CN108293200A

CN108293200A - 设备吞吐量确定

Info

Publication number: CN108293200A
Application number: CN201580085052.6A
Authority: CN
Inventors: 乌马·帕萨威·莫拉瓦帕勒; 施拉提·乔纳德亚; 阿比纳夫·帕拉特; 金奎韩
Original assignee: Hewlett Packard Enterprise Development LP
Current assignee: Hewlett Packard Enterprise Development LP
Priority date: 2015-10-02
Filing date: 2015-10-02
Publication date: 2018-07-17
Anticipated expiration: 2035-10-02
Also published as: US20180376348A1; WO2017058247A1; US10652756B2; CN108293200B

Abstract

在一个示例中，一种用于设备吞吐量确定的系统包括：监测引擎，用于监测在蜂窝网络的为设备指定的节点处的平均分组大小，以及设备和蜂窝网络的节点之间的通道质量；分类引擎，用于基于在为设备指定的节点处监测到的平均分组大小以及通道质量来对设备进行分类；预测引擎，用于基于设备的分类和设备在一段时间内请求的资源的数量来预测设备在一定数量的未来的传输时间间隔(TTI)内的吞吐量。

Description

设备吞吐量确定

背景技术

设备可以利用多种网络类型来访问数据。网络可以包括无线通信网络，例如Wi-Fi和/或蜂窝网络。多种网络类型可能包括基于由设备使用的应用的类型的优点和缺点。例如，与诸如长期演进(LTE)蜂窝网络等蜂窝网络连接相比，Wi-Fi连接可以提供相对低的延迟和相对高的分组丢失。设备可以利用使用来自网络的数据的多种不同应用。在一些情况下，应用的性能可能受到设备所使用的网络的类型的影响。

附图说明

图1说明了与本公开一致的用于设备吞吐量确定的系统的示例的图。

图2说明了与本公开一致的用于设备吞吐量确定的示例计算设备的图。

图3说明了与本公开一致的用于设备吞吐量确定的系统的示例的图。

图4说明了与本公开一致的用于设备吞吐量确定的系统的示例的图。

图5说明了与本公开一致的用于设备吞吐量确定的方法的示例的流程图。

具体实施方式

本文描述了用于设备吞吐量确定的若干方法、系统和计算机可读介质。如本文所使用的，设备吞吐量确定可以包括蜂窝网络的每用户资源份额。更具体地，设备吞吐量确定可以包括资源的每用户LTE份额(PULSAR)。对于与特定节点(例如，蜂窝塔节点、eNodeB等)通信以预测每个设备在一段时间(例如，传输时间间隔(TTI)等)内的吞吐量的每个设备而言，设备吞吐量确定除了利用应用流量模式之外还可以利用网络状态信息。在一些示例中，吞吐量确定还可以预测预期在未来时间连接到特定节点的若干设备的吞吐量。

设备吞吐量确定可以包括基于每个设备在一段时间内要求的资源的数量、通道质量(例如，通道质量指示符(CQI)等)和/或分组到达率来对该设备进行分类。例如，与特定节点通信的每个设备可以利用在一段时间内使用特定数量的资源的特定类型的应用。在这个示例中，可以基于该类型的应用在一段时间内使用的资源的数量来对每个设备进行分类。在对设备中的与特定节点通信的每个设备进行分类时，可以计算设备中的每个设备的子帧份额。如本文进一步描述的，可以利用子帧份额来确定设备中的每个设备的最大资源份额，以及在到达设备的节点的应用分组的平均大小小于设备的传输块大小时的预测资源份额。

设备吞吐量确定可以利用子帧份额来计算蜂窝网络的每用户资源份额(例如，PULSAR等)。另外，如本文进一步描述的，可以利用每用户资源份额以利用线性函数来预测设备中的每个设备的未来的吞吐量。可以利用设备中的每个设备的设备吞吐量确定以：基于每用户资源份额来分配网络资源；基于每用户资源份额来提供网络准入控制、基于每用户资源份额来提供网络选择；基于每用户资源份额来确定网络分析；和/或基于每用户资源份额来确定用户的状态。另外，可以利用设备吞吐量确定来维持利用网络和/或网络组合的终端用户设备的体验质量(QoE)。

