CN112019398A - 网络流量的预测方法和装置 - Google Patents
网络流量的预测方法和装置 Download PDFInfo
- Publication number
- CN112019398A CN112019398A CN202010685139.XA CN202010685139A CN112019398A CN 112019398 A CN112019398 A CN 112019398A CN 202010685139 A CN202010685139 A CN 202010685139A CN 112019398 A CN112019398 A CN 112019398A
- Authority
- CN
- China
- Prior art keywords
- queue
- network
- preset
- data packets
- router
- 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
Images
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
-
- 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
本说明书实施例公开了一种网络流量预测方法、装置、电子设备以及计算机可读存储介质。该方法包括:获取目标时刻统计的网络队列中实际传输的数据包数量,以及网络队列的队列服务率和路由器的数据包到达率;其中,网络队列包括路由器任一端口对应的数据包传输队列;将数据包数量、数据包到达率和队列服务率输入至预设队列状态描述模型中,以得到网络队列的状态转移矩阵;将状态转移矩阵、预设系统噪声方差阵以及预设测量噪声方差阵代入至扩展卡尔曼滤波器,输出网络队列在将来时刻传输的数据包的预测数量。
Description
技术领域
本说明书实施例涉及计算机技术领域,尤其涉及网络流量的预测方法、装置、电子设备和计算机可读存储介质。
背景技术
网络流量,为网络上传输的数据量。数据量具体为数据包的数量。网络流量的预测对网络流量的调控具有重要意义,通过网络流量预测,可以由预测的结果,得到将来流量的大致趋势,这样可以避免网络流量负载过高导致网络故障的发生。
现有的网络流量预测的方法,包括:线性预测和非线性预测。线性预测具有代表性的是差分整合移动平均自回归(Autoregressive Integrated Moving Average model,ARIMA)模型,但由于ARIMA模型只适合于处理线性宽平稳过程,真实的网络流量大部分都不符合ARIMA模型的前提条件,因此ARIMA模型的预测精度较低。非线性预测由于能够刻画出网络流量的非线性特征而显示出比线性预测方法更优异的性能,而逐渐被广泛应用,非线性预测具有代表性的是基于小波分析的预测模型和基于神经网络的预测模型,但目前均是对网络流量的整体预测,无法针对某一路由器端口的网络流量进行预测,从而预测精度也不高。
发明内容
本说明书实施例提供一种网络流量的预测方法、装置、电子设备以及计算机可读存储介质,以解决网络流量的预测精度不高的问题。
本说明书实施例采用下述技术方案:
一种网络流量的预测方法,包括:
获取目标时刻统计的网络队列中实际传输的数据包数量,以及所述网络队列的队列服务率和路由器的数据包到达率;其中,所述网络队列包括所述路由器任一端口对应的数据包传输队列;
将所述数据包数量、所述数据包到达率和所述队列服务率输入至预设队列状态描述模型中,以得到所述网络队列的状态转移矩阵;
将所述状态转移矩阵、预设系统噪声方差阵以及预设测量噪声方差阵代入至扩展卡尔曼滤波器,输出所述网络队列在将来时刻传输的数据包的预测数量。
一种网络流量的预测装置,包括:
获取模块,用于获取目标时刻统计的网络队列中实际传输的数据包数量,以及所述网络队列的队列服务率和路由器的数据包到达率;其中,所述网络队列包括所述路由器任一端口对应的数据包传输队列;
输入模块,用于将所述数据包数量、所述数据包到达率和所述队列服务率输入至预设队列状态描述模型中,以得到所述网络队列的状态转移矩阵;
预测模块,用于将所述状态转移矩阵、预设系统噪声方差阵以及预设测量噪声方差阵代入至扩展卡尔曼滤波器,输出所述网络队列在将来时刻传输的数据包的预测数量。
一种电子设备,包括:存储器、处理器及存储在所在存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现任一项所述的网络流量的预测方法的步骤。
一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现任一项所述的网络流量的预测方法的步骤。
本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果:
通过预设网络队列状态描述模型,可以对任一网络队列的数据包传输状态进行分析描述,得到状态转移矩阵,相当于描述了网络队列的数据包传输状态,再基于扩展卡尔曼滤波器,可以预测出将来时刻网络队列中的数据包数量,即实现了网络流量的预测,由于可以是具体到任一网络队列进行预测,相较于整体的流量预测可以提高网络流量预测的精准度。
附图说明
此处所说明的附图用来提供对本说明书实施例的进一步理解,构成本说明书实施例的一部分,本说明书实施例的示意性实施例及其说明用于解释本说明书实施例,并不构成对本说明书实施例的不当限定。在附图中:
图1为本说明书实施例提供的网络流量的预测方法的流程示意图;
图2为本说明书实施例提供的数据包的预测数量的曲线图;
图3为本说明书实施例提供的网络流量的预测装置的结构示意图;
图4为本说明书实施例提供的电子设备的结构示意图。
具体实施方式
为使本说明书实施例的目的、技术方案和优点更加清楚,下面将结合本说明书实施例具体实施例及相应的附图对本说明书实施例技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本说明书实施例一部分实施例,而不是全部的实施例。基于本说明书实施例中的实施例,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它实施例,都属于本说明书实施例保护的范围。
以下结合附图,详细说明本说明书实施例各实施例提供的技术方案。
如图1所示,本说明书实施例提供了一种网络流量的预测方法的流程示意图。该方法的执行主体包括但不限于服务器、个人电脑、笔记本电脑、平板电脑、智能手机等可以通过运行预定程序和指令来执行数值计算和/或逻辑计算等预定处理过程的智能电子设备。其中,所述服务器可以是单个网络服务器或多个网络服务器组成的服务器组或基于云计算(Cloud Computing)的由大量计算机和网络服务器构成的云。在本说明书实施例中,对该方法的执行主体不做限定。如图1所示,该方法包括下述步骤:
步骤11:获取目标时刻统计的网络队列中实际传输的数据包数量,以及网络队列的队列服务率和路由器的数据包到达率。
在实际应用中,网络队列可以包括路由器任一端口对应的数据包传输队列。数据包到达率可以为单位时间内路由器接收到的数据包数量。队列服务率可以为单位时间内网络队列输出的数据包数量。
在本说明书实施例中,统计网络队列中实际传输的数据包数量,以及路由器的数据包到达率和网络队列的队列服务率,可以包括:预设监测程序,通过该预设监测程序统计路由器任一端口的网络队列中的数据包数量,以及该路由器的数据包到达率和网络队列的队列服务率。其中,监测程序可以从程序启动开始,按照预设时间间隔进行路由器端口的监听,以统计路由器各端口对应的网络队列中实际传输的数据包数量,其中,预设时间间隔可以是1秒,2秒等,对此本说明书实施例不做限制。
在实际应用中,数据包到达率,可以是根据监测程序统计的路由器各端口接收到的数据包数量。计算单位时间内该路由器接收到的数据包数量的实现方式,举例来说,若监测程序在9:30:00时刻开始统计,在9:30:01时刻统计到路由器各端口接收到200个数据包,则9:30:01时刻的数据包到达率200个/秒。队列服务率,可以是根据监测程序统计到的路由器各端口对应的网络队列输出的数据包数量,计算的单位时间内各网络队列输出的数据包数量,举例来说,若监测程序在9:30:00时刻开始统计,在9:30:02时刻统计到路由器端口A对应的网络队列中输出40个数据包,则9:30:02时刻的该端口A对应的网络队列的队列服务率可以为40/2=20个/秒。
在实际应用中,为便于预测将来时刻网络队列中传输的数据包数量,以及计算数据包到达率和队列服务率,可以对统计到的数据包数量、数据包到达率和队列服务率添加时间戳和网络队列标识,以区分不同时刻的不同网络队列对应的数据包数量和队列服务率,以及区分不同时刻的数据包到达率。
在本说明书实施例中,目标时刻可以包括在用户期望根据某时刻统计的数据包数量、数据包到达率和队列服务率,来预测将来时刻的数据包数量的时刻,例如,上文中9:30:01时刻可以是目标时刻。在实际应用中,由于时间不会停止,目标时刻可以不断更新,举例来说,9:30:01时刻可以是目标时刻,9:30:02时刻也可以是目标时刻,从而可以实现线上实时预测网络流量。
步骤12:将数据包数量、数据包到达率和队列服务率输入至预设队列状态描述模型中,以得到网络队列的状态转移矩阵。
在实际应用中,为实现预测将来时刻网络队列中的数据包数量,可以对目标时刻的网络队列的数据包传输状态进行描述,数据包传输状态可以包括数据包数量、数据包大小以及数据包的传输顺序等。为便于理解,将网络队列比喻为一条道路,道路上的车辆可以相当于数据包,车辆的数量可以相当于数据包数量,车辆的类型可以相当于数据包大小,车辆的排列顺序相当于数据包的传输顺序,在某时刻该条道路上的车辆数量、车辆类型以及车辆的排列顺序等可以是该条道路上的交通运输状态。那么在本说明书实施例中,将数据包数量、数据包到达率和队列服务率输入至预设队列状态描述模型中,得到的网络队列的状态转移矩阵,相当于描述了网络队列中数据包传输状态。
在本说明书一个或多个实施例中,预设队列状态描述模型可以采用连续参数马尔可夫链构建的模型,即,预设队列状态描述模型可以是f(X(ti-1)),
在实际应用中,可以通过f(X(ti-1))对X(ti-1)求偏导得到状态转移矩阵。对于网络队列来说,由于f(X(ti-1))可以是不连续的,在本说明书实施例中,可以通过公式②计算出的值来近似代替求偏导的值,即,网络队列的状态转移矩阵为A。
步骤13:将状态转移矩阵、预设系统噪声方差阵以及预设测量噪声方差阵代入至扩展卡尔曼滤波器,输出网络队列在将来时刻传输的数据包的预测数量。
在本说明书实施例中,考虑到通过预设队列状态描述模型,得到的网络队列的状态转移矩阵可以为非线性数据,经发明人研究发现,针对非线性数据,基于扩展卡尔曼滤波器可以得到更为精准的网络队列中数据包的预测数量。
在实际应用中,考虑到路由器本身存在的电磁信号干扰,会对网络队列本身的实际容量造成影响。例如,理论上网络队列的最大容量为100个数据包,但是由于电磁信号干扰,网络队列实际最大容量为90个,这个误差可以属于系统噪声。为了实现通过扩展卡尔曼滤波器得到更精准的数据包的预测数量,在本说明书实施例中,可以代入系统噪声方差阵,该系统噪声方差阵可以是反应系统噪声的数值。
在实际应用中,系统噪声方差阵的具体数值与路由器设备有关,可以理解为,不同路由器设备的电磁信号干扰程度不同。在本说明书实施例中,可以通过实验或经验值确定路由器设备对应的系统噪声方差阵的具体数值,例如,按照实验结果,系统噪声方差阵的选择范围可以在0~100之间,再根据历史经验,可以选择26,对此本说明书实施例不做限制。
在实际应用中,除了系统噪声的影响,还考虑到由于监测程序等测量手段本身可能存在的监测误差,步骤11获取的数据包数量可能与实际值之间存在一定的误差,这个误差可以属于测量噪声,例如,网络队列中实际传输90个数据包,预设的监测程序测量统计的为89个数据包。在本说明书实施例中,可以代入测量噪声方差阵,该测量噪声方差阵可以是反应测量噪声的数值。在本说明书实施例中,按照历史经验和实验结果,测量噪声方差阵的选择范围可以在0~30之间,例如,具体可以选取12。
在本说明书实施例中,在确定出状态转移矩阵、预设系统噪声方差阵以及预设测量噪声方差阵后,可以将确定出的状态转移矩阵、预设系统噪声方差阵以及预设测量噪声方差阵代入至扩展卡尔曼滤波器中,输出网络队列在将来时刻传输的数据包的预测数量。
其中,将来时刻可以是相对于目标时刻的将来的时刻,例如,目标时刻为9:30:01,将来时刻可以包括9:30:02、9:30:03、9:30:04等时刻。如图2所示的可以是预测的目标时刻至将来时刻的时间段内数据包的预测数量的曲线图,其中,数据包的预测数量的单位为“个”。
在本说明书实施例中,通过预设网络队列状态描述模型,可以对任一网络队列的数据包传输状态进行分析描述,得到状态转移矩阵,相当于描述了网络队列的数据包传输状态,再基于扩展卡尔曼滤波器,可以预测出将来时刻网络队列中的数据包数量,即实现了网络流量的预测,由于可以是具体到任一网络队列进行预测,相较于整体的流量预测可以提高网络流量预测的精准度。
在实际应用中,通过预测网络队列的数据包数量,可以判断将来时刻传输的数据包数量是否可能超过网络队列的最大容量,根据判断结果实现对网络流量的调控,则在本说明书一个或多个实施例中,在将状态转移矩阵、预设系统噪声方差阵以及预设测量噪声方差阵代入至扩展卡尔曼滤波器,输出网络队列在将来时刻传输的数据包的预测数量后,还包括:
判断预测数量,是否达到预设队列容量阈值;
若达到预设队列容量阈值,则控制路由器将将来时刻传输的数据包转发至未达到预设网络队列容量阈值的网络队列中。
其中,预设队列容量阈值,可以是预先设置的网络队列可传输的最大容量。当然,也可以设定为最大容量的90%、80%等,对此本说明书实施例不做限制。
可以理解的是,若预测数据包数量的网络队列所对应的路由器端口为输入端口,则转发至该未达到预设网络队列容量阈值的网络队列,相应的为其它输入端口对应的网络队列。同样,若预测数据包数量的网络队列所对应的路由器端口为输出端口,则转发至该未达到预设网络队列容量阈值的网络队列,相应的为其它输出端口对应的网络队列。
在本说明书实施例中,通过判断预测数量是否达到预设队列容量阈值,若达到预设队列容量阈值,则控制路由器将将来时刻传输的数据包转发至未达到预设网络队列容量阈值的网络队列中,可以实现对网络流量的调控,从而可以避免可能发生的由于网络流量负载过高导致的网络故障。
以上为本说明书实施例所提供的网络流量的预测方法,基于相同的发明构思,本说明书实施例还提供了相应的网络流量的预测装置。如图3所示,该装置具体包括:
获取模块21,用于获取目标时刻统计的网络队列中实际传输的数据包数量,以及所述网络队列的队列服务率和路由器的数据包到达率;其中,所述网络队列包括所述路由器任一端口对应的数据包传输队列;
输入模块22,用于将所述数据包数量、所述数据包到达率和所述队列服务率输入至预设队列状态描述模型中,以得到所述网络队列的状态转移矩阵;
预测模块23,用于将所述状态转移矩阵、预设系统噪声方差阵以及预设测量噪声方差阵代入至扩展卡尔曼滤波器,输出所述网络队列在将来时刻传输的数据包的预测数量。
上述装置实施例的具体工作流程可以包括:获取模块21,获取目标时刻统计的网络队列中实际传输的数据包数量,以及所述网络队列的队列服务率和路由器的数据包到达率;其中,所述网络队列包括所述路由器任一端口对应的数据包传输队列;输入模块22,将所述数据包数量、所述数据包到达率和所述队列服务率输入至预设队列状态描述模型中,以得到所述网络队列的状态转移矩阵;预测模块23,将所述状态转移矩阵、预设系统噪声方差阵以及预设测量噪声方差阵代入至扩展卡尔曼滤波器,输出所述网络队列在将来时刻传输的数据包的预测数量。
在一种实施方式中,所述预设队列状态描述模型为f(X(ti-1)),
所述网络队列的状态转移矩阵为A,
在一种实施方式中,所述数据包到达率为单位时间内路由器接收到的数据包数量;所述队列服务率为单位时间内网络队列输出的数据包数量。
在一种实施方式中,所述装置还包括:
判断模块,用于判断所述预测数量,是否达到预设队列容量阈值;
控制模块,用于若达到所述预设队列容量阈值,则控制路由器将所述将来时刻传输的数据包转发至未达到所述预设网络队列容量阈值的网络队列中。
在本说明书实施例中,通过预设网络队列状态描述模型,可以对任一网络队列的数据包传输状态进行分析描述,得到状态转移矩阵,相当于描述了网络队列的数据包传输状态,再基于扩展卡尔曼滤波器,可以预测出将来时刻网络队列中的数据包数量,即实现了网络流量的预测,由于可以是具体到任一网络队列进行预测,相较于整体的流量预测可以提高网络流量预测的精准度。
本说明书实施例还提出了一种电子设备,示意图请参考图4,在硬件层面,该电子设备包括处理器,可选地还包括内部总线、网络接口、存储器。其中,存储器可能包含内存,例如高速随机存取存储器(Random-Access Memory,RAM),也可能还包括非易失性存储器(non-volatile memory),例如至少1个磁盘存储器等。当然,该电子设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接,该内部总线可以是ISA(Industry Standard Architecture,工业标准体系结构)总线、PCI(PeripheralComponent Interconnect,外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture,扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图4中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
存储器,用于存放程序。具体地,程序可以包括程序代码,所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器,并向处理器提供指令和数据。
处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,在逻辑层面上形成应用网络流量的预测装置。处理器,执行存储器所存放的程序,并至少用于执行以下操作:
获取目标时刻统计的网络队列中实际传输的数据包数量,以及所述网络队列的队列服务率和路由器的数据包到达率;其中,所述网络队列包括所述路由器任一端口对应的数据包传输队列;
将所述数据包数量、所述数据包到达率和所述队列服务率输入至预设队列状态描述模型中,以得到所述网络队列的状态转移矩阵;
将所述状态转移矩阵、预设系统噪声方差阵以及预设测量噪声方差阵代入至扩展卡尔曼滤波器,输出所述网络队列在将来时刻传输的数据包的预测数量。
上述如本说明书实施例图1所示实施例揭示的网络流量的预测装置执行的方法可以应用于处理器中,或者由处理器实现。处理器可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器,包括中央处理器(CentralProcessing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific IntegratedCircuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本说明书实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本说明书实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
该电子设备还可执行图1中网络流量的预测装置执行的方法,并实现网络流量的预测装置在图1所示实施例的功能,本说明书实施例在此不再赘述。
本说明书实施例还提出了一种计算机可读存储介质,该计算机可读存储介质存储一个或多个程序,该一个或多个程序包括指令,该指令当被包括多个应用程序的电子设备执行时,能够使该电子设备执行图1所示实施例中网络流量的预测装置执行的方法,并至少用于执行:
获取目标时刻统计的网络队列中实际传输的数据包数量,以及所述网络队列的队列服务率和路由器的数据包到达率;其中,所述网络队列包括所述路由器任一端口对应的数据包传输队列;
将所述数据包数量、所述数据包到达率和所述队列服务率输入至预设队列状态描述模型中,以得到所述网络队列的状态转移矩阵;
将所述状态转移矩阵、预设系统噪声方差阵以及预设测量噪声方差阵代入至扩展卡尔曼滤波器,输出所述网络队列在将来时刻传输的数据包的预测数量。
本领域内的技术人员应明白,本说明书实施例的实施例可提供为方法、系统、或计算机程序产品。因此,本说明书实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本说明书实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书实施例是参照根据本说明书实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其它可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其它可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其它可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其它可编程数据处理设备上,使得在计算机或其它可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其它可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其它数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其它类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其它内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其它光学存储、磁盒式磁带,磁带磁磁盘存储或其它磁性存储设备或任何其它非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其它变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其它要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上仅为本说明书实施例的实施例而已,并不用于限制本说明书实施例。对于本领域技术人员来说,本说明书实施例可以有各种更改和变化。凡在本说明书实施例的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本说明书实施例的权利要求范围之内。
Claims (10)
1.一种网络流量的预测方法,其特征在于,包括:
获取目标时刻统计的网络队列中实际传输的数据包数量,以及所述网络队列的队列服务率和路由器的数据包到达率;其中,所述网络队列包括所述路由器任一端口对应的数据包传输队列;
将所述数据包数量、所述数据包到达率和所述队列服务率输入至预设队列状态描述模型中,以得到所述网络队列的状态转移矩阵;
将所述状态转移矩阵、预设系统噪声方差阵以及预设测量噪声方差阵代入至扩展卡尔曼滤波器,输出所述网络队列在将来时刻传输的数据包的预测数量。
3.如权利要求1或2所述的方法,其特征在于,所述数据包到达率为单位时间内路由器接收到的数据包数量;所述队列服务率为单位时间内网络队列输出的数据包数量。
4.如权利要求1所述的方法,其特征在于,在将所述状态转移矩阵、预设系统噪声方差阵以及预设测量噪声方差阵代入至扩展卡尔曼滤波器,输出所述网络队列在将来时刻传输的数据包的预测数量后,所述方法还包括:
判断所述预测数量,是否达到预设队列容量阈值;
若达到所述预设队列容量阈值,则控制路由器将所述将来时刻传输的数据包转发至未达到所述预设网络队列容量阈值的网络队列中。
5.一种网络流量的预测装置,其特征在于,包括:
获取模块,用于获取目标时刻统计的网络队列中实际传输的数据包数量,以及所述网络队列的队列服务率和路由器的数据包到达率;其中,所述网络队列包括所述路由器任一端口对应的数据包传输队列;
输入模块,用于将所述数据包数量、所述数据包到达率和所述队列服务率输入至预设队列状态描述模型中,以得到所述网络队列的状态转移矩阵;
预测模块,用于将所述状态转移矩阵、预设系统噪声方差阵以及预设测量噪声方差阵代入至扩展卡尔曼滤波器,输出所述网络队列在将来时刻传输的数据包的预测数量。
7.如权利要求5或6所述的装置,其特征在于,所述数据包到达率为单位时间内路由器接收到的数据包数量;所述队列服务率为单位时间内网络队列输出的数据包数量。
8.如权利要求1所述的装置,其特征在于,所述装置还包括:
判断模块,用于判断所述预测数量,是否达到预设队列容量阈值;
控制模块,用于若达到所述预设队列容量阈值,则控制路由器将所述将来时刻传输的数据包转发至未达到所述预设网络队列容量阈值的网络队列中。
9.一种电子设备,其特征在于,包括:存储器、处理器及存储在所在存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1至4中任一项所述的网络流量的预测方法的步骤。
10.一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上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至4中任一项所述的网络流量的预测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010685139.XA CN112019398B (zh) | 2020-07-16 | 2020-07-16 | 网络流量的预测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010685139.XA CN112019398B (zh) | 2020-07-16 | 2020-07-16 | 网络流量的预测方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112019398A true CN112019398A (zh) | 2020-12-01 |
CN112019398B CN112019398B (zh) | 2022-03-11 |
Family
ID=73498773
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010685139.XA Active CN112019398B (zh) | 2020-07-16 | 2020-07-16 | 网络流量的预测方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112019398B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114157578A (zh) * | 2021-11-24 | 2022-03-08 | 北京达佳互联信息技术有限公司 | 网络状态预测方法及装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104468192A (zh) * | 2014-11-06 | 2015-03-25 | 西北工业大学 | 一种多尺度多权重链路质量评估的路由方法 |
CN106330757A (zh) * | 2015-06-30 | 2017-01-11 | 腾讯科技(深圳)有限公司 | 流量控制方法及装置 |
US20170012889A1 (en) * | 2015-07-08 | 2017-01-12 | International Business Machines Corporation | Efficient Means of Combining Network Traffic for 64Bit and 31Bit Workloads |
CN106789152A (zh) * | 2016-11-17 | 2017-05-31 | 东软集团股份有限公司 | 基于多队列网卡的处理器扩展方法及装置 |
CN109995562A (zh) * | 2017-12-30 | 2019-07-09 | 中国移动通信集团河北有限公司 | 网络业务量预测方法、装置、设备及介质 |
CN110691003A (zh) * | 2019-09-04 | 2020-01-14 | 北京天融信网络安全技术有限公司 | 一种网络流量分类方法、装置和存储介质 |
CN111131074A (zh) * | 2018-10-31 | 2020-05-08 | 中移(杭州)信息技术有限公司 | 一种数据处理方法、装置、系统、服务器及可读存储介质 |
-
2020
- 2020-07-16 CN CN202010685139.XA patent/CN112019398B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104468192A (zh) * | 2014-11-06 | 2015-03-25 | 西北工业大学 | 一种多尺度多权重链路质量评估的路由方法 |
CN106330757A (zh) * | 2015-06-30 | 2017-01-11 | 腾讯科技(深圳)有限公司 | 流量控制方法及装置 |
US20170012889A1 (en) * | 2015-07-08 | 2017-01-12 | International Business Machines Corporation | Efficient Means of Combining Network Traffic for 64Bit and 31Bit Workloads |
CN106789152A (zh) * | 2016-11-17 | 2017-05-31 | 东软集团股份有限公司 | 基于多队列网卡的处理器扩展方法及装置 |
CN109995562A (zh) * | 2017-12-30 | 2019-07-09 | 中国移动通信集团河北有限公司 | 网络业务量预测方法、装置、设备及介质 |
CN111131074A (zh) * | 2018-10-31 | 2020-05-08 | 中移(杭州)信息技术有限公司 | 一种数据处理方法、装置、系统、服务器及可读存储介质 |
CN110691003A (zh) * | 2019-09-04 | 2020-01-14 | 北京天融信网络安全技术有限公司 | 一种网络流量分类方法、装置和存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114157578A (zh) * | 2021-11-24 | 2022-03-08 | 北京达佳互联信息技术有限公司 | 网络状态预测方法及装置 |
CN114157578B (zh) * | 2021-11-24 | 2023-10-31 | 北京达佳互联信息技术有限公司 | 网络状态预测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112019398B (zh) | 2022-03-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107066365B (zh) | 一种系统异常的监测方法及装置 | |
CN110768912B (zh) | Api网关限流方法及装置 | |
CN112311611A (zh) | 数据异常的监测方法、装置和电子设备 | |
CN111262795B (zh) | 基于服务接口的限流方法、装置、电子设备及存储介质 | |
WO2017172276A1 (en) | Workload behavior modeling and prediction for data center adaptation | |
US11799901B2 (en) | Predictive rate limiting system for cloud computing services | |
CN109117595B (zh) | 一种热负荷预测方法、装置、可读介质及电子设备 | |
CN108243032B (zh) | 一种服务等级信息的获取方法、装置及设备 | |
US20100153579A1 (en) | Flow Control of Events Based on Threshold, Grace Period, and Event Signature | |
CN110569166A (zh) | 异常检测方法、装置、电子设备及介质 | |
CN111277640B (zh) | 用户请求处理方法、装置、系统、计算机设备和存储介质 | |
CN111985726A (zh) | 资源数量预测方法、装置、电子设备及存储介质 | |
CN112019398B (zh) | 网络流量的预测方法和装置 | |
CN115269108A (zh) | 一种数据处理方法、装置及设备 | |
CN112506619A (zh) | 作业处理方法、装置、电子设备、存储介质和程序产品 | |
CN111835536B (zh) | 一种流量预测方法和装置 | |
CN109597680B (zh) | 任务排队响应参数估算方法及装置 | |
CN112737798B (zh) | 主机资源分配方法、装置及调度服务器、存储介质 | |
CN112526905B (zh) | 一种针对指标异常的处理方法及系统 | |
CN108920326B (zh) | 确定系统耗时异常的方法、装置及电子设备 | |
CN112187870B (zh) | 一种带宽平滑方法及装置 | |
CN116841753B (zh) | 一种流处理和批处理的切换方法及切换装置 | |
CN114466227A (zh) | 一种视频分析方法、装置、电子设备及存储介质 | |
CN111159009B (zh) | 一种日志服务系统的压力测试方法及装置 | |
CN112596985A (zh) | 一种it资产探测方法、装置、设备和介质 |
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 |