CN106549813A

CN106549813A - 一种网络性能的评估方法及系统

Info

Publication number: CN106549813A
Application number: CN201510590868.6A
Authority: CN
Inventors: 黄志忠
Original assignee: ZTE Corp
Current assignee: ZTE Corp
Priority date: 2015-09-16
Filing date: 2015-09-16
Publication date: 2017-03-29
Also published as: WO2016180127A1

Abstract

本发明公开了一种网络性能的评估方法及系统，其方法包括：根据获取到网络性能指标参数的抽样值，计算对应网络性能指标参数的权重值；根据获取到的各个网络性能指标参数的用户评价值以及计算得到的权重值，创建网络性能指标参数的评级矩阵；对评级矩阵进行归一化处理，并依此对对应网络性能指标参数的进行评估；或者根据评级矩阵和最大隶属度原则，对对应网络性能指标参数的进行评估。本发明通过抽样采集的数据计算相应的权重值，对网络性能进行客观分析，并将计算得到的权重值与对应的用户评价值相结合构建评级矩阵，对网络性能进行主观分析，采用定性和定量的方式，得到合理的评价结果，为服务器的设计提供更加真实可靠的参考依据。

Description

一种网络性能的评估方法及系统

技术领域

本发明涉及通信领域，尤其涉及一种网络性能的评估方法及系统。

背景技术

服务器的网络性能(Network Performance)是影响服务器性能的关键指标之一。目前，针对服务器的网络性能的评判，主要是通过获取测试仪上的数据，人为的进行一些主观的定量分析，以此判断网络性能的优劣，作为网络性能的评估结果；因此，这种方式缺乏客观的分析，不能真实的反应网络性能的实际能力。

