CN108271198A - 一种流量仿真方法及装置 - Google Patents
一种流量仿真方法及装置 Download PDFInfo
- Publication number
- CN108271198A CN108271198A CN201611264708.3A CN201611264708A CN108271198A CN 108271198 A CN108271198 A CN 108271198A CN 201611264708 A CN201611264708 A CN 201611264708A CN 108271198 A CN108271198 A CN 108271198A
- Authority
- CN
- China
- Prior art keywords
- port
- time point
- preset time
- magnitude
- network
- 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.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/06—Testing, supervising or monitoring using simulated traffic
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本申请实施例提供一种流量仿真方法及装置,涉及通信技术领域,能够简化网络流量仿真过程。具体方案为:仿真装置获取目标第一端口对应的目标流量模型;根据目标流量模型和目标基站的预设最大下行流量值,计算目标基站在各预设时间点的待叠加下行流量值;获取第二端口在各预设时间点的参考下行流量值和第二端口的最大支持带宽;按照预设时间点对应关系,将目标基站在各预设时间点的待叠加下行流量值,与第二端口在各预设时间点的参考下行流量值叠加,获得第二端口在各预设时间点的总下行流量值;根据第二端口在各预设时间点的总下行流量值和第二端口的最大支持带宽,确定第二端口是否满足带宽要求。本申请实施例用于网络流量仿真。
Description
技术领域
本申请实施例涉及通信技术领域,尤其涉及一种流量仿真方法及装置。
背景技术
随着业务的扩展或用户量的增大,移动承载网常常面临新增基站的情况。在新增基站时,如何通过流量仿真来评估新增基站带来的新增流量对现有网络的影响,是运营商当前面临的关键问题。
在流量仿真过程中,现有技术通过采集当前网络内各个端口的路由信息以及流量信息,将各个端口的路由和流量信息离线导入专业的流量模拟工具,以根据当前网络的路由信息模拟新增基站的流量的流向,将新增基站的流量叠加到流经的网络中的各个端口,从而确定各端口的流量是否满足带宽要求。
由于现有技术中需要采集网络中每个端口的路由信息,并根据路由信息模拟新增基站的流量的流向,而且需要分析网络中新增基站的流量流经的每个端口是否满足带宽要求,因而使得网络流量仿真过程较为复杂。
发明内容
本申请实施例提供一种流量仿真方法及装置,能够简化网络流量仿真过程。
为达到上述目的,本申请的实施例采用如下技术方案:
第一方面,本申请实施例提供了一种流量仿真方法,应用于环形网络,该方法包括:首先,仿真装置获取目标第一端口对应的目标流量模型。其中,目标第一端口为目标基站待接入环形网络时使用的用户网络接口。目标流量模型用于描述目标第一端口在各预设时间点的下行流量值的相对比值关系。其次,仿真装置根据目标流量模型和目标基站的预设最大下行流量值,计算目标基站在各预设时间点的待叠加下行流量值。然后,仿真装置获取第二端口在各预设时间点的参考下行流量值和第二端口的最大支持带宽,第二端口为环形网络中的环间端口或网络出口。而后,仿真装置按照预设时间点对应关系,将目标基站在各预设时间点的待叠加下行流量值,与第二端口在各预设时间点的参考下行流量值叠加,获得第二端口在各预设时间点的总下行流量值。之后,仿真装置根据第二端口在各预设时间点的总下行流量值和第二端口的最大支持带宽,确定第二端口是否满足带宽要求。
这样,仿真装置可以仅通过确定环形网络中各环间端口和各网络出口是否满足带宽要求,来分析新增基站对环形网络的影响,而不需要像现有技术那样分析新增基站流量流向的各用户网络接口、各环间端口、各网络出口以及各网络间接口是否满足带宽要求,并且不需要像现有技术那样采集路由信息,并根据路由信息模拟目标基站流量的流向,因而可以简化流量仿真过程。
并且,仿真装置能够根据环间端口和网络出口在不同预设时间点对应的不同大小的流量,分析环间端口和网络出口在不同预设时间点对应的流量是否满足带宽要求,从而使得流量仿真过程能够更为符合实际情况,能够更为准确地衡量新增基站对环形网络的影响。
在一种可能的实现方式中,仿真装置中预设有R个流量模型,R为正整数。仿真装置获取目标第一端口对应的目标流量模型包括:仿真装置从R个流量模型中,获取目标第一端口对应的目标流量模型。
这样,仿真装置可以从预设的多个流量模型中,获取一个与目标第一端口对应的目标流量模型。
在一种可能的实现方式中,各预设时间点为单位时间段内的各预设时间点。在仿真装置获取目标第一端口对应的目标流量模型之前,该方法还包括:仿真装置采集环形网络中M个第一端口在L个单位时间段内各预设时间点的下行流量值,M、L为正整数,第一端口为环形网络的用户网络接口。而后,仿真装置根据M个第一端口在L个单位时间段内各预设时间点的下行流量值,生成R个流量模型,R为正整数,且R小于或者等于M。仿真装置获取目标第一端口对应的目标流量模型包括:仿真装置从R个流量模型中,获取目标第一端口对应的目标流量模型。
这样,仿真装置可以根据M个第一端口在L个单位时间段内各预设时间点的下行流量值生成多个流量模型,从而从生成的多个流量模型中,选择一个与目标第一端口对应的目标流量模型。
在一种可能的实现方式中,仿真装置根据M个第一端口在L个单位时间段内各预设时间点的下行流量值,生成R个流量模型包括:仿真装置根据预设的相似度算法,在M个第一端口中确定自相似度高于第一预设值的P个第一端口,P为小于或者等于M的正整数。其中,自相似度是指每个第一端口在L个单位时间段内各预设时间点的下行流量值的相似度。之后,仿真装置根据P个第一端口中的每个第一端口在L个单位时间段内各预设时间点的下行流量值,计算P个第一端口中的每个第一端口在单位时间段内各预设时间点的参考下行流量值。而后,仿真装置根据P个第一端口中的每个第一端口在单位时间段内各预设时间点的参考下行流量值进行聚类操作,生成R个流量模型,R小于或者等于P。
这样,仿真装置可以根据M个第一端口中,自相似度高的P个第一端口在L个单位时间段内各预设时间点的下行流量值,通过聚类生成R个流量模型。
在一种可能的实现方式中,仿真装置根据P个第一端口中的每个第一端口在L个单位时间段内各预设时间点的下行流量值,计算P个第一端口中的每个第一端口在单位时间段内各预设时间点的参考下行流量值包括:对于P个第一端口中的任意第一端口,仿真装置计算任意第一端口在L个单位时间段内各预设时间点的参考下行流量值的数学平均值或中位数,数学平均值或中位数即为任意第一端口在单位时间段内各预设时间点的参考下行流量值。
这样,仿真装置可以将第一端口在L个单位时间段内各预设时间点的参考下行流量值的数学平均值或中位数,作为第一端口在单位时间段内各预设时间点的参考下行流量值,这样获得的参考下行流量值更能反映第一端口在单位时间段内各预设时间点的下行流量值的大致趋势。
在一种可能的实现方式中,仿真装置根据P个第一端口中的每个第一端口在单位时间段内各预设时间点的参考下行流量值进行聚类操作,生成R个流量模型包括:仿真装置将P个第一端口划分为R个类别,每个类别包括至少一个第一端口,每个类别中的不同第一端口在单位时间段内各预设时间点的参考下行流量值的相似度高于第二预设值。而后,仿真装置根据每个类别包括的至少一个第一端口在单位时间段内各预设时间点的参考下行流量值,分别生成R个类别中每个类别对应的流量模型。
这样,仿真装置可以将单位时间段内各预设时间点的参考下行流量值的相似度高的不同第一端口聚为一类,从而生成每一类对应的流量模型。
在一种可能的实现方式中,各预设时间点为单位时间段内的各预设时间点。仿真装置在获取第二端口在各预设时间点的参考下行流量值之前,方法还包括:仿真装置采集第二端口在L个单位时间段内各预设时间点的下行流量值,L为正整数。仿真装置根据第二端口在L个单位时间段内各预设时间点的下行流量值,计算第二端口在单位时间段内各预设时间点的参考下行流量值。
