CN109560978A - 网络流量检测方法、装置及系统和计算机可读存储介质 - Google Patents
网络流量检测方法、装置及系统和计算机可读存储介质 Download PDFInfo
- Publication number
- CN109560978A CN109560978A CN201710879509.1A CN201710879509A CN109560978A CN 109560978 A CN109560978 A CN 109560978A CN 201710879509 A CN201710879509 A CN 201710879509A CN 109560978 A CN109560978 A CN 109560978A
- Authority
- CN
- China
- Prior art keywords
- availability ratio
- bandwidth availability
- bandwidth
- interpolation
- network flow
- 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
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
- H04L43/0876—Network utilisation, e.g. volume of load or congestion level
- H04L43/0882—Utilisation of link capacity
Landscapes
- Engineering & Computer Science (AREA)
- Environmental & Geological Engineering (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本申请公开了一种网络流量检测方法、装置和计算机可读存储介质,属于互联网领域。所述方法包括:在采样周期内的每个第一时间段中对第一网络设备的第一端口执行粗粒度采样,在采样周期的第二时间段内的每个第三时间段中对第一端口执行细粒度采样,基于粗粒度采样得到的n个带宽利用率中的第一带宽利用率查询流量基因数据库,得到第一目标带宽统计数据,基于第一带宽利用率和第一目标带宽统计数据中的第一变异系数,对第一带宽利用率对应的第一时间段进行带宽利用率插值运算,得到多个插值带宽利用率。本申请能够同时保证网络流量检测的高精度和网络流量检测过程中网络设备的低负载。
Description
技术领域
本申请涉及互联网领域,特别涉及一种网络流量检测方法、装置和计算机可读存储介质。
背景技术
随着互联网技术的发展,基于互联网的应用也越来越多,例如高清视频应用、即时通讯应用或购物应用等,这给互联网带来了爆炸式的网络流量增长,其中,网络流量指的是在互联网上传输的数据量。为了能够及时对较大的网络流量带来的网络拥塞进行处理,在实际应用中通常需要对网络设备(如路由器或交换机等)进行实时的网络流量检测。通常情况下,可以利用网络设备端口的带宽利用率来表征端口的网络流量的大小,带宽利用率越大网络流量也越大,其中,网络设备某一端口的带宽利用率指的是该某一端口当前传输数据所使用的带宽与该某一端口的最大带宽的比值。
相关技术中,在进行网络流量检测时,网络流量检测装置可以基于预设测量周期对网络设备的每个端口进行检测,以获取该每个端口的带宽利用率,从而利用每个端口的带宽利用率反映该每个端口的网络流量。
在实现本申请的过程中,发明人发现现有技术至少存在以下问题:
在相关技术中,为了得到精度较高的网络流量检测结果,网络流量检测装置通常需要对网络设备的每个端口进行细粒度采样,也即是,网络流量检测装置需要以较小的预设测量周期对网络设备的每个端口进行检测,例如,该预设测量周期可以为1秒钟,然而预设测量周期较小会导致网络设备需要在网络流量检测过程中频繁地响应网络流量检测装置,这很容易导致网络设备过载引发业务故障。
发明内容
本申请提供了一种网络流量检测方法、装置和计算机可读存储介质,本申请提供的技术方案能够在网络流量检测过程中减轻网络设备的负载,避免出现业务故障。本申请提供的技术方案如下:
第一方面,提供了一种网络流量检测方法,应用于流量检测系统中,所述流量检测系统包括网络流量检测装置和至少一个网络设备,每个所述网络设备具有至少一个端口,所述方法包括:
所述网络流量检测装置在采样周期的n个第一时间段的每个第一时间段中确定第一网络设备的第一端口的带宽利用率,得到n个带宽利用率,所述n个带宽利用率与所述n个第一时间段一一对应,所述采样周期包括所述n个第一时间段,n为大于或等于1的整数,所述第一网络设备为所述至少一个网络设备中任一网络设备,所述第一端口为所述第一网络设备的至少一个端口中的任一端口;
所述网络流量检测装置在所述采样周期的第二时间段内的m个第三时间段的每个第三时间段中确定所述第一端口的带宽利用率,得到m个带宽利用率,所述m个带宽利用率与所述m个第三时间段一一对应,所述第二时间段包括所述m个第三时间段,m为大于或等于2的整数,根据所述m个带宽利用率获取目标带宽利用率和目标带宽统计数据,所述目标带宽统计数据包括所述m个带宽利用率的变异系数,将所述目标带宽利用率和所述目标带宽统计数据的目标细粒度对应关系记录于流量基因数据库中,所述第三时间段的时长小于所述第一时间段的时长;
所述网络流量检测装置根据第一带宽利用率在所述流量基因数据库中确定与所述第一带宽利用率相匹配的第一目标带宽利用率,并且根据所述第一目标带宽利用率在所述流量基因数据库中确定与所述第一目标带宽利用率对应的第一目标带宽统计数据,其中,所述第一目标带宽统计数据包括第一变异系数,所述第一带宽利用率是所述n个带宽利用率中的任一带宽利用率;
所述网络流量检测装置基于所述第一带宽利用率和所述第一变异系数,对所述第一带宽利用率对应的第一时间段进行带宽利用率插值运算,得到多个插值带宽利用率,所述多个插值带宽利用率与所述第一带宽利用率对应的第一时间段中的多个插值时刻一一对应。
本申请提供的网络流量检测方法,对于流量检测系统中的任一网络设备中的任一端口而言,网络流量检测装置可以在采样周期包括的n个第一时间段的每个第一时间段中确定该端口的带宽利用率,也即是网络流量检测装置可以在采样周期内对该端口进行n次粗粒度采样。此外,网络流量检测装置还可以在采样周期的第二时间段包括的m个第三时间段的每个第三时间段中确定该端口的带宽利用率,也即是网络流量检测装置可以在该采样周期的第二时间段内对该端口进行m次细粒度采样。同时网络流量检测装置可以将根据在m次细粒度采样中得到的m个带宽利用率获取目标细粒度对应关系,并将该目标细粒度对应关系记录至流量基因数据库中。而后,网络流量检测装置可以根据n次粗粒度采样得到的n个带宽利用率和流量基因数据库中记录的相应的目标带宽利用率进行带宽利用率插值运算,以最终得到该端口在该采样周期中每个第一时间段内的每个插值时刻的插值带宽利用率,并将其作为为网络流量检测结果。
这样,一方面,由于网络流量检测装置在一个采样周期内可以针对该端口进行粗粒度采样和一段时间(第二时间段)的细粒度采样,因此,该网络设备只需要在采样周期的一段时间内频繁响应网络流量检测装置,而在其他的时间段内可以以较低频率响应网络流量检测装置,从而使得该网络设备在网络流量检测的过程中负载较小,避免引发业务故障;另一方面,网络流量检测装置可以基于粗粒度采样得到的n个带宽利用率和流量基因数据库中记录的相应的目标带宽利用率进行带宽利用率插值运算,以得到该端口在采样周期的每个第一时间段内的每个插值时刻的插值带宽利用率,从而保证了网络流量检测的精度。
可选的,所述第一网络设备包括q个端口,所述第一端口是所述q个端口中的第i个端口,所述采样周期包括q个所述第二时间段,q为大于或等于1的整数,1≤i≤q,所述网络流量检测装置在所述采样周期的第二时间段内的m个第三时间段的每个第三时间段中确定所述第一端口的带宽利用率,包括:
所述网络流量检测装置在q个所述第二时间段中的第i个所述第二时间段内的所述每个第三时间段中确定所述第一端口的带宽利用率。
在实际应用中,一个采样周期可以包括q个第二时间段,待进行网络流量检测的网络设备可以包括q个端口,网络流量检测装置可以在该q个第二时间段内依次对该网络设备的q个端口执行细粒度采样,也即是,网络流量检测装置在采样周期的一个第二时间段内只对该网络设备的一个端口进行细粒度采样,这使得该网络设备在采样周期的一个第二时间段内只需要针对一个端口的带宽利用率响应网络流量检测装置,从而降低了网络设备在网络流量检测过程中的负载。
可选的,所述流量基因数据库中记录有在历史采样周期中获取的历史细粒度对应关系,所述历史细粒度对应关系是历史目标带宽利用率和历史目标带宽统计数据的对应关系,所述将所述目标带宽利用率和所述目标带宽统计数据的目标细粒度对应关系记录于流量基因数据库中,包括:
当所述流量基因数据库记录的任一历史细粒度对应关系中的历史目标带宽利用率并均不与所述目标带宽利用率相等时,所述网络流量检测装置将所述目标细粒度对应关系记录于所述流量基因数据库中;
当所述流量基因数据库中记录有包含的历史目标带宽利用率与所述目标带宽利用率相等的目标历史细粒度对应关系时,所述网络流量检测装置获取所述目标历史细粒度对应关系中历史目标带宽统计数据包括的第二变异系数,并获取所述目标带宽统计数据中的变异系数和所述第二变异系数的均值,删除所述目标历史细粒度对应关系,并将所述目标带宽利用率和所述均值的最新细粒度对应关系记录于所述流量基因数据库中。
可选的,所述网络流量检测装置基于所述第一带宽利用率和所述第一变异系数,对所述第一带宽利用率对应的第一时间段进行带宽利用率插值运算,得到多个插值带宽利用率,包括:
所述网络流量检测装置在预设区间内获取随机数,并基于所述随机数、所述第一变异系数和所述第一带宽利用率对第一插值时刻进行带宽利用率插值运算,得到与所述第一插值时刻对应的第一插值带宽利用率,所述第一插值时刻为所述第一带宽利用率对应的第一时间段内的任一插值时刻。
可选的,所述预设区间为区间(-1,1),所述网络流量检测装置在预设区间内获取随机数,并基于所述随机数、所述第一变异系数和所述第一带宽利用率对第一插值时刻进行带宽利用率插值运算,得到与所述第一插值时刻对应的第一插值带宽利用率,包括:
所述网络流量检测装置在所述区间(-1,1)内获取第一随机数和第二随机数;
在0<x2+y2≤1时,所述网络流量检测装置基于第一公式对所述第一随机数和所述第二随机数进行随机数转换运算得到目标数,所述第一公式为:
所述网络流量检测装置基于第二公式计算所述第一插值带宽利用率,所述第二公式为:
V=avg+avg×cv×N;
其中,N为所述目标数,x为所述第一随机数,y为所述第二随机数,sqrt为求平方根运算符,V为所述第一插值带宽利用率,avg为所述第一带宽利用率,cv为所述第一变异系数。
可选的,所述第一目标带宽统计数据还包括最大带宽利用率和最小带宽利用率,所述基于所述随机数、所述第一变异系数和所述第一带宽利用率对第一插值时刻进行带宽利用率插值运算,得到与所述第一插值时刻对应的第一插值带宽利用率,包括:
所述网络流量检测装置基于所述随机数、所述第一变异系数和所述第一带宽利用率对所述第一插值时刻进行带宽利用率插值运算,得到与所述第一插值时刻对应的候选带宽利用率;
当所述候选带宽利用率位于所述最小带宽利用率和所述最大带宽利用率之间时,所述网络流量检测装置将所述候选带宽利用率获取为所述第一插值带宽利用率;
当所述候选带宽利用率小于或等于所述最小带宽利用率时,所述网络流量检测装置将所述最小带宽利用率获取为所述第一插值带宽利用率;