本文的附图遵循编号惯例，其中第一位数字对应于附图编号，并且其余数字识别附图中的元件或组件。可以能够添加、交换和/或消除各个附图中示出的元件以便提供本公开的若干附加的示例。另外，在附图中提供的元件的比例和相对缩放旨在说明本公开的示例，并且不应被视为具有限制意义。

图1和图2说明了与本公开一致的系统100和计算设备214的示例。图1说明了与本公开一致的用于设备吞吐量确定的系统100的示例的图。系统100可以包括数据库104、设备吞吐量确定系统102和/或若干引擎(例如，监测引擎106、分类引擎108、预测引擎110)。设备吞吐量确定系统102可以经由通信链路与数据库104通信，并且可以包括若干引擎(例如，监测引擎106、分类引擎108、预测引擎110)。设备吞吐量确定系统102可以包括附加的引擎或者比所说明的引擎更少的引擎，以执行将结合图3至图5更详细地描述的各种功能。

若干引擎(例如，监测引擎106、分类引擎108、预测引擎110)可以包括硬件与编程的组合，但至少有硬件，配置为执行存储在存储器资源(例如，计算机可读介质、机器可读介质等)中的功能(例如，监测在蜂窝网络的为设备指定的节点处的平均分组大小，以及设备和蜂窝网络的节点之间的通道质量；基于在为设备指定的节点处监测到的平均分组大小来对设备进行分类；基于设备的分类和设备在一段时间内请求的资源的数量来预测设备在一定数量的未来的传输时间间隔(TTI)内的吞吐量；监测多个设备中的每个设备的平均分组到达率，等等)以及硬连线程序(例如，逻辑)。

监测引擎106可以包括硬件和/或硬件与编程的组合，但至少有硬件，以监测在蜂窝网络的为设备指定的节点处的平均分组大小，以及设备和蜂窝网络的节点之间的通道质量(例如，网络连接的强度、通道质量指示符(CQI)等)。在一些示例中，监测引擎106可以检索监测到的数据，该监测到的数据与在蜂窝网络的节点处被指定发送到设备的平均分组大小以及设备和节点之间的对应通道质量有关。

可以利用监测引擎106来确定设备在一段时间(例如，TTI)内要求的或请求的资源的数量。例如，监测引擎106可以经由等式1来计算设备要求的或请求的资源的数量。

X_i＝arr_i x n_i

等式1

在等式1内，X_i可以表示设备(例如，用户i的用户设备(UE_i)等)在每单位时间要求的资源的数量。另外，arr_i可以表示在一段时间(例如，一个TTI等)内到达设备的节点的分组的数量。此外，n_i可以表示将一个分组发送到设备所要求的资源的数量。在一些示例中，可以使用等式2来计算n_i。

在等式2内，P_i可以表示到达设备的节点的应用分组的平均大小。另外，TBS_i可以表示设备(例如，UE_i等)的传输块大小(TBS)。例如，TBS可以是在特定一组通道条件(例如，通道质量指示符(CQI)等)下在一个TTI中可以发送的字节的数量。因此，n_i可以是不小于P_i/TBS_i的最小整数。

分类引擎108可以包括硬件和/或硬件与编程的组合，但至少有硬件，以基于在为设备指定的节点处监测到的平均分组大小以及通道质量来对设备进行分类。在一些示例中，分类引擎108可以将与节点相关联的多个设备(例如，当前与该节点通信的设备、预期在未来时间与该节点通信的设备等)中的每个设备分为两个种类之一(例如，低速率种类、高速率种类等)。如本文所使用的，与节点相关联的设备可以包括当前与该节点通信的设备以及预期在未来时间连接到该节点的设备。

在一些示例中，分类引擎108可以将要求的资源的数量(例如，如等式1中引用的X_i等)与阈值进行比较。在一些示例中，阈值可以是这样的值：该值表示与节点通信的多个设备中的每个设备之间的相等份额的资源。例如，阈值可以表示1/k，其中k是与节点通信的设备的数量。在这个示例中，在总共有三个设备与节点通信时，可以通过1/3来表示阈值，其中3是与该节点通信的设备的数量。因

