CN110838982A - 网络流表参数的调整方法及装置 - Google Patents
网络流表参数的调整方法及装置 Download PDFInfo
- Publication number
- CN110838982A CN110838982A CN201911149695.9A CN201911149695A CN110838982A CN 110838982 A CN110838982 A CN 110838982A CN 201911149695 A CN201911149695 A CN 201911149695A CN 110838982 A CN110838982 A CN 110838982A
- Authority
- CN
- China
- Prior art keywords
- flow table
- predicted
- table number
- historical
- period
- 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.)
- Pending
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L45/00—Routing or path finding of packets in data switching networks
- H04L45/02—Topology update or discovery
- H04L45/028—Dynamic adaptation of the update intervals, e.g. event-triggered updates
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/147—Network analysis or design for predicting network behaviour
Abstract
本申请公开了一种网络流表参数的调整方法及装置,所述方法包括:获取软件定义网络当前时间之前设定时间段内每个周期的历史流表数;根据预设阈值和所述当前时间之前设定时间段内每个周期的历史流表数计算系数;将所述系数和各周期的所述历史流表数输入预先生成的预测模型中,计算预测的新增流表数;根据所述预测的新增流表数、当前时间之前设定时间段内每个周期的历史流表数和预设的总流表容量,确定是否更新当前流表的无效时间。避免出现流表的无效时间设置过大或设置过小的情况,从而在同样的网络硬件资源条件下,实现更高的交换机流表空间利用率和网络转发效率。
Description
技术领域
本申请属于通信技术领域,具体涉及一种网络流表参数的调整方法及装置。
背景技术
SDN网络(软件定义网络)体系由控制器和交换机组成,控制器会将各项配置以流表的形式下发到交换机中,但是交换机的存储空间有限,所以定期会清理旧的无用流表。流表的无效时间这项参数指当流表在该段时间内无新数据包与其匹配则会将该流表清除,因此无效时间的确定会直接影响整个体系的运行效率。设置过小,会频繁清理流表,容易造成控制器需频繁生成新配置;设置过大会产生很多过期流表,占用大量空间。
现有的针对SDN网络流表项的无效时间属性的调整,是通过考虑流表资源、资源偏好度、计算资源代价等因素的RC-FDO(Resource consideration-flow tabledistribution optimization)算法。已有方法主要考虑的角度为资源偏好度和SDN控制器的处理能力,过程较复杂需要耗费大量的计算资源,且没有考虑历史流表数这一关键因素。
发明内容
本申请针对已有方法流表的无效时间这项参数要么设置过大,要么设置过小,并且现有的针对SDN网络流表项的无效时间属性的调整,过程较复杂需要耗费大量的计算资源,且没有考虑历史流表数这一关键因素的问题,提供一种网络流表参数的调整方法及装置。
本申请提供一种网络流表参数的调整方法,包括:
获取软件定义网络当前时间之前设定时间段内每个周期的历史流表数;
根据预设阈值和所述当前时间之前设定时间段内每个周期的历史流表数计算系数;
将所述系数和各周期的所述历史流表数输入预先生成的预测模型中,计算预测的新增流表数;
根据所述预测的新增流表数、当前时间之前设定时间段内每个周期的历史流表数和预设的总流表容量,确定是否更新当前流表的无效时间。
优选地,所述根据所述预测的新增流表数、当前时间之前设定时间段内每个周期的历史流表数和预设的总流表容量,确定是否更新当前流表的无效时间,包括:
根据当前时间之前设定时间段内最后一个周期的历史流表数和所述总流表容量,计算当前可容纳的流表数;
若所述预测的新增流表数大于或等于所述当前可容纳的流表数,则更新当前流表的无效时间;
若所述预测的新增流表数小于所述当前可容纳的流表数,则不更新当前流表的无效时间。
优选地,所述设定时间段包括i个周期,所述更新当前流表的无效时间,包括:
将所述当前流表的无效时间更新为第一无效时间,所述第一无效时间通过以下公式计算:
其中,Vt-1为当前流表的无效时间,Vt为更新后的当前流表的无效时间,Nf为当前可容纳的流表数,N(i+1)为预测的新增流表数。
优选地,所述根据预设阈值和所述当前时间之前设定时间段内每个周期的历史流表数计算系数,包括:
计算所述设定时间段内第一周期的历史流表数与第二周期的历史流表数的第一差值的绝对值,以及最后一个周期的历史流表数与倒数第二个周期的历史流表数的第二差值的绝对值;
若所述第一差值的绝对值大于第二差值的绝对值,则计算所述第二差值的绝对值与所述第一差值的绝对值的第一比值,确定所述第一比值与设定阈值的最小值,并将所述最小值确定为所述系数;
若所述第一差值的绝对值小于第二差值的绝对值,则计算所述第一差值的绝对值与所述第二差值的绝对值的第二比值,确定所述第二比值与设定阈值的最大值,并将所述最大值确定为所述系数。
优选地,所述将所述系数和所述各周期的历史流表数输入预先生成的预测模型中,计算预测的新增流表数,包括:
根据所述系数、所述设定时间段内前一周期的预测流表数和历史流表数,计算后一周期的预测流表数,以得到预测的新增流表数。
优选地,所述设定时间段包括i个周期,所述根据所述系数、所述设定时间段内前一周期的预测流表数和历史流表数,计算后一周期的预测流表数,包括:
通过以下公式计算预测的新增流表数:
N(t)=(1-α)N(t-1)+αR(t-1)
其中,N(t-1)为前一周期的预测流表数,R(t-1)为各周期的历史流表数,α为所述系数,N(t)为后一周期的预测流表数,t的取值范围为[2,i+1],N(1)为预设常数。
本申请还提供一种网络流表参数的调整装置,包括:
获取模块,用于获取软件定义网络当前时间之前设定时间段内每个周期的历史流表数;
第一计算模块,用于根据预设阈值和所述当前时间之前设定时间段内每个周期的历史流表数计算系数;
第二计算模块,用于将所述系数和各周期的所述历史流表数输入预先生成的预测模型中,计算预测的新增流表数;
确定模块,用于根据所述预测的新增流表数、当前时间之前设定时间段内每个周期的历史流表数和预设的总流表容量,确定是否更新当前流表的无效时间。
优选地,所述确定模块,包括:
第一计算子模块,用于根据当前时间之前设定时间段内最后一个周期的历史流表数和所述总流表容量,计算当前可容纳的流表数;
第一确定子模块,用于若所述预测的新增流表数大于或等于所述当前可容纳的流表数,则更新当前流表的无效时间;
第二确定子模块,用于若所述预测的新增流表数小于所述当前可容纳的流表数,则不更新当前流表的无效时间。
优选地,所述设定时间段包括i个周期,所述第一确定子模块,具体用于:
将所述当前流表的无效时间更新为第一无效时间,所述第一无效时间通过以下公式计算:
其中,Vt-1为当前流表的无效时间,Vt为更新后的当前流表的无效时间,Nf为当前可容纳的流表数,N(i+1)为预测的新增流表数。
优选地,所述第一计算模块,包括:
第二计算子模块,用于计算所述设定时间段内第一周期的历史流表数与第二周期的历史流表数的第一差值的绝对值,以及最后一个周期的历史流表数与倒数第二个周期的历史流表数的第二差值的绝对值;
第三确定子模块,用于若所述第一差值的绝对值大于第二差值的绝对值,则计算所述第二差值的绝对值与所述第一差值的绝对值的第一比值,确定所述第一比值与设定阈值的最小值,并将所述最小值确定为所述系数;
第四确定子模块,用于若所述第一差值的绝对值小于第二差值的绝对值,则计算所述第一差值的绝对值与所述第二差值的绝对值的第二比值,确定所述第二比值与设定阈值的最大值,并将所述最大值确定为所述系数。
优选地,所述第二计算模块,包括:
第三计算子模块,用于根据所述系数、所述设定时间段内前一周期的预测流表数和历史流表数,计算后一周期的预测流表数;
第五确定子模块,用于得到预测的新增流表数。
优选地,所述设定时间段包括i个周期,所述第三计算子模块,具体用于:
通过以下公式计算预测的新增流表数:
N(t)=(1-α)N(t-1)+αR(t-1)
其中,N(t-1)为前一周期的预测流表数,R(t-1)为各周期的历史流表数,α为所述系数,N(t)为后一周期的预测流表数,t的取值范围为[2,i+1],N(1)为预设常数。
本申请提出的一种网络流表参数的调整方法。通过定时统计整个软件定义网络体系当前时间之前设定时间段内每个周期的历史流表数,根据各个周期的历史流表数计算系数,将所述系数和各周期的所述历史流表数输入预先生成的预测模型中,计算预测的新增流表数。根据预测的新增流表数、各个周期的历史流表数和预设的总流表容量,确定是否需要对当前流表的无效时间这项参数进行调整,如需调整,根据系统设定的公式更新当前流表的无效时间。避免出现流表的无效时间设置过大或设置过小的情况,从而在同样的网络硬件资源条件下,实现更高的交换机流表空间利用率和网络转发效率。
附图说明
图1为本申请第一实施例提供的一种网络流表参数的调整方法的流程图;
图2为本申请第一实施例提供的图1中步骤S104的一种可选实施方式;
图3为本申请第二实施例提供的一种网络流表参数的调整装置的结构示意图;
图4为本申请第二实施例提供的一种网络流表参数的调整装置的另一结构示意图。
具体实施方式
为使本领域技术人员更好地理解本发明的技术方案,下面结合附图和具体实施方式对本发明作进一步详细描述。
本申请提供一种网络流表参数的调整方法、装置。以下分别结合本申请提供的实施例的附图逐一进行详细说明。
本申请第一实施例提供的一种网络流表参数的调整方法如下:
如图1所示,其示出了本申请实施例提供的一种网络流表参数的调整方法,包括以下步骤。
步骤S101,获取软件定义网络当前时间之前设定时间段内每个周期的历史流表数。
在该步骤中,定时统计SDN网络整个网络体系不同时间段的历史流表数,本实施例中设置设定时间段为i个周期,每个周期为1天。首先定时汇总用户在过去i天的流表数情况R(1),R(2)…R(i),每天对应一个历史流表数R。例如,设定时间段为30天,30天对应30个历史流表数。优选地,每天动态调整的时间间隔为1小时,所述R可以是每天相同时段的流表数情况。
步骤S102,根据预设阈值和所述当前时间之前设定时间段内每个周期的历史流表数计算系数。
在该步骤中,预测模型中的系数是计算得出的,例如,根据预设阈值和前30天的30个历史流表数计算系数。具体计算过程如下述流程,此处不作详述。
步骤S103,将所述系数和各周期的所述历史流表数输入预先生成的预测模型中,计算预测的新增流表数。
在该步骤中,例如,将第步骤S102计算出的系数和前30天的30个历史流表数输入预先生成的预测模型,计算预测的新增流表数,即第31天的预测的新增流表数。具体计算过程如下述流程,此处不作详述。
步骤S104,根据所述预测的新增流表数、当前时间之前设定时间段内每个周期的历史流表数和预设的总流表容量,确定是否更新当前流表的无效时间。
在该步骤中,例如,根据第31天的预测的新增流表数、前30天的30个历史流表数和预设的总流表容量,确定是否更新当前流表的无效时间。避免流表的无效时间这个参数要么设置过大,要么设置过小的问题出现,当判断出当前流表的无效时间需要调整时,及时进行更新。
优选地,如图2所示,所述步骤S104,根据所述预测的新增流表数、当前时间之前设定时间段内每个周期的历史流表数和预设的总流表容量,确定是否更新当前流表的无效时间,包括:
步骤S104-1,根据当前时间之前设定时间段内最后一个周期的历史流表数和所述总流表容量,计算当前可容纳的流表数。
在该步骤中,根据整个网络体系的总流表容量Nmax和设定时间段内最后一个周期的历史流表数,设为Ne(例如,第30天的历史流表数),计算出前可容纳的流表数
Nf=Nmax-Ne
步骤S104-2,若所述预测的新增流表数大于或等于所述当前可容纳的流表数,则更新当前流表的无效时间。
步骤S104-3,若所述预测的新增流表数小于所述当前可容纳的流表数,则不更新当前流表的无效时间。
在步骤S104-2和步骤S104-3中,所述设定时间段包括i个周期,将当前可容纳的流表数与预测新增流表数(第i+1天的预测流表数)进行对比,确定是否需要对当前流表的无效时间这项属性进行调整。如Nf>N(i+1),则代表整个网络体系的当前可容纳的流表数足够,不需要进行当前流表的无效时间属性的调整。如Nf<N(i+1),则代表可能会出现剩余流表空间不足,需要降低当前流表的无效时间,加快旧流表项的失效。
优选地,所述步骤S104-2中,所述设定时间段包括i个周期,更新当前流表的无效时间,包括:
将所述当前流表的无效时间更新为第一无效时间,所述第一无效时间通过以下公式计算:
其中,Vt-1为当前流表的无效时间,Vt为更新后的当前流表的无效时间,Nf为当前可容纳的流表数,N(i+1)为预测的新增流表数。
优选地,所述步骤S102中,所述根据预设阈值和所述当前时间之前设定时间段内每个周期的历史流表数计算系数,包括:
步骤a,计算所述设定时间段内第一周期的历史流表数与第二周期的历史流表数的第一差值的绝对值,以及最后一个周期的历史流表数与倒数第二个周期的历史流表数的第二差值的绝对值。
步骤b,若所述第一差值的绝对值大于第二差值的绝对值,则计算所述第二差值的绝对值与所述第一差值的绝对值的第一比值,确定所述第一比值与设定阈值的最小值,并将所述最小值确定为所述系数。
步骤c,若所述第一差值的绝对值小于第二差值的绝对值,则计算所述第一差值的绝对值与所述第二差值的绝对值的第二比值,确定所述第二比值与设定阈值的最大值,并将所述最大值确定为所述系数。
在步骤a-步骤c中,所述设定时间段包括i个周期,第一差值的绝对值为|R(2)-R(1)|,第二差值的绝对值|R(i)-R(i-1)|。如果|R(2)-R(1)|>|R(i)-R(i-1)|,代表远期流表数波动较大,近期流表数趋于平稳,系数应设定较小。所以,系数β为预设阈值,一般为一个很小的数,例如0.5。如果|R(2)-R(1)|<|R(i)-R(i-1)|,代表近期的流表数波动较大,系数应设定较大,使最终计算出的预测的新增流表数更接近实际值。所以,系数β为预设阈值,一般为一个很小的数,例如0.5。
优选地,所述将所述系数和所述各周期的历史流表数输入预先生成的预测模型中,计算预测的新增流表数,包括:
根据所述系数、所述设定时间段内前一周期的预测流表数和历史流表数,计算后一周期的预测流表数,以得到预测的新增流表数。
在该步骤中,后一周期的预测流表数是根据前一周期的预测流表数、前一周期的历史流表数以及系数计算得出的,如此循环计算,可以得出预测的新增流表数。例如,所述设定时间段包括30天,每一天是一个周期,后一天的预测流表数根据前一天的预测流表数、前一天的历史流表数以及系数计算得出,依次类推得出第31天的预测流表数,即预测的新增流表数根据第30天的预测流表数、第30天的历史流表数以及系数计算得出。
优选地,所述根据所述系数、所述设定时间段内前一周期的预测流表数和历史流表数,计算后一周期的预测流表数,包括:
通过以下公式计算预测的新增流表数:
N(t)=(1-α)N(t-1)+αR(t-1)
其中,N(t-1)为前一周期的预测流表数,R(t-1)为各周期的历史流表数,α为所述系数,N(t)为后一周期的预测流表数,t的取值范围为[2,i+1],N(1)为预设常数。
在该步骤中,所述设定时间段包括i个周期,因为N(1)为预设常数,R(1),R(2)…R(i)为已知数,α为计算出的所述系数,所以通过上述公式可以计算出N(2),N(3)…N(i+1)。N(i+1)即为预测的新增流表数。优选地,N(1)为R(1),R(2),R(3)的平均值。
本申请提出的一种网络流表参数的调整方法。通过定时统计整个网络体系当前时间之前设定时间段内每个周期的历史流表数,根据各个周期的历史流表数计算系数,将所述系数和各周期的所述历史流表数输入预先生成的预测模型中,计算预测的新增流表数。再计算当前可容纳的流表数,将当前可容纳的流表数和预测的新增流表数进行对比,确定是否需要对当前流表的无效时间这项参数进行调整,如需调整,根据系统设定的公式更新当前流表的无效时间。避免出现流表的无效时间设置过大或设置过小的情况,从而在同样的网络硬件资源条件下,实现更高的交换机流表空间利用率和网络转发效率。
本申请第二实施例提供的一种网络流表参数的调整装置如下:
如图3所示,其示出了本申请实施例提供的一种网络流表参数的调整装置,包括以下步骤。
获取模块11,用于获取软件定义网络当前时间之前设定时间段内每个周期的历史流表数。
第一计算模块12,用于根据预设阈值和所述当前时间之前设定时间段内每个周期的历史流表数计算系数。
第二计算模块13,用于将所述系数和各周期的所述历史流表数输入预先生成的预测模型中,计算预测的新增流表数。
确定模块14,用于根据所述预测的新增流表数、当前时间之前设定时间段内每个周期的历史流表数和预设的总流表容量,确定是否更新当前流表的无效时间。
优选地,如图4所示,所述确定模块14,包括:
第一计算子模块141,用于根据当前时间之前设定时间段内最后一个周期的历史流表数和所述总流表容量,计算当前可容纳的流表数。
第一确定子模块142,用于若所述预测的新增流表数大于或等于所述当前可容纳的流表数,则更新当前流表的无效时间。
第二确定子模块143,用于若所述预测的新增流表数小于所述当前可容纳的流表数,则不更新当前流表的无效时间。
优选地,所述设定时间段包括i个周期,所述第一确定子模块,具体用于:
将所述当前流表的无效时间更新为第一无效时间,所述第一无效时间通过以下公式计算:
其中,Vt-1为当前流表的无效时间,Vt为更新后的当前流表的无效时间,Nf为当前可容纳的流表数,N(i+1)为预测的新增流表数。
优选地,所述第一计算模块,包括:
第二计算子模块,用于计算所述设定时间段内第一周期的历史流表数与第二周期的历史流表数的第一差值的绝对值,以及最后一个周期的历史流表数与倒数第二个周期的历史流表数的第二差值的绝对值。
第三确定子模块,用于若所述第一差值的绝对值大于第二差值的绝对值,则计算所述第二差值的绝对值与所述第一差值的绝对值的第一比值,确定所述第一比值与设定阈值的最小值,并将所述最小值确定为所述系数。
第四确定子模块,用于若所述第一差值的绝对值小于第二差值的绝对值,则计算所述第一差值的绝对值与所述第二差值的绝对值的第二比值,确定所述第二比值与设定阈值的最大值,并将所述最大值确定为所述系数。
优选地,所述第二计算模块,包括:
第三计算子模块,用于根据所述系数、所述设定时间段内前一周期的预测流表数和历史流表数,计算后一周期的预测流表数。
第五确定子模块,用于得到预测的新增流表数。
优选地,所述设定时间段包括i个周期,所述第三计算子模块,具体用于:
通过以下公式计算预测的新增流表数:
N(t)=(1-α)N(t-1)+αR(t-1)
其中,N(t-1)为前一周期的预测流表数,R(t-1)为各周期的历史流表数,α为所述系数,N(t)为后一周期的预测流表数,t的取值范围为[2,i+1],N(1)为预设常数。
可以理解的是,以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式,然而本发明并不局限于此。对于本领域内的普通技术人员而言,在不脱离本发明的精神和实质的情况下,可以做出各种变型和改进,这些变型和改进也视为本发明的保护范围。
Claims (12)
1.一种网络流表参数的调整方法,其特征在于,包括:
获取软件定义网络当前时间之前设定时间段内每个周期的历史流表数;
根据预设阈值和所述当前时间之前设定时间段内每个周期的历史流表数计算系数;
将所述系数和各周期的所述历史流表数输入预先生成的预测模型中,计算预测的新增流表数;
根据所述预测的新增流表数、当前时间之前设定时间段内每个周期的历史流表数和预设的总流表容量,确定是否更新当前流表的无效时间。
2.根据权利要求1所述的网络流表参数的调整方法,其特征在于,所述根据所述预测的新增流表数、当前时间之前设定时间段内每个周期的历史流表数和预设的总流表容量,确定是否更新当前流表的无效时间,包括:
根据当前时间之前设定时间段内最后一个周期的历史流表数和所述总流表容量,计算当前可容纳的流表数;
若所述预测的新增流表数大于或等于所述当前可容纳的流表数,则更新当前流表的无效时间;
若所述预测的新增流表数小于所述当前可容纳的流表数,则不更新当前流表的无效时间。
4.根据权利要求1所述的网络流表参数的调整方法,其特征在于,所述根据预设阈值和所述当前时间之前设定时间段内每个周期的历史流表数计算系数,包括:
计算所述设定时间段内第一周期的历史流表数与第二周期的历史流表数的第一差值的绝对值,以及最后一个周期的历史流表数与倒数第二个周期的历史流表数的第二差值的绝对值;
若所述第一差值的绝对值大于第二差值的绝对值,则计算所述第二差值的绝对值与所述第一差值的绝对值的第一比值,确定所述第一比值与设定阈值的最小值,并将所述最小值确定为所述系数;
若所述第一差值的绝对值小于第二差值的绝对值,则计算所述第一差值的绝对值与所述第二差值的绝对值的第二比值,确定所述第二比值与设定阈值的最大值,并将所述最大值确定为所述系数。
5.根据权利要求1所述的网络流表参数的调整方法,其特征在于,所述将所述系数和所述各周期的历史流表数输入预先生成的预测模型中,计算预测的新增流表数,包括:
根据所述系数、所述设定时间段内前一周期的预测流表数和历史流表数,计算后一周期的预测流表数,以得到预测的新增流表数。
6.根据权利要求5所述的网络流表参数的调整方法,其特征在于,所述设定时间段包括i个周期,所述根据所述系数、所述设定时间段内前一周期的预测流表数和历史流表数,计算后一周期的预测流表数,包括:
通过以下公式计算预测的新增流表数:
N(t)=(1-α)N(t-1)+αR(t-1)
其中,N(t-1)为前一周期的预测流表数,R(t-1)为各周期的历史流表数,α为所述系数,N(t)为后一周期的预测流表数,t的取值范围为[2,i+1],N(1)为预设常数。
7.一种网络流表参数的调整装置,其特征在于,包括:
获取模块,用于获取软件定义网络当前时间之前设定时间段内每个周期的历史流表数;
第一计算模块,用于根据预设阈值和所述当前时间之前设定时间段内每个周期的历史流表数计算系数;
第二计算模块,用于将所述系数和各周期的所述历史流表数输入预先生成的预测模型中,计算预测的新增流表数;
确定模块,用于根据所述预测的新增流表数、当前时间之前设定时间段内每个周期的历史流表数和预设的总流表容量,确定是否更新当前流表的无效时间。
8.根据权利要求7所述的网络流表参数的调整装置,其特征在于,所述确定模块,包括:
第一计算子模块,用于根据当前时间之前设定时间段内最后一个周期的历史流表数和所述总流表容量,计算当前可容纳的流表数;
第一确定子模块,用于若所述预测的新增流表数大于或等于所述当前可容纳的流表数,则更新当前流表的无效时间;
第二确定子模块,用于若所述预测的新增流表数小于所述当前可容纳的流表数,则不更新当前流表的无效时间。
9.根据权利要求8所述的网络流表参数的调整装置,其特征在于,所述设定时间段包括i个周期,所述第一确定子模块,具体用于:
将所述当前流表的无效时间更新为第一无效时间,所述第一无效时间通过以下公式计算:
其中,Vt-1为当前流表的无效时间,Vt为更新后的当前流表的无效时间,Nf为当前可容纳的流表数,N(i+1)为预测的新增流表数。
10.根据权利要求7所述的网络流表参数的调整装置,其特征在于,所述第一计算模块,包括:
第二计算子模块,用于计算所述设定时间段内第一周期的历史流表数与第二周期的历史流表数的第一差值的绝对值,以及最后一个周期的历史流表数与倒数第二个周期的历史流表数的第二差值的绝对值;
第三确定子模块,用于若所述第一差值的绝对值大于第二差值的绝对值,则计算所述第二差值的绝对值与所述第一差值的绝对值的第一比值,确定所述第一比值与设定阈值的最小值,并将所述最小值确定为所述系数;
第四确定子模块,用于若所述第一差值的绝对值小于第二差值的绝对值,则计算所述第一差值的绝对值与所述第二差值的绝对值的第二比值,确定所述第二比值与设定阈值的最大值,并将所述最大值确定为所述系数。
11.根据权利要求7所述的网络流表参数的调整装置,其特征在于,所述第二计算模块,包括:
第三计算子模块,用于根据所述系数、所述设定时间段内前一周期的预测流表数和历史流表数,计算后一周期的预测流表数;
第五确定子模块,用于得到预测的新增流表数。
12.根据权利要求11所述的网络流表参数的调整装置,其特征在于,所述设定时间段包括i个周期,所述第三计算子模块,具体用于:
通过以下公式计算预测的新增流表数:
N(t)=(1-α)N(t-1)+αR(t-1)
其中,N(t-1)为前一周期的预测流表数,R(t-1)为各周期的历史流表数,α为所述系数,N(t)为后一周期的预测流表数,t的取值范围为[2,i+1],N(1)为预设常数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911149695.9A CN110838982A (zh) | 2019-11-21 | 2019-11-21 | 网络流表参数的调整方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911149695.9A CN110838982A (zh) | 2019-11-21 | 2019-11-21 | 网络流表参数的调整方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110838982A true CN110838982A (zh) | 2020-02-25 |
Family
ID=69577161
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911149695.9A Pending CN110838982A (zh) | 2019-11-21 | 2019-11-21 | 网络流表参数的调整方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110838982A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113472717A (zh) * | 2020-03-30 | 2021-10-01 | 中国电信股份有限公司 | Sdn访问控制方法、装置和计算机可读存储介质 |
CN117479219A (zh) * | 2023-11-07 | 2024-01-30 | 广州方舟文化科技有限公司 | 一种手机流量卡套餐监测方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103227995A (zh) * | 2012-01-30 | 2013-07-31 | 华为技术有限公司 | 自组织网络协调方法、装置与系统 |
CN108632088A (zh) * | 2018-04-28 | 2018-10-09 | 中国联合网络通信集团有限公司 | 业务处理方法、装置及服务器 |
-
2019
- 2019-11-21 CN CN201911149695.9A patent/CN110838982A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103227995A (zh) * | 2012-01-30 | 2013-07-31 | 华为技术有限公司 | 自组织网络协调方法、装置与系统 |
CN108632088A (zh) * | 2018-04-28 | 2018-10-09 | 中国联合网络通信集团有限公司 | 业务处理方法、装置及服务器 |
Non-Patent Citations (2)
Title |
---|
付应辉: "基于SDN的多路径负载均衡算法及流表分配优化算法研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
刘霞: "SDN 动态停滞超时时间优化算法", 《传感器与微系统》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113472717A (zh) * | 2020-03-30 | 2021-10-01 | 中国电信股份有限公司 | Sdn访问控制方法、装置和计算机可读存储介质 |
CN113472717B (zh) * | 2020-03-30 | 2022-09-23 | 中国电信股份有限公司 | Sdn访问控制方法、装置和计算机可读存储介质 |
CN117479219A (zh) * | 2023-11-07 | 2024-01-30 | 广州方舟文化科技有限公司 | 一种手机流量卡套餐监测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Mamduhi et al. | Error-dependent data scheduling in resource-aware multi-loop networked control systems | |
JP2017126975A (ja) | データセンターのネットワークトラフィックスケジューリング方法及び装置 | |
CN110838982A (zh) | 网络流表参数的调整方法及装置 | |
CN106464733B (zh) | 一种调整云计算中虚拟资源的方法及装置 | |
CN110740146B (zh) | 一种调度缓存节点的方法、装置及计算机网络系统 | |
CN110990138A (zh) | 资源调度方法、装置、服务器及存储介质 | |
CN107846371B (zh) | 一种多媒体业务QoE资源分配方法 | |
Zou et al. | Trading off computation with transmission in status update systems | |
CN110896357A (zh) | 流量预测方法、装置和计算机可读存储介质 | |
CN110149377A (zh) | 一种视频服务节点资源分配方法、系统、装置及存储介质 | |
CN107733796B (zh) | 一种择优路径计算方法及系统 | |
Lin et al. | Edge learning for low-latency video analytics: Query scheduling and resource allocation | |
CN107306283A (zh) | 一种数据同步方法和装置 | |
Borkar | Whittle index for partially observed binary Markov decision processes | |
CN105657480B (zh) | 一种分数倍调整ts流码率的方法及装置 | |
WO2020056927A1 (zh) | 基于状态机自适应控制的低时延gmp映射方法及系统 | |
US20220360534A1 (en) | Communication equipment, communication methods and programs | |
Bruneel et al. | Analysis of a discrete-time queue with geometrically distributed service capacities | |
CN109672227A (zh) | 一种电力系统经济运行调度方法 | |
CN106533730B (zh) | Hadoop集群组件指标的采集方法及装置 | |
CN111343006B (zh) | 一种cdn峰值流量预测方法、装置及存储介质 | |
US8185347B2 (en) | Outlier correction with a median method | |
CN111490889B (zh) | 一种无线业务增长预估方法及装置 | |
Tamar et al. | Integrating a Partial Model into Model Free Reinforcement Learning. | |
CN110245844B (zh) | 异常指标检测方法及装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200225 |
|
RJ01 | Rejection of invention patent application after publication |