当所述候选带宽利用率大于或等于所述最大带宽利用率时,所述网络流量检测装置将所述最大带宽利用率获取为所述第一插值带宽利用率。
可选的,所述目标带宽统计数据还包括所述m个带宽利用率中的最大带宽利用率和最小带宽利用率。
可选的,所述网络流量检测装置基于所述第一带宽利用率和所述第一变异系数,对所述第一带宽利用率对应的第一时间段进行带宽利用率插值运算,得到多个插值带宽利用率,包括:
所述网络流量检测装置基于所述第一带宽利用率和所述第一变异系数,对所述第一带宽利用率对应的第一时间段进行带宽利用率插值运算,得到多个候选带宽利用率,所述多个候选带宽利用率与所述第一带宽利用率对应的第一时间段中的多个插值时刻一一对应;
所述网络流量检测装置根据所述多个候选带宽利用率计算第一赫斯特指数;
当所述第一带宽利用率对应的第一时间段不为所述采样周期在时序上的第一个第一时间段时,所述网络流量检测装置获取与目标第一时间段中的多个插值时刻一一对应的多个历史插值带宽利用率,所述目标第一时间段是所述采样周期中在时序上与所述第一带宽利用率对应的第一时间段相邻,且位于所述第一带宽利用率对应的第一时间段之前的一个第一时间段;
所述网络流量检测装置根据所述多个历史插值带宽利用率计算第二赫斯特指数;
当所述第一赫斯特指数和所述第二赫斯特指数的差距小于预设阈值时,所述网络流量检测装置将所述多个候选带宽利用率获取为所述多个插值带宽利用率。
可选的,所述第一目标带宽统计数据还包括第三赫斯特指数,所述方法还包括:
当所述第一带宽利用率对应的第一时间段为所述采样周期在时序上的第一个第一时间段时,所述网络流量检测装置从所述第一目标带宽统计数据中获取所述第三赫斯特指数;
当所述第一赫斯特指数和所述第三赫斯特指数的差距小于预设阈值时,所述网络流量检测装置将所述多个候选带宽利用率获取为所述多个插值带宽利用率。
为了与实际应用中的网络流量的变化规律相符,上述多个插值带宽利用率与上述多个历史插值带宽利用率之间不应产生突变。为了满足这一要求,在本申请中,网络流量检测装置可以通过带宽利用率插值运算计算多个候选带宽利用率,其中,该多个候选带宽利用率与第一带宽利用率对应的第一时间段内的多个插值时刻一一对应,网络流量检测装置还可以计算该多个候选带宽利用率的第一赫斯特指数和该多个历史插值带宽利用率的第二赫斯特指数,当该第一赫斯特指数和第二赫斯特指数的差距小于预设阈值时时,说明该多个候选带宽利用率与该多个历史插值带宽利用率之间没有产生突变,也即是,经过带宽利用率插值运算得到的该多个候选带宽利用率符合网络流量的变化规律,此时,网络流量检测装置可以将该多个候选带宽利用率获取为第一带宽利用率对应的第一时间段内的多个插值时刻最终的插值带宽利用率。
可选的,所述网络流量检测装置根据所述多个候选带宽利用率计算第一赫斯特指数,包括:
所述网络流量检测装置将所述多个候选带宽利用率分割成多个候选带宽利用率集合,每个所述候选带宽利用率集合中包括的所述候选带宽利用率的个数相等;
所述网络流量检测装置计算第一候选带宽利用率集合的标准差,所述第一候选带宽利用率集合是所述多个候选带宽利用率集合中的任意一个候选带宽利用率集合;
所述网络流量检测装置计算所述第一候选带宽利用率集合中任意t个所述候选带宽利用率的离差的和,得到多个累计离差,其中,1≤t≤n′,n′为所述第一候选带宽利用率集合包括的候选带宽利用率的个数;
所述网络流量检测装置计算所述多个累计离差的极差;
所述网络流量检测装置根据所述标准差和所述极差计算所述第一候选带宽利用率集合的重标极差;
所述网络流量检测装置计算所述多个候选带宽利用率集合的重标极差的均值,得到重标极差均值;
所述网络流量检测装置根据所述重标极差均值计算所述第一赫斯特指数。。
可选的,所述目标细粒度对应关系为所述目标带宽利用率、所述目标带宽统计数据和目标平均性能指标的对应关系,所述目标平均性能指标包括平均丢包率,所述平均丢包率是在所述采样周期的所述第二时间段内的所述m个第三时间段中确定的所述第一端口的m个丢包率的平均值,所述m个丢包率与所述m个第三时间段一一对应,所述方法还包括:
所述网络流量检测装置获取所述第一细粒度对应关系中的第一目标平均性能指标;
所述网络流量检测装置将将所述第一目标平均性能指标确定为所述第一带宽利用率对应的第一时间段中的每个插值时刻对应的性能指标。
可选的,所述目标带宽利用率为所述m个带宽利用率的均值或极值。
本发明实施例提供了一种网络流量检测装置,该网络流量检测装置包括至少一个模块,该至少一个模块用于实现上述第一方面或第一方面中任意一种可能的实现方式中网络流量检测装置所执行的步骤。
第三方面,提供了一种网络流量检测装置,所述网络流量检测装置包括:处理器和存储器,所述处理器被配置为执行所述存储器中存储的指令,所述处理器通过执行所述指令来实现上述第一方面或第一方面中任意一种可能的实现方式中网络流量检测装置所执行的步骤。
第四方面,提供了一种流量检测系统,所述流量检测系统包括如上述第二方面任一所述的网络流量检测装置和至少一个网络设备,每个所述网络设备具有至少一个端口。
第五方面,提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当所述指令在计算机的处理组件上运行时,使得所述处理组件能够执行上述第一方面或第一方面中任意一种可能的实现方式中网络流量检测装置所执行的步骤。
第六方面,提供一种包含指令的计算机程序产品,当该计算机程序产品在计算机的处理组件上运行时,使得处理组件执行上述第一方面或第一方面中任意一种可能的实现方式中网络流量检测装置所执行的步骤。
本申请提供的技术方案带来的有益效果是:
对于流量检测系统中的任一网络设备中的任一端口而言,网络流量检测装置可以在采样周期包括的n个第一时间段的每个第一时间段中确定该端口的带宽利用率,也即是网络流量检测装置可以在采样周期内对该端口进行n次粗粒度采样。此外,网络流量检测装置还可以在采样周期的第二时间段包括的m个第三时间段的每个第三时间段中确定该端口的带宽利用率,也即是网络流量检测装置可以在该采样周期的第二时间段内对该端口进行m次细粒度采样。同时网络流量检测装置可以将根据在m次细粒度采样中得到的m个带宽利用率获取目标细粒度对应关系,并将该目标细粒度对应关系记录至流量基因数据库中。而后,网络流量检测装置可以根据n次粗粒度采样得到的n个带宽利用率和流量基因数据库中记录的相应的目标带宽利用率进行带宽利用率插值运算,以最终得到该端口在该采样周期中每个第一时间段内的每个插值时刻的插值带宽利用率,并将其作为为网络流量检测结果。这样,一方面,由于网络流量检测装置在一个采样周期内可以针对该端口进行粗粒度采样和一段时间(第二时间段)的细粒度采样,因此,该网络设备只需要在采样周期的一段时间内频繁响应网络流量检测装置,而在其他的时间段内可以以较低频率响应网络流量检测装置,从而使得该网络设备在网络流量检测的过程中负载较小,避免引发业务故障;另一方面,网络流量检测装置可以基于粗粒度采样得到的n个带宽利用率和流量基因数据库中记录的相应的目标带宽利用率进行带宽利用率插值运算,以得到该端口在采样周期的每个第一时间段内的每个插值时刻的插值带宽利用率,从而保证了网络流量检测的精度。
附图说明
图1是本发明实施例提供的一种实施环境的示意图。
图2-1是本发明实施例提供的一种网络流量检测方法的流程图。
图2-2是本发明实施例提供的一种插值运算结果的示意图。
图3是本发明实施例提供的一种网络流量检测装置的框图。
图4是本发明实施例提供的一种网络流量检测装置的框图。
图5是本发明实施例提供的一种流量检测系统的框图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
为了能够及时地对互联网中较大的网络流量带来的网络拥塞进行处理,通常需要对网络设备(如路由器或交换机等)进行实时的网络流量检测。在实际应用中,可以利用网络设备端口的带宽利用率来表征端口的网络流量的大小,带宽利用率越大网络流量也越大,其中,网络设备某一端口的带宽利用率指的是该端口当前传输数据所占用的带宽与该端口的最大带宽的比值。
在传统的网络流量检测方法中,网络流量检测装置可以周期性地向网络设备发送全端口带宽利用率获取请求,该全端口带宽利用率获取请求用于指示网络设备向网络流量检测装置返回该网络设备中每一个端口在当前时刻的带宽利用率,网络设备在接收到该全端口带宽利用率获取请求后,可以获取当前时刻自身中每个端口的带宽利用率,并将该每个端口的带宽利用率发送至网络流量检测装置中,网络流量检测装置可以将网络设备发送的该每个端口的带宽利用率获取为网络流量检测结果并存储起来,网络流量检测装置可以根据存储的网络流量检测结果分析网络是否可能出现拥塞,以在可能出现网络拥塞时及时地进行相应地处理。
然而,在传统的网络流量检测方法中,为了得到较高的网络流量检测精度,网络流量检测装置需要以较小的周期向网络设备发送该全端口带宽利用率获取请求,例如,在实际应用中,网络流量检测装置发送该全端口带宽利用率获取请求的周期可以为1秒钟,这就导致网络设备需要频繁地执行获取自身中每个端口的带宽利用率并向网络流量检测装置返回该每个端口的带宽利用率的技术过程,这很容易导致网络设备过载引发业务故障。
为了解决这一问题,本申请提供了一种网络流量检测方法,图1为该网络流量检测方法所涉及到的实施环境的示意图,如图1所示,该实施环境可以包括网络流量检测装置101和至少一个网络设备102(图1中仅示例性地示出了两个网络设备102),其中,网络设备102可以为路由器、交换机等部署于网络中的设备,每个网络设备102包含至少一个端口,网络流量检测装置101通过有线或无线的方式与每个网络设备102连接。
请参考图2-1,其示出了本申请提供的一种网络流量检测方法的方程图,该网络流量检测方法应用于如图1所示的实施环境中,如图2-1所示,该网络流量检测方法可以包括以下几个步骤:
步骤201、网络流量检测装置在采样周期的第二时间段内的m个第三时间段的每个第三时间段中确定第一网络设备的第一端口的带宽利用率,得到m个带宽利用率。
如图1所示的实施环境中,网络流量检测装置可以与至少一个网络设备连接,且,每个网络设备包括至少一个端口,在实际应用中,网络流量检测装置可以对与其连接的每个网络设备的每个端口进行网络流量检测,本申请实施例仅以网络流量检测装置对与其连接的一个网络设备的一个端口进行网络流量检测的技术过程进行说明,也即是,步骤201中的第一网络设备指的是与网络流量检测装置连接的至少一个网络设备中的任一网络设备,第一端口指的是该第一网络设备包括的至少一个端口中的任一端口,网络流量检测装置对与其连接的其他网络设备、其他端口的网络流量检测过程与本申请实施例所述的技术过程同理,本申请实施例在此不再赘述。
在实际应用中,采样周期可以包括q个第二时间段,第一网络设备可以包括q个端口,在对第一网络设备进行网络流量检测时,网络流量检测装置可以在该q个第二时间段中依次对第一网络设备的q个端口执行细粒度采样,也即是,在第一端口为第一网络设备的q个端口中的第i个端口时,网络流量检测装置可以在采样周期包括的q个第二时间段中的第i个第二时间段对第一端口执行细粒度采样,其中,q为大于或等于1的正整数,1≤i≤q。
其中,上述细粒度采样可以包括:网络流量检测装置在第二时间段的m个第三时间段中的每个第三时间段中确定进行细粒度采样的端口的带宽利用率,得到该进行细粒度采样的端口的m个带宽利用率,其中第二时间段包括m个第三时间段。
可选的,上述网络流量监测装置确定该进行细粒度采样的端口的带宽利用率的技术过程可以为:网络流量检测装置在第二时间段的每个第三时间段中向第一网络设备发送单端口带宽利用率获取请求,该单端口带宽利用率获取请求携带进行细粒度采样的端口的标识,第一网络设备在接收到该单端口带宽利用率获取请求后,获取并向网络流量检测装置返回该进行细粒度采样的端口在当前时刻的带宽利用率,网络流量检测装置接收网络设备返回的带宽利用率,从而得到该进行细粒度采样的端口的m个带宽利用率。
