CN112491489B - 基于带内遥测进行时间同步的方法、装置和系统 - Google Patents
基于带内遥测进行时间同步的方法、装置和系统 Download PDFInfo
- Publication number
- CN112491489B CN112491489B CN202011358994.6A CN202011358994A CN112491489B CN 112491489 B CN112491489 B CN 112491489B CN 202011358994 A CN202011358994 A CN 202011358994A CN 112491489 B CN112491489 B CN 112491489B
- Authority
- CN
- China
- Prior art keywords
- transmission direction
- delay
- estimation value
- time
- equipment
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 84
- 230000005540 biological transmission Effects 0.000 claims abstract description 213
- 230000006870 function Effects 0.000 claims description 73
- 239000000203 mixture Substances 0.000 claims description 24
- 238000004590 computer program Methods 0.000 claims description 8
- 230000007246 mechanism Effects 0.000 claims description 7
- 230000003111 delayed effect Effects 0.000 claims description 5
- 238000009826 distribution Methods 0.000 description 24
- 238000005516 engineering process Methods 0.000 description 12
- 238000012544 monitoring process Methods 0.000 description 10
- 230000001934 delay Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000001514 detection method Methods 0.000 description 5
- 238000007726 management method Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 238000004806 packaging method and process Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- -1 ... Proteins 0.000 description 1
- 102000007370 Ataxin2 Human genes 0.000 description 1
- 108010032951 Ataxin2 Proteins 0.000 description 1
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003032 molecular docking Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
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
- H04L43/0852—Delays
- H04L43/0858—One way delays
-
- 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
- H04L43/04—Processing captured monitoring data, e.g. for logfile generation
- H04L43/045—Processing captured monitoring data, e.g. for logfile generation for graphical visualisation of monitoring data
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04J—MULTIPLEX COMMUNICATION
- H04J3/00—Time-division multiplex systems
- H04J3/02—Details
- H04J3/06—Synchronising arrangements
- H04J3/0635—Clock or time synchronisation in a network
- H04J3/0638—Clock or time synchronisation among nodes; Internode synchronisation
- H04J3/0658—Clock or time synchronisation among packet nodes
- H04J3/0661—Clock or time synchronisation among packet nodes using timestamps
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04J—MULTIPLEX COMMUNICATION
- H04J3/00—Time-division multiplex systems
- H04J3/02—Details
- H04J3/06—Synchronising arrangements
- H04J3/0635—Clock or time synchronisation in a network
- H04J3/0638—Clock or time synchronisation among nodes; Internode synchronisation
- H04J3/0658—Clock or time synchronisation among packet nodes
- H04J3/0661—Clock or time synchronisation among packet nodes using timestamps
- H04J3/0667—Bidirectional timestamps, e.g. NTP or PTP for compensation of clock drift and for compensation of propagation delays
-
- 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