在一种可能的实现方式中,仿真装置根据第二端口在L个单位时间段内各预设时间点的下行流量值,计算第二端口在单位时间段内各预设时间点的参考下行流量值包括:仿真装置计算第二端口在L个单位时间段内各预设时间点的参考下行流量值的数学平均值或中位数,数学平均值或中位数即为第二端口在单位时间段内各预设时间点的参考下行流量值。
这样,仿真装置可以根据第二端口在L个单位时间段内各预设时间点的下行流量值,计算第二端口在单位时间段内各预设时间点的参考下行流量值,这样获得的参考下行流量值更能反映第一端口在单位时间段内各预设时间点的下行流量值的大致趋势。
在一种可能的实现方式中,L个单位时间段属于同一时间类型,时间类型包括工作日或周末;或者,时间类型包括节假日或非节假日;或者,时间类型包括活动日或非活动日。
这样,仿真装置可以针对不同的时间类型分别对环形网络的流量进行建模仿真,从而使得建模仿真过程能够符合各种不同的时间类型所对应的不同实际情况。
在一种可能的实现方式中,第二端口为网络出口。仿真装置根据第二端口在各预设时间点的总下行流量值和第二端口的最大支持带宽,确定第二端口是否满足带宽要求包括:仿真装置将网络出口在各预设时间点的总下行流量值除以网络出口的最大支持带宽,获得网络出口在各预设时间点的带宽利用率。当网络出口在各预设时间点的带宽利用率,小于预设带宽利用率阈值时,仿真装置确定网络出口满足带宽要求。
这样,仿真装置可以根据第二端口在各预设时间点的带宽利用率与第二端口的带宽利用率阈值的关系,确定网络出口是否满足带宽要求。
在一种可能的实现方式中,第二端口为第二端口对中的一个第二端口,第二端口对为环间端口对或网络出口对。其中,环间端口对为环形网络两个环之间的两个环间端口,网络出口对为环形网络同一环上的两个网络出口。仿真装置根据第二端口在各预设时间点的总下行流量值和第二端口的最大支持带宽,确定第二端口是否满足带宽要求包括:仿真装置按照预设时间点对应关系,将第二端口对中的两个第二端口在各预设时间点的总下行流量值叠加,将叠加后的各和值分别除以第二端口的最大支持带宽,获得第二端口在各预设时间点的带宽利用率。仿真装置当第二端口在各预设时间点的带宽利用率,小于预设带宽利用率阈值时,确定第二端口满足带宽要求。
这样,可以保证当环间端口对/网络出口对中的其中一个端口出现故障,业务流量倒换到环间端口对/网络出口对中的另一个未出现故障的环间端口/网络出口上时,环形网络可以正常工作。
第二方面,本申请实施例提供一种仿真装置,应用于环形网络,包括:获取单元,用于获取目标第一端口对应的目标流量模型。其中,目标第一端口为目标基站待接入环形网络时使用的用户网络接口,目标流量模型用于描述目标第一端口在各预设时间点的下行流量值的相对比值关系。处理单元,用于根据目标流量模型和目标基站的预设最大下行流量值,计算目标基站在各预设时间点的待叠加下行流量值。获取单元,用于获取第二端口在各预设时间点的参考下行流量值和第二端口的最大支持带宽,第二端口为环形网络中的环间端口或网络出口。处理单元,用于按照预设时间点对应关系,将目标基站在各预设时间点的待叠加下行流量值,与第二端口在各预设时间点的参考下行流量值叠加,获得第二端口在各预设时间点的总下行流量值。处理单元,还用于根据第二端口在各预设时间点的总下行流量值和第二端口的最大支持带宽,确定第二端口是否满足带宽要求。
在一种可能的实现方式中,各预设时间点为单位时间段内的各预设时间点,该装置还包括:采集单元,用于在获取单元获取目标第一端口对应的目标流量模型之前,采集环形网络中M个第一端口在L个单位时间段内各预设时间点的下行流量值,M、L为正整数。处理单元,用于根据采集单元采集的M个第一端口在L个单位时间段内各预设时间点的下行流量值,生成R个流量模型,R为正整数,且R小于或者等于M。处理单元具体用于:从R个流量模型中,获取目标第一端口对应的目标流量模型。
在一种可能的实现方式中,处理单元具体用于:根据预设的相似度算法,在M个第一端口中确定自相似度高于第一预设值的P个第一端口,P为小于或者等于M的正整数。其中,自相似度是指每个第一端口在L个单位时间段内各预设时间点的下行流量值的相似度。根据P个第一端口中的每个第一端口在L个单位时间段内各预设时间点的下行流量值,计算P个第一端口中的每个第一端口在单位时间段内各预设时间点的参考下行流量值。根据P个第一端口中的每个第一端口在单位时间段内各预设时间点的参考下行流量值进行聚类操作,生成R个流量模型,R小于或者等于P。
在一种可能的实现方式中,处理单元用于根据P个第一端口中的每个第一端口在L个单位时间段内各预设时间点的下行流量值,计算P个第一端口中的每个第一端口在单位时间段内各预设时间点的参考下行流量值具体包括:对于P个第一端口中的任意第一端口,计算任意第一端口在L个单位时间段内各预设时间点的参考下行流量值的数学平均值或中位数,数学平均值或中位数即为任意第一端口在单位时间段内各预设时间点的参考下行流量值。
在一种可能的实现方式中,处理单元用于根据P个第一端口中的每个第一端口在单位时间段内各预设时间点的参考下行流量值进行聚类操作,生成R个流量模型具体包括:将P个第一端口划分为R个类别,每个类别包括至少一个第一端口,每个类别中的不同第一端口在单位时间段内各预设时间点的参考下行流量值的相似度高于第二预设值。根据每个类别包括的至少一个第一端口在单位时间段内各预设时间点的参考下行流量值,分别生成R个类别中每个类别对应的流量模型。
在一种可能的实现方式中,各预设时间点为单位时间段内的各预设时间点。该装置还包括:采集单元,用于在获取单元获取第二端口在各预设时间点的参考下行流量值之前,采集第二端口在L个单位时间段内各预设时间点的下行流量值,L为正整数。处理单元还用于,根据采集单元采集的第二端口在L个单位时间段内各预设时间点的下行流量值,计算第二端口在单位时间段内各预设时间点的参考下行流量值。
在一种可能的实现方式中,L个单位时间段属于同一时间类型,时间类型包括工作日或周末;或者,时间类型包括节假日或非节假日;或者,时间类型包括活动日或非活动日。
在一种可能的实现方式中,第二端口为网络出口。处理单元具体用于:将网络出口在各预设时间点的总下行流量值除以网络出口的最大支持带宽,获得网络出口在各预设时间点的带宽利用率。当网络出口在各预设时间点的带宽利用率,小于预设带宽利用率阈值时,确定网络出口满足带宽要求。
在一种可能的实现方式中,第二端口为第二端口对中的一个第二端口,第二端口对为环间端口对或网络出口对,环间端口对为环形网络两个环之间的两个环间端口,网络出口对为环形网络同一环上的两个网络出口;处理单元具体用于:按照预设时间点对应关系,将第二端口对中的两个第二端口在各预设时间点的总下行流量值叠加,将叠加后的各和值分别除以第二端口的最大支持带宽,获得第二端口在各预设时间点的带宽利用率。当第二端口在各预设时间点的带宽利用率,小于预设带宽利用率阈值时,确定第二端口满足带宽要求。
又一方面,本申请实施例提供了一种仿真装置,包括:处理器、存储器、总线和通信接口;存储器用于存储计算机执行指令,处理器与存储器通过总线连接,当仿真装置运行时,处理器执行存储器存储的计算机执行指令,以使仿真装置执行上述任一方面所述的流量仿真方法。
再一方面,本申请实施例提供了一种计算机存储介质,用于储存为上述仿真装置所用的计算机软件指令,其包含用于执行上述方面所设计的程序。
再一方面,本申请实施例提供了一种计算机程序,该计算机程序包括指令,当该计算机程序被计算机执行时,使得计算机可以执行上述任一方面所述的流量仿真方法。
再一方面,本申请实施例还提供可以一种通信系统,包括上述仿真装置以及环形网络、基站和无线网络控制器/基站控制器。
为了便于理解,示例的给出了部分与本申请相关概念的说明以供参考。如下所示:
用户网络接口(User-to-Network Interface,UNI):接入环与基站相连的端口。
网络间接口(Network-to-Network Interface,NNI):移动承载网环内网元间相互连接的端口。
环间端口:上下两级环之间相交的端口,属于特殊的网络间接口。
网络出口:移动承载网上联无线网络控制器/基站控制器的端口。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种网络架构示意图;
