CN109743216A - 一种城域网流量的预测方法及装置 - Google Patents
一种城域网流量的预测方法及装置 Download PDFInfo
- Publication number
- CN109743216A CN109743216A CN201910168793.0A CN201910168793A CN109743216A CN 109743216 A CN109743216 A CN 109743216A CN 201910168793 A CN201910168793 A CN 201910168793A CN 109743216 A CN109743216 A CN 109743216A
- Authority
- CN
- China
- Prior art keywords
- flow
- core layer
- network
- man
- prediction
- 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
- 238000000034 method Methods 0.000 title claims abstract description 66
- 239000012792 core layer Substances 0.000 claims abstract description 123
- 239000010410 layer Substances 0.000 claims abstract description 74
- 238000004590 computer program Methods 0.000 claims description 4
- 230000005055 memory storage Effects 0.000 claims description 3
- 230000002452 interceptive effect Effects 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 230000004907 flux Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
Landscapes
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本申请公开了一种城域网流量的预测方法及装置,涉及城域网领域,用于解决现有的方法预测不准确的问题。该方法包括:对于核心层至骨干网方向、核心层至省网方向、核心层至互联网数据中心网络方向和核心层至移动互联网网络方向,根据每个方向的历史流量预测未来流量;对于核心层至内容分发网络区域中心方向、核心层至业务控制层设备方向、业务控制层至内容分发网络边缘节点方向和业务控制层至用户方向,根据每个方向上不同业务对应的不同模型预测未来流量。本申请实施例应用于城域网流量的预测。
Description
技术领域
本申请涉及城域网领域,尤其涉及一种城域网流量的预测方法及装置。
背景技术
在城域网流量的预测过程中,现有的城域网流量的预测方法对城域网不同的方向仅采用一种流量预测方法,因此,现有的预测方法存在预测不准确的问题。
发明内容
本申请的实施例提供一种城域网流量的预测方法的方法,用于解决现有的预测方法预测不准确的问题。
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,本申请的实施例提供了一种城域网流量的预测方法,该方法包括:城域网流量的方向包括核心层至骨干网方向、核心层至省网方向、核心层至互联网数据中心网络方向、核心层至移动互联网网络方向、核心层至内容分发网络区域中心方向、核心层至业务控制层设备方向、业务控制层至内容分发网络边缘节点方向、业务控制层至用户方向;
对于所述核心层至骨干网方向、所述核心层至省网方向、所述核心层至互联网数据中心网络方向和所述核心层至移动互联网网络方向,根据每个方向的历史流量预测未来流量;
对于所述核心层至内容分发网络区域中心方向、所述核心层至业务控制层设备方向、所述业务控制层至内容分发网络边缘节点方向和所述业务控制层至用户方向,根据每个方向上不同业务对应的不同模型预测未来流量。
第二方面,本申请的实施例提供了一种城域网流量的预测装置,城域网流量的方向包括核心层至骨干网方向、核心层至省网方向、核心层至互联网数据中心网络方向、核心层至移动互联网网络方向、核心层至内容分发网络区域中心方向、核心层至业务控制层设备方向、业务控制层至内容分发网络边缘节点方向、业务控制层至用户方向;