- H04L43/0852—Delays
- H04L43/0864—Round trip delays
-
- 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
- H04L43/0894—Packet rate
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/133—Protocols for remote procedure calls [RPC]
-
- 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
- H04L43/06—Generation of reports
- H04L43/067—Generation of reports using time frame reporting
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Environmental & Geological Engineering (AREA)
- Data Mining & Analysis (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本文公开了一种基于带内遥测进行时间同步的方法、装置和系统。其中,所述方法包括,获取第一传输方向的延时估计值和第二传输方向的延时估计值;其中,所述第一传输方向的延时估计值根据第一传输方向的多个延时样本确定,所述第二传输方向的延时估计值根据第二传输方向的多个延时样本确定;所述第一传输方向为第二设备到第一设备的方向,所述第二传输方向为所述第一设备到所述第二设备的方向;根据所述第一传输方向的延时估计值和所述第二传输方向的延时估计值,确定所述第一设备相对于所述第二设备的时间系统误差。
Description
技术领域
本公开涉及但不限于计算机网络领域,特别地涉及一种基于带内遥测进行时间同步的方法、装置和系统。
背景技术
近年来,数据中心网络技术发展迅速,但长期缺失对于流量管理和故障监控的关注。随着数据中心网络规模的迅速扩张,由于缺少可靠的自动化管理和运维平台,给网络管理和运维带来很大挑战。
在传统网络中,我们对报文做转发路径探测时,经常会使用雷达探测技术。但是雷达探测技术,需要控制器软件的干预。由于没有硬件的支持,一系列的设计实现都比较复杂,而且还不能完全模拟真实的报文转发。
Ping和Tracert功能虽然可以定位网络延时和路径,但都不是很精确的方法。在对时延要求比较高的网络中,无法精准的定位出在哪台设备的哪个端口上转发最耗时,因而不能有针对性的优化网络架构。带内遥测(INT,In-band Telemetry)技术正是为了满足这一需求而生。INT作为可视化技术的一个重要组成部分,是让网络管理和运维走向真正自动化的第一步,也是最关键的一步。通过INT技术,我们可以获知报文实际转发路径上的每台网络设备信息、报文在每台设备上的入出端口和队列信息、以及相应的时间戳信息等。
通过INT技术,我们可以监测到报文转发路径上每台设备的入出端口和队列信息、入出设备的时间戳信息、队列的拥塞信息等;并且在路径探测的最后一跳上,对监测的数据进行UDP头及IP头封装,发送给采集器。最终通过部署在采集器上的网管软件,对监测数据进行分析,提取有用信息。
如图1所示,网络遥测组网模型中,主要包括如下部分:
首节点Ingress:网络遥测网络中的首台设备,实现报文的采样和镜像到设备内部INT处理器,添加INT报文头(包括固有头部及监测信息meta-data) 后,将报文发送给中间节点。
中间节点Transit:INT网络中除首节点和尾节点外的设备,实现INT报文的自动识别,添加监测信息,将报文发送给下游节点。
尾节点Egress:INT网络中的最后一跳设备,实现INT报文的自动识别,添加监测信息,根据用户配置的报文封装参数,对监测信息进行UDP头及IP 头封装,发送给采集器。
目前,INT技术已经在IETF的Inband Flow Analyzer draft-kumar-ifa-00草案中定义。在该草案中,对INT报文的固有头部和meta-data(即监测信息) 的数据格式做了详细说明。对于支持该草案的网络设备来说,理论上可以实现INT报文分析处理的互通。
带内网络遥测技术中,一般由几个元素构成,具有带内网络遥测功能的网络设备,集中的数据采集器和控制器等。网络遥测网络设备提供的上报方式有很多种,包括gRPC、INT、ERSPAN等方式。gRPC(Google Remote Procedure Call,Google远程过程调用)是Google发布的基于HTTP 2.0传输层协议承载的高性能开源软件框架,提供了支持多种编程语言的、对网络设备进行配置和管理的方法。通信双方可以基于该软件框架进行二次开发。采用基于gRPC的Telemetry技术时,设备自动读取各种统计信息(CPU、内存、接口等),根据采集器的订阅要求将采集的信息通过gRPC协议上报给采集器,实现了比传统监控方式更加实时、高效的数据采集功能。设备支持以下两种gRPC对接模式:
Dial-in模式:设备作为gRPC服务器,采集器作为gRPC客户端。由采集器主动向设备发起gRPC连接并订阅需要采集的数据信息。Dial-in模式适用于小规模网络和采集器需要向设备下发配置的场景。
Dial-out模式:设备作为gRPC客户端,采集器作为gRPC服务器。设备主动和采集器建立gRPC连接,将设备上配置的订阅数据推送给采集器。 Dial-out模式适用于网络设备较多的情况下向采集器提供设备数据信息。
通过INT技术,我们可以监测到报文转发路径上每台设备的入出端口和队列信息、入出设备的时间戳信息、队列的拥塞信息等;并且在路径探测的最后一跳上,对监测的数据进行UDP头及IP头封装,发送给采集器。最终通过部署在采集器上的网管软件,对监测数据进行分析,提取有用信息。
各个厂商对于网络遥测有不同的解决方案,目前常见的有INT协议、华为的IFIT方案等,IFIT方案使用了基于段路由的SRv6携带相关的信息(如图3所示)。对于各种方案而言,其共同点是:首先,都能够实现数据包时间戳记录,在数据包中打上出、入时间戳,精度一般可以达到纳秒级。其次,都存在一个集中的采集器,能够接收到相应的时间戳信息。采集器一般为一台服务器,可以进行数据采集以及后续的相关处理。
发明内容
以下是对本文详细描述的主题的概述。本概述并非是为了限制权利要求的保护范围。
本公开实施例提供了一种基于带内遥测进行时间同步的方法、装置和系统,能够避免时间同步客户端带来的带宽开销,在进行网络遥测的同时实现了更高精度的网络时间同步。
本公开实施例提供了一种基于带内遥测进行时间同步的方法,包括,
获取第一传输方向的延时估计值和第二传输方向的延时估计值;其中,所述第一传输方向的延时估计值根据第一传输方向的多个延时样本确定,所述第二传输方向的延时估计值根据第二传输方向的多个延时样本确定;所述第一传输方向为第二设备到第一设备的方向,所述第二传输方向为所述第一设备到所述第二设备的方向;
根据所述第一传输方向的延时估计值和所述第二传输方向的延时估计值,确定所述第一设备相对于所述第二设备的时间系统误差;
其中,所述第一设备和第二设备均为带内遥测网络设备。
