间的流量相似度;对于每个端口,选取与该端口的流量相似度最大的端口,作为该端口的连接端口;根据每个端口的连接端口、及其所属网络设备,确定出网络拓扑结构。这样,对于每个网络设备,可以根据该网络设备的各端口以及各端口的连接端口,确定出网络拓扑结构中与该网络设备相连的网络设备,避免了网络设备的遗漏,提高确定的网络拓扑结构的准确度;而且,可以使得网络拓扑结构的确定不再局限于某种方式的探测或者某些私有发现协议的应用范围,拓宽了网络拓扑结构确定方法的应用范围。进一步地,相比现有通过各探测点所探测的数据利用图论的算法来计算网络拓扑的方法,通过采集的各端口的流量特征来确定各端口的连接端口的算法更为简单,且准确度更高,使得网络拓扑结构确定的运算复杂度得到降低。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读取存储介质中,如:ROM/RAM、磁碟、光盘等。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以作出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种网络拓扑结构确定方法,其特征在于,包括:
根据预先统计的每个网络设备的各端口的流量特征,对于属于不同网络设备的任意两个端口,计算其中一个端口的输入流量特征与另一个端口的输出流量特征之间的相似度,根据计算出的相似度确定所述两个端口之间的流量相似度;
对于每个端口,选取与该端口的流量相似度最大的端口,作为该端口的连接端口;
根据每个端口的连接端口、及其所属网络设备,确定出网络拓扑结构。
2.如权利要求1所述的方法,其特征在于,所述输入流量特征包括至少一种流量特征;以及所述输出流量特征包括与所述至少一种流量特征分别相应的流量特征;以及
所述计算其中一个端口的输入流量特征与另一个端口的输出流量特征之间的相似度,根据计算出的相似度确定所述两个端口之间的流量相似度,具体包括:
对于所述输入流量特征的每种流量特征,计算所述其中一个端口的该种流量特征,与所述另一个端口的输出流量特征中的相应流量特征之间的相似度;根据计算出的相似度确定所述两个端口之间的流量相似度。
3.如权利要求2所述的方法,其特征在于,所述预先统计的每个网络设备的各端口的流量特征,具体包括设定时间段内按设定周期采集的各端口的流量特征的数据;以及
所述计算所述其中一个端口的该种流量特征与所述另一个端口的输出流量特征中的相应流量特征之间的相似度,具体包括:
根据如下公式1计算出所述其中一个端口x的流量特征P与另一个端口y的流量特征Q之间的相似度r:
其中,流量特征Q是与流量特征P相应的流量特征;xi为所述设定时间段内采集的端口x的第i个流量特征P的数据,为所述设定时间段内采集的端口x的流量特征P的数据的统计值;yi为所述设定时间段内采集的端口y的第i个流量特征Q的数据,为所述设定时间段内采集的端口y的流量特征Q的数据的统计值;i取值为1~n的自然数,n为所述设定时间段内流量特征P的数据的采集个数。
4.如权利要求2所述的方法,其特征在于,所述对于所述输入流量特征的每种流量特征,计算所述其中一个端口的该种流量特征与所述另一个端口的输出流量特征中的相应流量特征之间的相似度,具体为:
计算所述其中一个端口的该种流量特征的特征向量与所述另一个端口的输出流量特征中的相应流量特征的特征向量之间的余弦夹角,将计算出的余弦夹角作为所述相似度;
其中,所述其中一个端口的该种流量特征的特征向量中的向量元素包括:设定时间段内按设定周期采集的、所述其中一个端口的该种流量特征的数据;
所述另一个端口的输出流量特征中的相应流量特征的特征向量中的向量元素包括:所述设定时间段内按所述设定周期采集的、所述另一个端口的输出流量特征中的相应流量特征的数据。
5.如权利要求3或4所述的方法,其特征在于,所述根据计算出的相似度确定所述两个端口之间的流量相似度,具体包括:
根据如下公式2计算出所述两个端口x、y之间的流量相似度s(x,y):
s(x,y)=∑j(wj×rj) (公式2)
公式2中,wj为所述输入流量特征中的第j种流量特征所预设的权重,rj为端口x的第j种流量特征,与端口y的输出流量特征中与第j种流量特征相应的流量特征之间的相似度;j取值为1~m的自然数,m为所述输入流量特征中的流量特征的种类总数。
6.如权利要求2-4任一所述的方法,其特征在于,所述输入流量特征中包括的至少一种流量特征为如下流量特征中选取的:接收字节传输率BPS、接收分组数据包传输率PPS、接收丢包率PLR、接收每秒传输过程次数TPS;以及
与所述接收BPS相应的流量特征为发送BPS,与所述接收PPS相应的流量特征为发送PPS,与所述接收PLR相应的流量特征为发送PLR,与所述接收TPS相应的流量特征为发送TPS。
7.如权利要求3-4任一所述的方法,其特征在于,在所述根据预先统计的每个网络设备的各端口的流量特征,对于属于不同网络设备的任意两个端口,计算其中一个端口的输入流量特征与另一个端口的输出流量特征之间的相似度之前,还包括:
在所述设定时间段内,对于每个网络设备,利用简单网络管理协议SNMP与该网络设备通信,按所述设定周期获取该网络设备的各端口的流量特征的数据。
8.一种网络拓扑结构确定系统,其特征在于,包括:
流量相似度计算模块,用于根据每个网络设备的各端口的流量特征,对于属于不同网络设备的任意两个端口,计算其中一个端口的输入流量特征与另一个端口的输出流量特征之间的相似度,根据计算出的相似度确定所述两个端口之间的流量相似度;