此，在一些示例中，阈值可以是表示与特定网络节点通信的若干设备之间的相等份额的资源的值。

预测引擎110可以包括硬件和/或硬件与编程的组合，但至少有硬件，以基于设备的分类和设备在一段时间内请求的资源的数量来预测设备在一定数量的未来的传输时间间隔(TTI)内的吞吐量。在一些示例中，预测引擎110可以基于设备中的每个设备的分类来计算子帧份额。在将设备(UE_i)分类为低速率(LR)设备(例如，X_i<＝1/k)时，子帧份额(SF_i)可以等于该设备在每个TTI要求的资源的数量(X_i)。在将设备分类为高速率(HR)设备(例如，X_i>1/k)时，可以利用等式3来计算子帧份额。

SF_i＝min(X_i,1/|HR|(1-∑_LR X_i))

等式3

在等式3内，|HR|可以指特定一组HR的大小。在一些示例中，预测引擎110可以利用子帧份额(SF_i)来利用等式4计算每用户资源份额(例如，PULSAR)。

PULSAR＝SF_i x min(TBS_i,P_i)

等式4

在一些示例中，预测引擎110可以利用每用户资源份额来计算特定设备(UE_i)的预测吞吐量(Throughput_i)。在一些示例中，预测吞吐量可以是PULSAR的线性函数。例如，预测引擎110可以利用等式5来计算特定设备的预测吞吐量。

Throughput_i＝C₁x PULSAR_i+C₀

等式5

在等式5内，C₁和C₀可以表示可以基于模型拟合的常数。在一些示例中，可以在一段时间内学习C₁和C₀常数。例如，C₁和C₀常数可以是这样的值：该值表示在一段时间内类似蜂窝网络与多个设备交互的多个所生成的模型。在一些示例中，可以存在被分类为低速率的设备的C₁和C₀以及被分类为高速率的设备的不同的C₁和C₀。也就是说，可以通过生成表示将符合低速率设备的设备的模型以及生成表示将符合高速率设备的设备的模型来确定C₁和C₀常数。如本文所描述的，可以计算与网络节点通信的每个设备的每用户资源份额(例如，PULSAR)。另外，可以计算与网络节点通信的每个设备的吞吐量。

可以利用用于设备吞吐量确定的系统100来预测与同一网络节点通信的多个设备的吞吐量。在一些示例中，与先前的系统和方法相比，系统100可以为使用多种应用(例如，运行多种应用、执行多种应用等)或数据请求(例如，网络电话(VoIP)、视频会议、桌面共享、共享白板、视频流式传输、批量下载、网页浏览等)的设备提供更好的吞吐量预测。另外，可以利用系统100来为诸如4G LTE等蜂窝网络提供更好的吞吐量预测。系统100可以利用每用户资源份额(例如，PULSAR)和吞吐量确定来为若干网络资源提供更好的功能性(例如，准入控制、网络选择、性能分析等)。

图2说明了与本公开一致的示例计算设备214的图。计算设备214可以利用软件、硬件、固件和/或逻辑来执行本文描述的功能。

计算设备214可以是被配置为共享信息的硬件和程序指令的任何组合。例如，硬件可以包括处理资源216和/或存储器资源220(例如，计算机可读介质(CRM)、机器可读介质(MRM)、数据库等)。如本文所使用的，处理资源216可以包括能够执行由存储器资源220存储的指令的任何数量的处理器。处理资源216可以被实施在单个设备中或者被分布在多个设备上。程序指令(例如，计算机可读指令(CRI))可以包括存储在存储器资源220上并且可以由处理资源216执行以实现功能(例如，基于与蜂窝网络的节点通信的多个设备中的每个设备要求的资源的数量来向与该节点通信的该多个设备中的每个设备指派类别；基于指派给与蜂窝网络的节点通信的多个设备中的每个设备的类别来确定该多个设备中的每个设备的子帧份额；基于子帧份额与到达多个设备中的每个设备的节点的应用分组的平均大小的乘积来计算该多个设备中的每个设备的预测吞吐量等)的指令。