一些示例性实施例中,所述第一设备相对于所述第二设备的时间系统误差=(τ-Δ)/2;
其中,τ为所述第一传输方向的延时估计值,Δ为所述第二传输方向的延时估计值。
一些示例性实施例中,根据以下方式之一确定对应传输方向的延时估计值:
根据该传输方向的多个延时样本,采用平均值法确定该传输方向的延时估计值;
根据该传输方向的多个延时样本,采用中位数法确定该传输方向的延时估计值;
根据该传输方向的多个延时样本,采用众数法确定该传输方向的延时估计值;
根据该传输方向的多个延时样本,采用概率密度估计法确定该传输方向的延时估计值。
一些示例性实施例中,所述根据该传输方向的多个延时样本,采用概率密度估计法确定该传输方向的延时估计值,包括:
采用高斯混合模型拟合所述多个延时样本的概率密度函数,根据该概率密度函数确定所述延时估计值;
或者,
采用核密度估计法拟合所述多个延时样本的概率密度函数,根据该概率密度函数确定所述延时估计值。
一些示例性实施例中,所述根据该传输方向的多个延时样本,采用概率密度估计法确定该传输方向的延时估计值,包括:
获取该传输方向的目的设备所处环境的时延噪声;
当所述时延噪声大于预设的噪声阈值时,采用高斯混合模型拟合该传输方向的多个延时样本的概率密度函数,根据该概率密度函数确定该传输方向的延时估计值;
当所述时延噪声小于或等于预设的噪声阈值时,采用核密度估计法拟合该传输方向的多个延时样本的概率密度函数,根据该概率密度函数确定该传输方向的延时估计值;
其中,所述目的设备包括:所述第一设备和所述第二设备。
一些示例性实施例中,所述高斯混合模型包含多个采用期望最大化EM 算法优化后的高斯模型。
一些示例性实施例中,所述核密度估计法中的核函数为高斯核函数。
一些示例性实施例中,所述根据所述第一传输方向的延时估计值和所述第二传输方向的延时估计值,确定所述第一设备相对于所述第二设备的时间系统误差,包括:
所述第一设备根据所获取的第一传输方向的延时估计值和第二传输方向的延时估计值,确定所述第一设备相对于所述第二设备的时间系统误差;
或者,
采集器根据所获取的第一传输方向的延时估计值和第二传输方向的延时估计值,确定所述第一设备相对于所述第二设备的时间系统误差;
所述采集器向所述第一设备发布所述第一设备相对于所述第二设备的时间系统误差。
本公开实施例还提供了一种基于带内遥测进行时间同步的系统,所述系统包括:第一设备和第二设备;
其中,所述第一设备设置为,获取第一传输方向的延时估计值和第二传输方向的延时估计值;
所述第一设备还设置为,根据所述第一传输方向的延时估计值和所述第二传输方向的延时估计值,确定所述第一设备相对于所述第二设备的时间系统误差;
或者,
所述系统包括:第一设备、第二设备和采集器;
其中,所述采集器设置为,获取第一传输方向的延时估计值和第二传输方向的延时估计值;
所述采集器还设置为,根据所述第一传输方向的延时估计值和所述第二传输方向的延时估计值,确定所述第一设备相对于所述第二设备的时间系统误差;
所述采集器还设置为,将所确定的时间系统误差发布给所述第一设备;
其中,所述第一传输方向的延时估计值根据第一传输方向的多个延时样本确定,所述第二传输方向的延时估计值根据第二传输方向的多个延时样本确定;所述第一传输方向为所述第二设备到所述第一设备的方向,所述第二传输方向为所述第一设备到所述第二设备的方向;
所述第一设备和第二设备均为带内遥测网络设备。
本公开实施例还提供了一种电子装置,包括存储器和处理器,所述存储器中存储有用于进行时间同步的计算机程序,所述处理器被设置为读取并运行所述用于进行时间同步的计算机程序以执行上述任一种基于带内遥测进行时间同步的方法。
在阅读并理解了附图和详细描述后,可以明白其他方面。
附图说明
图1为相关技术中网络遥测组网模型;
图2为相关技术中网络遥测组成元素示意图;
图3为相关技术中IFIT协议结构示意图;
图4为本公开实施例中典型的网络结构示意图;
图5为本公开实施例中网络设备间的数据包发送和到达时间示意图;
图6为本公开一个实施例中进行时间同步的流程图;
图7为本公开另一个实施例中进行时间同步的流程图;
图8为本公开一个实施例中混合高斯模型拟合概率密度的示意图;
图9为本公开一个实施例中核密度估计法拟合出概率密度的示意图;
图10为本公开另一个实施例中基于带内遥测进行时间同步的流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图及具体实施例对本发明作进一步的详细描述。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互任意组合。
下述步骤编号不限定特定的执行顺序,根据具体实施例部分步骤能够调整其执行顺序。应当注意,这里描述的实施例只用于举例说明,并不用于限制本公开所提供的方案。在以下描述中,为了提供对本发明的透彻理解,阐述了大量特定细节。然而,对于本领域普通技术人员而言不必采用这些特定细节来实行本公开方案,可以采用本领域技术人员知晓的相关技术方案实现相关特定细节。
实施例一
在网络中,网络设备A(第二设备)、B(第一设备)能够将选定的数据包打上时间戳,管理员可以通过集中的控制器、或者进行各个设备的单独配置来决定哪些数据包可以打上时间戳。时间戳可以是接收时间戳、发送时间戳,或者二者都有。路由设备可以是相邻的,也可以中间间隔其他的网络设备。打时间戳的机制为带内遥测机制,可以但不限于是INT协议或者华为的 IFIT协议。一个典型的网络如图4所示。
在一个典型的网络中,网络中的其他网络设备都知道时钟源网络设备的标识,在进行时间同步时,如果和时钟源所在的网络设备直接连接,则优先与时钟源进行同步,如果与时钟源网络设备中间还有其他网络设备,则可以选择与时钟源同步,也可以选择与中间间隔的网络设备同步。举例而言,图4 中网络设备A将与时钟源进行同步,而网络设备B则可以选择与时钟源同步,也可以选择与网络设备A进行同步。
以图4为例,假设网络设备B(第一设备)需要与网络设备A(第二设备) 进行同步,通过带内网络遥测技术,每一段时间内,网络设备B会得到关于网络设备A的若干时间戳样本,如图5所示。这些就是来自于网络设备A的、具有时间戳的N个数据包,其中Atx_1、A tx_2、…、A tx_N为网络设备A 发送数据包的时间信息(时间戳)。网络设备B根据自己的时间信息(接收到N个数据包的时间信息)Brx_1、B rx_2、…、B rx_N,根据各个数据包得到的时间戳,得到相应的单向延时τ1=B rx_1-A tx_1、τ2=B rx_2-A tx_2、…、τN=B rx_N-A tx_N,这些值可以得到最后的A到B的单向时延估计τ=TA-B,也称为第一传输方向的延时估计值。同样,网络设备A上,也会得到关于网络设备B的若干时间戳样本,这些就是来自于网络设备B的、具有时间戳的 M个数据包,其中Btx_1、B tx_2、…、B tx_M,为网络设备B发送数据包的时间信息(时间戳)。网络设备A根据自己的时间信息(接收到M个数据包的时间信息)Arx_1、A rx_2、…、A rx_M,根据各个数据包得到的时间戳,得到相应的单向延时Δ1=A rx_1-B tx_1、Δ2=A rx_2-B tx_2、…、ΔM=A rx_M-B rx_M。最后得到Δ=TB-A,也称为第二传输方向的延时估计值。