图2为本申请实施例提供的另一种网络架构示意图;
图3为本申请实施例提供的一种流量仿真方法流程图;
图4为本申请实施例提供的另一种流量仿真方法流程图;
图5为本申请实施例提供的另一种流量仿真方法流程图;
图6为本申请实施例提供的仿真装置的结构示意图一;
图7为本申请实施例提供的仿真装置的结构意图二。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述。显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
当前,移动承载网大多采用环形组网方式。移动承载网可以包括基站、环形网络和无线网络控制器(Radio Network Controller,RNC)/基站控制器(Base StationController,BSC)等。其中,环形网络可以包括多个网元,主要由接入环-汇聚环-核心环组成。移动承载网的系统架构示意图可以参见图1。如图1所示,环形网络可以包括多个端口,这些端口主要包括用户网络接口、网络间接口、环间端口和网络出口。其中,基站通过用户网络接口与接入环挂接,用户网络接口具体可以对应于图1中标号为A的端口;接入环与汇聚环之间,以及汇聚环与核心环之间,分别通过环间端口相连,两个环之间的环间端口通常为两个,环间端口具体可以对应于图1中标号为B的端口;核心环通过网络出口与无线网络控制器或基站控制器相连,网络出口具体可以对应于图1中标号为C的端口;每个环内的不同网元之间通过网络间接口相连,网络间接口具体可以对应于图1中标号为D的端口。在环形网络中,环间端口和网络出口的数据较少,网络间接口的数量较多。并且,在图1所示的环形网络中,同一环(同一接入环、同一汇聚环或同一核心环)内的带宽具有一致性,即同一环内各端口的带宽可以设为相同,且同一环内的流量方向一致,每个环内的流量最终通过环间端口流到下一级环中。
当需要在环形网络中新增基站时,由于现有技术需要采集环形网络中每个端口的流量信息及路由信息,分析新增流量流经的每个端口的流量是否满足带宽要求,因而采集的信息量较多,流量仿真过程较为复杂。本申请实施例通过获取环形网络中的用户网络接口、环间端口和网络出口的流量,并确定环间端口和网络出口是否满足带宽要求,来对新增基站后的网络流量进行仿真,从而可以简化流量仿真过程。具体将通过以下实施例进行详细说明。
在图1所示的环形网络为环形网络的基础上,本申请实施例提供一种流量仿真方法,参见图2,以待新增基站(即目标基站)为基站3,基站3将通过用户网络接口z接入环形网络为例,在将目标基站接入环形网络之前,仿真装置对环形网络新增目标基站后的网络流量进行仿真。参见图3,该方法可以包括:
101、仿真装置获取目标第一端口对应的目标流量模型,目标第一端口为目标基站待接入环形网络时使用的用户网络接口,目标流量模型用于描述目标第一端口在各预设时间点的下行流量值的相对比值关系。
其中,这里的环形网络为目标基站待接入的环形网络。仿真装置具体可以是环形网络外部的一个独立设置的网元,也可以是环形网络外部的网络管理系统中的一个模块或功能实体。下行是指流量从基站流向环形网络的方向。
其中,第一端口为环形网络中的用户网络接口。在本申请以下实施例中,第一端口与用户网络接口可以混用。当环形网络为图1所示的环形网络时,第一端口可以为图1中标号为A的端口。目标用户网络接口为目标基站待接入环形网络时所使用的用户网络接口。在本申请实施例中,目标基站具体可以是图2中所示的基站3,目标用户网络接口具体可以为图2中所示的用户网络接口z。
在本申请实施例中,每个流量模型可以用于描述一种用户网络接口在各预设时间点的下行流量值的相对比值关系。目标流量模型是指与目标基站对应的目标用户网络接口对应的流量模型,可以用于描述目标用户网络接口在各预设时间点的各个下行流量值之间的相对比值关系。其中,目标基站不同,与目标基站对应的目标用户网络接口对应的目标流量模型也不同,在流量仿真过程中,具体可以根据目标基站所具有的特点,确定目标基站对应的目标流量模型。举例来说,当目标基站为住宅区使用的基站时,目标用户网络接口对应的目标流量模型可以为流量模型2,当目标基站为学校使用的基站时,目标用户网络接口对应的目标流量模型可以为流量模型3。
其中,上述各预设时间点的具体设置方式可以根据实际需要进行设定,这里不作具体限定。示例性的,各预设时间点可以为1天中的24个整点时刻,即00:00时刻,01:00时刻,02:00时刻,…,和23:00时刻。
在步骤101中,仿真装置可以获取目标用户网络接口对应的目标流量模型,以根据目标流量模型进一步执行本申请实施例提供的流量仿真方法,从而对环形网络进行网络流量仿真。
102、仿真装置根据目标流量模型和目标基站的预设最大下行流量值,计算目标基站在各预设时间点的待叠加下行流量值。
需要说明的是,在本申请实施例中,目标流量模型用于描述目标用户网络接口在各预设时间点的下行流量值的相对比值关系的目标流量模型。由于目标基站是通过目标网络接口接入环形网络的,目标基站的流量均通过目标用户网络接口流入环形网络,因而目标流量模型也可以用于描述与目标用户网络接口对应的目标基站在各预设时间点的下行流量值之间的相对比值关系。
因此,仿真装置根据目标流量模型描述的目标基站在各预设时间点的下行流量值之间的相对比值关系,以及目标基站的预设最大下行流量值,可以等比折算出目标基站在各预设时间点的待叠加下行流量值。
示例性的,当目标基站对应的预设最大下行流量值为1Gbps,目标流量模型为如下表2第2行所示的相对比值关系时,目标基站在各预设时间点对应的待叠加下行流量值可以参见如下表1。
表1
103、仿真装置获取第二端口在各预设时间点的参考下行流量值和第二端口的最大支持带宽,第二端口为环形网络中的环间端口或网络出口。
其中,第二端口为环形网络中的环间端口或网络出口。在本申请实施例中,当环形网络为图1所示的环形网络时,第二端口可以为图1中标号为B的环间端口或标号为C的网络出口。参考下行流量值为第二端口在各预设时间点的下行流量值的参考值,具体可以根据实际采集的第二端口在各预设时间点的下行流量值获得。最大支持带宽是指第二端口在各个预设时间点可以允许的最大带宽。
示例性的,第二端口在各预设时间点的参考下行流量值可以参见如下表2。
表2
104、仿真装置按照预设时间点对应关系,将目标基站在各预设时间点的待叠加下行流量值,与第二端口在各预设时间点的参考下行流量值叠加,获得第二端口在各预设时间点的总下行流量值。
在获取目标基站在各预设时间点的待叠加下行流量值,和第二端口在各预设时间点的参考下行流量值后,对于各预设时间点中的每个预设时间点,仿真装置可以将目标基站在该预设时间点的待叠加下行流量值,与第二端口在该预设时间点的参考下行流量值叠加,从而得到第二端口在该预设时间点的总下行流量值,进而得到第二端口在各预设时间点的总下行流量值。
示例性的,结合表1中目标基站对应的待叠加下行流量值和表2中第二端口对应的参考下行流量值,可以得到表3中第二端口在各预设时间点的总下行流量值。
表3
在上述表3中,第4行中每一列中的数据,为对应列中第2行数据和第3行数据叠加的结果。
105、仿真装置根据第二端口在各预设时间点的总下行流量值和第二端口的最大支持带宽,确定第二端口是否满足带宽要求。
其中,当仿真装置根据第二端口在各预设时间点的总下行流量值和第二端口的最大支持带宽,确定第二端口在各预设时间点均满足带宽要求时,可以确定第二端口满足带宽要求。其中,带宽要求具体可以为带宽利用率的要求。
需要说明的是,在本申请实施例中,第二端口可以包括环间端口和网络出口。在环形网络中,同一环内的带宽具有一致性,且同一环内的流量方向一致。例如,在下行方向上,接入环的所有流量最终都通过环间端口流到汇聚环当中;汇聚环的所有流量最终都通过环间端口流到核心环当中;核心环的所有流量最终都通过网络出口流出环形网络。因而,环间端口和网络出口是环形网络的所有端口中流量最大的端口,只要新增目标基站后,环形网络中的环间端口和网络出口的流量满足带宽要求,则整个环形网络的流量就满足带宽要求,即仅分析新增目标基站后第二端口是否满足带宽要求即可,而并不需要分析新增目标基站后每个端口的流量是否满足带宽要求。