例如,第一网络设备可以包括3个端口a,b和c,第二时间段的时长可以为5分钟,采样周期的时长可以为15分钟,第三时间段的时长可以为1秒钟,采样周期包括的第二时间段的个数为3,其与第一网络设备的端口数相等。则在采样周期的前5分钟的每秒钟内,也即是在采样周期的第一个第二时间段的每个第三时间段中,网络流量检测装置可以向第一网络设备发送单端口带宽利用率获取请求,该单端口带宽利用率获取请求携带端口a的标识,第一网络设备在接收到该单端口带宽利用率获取请求后,获取并向网络流量检测装置发送端口a在当前时刻的带宽利用率,从而使网络流量检测装置获取端口a的300个带宽利用率,在采样周期的中间5分钟的每秒钟内,也即是在采样周期的第二个第二时间段的每个第三时间段中,网络流量检测装置可以向第一网络设备发送单端口带宽利用率获取请求,该单端口带宽利用率获取请求携带端口b的标识,第一网络设备在接收到该单端口带宽利用率获取请求后,获取并向网络流量检测装置发送端口b在当前时刻的带宽利用率,从而使网络流量检测装置获取端口b的300个带宽利用率,在采样周期的后5分钟的每秒钟内,也即是在采样周期的第三个第二时间段的每个第三时间段中,网络流量检测装置可以向第一网络设备发送单端口带宽利用率获取请求,该单端口带宽利用率获取请求携带端口c标识,第一网络设备在接收到该单端口带宽利用率获取请求后,获取并向网络流量检测装置发送端口c在当前时刻的带宽利用率,从而使网络流量检测装置获取端口c的300个带宽利用率。
由上文说明可知,网络流量检测装置在采样周期的一个第二时间段内仅对第一网络设备的一个端口执行细粒度采样,这使得第一网络设备在一个第二时间段内只需要针对一个端口的带宽利用率频繁响应网络流量检测装置,从而降低了第一网络设备在网络流量检测过程中的负载。
需要指出的是,在上述细粒度采样中,网络流量检测装置可以在第二时间段的每个第三时间段中确定一次第一端口的带宽利用率,也即是,细粒度采样得到的该进行细粒度采样的端口的m个带宽利用率与第二时间段包括的m个第三时间段一一对应,其中,m为大于或等于2的整数。
此外,在上述细粒度采样中,网络流量检测装置可以在每个第三时间段的起始时刻确定第一端口的带宽利用率,也可以在每个第三时间段的终止时刻确定第一端口的带宽利用率,还可以在每个第三时间段中的任意时刻确定第一端口的带宽利用率,本申请对此不做具体限定。
在本申请的一个实施例中,上述细粒度采样还可以包括:网络流量检测装置在第二时间段内的每个第三时间段中确定进行细粒度采样的端口的性能指标,得到m个性能指标,该m个性能指标与第二时间段包括的m个第三时间段一一对应,该性能指标包括丢包率。可选的,网络流量检测装置确定进行细粒度采样的端口的性能指标的技术过程可以为:网络流量检测装置向第一网络设备发送单端口性能指标获取请求,该单端口性能指标获取请求携带进行细粒度采样的端口的标识,第一网络设备在接收到该单端口性能指标获取请求后,获取并向网络流量检测装置返回该进行细粒度采样的端口在当前时刻的丢包率,网络流量检测装置接收第一网络设备返回的丢包率。
步骤202、网络流量检测装置根据细粒度采样得到的第一端口的m个带宽利用率获取目标带宽利用率和目标带宽统计数据。
在实际应用中,目标带宽利用率可以为细粒度采样得到的第一端口的m个带宽利用率(以下简称m个带宽利用率)的平均值或极值。例如,在细粒度采样中,网络流量检测装置得到第一端口的5个带宽利用率,该5个带宽利用率可以为5%、6%、7%、8%和9%,则网络流量检测装置可以将该5个带宽利用率的平均值7%确定为目标带宽利用率,或者,网络流量检测装置可以将该5个带宽利用率的最小值5%确定为目标带宽利用率,或者,网络流量检测装置可以将该5个带宽利用率的最大值9%确定为目标带宽利用率。
在实际应用中,目标带宽统计数据可以包括该m个带宽利用率的变异系数,其中,该m个带宽利用率的变异系数指的是该m个带宽利用率的标准差与该m个带宽利用率的平均值的比值。例如,如上述举例,在细粒度采样中,网络流量检测装置得到第一端口的5个带宽利用率,该5个带宽利用率可以为5%、6%、7%、8%和9%,则该5个带宽利用率的变异系数可以为:
其中,cv1为该5个带宽利用率的变异系数,sd为该5个带宽利用率的标准差,mn为该5个带宽利用率的平均值,sqrt为求平方根运算符,m为该5个带宽利用率的个数,也即是m的取值为5,xi为该5个带宽利用率中的第i个带宽利用率。
在本申请的一个实施例中,该目标带宽统计数据还可以包括该m个带宽利用率的极值和该m个带宽利用率的赫斯特指数中的至少一个,其中,该m个带宽利用率的极值可以包括该m个带宽利用率的最大带宽利用率或最小带宽利用率中的至少一个,赫斯特(英文:HURST)指数是以英国水文学家H.E.HURST的名字命名的指数,其用于表征网络流量的自相似性,所谓网络流量的自相似指的是网络流量在较长的时间范围内不发生突变的特性。
其中,网络流量检测装置可以通过以下步骤计算该m个带宽利用率的赫斯特指数:
A1、网络流量检测装置将该m个带宽利用率分割成k个细粒度带宽利用率集合,每个细粒度带宽利用率集合包括的带宽利用率的个数相等,为m/k。
例如,当m的值为300时,k的值为10时,也即是在步骤A1中,网络流量检测装置可以将300个带宽利用率分割为10个细粒度带宽利用率集合,每个细粒度带宽利用率集合包括30个带宽利用率。
B1、网络流量检测装置计算第一细粒度带宽利用率集合的标准差,该第一细粒度带宽利用率集合是该k个细粒度带宽利用率集合中的任一细粒度带宽利用率集合。
其中,网络流量检测装置可以基于下述标准差公式计算第一细粒度带宽利用率集合的标准差,该标准差公式为:
其中,sd1为第一细粒度带宽利用率集合的标准差,sqrt为求平方根运算符,m为在细粒度采样中得到的第一端口的带宽利用率的个数,k为分割的细粒度带宽利用率集合的个数,yi为第一细粒度带宽利用率集合中的第i个带宽利用率,mn1为第一细粒度带宽利用率集合包括的带宽利用率的平均值。
C1、网络流量检测装置计算第一细粒度带宽利用率集合中的任意t个带宽利用率的离差的和,得到多个累计离差,其中,
在本申请实施例中,第一细粒度带宽利用率集合中的某一带宽利用率的离差指的是该带宽利用率与第一细粒度带宽利用率集合包括的带宽利用率的平均值之间的差,累计离差可以用下述离差公式计算得到,该离差公式为:
X(t,m/k)=z1+z2+……+zi+……+zt-t×mn1;
其中,X(t,m/k)为累计离差,zi为第一细粒度带宽利用率集合中的任意t个带宽利用率中的第i个带宽利用率,其中,1≤i≤t,mn1为第一细粒度带宽利用率集合包括的带宽利用率的平均值。
D1、网络流量检测装置计算该多个累计离差的极差。
其中,该多个累计离差的极差指的是该多个累计离差的最大值与最小值之间的差,该多个累计离差的极差可以用下述极差公式计算得到,该极差公式为:
R=X(t,m/k)max-X(t,m/k)min;
其中,R为该多个累计离差的极差,X(t,m/k)max为该多个累计离差的最大值,X(t,m/k)min为该多个累计离差的最小值。
E1、网络流量检测装置根据标准差和极差计算第一细粒度带宽利用率集合的重标极差。
其中,第一细粒度带宽利用率集合的重标极差指的是上述极差与上述标准差的比值,该第一细粒度带宽利用率集合的重标极差可以用下述重标极差公式计算得到,该重标极差公式为:
M=R÷sd1;
其中,M为第一细粒度带宽利用率集合的重标极差,R为极差,sd1为标准差。
F1、网络流量检测装置计算k个细粒度带宽利用率集合的重标极差的平均值。
该k个细粒度带宽利用率集合的重标极差的平均值可以用下述平均值公式计算得到,该平均值公式为:
其中,为k个细粒度带宽利用率集合的重标极差的平均值,指的是k个细粒度带宽利用率集合的重标极差的和。
G1、网络流量检测装置根据k个细粒度带宽利用率集合的重标极差的平均值计算该m个带宽利用率的赫斯特指数。
在计算该m个带宽利用率的赫斯特指数的过程中,可以建立下述公式:
其中,为k个细粒度带宽利用率集合的重标极差的平均值,F为常数,为每个细粒度带宽利用率集合包含的带宽利用率的个数,H为该m个带宽利用率的赫斯特指数,指的是的H次方。
对上述公式等号的左右两边求对数,得到下述公式:
其中,log是求对数运算符,对和进行最小二乘法回归分析计算出H,也即是计算出该m个带宽利用率的赫斯特指数。
在步骤201中,网络流量检测装置还可以在细粒度采样中得到进行细粒度采样的端口的m个性能指标,也即是,在网络流量检测装置对第一端口进行细粒度采样时,网络流量检测装置可以得到第一端口的m个性能指标(以下简称m个性能指标)。在这种情况下,网络流量检测装置还可以根据第一端口的m个性能指标获取目标平均性能指标,该目标平均性能指标是该m个性能指标的平均值。
在步骤202中,网络流量检测装置可以获取目标细粒度对应关系,该目标细粒度对应关系可以为目标带宽利用率、目标带宽统计数据和目标平均性能指标的对应关系,也可以为目标带宽利用率和目标带宽统计数据的对应关系。
步骤203、网络流量检测装置将该目标细粒度对应关系记录于流量基因数据库中。
在实际应用中,该流量基因数据库中可以记录有在历史采样周期中获取的历史细粒度对应关系,与上文所述的目标细粒度对应关系同理地,该历史细粒度对应关系可以为历史目标带宽利用率和历史目标带宽统计数据的对应关系,或者,该历史细粒度对应关系可以为历史目标带宽利用率、历史目标带宽统计数据和历史目标平均性能指标的对应关系,其中,该历史目标带宽统计数据可以包括变异系数,在本申请的一个实施例中,该历史目标带宽统计数据还可以包括极值和赫斯特指数中的至少一个,该极值可以包括最大带宽利用率和最小带宽利用率中的至少一个,则步骤203可以包括以下步骤:
A2、当流量基因数据库记录的任一历史细粒度对应关系中的历史目标带宽利用率均不与目标带宽利用率相等时,网络流量检测装置可以将目标细粒度对应关系记录于流量基因数据库中。
B2、当流量基因数据库中记录有包含的历史目标带宽利用率与目标带宽利用率相等的目标历史细粒度对应关系时,网络流量检测装置获取目标历史细粒度对应关系中历史目标带宽统计数据包括的第二变异系数,并获取目标带宽统计数据中的变异系数和该第二变异系数的均值,网络流量检测装置删除目标历史细粒度对应关系,并将目标带宽利用率和上述变异系数的均值的最新细粒度对应关系记录于流量基因数据库中。
例如,该目标带宽利用率为7%,流量基因数据库中记录有包含的历史目标带宽利用率也为7%的目标历史细粒度对应关系时,网络流量检测装置可以获取该目标历史细粒度对应关系中历史目标带宽统计数据包括的第二变异系数22%,目标带宽统计数据中的变异系数可以为20.2%,二者的均值为21.1%,而后网络流量检测装置可以将目标历史细粒度对应关系删除,并将目标带宽利用率(7%)和变异系数的均值(21.1%)的最新细粒度对应关系记录于流量基因数据库中。
当该目标带宽统计数据还包括该m个带宽利用率的极值,且历史细粒度对应关系的历史目标带宽统计数据也还包括极值时,在上述步骤B2中,网络流量检测装置还可以获取目标历史细粒度对应关系中历史目标带宽统计数据包括的极值,并获取目标带宽统计数据中的极值和该历史目标带宽统计数据包括的极值的均值,而后网络流量检测装置可以删除目标历史细粒度对应关系,并将包括目标带宽利用率、变异系数的均值和极值的均值的最新细粒度对应关系记录于流量基因数据库中。