在网络遥测中,网络设备B可以得到B rx_1-A tx_1、B rx_2-A tx_2、…、 B rx_N-A tx_N,但是网络设备A的各个数据包接收时间A rx_1、A rx_2、…、 A rx_M,则无法直接得到。为此,需要通过网络遥测的接口获得,这些方法包括使用grpc的dial-in方式,直接向网络设备A查询;或者,通过采集器提供的接口来进行查询等。根据得到估值的位置,可以分成两种情况,具体的流程如图6和图7所示。
一些示例性实施例中,一种基于带内遥测进行时间同步的方法,其流程如图6所示,包括:
601)网络设备B和A分别根据所得到的单向延时样本,得到相应的TA-B的估计值τ(第一传输方向的延时估计值)和TB-A的估计值Δ(第二传输方向的延时估计值)。
602)网络设备B向网络设备A请求获得TB-A的估计值Δ。
603)网络设备B计算网络设备B相对于网络设备A的时间系统误差(τ -Δ)/2。
一些示例性实施例中,一种基于带内遥测进行时间同步的方法,其流程如图7所示,包括:
701)网络设备B和A分别将所得到的单向延时样本,上传到采集器中。
702)采集器根据所得到的单向延时样本,得到相应的TA-B的估计值τ(第一传输方向的延时估计值)和TB-A的估计值Δ(第二传输方向的延时估计值)。
703)采集器计算B相对于A的时间系统误差(τ-Δ)/2。
704)采集器通过控制接口将系统误差发布给网络设备B。
一些示例性实施例中,以第一传输方向(网络设备A到网络设备B的方向)为例,确定该方向的延时估计值τ包括:
在多个单向延时τ1、τ2、τ3、,…,τN构成的样本集合中,得到其估计值,有很多相应的算法。其中,τ1=B rx_1-A tx_1、τ2=B rx_2-A tx_2、…、τN=B rx_N-A tx_N。
一些示例性实施例中,可以使用多个单向延时的平均值来估计实际单向延时τ=(τ1+τ2、+…+τN)/N。
一些示例性实施例中,也可以使用中位数、众数来进行估计,中位数是一组数据中间位置上的代表值;其特点是不受数据极端值的影响。对于具有偏态分布的数据,中位数的代表性要比均值好。在一组排好序数据中,数据数量为奇数,则中值为中间的那个数。如果数据数量为偶数,则中值为中间的那两个数值的平均值。
一些示例性实施例中,当数据的分布具有明显的集中趋势时,尤其是对于偏态分布,众数的代表性比均值要好。概率密度估计方法用于估计一组数据集的概率密度分布,分为参数估计方法和非参数估计方法。
一些示例性实施例中,可以采用概率密度估计法,根据多个延时样本,确定对应的延时估计值。
一些示例性实施例中,采用概率密度估计法,确定对应的延时估计值,包括参数估计法和非参数估计法。
一些示例性实施例中,参数估计法:高斯混合模型
假定样本集符合某一概率分布,然后根据样本集拟合该分布中的参数,例如:极大似然估计,混合高斯等,由于参数估计方法中需要加入主观的先验知识,往往很难拟合出与真实分布的模型;
非参数估计法:核密度估计法
非参数估计并不加入任何先验知识,而是根据数据本身的特点、性质来拟合分布,这样能比参数估计方法得出更好的模型。如核密度估计就是非参数估计中的一种。
一些示例性实施例中,假设混合高斯模型由K个高斯模型组成(即数据包含K个类),则高斯混合模型(Gaussian Mixture Model,GMM)的概率密度函数如下:
其中,p(x|k)=N(x|μk,Σk)是第k个高斯模型的概率密度函数,可以看成在选定第k个模型后,该模型产生x的概率;p(k)=πk是第k个高斯模型的权重,称作选择第k个模型的先验概率,且满足在本实施例中,x代表单向时延数据τ。
本领域技术人员应该理解,高斯混合模型本质是融合了多个单高斯模型,使得模型更加复杂,从而产生更复杂的样本。理论上如果某个混合高斯模型融合的高斯模型个数足够多,它们之间的权重设定得足够合理,这个混合模型可以拟合任意分布的样本。其拟合示意图如图8。一般技术人员可以理解,图8中最上面的曲线是由混合高斯模型拟合得到的曲线,下面3条曲线是3 个单高斯模型对应的曲线,它们分别是满足不同参数组合(如均值、方差组合)的单高斯分布曲线。
以第k个高斯模型为例,针对高斯混合模型其中第k个高斯模型的参数πk,μk,Σk,使用期望最大化EM算法(Expectation-Maximization algorithm)进行优化,EM算法可以用于解决数据缺失的参数估计问题(隐变量的存在实际上就是数据缺失问题,缺失了各个样本来源于哪一类的记录)。EM算法分两步,第一步先求出要估计参数的粗略值,第二步使用第一步的值最大化似然函数。
一些示例性实施例中,其算法步骤如下:
1.定义分量k,即k=1,2,…,K,其中K代表高斯模型的数量,为每个分量 k设置πk,μk,Σk的初始值,计算式(1)的对数似然函数。在本实施例中,πk,μk,Σk分别代表第k个高斯分布的权重,均值和方差。
2.执行E-step:
根据当前的πk,μk,Σk计算后验概率γ(znk),γ(znk)表示某一采样点n,即该单项时延τn属于第k个高斯分布的后验概率。
3.执行M-step:
根据E-step中计算的γ(znk)计算新的πk,μk,Σk
其中:
N表示采样点的数量,即本实施例中的单向时延数据集容量大小。
4.计算式(1)的对数似然函数
检查参数是否收敛或对数似然函数是否收敛,若不收敛,则返回第2步。即在检查参数或函数收敛之后,就确定了对于每一个单高斯模型的πk,μk,Σk参数,将这些求得的参数带回p(x)即可得到混合模型的概率密度函数。
即采用高斯混合模型,拟合得到多个单向延时τ1、τ2、τ3、,…,τN 构成的样本集合的概率密度函数,进而根据该概率密度函数确定所述延时估计值。
一些示例性实施例中,选取该高斯混合模型曲线上一个点的横坐标作为所述延时估计值;或者,取该曲线上多个波峰的横坐标的平均值作为时延估计值;或者,也可以取该曲线上最高波峰点的横坐标作为时延估计值。本领域技术人员可以根据情况选定,不限于这里所例举的具体方式。
核密度估计法(Kernel density estimation,KDE)是在概率论中用来估计未知的密度函数,属于非参数检验方法之一。它不利用有关数据分布的先验知识,对数据分布不附加任何假定,是一种从数据样本出发研究数据分布特征的方法,在统计学理论和应用领域均受到高度的重视。核密度估计并不是找到真正的分布函数,它通过核函数(如高斯)将每个数据点的数据+带宽当作核函数的参数,得到N个核函数,再线性叠加形成核密度的估计函数,归一化后即为核密度概率密度函数。因此核密度估计的算法原理核心步骤描述如下:
1.每一观测附近用一个正态分布曲线近似;
2.叠加所有观测的正态分布曲线;
3.归一化带宽参数用于近似正态分布曲线的宽度。
这里的“观测”可以理解为在同一个采样点的多条单向时延数据τi,观测附近指的是一条时延数据结果的极小范围,将每一个极小范围进行正态分布近似再叠加,即可得到完整的正态分布曲线。
一些示例性实施例中,采用核密度估计法,确定对应的延时估计值,包括:
设单向时延数据集包含N个样本{τ1、τ2、τ3、,…,τN},对这N个样本进行核函数拟合,将这N个概率密度函数进行叠加便得到了整个样本集的概率密度函数,则峰值点所处的横坐标即为估计的单向时延τ。拟合叠加过程如图9所示。在该示例中,左侧的矩形分布可代表不同单向时延数值的概率分布,右图是左图的另一种展示,意义相同,右图最上面的曲线代表核密度估计法得到的最终数据分布拟合曲线。
KDE核密度估计的算法伪代码描述见算法1。
算法1.KDE核密度估计法.