因此,在本申请实施例提供的流量仿真方法中,仿真装置仅通过确定环形网络中各环间端口和各网络出口是否满足带宽要求,来分析新增基站对环形网络的影响,而不需要像现有技术那样分析新增基站流量流向的各用户网络接口、各环间端口、各网络出口以及各网络间接口是否满足带宽要求,并且不需要像现有技术那样采集路由信息,并根据路由信息模拟目标基站流量的流向,因而可以简化流量仿真过程。
另外,在背景技术所提到的现有技术中,由于动态路由是实时变化的,因而仿真时依据的路由信息可能与环形网络的实际路由不相符,从而导致仿真结果出现偏差。在另一现有技术中,运维人员根据经验手工选择与新增基站业务相近的基站,查看该基站的历史流量,选择最高流量叠加到环形网络各端口的峰值流量上,从而确定各端口是否满足带宽要求。该种方式需要依赖运维人员的经验和固有模式,经验不同选择的参照对象可能不同,仿真结果也会出现偏差。并且,环形网络中各端口的峰值流量实际上并不出现在同一时刻,简单叠加峰值流量也会导致仿真结果出现偏差,造成网络资源浪费。
实际上,环形网络中各端口在不同时刻的流量大小是不同的。因而,针对该实际情况,在本申请实施例提供的流量仿真方法中,仿真装置获取的目标流量模型描述的是目标基站对应的目标用户网络接口在各预设时间点的下行流量值的相对比值关系,从而可以根据目标流量模型和目标基站的预设最大下行流量值获得各预设时间点对应的待叠加下行流量值,进而可以结合第二端口在各预设时间点的参考下行流量值,获得第二端口在各预设时间点的总下行流量值;从而在根据总下行流量值分析新增基站对环形网络的影响时,可以分析环间端口和网络出口分别在不同预设时间点上的流量是否满足带宽要求。
因此,本申请实施例提供的流量仿真方法,能够根据环间端口和网络出口在不同预设时间点对应的不同大小的流量,分析环间端口和网络出口在不同预设时间点对应的流量是否满足带宽要求,从而使得流量仿真过程能够更为符合实际情况,能够更为准确地衡量新增基站对环形网络的影响。
可选地,仿真装置中可以预设有R(R为正整数)个流量模型,其中,每个流量模型可以对应环形网络中的至少一个第一端口。仿真装置上述步骤101具体可以包括:
1010、仿真装置从R个流量模型中,获取目标第一端口对应的目标流量模型。
或者,仿真装置也可以根据环形网络中的第一端口生成R个流量模型,并从生成的R个流量模型中获取目标第一端口对应的目标流量模型,该过程具体可以通过以下步骤106、107和1010实现:
各预设时间点具体可以为单位时间段内的各预设时间点。参见图4,在上述步骤101之前,该方法还可以包括:
106、仿真装置采集环形网络中M个第一端口在L个单位时间段内各预设时间点的下行流量值,M、L为正整数。
在本步骤中,环形网络中可以包括M个用户网络接口,仿真装置具体可以通过简单网络管理协议(Simple Network Management Protocol,SNMP)从环形网络的网元中采集每个用户网络接口在L个单位时间段内各预设时间点的下行流量值。L的具体数值可以根据实际需要进行设定。示例性的,当各预设时间点为1天内的24个整点时刻时,单位时间段可以为1天,L可以为5天、10天等。
107、仿真装置根据M个第一端口在L个单位时间段内各预设时间点的下行流量值,生成R个流量模型,R为正整数,且R小于或者等于M。
在本步骤中,仿真装置可以根据环形网络中的用户网络接口,在L个单位时间段内各预设时间点的下行流量值,生成多个流量模型。
在步骤106和107的基础上,步骤101具体可以包括:
1010、仿真装置从R个流量模型中,获取目标第一端口对应的目标流量模型。
在生成R个流量模型后,仿真装置可以根据目标基站的特点,确定并获取与目标基站对应的目标用户网络接口所对应的目标流量模型。示例性的,当目标基站为学校使用的基站时,与目标基站对应的目标用户网络接口所对应的目标流量模型,可以为上述R个流量模型中的流量模型3。
其中,上述步骤107具体可以包括:
201、仿真装置根据预设的相似度算法,在M个第一端口中确定自相似度高于第一预设值的P个第一端口,P为小于或者等于M的正整数,自相似度是指每个第一端口在L个单位时间段内各预设时间点的下行流量值的相似度。
当环形网络中包括M个用户网络接口时,仿真装置可以根据预设的相似度算法,从M个用户网络接口中确定自相似度高于第一预设值的P个用户网络接口。其中,一个用户网络接口的自相似度是指该用户网络接口在L个单位时间段内各预设时间点的下行流量值的相似度。其中,相似度算法和第一预设值可以根据实际需要进行设定。
具体的,对于M个用户网络接口中的任意一个用户网络接口,当单位时间段为1天时,仿真装置可以建立一张L*L的矩阵,比较每2天内该用户网络接口在预设时间点的下行流量值的第一相似度,并将第一相似度填入矩阵中,当第一相似度大于第一阈值时,将第一相似度置为1,当第一相似度小于第一阈值时,将第一相似度置为0。当矩阵中的所有第一相似度的和大于第一预设值时,仿真装置可以确定该用户网络接口为自相似度高于第一预设值的用户网络接口。示例性的,第一阈值可以为0.9,第一预设值可以为L*L*0.9,预设的相似度算法的表达式可以参见如下所示的皮尔森相似度公式:
其中,
上式中的x对应第一单位时间段,y对应第二单位时间段,n表示单位时间段内预设时间点的数量,xi表示某用户网络接口在第一单位时间段内的第i个预设时间点对应的下行流量值,yi表示该用户网络接口在第二单位时间段内的第i个预设时间点对应的下行流量值,rxy表示第一和第二单位时间段内该用户网络接口在各预设时间点的下行流量值的第一相似度。
202、仿真装置根据P个第一端口中的每个第一端口在L个单位时间段内各预设时间点的下行流量值,计算P个第一端口中的每个第一端口在单位时间段内各预设时间点的参考下行流量值。
其中,仿真装置根据P个第一端口中的每个第一端口在L个单位时间段内各预设时间点的下行流量值,计算P个第一端口中的每个第一端口在单位时间段内各预设时间点的参考下行流量值具体可以包括:
2020、对于P个第一端口中的任意第一端口,仿真装置计算任意第一端口在L个单位时间段内各预设时间点的参考下行流量值的数学平均值或中位数,数学平均值或中位数即为任意第一端口在单位时间段内各预设时间点的参考下行流量值。
示例性的,当L为5,单位时间段为1天,预设时间点为24个整点时刻时,某个用户网络接口在1天内24个整点时刻的参考下行流量值可以参见如下表4。
表4
在上述表4中,第7行的每一列中的数据,为对应列中的第2至第5行中的数据的数学平均值。
203、仿真装置根据P个第一端口中的每个第一端口在单位时间段内各预设时间点的参考下行流量值进行聚类操作,生成R个流量模型,R小于或者等于P。
聚类是指将物理或抽象对象的集合分成由类似的对象组成的多个类的过程。在本步骤中,仿真装置可以将P个用户网络接口通过聚类过程划分为R个类别,并生成每个类别对应的流量模型。
聚类算法具体可以有多种,例如分层聚类算法、划分聚类算法、基于密度的聚类算法、基于网格的聚类算法等。其中,分层聚类法就是对给定数据对象的集合进行层次分解,代表算法有:BIRCH(Balanced Iterative Reducing and Clustering usingHierarchies)算法、CURE(Clustering Using Representatives)算法、CHAMELEON算法等。根据分层分解采用的分解策略,分层聚类法又可以分为凝聚的分层聚类和分裂的分层聚类。凝聚的分层聚类采用自底向上的策略,首先将每一个对象作为一个类,然后根据某种度量将这些类合并为较大的类,直到所有的对象都在一个类中,或者是满足某个终止条件时为止,绝大多数分层聚类算法属于这一类,它们只是在类别间相似度的定义上有所不同。分裂的分层聚类采用自顶向下的策略,首先将所有的对象置于一个类中,然后根据某种度量逐渐细分为较小的类,直到每一个对象自成一个类,或者达到某个终止条件(如达到希望的类个数,或者2个最近的类之间的距离超过了某个阈值)。
具体的,在采用分层聚类算法时,步骤203具体可以包括:
2031、仿真装置将P个第一端口划分为R个类别,每个类别包括至少一个第一端口,每个类别中的不同第一端口在单位时间段内各预设时间点的参考下行流量值的相似度高于第二预设值。
仿真装置可以采用自底向上或自顶向下的分层聚类方法将P个用户网络接口划分为R个类别,每个类别中包括至少一个用户网络接口。在一种具体的实现方式中,每个类别中的不同用户网络接口在单位时间段内各预设时间点的参考下行流量值的相似度高于第二预设值。其中,第二预设值可以根据实际需要进行设定。