所述预测装置包括计算单元一和计算单元二;
所述计算单元一,用于对所述核心层至骨干网方向、所述核心层至省网方向、所述核心层至互联网数据中心网络方向和所述核心层至移动互联网网络方向,根据每个方向的历史流量预测未来流量;
所述计算单元二,用于对所述核心层至内容分发网络区域中心方向、所述核心层至业务控制层设备方向、所述业务控制层至内容分发网络边缘节点方向和所述业务控制层至用户方向,根据每个方向上不同业务对应的不同模型预测未来流量。
第三方面,提供了一种存储一个或多个程序的计算机可读存储介质,所述一个或多个程序包括指令,所述指令当被计算机执行时使所述计算机执行如第一方面所述的城域网流量的预测方法。
第四方面,提供了一种包含指令的计算机程序产品,当所述指令在计算机上运行时,使得计算机执行如第一方面所述的城域网流量的预测方法。
第五方面,提供一种城域网流量的预测装置,包括:处理器和存储器,存储器用于存储程序,处理器调用存储器存储的程序,以执行上述第一方面所述的城域网流量的预测方法。
本申请的实施例提供的城域网流量的预测方法及装置,通过对核心层至骨干网方向、核心层至省网方向、核心层至互联网数据中心网络方向和核心层至移动互联网网络方向,根据每个方向的历史流量预测未来流量;对核心层至内容分发网络区域中心方向、核心层至业务控制层设备方向、业务控制层至内容分发网络边缘节点方向和业务控制层至用户方向,根据每个方向上不同业务对应的不同模型预测未来流量,即通过对城域网不同方向的流量采用不同的方法进行预测,从而提高了流量预测的准确性。
附图说明
图1为本申请的实施例提供的城域网流量的方向示意图;
图2为本申请的实施例提供的一种城域网流量的预测方法的流程示意图;
图3为本申请的实施例提供的一种城域网流量的预测装置的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
城域网的网络层次包括核心汇聚层和业务控制层,核心汇聚层包括核心设备层,业务控制层包括业务控制层设备。核心层设备层分别与骨干网、省网、互联网数据中心(internet data center,IDC)、移动互联网(general packet radio service internet,GI)、内容分发网络(content delivery network,CDN)区域中心连接,业务控制层设备与用户和CDN边缘节点连接。因此,城域网的流量分为不同的方向,如图1所示,城域网流量的方向包括:核心层至骨干网方向①、核心层至省网方向②、核心层至互联网数据中心网络方向③、核心层至移动互联网网络方向④、核心层至内容分发网络区域中心方向⑤、核心层至业务控制层设备方向⑥、业务控制层至内容分发网络边缘节点方向⑦、业务控制层至用户方向⑧。
城域网的不同网络层次各方向的流量存在差异,因此,本申请技术方案的主要思路是根据城域网不同网络层次各方向的流量分别采用不同的方法进行预测,而不是简单的采用一种方法进行预测,从而提高了预测结果的准确性。
实施例1、
本申请实施例提供一种城域网流量的预测方法,如图2所示,所述城域网流量的预测方法包括以下步骤:
S201、对于核心层至骨干网方向①、核心层至省网方向②、核心层至互联网数据中心网络方向③和核心层至移动互联网网络方向④,根据每个方向的历史流量预测未来流量。
每个方向的历史流量包括每个方向前一期工程的流量、每个方向前两期工程的流量和每个方向前三期工程的流量。
示例性的,每个方向的历史流量也可以是每个方向的前一年的流量、每个方向的前两年的流量、每个方向的前三年的流量。
对于核心层至骨干网方向①、核心层至省网方向②、核心层至互联网数据中心网络方向③和核心层至移动互联网网络方向④,根据每个方向的历史流量预测未来流量包括:
按照第一公式预测未来流量。
第一公式为:
其中,L1表示预测的未来流量;L表示当前的现状流量;L-1表示前一期工程的流量;L-2表示前两期工程的流量;L-3表示前三期工程的流量;ki(i=1,2,3)为权重系数,满足
示例性的,当前的现状流量L的计算方法为其中,L1表示该方向的上行流量,L2表示该方向的下行流量,例如预测核心层至骨干网方向①的未来流量时,L1表示核心层至骨干网方向的上行流量,L2表示核心层至骨干网方向①的下行流量,若L1的值大于L2的值,那么核心层至骨干网方向①的当前的现状流量L就是L1。
示例性的,权重系数可以根据历史流量确定,包括:比较前一期工程的流量与前两期工程的流量,以及比较前两期工程的流量与前三期工程的流量。