输入:单向时延数据τ1、τ2、τ3、,…,τN
输出:估计的单向时延τ
一些示例性实施例中,所述kde.fit拟合包括:采用Python第三方函数库statamodels中的kde.fit功能(函数)。该功能为数据拟合主方法,得到数据集分布的KDE近似拟合曲线,示例如下:
statsmodels.nonparametric.api.KDEUnivariate(Data).fit(self, kernel="gau",bw="scott",fft=True,weights=None,gridsize=None,adjust=1, cut=3,clip=(-np.inf,np.inf));
其中,gau表示高斯核函数;
一些示例性实施例中,可引用的核函数还包括:{'cos'|'biw'|'epa'|'tri'|‘triw’};当带宽是最优选择时,核密度估计对核函数的选择并不敏感,采用其他核函数可以达到相似的技术效果。
即采用核密度估计法,拟合得到多个单向延时τ1、τ2、τ3、,…,τN 构成的样本集合的概率密度函数,进而根据该概率密度函数确定所述延时估计值。
核密度估计采用单一模型,导致采样样本中存在的噪声使最终结果的噪点较多,并且对于细节如轮廓边缘处理过于粗糙。而混合高斯模型对每个像素点建立多个高斯分布,能更精确描述数据特征,但计算量较大,算法复杂。一些示例性实施例中,在进行单向时延的测量估计时,根据当前网络节点所处的环境判断是否存在较大的时延噪声,若噪声较小,可直接选择核密度估计算法,若噪声较大,可选择高斯混合模型算法。
一些示例性实施例中,对于网络设备B,获取网络设备B所处的环境的时延噪声,当所述时延噪声大于预设的噪声阈值时,采用高斯混合模型拟合所述第一传输方向(网络设备A到网络设备B的方向)的多个单向时延样本,确定概率密度函数;当所述时延噪声小于或等于预设的噪声阈值时,采用核密度估计法拟合所述第一传输方向的多个单向时延样本,确定概率密度函数。
其中,时延噪声通常指多个延时样本数据集中存在着错误或异常(偏离期望值)的数据,这些数据对之后分析可能造成干扰。一些示例性实施例中,定义数据偏离阈值,如果延时样本数据集中某样本数值>该阈值,那么该样本数据则为时延噪声。假设时延一般在0.1s内,那么某一次测量的时延若>0.1s, 则这一时延是噪声。阈值通常需要根据实际环境人为判断来选择合理的大小。
一些示例性实施例中,确定第二传输方向(网络设备B到网络设备A的方向)的延时估计值Δ采用与确定第一传输方向的延时估计值τ相似的方式,在此不进行一一赘述。
实施例二
本公开实施例还提供了一种基于带内遥测进行时间同步的方法,其流程如图10所示,包括:
步骤101,获取第一传输方向的延时估计值和第二传输方向的延时估计值;
步骤102,根据所述第一传输方向的延时估计值和所述第二传输方向的延时估计值,确定所述第一设备相对于所述第二设备的时间系统误差;
其中,所述第一传输方向的延时估计值根据第一传输方向的多个延时样本确定,所述第二传输方向的延时估计值根据第二传输方向的多个延时样本确定;
所述第一传输方向为第二设备到第一设备的方向,所述第二传输方向为所述第一设备到所述第二设备的方向;
其中,所述第一设备和第二设备均为带内遥测网络设备。
一些示例性实施例中,所述第一设备相对于所述第二设备的时间系统误差=(τ-Δ)/2;
其中,τ为所述第一传输方向的延时估计值,Δ为所述第二传输方向的延时估计值。
一些示例性实施例中,根据以下方式之一确定对应传输方向的延时估计值:
根据该传输方向的多个延时样本,采用平均值法确定该传输方向的延时估计值;
根据该传输方向的多个延时样本,采用中位数法确定该传输方向的延时估计值;
根据该传输方向的多个延时样本,采用众数法确定该传输方向的延时估计值;
根据该传输方向的多个延时样本,采用概率密度估计法确定该传输方向的延时估计值。
一些示例性实施例中,所述根据该传输方向的多个延时样本,采用概率密度估计法确定该传输方向的延时估计值,包括:
采用高斯混合模型拟合所述多个延时样本的概率密度函数,根据该概率密度函数确定所述延时估计值;
或者,
采用核密度估计法拟合所述多个延时样本的概率密度函数,根据该概率密度函数确定所述延时估计值。
一些示例性实施例中,所述根据该传输方向的多个延时样本,采用概率密度估计法确定该传输方向的延时估计值,包括:
获取该传输方向的目的设备所处环境的时延噪声;
当所述时延噪声大于预设的噪声阈值时,采用高斯混合模型拟合该传输方向的多个延时样本的概率密度函数,根据该概率密度函数确定该传输方向的延时估计值;
当所述时延噪声小于或等于预设的噪声阈值时,采用核密度估计法拟合该传输方向的多个延时样本的概率密度函数,根据该概率密度函数确定该传输方向的延时估计值;
其中,所述目的设备包括:所述第一设备和所述第二设备。
一些示例性实施例中,所述高斯混合模型包含多个采用期望最大化EM 算法优化后的高斯模型。
一些示例性实施例中,假设混合高斯模型由K个高斯模型组成(即数据包含K个类),则高斯混合模型(Gaussian Mixture Model,GMM)的概率密度函数如下:
其中,p(x|k)=N(x|μk,Σk)是第k个高斯模型的概率密度函数,可以看成在选定第k个模型后,该模型产生x的概率;p(k)=πk是第k个高斯模型的权重,称作选择第k个模型的先验概率,且满足在本实施例中,x代表单向时延数据τ。
以第k个高斯模型为例,针对高斯混合模型其中第k个高斯模型的参数πk,μk,Σk,使用期望最大化EM算法(Expectation-Maximization algorithm)进行优化,EM算法可以用于解决数据缺失的参数估计问题(隐变量的存在实际上就是数据缺失问题,缺失了各个样本来源于哪一类的记录)。EM算法分两步,第一步先求出要估计参数的粗略值,第二步使用第一步的值最大化似然函数。相关具体步骤参照实施例一所记载,在此不再赘述。
一些示例性实施例中,所述核密度估计法中的核函数为高斯核函数。
一些示例性实施例中,所述核密度估计法中的核函数还包括以下函数之一:cos、biw、epa、tri、triw。采用核密度估计法拟合得到多个延时样本的概率密度函数的进一步细节步骤参照实施例一所记载,在此不再赘述。
一些示例性实施例中,所述根据所述第一传输方向的延时估计值和所述第二传输方向的延时估计值,确定所述第一设备相对于所述第二设备的时间系统误差,包括:
所述第一设备根据所获取的第一传输方向的延时估计值和第二传输方向的延时估计值,确定所述第一设备相对于所述第二设备的时间系统误差;
或者,
采集器根据所获取的第一传输方向的延时估计值和第二传输方向的延时估计值,确定所述第一设备相对于所述第二设备的时间系统误差;
所述采集器向所述第一设备发布所述第一设备相对于所述第二设备的时间系统误差。
实施例三
本公开实施例还提供了一种基于带内遥测进行时间同步的装置,包括:
延时估计模块,设置为获取第一传输方向的延时估计值和第二传输方向的延时估计值;
时间系统误差确定模块,设置为根据所述第一传输方向的延时估计值和所述第二传输方向的延时估计值,确定所述第一设备相对于所述第二设备的时间系统误差;
其中,所述第一传输方向的延时估计值根据第一传输方向的多个延时样本确定,所述第二传输方向的延时估计值根据第二传输方向的多个延时样本确定;