当该目标带宽统计数据还包括该m个带宽利用率的赫斯特指数,且历史细粒度对应关系的历史目标带宽统计数据也还包括赫斯特指数时,在上述步骤B2中,网络流量检测装置还可以获取目标历史细粒度对应关系中历史目标带宽统计数据包括的赫斯特指数,并获取目标带宽统计数据中的赫斯特指数和该历史目标带宽统计数据包括的赫斯特指数的均值,而后网络流量检测装置可以删除目标历史细粒度对应关系,并将包括目标带宽利用率、变异系数的均值和赫斯特指数的均值的最新细粒度对应关系记录于流量基因数据库中。
在目标细粒度对应关系为目标带宽利用率、目标带宽统计数据和目标平均性能指标的对应关系,且历史细粒度对应关系为历史目标带宽利用率、历史目标带宽统计数据和历史目标平均性能指标的对应关系时,在上述步骤B2中,网络流量检测装置可以获取目标历史细粒度对应关系中的历史目标平均性能指标,并获取目标平均性能指标和目标历史细粒度对应关系中的历史目标平均性能指标的均值,而后网络流量检测装置可以删除目标历史细粒度对应关系,并将目标带宽利用率、目标带宽统计数据和平均性能指标的均值的最新细粒度对应关系记录于流量基因数据库中。
步骤204、网络流量检测装置在采样周期的n个第一时间段的每个第一时间段中确定第一端口的带宽利用率,得到n个带宽利用率。
在采样周期内,网络流量检测装置可以对第一网络设备的每一端口执行粗粒度采样,该粗粒度采样可以为:网络流量检测装置在采样周期的n个第一时间段的每个第一时间段中确定第一网络设备中每个端口的带宽利用率,其中,采样周期包括n个第一时间段,n为大于或等于1的整数,且第一时间段的时长大于第三时间段的时长,在本申请的一个实施例中,第一时间段的时长可以等于第二时间段的时长。
其中,上述网络流量检测装置在采样周期的n个第一时间段的每个第一时间段中确定第一网络设备中每个端口的带宽利用率的技术过程可以为:网络流量检测装置在采样周期的每个第一时间段中向第一网络设备发送全端口带宽利用率获取请求,该全端口带宽利用率获取请求用于指示第一网络设备向网络流量检测装置返回该第一网络设备的每个端口在当前时刻的带宽利用率,第一网络设备在接收到该全端口带宽利用率获取请求后,可以获取当前时刻自身的每个端口的带宽利用率,并将该每个端口的带宽利用率发送至网络流量检测装置中,使得对于第一网络设备的任一端口而言,网络流量检测装置可以在粗粒度采样中得到该端口的n个带宽利用率。
例如,第一网络设备可以包括3个端口a,b和c,第一时间段可以为5分钟,采样周期可以为15分钟,也即是采样周期包括3个第一时间段。则在采样周期的第一个第一时间段、第二个第一时间段和第三个第一时间段中,网络流量检测装置均可以向第一网络设备发送全端口带宽利用率获取请求,第一网络设备在接收到该全端口带宽利用率获取请求后,获取并向网络流量检测装置发送端口a,b和c在当前时刻的带宽利用率,从而使网络流量检测装置在粗粒度采样中得到端口a的3个带宽利用率、端口b的3个带宽利用率和端口c的3个带宽利用率。
需要指出的是,在上述粗粒度采样中,网络流量检测装置可以在采样周期的每个第一时间段中确定一次第一网络设备的每个端口的带宽利用率,也即是,对于第一网络设备的任一端口而言,粗粒度采样得到的该端口的n个带宽利用率与采样周期包括的n个第一时间段一一对应。
此外,在上述粗粒度采样中,网络流量检测装置可以在采样周期的每个第一时间段的起始时刻确定第一网络设备的每个端口的带宽利用率,也可以在该每个第一时间段的终止时刻确定第一网络设备的每个端口的带宽利用率,还可以在该每个第一时间段中的任意时刻确定第一网络设备的每个端口的带宽利用率,本申请对此不做具体限定。
步骤205、网络流量检测装置根据第一带宽利用率在流量基因数据库中确定与该第一带宽利用率相匹配的第一目标带宽利用率,其中,第一带宽利用率是网络流量检测装置在粗粒度采样中得到的第一端口的n个带宽利用率中的任一带宽利用率。
在实际应用中,该流量基因数据库中可以记录有至少一组细粒度对应关系,该至少一组细粒度对应关系可以包括目标细粒度对应关系,在本申请的一个实施例中,该至少一组细粒度还可以包括历史细粒度对应关系,也即是,流量基因数据库中可以记录有目标带宽利用率,或者,流量基因数据库中可以记录有目标带宽利用率和至少一个历史目标带宽利用率。网络流量检测装置可以在流量基因数据库中记录的目标带宽利用率,或,目标带宽利用率和至少一个历史目标带宽利用率中查找与第一带宽利用率相匹配的第一目标带宽利用率,其中,第一目标带宽利用率与第一带宽利用率的差值小于预设差值阈值,在本申请的一个实施例中,第一目标带宽利用率与第一带宽利用率相等。
步骤206、网络流量检测装置根据第一目标带宽利用率在流量基因数据库中确定与该第一目标带宽利用率对应的第一目标带宽统计数据,其中,第一目标带宽统计数据包括第一变异系数。
网络流量检测装置可以在流量基因数据库中记录的至少一组细粒度对应关系中获取包括第一目标带宽利用率的细粒度对应关系,并从该细粒度对应关系中获取第一目标带宽统计数据。该第一目标带宽统计数据可以包括第一变异系数,如上文所述,该第一目标带宽统计数据还可以包括第一极值和第三赫斯特指数中的至少一个,其中,该第一极值可以包括最大带宽利用率和最小带宽利用率。此外,该包括第一目标带宽利用率的细粒度对应关系还可以包括第一目标平均性能指标,在步骤206中,网络流量检测装置还可以获取该第一目标平均性能指标。
步骤207、网络流量检测装置基于第一带宽利用率和第一变异系数,对第一带宽利用率对应的第一时间段进行带宽利用率插值运算,得到多个插值带宽利用率。
需要指出的是,上述多个插值带宽利用率与第一带宽利用率对应的第一时间段中的多个插值时刻一一对应,在本申请的一个实施例中,该多个插值时刻中相邻的两个插值时刻之间间隔的时长可以等于第三时间段的时长。
插值运算指的是基于某一函数或某一曲线中离散的几个点的值,确定相邻的两个离散点之间其他点的值的运算。对于本申请实施例而言,网络流量检测可以基于第一带宽利用率和第一变异系数,通过带宽利用率插值运算得到第一带宽利用率对应的第一时间段内多个插值时刻中每个插值时刻对应的插值带宽利用率,例如,如图2-2所示,网络流量检测装置可以基于图2-2中0秒时的带宽利用率(也即是第一带宽利用率)和第一变异系数通过带宽利用率插值运算,得到第一带宽利用率对应的第一时间段(图2-2中0秒至300秒的时间段)的每一秒(每一插值时刻)的插值带宽利用率。
这样,网络流量检测装置仅需要在采样周期内对第一网络设备的每个端口同时进行粗粒度采样,并在采样周期内对第一网络设备的每个端口依次进行细粒度采样,就可以得到第一网络设备的每个端口在采样周期内每个插值时刻的带宽利用率,从而一方面,网络流量检测装置在采样周期内对第一网络设备的每个端口同时进行粗粒度采样,并在采样周期内对第一网络设备的每个端口依次进行细粒度采样的采样过程,相较于传统技术中在采样周期内对第一网络设备的每个端口同时进行细粒度采样的采样过程而言,减小了网络设备的负载,另一方面,通过带宽利用率插值运算可以获取第一网络设备的每个端口在采样周期内每个插值时刻的带宽利用率,且相邻的两个插值时刻的时长可以等于第三时间段的时长,也即是等于细粒度采样周期的时长,从而保证了对第一网络设备的网络流量检测的高精度。
下面,本申请实施例将对第一带宽利用率对应的第一时间段进行带宽利用率插值运算的技术过程进行说明:
在带宽利用率插值运算的过程中,网络流量检测装置可以在预设区间内获取随机数,在本申请的一个实施例中,该预设区间可以为区间(-1,1),而后网络流量检测装置可以基于该随机数、第一变异系数和第一带宽利用率对第一插值时刻进行带宽利用率插值运算,得到与第一插值时刻对应的第一插值带宽利用率,其中,该第一插值时刻为第一带宽利用率对应的第一时间段内的任一插值时刻,第一插值带宽利用率为经过带宽利用率插值运算得到的第一端口在第一插值时刻的带宽利用率。
可选的,网络流量检测装置基于在预设区间内获取的随机数、第一变异系数和第一带宽利用率对第一插值时刻进行带宽利用率插值运算,得到与第一插值时刻对应的第一插值带宽利用率的技术过程可以为:
A3、网络流量检测装置在区间(-1,1)中获取第一随机数和第二随机数。
B3、网络流量检测装置在0<x2+y2≤1时,基于第一公式对第一随机数和第二随机数进行随机数转换运算得到目标数,该第一公式为:
其中,N为目标数,x为第一随机数,y为第二随机数,sqrt为求平方根运算符,ln为求自然对数运算符。
C3、网络流量检测装置基于第二公式计算与第一插值时刻对应的候选带宽利用率,该第二公式为:
V=avg+avg×cv×N。
其中,V为与第一插值时刻对应的候选带宽利用率,avg为第一带宽利用率,cv为第一变异系数,N为目标数。
在实际应用中,网络流量检测装置可以直接将该与第一插值时刻对应的候选带宽利用率确定为第一插值带宽利用率。
在第一目标带宽统计数据包括第一极值,也即是第一目标带宽统计数据包括最大带宽利用率和最小带宽利用率时,网络流量检测装置还可以根据该最大带宽利用率、最小带宽利用率和该与第一插值时刻对应的候选带宽利用率确定第一插值带宽利用率,其技术过程可以包括以下步骤:
A4、当该与第一插值时刻对应的候选带宽利用率位于最小带宽利用率和最大带宽利用率之间时,网络流量检测装置将该与第一插值时刻对应的候选带宽利用率获取为第一插值带宽利用率。
B4、当该与第一插值时刻对应的候选带宽利用率小于或等于最小带宽利用率时,网络流量检测装置将最小带宽利用率获取为第一插值带宽利用率。
C4、当该与第一插值时刻对应的候选带宽利用率大于或等于最大带宽利用率时,将最大带宽利用率获取为第一插值带宽利用率。
在实际应用中,网络流量(也即是带宽利用率)具有自相似性,也即是网络流量在较长时间段内不发生突变,为了满足网络流量的自相似特性,网络流量检测装置在步骤207中确定的与第一带宽利用率对应的第一时间段中的多个插值时刻一一对应的多个插值带宽利用率(以下简称多个带宽利用率)和与目标第一时间段中的多个插值时刻一一对应的多个历史插值带宽利用率之间不应产生突变,其中,目标第一时间段是采样周期中在时序上与第一带宽利用率对应的第一时间段相邻,且位于第一带宽利用率对应的第一时间段之前的一个第一时间段,例如,采样周期可以包括3个第一时间段,其中,第一带宽利用率对应的第一时间段为采样周期包括的3个第一时间段在时序上的第3个第一时间段,则目标第一时间段为采样周期包括的3个第一时间段在时序上的第2个第一时间段。
在实际应用中,网络流量检测装置可以通过比较该多个插值带宽利用率的赫斯特指数和该多个历史插值带宽利用率的赫斯特指数来确定该多个插值带宽利用率和该多个历史插值带宽利用率之间是否产生突变,其技术过程可以包括以下步骤:
A5、网络流量检测装置获取与第一带宽利用率对应的第一时间段中的多个插值时刻一一对应的多个候选带宽利用率(以下简称为多个候选带宽利用率)。
在实际应用中,网络流量检测装置可以通过上述步骤A3、B3和C3确定每个插值时刻对应的候选带宽利用率,当然,网络流量检测装置还可以将通过上述步骤A3、B3、C3、A4、B4和C4确定的每个插值时刻对应的插值带宽利用率确定为步骤A5中的每个插值时刻对应的候选带宽利用率。
B5、网络流量检测装置根据该多个候选带宽利用率计算第一赫斯特指数。
其中,该计算第一赫斯特指数的技术过程可以包括:
网络流量检测装置将该多个候选带宽利用率分割成多个候选带宽利用率集合,每个候选带宽利用率集合中包括的候选带宽利用率的个数相等,网络流量检测装置计算第一候选带宽利用率集合的标准差,该第一候选带宽利用率集合是多个候选带宽利用率集合中的任意一个候选带宽利用率集合,网络流量检测装置计算第一候选带宽利用率集合中任意t个候选带宽利用率的离差的和,得到多个累计离差,其中,1≤t≤n′,n′为第一候选带宽利用率集合包括的候选带宽利用率的个数,网络流量检测装置计算多个累计离差的极差,网络流量检测装置根据标准差和极差计算第一候选带宽利用率集合的重标极差,网络流量检测装置计算多个候选带宽利用率集合的重标极差的均值,得到重标极差均值,网络流量检测装置根据重标极差均值计算第一赫斯特指数。