存储器资源220可以与处理资源216通信。如本文所使用的，存储器资源220可以包括能够存储由处理资源216执行的指令的任何数量的存储器组件。这样的存储器资源220可以是非暂时性CRM或非暂时性MRM。存储器资源220可以被集成在单个设备中或被分布在多个设备上。此外，存储器资源220可以完全地或部分地被集成在与处理资源216相同的设备中，或者存储器资源220可以是单独的，但可以由该设备和处理资源216访问。因此，应当注意的是，计算设备214可以被实施在参与设备上、服务器设备上、服务器设备集合上，和/或参与设备与服务器设备的组合上。

存储器资源220可以经由通信链路(例如，路径)218与处理资源216通信。通信链路218可以在与处理资源216相关联的机器(例如，计算设备)本地或者远离该机器。本地通信链路218的示例可以包括在机器(例如，计算设备)内部的电子总线，其中存储器资源220是经由电子总线与处理资源216通信的易失性存储介质、非易失性存储介质、固定的存储介质和/或可移除的存储介质中的一种。

若干模块(例如，监测模块222、分类模块224、预测模块226)可以包括在由处理资源216执行时可以执行功能的CRI。若干模块(例如，监测模块222、分类模块224、预测模块226)可以是其它模块的子模块。例如，监测模块222和分类模块224可以是同一计算设备内的子模块和/或被容纳在同一计算设备内。在另一示例中，该若干模块(例如，监测模块222、分类模块224、预测模块226)可以包括在分离位置和不同位置处的单独模块(例如，CRM等)。

若干模块(例如，监测模块222、分类模块224、预测模块226)中的每个模块可以包括在由处理资源216执行时可以充当如本文描述的对应引擎的指令。例如，监测模块222可以包括在由处理资源216执行时可以充当监测引擎106的指令。

图3说明了与本公开一致的用于设备吞吐量确定的系统330的示例的图。系统330可以表示诸如4G LTE网络等蜂窝网络。系统330可以包括网络节点334。网络节点334可以是蜂窝网络节点(例如，eNodeB等)。

网络节点334可以被耦合到若干网络组件336-1、336-2。该若干网络组件可以包括，但不限于：网络节点334和若干主机338-1、338-2、338-3之间的若干信令网关(SGW)；网络节点334和若干主机338-1、338-2、338-3之间的若干分组数据网络网关(PGW)；和/或网络节点334和若干主机338-1、338-2、338-3之间的若干演进分组核心(EPC)设备。

若干主机338-1、338-2、338-3可以包括数据库，数据库可以包括可以由若干设备(例如，用户设备(UE)等)332-1、332-2、332-3请求或要求的信息。在一些示例中，若干设备332-1、332-2、332-3可以共享上一跳接入网络(例如，蜂窝网络或Wi-Fi网络)中的网络资源。在一些示例中，若干设备332-1、332-2、332-3可以通过由网络节点334提供的网络来执行对若干主机338-1、338-2、338-3的若干不同请求(例如，视频流式传输等)和/或端到端通信(例如，VoIP等)。例如，设备332-1可以执行视频会议，设备332-2可以执行视频流式传输，以及设备332-3可以执行批量下载。如本文所描述的，为了为若干设备332-1、332-2、332-3中的每个设备提供更大的体验质量(QoE)，可能重要的是确定该若干设备332-1、332-2、332-3中的每个设备的预测吞吐量。因此，可以利用如本文描述的等式1-5来计算预测吞吐量。

在一些示例中，可以利用网络侧数据来计算预测吞吐量。也就是说，在一些示例中，系统和/或计算设备(例如，如图1中引用的系统100、如图2中引用的计算设备214等)可以位于网络(例如，网络节点334等)中，并且监测LTE上一跳参数以在计算预测吞吐量时利用。在一些示例中，来自系统330的网络侧(例如，网络节点334、网络组件336-1、336-2、远程主机338-1、338-2、338-3等)的监测到的数据可以仅是被监测到以计算预测吞吐量的数据。也就是说，如本文描述的准确的设备吞吐量预测可以不需要监测系统330的设备侧(例如，设备332-1、332-2、332-3等)上的数据。