所述第一传输方向为第二设备到第一设备的方向,所述第二传输方向为所述第一设备到所述第二设备的方向;
其中,所述第一设备和第二设备均为带内遥测网络设备。
实施例四
本公开实施例还提供了一种基于带内遥测进行时间同步的系统,包括:
第一设备和第二设备;
其中,所述第一设备设置为,获取第一传输方向的延时估计值和第二传输方向的延时估计值;
所述第一设备还设置为,根据所述第一传输方向的延时估计值和所述第二传输方向的延时估计值,确定所述第一设备相对于所述第二设备的时间系统误差;
其中,所述第一传输方向的延时估计值根据第一传输方向的多个延时样本确定,所述第二传输方向的延时估计值根据第二传输方向的多个延时样本确定;所述第一传输方向为所述第二设备到所述第一设备的方向,所述第二传输方向为所述第一设备到所述第二设备的方向;
所述第一设备和第二设备均为带内遥测网络设备。
一些示例性实施例中,所述第一设备获取第一传输方向的延时估计值,包括:所述第一设备根据第一传输方向的多个延时样本确定第一传输方向的延时估计值;
所述第一设备获取第二传输方向的延时估计值,包括:所述第一设备从所述第二设备获取所述第二传输方向的延时估计值;所述第二传输方向的延时估计值是所述第二设备根据第二传输方向的多个延时样本确定。
实施例五
本公开实施例还提供了一种基于带内遥测进行时间同步的系统,包括:所述系统包括:第一设备、第二设备和采集器;
其中,所述采集器设置为,获取第一传输方向的延时估计值和第二传输方向的延时估计值;
所述采集器还设置为,根据所述第一传输方向的延时估计值和所述第二传输方向的延时估计值,确定所述第一设备相对于所述第二设备的时间系统误差;
所述采集器还设置为,将所确定的时间系统误差发布给所述第一设备;
其中,所述第一传输方向的延时估计值根据第一传输方向的多个延时样本确定,所述第二传输方向的延时估计值根据第二传输方向的多个延时样本确定;所述第一传输方向为所述第二设备到所述第一设备的方向,所述第二传输方向为所述第一设备到所述第二设备的方向;
所述第一设备和第二设备均为带内遥测网络设备。
一些示例性实施例中,所述采集器获取第一传输方向的延时估计值,包括:所述采集器从所述第一设备获取所述第一传输方向的延时估计值;所述第一传输方向的延时估计值是所述第一设备根据第一传输方向的多个延时样本确定;
所述采集器获取第二传输方向的延时估计值,包括:所述采集器从所述第二设备获取所述第二传输方向的延时估计值;所述第二传输方向的延时估计值是所述第二设备根据第二传输方向的多个延时样本确定。
一些示例性实施例中,所述采集器获取第一传输方向的延时估计值,包括:所述采集器获取第一传输方向的多个延时样本,并根据所述第一传输方向的多个延时样本确定所述第一传输方向的延时估计值;
所述采集器获取第二传输方向的延时估计值,包括:所述采集器获取第二传输方向的多个延时样本,并根据所述第二传输方向的多个延时样本确定所述第二传输方向的延时估计值。
本公开实施例还提供一种电子装置,包括存储器和处理器,所述存储器中存储有用于进行时间同步的计算机程序,所述处理器被设置为读取并运行所述用于进行时间同步的计算机程序以执行上述任一所述的时间同步的方法。
本公开实施例还提供一种存储介质,所述存储介质中存储有计算机程序,其中,所述计算机程序被设置为运行时执行上述任一所述的时间同步的方法。
本公开所提供的时间同步方案,基于网络遥测来进行时间同步,避免了时间同步客户端带来的带宽开销,在进行网络遥测的同时实现了更高精度的网络时间同步。此方案可以在路由器、交换机等网络基础设施上实现。
本领域普通技术人员可以理解,上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中,在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分;例如,一个物理组件可以具有多个功能,或者一个功能或步骤可以由若干物理组件合作执行。某些组件或所有组件可以被实施为由处理器,如数字信号处理器或微处理器执行的软件,或者被实施为硬件,或者被实施为集成电路,如专用集成电路。这样的软件可以分布在计算机可读介质上,计算机可读介质可以包括计算机存储介质(或非暂时性介质) 和通信介质(或暂时性介质)。如本领域普通技术人员公知的,术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外,本领域普通技术人员公知的是,通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据,并且可包括任何信息递送介质。
Claims (9)
1.一种基于带内遥测进行时间同步的方法,其特征在于,包括,
获取第一传输方向的延时估计值和第二传输方向的延时估计值;其中,所述第一传输方向的延时估计值根据第一传输方向的多个延时样本确定,所述第二传输方向的延时估计值根据第二传输方向的多个延时样本确定;所述第一传输方向为第二设备到第一设备的方向,所述第二传输方向为所述第一设备到所述第二设备的方向;
根据所述第一传输方向的延时估计值和所述第二传输方向的延时估计值,确定所述第一设备相对于所述第二设备的时间系统误差;
其中,所述第一设备和第二设备均为带内遥测网络设备;所述第一设备和所述第二设备是带内遥测机制数据传输的转发设备;所述第一设备的延时样本的时间戳是通过网络遥测的接口获得,所述第二设备的延时样本的时间戳是通过网络遥测的接口获得;打时间戳的机制为带内遥测机制,该机制包括INT协议或IFIT协议;
所述根据所述第一传输方向的延时估计值和所述第二传输方向的延时估计值,确定所述第一设备相对于所述第二设备的时间系统误差,包括:
所述第一设备根据所获取的第一传输方向的延时估计值和第二传输方向的延时估计值,确定所述第一设备相对于所述第二设备的时间系统误差;
或者,
采集器根据所获取的第一传输方向的延时估计值和第二传输方向的延时估计值,确定所述第一设备相对于所述第二设备的时间系统误差;
所述采集器向所述第一设备发布所述第一设备相对于所述第二设备的时间系统误差。
2.根据权利要求1所述的方法,其特征在于,
所述第一设备相对于所述第二设备的时间系统误差=(τ-Δ)/2;
其中,τ为所述第一传输方向的延时估计值,Δ为所述第二传输方向的延时估计值。
3.根据权利要求1或2所述的方法,其特征在于,
根据以下方式之一确定对应传输方向的延时估计值:
根据该传输方向的多个延时样本,采用平均值法确定该传输方向的延时估计值;
根据该传输方向的多个延时样本,采用中位数法确定该传输方向的延时估计值;
根据该传输方向的多个延时样本,采用众数法确定该传输方向的延时估计值;
根据该传输方向的多个延时样本,采用概率密度估计法确定该传输方向的延时估计值。
4.根据权利要求3所述的方法,其特征在于,
所述根据该传输方向的多个延时样本,采用概率密度估计法确定该传输方向的延时估计值,包括:
采用高斯混合模型拟合所述多个延时样本的概率密度函数,根据该概率密度函数确定所述延时估计值;
或者,
采用核密度估计法拟合所述多个延时样本的概率密度函数,根据该概率密度函数确定所述延时估计值。
5.根据权利要求3所述的方法,其特征在于,
所述根据该传输方向的多个延时样本,采用概率密度估计法确定该传输方向的延时估计值,包括:
获取该传输方向的目的设备所处环境的时延噪声;