示例性的,不同用户网络接口在单位时间段内各预设时间点的参考下行流量值的相似度,可以为不同用户网络接口在单位时间段内各预设时间点的参考下行流量值之间的欧式距离。其中,欧式距离的表达式可以参见如下公式:
其中,x对应第一用户网络接口,y对应第二用户网络接口,n表示单位时间段内预设时间点的数量,xi表示第一用户网络接口在单位时间段内第i个预设时间点对应的参考下行流量值,yi表示第二用户网络接口在单位时间段内第i个预设时间点对应的参考下行流量值,D表示第一用户网络接口和第二用户网络接口在单位时间段内各预设时间点的参考下行流量值的欧式距离,即第一用户网络接口和第二用户网络接口在单位时间段内各预设时间点的参考下行流量值的相似度。
2032、仿真装置根据每个类别包括的至少一个第一端口在单位时间段内各预设时间点的参考下行流量值,分别生成R个类别中每个类别对应的流量模型。
在将P个用户网络接口划分为R个类别后,根据每个类别包括的至少一个用户网络接口在单位时间段内各预设时间点的参考下行流量值,得到一个相对比值关系,该相对比值关系为用户网络接口在单位时间段内各预设时间点的流量值的相对比值关系。需要说明的是,在根据每个类别包括的至少一个用户网络接口在单位时间段内各预设时间点的参考下行流量值,得到一个相对比值关系的过程中,可以利用现有技术在聚类过程中采用的相关方法进行计算,这里不再赘述。
此外,当各预设时间点为单位时间段内的各预设时间点时,在上述步骤103之前,参见图5,该方法还可以包括:
108、仿真装置采集第二端口在L个单位时间段内各预设时间点的下行流量值,L为正整数。
109、仿真装置根据第二端口在L个单位时间段内各预设时间点的下行流量值,计算第二端口在单位时间段内各预设时间点的参考下行流量值。
其中,仿真装置在步骤109中确定第二端口在单位时间内各预设时间点的参考下行流量值的具体方法,与上述步骤2020中关于计算任意用户网络接口在单位时间内各预设时间点的参考下行流量值的方法类似,可以参见上述步骤2020中的具体描述,这里不再赘述。
此外,在仿真装置确定第二端口是否满足带宽要求时,在一种可能的实现方式中,环形网络同一环内仅包括一个网络出口,当第二端口为网络出口时,上述步骤105可以包括:
301、仿真装置将网络出口在各预设时间点的总下行流量值除以网络出口的最大支持带宽,获得网络出口在各预设时间点的带宽利用率。
302、当网络出口在各预设时间点的带宽利用率,小于预设带宽利用率阈值时,仿真装置确定网络出口满足带宽要求。
其中,预设带宽利用率阈值可以根据时间需要进行设定。并且,网络出口在不同预设时间点对应的预设带宽利用率阈值可以相同,也可以不同。例如,网络出口在不同预设时间点对应的预设带宽利用率阈值可以均为75%。其中,这里的各预设时间点可以为单位时间段内的各预设时间点。
示例性的,若网络出口的最大支持带宽为4Gbps,网络出口在各预设时间点的总下行流量值分别为1.2Gbps,0.8Gbps,…,1.4Gbps,则网络出口在各预设时间点的带宽利用率分别为30%,20%,…,35%,网络出口在各预设时间点的带宽利用率,均小于预设带宽利用率阈值75%,因而满足带宽要求。
在实际的环形网络中,网络出口和环间端口通常是成对出现的。当第二端口为第二端口对中的一个第二端口,第二端口对为环间端口对或网络出口对,环间端口对为环形网络两个环之间的两个环间端口,网络出口对为环形网络同一环上的两个网络出口时,上述步骤105具体可以包括:
401、仿真装置按照预设时间点对应关系,将第二端口对中的两个第二端口在各预设时间点的总下行流量值叠加,将叠加后的各和值分别除以第二端口的最大支持带宽,获得第二端口在各预设时间点的带宽利用率。
402、当第二端口在各预设时间点的带宽利用率,小于预设带宽利用率阈值时,仿真装置确定第二端口满足带宽要求。
在环形网络中,为了进行业务保护,两个环之间的环间端口以及同一环上的网络出口通常都设置为两个,即第二端口包括的环间端口为两个环之间两两一组的环间端口对,且第二端口包括的网络出口为两个网络出口组成的一个网络出口对。从而,当环间端口对/网络出口对中的其中一个端口出现故障时,业务流量会倒换到环间端口对/网络出口对中的另一个未出现故障的环间端口/网络出口上。为了保证该种情况下环形网络可以正常工作,在分析环间端口/网络出口是否满足带宽要求时,可以按照时间点对应关系,将环间端口对/网络出口对中两个端口的总下行流量值叠加,然后除以环间端口对/网络出口对中一个端口的带宽,从而确定得到的带宽利用率是否小于预设的带宽利用率阈值。
其中,由于同一个环间端口对/网络出口对位于一个环内,环形网络在同一个环内具有带宽一致性,因而同一个环间端口对/网络出口中的两个端口的最大支持带宽可以相同。示例性的,以第二端口为图1所示的环间端口a为例,若预设带宽利用率为75%,环间端口a和环间端口b的最大支持带宽均为4Gbps,环间端口a在各预设时间点的总下行流量值为1.3Gbps,0.6Gbps,…,1.2Gbps,环间端口b在各预设时间点的总下行流量值为1.1Gbps,0.9Gbps,…,1.3Gbps,叠加后的总下行流量值为2.4Gbps,1.5Gbps,…,2.5Gbps,环间端口a(或环间端口b)在各预设时间点对应的带宽利用率为60%,37.5%,…,62.5%,小于预设带宽利用率阈值75%,因而该环间端口对满足带宽要求。
进一步地,在本申请实施例中,上述L个单位时间段可以属于同一时间类型,时间类型包括工作日或周末;或者,时间类型包括节假日或非节假日;或者,时间类型包括活动日或非活动日。
由于时间类型不同,环形网络中各端口的下行流量值也通常不同,因而在新增基站时,仿真装置可以针对不同的时间类型分别对环形网络的流量进行建模仿真,从而使得建模仿真过程能够符合各种不同的时间类型所对应的不同实际情况。具体的,当时间类型包括工作日或周末时,仿真装置可以获取第一端口和第二端口,在工作日内的L个单位时间段内各预设时间点的下行流量值,从而建立与工作日对应的流量模型,并根据与工作日对应的流量模型进行流量仿真;仿真装置还可以获取第一端口和第二端口在周末的L个单位时间段内各预设时间点的下行流量值,从而建立与周末对应的流量模型,并根据与周末对应的流量模型进行流量仿真。
需要说明的是,本申请实施例提供的流量仿真方法仅采集各用户网络接口、各环间端口和各网络出口的流量值,而不需要像现有技术那样还要采集网络间接口的流量值。并且,由于环形网络的每个环内都可以包括多个网元,每两个网元之间均通过网络间接口相连,因而环形网络中包括的网络间接口的数量较多,而用户网络接口、环间端口和网络出口的数量较少。可见,本申请实施例提供的方法可以减少流量仿真过程中需要采集的信息量。并且,在本申请实施例提供的流量仿真方法中,仿真装置可以在线采集流量值等信息,而不用像现有技术那样需要人工将采集到的信息导入专门的流量模拟工具。因而,本申请实施例提供的流量仿真方法,可以进一步简化流量仿真过程。
上述主要从仿真装置的角度对本申请实施例提供的方案进行了介绍。可以理解的是,上述仿真装置为了实现上述功能,其包括了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,本申请能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
本申请实施例可以根据上述方法示例对仿真装置进行功能模块的划分,例如,可以对应各个功能划分各个功能模块,也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既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。需要说明的是,本申请实施例中对模块的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
比如,在采用集成的方式划分各个功能模块的情况下,图6示出了上述实施例中所涉及的仿真装置的一种可能的结构示意图。如图6所示,该仿真装置60可以包括:处理单元601和获取单元602。其中,获取单元602,用于支持仿真装置60执行图3中的步骤S101和S103;处理单元601,用于支持仿真装置60执行图3中的步骤S102、S104和S105。
可选的,仿真装置60还可以包括采集单元603。