连接端口确定模块,用于根据所述流量相似度计算模块确定的流量相似度,对于每个端口,选取与该端口的流量相似度最大的端口,作为该端口的连接端口;
网络拓扑结构确定模块,用于根据所述连接端口确定模块选取的每个端口的连接端口、及其所属网络设备,确定出网络拓扑结构。
9.如权利要求8所述的系统,其特征在于,所述流量相似度计算模块、连接端口确定模块、网络拓扑结构确定模块均设置于所述系统的网络拓扑生成装置中;以及
所述系统还包括:流量数据存储装置;以及所述网络拓扑生成装置还包括:流量数据获取模块;其中,
所述流量数据存储装置用于存储从各网络设备采集的各端口的流量特征的数据;
所述流量数据获取模块用于从所述流量数据存储装置中获取每个网络设备的各端口的流量特征的数据。
10.如权利要求9所述的系统,其特征在于,还包括:
数据采集装置,用于在设定时间段内,对于每个网络设备,利用简单网络管理协议SNMP与该网络设备通信,按设定周期获取该网络设备的各端口的流量特征的数据后存储到流量数据存储装置中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310713224.2A CN103716187B (zh) | 2013-12-20 | 2013-12-20 | 网络拓扑结构确定方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310713224.2A CN103716187B (zh) | 2013-12-20 | 2013-12-20 | 网络拓扑结构确定方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103716187A CN103716187A (zh) | 2014-04-09 |
CN103716187B true CN103716187B (zh) | 2017-03-29 |
Family
ID=50408793
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310713224.2A Active CN103716187B (zh) | 2013-12-20 | 2013-12-20 | 网络拓扑结构确定方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103716187B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104125153B (zh) * | 2014-08-12 | 2018-04-27 | 华为技术有限公司 | 网络拓扑发现方法和设备 |
CN106209404B (zh) * | 2015-04-30 | 2019-05-03 | 华为技术有限公司 | 网络异常流量分析方法及系统 |
CN107911251B (zh) * | 2017-12-08 | 2021-04-20 | 锐捷网络股份有限公司 | 一种网络设备配置方法、装置和介质 |
CN110830290B (zh) * | 2019-10-28 | 2022-06-24 | 华为技术有限公司 | 网络拓扑生成方法及服务器 |
CN112787866B (zh) * | 2021-01-22 | 2022-10-14 | 北京网瑞达科技有限公司 | 网络拓扑关系的确定方法、装置、电子设备及存储介质 |
CN116827801B (zh) * | 2023-08-25 | 2023-12-15 | 武汉吧哒科技股份有限公司 | 网络拓扑构建方法、装置、计算机设备及可读存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101202652A (zh) * | 2006-12-15 | 2008-06-18 | 北京大学 | 网络应用流量分类识别装置及其方法 |
CN101917310A (zh) * | 2010-08-27 | 2010-12-15 | 电子科技大学 | 基于流量分析的网络拓扑推测方法 |
US8072985B2 (en) * | 2001-10-30 | 2011-12-06 | At&T Intellectual Property Ii, L.P. | Traffic matrix computation for packet networks |
CN102945273A (zh) * | 2012-11-06 | 2013-02-27 | 北京百度网讯科技有限公司 | 一种用于提供搜索结果的方法和设备 |
CN103326904A (zh) * | 2013-07-12 | 2013-09-25 | 中国人民解放军理工大学 | 一种基于多参数认知的快速网络拓扑推断方法 |
CN104639351A (zh) * | 2013-11-11 | 2015-05-20 | 卫信科技有限公司 | 用以建构网络结构部署图的处理系统及其方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7359930B2 (en) * | 2002-11-21 | 2008-04-15 | Arbor Networks | System and method for managing computer networks |
CN102075404A (zh) * | 2009-11-19 | 2011-05-25 | 华为技术有限公司 | 一种报文检测方法及装置 |