发明内容

本发明提供了一种网络性能的评估方法及系统，避免了现有技术中对网络性能评价中的主观性，实现对服务器网络性能客观的评价，为服务器的设计提供更加准确、可靠的依据。

依据本发明的一个方面，提供了一种网络性能的评估方法，包括：

根据获取到网络性能指标参数的抽样值，计算对应网络性能指标参数的权重值；

根据获取到的各个网络性能指标参数的用户评价值以及计算得到的权重值，创建网络性能指标参数的评级矩阵；

对评级矩阵进行归一化处理，，并根据归一化处理后的评级矩阵对对应网络性能指标参数的进行评估；或者，

根据评级矩阵和最大隶属度原则，对对应网络性能指标参数的进行评估。

其中，在根据获取到网络性能指标参数的抽样值，计算对应网络性能指标参数的权重值的步骤之前，还包括：

根据预设采样规则，获取网络性能指标参数的抽样值；

将抽样值按照预先定义的指标类别进行分类记录。

其中，根据获取到网络性能指标参数的抽样值，计算对应网络性能指标参数的权重值的步骤包括：

根据信息熵计算公式和获取到网络性能指标参数的抽样值，计算各个网络性能指标参数对应的信息熵；

根据期望值计算公式和获取到网络性能指标参数的抽样值，计算各个网络性能指标参数对应的期望值；

根据计算出的信息熵和期望值，计算各个网络性能指标参数对应的信息增益；

根据预先定义的权重与信息增益之间的关系，计算各个网络性能指标参数对应的权重值。

其中，计算各个网络性能指标参数对应的权重值的步骤之后，还包括：

根据预设计算规则和计算出的各个网络性能指标参数对应的权重值，计算同一指标类别的网络性能指标参数的权重值。

其中，根据获取到的各个网络性能指标参数的用户评价值以及计算得到的权重值，创建网络性能指标参数的评级矩阵的步骤包括：

获取各个网络性能指标参数的用户评价值；

将用户评价值映射至预先设定的评语集中；

根据评语集以及计算得到的权重值，创建网络性能指标参数的评级矩阵。

依据本发明的另一个方面，还提供了一种网络性能的评估系统，包括：

计算模块，用于根据获取到网络性能指标参数的抽样值，计算对应网络性能指标参数的权重值；

创建模块，用于根据获取到的各个网络性能指标参数的用户评价值以及计算得到的权重值，创建网络性能指标参数的评级矩阵；

第一评估模块，用于对评级矩阵进行归一化处理，，并根据归一化处理后的评级矩阵对对应网络性能指标参数的进行评估；或者，

第二评估模块，用于根据评级矩阵和最大隶属度原则，对对应网络性能指标参数的进行评估。

其中，该网络性能的评估系统还包括：

获取模块，用于根据预设采样规则，获取网络性能指标参数的抽样值；

记录模块，用于将抽样值按照预先定义的指标类别进行分类记录。

其中，计算模块包括：

第一计算单元，用于根据信息熵计算公式和获取到网络性能指标参数的抽样值，计算各个网络性能指标参数对应的信息熵；

第二计算单元，用于根据期望值计算公式和获取到网络性能指标参数的抽样值，计算各个网络性能指标参数对应的期望值；

第三计算单元，用于根据计算出的信息熵和期望值，计算各个网络性能指标参数对应的信息增益；

第四计算单元，用于根据预先定义的权重与信息增益之间的关系，计算各个网络性能指标参数对应的权重值。

其中，计算模块还包括：

第五计算单元，用于根据预设计算规则和计算出的各个网络性能指标参数对应的权重值，计算同一指标类别的网络性能指标参数的权重值。

其中，创建模块包括：

获取单元，用于获取各个网络性能指标参数的用户评价值；

映射单元，用于将用户评价值映射至预先设定的评语集中；

创建单元，用于根据评语集以及计算得到的权重值，创建网络性能指标参数的评级矩阵。

本发明的实施例的有益效果是：

本发明通过抽样采集的数据计算相应的权重值，对网络性能进行客观分析，并将计算得到的权重值与对应的用户评价值相结合构建评级矩阵，对网络性能进行主观分析，采用定性和定量的方式，得到合理的评价结果，为服务器的设计提供更加真实可靠的参考依据。

附图说明

图1表示本发明的网络性能的评估方法的流程示意图一；

图2表示本发明的网络性能的评估方法的流程示意图二；

图3表示本发明的网络性能的评估系统的模块示意图一；

图4表示本发明的网络性能的评估系统的模块示意图二。

具体实施方式

下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。

为了实现网络性能评估的准确性，如图1所示，本发明的实施例提供了一种网络性能的评估方法，具体包括以下步骤：

步骤S11：根据获取到网络性能指标参数的抽样值，计算对应网络性能指标参数的权重值。

通过对服务器的网络数据进行实时采样，提取相应的性能指标参数，基于被动测量技术，根据样本概率计算相应的权重，从而得到网络性能的客观评价值。

步骤S12：根据获取到的各个网络性能指标参数的用户评价值以及计算得到的权重值，创建网络性能指标参数的评级矩阵。

通过用户或领域专家对相应的性能进行合理的评判，并将评判的评价值与上述计算得到的客观权重值相结合，创建评级矩阵，实现对网络性能的主观与客观相结合的评价。

步骤S13：对评级矩阵进行归一化处理，并根据归一化处理后的评级矩阵对对应网络性能指标参数的进行评估；或者，根据评级矩阵和最大隶属度原则，对对应网络性能指标参数的进行评估。

为降低计算算法的复杂度，对评级矩阵进行归一化处理，并根据归一化处理后的评级矩阵对对应网络性能指标参数的进行评估。

或者，根据最大隶属度原则，从评级矩阵中读取对应的评价结果，从而实现对对应网络性能指标参数的评估。

下面将结合具体运算算法对本发明的实施例作进一步的详细说明。如图2所示，在计算对应网络性能指标参数的权重值的步骤之前，还包括：

步骤S21：根据预设采样规则，获取网络性能指标参数的抽样值。

通过测试仪或者网络测量手段等方式，对服务器网络性能进行监测采样。

步骤S22：将抽样值按照预先定义的指标类别进行分类记录。

由于在判定服务器网络性能的过程中，存在大量的模糊性因素，因此为更加科学、准确、有效、客观的反应各种评估信息，减少各种因素对网络性能的影响，将服务器的网络性能指标参数进行分类(分解为若干层次和因素)，并根据分类结果，构造如表1所示的服务器网络性能指标评语集。

表1

基于被动测量的方法，针对服务器的网络性能指标参数进行大量地抽样统计，对原始数据进行采集，某项性能指标参数采集的样本个数统计形如下表：

表2

其中，指标X1、指标X2...指标X3分别为设备吞吐量、端口吞吐量…帧错误丢包率等网络性能指标参数中的一种。在如表2所示的抽样模型中，将一个样本数据表示为一个二元组：S＝<Data，d>，Data表示某个候选网络性能实例中的一个抽样值，并规定项d取值为d＝<d₁，d₂>，其中d₁＝True和d₂＝false分别表示用户是否选取了这个候选网络性能实例。

在记录各个网络性能指标参数的抽样值后，如图2所示，根据获取到网络性能指标参数的抽样值，计算对应网络性能指标参数的权重值的步骤包括：

步骤S23：计算各个网络性能指标参数对应的信息熵。

由于信息增益能够表示不同评价属性对服务选取结果的影响程度，为便于确定节点的权重，采用基于信息熵的样本统计方法，以此在本模型中计算网络性能属性的权重数。

设A为网络性能的样本数据全集，A₁是被选取的网络性能集合，A₂是未被选取的网络性能集合，A₁∈A，A₂∈A。设p₁表示样本数据集A₁的概率，p₂表示样本数据集A₂的概率，即：

参照离散信源信息熵的定义，由网络性能选取得到的信息熵为：

INFO(A₁,A₂)＝–p₁log₂(p₁)–p₂log₂(p₂)；公式一

依据上式计算各个网络性能指标参数对应的信息熵。在计算信息熵后，执行步骤S24：计算各个网络性能指标参数对应的期望值。

其中，假设子集A₁的样本个数为n，子集A₂的样本个数为p，全集A的样本个数为t。样本子集为{A₁，A₂，...，A_k，...，A_n}，其中A_k(1≤k≤t)包含A中的样本，A_k1为子集A_i中d＝d₁的样本集合，A_k2为子集A_i中d＝d₂的样本集合，且n_i和p_i分别表示样本子集A_i中d＝d₁和d＝d₂的样本个数。那么各个网络性能指标参数m_i对应的期望值依据下式计算：

公式二

将公式一代入公式二可得：

公式三

由公式二和公式三则有：

公式四

为简化计算对数的复杂度，提高计算的效率，在此将网络性能属性m_i的期望信息做如下处理,由麦克劳林公式：

公式五

其中，其中，((0<θ<1)。

当x→0时，有：公式六

又因为则通过公式六可得：

公式七

公式八

因此，将公式七和公式八代入公式四可得：

公式九

同理，将公式七和公式八代入公式三可得：

公式十

再计算各个网络性能指标参数的权值和期望值后，执行步骤S25：计算各个网络性能指标参数对应的信息增益

由于信息增益能够表示不同评价属性对服务选取结果的影响程度；各个网络性能指标参数m_i对应的信息增益定义为：

Gain(m_i)＝INFO(A₁,A₂)-E(m_i)；公式十一。

在计算出各个网络性能指标参数m_i对应的信息增益后，执行步骤S26：计算各个网络性能指标参数对应的权重值。

根据预先定义的权重与信息增益之间的关系，以及公式九、公式十和公式十一可以计算出每个网络性能指标参数的权重ω_i为：

由此得到一个权重集合：ω＝(ω₁，ω₂，…，ω_n)，表示各个网络性能指标参数的权重。

为了减少各种因素对网络性能的影响，将服务器的网络性能指标参数划分为如表1所示的级别，例如吞吐量为一级指标，设备吞吐量、端口吞吐量为二级指标。假设各个一级指标和相应的二级指标如表3所示：

表3

假设通过上述公式，计算得到的各个二级指标U₁，U₂，U₃，U₄的权重分别如下：

ω₁＝(0.2542，0.3125，0.2458，0.1875)

ω₂＝(0.3833，0.2958，0.3275)

ω₃＝(0.5250，0.4750)

ω₄＝(0.5500，0.4500)

在计算各个网络性能指标参数对应的权重值的步骤之后，根据预设计算规则和计算出的各个网络性能指标参数对应的权重值，计算同一指标类别的网络性能指标参数的权重值。即根据上述公式和计算出的二级指标的权重值，计算一级指标的权重值。假设一级指标A、B、C、D通过权重计算方法，计算得到的权重为：ω＝(0.2333，0.2750，0.2333，0.2583)。

如图2所示，根据获取到的各个网络性能指标参数的用户评价值以及计算得到的权重值，创建网络性能指标参数的评级矩阵的步骤包括：

步骤S27：获取各个网络性能指标参数的用户评价值。

为避免测试工具和测量手段力所不及的因素，通过形成问卷等方式对服务器网络性能提出问题，让用户也参与性能的评价，使最终的评估更加合理、有效。由于服务器网络性能是面向用户的，为实现服务器网络性能的动态评估，可引入第三方机构。通过委托第三方机构接受服务器网络服务提供方发布的各种网络服务，以此实现服务消费者的申请和调用，以及针对监控中心各个参数的实时更新和监控。而服务消费者通过服务绑定和协商请求服务提供方的各种服务，进而将服务发布给第三方机构，进行数据的动态更新。

步骤S28：将用户评价值映射至预先设定的评语集中。

这里所说的评语集是以评判者对评判对象可能做出的各种评判结果为元素而组成的集合。W＝{w₁，w₂，w₃，…}为评语组成的集合，评语由高到低递减，例如W＝{优，良，中，差}。

步骤S29：根据评语集以及计算得到的权重值，创建网络性能指标参数的评级矩阵。

假设在不考虑用户评价值时，仅依据评语集以及之前计算得到的权重值，构建的评级矩阵如下：

为进一步准确地对网络性能进行评估，采用权重值与通过用户参与评价相结合的方式构建评级矩阵，与上述权重计算相似，构建评级矩阵也包括构建二级评级矩阵和一级评级矩阵。其中，可以利用在相应等级的用户的评价人数，除以参与评价的总人数，作为用户对某项性能指标的评价值。

其中，二级评级矩阵中的每一个U_ij对路由器转发性能分别进行单因素评判，得出模糊评判结果Y＝(y_ij1，y_ij2，…，y_ijs)，在此依据二级指标中所有因素的评判结果，构造出二级因素集对应的评判矩阵Y_i：

其中，i＝1，2，…，n；j＝1，2，…，m；k＝1，2，…，s；y_ijk表示第i个指标集中的第j个指标属于第k个评语等级的隶属度。

然后利用模糊变换，得到二级指标的评判结果为：

S_i＝ω_iοY_i＝(s_i1，s_i2，…，s_is)；i＝1，2，…，n

其中，ω_i为二级因素集U_i中各因素的相对权重，“ο”为模糊算子，文章采用改进的模型M(·,+)(加权平均模型)进行评估，即对每个U_i中的U_ik有：

其中ω_ij表示一级指标i对应的二级评价指标j的权值，且满足∑ω_ij＝1。

对应的：S₁＝(0.0875，0.1304，0.6575，0.0992)

S₁的计算过程如下：

现已知ω₁＝(0.2542，0.3125，0.2458，0.1875)，

采用相同方式，可计算得到：S₁＝(0.0875，0.1304，0.6575，0.0992)；S₂＝(0.5241，0.1717，0.1630，0.1477)；S₃＝(0.1525，0.2475，0.1525，0.4475)；S₄＝(0.0900，0.1550，0.3000，0.4550)

其中，通过在二级模糊综合评判的基础之上，进行一级指标综合评判针对U的n个因素均作以上评估，则由U_i构成一级指标的评级矩阵为：

S同时也是一级模糊综合评判的评判矩阵。

则由公式(16)可以得到如下结果：

其中，一级指标的评级矩阵计算如下：R＝ω○S＝{r₁，r₂，…}，其中S表示所得的一级评判矩阵。

则将二级指标评级矩阵代入，可得：

其中，上述计算实际上就是一个()_1×4的矩阵乘以()_4×4的矩阵，其中“_ο”模糊算子表示矩阵相乘。

其中，如图1所示，在得到网络性能指标参数的评级矩阵后，需要对其进行归一化处理，即：

R＝{r₁，r₂，…r_s}，令

即：r’₁＝0.2234×(0.2234+0.1754+0.3113+0.2857)；

r’₂＝0.1754×(0.2234+0.1754+0.3113+0.2857)；

r’₃＝0.3113×(0.2234+0.1754+0.3113+0.2857)；

r’₄＝0.2857×(0.2234+0.1754+0.3113+0.2857)；

其中，由于R’＝{r’₁，r’₂，…r’_s}，选择^R'集合中元素最大的值所对应的评语集{优、良、中、差}为中，故通过模糊评判的结果为“中”，此时服务器网络性能评价等级为“优”、“良”、“中”、“差”的比重分别为r’₁，r’₂，r’₃，r’₄，由此可知性能等级比重，评判出该服务器网络性能的等级为Resukt'集合中最大的一个值所对应的评价等级，即为“中”等。

或者根据最大隶属度原则对各个网络性能指标进行评估，若a₁＝max(a_j)，其中j＝1，2，…，n，则选a₁作为评判结果。对结果R＝ω。S＝{r₁，r_2，…}＝(0.2234，0.1754，0.3113，0.2857)，由于其中R集合中最大的值为0.3113，对应的评语集{优、良、中、差}为中，故通过最大隶属度原则的评价结果为“中”。

综上，本发明实施例提供的网络性能的评估方法，突破了传统评价中的主观性，使评价更加客观、有效；通过细分服务器网络性能，并对其进行清晰的分层处理，能够更加准确的描述服务器网络性能的真实状况。此外，利用抽样采集的数据计算相应的权重值，对网络性能进行客观分析，并将计算得到的权重值与对应的用户评价值相结合构建评级矩阵，对网络性能进行主观分析，采用定性和定量的方式，得到合理的评价结果，为服务器的设计提供更加真实可靠的参考依据。

依据本发明实施例的另一个方面，还提供了一种网络性能的评估系统，如图3和图4所示，该网络性能的评估系统具体包括：

计算模块31，用于根据获取到网络性能指标参数的抽样值，计算对应网络性能指标参数的权重值；

创建模块32，用于根据获取到的各个网络性能指标参数的用户评价值以及计算得到的权重值，创建网络性能指标参数的评级矩阵；

第一评估模块33，用于对评级矩阵进行归一化处理；或者，

第二评估模块34，用于根据归一化处理后的评级矩阵和最大隶属度原则，对对应网络性能指标参数的进行评估。

其中，该网络性能的评估系统还包括：

其中，计算模块31包括：

其中，计算模块31还包括：

其中，创建模块32包括：

获取单元，用于获取各个网络性能指标参数的用户评价值；

映射单元，用于将用户评价值映射至预先设定的评语集中；

需要说明的是，该系统是与上述网络性能的评估方法对应的系统，上述方法实施例中所有实现方式均适用于该系统的实施例中，也能达到相同的技术效果。

以上所述的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人员来说，在不脱离本发明所述的原理前提下还可以作出若干改进和润饰，这些改进和润饰也在本发明的保护范围内。

Claims

1.一种网络性能的评估方法，其特征在于，包括：

对所述评级矩阵进行归一化处理，并根据归一化处理后的评级矩阵对对应网络性能指标参数的进行评估；或者，

2.根据权利要求1所述的网络性能的评估方法，其特征在于，在根据获取到网络性能指标参数的抽样值，计算对应网络性能指标参数的权重值的步骤之前，还包括：

根据预设采样规则，获取网络性能指标参数的抽样值；

将所述抽样值按照预先定义的指标类别进行分类记录。

3.根据权利要求2所述的网络性能的评估方法，其特征在于，根据获取到网络性能指标参数的抽样值，计算对应网络性能指标参数的权重值的步骤包括：

根据计算出的所述信息熵和所述期望值，计算各个网络性能指标参数对应的信息增益；

4.根据权利要求3所述的网络性能的评估方法，其特征在于，计算各个网络性能指标参数对应的权重值的步骤之后，还包括：

5.根据权利要求4所述的网络性能的评估方法，其特征在于，根据获取到的各个网络性能指标参数的用户评价值以及计算得到的权重值，创建网络性能指标参数的评级矩阵的步骤包括：

获取各个网络性能指标参数的用户评价值；

将所述用户评价值映射至预先设定的评语集中；

根据所述评语集以及计算得到的权重值，创建网络性能指标参数的评级矩阵。

6.一种网络性能的评估系统，其特征在于，包括：

第一评估模块，用于对所述评级矩阵进行归一化处理，并根据归一化处理后的评级矩阵对对应网络性能指标参数的进行评估；或者，

7.根据权利要求6所述的网络性能的评估系统，其特征在于，还包括：

记录模块，用于将所述抽样值按照预先定义的指标类别进行分类记录。

8.根据权利要求7所述的网络性能的评估系统，其特征在于，所述计算模块包括：

第三计算单元，用于根据计算出的所述信息熵和所述期望值，计算各个网络性能指标参数对应的信息增益；

9.根据权利要求8所述的网络性能的评估系统，其特征在于，所述计算模块还包括：

10.根据权利要求9所述的网络性能的评估系统，其特征在于，所述创建模块包括：

获取单元，用于获取各个网络性能指标参数的用户评价值；

映射单元，用于将所述用户评价值映射至预先设定的评语集中；

创建单元，用于根据所述评语集以及计算得到的权重值，创建网络性能指标参数的评级矩阵。