如本文所描述的，若干设备332-1、332-2、332-3中的每个设备可以具有预测吞吐量，该预测吞吐量是基于在网络节点334处监测到的具有到若干设备332-1、332-2、332-3中的对应设备的目的地的分组来单独地计算出。例如，设备332-1可以具有通过以下而特定于设备332-1计算出的预测吞吐量：监测在网络节点334处的被传递到设备332-1的分组；以及利用针对多个设备中的每个设备而监测到的分组(例如，监测到的分组大小、监测到的平均分组到达率等)以及网络节点334和设备332-1之间的网络状态(例如，CQI等)。在这个示例中，如本文参考等式1-5所描述，可以利用监测到的分组和网络状态来计算设备332-1的预测吞吐量。另外，可以针对设备332-2和/或设备332-3利用类似的示例。

图4说明了与本公开一致的用于设备吞吐量确定的系统430的示例的图。系统430可以包括与如图3中引用的系统330类似的蜂窝网络连接440-1，以及Wi-Fi连接440-2。随着蜂窝网络在建筑物内提供分组输送的能力的提高，越来越多的组织利用Wi-Fi和蜂窝网络的组合来为若干用户(例如，员工、会员)提供对数据的访问。如本文所描述的，Wi-Fi网络和蜂窝网络可能存在优点和缺点。在一些情况下，可能难以针对特定设备在Wi-Fi网络和蜂窝网络之间进行选择。

在一些示例中，可以利用特定设备的预测吞吐量来确定Wi-Fi连接或蜂窝连接是否将提供更大的体验质量(QoE)。例如，因为可以为多个设备中的每个设备单独地计算多个不同设备的预测吞吐量，所以可以利用特定设备的预测吞吐量来确定Wi-Fi连接440-2或蜂窝网络连接440-1是否将提供更大的QoE。

在一些示例中，可以使用处于特定位置(例如，房间、大厅、办公室等)的若干设备432的预测吞吐量和预测QoE来确定在预测吞吐量低于特定阈值时是否应更改(例如，增加、减小等)网络节点434的功率(例如，信号强度等)。在一些示例中，可以利用在相对更长的时间段内的预测吞吐量(例如，长期分析、下一年预测吞吐量等)来确定是否应当通过针对特定位置添加附加的蜂窝节点434和/或Wi-Fi接入点(例如，热点和控制器442等)来扩大网络(例如，蜂窝网络、Wi-Fi网络等)的容量。另外，可以利用预测吞吐量来确定附加的蜂窝节点434或附加的Wi-Fi接入点是否将提供QoE的更大的提高。因此，预测吞吐量可以被用于短期或长期网络分析，和/或优化特定区域的网络功能性。

如本文所描述的，设备与网络节点之间的网络状态(例如，CQI等)和/或网络连接可能不会提供足够的信息用于确定特定设备的更大的QoE。例如，每用户吞吐量(例如，PULSAR)可以表示网络状态以及设备在一段时间(例如，TTI等)内要求的若干资源，从而与先前方法相比提供了设备的预测吞吐量的更好的表示。

系统430可以表示可以用于向若干设备432提供数据连接的Wi-Fi连接440-2和蜂窝网络连接440-1的组合。在一些示例中，若干设备432可以具有用于请求数据的若干网络选项。例如，第一网络选项可以包括Wi-Fi连接440-2，该Wi-Fi连接440-2具有若干组件，用于向若干设备432提供Wi-Fi连接440-2。在这个示例中，Wi-Fi连接440-2可以包括若干热点和控制器442，用于向若干设备432提供Wi-Fi信号。另外，Wi-Fi连接440-2可以包括PDN网关444、公司网络和数据中心446和/或运营商的IP服务458，以向若干设备432提供Wi-Fi连接440-2。

系统430还可以包括第二网络选项，例如蜂窝网络连接440-1(例如，4G LTE)。如本文所描述的，蜂窝网络440-1可以包括提供对蜂窝网络连接440-1的访问的网络节点434(例如，如图3中引用的网络节点343等)。另外，网络节点434可以被耦合到若干支持的设备。例如，该若干支持的设备可以包括，但不限于：服务网关448、PDN网关452、移动管理实体(MME)450、家庭用户服务器(HSS)454、3GPP AAA服务器和/或也被耦合到Wi-Fi连接440-2的运营商的IP服务设备458。