其中,获取单元602,用于支持仿真装置60执行图4中的步骤S101和S103;处理单元601,用于支持仿真装置60执行图4中的步骤S102、S104、S105和S107;采集单元603,用于支持仿真装置60执行图4中的步骤S106。
或者,获取单元602,用于支持仿真装置60执行图3中的步骤S101和S103;处理单元601,用于支持仿真装置60执行图5中的步骤S102、S104、S105、S107和S109。采集单元603,用于支持仿真装置60执行图5中的步骤S106和S108。
其中,上述方法实施例涉及的各步骤的所有相关内容均可以援引到对应功能模块的功能描述,在此不再赘述。
由于本申请实施例提供的仿真装置可用于执行上述流量仿真方法,因此其所能获得的技术效果可参考上述方法实施例,本申请实施例在此不再赘述。
图7所示为本申请实施例提供的仿真装置的硬件结构示意图。仿真装置700包括至少一个处理器701,通信总线702,存储器703以及至少一个通信接口704。
处理器701可以是一个通用中央处理器(Central Processing Unit,CPU),微处理器,特定应用集成电路(Application-Specific Integrated Circuit,ASIC),或一个或多个用于控制本申请方案程序执行的集成电路。
通信总线702可包括一通路,在上述组件之间传送信息。
通信接口704,使用任何收发器一类的装置,用于与其他设备或通信网络通信,如以太网,无线接入网(Radio Access Network,RAN),无线局域网(Wireless Local AreaNetworks,WLAN)等。
存储器703可以是只读存储器(Read-Only Memory,ROM)或可存储静态信息和指令的其他类型的静态存储设备,随机存取存储器(Random Access Memory,RAM)或者可存储信息和指令的其他类型的动态存储设备,也可以是电可擦可编程只读存储器(ElectricallyErasable Programmable Read-Only Memory,EEPROM)、只读光盘(Compact Disc Read-Only Memory,CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。存储器可以是独立存在,通过总线与处理器相连接。存储器也可以和处理器集成在一起。
其中,存储器703用于存储执行本申请方案的应用程序代码,并由处理器701来控制执行。处理器701用于执行存储器703中存储的应用程序代码,从而实现上述图3至图5中的流量仿真方法。
在具体实现中,作为一种实施例,处理器701可以包括一个或多个CPU,例如图7中的CPU0和CPU1。
在具体实现中,作为一种实施例,仿真装置700可以包括多个处理器,例如图7中的处理器701和处理器708。这些处理器中的每一个可以是一个单核(single-CPU)处理器,也可以是一个多核(multi-CPU)处理器。这里的处理器可以指一个或多个设备、电路、和/或用于处理数据(例如计算机程序指令)的处理核。
在具体实现中,作为一种实施例,仿真装置700还可以包括输出设备705和输入设备706。输出设备705和处理器701通信,可以以多种方式来显示信息。例如,输出设备705可以是液晶显示器(Liquid Crystal Display,LCD),发光二级管(Light Emitting Diode,LED)显示设备,阴极射线管(Cathode Ray Tube,CRT)显示设备,或投影仪(projector)等。输入设备706和处理器701通信,可以以多种方式接受用户的输入。例如,输入设备706可以是鼠标、键盘、触摸屏设备或传感设备等。
上述的仿真装置700可以是一个通用计算机设备或者是一个专用计算机设备。在具体实现中,仿真装置700可以是台式机、便携式电脑、网络服务器、掌上电脑(PersonalDigital Assistant,PDA)、移动手机、平板电脑、无线终端设备、通信设备、嵌入式设备或有图7中类似结构的设备。本申请实施例不限定仿真装置700的类型。
由于本申请实施例提供的仿真装置可用于执行上述图3至图5所示的流量仿真方法,因此其所能获得的技术效果也可参考上述方法实施例,本申请实施例在此不再赘述。
本申请实施例还提供了一种计算机存储介质,用于储存为上述仿真装置所用的计算机软件指令,其包含用于执行上述方法实施例所设计的程序。通过执行存储的程序,可以实现流量仿真方法。
本申请实施例还提供了一种计算机程序,该计算机程序包括指令,当该计算机程序被计算机执行时,使得计算机可以执行上述方法实施例的流程。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备、方法和系统,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些端口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理包括,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,简称ROM)、随机存取存储器RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。
Claims (19)
1.一种流量仿真方法,应用于环形网络,其特征在于,所述方法包括:
获取目标第一端口对应的目标流量模型,所述目标第一端口为目标基站待接入所述环形网络时使用的用户网络接口,所述目标流量模型用于描述所述目标第一端口在各预设时间点的下行流量值的相对比值关系;
根据所述目标流量模型和所述目标基站的预设最大下行流量值,计算所述目标基站在各预设时间点的待叠加下行流量值;
获取第二端口在各预设时间点的参考下行流量值和所述第二端口的最大支持带宽,所述第二端口为所述环形网络中的环间端口或网络出口;
按照预设时间点对应关系,将所述目标基站在各预设时间点的待叠加下行流量值,与所述第二端口在各预设时间点的参考下行流量值叠加,获得所述第二端口在各预设时间点的总下行流量值;
根据所述第二端口在各预设时间点的总下行流量值和所述第二端口的最大支持带宽,确定所述第二端口是否满足带宽要求。
2.根据权利要求1所述的方法,其特征在于,所述各预设时间点为单位时间段内的各预设时间点,在获取目标第一端口对应的目标流量模型之前,所述方法还包括:
采集所述环形网络中M个第一端口在L个单位时间段内各预设时间点的下行流量值,M、L为正整数,所述第一端口为所述环形网络的用户网络接口;
根据所述M个第一端口在L个单位时间段内各预设时间点的下行流量值,生成R个流量模型,R为正整数,且R小于或者等于M;
所述获取目标第一端口对应的目标流量模型包括:
从所述R个流量模型中,获取目标第一端口对应的目标流量模型。
3.根据权利要求2所述的方法,其特征在于,所述根据所述M个第一端口在L个单位时间段内各预设时间点的下行流量值,生成R个流量模型包括:
根据预设的相似度算法,在所述M个第一端口中确定自相似度高于第一预设值的P个第一端口,P为小于或者等于M的正整数,所述自相似度是指每个所述第一端口在L个单位时间段内各预设时间点的下行流量值的相似度;
根据所述P个第一端口中的每个第一端口在L个单位时间段内各预设时间点的下行流量值,计算所述P个第一端口中的每个第一端口在单位时间段内各预设时间点的参考下行流量值;
根据所述P个第一端口中的每个第一端口在单位时间段内各预设时间点的参考下行流量值进行聚类操作,生成R个流量模型,R小于或者等于P。
4.根据权利要求3所述的方法,其特征在于,所述根据所述P个第一端口中的每个第一端口在L个单位时间段内各预设时间点的下行流量值,计算所述P个第一端口中的每个第一端口在单位时间段内各预设时间点的参考下行流量值包括:
对于所述P个第一端口中的任意第一端口,计算所述任意第一端口在L个单位时间段内各预设时间点的参考下行流量值的数学平均值或中位数,所述数学平均值或中位数即为所述任意第一端口在单位时间段内各预设时间点的参考下行流量值。
5.根据权利要求3或4所述的方法,其特征在于,所述根据所述P个第一端口中的每个第一端口在单位时间段内各预设时间点的参考下行流量值进行聚类操作,生成R个流量模型包括:
将所述P个第一端口划分为R个类别,每个所述类别包括至少一个第一端口,每个所述类别中的不同第一端口在单位时间段内各预设时间点的参考下行流量值的相似度高于第二预设值;