当所述时延噪声大于预设的噪声阈值时,采用高斯混合模型拟合该传输方向的多个延时样本的概率密度函数,根据该概率密度函数确定该传输方向的延时估计值;
当所述时延噪声小于或等于预设的噪声阈值时,采用核密度估计法拟合该传输方向的多个延时样本的概率密度函数,根据该概率密度函数确定该传输方向的延时估计值;
其中,所述目的设备包括:所述第一设备和所述第二设备。
6.根据权利要求4所述的方法,其特征在于,
所述高斯混合模型包含多个采用期望最大化EM算法优化后的高斯模型。
7.根据权利要求4所述的方法,其特征在于,
所述核密度估计法中的核函数为高斯核函数。
8.一种基于带内遥测进行时间同步的系统,其特征在于,
所述系统包括:第一设备和第二设备;
其中,所述第一设备设置为,获取第一传输方向的延时估计值和第二传输方向的延时估计值;
所述第一设备还设置为,根据所述第一传输方向的延时估计值和所述第二传输方向的延时估计值,确定所述第一设备相对于所述第二设备的时间系统误差;
或者,
所述系统包括:第一设备、第二设备和采集器;
其中,所述采集器设置为,获取第一传输方向的延时估计值和第二传输方向的延时估计值;
所述采集器还设置为,根据所述第一传输方向的延时估计值和所述第二传输方向的延时估计值,确定所述第一设备相对于所述第二设备的时间系统误差;
所述采集器还设置为,将所确定的时间系统误差发布给所述第一设备;
其中,所述第一传输方向的延时估计值根据第一传输方向的多个延时样本确定,所述第二传输方向的延时估计值根据第二传输方向的多个延时样本确定;所述第一传输方向为所述第二设备到所述第一设备的方向,所述第二传输方向为所述第一设备到所述第二设备的方向;
所述第一设备和第二设备均为带内遥测网络设备,所述第一设备和所述第二设备是基于带内遥测进行时间同步的系统中数据传输的转发设备;所述第一设备的延时样本的时间戳是通过网络遥测的接口获得,所述第二设备的延时样本的时间戳是通过网络遥测的接口获得;打时间戳的机制为带内遥测机制,该机制包括INT协议或IFIT协议。
9.一种电子装置,包括存储器和处理器,其特征在于,所述存储器中存储有用于进行时间同步的计算机程序,所述处理器被设置为读取并运行所述用于进行时间同步的计算机程序以执行所述权利要求1至7任一项中所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011358994.6A CN112491489B (zh) | 2020-11-27 | 2020-11-27 | 基于带内遥测进行时间同步的方法、装置和系统 |
US17/412,754 US11558267B2 (en) | 2020-11-27 | 2021-08-26 | Method, apparatus, and system for time synchronization based on in-band telemetry |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011358994.6A CN112491489B (zh) | 2020-11-27 | 2020-11-27 | 基于带内遥测进行时间同步的方法、装置和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112491489A CN112491489A (zh) | 2021-03-12 |
CN112491489B true CN112491489B (zh) | 2022-07-29 |
Family
ID=74935941
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011358994.6A Active CN112491489B (zh) | 2020-11-27 | 2020-11-27 | 基于带内遥测进行时间同步的方法、装置和系统 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11558267B2 (zh) |
CN (1) | CN112491489B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113067773B (zh) * | 2021-03-16 | 2022-05-17 | 中国科学技术大学 | 基于协议无感知的段路由与带内遥测融合方法 |
CN115766552B (zh) * | 2022-11-04 | 2024-05-31 | 西安电子科技大学 | 基于SRv6与INT的网络测量方法和装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102932905A (zh) * | 2011-08-10 | 2013-02-13 | 中兴通讯股份有限公司 | 自动补偿1588链路非对称性时延的实现方法及系统 |
CN104202190A (zh) * | 2014-09-02 | 2014-12-10 | 百度在线网络技术(北京)有限公司 | 一种网络链路监控方法及设备 |
CN108848415A (zh) * | 2018-05-04 | 2018-11-20 | 北京大学 | 一种自适应学习的网络实时视频传输方法及装置 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6334219B1 (en) * | 1994-09-26 | 2001-12-25 | Adc Telecommunications Inc. | Channel selection for a hybrid fiber coax network |
US8711038B2 (en) * | 2006-10-05 | 2014-04-29 | Her Majesty The Queen In Right Of Canada As Represented By The Minister Of Industry, Through The Communications Research Centre Canada | High-resolution ranging and location finding using multicarrier signals |
US9385917B1 (en) * | 2011-03-31 | 2016-07-05 | Amazon Technologies, Inc. | Monitoring and detecting causes of failures of network paths |
US10389643B1 (en) * | 2016-01-30 | 2019-08-20 | Innovium, Inc. | Reflected packets |
US10341748B2 (en) * | 2017-07-05 | 2019-07-02 | Infinera Corporation | Packet-optical in-band telemetry (POINT) framework |