JP5536280B2 (ja) * | 2010-05-19 | 2014-07-02 | アルカテル−ルーセント | アプリケーションプロトコルを識別するための方法および装置 |
-
2013
- 2013-12-20 CN CN201310713224.2A patent/CN103716187B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8072985B2 (en) * | 2001-10-30 | 2011-12-06 | At&T Intellectual Property Ii, L.P. | Traffic matrix computation for packet networks |
CN101202652A (zh) * | 2006-12-15 | 2008-06-18 | 北京大学 | 网络应用流量分类识别装置及其方法 |
CN101917310A (zh) * | 2010-08-27 | 2010-12-15 | 电子科技大学 | 基于流量分析的网络拓扑推测方法 |
CN102945273A (zh) * | 2012-11-06 | 2013-02-27 | 北京百度网讯科技有限公司 | 一种用于提供搜索结果的方法和设备 |
CN103326904A (zh) * | 2013-07-12 | 2013-09-25 | 中国人民解放军理工大学 | 一种基于多参数认知的快速网络拓扑推断方法 |
CN104639351A (zh) * | 2013-11-11 | 2015-05-20 | 卫信科技有限公司 | 用以建构网络结构部署图的处理系统及其方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103716187A (zh) | 2014-04-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103716187B (zh) | 网络拓扑结构确定方法和系统 | |
CN103763154B (zh) | 一种网络流量检测方法 | |
CN107925588A (zh) | 带外平台调整和配置 | |
CN102929613B (zh) | 操作系统的调优装置和方法 | |
CN102104502A (zh) | 一种基于Linux系统的以太网网络设备性能测试平台 | |
CN104125153B (zh) | 网络拓扑发现方法和设备 | |
CN110233798A (zh) | 数据处理方法、装置及系统 | |
CN104424105B (zh) | 一种内存数据的读写处理方法和装置 | |
CN106656679B (zh) | 可用带宽测量方法 | |
CN107786440A (zh) | 一种数据报文转发的方法及装置 | |
CN104184659B (zh) | 一种用于获取网络中数据包的方法与设备 | |
CN111431803A (zh) | 一种路由选择方法及装置 | |
CN107430572A (zh) | 用于通信中封装信息的方法、装置和系统 | |
CN109120525A (zh) | 用于sdn的路径确定方法、装置、sdn控制器及网络 | |
CN109587072A (zh) | 分布式系统全局限速系统及方法 | |
CN107566222A (zh) | 一种计算丢包率的方法及装置 | |
CN109828843A (zh) | 一种计算节点间数据传输的方法、系统及电子设备 | |
CN105119778B (zh) | 测量时延的方法和设备 | |
CN110248379A (zh) | 无线局域网中基站的性能测试方法及装置 | |
Tang et al. | Towards memory-efficient streaming processing with counter-cascading sketching on FPGA | |
JP3446704B2 (ja) | シェーパ及びそれに用いるスケジューリング方法 | |
CN107623629A (zh) | 一种流转发路径的还原方法及设备 | |
CN105912266A (zh) | 一种刀片服务器及一种刀片服务器的融合存储的方法 | |
WO2016078246A1 (zh) | 一种支持多种网络数据接入的方法、装置和终端 | |
CN109040344A (zh) | 一种nat穿透方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230417 Address after: Room 501-502, 5/F, Sina Headquarters Scientific Research Building, Block N-1 and N-2, Zhongguancun Software Park, Dongbei Wangxi Road, Haidian District, Beijing, 100193 Patentee after: Sina Technology (China) Co.,Ltd. Address before: 100080, International Building, No. 58 West Fourth Ring Road, Haidian District, Beijing, 20 floor Patentee before: Sina.com Technology (China) Co.,Ltd. |