如本文所描述的，可以在网络侧(例如，网络节点434、蜂窝网络侧等)监测若干设备432中的每个设备的监测到的数据以确定该若干设备432中的每个设备的预测吞吐量。在一些示例中，可以利用若干设备432中的每个设备的预测吞吐量来确定蜂窝网络连接440-1或Wi-Fi连接440-2是否将为该若干设备432中的每个设备提供更好的QoE。

图5说明了与本公开一致的用于设备吞吐量确定的方法560的示例的流程图。可以通过如本文所描述的系统和/或计算设备来执行方法560。例如，可以通过如图1中引用的系统100和/或如图2中引用的计算设备214来执行方法560。如本文参考图3和图4所描述的，可以通过与设备侧形成对比的网络侧上的过程来监测和/或确定所监测到和/或所确定的数据。

在562处，方法560可以包括确定与蜂窝网络的节点相关联的多个设备。如本文所使用的，与节点相关联的设备可以包括当前与该节点通信的设备以及预期在未来时间连接到该节点的设备。确定与蜂窝网络的节点相关联的多个设备可以包括：确定从蜂窝网络的节点接收数据分组的若干设备以及预期或预测在未来从蜂窝网络的节点接收数据分组的若干设备。在确定多个设备时，可以单独地分析该多个设备中的每个设备以如本文参考等式1-5所描述确定该多个设备中的每个设备的预测吞吐量。

在564处，方法560可以包括基于多个设备中的每个设备在每个传输时间间隔(TTI)向节点要求的资源的数量来对该多个设备中的每个设备进行分类。如本文所描述的，可以将多个设备中的每个设备分类为低速率设备或高速率设备。在一些示例中，可以将设备在一段时间内要求的资源的数量与阈值进行比较。在一些示例中，阈值可以等于1/k，其中k等于与蜂窝网络的节点相关联的多个设备。在一些示例中，在设备要求的资源的数量大于1/k时，该设备被分类为高速率设备。在一些示例中，在设备要求的资源的数量小于或等于1/k时，该设备被分类为低速率设备。

如本文所描述的，可以利用分类来确定子帧份额并且用于确定在计算预测吞吐量时的若干常数。在一些示例中，可以利用分类来确定存在具有资源的不同部分的若干设备的时间。也就是说，可以利用分类来确定在多个设备中的每个设备之间未均匀地分配资源的时间。

在566处，方法560可以包括基于子帧份额和多个设备中的每个设备在TTI内接收到的应用分组的平均大小来计算每个设备的每用户资源份额。如本文所描述的，每用户资源份额可以是资源的每用户LTE份额(PULSAR)。在一些示例中，可以使用如本文描述的等式1-4来计算每用户资源份额。

在568处，方法560可以包括基于每用户资源份额的线性函数来单独地计算与节点相关联的多个设备中的每个设备的预测吞吐量。如本文所描述的，可以至少利用本文描述的等式5来单独地计算多个设备中的每个设备的预测吞吐量。在一些示例中，与节点相关联的设备可以是与节点(例如，蜂窝网络节点等)通信的用户装置设备，例如移动设备。

可以利用方法560来计算每用户资源份额(例如，PULSAR)。每用户资源份额可以是这样的值：该值表示被提供给单独设备的资源的更准确的数量以及更准确的QoE表示。可以利用每用户资源份额来执行如本文描述的若干不同的网络功能。

如本文所使用的，“逻辑”是用于执行本文描述的特定动作和/或功能等的替代性或附加的处理资源，该处理资源包括硬件(例如，各种形式的晶体管逻辑、专用集成电路(ASIC)等)，这与存储在存储器中并且可以由处理器执行的计算机可执行指令(例如，软件固件等)形成对比。此外，如本文所使用的，“一”或“若干”某物可以指一个或多个此物。例如，“若干小部件”可以指一个或多个小部件。

以上说明书、示例和数据提供了对方法和应用以及本公开的系统和方法的用途的描述。因为在不脱离本公开的系统和方法的精神和范围的情况下可以形成许多示例，所以本说明书仅仅陈述许多可能的示例配置和实现方式中的一些配置和实现方式。

Claims

1.一种用于设备吞吐量确定的系统，包括：

监测引擎，用于监测在蜂窝网络的为设备指定的节点处的平均分组大小，以及所述设备和所述蜂窝网络的所述节点之间的通道质量；

分类引擎，用于基于在为所述设备指定的所述节点处监测到的所述平均分组大小以及所述通道质量来对所述设备进行分类；以及

预测引擎，用于基于所述设备的所述分类以及所述设备在一段时间内请求的资源的数目来预测所述设备在一定数量的未来的传输时间间隔TTI内的吞吐量。

2.根据权利要求1所述的系统，其中所述分类引擎将所述设备请求的所述资源的数目与阈值进行比较来对所述设备进行分类。

3.根据权利要求1所述的系统，其中所述设备请求的所述资源的数目是基于所述蜂窝网络的为所述设备指定的所述节点处的所述平均分组大小与传输块大小的商来计算。

4.根据权利要求3所述的系统，其中所述分类引擎在监测到的所述通道质量下确定所述设备在所述TTI内的所述传输块大小。

5.根据权利要求1所述的系统，其中所述预测引擎利用所述设备的子帧份额与在所述蜂窝网络的为所述设备指定的所述节点处监测到的所述平均分组大小的乘积的线性函数来预测所述设备在所述一定数量的未来的TTI内的所述吞吐量。

6.根据权利要求1所述的系统，其中所述监测引擎确定在单个TTI内到达所述蜂窝网络的为所述设备指定的所述节点的分组的数量。

7.根据权利要求1所述的系统，其中所述监测引擎针对每个TTI监测所述设备与所述蜂窝网络的所述节点之间的所述通道质量。

8.一种存储能由处理器执行用于设备吞吐量确定的指令的非暂时性计算机可读介质，其中所述指令是能执行的以：

基于与蜂窝网络的节点通信的多个设备中的每个设备要求的资源的数量来向所述多个设备中的与所述节点通信的每个设备指派类别；

基于指派给与所述蜂窝网络的所述节点通信的所述多个设备中的每个设备的所述类别来确定所述多个设备中的每个设备的子帧份额；以及

基于所述子帧份额与到达所述多个设备中的每个设备的所述节点处的应用分组的平均大小的乘积来计算所述多个设备中的每个设备的预测吞吐量。

9.根据权利要求8所述的介质，其中所述多个设备中的每个设备的所述预测吞吐量是针对所述多个设备中的每个设备来分别地计算。

10.根据权利要求8所述的介质，包括能执行的指令以：监测所述多个设备中的每个设备的平均分组到达率，以及到达所述多个设备中的每个设备的所述节点处的所述应用分组的平均分组大小。

11.根据权利要求8所述的介质，其中所述预测吞吐量是使用所述子帧份额与所述应用分组在一段时间内的平均大小的乘积的线性函数来计算。

12.一种用于设备吞吐量确定的方法，包括：

确定与蜂窝网络的节点相关联的多个设备；

基于所述多个设备中的每个设备在每个传输时间间隔TTI向所述节点要求的资源的数量来对所述多个设备中的每个设备进行分类；

基于子帧份额和所述多个设备中的每个设备在所述TTI内接收到的应用分组的平均大小来计算每个设备的每用户资源份额；以及

基于所述每用户资源份额的线性函数来单独地计算与所述节点相关联的所述多个设备中的每个设备的预测吞吐量。

13.根据权利要求12所述的方法，其中所述多个设备中的一个设备要求的所述资源的数量小于指派给所述多个设备中的所述一个设备的传输块大小。

14.根据权利要求12所述的方法，包括确定由所述多个设备中的每个设备利用的应用类型。

15.根据权利要求14所述的方法，其中确定所述应用类型包括基于所确定的应用类型来确定所述每个设备在所述一段时间内接收到的应用分组的平均大小。