CN108957403B (zh) * | 2018-06-09 | 2022-07-12 | 西安电子科技大学 | 一种基于广义互相关的高斯拟合包络时延估计方法及系统 |
US11005777B2 (en) * | 2018-07-10 | 2021-05-11 | At&T Intellectual Property I, L.P. | Software defined prober |
-
2020
- 2020-11-27 CN CN202011358994.6A patent/CN112491489B/zh active Active
-
2021
- 2021-08-26 US US17/412,754 patent/US11558267B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102932905A (zh) * | 2011-08-10 | 2013-02-13 | 中兴通讯股份有限公司 | 自动补偿1588链路非对称性时延的实现方法及系统 |
CN104202190A (zh) * | 2014-09-02 | 2014-12-10 | 百度在线网络技术(北京)有限公司 | 一种网络链路监控方法及设备 |
CN108848415A (zh) * | 2018-05-04 | 2018-11-20 | 北京大学 | 一种自适应学习的网络实时视频传输方法及装置 |
Non-Patent Citations (2)
Title |
---|
基于NT技术中链路时延推测算法的分析研究;马宏艳,吴辰文;《信息安全与技术》;20130310;全文 * |
概率密度估计方法-核密度估计和高斯混合分布;PLilyX;《CSDN》;20181209;第1-2页 * |
Also Published As
Publication number | Publication date |
---|---|
US11558267B2 (en) | 2023-01-17 |
US20220173986A1 (en) | 2022-06-02 |
CN112491489A (zh) | 2021-03-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tsang et al. | Network delay tomography | |
Presti et al. | Multicast-based inference of network-internal delay distributions | |
US6839754B2 (en) | Network tomography using closely-spaced unicast packets | |
CN112491489B (zh) | 基于带内遥测进行时间同步的方法、装置和系统 | |
Zarifzadeh et al. | Range tomography: combining the practicality of boolean tomography with the resolution of analog tomography | |
US9813442B2 (en) | Server grouping system | |
EP3357194B1 (en) | Analysis of network performance | |
US8233402B2 (en) | Multicast-based inference of temporal loss characteristics in packet data networks | |
Fontugne et al. | An empirical mixture model for large-scale RTT measurements | |
Sommers et al. | Multiobjective monitoring for SLA compliance | |
Fontes et al. | Improving the ns-3 tracebasedpropagationlossmodel to support multiple access wireless scenarios | |
Lin et al. | Ofbench: Performance test suite on openflow switches | |
CN103532931B (zh) | 数据流传输性能的测试方法、服务器及测试系统 | |
Qiao et al. | Efficient loss inference algorithm using unicast end-to-end measurements | |
Budiyanto et al. | Classification of network status in academic information systems using naive Bayes algorithm method | |
Lawrence et al. | Maximum likelihood estimation of internal network link delay distributions using multicast measurements | |
Wang et al. | An FPGA-based high-speed network performance measurement for RFC 2544 | |
Fu et al. | Every timestamp counts: Accurate tracking of network latencies using reconcilable difference aggregator | |
Begin et al. | Towards an automatic modeling tool for observed system behavior | |
Aschenbruck et al. | An integrated simulation environment for sensor data fusion applications in wireless mesh networks | |
Guillén et al. | A model to evaluate the performance of IoT applications | |
Tsang | Network tomography in theory and practice | |
CN116962143B (zh) | 网络故障检测方法、装置、计算机设备和存储介质 | |
Fei et al. | Time‐varying network link loss rate tracking from unicast end‐to‐end measurements | |
WO2023084282A1 (en) | Network analytics system with data loss detection |
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 |