根据每个所述类别包括的至少一个第一端口在单位时间段内各预设时间点的参考下行流量值,分别生成所述R个类别中每个类别对应的流量模型。
6.根据权利要求1所述的方法,其特征在于,所述各预设时间点为单位时间段内的各预设时间点,在获取第二端口在各预设时间点的参考下行流量值之前,所述方法还包括:
采集所述第二端口在L个单位时间段内各预设时间点的下行流量值,L为正整数;
根据所述第二端口在L个单位时间段内各预设时间点的下行流量值,计算所述第二端口在单位时间段内各预设时间点的参考下行流量值。
7.根据权利要求2-6任一项所述的方法,其特征在于,所述L个单位时间段属于同一时间类型,所述时间类型包括工作日或周末;或者,所述时间类型包括节假日或非节假日;或者,所述时间类型包括活动日或非活动日。
8.根据权利要求1-7任一项所述的方法,其特征在于,所述第二端口为网络出口;所述根据所述第二端口在各预设时间点的总下行流量值和所述第二端口的最大支持带宽,确定所述第二端口是否满足带宽要求包括:
将所述网络出口在各预设时间点的总下行流量值除以所述网络出口的最大支持带宽,获得所述网络出口在各预设时间点的带宽利用率;
当所述网络出口在各预设时间点的带宽利用率,小于预设带宽利用率阈值时,确定所述网络出口满足带宽要求。
9.根据权利要求1-7任一项所述的方法,其特征在于,所述第二端口为第二端口对中的一个第二端口,所述第二端口对为环间端口对或网络出口对,所述环间端口对为所述环形网络两个环之间的两个环间端口,所述网络出口对为所述环形网络同一环上的两个网络出口;所述根据所述第二端口在各预设时间点的总下行流量值和所述第二端口的最大支持带宽,确定所述第二端口是否满足带宽要求包括:
按照预设时间点对应关系,将所述第二端口对中的两个第二端口在各预设时间点的总下行流量值叠加,将叠加后的各和值分别除以所述第二端口的最大支持带宽,获得所述第二端口在各预设时间点的带宽利用率;
当所述第二端口在各预设时间点的带宽利用率,小于预设带宽利用率阈值时,确定所述第二端口满足带宽要求。
10.一种仿真装置,应用于环形网络,其特征在于,包括:
获取单元,用于获取目标第一端口对应的目标流量模型,所述目标第一端口为目标基站待接入所述环形网络时使用的用户网络接口,所述目标流量模型用于描述所述目标第一端口在各预设时间点的下行流量值的相对比值关系;
处理单元,还用于根据所述目标流量模型和所述目标基站的预设最大下行流量值,计算所述目标基站在各预设时间点的待叠加下行流量值;
所述获取单元,还用于获取第二端口在各预设时间点的参考下行流量值和所述第二端口的最大支持带宽,所述第二端口为所述环形网络中的环间端口或网络出口;
所述处理单元,还用于按照预设时间点对应关系,将所述目标基站在各预设时间点的待叠加下行流量值,与所述第二端口在各预设时间点的参考下行流量值叠加,获得所述第二端口在各预设时间点的总下行流量值;
所述处理单元,还用于根据所述第二端口在各预设时间点的总下行流量值和所述第二端口的最大支持带宽,确定所述第二端口是否满足带宽要求。
11.根据权利要求10所述的装置,其特征在于,所述各预设时间点为单位时间段内的各预设时间点,所述装置还包括:
采集单元,用于在所述获取单元获取目标第一端口对应的目标流量模型之前,采集所述环形网络中M个第一端口在L个单位时间段内各预设时间点的下行流量值,M、L为正整数;
所述处理单元,还用于根据所述采集单元采集的所述M个第一端口在L个单位时间段内各预设时间点的下行流量值,生成R个流量模型,R为正整数,且R小于或者等于M;
所述获取单元具体用于:
从所述R个流量模型中,获取目标第一端口对应的目标流量模型。
12.根据权利要求11所述的装置,其特征在于,所述处理单元具体用于:
根据预设的相似度算法,在所述M个第一端口中确定自相似度高于第一预设值的P个第一端口,P为小于或者等于M的正整数,所述自相似度是指每个所述第一端口在L个单位时间段内各预设时间点的下行流量值的相似度;
根据所述P个第一端口中的每个第一端口在L个单位时间段内各预设时间点的下行流量值,计算所述P个第一端口中的每个第一端口在单位时间段内各预设时间点的参考下行流量值;
根据所述P个第一端口中的每个第一端口在单位时间段内各预设时间点的参考下行流量值进行聚类操作,生成R个流量模型,R小于或者等于P。
13.根据权利要求12所述的装置,其特征在于,所述处理单元用于根据所述P个第一端口中的每个第一端口在L个单位时间段内各预设时间点的下行流量值,计算所述P个第一端口中的每个第一端口在单位时间段内各预设时间点的参考下行流量值具体包括:
对于所述P个第一端口中的任意第一端口,计算所述任意第一端口在L个单位时间段内各预设时间点的参考下行流量值的数学平均值或中位数,所述数学平均值或中位数即为所述任意第一端口在单位时间段内各预设时间点的参考下行流量值。
14.根据权利要求12或13所述的装置,其特征在于,所述处理单元用于根据所述P个第一端口中的每个第一端口在单位时间段内各预设时间点的参考下行流量值进行聚类操作,生成R个流量模型具体包括:
将所述P个第一端口划分为R个类别,每个所述类别包括至少一个第一端口,每个所述类别中的不同第一端口在单位时间段内各预设时间点的参考下行流量值的相似度高于第二预设值;
根据每个所述类别包括的至少一个第一端口在单位时间段内各预设时间点的参考下行流量值,分别生成所述R个类别中每个类别对应的流量模型。
15.根据权利要求10所述的装置,其特征在于,所述各预设时间点为单位时间段内的各预设时间点,所述装置还包括:
采集单元,用于在所述获取单元获取第二端口在各预设时间点的参考下行流量值之前,采集所述第二端口在L个单位时间段内各预设时间点的下行流量值,L为正整数;
所述处理单元,还用于根据所述采集单元采集的所述第二端口在L个单位时间段内各预设时间点的下行流量值,计算所述第二端口在单位时间段内各预设时间点的参考下行流量值。
16.根据权利要求11-15任一项所述的装置,其特征在于,所述L个单位时间段属于同一时间类型,所述时间类型包括工作日或周末;或者,所述时间类型包括节假日或非节假日;或者,所述时间类型包括活动日或非活动日。
17.根据权利要求10-16任一项所述的装置,其特征在于,所述第二端口为网络出口;
所述处理单元具体用于:
将所述网络出口在各预设时间点的总下行流量值除以所述网络出口的最大支持带宽,获得所述网络出口在各预设时间点的带宽利用率;
当所述网络出口在各预设时间点的带宽利用率,小于预设带宽利用率阈值时,确定所述网络出口满足带宽要求。
18.根据权利要求10-16任一项所述的装置,其特征在于,所述第二端口为第二端口对中的一个第二端口,所述第二端口对为环间端口对或网络出口对,所述环间端口对为所述环形网络两个环之间的两个环间端口,所述网络出口对为所述环形网络同一环上的两个网络出口;
所述处理单元具体用于:
按照预设时间点对应关系,将所述第二端口对中的两个第二端口在各预设时间点的总下行流量值叠加,将叠加后的各和值分别除以所述第二端口的最大支持带宽,获得所述第二端口在各预设时间点的带宽利用率;
当所述第二端口在各预设时间点的带宽利用率,小于预设带宽利用率阈值时,确定所述第二端口满足带宽要求。
19.一种仿真装置,其特征在于,包括:处理器、存储器、总线和通信接口;
所述存储器用于存储计算机执行指令,所述处理器与所述存储器通过所述总线连接,当所述仿真装置运行时,所述处理器执行所述存储器存储的所述计算机执行指令,以使所述仿真装置执行如权利要求1-9中任意一项所述的流量仿真方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611264708.3A CN108271198B (zh) | 2016-12-30 | 2016-12-30 | 一种流量仿真方法及装置 |
PCT/CN2017/104556 WO2018120961A1 (zh) | 2016-12-30 | 2017-09-29 | 一种流量仿真方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611264708.3A CN108271198B (zh) | 2016-12-30 | 2016-12-30 | 一种流量仿真方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108271198A true CN108271198A (zh) | 2018-07-10 |