其中,计算第一赫斯特指数的具体技术过程与上文步骤A1至G1的技术过程同理,本申请实施例在此不再赘述。
C5、当第一带宽利用率对应的第一时间段不为采样周期在时序上的第一个第一时间段时,网络流量检测装置获取该多个历史插值带宽利用率,并执行下述步骤D5和E5。
在实际应用中,网络流量检测装置可以根据采样时间段包括的n个第一时间段在时序上的先后顺序,依次对采样周期包括的n个第一时间段进行带宽利用率插值运算,也即是,网络流量检测装置可以先对目标第一时间段进行带宽利用率插值运算,而后再对第一带宽利用率对应的第一时间段进行带宽利用率插值运算。则在步骤C5中,网络流量检测装置可以获取已经通过带宽利用率插值运算得到的多个历史插值带宽利用率。
D5、网络流量检测装置根据多个历史插值带宽利用率计算第二赫斯特指数。
计算第二赫斯特指数的技术过程与上文步骤A1至G1的技术过程同理,本申请实施例在此不再赘述。
E5、当第一赫斯特指数和第二赫斯特指数的差距小于预设阈值时,网络流量检测装置将将与第一带宽利用率对应的第一时间段中的多个插值时刻一一对应的多个候选带宽利用率获取为与第一带宽利用率对应的第一时间段中的多个插值时刻一一对应的多个插值带宽利用率。
其中,第一赫斯特指数和第二赫斯特指数的差距小于预设阈值可以为:第一赫斯特指数和第二赫斯特指数的差值(该差值大于0)小于预设阈值,或者,第一赫斯特指数和第二赫斯特指数的比值(该比值小于1)小于预设阈值,或者,第一赫斯特指数和第二赫斯特指数的差值(该差值大于0)与第一赫斯特指数的比值小于预设阈值,或者,第一赫斯特指数和第二赫斯特指数的差值(该差值大于0)与第二赫斯特指数的比值小于预设阈值。
换句话说,在步骤E5中网络流量检测装置可以在第一赫斯特指数和第二赫斯特指数的差距小于预设阈值时,将与第一插值时刻对应的候选带宽利用率获取为与第一插值时刻对应的第一插值带宽利用率。
F5、当第一带宽利用率对应的第一时间段为采样周期在时序上的第一个第一时间段时,网络流量检测装置从第一目标带宽统计数据中获取第三赫斯特指数,而后执行步骤G5。
G5、当第一赫斯特指数和第三赫斯特指数的差距小于预设阈值时,网络流量检测装置将与第一带宽利用率对应的第一时间段中的多个插值时刻一一对应的多个候选带宽利用率获取为与第一带宽利用率对应的第一时间段中的多个插值时刻一一对应的多个插值带宽利用率。
其中,第一赫斯特指数和第三赫斯特指数的差距小于预设阈值的含义与上文所述第一赫斯特指数和第二赫斯特指数的差距小于预设阈值的含义同理,本申请实施例在此不再赘述。
如上所述,目标细粒度对应关系可以为目标带宽利用率、目标带宽统计数据和目标平均性能指标的对应关系,历史细粒度对应关系可以为历史目标带宽利用率、历史目标带宽统计数据和历史目标平均性能指标的对应关系。在这种情况下,网络流量检测装置还可以基于第一带宽利用率从流量基因数据库中获取第一目标平均性能指标,并将该第一目标平均性能指标确定为第一带宽利用率对应的第一时间段中的每个插值时刻对应的性能指标。
综上所述,本申请实施例提供的网络流量检测方法,对于流量检测系统中的任一网络设备中的任一端口而言,网络流量检测装置可以在采样周期包括的n个第一时间段的每个第一时间段中确定该端口的带宽利用率,也即是网络流量检测装置可以在采样周期内对该端口进行n次粗粒度采样。此外,网络流量检测装置还可以在采样周期的第二时间段包括的m个第三时间段的每个第三时间段中确定该端口的带宽利用率,也即是网络流量检测装置可以在该采样周期的第二时间段内对该端口进行m次细粒度采样。同时网络流量检测装置可以将根据在m次细粒度采样中得到的m个带宽利用率获取目标细粒度对应关系,并将该目标细粒度对应关系记录至流量基因数据库中。而后,网络流量检测装置可以根据n次粗粒度采样得到的n个带宽利用率和流量基因数据库中记录的相应的目标带宽利用率进行带宽利用率插值运算,以最终得到该端口在该采样周期中每个第一时间段内的每个插值时刻的插值带宽利用率,并将其作为为网络流量检测结果。这样,一方面,由于网络流量检测装置在一个采样周期内可以针对该端口进行粗粒度采样和一段时间(第二时间段)的细粒度采样,因此,该网络设备只需要在采样周期的一段时间内频繁响应网络流量检测装置,而在其他的时间段内可以以较低频率响应网络流量检测装置,从而使得该网络设备在网络流量检测的过程中负载较小,避免引发业务故障;另一方面,网络流量检测装置可以基于粗粒度采样得到的n个带宽利用率和流量基因数据库中记录的相应的目标带宽利用率进行带宽利用率插值运算,以得到该端口在采样周期的每个第一时间段内的每个插值时刻的插值带宽利用率,从而保证了网络流量检测的精度。
下述为本申请的装置实施例,可以用于执行本申请的方法实施例,对于本申请装置实施例中未披露的细节,请参照本申请方法实施例。
请参考图3,其示出了本申请提供的一种网络流量检测装置300的框图,该网络流量检测装置300可以为图1所示的实施环境中的网络流量检测装置101,如图3所示,该网络流量检测装置300可以包括粗粒度采样模块301、细粒度采样模块302、查询模块303和插值模块304。
该粗粒度采样模块301,用于在采样周期的n个第一时间段的每个第一时间段中确定第一网络设备的第一端口的带宽利用率,得到n个带宽利用率,该n个带宽利用率与该n个第一时间段一一对应,该采样周期包括该n个第一时间段,n为大于或等于1的整数,该第一网络设备为该至少一个网络设备中任一网络设备,该第一端口为该第一网络设备的至少一个端口中的任一端口。
该细粒度采样模块302,用于在该采样周期的第二时间段内的m个第三时间段的每个第三时间段中确定该第一端口的带宽利用率,得到m个带宽利用率,该m个带宽利用率与该m个第三时间段一一对应,该第二时间段包括该m个第三时间段,m为大于或等于2的整数,根据该m个带宽利用率获取目标带宽利用率和目标带宽统计数据,该目标带宽统计数据包括该m个带宽利用率的变异系数,将该目标带宽利用率和该目标带宽统计数据的目标细粒度对应关系记录于流量基因数据库中,该第三时间段的时长小于该第一时间段的时长。
该查询模块303,用于根据第一带宽利用率在该流量基因数据库中确定与该第一带宽利用率相匹配的第一目标带宽利用率,并且根据该第一目标带宽利用率在该流量基因数据库中确定与该第一目标带宽利用率对应的第一目标带宽统计数据,其中,该第一目标带宽统计数据包括第一变异系数,该第一带宽利用率是该n个带宽利用率中的任一带宽利用率。
该插值模块304,用于基于该第一带宽利用率和该第一变异系数,对该第一带宽利用率对应的第一时间段进行带宽利用率插值运算,得到多个插值带宽利用率,该多个插值带宽利用率与该第一带宽利用率对应的第一时间段中的多个插值时刻一一对应。
在本申请的一个实施例中,该第一网络设备包括q个端口,该第一端口是该q个端口中的第i个端口,该采样周期包括q个该第二时间段,q为大于或等于1的整数,1≤i≤q,该细粒度采样模块302,用于在q个该第二时间段中的第i个该第二时间段内的该每个第三时间段中确定该第一端口的带宽利用率。
在本申请的一个实施例中,该流量基因数据库中记录有在历史采样周期中获取的历史细粒度对应关系,该历史细粒度对应关系是历史目标带宽利用率和历史目标带宽统计数据的对应关系,该细粒度采样模块302,用于当该流量基因数据库记录的任一历史细粒度对应关系中的历史目标带宽利用率并均不与该目标带宽利用率相等时,将该目标细粒度对应关系记录于该流量基因数据库中;当该流量基因数据库中记录有包含的历史目标带宽利用率与该目标带宽利用率相等的目标历史细粒度对应关系时,获取该目标历史细粒度对应关系中历史目标带宽统计数据包括的第二变异系数,并获取该目标带宽统计数据中的变异系数和该第二变异系数的均值,删除该目标历史细粒度对应关系,并将该目标带宽利用率和该均值的最新细粒度对应关系记录于该流量基因数据库中。
在本申请的一个实施例中,该插值模块304,用于在预设区间内获取随机数,并基于该随机数、该第一变异系数和该第一带宽利用率对第一插值时刻进行带宽利用率插值运算,得到与该第一插值时刻对应的第一插值带宽利用率,该第一插值时刻为该第一带宽利用率对应的第一时间段内的任一插值时刻。
在本申请的一个实施例中,该预设区间为区间(-1,1),该插值模块304,用于:
在该区间(-1,1)内获取第一随机数和第二随机数;
在0<x2+y2≤1时,基于第一公式对该第一随机数和该第二随机数进行随机数转换运算得到目标数,该第一公式为:
基于第二公式计算该第一插值带宽利用率,该第二公式为:
V=avg+avg×cv×N;
其中,N为该目标数,x为该第一随机数,y为该第二随机数,sqrt为求平方根运算符,V为该第一插值带宽利用率,avg为该第一带宽利用率,cv为该第一变异系数。
在本申请的一个实施例中,该第一目标带宽统计数据还包括最大带宽利用率和最小带宽利用率,该插值模块304,用于基于该随机数、该第一变异系数和该第一带宽利用率对该第一插值时刻进行带宽利用率插值运算,得到与该第一插值时刻对应的候选带宽利用率;当该候选带宽利用率位于该最小带宽利用率和该最大带宽利用率之间时,将该候选带宽利用率获取为该第一插值带宽利用率;当该候选带宽利用率小于或等于该最小带宽利用率时,将该最小带宽利用率获取为该第一插值带宽利用率;当该候选带宽利用率大于或等于该最大带宽利用率时,将该最大带宽利用率获取为该第一插值带宽利用率。
在本申请的一个实施例中,该目标带宽统计数据还包括该m个带宽利用率中的最大带宽利用率和最小带宽利用率。
在本申请的一个实施例中,该插值模块304,用于基于该第一带宽利用率和该第一变异系数,对该第一带宽利用率对应的第一时间段进行带宽利用率插值运算,得到多个候选带宽利用率,该多个候选带宽利用率与该第一带宽利用率对应的第一时间段中的多个插值时刻一一对应;根据该多个候选带宽利用率计算第一赫斯特指数;当该第一带宽利用率对应的第一时间段不为该采样周期在时序上的第一个第一时间段时,获取与目标第一时间段中的多个插值时刻一一对应的多个历史插值带宽利用率,该目标第一时间段是该采样周期中在时序上与该第一带宽利用率对应的第一时间段相邻,且位于该第一带宽利用率对应的第一时间段之前的一个第一时间段;根据该多个历史插值带宽利用率计算第二赫斯特指数;当该第一赫斯特指数和该第二赫斯特指数的差距小于预设阈值时,将该多个候选带宽利用率获取为该多个插值带宽利用率。
在本申请的一个实施例中,该第一目标带宽统计数据还包括第三赫斯特指数,该插值模块304,用于当该第一带宽利用率对应的第一时间段为该采样周期在时序上的第一个第一时间段时,从该第一目标带宽统计数据中获取该第三赫斯特指数;当该第一赫斯特指数和该第三赫斯特指数的差距小于预设阈值时,将该多个候选带宽利用率获取为该多个插值带宽利用率。
在本申请的一个实施例中,该插值模块304,用于将该多个候选带宽利用率分割成多个候选带宽利用率集合,每个该候选带宽利用率集合中包括的该候选带宽利用率的个数相等;计算第一候选带宽利用率集合的标准差,该第一候选带宽利用率集合是该多个候选带宽利用率集合中的任意一个候选带宽利用率集合;计算该第一候选带宽利用率集合中任意t个该候选带宽利用率的离差的和,得到多个累计离差,其中,1≤t≤n′,n′为该第一候选带宽利用率集合包括的候选带宽利用率的个数;计算该多个累计离差的极差;根据该标准差和该极差计算该第一候选带宽利用率集合的重标极差;计算该多个候选带宽利用率集合的重标极差的均值,得到重标极差均值;根据该重标极差均值计算该第一赫斯特指数。
在本申请的一个实施例中,该
目标细粒度对应关系为该目标带宽利用率、该目标带宽统计数据和目标平均性能指标的对应关系,该目标平均性能指标包括平均丢包率,该平均丢包率是在该采样周期的该第二时间段内的该m个第三时间段中确定的该第一端口的m个丢包率的平均值,该m个丢包率与该m个第三时间段一一对应,该查询模块303,还用于获取该第一细粒度对应关系中的第一目标平均性能指标;该插值模块304,还用于将该第一目标平均性能指标确定为该第一带宽利用率对应的第一时间段中的每个插值时刻对应的性能指标。
在本申请的一个实施例中,该目标带宽利用率为该m个带宽利用率的均值或极值。
综上所述,本申请实施例提供的网络流量检测装置,对于流量检测系统中的任一网络设备中的任一端口而言,网络流量检测装置可以在采样周期包括的n个第一时间段的每个第一时间段中确定该端口的带宽利用率,也即是网络流量检测装置可以在采样周期内对该端口进行n次粗粒度采样。此外,网络流量检测装置还可以在采样周期的第二时间段包括的m个第三时间段的每个第三时间段中确定该端口的带宽利用率,也即是网络流量检测装置可以在该采样周期的第二时间段内对该端口进行m次细粒度采样。同时网络流量检测装置可以将根据在m次细粒度采样中得到的m个带宽利用率获取目标细粒度对应关系,并将该目标细粒度对应关系记录至流量基因数据库中。而后,网络流量检测装置可以根据n次粗粒度采样得到的n个带宽利用率和流量基因数据库中记录的相应的目标带宽利用率进行带宽利用率插值运算,以最终得到该端口在该采样周期中每个第一时间段内的每个插值时刻的插值带宽利用率,并将其作为为网络流量检测结果。这样,一方面,由于网络流量检测装置在一个采样周期内可以针对该端口进行粗粒度采样和一段时间(第二时间段)的细粒度采样,因此,该网络设备只需要在采样周期的一段时间内频繁响应网络流量检测装置,而在其他的时间段内可以以较低频率响应网络流量检测装置,从而使得该网络设备在网络流量检测的过程中负载较小,避免引发业务故障;另一方面,网络流量检测装置可以基于粗粒度采样得到的n个带宽利用率和流量基因数据库中记录的相应的目标带宽利用率进行带宽利用率插值运算,以得到该端口在采样周期的每个第一时间段内的每个插值时刻的插值带宽利用率,从而保证了网络流量检测的精度。
请参考图4,其示出了本申请提供的一种网络流量检测装置400的框图,该网络流量检测装置400可以为图1所示实施环境中的网络流量检测装置101,如图4所示,该网络流量检测装置400包括:处理器401和存储器402。处理器401被配置为执行存储器402中存储的指令,处理器401通过执行指令来实现图2所示实施例的网络流量检测方法。
可选地,如图4所示,该网络流量检测装置400还包括:发射机403、接收机404和网络接口405,处理器401、存储器402、发射机403、接收机404和网络接口405通过总线406连接,处理器401包括一个或者一个以上处理核心,处理器401通过运行软件程序,从而执行各种功能应用以及数据处理。网络接口405可以为多个,该网络接口405用于该网络流量检测装置400与网络设备进行通信。网络接口405是网络流量检测装置400中的可选组件,实际应用中,网络流量检测装置400可以通过接收机401和发射机406与网络设备进行通信,所以,网络流量检测装置400中可以没有网络接口405,本申请实施例对此不作限定。
在本申请实施例中,处理器401通过执行指令来实现一种网络流量检测方法,该方法包括:
在采样周期的n个第一时间段的每个第一时间段中确定第一网络设备的第一端口的带宽利用率,得到n个带宽利用率,该n个带宽利用率与该n个第一时间段一一对应,该采样周期包括该n个第一时间段,n为大于或等于1的整数,该第一网络设备为该至少一个网络设备中任一网络设备,该第一端口为该第一网络设备的至少一个端口中的任一端口;
在该采样周期的第二时间段内的m个第三时间段的每个第三时间段中确定该第一端口的带宽利用率,得到m个带宽利用率,该m个带宽利用率与该m个第三时间段一一对应,该第二时间段包括该m个第三时间段,m为大于或等于2的整数,根据该m个带宽利用率获取目标带宽利用率和目标带宽统计数据,该目标带宽统计数据包括该m个带宽利用率的变异系数,将该目标带宽利用率和该目标带宽统计数据的目标细粒度对应关系记录于流量基因数据库中,该第三时间段的时长小于该第一时间段的时长;
根据第一带宽利用率在该流量基因数据库中确定与该第一带宽利用率相匹配的第一目标带宽利用率,并且根据该第一目标带宽利用率在该流量基因数据库中确定与该第一目标带宽利用率对应的第一目标带宽统计数据,其中,该第一目标带宽统计数据包括第一变异系数,该第一带宽利用率是该n个带宽利用率中的任一带宽利用率;
基于该第一带宽利用率和该第一变异系数,对该第一带宽利用率对应的第一时间段进行带宽利用率插值运算,得到多个插值带宽利用率,该多个插值带宽利用率与该第一带宽利用率对应的第一时间段中的多个插值时刻一一对应。
综上所述,本申请实施例提供的网络流量检测装置,对于流量检测系统中的任一网络设备中的任一端口而言,网络流量检测装置可以在采样周期包括的n个第一时间段的每个第一时间段中确定该端口的带宽利用率,也即是网络流量检测装置可以在采样周期内对该端口进行n次粗粒度采样。此外,网络流量检测装置还可以在采样周期的第二时间段包括的m个第三时间段的每个第三时间段中确定该端口的带宽利用率,也即是网络流量检测装置可以在该采样周期的第二时间段内对该端口进行m次细粒度采样。同时网络流量检测装置可以将根据在m次细粒度采样中得到的m个带宽利用率获取目标细粒度对应关系,并将该目标细粒度对应关系记录至流量基因数据库中。而后,网络流量检测装置可以根据n次粗粒度采样得到的n个带宽利用率和流量基因数据库中记录的相应的目标带宽利用率进行带宽利用率插值运算,以最终得到该端口在该采样周期中每个第一时间段内的每个插值时刻的插值带宽利用率,并将其作为为网络流量检测结果。这样,一方面,由于网络流量检测装置在一个采样周期内可以针对该端口进行粗粒度采样和一段时间(第二时间段)的细粒度采样,因此,该网络设备只需要在采样周期的一段时间内频繁响应网络流量检测装置,而在其他的时间段内可以以较低频率响应网络流量检测装置,从而使得该网络设备在网络流量检测的过程中负载较小,避免引发业务故障;另一方面,网络流量检测装置可以基于粗粒度采样得到的n个带宽利用率和流量基因数据库中记录的相应的目标带宽利用率进行带宽利用率插值运算,以得到该端口在采样周期的每个第一时间段内的每个插值时刻的插值带宽利用率,从而保证了网络流量检测的精度。
请参考图5,其示出了本申请提供的一种流量检测系统500的框图,如图5所示,该流量检测系统500包括网络流量检测装置501和至少一个网络设备502(图5中仅示出了一个网络设备502),其中,每个网络设备502包含至少一个端口,网络流量检测装置501可以为如图3或图4所示实施例的网络流量检测装置,其可以用于执行如图2-1所示实施例中网络流量检测装置所执行的技术过程。
本申请实施例还提供了一种计算机可读存储介质,该计算机可读存储介质可以为非易失性存储介质,该计算机可读存储介质中存储有指令,当该指令在计算机的处理组件上运行时,使得处理组件执行上述图2-1所示实施例中网络流量检测装置所执行的技术过程。
本申请实施例还提供了一种包含指令的计算机程序产品,当计算机程序产品在计算机的处理组件上运行时,使得处理组件执行上述图2-1所示实施例中网络流量检测装置所执行的技术过程。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以记录于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本申请的可选实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (27)
1.一种网络流量检测方法,其特征在于,应用于流量检测系统中,所述流量检测系统包括网络流量检测装置和至少一个网络设备,每个所述网络设备具有至少一个端口,所述方法包括:
所述网络流量检测装置在采样周期的n个第一时间段的每个第一时间段中确定第一网络设备的第一端口的带宽利用率,得到n个带宽利用率,所述n个带宽利用率与所述n个第一时间段一一对应,所述采样周期包括所述n个第一时间段,n为大于或等于1的整数,所述第一网络设备为所述至少一个网络设备中任一网络设备,所述第一端口为所述第一网络设备的至少一个端口中的任一端口;
所述网络流量检测装置在所述采样周期的第二时间段内的m个第三时间段的每个第三时间段中确定所述第一端口的带宽利用率,得到m个带宽利用率,所述m个带宽利用率与所述m个第三时间段一一对应,所述第二时间段包括所述m个第三时间段,m为大于或等于2的整数,根据所述m个带宽利用率获取目标带宽利用率和目标带宽统计数据,所述目标带宽统计数据包括所述m个带宽利用率的变异系数,将所述目标带宽利用率和所述目标带宽统计数据的目标细粒度对应关系记录于流量基因数据库中,所述第三时间段的时长小于所述第一时间段的时长;
所述网络流量检测装置根据第一带宽利用率在所述流量基因数据库中确定与所述第一带宽利用率相匹配的第一目标带宽利用率,并且根据所述第一目标带宽利用率在所述流量基因数据库中确定与所述第一目标带宽利用率对应的第一目标带宽统计数据,其中,所述第一目标带宽统计数据包括第一变异系数,所述第一带宽利用率是所述n个带宽利用率中的任一带宽利用率;
所述网络流量检测装置基于所述第一带宽利用率和所述第一变异系数,对所述第一带宽利用率对应的第一时间段进行带宽利用率插值运算,得到多个插值带宽利用率,所述多个插值带宽利用率与所述第一带宽利用率对应的第一时间段中的多个插值时刻一一对应。
2.根据权利要求1所述的方法,其特征在于,所述第一网络设备包括q个端口,所述第一端口是所述q个端口中的第i个端口,所述采样周期包括q个所述第二时间段,q为大于或等于1的整数,1≤i≤q,所述网络流量检测装置在所述采样周期的第二时间段内的m个第三时间段的每个第三时间段中确定所述第一端口的带宽利用率,包括:
所述网络流量检测装置在q个所述第二时间段中的第i个所述第二时间段内的所述每个第三时间段中确定所述第一端口的带宽利用率。
3.根据权利要求1所述的方法,其特征在于,所述流量基因数据库中记录有在历史采样周期中获取的历史细粒度对应关系,所述历史细粒度对应关系是历史目标带宽利用率和历史目标带宽统计数据的对应关系,所述将所述目标带宽利用率和所述目标带宽统计数据的目标细粒度对应关系记录于流量基因数据库中,包括:
当所述流量基因数据库记录的任一历史细粒度对应关系中的历史目标带宽利用率并均不与所述目标带宽利用率相等时,所述网络流量检测装置将所述目标细粒度对应关系记录于所述流量基因数据库中;
当所述流量基因数据库中记录有包含的历史目标带宽利用率与所述目标带宽利用率相等的目标历史细粒度对应关系时,所述网络流量检测装置获取所述目标历史细粒度对应关系中历史目标带宽统计数据包括的第二变异系数,并获取所述目标带宽统计数据中的变异系数和所述第二变异系数的均值,删除所述目标历史细粒度对应关系,并将所述目标带宽利用率和所述均值的最新细粒度对应关系记录于所述流量基因数据库中。
4.根据权利要求1所述的方法,其特征在于,所述网络流量检测装置基于所述第一带宽利用率和所述第一变异系数,对所述第一带宽利用率对应的第一时间段进行带宽利用率插值运算,得到多个插值带宽利用率,包括:
所述网络流量检测装置在预设区间内获取随机数,并基于所述随机数、所述第一变异系数和所述第一带宽利用率对第一插值时刻进行带宽利用率插值运算,得到与所述第一插值时刻对应的第一插值带宽利用率,所述第一插值时刻为所述第一带宽利用率对应的第一时间段内的任一插值时刻。
5.根据权利要求4所述的方法,其特征在于,所述预设区间为区间(-1,1),所述网络流量检测装置在预设区间内获取随机数,并基于所述随机数、所述第一变异系数和所述第一带宽利用率对第一插值时刻进行带宽利用率插值运算,得到与所述第一插值时刻对应的第一插值带宽利用率,包括:
所述网络流量检测装置在所述区间(-1,1)内获取第一随机数和第二随机数;
在0<x2+y2≤1时,所述网络流量检测装置基于第一公式对所述第一随机数和所述第二随机数进行随机数转换运算得到目标数,所述第一公式为:
所述网络流量检测装置基于第二公式计算所述第一插值带宽利用率,所述第二公式为:
V=avg+avg×cv×N;
其中,N为所述目标数,x为所述第一随机数,y为所述第二随机数,sqrt为求平方根运算符,V为所述第一插值带宽利用率,avg为所述第一带宽利用率,cv为所述第一变异系数。
6.根据权利要求4所述的方法,其特征在于,所述第一目标带宽统计数据还包括最大带宽利用率和最小带宽利用率,所述基于所述随机数、所述第一变异系数和所述第一带宽利用率对第一插值时刻进行带宽利用率插值运算,得到与所述第一插值时刻对应的第一插值带宽利用率,包括:
所述网络流量检测装置基于所述随机数、所述第一变异系数和所述第一带宽利用率对所述第一插值时刻进行带宽利用率插值运算,得到与所述第一插值时刻对应的候选带宽利用率;
当所述候选带宽利用率位于所述最小带宽利用率和所述最大带宽利用率之间时,所述网络流量检测装置将所述候选带宽利用率获取为所述第一插值带宽利用率;
当所述候选带宽利用率小于或等于所述最小带宽利用率时,所述网络流量检测装置将所述最小带宽利用率获取为所述第一插值带宽利用率;
当所述候选带宽利用率大于或等于所述最大带宽利用率时,所述网络流量检测装置将所述最大带宽利用率获取为所述第一插值带宽利用率。
7.根据权利要求6所述的方法,其特征在于,所述目标带宽统计数据还包括所述m个带宽利用率中的最大带宽利用率和最小带宽利用率。
8.根据权利要求1所述的方法,其特征在于,所述网络流量检测装置基于所述第一带宽利用率和所述第一变异系数,对所述第一带宽利用率对应的第一时间段进行带宽利用率插值运算,得到多个插值带宽利用率,包括:
所述网络流量检测装置基于所述第一带宽利用率和所述第一变异系数,对所述第一带宽利用率对应的第一时间段进行带宽利用率插值运算,得到多个候选带宽利用率,所述多个候选带宽利用率与所述第一带宽利用率对应的第一时间段中的多个插值时刻一一对应;
所述网络流量检测装置根据所述多个候选带宽利用率计算第一赫斯特指数;
当所述第一带宽利用率对应的第一时间段不为所述采样周期在时序上的第一个第一时间段时,所述网络流量检测装置获取与目标第一时间段中的多个插值时刻一一对应的多个历史插值带宽利用率,所述目标第一时间段是所述采样周期中在时序上与所述第一带宽利用率对应的第一时间段相邻,且位于所述第一带宽利用率对应的第一时间段之前的一个第一时间段;
所述网络流量检测装置根据所述多个历史插值带宽利用率计算第二赫斯特指数;
当所述第一赫斯特指数和所述第二赫斯特指数的差距小于预设阈值时,所述网络流量检测装置将所述多个候选带宽利用率获取为所述多个插值带宽利用率。
9.根据权利要求8所述的方法,其特征在于,所述第一目标带宽统计数据还包括第三赫斯特指数,所述方法还包括:
当所述第一带宽利用率对应的第一时间段为所述采样周期在时序上的第一个第一时间段时,所述网络流量检测装置从所述第一目标带宽统计数据中获取所述第三赫斯特指数;
当所述第一赫斯特指数和所述第三赫斯特指数的差距小于预设阈值时,所述网络流量检测装置将所述多个候选带宽利用率获取为所述多个插值带宽利用率。
10.根据权利要求8所述的方法,其特征在于,所述网络流量检测装置根据所述多个候选带宽利用率计算第一赫斯特指数,包括:
所述网络流量检测装置将所述多个候选带宽利用率分割成多个候选带宽利用率集合,每个所述候选带宽利用率集合中包括的所述候选带宽利用率的个数相等;
所述网络流量检测装置计算第一候选带宽利用率集合的标准差,所述第一候选带宽利用率集合是所述多个候选带宽利用率集合中的任意一个候选带宽利用率集合;
所述网络流量检测装置计算所述第一候选带宽利用率集合中任意t个所述候选带宽利用率的离差的和,得到多个累计离差,其中,1≤t≤n′,n′为所述第一候选带宽利用率集合包括的候选带宽利用率的个数;
所述网络流量检测装置计算所述多个累计离差的极差;
所述网络流量检测装置根据所述标准差和所述极差计算所述第一候选带宽利用率集合的重标极差;
所述网络流量检测装置计算所述多个候选带宽利用率集合的重标极差的均值,得到重标极差均值;
所述网络流量检测装置根据所述重标极差均值计算所述第一赫斯特指数。
11.根据权利要求1所述的方法,其特征在于,所述目标细粒度对应关系为所述目标带宽利用率、所述目标带宽统计数据和目标平均性能指标的对应关系,所述目标平均性能指标包括平均丢包率,所述平均丢包率是在所述采样周期的所述第二时间段内的所述m个第三时间段中确定的所述第一端口的m个丢包率的平均值,所述m个丢包率与所述m个第三时间段一一对应,所述方法还包括:
所述网络流量检测装置获取所述第一细粒度对应关系中的第一目标平均性能指标;
所述网络流量检测装置将所述第一目标平均性能指标确定为所述第一带宽利用率对应的第一时间段中的每个插值时刻对应的性能指标。
12.根据权利要求1所述的方法,其特征在于,所述目标带宽利用率为所述m个带宽利用率的均值或极值。
13.一种网络流量检测装置,其特征在于,所述网络流量检测装置是所述流量检测系统中的装置,所述流量检测系统包括所述网络流量检测装置和至少一个网络设备,每个所述网络设备具有至少一个端口,所述装置包括:
粗粒度采样模块,用于在采样周期的n个第一时间段的每个第一时间段中确定第一网络设备的第一端口的带宽利用率,得到n个带宽利用率,所述n个带宽利用率与所述n个第一时间段一一对应,所述采样周期包括所述n个第一时间段,n为大于或等于1的整数,所述第一网络设备为所述至少一个网络设备中任一网络设备,所述第一端口为所述第一网络设备的至少一个端口中的任一端口;
细粒度采样模块,用于在所述采样周期的第二时间段内的m个第三时间段的每个第三时间段中确定所述第一端口的带宽利用率,得到m个带宽利用率,所述m个带宽利用率与所述m个第三时间段一一对应,所述第二时间段包括所述m个第三时间段,m为大于或等于2的整数,根据所述m个带宽利用率获取目标带宽利用率和目标带宽统计数据,所述目标带宽统计数据包括所述m个带宽利用率的变异系数,将所述目标带宽利用率和所述目标带宽统计数据的目标细粒度对应关系记录于流量基因数据库中,所述第三时间段的时长小于所述第一时间段的时长;
查询模块,用于根据第一带宽利用率在所述流量基因数据库中确定与所述第一带宽利用率相匹配的第一目标带宽利用率,并且根据所述第一目标带宽利用率在所述流量基因数据库中确定与所述第一目标带宽利用率对应的第一目标带宽统计数据,其中,所述第一目标带宽统计数据包括第一变异系数,所述第一带宽利用率是所述n个带宽利用率中的任一带宽利用率;
插值模块,用于基于所述第一带宽利用率和所述第一变异系数,对所述第一带宽利用率对应的第一时间段进行带宽利用率插值运算,得到多个插值带宽利用率,所述多个插值带宽利用率与所述第一带宽利用率对应的第一时间段中的多个插值时刻一一对应。
14.根据权利要求13所述的装置,其特征在于,所述第一网络设备包括q个端口,所述第一端口是所述q个端口中的第i个端口,所述采样周期包括q个所述第二时间段,q为大于或等于1的整数,1≤i≤q,所述细粒度采样模块,用于:
在q个所述第二时间段中的第i个所述第二时间段内的所述每个第三时间段中确定所述第一端口的带宽利用率。
15.根据权利要求13所述的装置,其特征在于,所述流量基因数据库中记录有在历史采样周期中获取的历史细粒度对应关系,所述历史细粒度对应关系是历史目标带宽利用率和历史目标带宽统计数据的对应关系,所述细粒度采样模块,用于:
当所述流量基因数据库记录的任一历史细粒度对应关系中的历史目标带宽利用率并均不与所述目标带宽利用率相等时,将所述目标细粒度对应关系记录于所述流量基因数据库中;
当所述流量基因数据库中记录有包含的历史目标带宽利用率与所述目标带宽利用率相等的目标历史细粒度对应关系时,获取所述目标历史细粒度对应关系中历史目标带宽统计数据包括的第二变异系数,并获取所述目标带宽统计数据中的变异系数和所述第二变异系数的均值,删除所述目标历史细粒度对应关系,并将所述目标带宽利用率和所述均值的最新细粒度对应关系记录于所述流量基因数据库中。
16.根据权利要求13所述的装置,其特征在于,所述插值模块,用于:
在预设区间内获取随机数,并基于所述随机数、所述第一变异系数和所述第一带宽利用率对第一插值时刻进行带宽利用率插值运算,得到与所述第一插值时刻对应的第一插值带宽利用率,所述第一插值时刻为所述第一带宽利用率对应的第一时间段内的任一插值时刻。
17.根据权利要求16所述的装置,其特征在于,所述预设区间为区间(-1,1),所述插值模块,用于:
在所述区间(-1,1)内获取第一随机数和第二随机数;
在0<x2+y2≤1时,基于第一公式对所述第一随机数和所述第二随机数进行随机数转换运算得到目标数,所述第一公式为:
基于第二公式计算所述第一插值带宽利用率,所述第二公式为:
V=avg+avg×cv×N;
其中,N为所述目标数,x为所述第一随机数,y为所述第二随机数,sqrt为求平方根运算符,V为所述第一插值带宽利用率,avg为所述第一带宽利用率,cv为所述第一变异系数。
18.根据权利要求16所述的装置,其特征在于,所述第一目标带宽统计数据还包括最大带宽利用率和最小带宽利用率,所述插值模块,用于:
基于所述随机数、所述第一变异系数和所述第一带宽利用率对所述第一插值时刻进行带宽利用率插值运算,得到与所述第一插值时刻对应的候选带宽利用率;
当所述候选带宽利用率位于所述最小带宽利用率和所述最大带宽利用率之间时,将所述候选带宽利用率获取为所述第一插值带宽利用率;
当所述候选带宽利用率小于或等于所述最小带宽利用率时,将所述最小带宽利用率获取为所述第一插值带宽利用率;
当所述候选带宽利用率大于或等于所述最大带宽利用率时,将所述最大带宽利用率获取为所述第一插值带宽利用率。
19.根据权利要求18所述的装置,其特征在于,所述目标带宽统计数据还包括所述m个带宽利用率中的最大带宽利用率和最小带宽利用率。
20.根据权利要求13所述的装置,其特征在于,所述插值模块,用于:
基于所述第一带宽利用率和所述第一变异系数,对所述第一带宽利用率对应的第一时间段进行带宽利用率插值运算,得到多个候选带宽利用率,所述多个候选带宽利用率与所述第一带宽利用率对应的第一时间段中的多个插值时刻一一对应;
根据所述多个候选带宽利用率计算第一赫斯特指数;
当所述第一带宽利用率对应的第一时间段不为所述采样周期在时序上的第一个第一时间段时,获取与目标第一时间段中的多个插值时刻一一对应的多个历史插值带宽利用率,所述目标第一时间段是所述采样周期中在时序上与所述第一带宽利用率对应的第一时间段相邻,且位于所述第一带宽利用率对应的第一时间段之前的一个第一时间段;
根据所述多个历史插值带宽利用率计算第二赫斯特指数;
当所述第一赫斯特指数和所述第二赫斯特指数的差距小于预设阈值时,将所述多个候选带宽利用率获取为所述多个插值带宽利用率。
21.根据权利要求20所述的装置,其特征在于,所述第一目标带宽统计数据还包括第三赫斯特指数,所述插值模块,用于:
当所述第一带宽利用率对应的第一时间段为所述采样周期在时序上的第一个第一时间段时,从所述第一目标带宽统计数据中获取所述第三赫斯特指数;
当所述第一赫斯特指数和所述第三赫斯特指数的差距小于预设阈值时,将所述多个候选带宽利用率获取为所述多个插值带宽利用率。
22.根据权利要求20所述的装置,其特征在于,所述插值模块,用于:
将所述多个候选带宽利用率分割成多个候选带宽利用率集合,每个所述候选带宽利用率集合中包括的所述候选带宽利用率的个数相等;
计算第一候选带宽利用率集合的标准差,所述第一候选带宽利用率集合是所述多个候选带宽利用率集合中的任意一个候选带宽利用率集合;
计算所述第一候选带宽利用率集合中任意t个所述候选带宽利用率的离差的和,得到多个累计离差,其中,1≤t≤n′,n′为所述第一候选带宽利用率集合包括的候选带宽利用率的个数;
计算所述多个累计离差的极差;
根据所述标准差和所述极差计算所述第一候选带宽利用率集合的重标极差;
计算所述多个候选带宽利用率集合的重标极差的均值,得到重标极差均值;
根据所述重标极差均值计算所述第一赫斯特指数。
23.根据权利要求13所述的装置,其特征在于,所述目标细粒度对应关系为所述目标带宽利用率、所述目标带宽统计数据和目标平均性能指标的对应关系,所述目标平均性能指标包括平均丢包率,所述平均丢包率是在所述采样周期的所述第二时间段内的所述m个第三时间段中确定的所述第一端口的m个丢包率的平均值,所述m个丢包率与所述m个第三时间段一一对应,所述查询模块,还用于获取所述第一细粒度对应关系中的第一目标平均性能指标;
所述插值模块,还用于将所述第一目标平均性能指标确定为所述第一带宽利用率对应的第一时间段中的每个插值时刻对应的性能指标。
24.根据权利要求13所述的装置,其特征在于,所述目标带宽利用率为所述m个带宽利用率的均值或极值。
25.一种网络流量检测装置,其特征在于,所述网络流量检测装置包括:处理器和存储器,所述处理器被配置为执行所述存储器中存储的指令,所述处理器通过执行所述指令来实现权利要求1至12任一权利要求中网络流量检测装置所执行的步骤。
26.一种流量检测系统,其特征在于,所述流量检测系统包括如权利要求13至24任一所述的网络流量检测装置和至少一个网络设备,每个所述网络设备具有至少一个端口。
27.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有指令,当所述指令在计算机的处理组件上运行时,使得所述处理组件能够执行权利要求1至12任一权利要求中网络流量检测装置所执行的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710879509.1A CN109560978B (zh) | 2017-09-26 | 2017-09-26 | 网络流量检测方法、装置及系统和计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710879509.1A CN109560978B (zh) | 2017-09-26 | 2017-09-26 | 网络流量检测方法、装置及系统和计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109560978A true CN109560978A (zh) | 2019-04-02 |
CN109560978B CN109560978B (zh) | 2020-11-06 |
Family
ID=65862782
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710879509.1A Active CN109560978B (zh) | 2017-09-26 | 2017-09-26 | 网络流量检测方法、装置及系统和计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109560978B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114143223A (zh) * | 2020-08-13 | 2022-03-04 | 贵州白山云科技股份有限公司 | 一种带宽异常检测方法、装置、介质及设备 |
CN114423032A (zh) * | 2022-03-25 | 2022-04-29 | 北京智芯微电子科技有限公司 | 一种多apn接入装置、方法及配网系统 |
CN117061354A (zh) * | 2023-10-10 | 2023-11-14 | 北京火山引擎科技有限公司 | Cdn中的信息处理方法、系统、设备和存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150236962A1 (en) * | 2014-02-14 | 2015-08-20 | Exinda Networks PTY, Ltd. of Australia | Method and system for using dynamic bandwidth detection to drive quality of service control refinement |
CN105743720A (zh) * | 2014-12-08 | 2016-07-06 | 中国移动通信集团设计院有限公司 | 一种链路质量评估方法及其装置 |
CN106341285A (zh) * | 2016-11-25 | 2017-01-18 | 杭州华三通信技术有限公司 | 一种流量识别方法及装置 |
CN105407103B (zh) * | 2015-12-19 | 2018-06-29 | 中国人民解放军信息工程大学 | 一种基于多粒度异常检测的网络威胁评估方法 |
-
2017
- 2017-09-26 CN CN201710879509.1A patent/CN109560978B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150236962A1 (en) * | 2014-02-14 | 2015-08-20 | Exinda Networks PTY, Ltd. of Australia | Method and system for using dynamic bandwidth detection to drive quality of service control refinement |
CN105743720A (zh) * | 2014-12-08 | 2016-07-06 | 中国移动通信集团设计院有限公司 | 一种链路质量评估方法及其装置 |
CN105407103B (zh) * | 2015-12-19 | 2018-06-29 | 中国人民解放军信息工程大学 | 一种基于多粒度异常检测的网络威胁评估方法 |
CN106341285A (zh) * | 2016-11-25 | 2017-01-18 | 杭州华三通信技术有限公司 | 一种流量识别方法及装置 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114143223A (zh) * | 2020-08-13 | 2022-03-04 | 贵州白山云科技股份有限公司 | 一种带宽异常检测方法、装置、介质及设备 |
CN114143223B (zh) * | 2020-08-13 | 2023-11-21 | 贵州白山云科技股份有限公司 | 一种带宽异常检测方法、装置、介质及设备 |
CN114423032A (zh) * | 2022-03-25 | 2022-04-29 | 北京智芯微电子科技有限公司 | 一种多apn接入装置、方法及配网系统 |
CN114423032B (zh) * | 2022-03-25 | 2022-06-14 | 北京智芯微电子科技有限公司 | 一种多apn接入装置、方法及配网系统 |
CN117061354A (zh) * | 2023-10-10 | 2023-11-14 | 北京火山引擎科技有限公司 | Cdn中的信息处理方法、系统、设备和存储介质 |
CN117061354B (zh) * | 2023-10-10 | 2024-01-12 | 北京火山引擎科技有限公司 | Cdn中的信息处理方法、系统、设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109560978B (zh) | 2020-11-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11694094B2 (en) | Inferring digital twins from captured data | |
US20170068581A1 (en) | System and method for relationship based root cause recommendation | |
CN109587008A (zh) | 检测异常流量数据的方法、装置及存储介质 | |
JP5437328B2 (ja) | 観測値信頼度評価装置、観測値信頼度評価方法及び観測値信頼度評価プログラム | |
JP2010204966A (ja) | サンプリング装置、サンプリング方法、サンプリングプログラム、クラス判別装置およびクラス判別システム。 | |
CN104965784B (zh) | 自动测试方法及装置 | |
CN109560978A (zh) | 网络流量检测方法、装置及系统和计算机可读存储介质 | |
CN108345601A (zh) | 搜索结果排序方法及装置 | |
CN110377521B (zh) | 一种目标对象验证方法及装置 | |
CN110348519A (zh) | 金融产品欺诈团伙的识别方法和装置 | |
CN108366012B (zh) | 一种社交关系建立方法、装置及电子设备 | |
US10057155B2 (en) | Method and apparatus for determining automatic scanning action | |
US8180716B2 (en) | Method and device for forecasting computational needs of an application | |
CN110351299A (zh) | 一种网络连接检测方法和装置 | |
CN114817425A (zh) | 一种冷热数据分类的方法、装置、设备及可读存储介质 | |
JP2007243459A (ja) | トラヒック状態抽出装置及び方法ならびにコンピュータプログラム | |
CN112383828A (zh) | 一种具有类脑特性的体验质量预测方法、设备及系统 | |
CN109213965B (zh) | 一种系统容量预测方法、计算机可读存储介质及终端设备 | |
CN106549827A (zh) | 网络状态的探测方法及装置 | |
CN115225455B (zh) | 异常设备检测方法及装置、电子设备、存储介质 | |
CN111309706A (zh) | 模型训练方法、装置、可读存储介质及电子设备 | |
CN112771816A (zh) | 一种预测网络速率的方法及预测装置 | |
CN103746870A (zh) | Cdn分发网络的分析方法、文件分发控制中心及系统 | |
CN111612783B (zh) | 一种数据质量评估方法及系统 | |
CN110134575B (zh) | 一种服务器集群的服务能力计算方法及装置 |
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 |