若历史流量中前一期工程的流量与前两期工程的流量的差值小于第一预设值,且前两期工程的流量与前三期工程的流量的差值小于第一预设值,则将权重系数设置为k1=k2=k3=1/3。
示例性的,预测核心层至骨干网方向①的未来流量时,核心层至骨干网方向①上的主要业务已经发展了较长时间,并且发展趋势较为平缓,即核心层至骨干网方向前一期工程的流量与前两期工程的流量的差值小于第一预设值,且前两期工程的流量与前三期工程的流量的差值小于第一预设值,第一预设值可以根据实际经验得到,则将三个权重系数设置成相等或相差不大的三个数。
若历史流量中前一期工程的流量与前两期工程的流量的差值大于第二预设值,且前两期工程的流量与前三期工程的流量的差值大于第二预设值,则将权重系数设置为0≤k1≤k2≤k3≤1。
示例性的,预测核心层至移动互联网网络方向④的未来流量时,核心层至移动互联网网络方向上④的主要业务第一年的增长趋势较慢第一年流量增长了10%,而后两年的增长趋势较快时,第二年50%,第三年100%,即前一期工程的流量与前两期工程的流量的差值大于第二预设值,且前两期工程的流量与前三期工程的流量的差值大于第二预设值,则将三个权重系数设置成0≤k1≤k2≤k3≤1,第二预设值根据可以实际经验得到,即将离现在越近的时间点的权重越大。
S202、对于核心层至内容分发网络区域中心方向⑤、核心层至业务控制层设备方向⑥、业务控制层至内容分发网络边缘节点方向⑦和业务控制层至用户方向⑧,根据每个方向上不同业务对应的不同模型预测未来流量。
示例性的,核心层至内容分发网络区域中心方向⑤上的业务包括交互式网络电视(internet protocol television,IPTV)业务;核心层至业务控制层设备方向⑥上的业务包括IPTV业务、家庭宽带业务、无线局域网(wireless local area networks,WLAN)业务、互联网专线业务;业务控制层至内容分发网络边缘节点方向⑦上的业务包括IPTV业务;业务控制层至用户方向⑧上的业务包括IPTV业务、家庭宽带业务、WLAN业务、互联网专线业务。
示例性的,对核心层至内容分发网络区域中心方向⑤,根据该方向上不同业务对应的不同模型预测未来流量包括:按照第二公式预测核心层至内容分发网络区域中心方向⑤的未来流量。
第二公式为:
L1=DB×(1-MZ),其中,L1表示预测的未来流量,DB表示点播总流量,MZ表示点播边缘命中率。
点播总流量DB为IPTV业务的点播总流量,该点播总流量DB包括:用户到内容分发网络区域中心的流量和用户到内容分发网络边缘节点的流量,通过点播边缘命中率区分,点播边缘命中率即为用户到内容分发网络边缘节点的流量占点播总流量的比例。
示例性的,点播总流量DB的计算公式为:
DB=MLB×BFB+MLG×BFG+ML4K×BF4K+ML8K×BF8K,其中,MLB表示点播标清码率,BFB表示标清点播并发用户数,MLG表示点播高清码率,BFG表示高清点播并发用户数,ML4K表示点播4K码率,BF4K表示4K点播并发用户数,ML8K表示点播8K码率,BF8K表示8K点播并发用户数。下标B、G、4K、8K分别表示标清、高清、4K、8K四种清晰度。MLB、MLG、ML4K、ML8K表示不同清晰度下的码率,为固定值(例如2Mb、8Mb等),BFB、BFG、BF4K、BF8K表示不同清晰度下的点播并发用户数,计算公式分别如下:
BFB=YH×ZX×ZD×QB,其中,YH表示IPTV用户数,ZX表示IPTV在线并发比,ZD表示在线用户中的点播并发比,QB表示点播用户中的标清点播比例。
BFG=YH×ZX×ZD×QG,其中,QG表示点播用户中的高清点播比例。
BF4K=YH×ZX×ZD×Q4K,其中,Q4K表示点播用户中的4K点播比例。
BF8K=YH×ZX×ZD×Q8K,其中,Q8K表示点播用户中的8K点播比例。
总点播流量的预测公式可以简化为:
示例性的,对核心层至业务控制层设备方向⑥,根据该方向上不同业务对应的不同模型预测未来流量包括:按照第三公式预测核心层至业务控制层设备方向⑥的未来流量。
第三公式为:
L1=DB×(1-MZ)+L2+L3+L4,其中,L1表示预测的未来流量,L2表示家庭宽带业务流量,L3表示WLAN业务流量,L4表示互联网专线业务的流量,DB表示点播总流量,MZ表示点播边缘命中率。
点播总流量DB和点播边缘命中率MZ与上述预测核心层至内容分发网络区域中心方向⑤未来流量的方法中的点播总流量DB和点播边缘命中率MZ相同,具体描述过程可以参考上述预测核心层至内容分发网络区域中心方向⑤未来流量的方法,在此不再重复描述。
示例性的,家庭宽带业务流量、WLAN业务流量,互联网专线业务的流量的计算方式如下:
(1)家庭宽带业务的流量根据家庭宽带业务的用户数、家庭宽带业务的峰值在线用户比例以及家庭宽带业务的每在线用户平均流量模型计算,计算公式为:
L2=Y2×B2×M2,其中,L2表示家庭宽带业务流量,Y2表示家庭宽带业务的用户数,B2表示家庭宽带业务的峰值在线用户比例,M2表示家庭宽带业务的每在线用户平均流量模型(单位Kbps,根据当前城域网的统计值取定)。
(2)WLAN业务的流量根据WLAN业务的用户数、WLAN业务的峰值在线用户比例以及WLAN业务的每在线用户平均流量模型计算,计算公式为:
L3=Y3×B3×M3,其中,L3表示WLAN业务流量,Y3表示WLAN业务的用户数,B3表示WLAN业务的峰值在线用户比例,M3表示WLAN业务的每在线用户平均流量模型。
(3)互联网专线业务的流量根据业务互联网专线业务的用户数以及互联网专线业务的每在线用户平均流量模型计算,计算公式为:
L4=B4×M4,其中,L4表示互联网专线业务流量,B4表示互联网专线业务的用户数,M4表示互联网专线业务的每在线用户平均流量模型。
示例性的,业务控制层至内容分发网络边缘节点方向⑦,根据该方向上不同业务对应的不同模型预测未来流量包括:按照第四公式预测业务控制层至内容分发网络边缘节点方向⑦的未来流量。
第四公式为:
L1=DB×MZ,其中,L1表示预测的未来流量,DB表示点播总流量,MZ表示点播边缘命中率。
点播总流量DB和点播边缘命中率MZ与上述预测核心层至内容分发网络区域中心方向⑤未来流量的方法中的点播总流量DB和点播边缘命中率MZ相同,具体描述过程可参考上述预测核心层至内容分发网络区域中心方向⑤未来流量的方法,在此不再重复描述。
示例性的,对业务控制层至用户方向⑧,根据该方向上不同业务对应的不同模型预测未来流量包括:按照第五公式预测业务控制层至用户方向⑧的未来流量。
第五公式为:
L1=DB+ZB+L2+L3+L4,其中,L1表示预测的未来流量,L2表示家庭宽带业务流量,L3表示WLAN业务流量,L4表示互联网专线业务的流量,DB表示点播总流量,ZB表示直播流量。
点播总流量DB与上述预测核心层至内容分发网络区域中心方向⑤未来流量的方法中的点播总流量DB相同,具体描述过程可参考上述预测核心层至内容分发网络区域中心方向⑤未来流量的方法,在此不再重复描述。
家庭宽带业务流量L2、WLAN业务流量L3和互联网专线业务的流量L4与上述预测核心层至业务控制层设备方向⑥未来流量的方法中的家庭宽带业务流量L2、WLAN业务流量L3和互联网专线业务的流量L4相同,具体描述过程可参考预测核心层至业务控制层设备方向⑥未来流量的方法,在此不再重复描述。
示例性的,直播流量ZB为IPTV业务的直播流量,直播流量ZB的计算公式为:
其中,SB表示直播标清频道数,ZB表示直播标清码率,SG表示直播高清频道数,ZG表示直播高清码率,S4K表示直播4K频道数,Z4K表示直播4K码率,S8K表示直播8K频道数,Z8K表示直播8K码率。
需要说明的是,对于核心层至内容分发网络区域中心方向⑤、核心层至业务控制层设备方向⑥、业务控制层至内容分发网络边缘节点方向⑦和业务控制层至用户方向⑧上的成熟业务也可以根据历史流量预测未来流量,具体预测方法与步骤S201中的预测方法相同,具体可以参考步骤S201中的描述。成熟业务是指历史流量的数据超过一定阈值的业务,例如,具有五年的历史流量数据的业务可以称为成熟业务。
本申请的实施例提供的城域网流量的预测方法,通过对核心层至骨干网方向、核心层至省网方向、核心层至互联网数据中心网络方向和核心层至移动互联网网络方向,根据每个方向的历史流量预测未来流量;对核心层至内容分发网络区域中心方向、核心层至业务控制层设备方向、业务控制层至内容分发网络边缘节点方向和业务控制层至用户方向,根据每个方向上不同业务对应的不同模型预测未来流量,即通过对城域网不同方向的流量采用不同的方法进行预测,从而提高了流量预测的准确性。
实施例2、
本申请实施例提供一种城域网流量的预测装置,如图3所示,所述预测装置30包括:计算单元一31和计算单元二32。
计算单元一31,用于对核心层至骨干网方向①、核心层至省网方向②、核心层至互联网数据中心网络方向③和核心层至移动互联网网络方向④,根据每个方向的历史流量预测未来流量。
计算单元二32,用于对核心层至内容分发网络区域中心方向⑤、核心层至业务控制层设备方向⑥、业务控制层至内容分发网络边缘节点方向⑦和业务控制层至用户方向⑧,根据每个方向上不同业务对应的不同模型预测未来流量。
计算单元一31具体用于:
对核心层至骨干网方向①、核心层至省网方向②、核心层至互联网数据中心网络方向③和核心层至移动互联网网络方向④,根据每个方向的历史流量按照第一公式预测流量。
第一公式为:
其中,L1表示预测的目标流量,L表示当前的现状流量,L-1表示前一期工程的流量,L-2表示前两期工程的流量,L-3表示前三期工程的流量,ki(i=1,2,3)为权重系数,满足
计算单元一31还用于:
比较前一期工程的流量与前两期工程的流量,以及比较前两期工程的流量与前三期工程的流量。
若历史流量中前一期工程的流量与前两期工程的流量的差值小于第一预设值,且前两期工程的流量与前三期工程的流量的差值小于第一预设值,则将权重系数设置为k1=k2=k3=1/3。
若历史流量中前一期工程的流量与前两期工程的流量的差值大于第二预设值,且前两期工程的流量与前三期工程的流量的差值大于第二预设值,则将权重系数设置为0≤k1≤k2≤k3≤1。
计算单元二32具体用于:
对核心层至内容分发网络区域中心方向⑤按照第二公式预测未来流量。
第二公式为:
L1=DB×(1-MZ),其中,L1表示预测的未来流量,DB表示点播总流量,MZ表示点播边缘命中率。
计算单元二32还用于:对核心层至业务控制层设备方向⑥按照第三公式预测未来流量。
第三公式为:
L1=DB×(1-MZ)+L2+L3+L4,其中,L1表示预测的未来流量,L2表示家庭宽带业务流量,L3表示WLAN业务流量,L4表示互联网专线业务的流量,DB表示点播总流量,MZ表示点播边缘命中率。
计算单元二32还用于:对业务控制层至内容分发网络边缘节点方向⑦按照第四公式预测未来流量。
第四公式为:
L1=DB×MZ,其中,L1表示预测的未来流量,DB表示点播总流量,MZ表示点播边缘命中率。
计算单元二32还用于:对业务控制层至用户方向⑧按照第五公式预测未来流量。
第五公式为:
L1=DB+ZB+L2+L3+L4,其中,L1表示预测的未来流量,L2表示家庭宽带业务流量,L3表示WLAN业务流量,L4表示互联网专线业务的流量,DB表示点播总流量,ZB表示直播流量。
本申请的实施例提供一种存储一个或多个程序的计算机可读存储介质,所述一个或多个程序包括指令,所述指令当被计算机执行时使计算机执行如图2中所述的城域网流量的预测方法。
本申请的实施例提供一种包含指令的计算机程序产品,当指令在计算机上运行时,使得计算机执行如图2中所述的城域网流量的预测方法。
本申请的实施例提供一种语音识别装置,包括:处理器和存储器,存储器用于存储程序,处理器调用存储器存储的程序,以执行如图2中所述的城域网流量的预测方法。
由于本申请的实施例中的城域网流量的预测装置、计算机可读存储介质、计算机程序产品可以应用于上述城域网流量的预测方法,因此,其所能获得的技术效果也可参考上述方法实施例,本申请的实施例在此不再赘述。
需要说明的是,上述各单元可以为单独设立的处理器,也可以集成在控制器的某一个处理器中实现,此外,也可以以程序代码的形式存储于控制器的存储器中,由控制器的某一个处理器调用并执行以上各单元的功能。这里所述的处理器可以是一个中央处理器(Central Processing Unit,CPU),或者是特定集成电路(Application SpecificIntegrated Circuit,ASIC),或者是被配置成实施本申请实施例的一个或多个集成电路。
应理解,在本申请的各种实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
本领域普通技术人员可以意识到,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,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,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。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、设备和方法,可以通过其它的方式实现。例如,以上所描述的设备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接口,设备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存在,也可以两个或两个以上单元集成在一个单元中。
Claims (11)
1.一种城域网流量的预测方法,其特征在于,城域网流量的方向包括核心层至骨干网方向、核心层至省网方向、核心层至互联网数据中心网络方向、核心层至移动互联网网络方向、核心层至内容分发网络区域中心方向、核心层至业务控制层设备方向、业务控制层至内容分发网络边缘节点方向、业务控制层至用户方向;
所述城域网流量的预测方法包括:
对于所述核心层至骨干网方向、所述核心层至省网方向、所述核心层至互联网数据中心网络方向和所述核心层至移动互联网网络方向,根据每个方向的历史流量预测未来流量;
对于所述核心层至内容分发网络区域中心方向、所述核心层至业务控制层设备方向、所述业务控制层至内容分发网络边缘节点方向和所述业务控制层至用户方向,根据每个方向上不同业务对应的不同模型预测未来流量。
2.根据权利要求1所述的城域网流量的预测方法,其特征在于,所述历史流量包括前一期工程的流量、前两期工程的流量和前三期工程的流量;
对于所述核心层至骨干网方向、所述核心层至省网方向、所述核心层至互联网数据中心网络方向和所述核心层至移动互联网网络方向,根据每个方向的历史流量预测未来流量包括:
按照第一公式预测未来流量;
所述第一公式为:
其中,L1表示预测的未来流量,L表示当前的现状流量,L-1表示前一期工程的流量,L-2表示前两期工程的流量,L-3表示前三期工程的流量,ki(i=1,2,3)为权重系数,满足
3.根据权利要求2所述的城域网流量的预测方法,其特征在于,所述方法还包括:
比较所述前一期工程的流量与所述前两期工程的流量,以及比较所述前两期工程的流量与所述前三期工程的流量;
若所述历史流量中所述前一期工程的流量与所述前两期工程的流量的差值小于第一预设值,且所述前两期工程的流量与所述前三期工程的流量的差值小于第一预设值,则将所述权重系数设置为k1=k2=k3=1/3;
若所述历史流量中所述前一期工程的流量与所述前两期工程的流量的差值大于第二预设值,且所述前两期工程的流量与所述前三期工程的流量的差值大于第二预设值,则将所述权重系数设置为0≤k1≤k2≤k3≤1。
4.根据权利要求1所述的城域网流量的预测方法,其特征在于,所述核心层至内容分发网络区域中心方向上的业务包括交互式网络电视IPTV业务;所述IPTV业务的流量包括点播总流量;所述点播总流量包括用户到内容分发网络边缘节点的流量;
所述根据每个方向上不同业务对应的不同模型预测未来流量,包括:按照第二公式预测未来流量;
所述第二公式为:
L1=DB×(1-MZ);
其中,L1表示预测的未来流量,DB表示点播总流量,MZ表示点播边缘命中率,所述点播边缘命中率为所述用户到内容分发网络边缘节点的流量占所述点播总流量的比例。
5.根据权利要求1所述的城域网流量的预测方法,其特征在于,所述核心层至业务控制层设备方向上的业务包括IPTV业务、家庭宽带业务、无线局域网WLAN业务、互联网专线业务;所述IPTV业务的流量包括点播总流量;所述点播总流量包括用户到内容分发网络边缘节点的流量;
所述根据每个方向上不同业务对应的不同模型预测未来流量,包括:按照第三公式预测未来流量;
所述第三公式为:
L1=DB×(1-MZ)+L2+L3+L4;
其中,L1表示预测的未来流量,L2表示家庭宽带业务流量,L3表示WLAN业务流量,L4表示互联网专线业务的流量,DB表示点播总流量,MZ表示点播边缘命中率,所述点播边缘命中率为所述用户到内容分发网络边缘节点的流量占所述点播总流量的比例。
6.根据权利要求1所述的城域网流量的预测方法,其特征在于,所述业务控制层至内容分发网络边缘节点方向上的业务包括IPTV业务,所述IPTV业务的流量包括点播总流量;所述点播总流量包括用户到内容分发网络边缘节点的流量;
所述根据每个方向上不同业务对应的不同模型预测未来流量,包括:按照第四公式预测未来流量;
所述第四公式为:
L1=DB×MZ;
其中,L1表示预测的未来流量,DB表示点播总流量,MZ表示点播边缘命中率,所述点播边缘命中率为所述用户到内容分发网络边缘节点的流量占所述点播总流量的比例。
7.根据权利要求1所述的城域网流量的预测方法,其特征在于,所述业务控制层至用户方向上的业务包括IPTV业务、家庭宽带业务、WLAN业务、互联网专线业务;所述IPTV业务的流量包括点播总流量和直播流量;
所述根据每个方向上不同业务对应的不同模型预测未来流量,包括:按照第五公式预测未来流量;
所述第五公式为:
L1=DB+ZB+L2+L3+L4;
其中,L1表示预测的未来流量,L2表示家庭宽带业务流量,L3表示WLAN业务流量,L4表示互联网专线业务的流量,DB表示点播总流量,ZB表示直播流量。
8.一种城域网流量的预测装置,其特征在于,城域网流量的方向包括核心层至骨干网方向、核心层至省网方向、核心层至互联网数据中心网络方向、核心层至移动互联网网络方向、核心层至内容分发网络区域中心方向、核心层至业务控制层设备方向、业务控制层至内容分发网络边缘节点方向、业务控制层至用户方向;
所述预测装置包括计算单元一和计算单元二;
所述计算单元一,用于对所述核心层至骨干网方向、所述核心层至省网方向、所述核心层至互联网数据中心网络方向和所述核心层至移动互联网网络方向,根据每个方向的历史流量预测未来流量;
所述计算单元二,用于对所述核心层至内容分发网络区域中心方向、所述核心层至业务控制层设备方向、所述业务控制层至内容分发网络边缘节点方向和所述业务控制层至用户方向,根据每个方向上不同业务对应的不同模型预测未来流量。
9.一种存储一个或多个程序的计算机可读存储介质,其特征在于,所述一个或多个程序包括指令,所述指令当被计算机执行时使所述计算机执行如权利要求1-7任一项所述的城域网流量的预测方法。
10.一种包含指令的计算机程序产品,其特征在于,当所述指令在计算机上运行时,使得所述计算机执行如权利要求1-7任一项所述的城域网流量的预测方法。
11.一种城域网流量的预测装置,其特征在于,包括:处理器和存储器,存储器用于存储程序,处理器调用存储器存储的程序,以执行如权利要求1-7任一项所述的城域网流量的预测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910168793.0A CN109743216B (zh) | 2019-03-06 | 2019-03-06 | 一种城域网流量的预测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910168793.0A CN109743216B (zh) | 2019-03-06 | 2019-03-06 | 一种城域网流量的预测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109743216A true CN109743216A (zh) | 2019-05-10 |
CN109743216B CN109743216B (zh) | 2021-08-17 |
Family
ID=66369626
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910168793.0A Active CN109743216B (zh) | 2019-03-06 | 2019-03-06 | 一种城域网流量的预测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109743216B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1588946A (zh) * | 2004-09-14 | 2005-03-02 | 北京邮电大学 | 在互联网提供服务质量保证业务的管理系统及其实现方法 |
CN102447973A (zh) * | 2011-10-10 | 2012-05-09 | 华为技术有限公司 | 一种缓存调整的方法、装置和系统 |
CN103200114A (zh) * | 2013-04-18 | 2013-07-10 | 湖北邮电规划设计有限公司 | 城域网规划方法 |
US20150262106A1 (en) * | 2014-03-17 | 2015-09-17 | International Business Machines Corporation | Service level agreement impact modeling for service engagement |
CN105791150A (zh) * | 2016-05-09 | 2016-07-20 | 中国联合网络通信集团有限公司 | Cdn网络部署方法和系统 |
CN106970953A (zh) * | 2017-03-10 | 2017-07-21 | 中国联合网络通信集团有限公司 | 基于大数据分析的网络建设管控方法及其平台 |
-
2019
- 2019-03-06 CN CN201910168793.0A patent/CN109743216B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1588946A (zh) * | 2004-09-14 | 2005-03-02 | 北京邮电大学 | 在互联网提供服务质量保证业务的管理系统及其实现方法 |
CN102447973A (zh) * | 2011-10-10 | 2012-05-09 | 华为技术有限公司 | 一种缓存调整的方法、装置和系统 |
CN103200114A (zh) * | 2013-04-18 | 2013-07-10 | 湖北邮电规划设计有限公司 | 城域网规划方法 |
US20150262106A1 (en) * | 2014-03-17 | 2015-09-17 | International Business Machines Corporation | Service level agreement impact modeling for service engagement |
CN105791150A (zh) * | 2016-05-09 | 2016-07-20 | 中国联合网络通信集团有限公司 | Cdn网络部署方法和系统 |
CN106970953A (zh) * | 2017-03-10 | 2017-07-21 | 中国联合网络通信集团有限公司 | 基于大数据分析的网络建设管控方法及其平台 |
Non-Patent Citations (1)
Title |
---|
肖凯文: "运营商宽带城域网流量分层差异化预测方法", 《通信设计与应用》 * |
Also Published As
Publication number | Publication date |
---|---|
CN109743216B (zh) | 2021-08-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105191214B (zh) | 多租用云计算网络中的网络带宽分配 | |
CN110300184A (zh) | 边缘节点分配方法、装置、调度服务器及存储介质 | |
CN103200606B (zh) | 终端和数据业务处理方法 | |
CN105007287A (zh) | 公共云资源动态配置方法及系统 | |
Amiri et al. | Toward delay-efficient game-aware data centers for cloud gaming | |
US9003029B2 (en) | Method, apparatus and system for joint optimization | |
CN105242956A (zh) | 虚拟功能服务链部署系统及其部署方法 | |
CN109698757A (zh) | 切换主备设备、恢复用户数据的方法、服务器及网络设备 | |
CN110336885A (zh) | 边缘节点分配方法、装置、调度服务器及存储介质 | |
CN104426802A (zh) | 一种带宽的动态调整方法 | |
CN105391651B (zh) | 一种虚拟光网络多层资源汇聚方法和系统 | |
CN108684046A (zh) | 一种基于随机学习的接入网服务功能链部署方法 | |
CN102523422B (zh) | 多方通信控制系统、多方通信系统及多方通信处理方法 | |
CN107948083A (zh) | 一种基于增强学习的sdn数据中心拥塞控制方法 | |
CN111866601A (zh) | 一种基于合作博弈的移动边缘场景中的视频码率决策方法 | |
CN107770065A (zh) | 一种基于软件定义网络sdn的流媒体传输路径选取系统 | |
CN106506664A (zh) | 一种服务器负载均衡的方法和装置 | |
CN104811467B (zh) | 综合效用的数据处理方法 | |
CN108092895A (zh) | 一种软件定义网络联合路由选择及网络功能部署方法 | |
CN105939281A (zh) | 调整网络流量的限速值的方法及装置 | |
CN104159110B (zh) | 基于纳什议价的视频传输带宽优化分配方法 | |
CN104639631B (zh) | 基于mas价格协商的sdn资源交易方法 | |
Miao et al. | Multicast virtual network mapping for supporting multiple description coding-based video applications | |
CN109257282A (zh) | 一种数据传输方法及装置 | |
CN106331129A (zh) | 一种负载均衡装置及其实现负载均衡的方法 |
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 |