CN108271198B CN108271198B (zh) | 2020-11-17 |
Family
ID=62706783
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611264708.3A Active CN108271198B (zh) | 2016-12-30 | 2016-12-30 | 一种流量仿真方法及装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN108271198B (zh) |
WO (1) | WO2018120961A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111431760A (zh) * | 2020-02-28 | 2020-07-17 | 深圳市风云实业有限公司 | 一种交换芯片中端口带宽利用率测量方法 |
CN112866036A (zh) * | 2021-02-24 | 2021-05-28 | 鹏城实验室 | 云计算平台的网络流量仿真方法、系统及计算机存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103686818A (zh) * | 2012-08-30 | 2014-03-26 | 电信科学技术研究院 | 一种仿真测试方法及设备 |
CN103702360A (zh) * | 2013-12-12 | 2014-04-02 | 华为技术有限公司 | 一种确定业务接入端口的数据流速的方法及装置 |
WO2015089732A1 (zh) * | 2013-12-17 | 2015-06-25 | 华为技术有限公司 | 业务测试方法、设备和系统、网络节点及质量处理节点 |
CN105592487A (zh) * | 2014-10-22 | 2016-05-18 | 中兴通讯股份有限公司 | 一种lte网络业务流量评估方法及装置 |
CN105828341A (zh) * | 2015-01-04 | 2016-08-03 | 中国移动通信集团上海有限公司 | 一种将基站接入分组传送网接入环的方法及装置 |
WO2016123936A1 (zh) * | 2015-02-06 | 2016-08-11 | 中兴通讯股份有限公司 | 一种测试接口板流量的方法、装置、测试板及系统 |
-
2016
- 2016-12-30 CN CN201611264708.3A patent/CN108271198B/zh active Active
-
2017
- 2017-09-29 WO PCT/CN2017/104556 patent/WO2018120961A1/zh active Application Filing
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103686818A (zh) * | 2012-08-30 | 2014-03-26 | 电信科学技术研究院 | 一种仿真测试方法及设备 |
CN103702360A (zh) * | 2013-12-12 | 2014-04-02 | 华为技术有限公司 | 一种确定业务接入端口的数据流速的方法及装置 |
WO2015089732A1 (zh) * | 2013-12-17 | 2015-06-25 | 华为技术有限公司 | 业务测试方法、设备和系统、网络节点及质量处理节点 |
CN105592487A (zh) * | 2014-10-22 | 2016-05-18 | 中兴通讯股份有限公司 | 一种lte网络业务流量评估方法及装置 |
CN105828341A (zh) * | 2015-01-04 | 2016-08-03 | 中国移动通信集团上海有限公司 | 一种将基站接入分组传送网接入环的方法及装置 |
WO2016123936A1 (zh) * | 2015-02-06 | 2016-08-11 | 中兴通讯股份有限公司 | 一种测试接口板流量的方法、装置、测试板及系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111431760A (zh) * | 2020-02-28 | 2020-07-17 | 深圳市风云实业有限公司 | 一种交换芯片中端口带宽利用率测量方法 |
CN112866036A (zh) * | 2021-02-24 | 2021-05-28 | 鹏城实验室 | 云计算平台的网络流量仿真方法、系统及计算机存储介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2018120961A1 (zh) | 2018-07-05 |
CN108271198B (zh) | 2020-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104298593B (zh) | 一种基于复杂网络理论的soa系统可靠性评价方法 | |
Shen et al. | Reliable hub location model for air transportation networks under random disruptions | |
Wang et al. | SSIEA: a hybrid evolutionary algorithm for supporting conceptual architectural design | |
CN105940377A (zh) | 用于基于云的虚拟化编排器的方法、系统和计算机可读介质 | |
CN106227599B (zh) | 一种云计算系统中资源调度的方法及系统 | |
CN103338462B (zh) | 网络扩容方法及设备 | |
CN105354680B (zh) | 一种基于gis的电网断面辅助确定分析方法 | |
CN108271198A (zh) | 一种流量仿真方法及装置 | |
CN105376151B (zh) | ABtest平台的分流方法及系统 | |
CN110533536A (zh) | 交易风险评估方法、装置和计算机系统 | |
Ruan et al. | Resource allocation and distributed uplink offloading mechanism in fog environment | |
CN110557345A (zh) | 一种电力通信网资源分配方法 | |
CN106780072A (zh) | 力导向自适应图布局方法及系统 | |
CN110188027A (zh) | 生产环境的性能评估方法、装置、设备及存储介质 | |
CN105977958A (zh) | 基于网络分裂法的双边交易网损分摊方法 | |
CN101945406B (zh) | 认知网络资源的矢量空间模型构建方法 | |
CN109344439A (zh) | 一种基于bim的建筑模块式建模及其模拟施工方法 | |
CN107957945A (zh) | 货币基金系统自动性能测试方法、装置、设备及存储介质 | |
CN106407403A (zh) | 基于学习的受约束服务聚合排名预测方法及装置 | |
CN106951646A (zh) | 一种电力系统实时仿真中的多速率接口方法和装置 | |
CN104090813B (zh) | 一种云数据中心的虚拟机cpu使用率的分析建模方法 | |
CN103259731B (zh) | 一种基于开/关源模型的网络关键节点自相似流量生成简化方法 | |
CN102857954A (zh) | 传输配置数据的处理方法及装置 | |
CN111834996A (zh) | 电网线损计算方法和装置 | |
CN102164040A (zh) | 基于带抑制弧的Petri网模拟HB系统状态转换的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |