CN113127693B - 一种流量数据包统计方法、装置、设备及存储介质 - Google Patents
一种流量数据包统计方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113127693B CN113127693B CN201911417864.2A CN201911417864A CN113127693B CN 113127693 B CN113127693 B CN 113127693B CN 201911417864 A CN201911417864 A CN 201911417864A CN 113127693 B CN113127693 B CN 113127693B
- Authority
- CN
- China
- Prior art keywords
- statistical
- statistical rule
- address
- red
- node
- 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 65
- 238000004891 communication Methods 0.000 claims description 39
- 238000004590 computer program Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000005540 biological transmission Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 abstract description 17
- 238000007619 statistical method Methods 0.000 abstract description 4
- 238000004422 calculation algorithm Methods 0.000 description 18
- 238000012545 processing Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 229910002056 binary alloy Inorganic materials 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
- G06F16/9027—Trees
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/90335—Query processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/906—Clustering; Classification
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Environmental & Geological Engineering (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明实施例提供了一种流量数据包统计方法、装置、设备及存储介质,获取统计规则信息;获取待统计流量数据包的分类结果;获取红黑树节点总个数;确定该统计规则覆盖的红黑树中的最大节点个数;计算在红黑树中查找目标节点的第一时间复杂度,和将红黑树中各节点对应的地址特征信息与该统计规则包含的地址特征信息进行逻辑匹配的第二时间复杂度;若第一时间复杂度小于第二时间复杂度,在红黑树中查找目标节点;否则,将红黑树中各节点对应的地址特征信息与该统计规则包含的地址特征信息进行逻辑匹配,确定目标节点;统计该网络用户对应的所有统计规则确定的各个目标节点的数据包流量的总和,作为该网络用户的统计结果,减少统计过程中的计算量。
Description
技术领域
本发明涉及网络通信技术领域,特别是涉及一种流量数据包统计方法、装置、设备及存储介质。
背景技术
对网络流量进行统计,可以为流量计费以及网络流量管理提供依据。
流量数据包的包头中包含有数据包的源IP地址(Internet Protocol Addres,网络协议地址)、目的IP地址、源端口及目的端口等多个信息。目前,进行流量统计时,首先,选择上述信息中的一个或者多个作为流量数据包的地址特征信息,对待统计的数据包进行分类,得到多个数据包分组,各数据包分组对应不同的地址特征信息。然后,将需要进行流量统计的网络用户的流量数据包地址特征信息分别与上述各数据包分组对应的地址特征信息进行对比,确定出与网络用户对应的数据包分组,并对数据包分组中的所有流量数据包的数据量大小求和,从而得到该网络用户的流量统计结果。
采用上述方法进行流量统计时,若需要进行流量统计的网络用户较多,或者数据包分组数量较多,将网络用户的流量数据包地址特征信息分别与各数据包分组对应的地址特征信息进行对比时,计算量较大,资源损耗较多。
发明内容
本发明实施例的目的在于提供一种流量数据包统计方法、装置、设备及存储介质,以减少统计过程中的计算量。具体技术方案如下:
第一方面,本发明实施例提供了一种流量数据包统计方法,应用于流量统计设备,所述方法包括:
获取基于各个网络用户的流量数据包地址特征信息确定的统计规则信息,所述统计规则信息中包括:分别与所述各个网络用户对应的统计规则,一个网络用户对应一个或多个统计规则;每个统计规则中包含一个或多个流量数据包地址特征信息;每个网络用户对应的统计规则中的地址特征信息,为预先根据该网络用户使用的网络地址对应设置的;
获取待统计流量数据包的分类结果,所述分类结果以红黑树方式存储,所述红黑树中的每个节点表示一个流量数据包分组,每个流量数据包分组与一个地址特征信息对应;
获取所述红黑树节点总个数;
针对所述统计规则信息中的每个统计规则,确定该统计规则覆盖的所述红黑树中的最大节点个数;
基于所述红黑树节点总个数和所述最大节点个数,计算在所述红黑树中查找目标节点的第一时间复杂度,和将所述红黑树中各节点对应的地址特征信息与该统计规则包含的地址特征信息进行逻辑匹配的第二时间复杂度;其中,所述目标节点为与该统计规则包含的地址特征信息对应的节点;
若所述第一时间复杂度小于所述第二时间复杂度,则在所述红黑树中查找所述目标节点;若所述第一时间复杂度不小于所述第二时间复杂度,则将所述红黑树中各节点对应的地址特征信息与该统计规则包含的地址特征信息进行逻辑匹配,根据匹配结果,确定所述目标节点;
对每个网络用户,分别统计该网络用户对应的所有统计规则确定的各个目标节点的数据包流量的总和,作为该网络用户的统计结果。
进一步的,所述获取基于各个网络用户的流量数据包地址特征信息确定的统计规则信息的步骤,包括:
定期从与所述流量统计设备通信连接的服务器设备获取基于各个网络用户的流量数据包地址特征信息确定的统计规则信息。
进一步的,所述获取基于各个网络用户的流量数据包地址特征信息确定的统计规则信息的步骤,包括:
当接收到规则更新指令时,向与所述流量统计设备通信连接的服务器设备发送统计规则信息获取请求,以从所述服务器设备中,获取基于各个网络用户的流量数据包地址特征信息确定的统计规则信息。
进一步的,所述统计规则中包含的地址特征信息为IP地址和子网掩码;
所述针对所述统计规则信息中的每个统计规则,确定该统计规则覆盖的所述红黑树中的最大节点个数的步骤,包括:
获取对所述待统计流量数据包进行分类以得到所述分类结果时所使用的分类掩码;所述分类掩码为与所述地址特征信息具有相同位数的二进制数值,用于表征所述分类结果的分类粒度;
针对所述统计规则信息中的每个统计规则,对比所述分类掩码和该统计规则中的子网掩码,确定在所述分类掩码中的数值为1、在所述子网掩码中的数值为0的目标二进制位;
统计所述目标二进制位的个数;
采用如下公式,确定该统计规则覆盖的所述红黑树中的最大节点个数:
P=2N
其中,P表示该统计规则覆盖的所述红黑树中的最大节点个数;N表示所述目标二进制位的个数。
进一步的,所述将所述红黑树中各节点对应的地址特征信息与该统计规则包含的地址特征信息进行逻辑匹配,根据匹配结果,确定所述目标节点的步骤,包括:
将所述红黑树中各节点对应的地址特征信息与该统计规则中的IP地址进行异或运算,得到异或运算结果;
将所述异或运算结果分别与该统计规则中的子网掩码进行与运算,得到与运算结果;
针对所述红黑树中的每个节点,当所述与运算结果为0时,确定该节点为与该统计规则包含的地址特征信息对应的目标节点;当所述与运算结果为非0时,确定该节点不是与该统计规则包含的地址特征信息对应的目标节点。
第二方面,本发明实施例提供了一种流量数据包统计方法,应用于与流量统计设备通信连接的服务器设备,所述方法包括:
向所述流量统计设备发送基于各个网络用户的流量数据包地址特征信息确定的统计规则信息,以使所述流量统计设备获取待统计流量数据包的分类结果;获取所述红黑树节点总个数;针对所述统计规则信息中的每个统计规则,确定该统计规则覆盖的所述红黑树中的最大节点个数;基于所述红黑树节点总个数和所述最大节点个数,计算在所述红黑树中查找目标节点的第一时间复杂度,和将所述红黑树中各节点对应的地址特征信息与该统计规则包含的地址特征信息进行逻辑匹配的第二时间复杂度;若所述第一时间复杂度小于所述第二时间复杂度,则在所述红黑树中查找所述目标节点;若所述第一时间复杂度不小于所述第二时间复杂度,则将所述红黑树中各节点对应的地址特征信息与该统计规则包含的地址特征信息进行逻辑匹配,根据匹配结果,确定所述目标节点;对每个网络用户,分别统计该网络用户对应的所有统计规则确定的各个目标节点的数据包流量的总和,作为该网络用户的统计结果;其中,所述统计规则信息中包括:分别与所述各个网络用户对应的统计规则,一个网络用户对应一个或多个统计规则;每个统计规则中包含一个或多个流量数据包地址特征信息;每个网络用户对应的统计规则中的地址特征信息,为预先根据该网络用户使用的网络地址对应设置的;所述分类结果以红黑树方式存储,所述红黑树中的每个节点表示一个流量数据包分组,每个流量数据包分组与一个地址特征信息对应;所述目标节点为与该统计规则包含的地址特征信息对应的节点。
进一步的,所述向所述流量统计设备发送基于各个网络用户的流量数据包地址特征信息确定的统计规则信息的步骤,包括:
定期获取各个网络用户的流量数据包地址特征信息;每个网络用户的流量数据包地址特征信息,为根据记录的该网络用户使用的网络地址对应设置的;
根据所述各个网络用户的流量数据包地址特征信息,生成统计规则信息;
向所述流量统计设备发送所述统计规则信息。
进一步的,所述向所述流量统计设备发送基于各个网络用户的流量数据包地址特征信息确定的统计规则信息的步骤,包括:
当接收到所述流量统计设备发送的统计规则信息获取请求时,获取各个网络用户的流量数据包地址特征信息;每个网络用户的流量数据包地址特征信息,为根据该网络用户使用的网络地址对应设置的;
根据所述各个网络用户的流量数据包地址特征信息,生成统计规则信息;
向所述流量统计设备发送所述统计规则信息。
第三方面,本发明实施例提供了一种流量数据包统计装置,应用于流量统计设备,所述装置包括:
统计规则信息获取模块,用于获取基于各个网络用户的流量数据包地址特征信息确定的统计规则信息,所述统计规则信息中包括:分别与所述各个网络用户对应的统计规则,一个网络用户对应一个或多个统计规则;每个统计规则中包含一个或多个流量数据包地址特征信息;每个网络用户对应的统计规则中的地址特征信息,为预先根据该网络用户使用的网络地址对应设置的;
分类结果获取模块,用于获取待统计流量数据包的分类结果,所述分类结果以红黑树方式存储,所述红黑树中的每个节点表示一个流量数据包分组,每个流量数据包分组与一个地址特征信息对应;
节点总个数获取模块,用于获取所述红黑树节点总个数;
最大节点个数确定模块,用于针对所述统计规则信息中的每个统计规则,确定该统计规则覆盖的所述红黑树中的最大节点个数;
时间复杂度计算模块,用于基于所述红黑树节点总个数和所述最大节点个数,计算在所述红黑树中查找目标节点的第一时间复杂度,和将所述红黑树中各节点对应的地址特征信息与该统计规则包含的地址特征信息进行逻辑匹配的第二时间复杂度;其中,所述目标节点为与该统计规则包含的地址特征信息对应的节点;
目标节点确定模块,用于若所述第一时间复杂度小于所述第二时间复杂度,则在所述红黑树中查找所述目标节点;若所述第一时间复杂度不小于所述第二时间复杂度,则将所述红黑树中各节点对应的地址特征信息与该统计规则包含的地址特征信息进行逻辑匹配,根据匹配结果,确定所述目标节点;
统计结果确定模块,用于对每个网络用户,分别统计该网络用户对应的所有统计规则确定的各个目标节点的数据包流量的总和,作为该网络用户的统计结果。
进一步的,所述统计规则信息获取模块,具体用于定期从与所述流量统计设备通信连接的服务器设备获取基于各个网络用户的流量数据包地址特征信息确定的统计规则信息。
进一步的,所述统计规则信息获取模块,具体用于当接收到规则更新指令时,向与所述流量统计设备通信连接的服务器设备发送统计规则信息获取请求,以从所述服务器设备中,获取基于各个网络用户的流量数据包地址特征信息确定的统计规则信息。
进一步的,所述统计规则中包含的地址特征信息为IP地址和子网掩码;
所述最大节点个数确定模块,包括:分类掩码获取子模块、目标二进制位确定子模块、目标二进制位个数统计子模块及最大节点个数确定子模块;
所述分类掩码获取子模块,用于获取对所述待统计流量数据包进行分类以得到所述分类结果时所使用的分类掩码;所述分类掩码为与所述地址特征信息具有相同位数的二进制数值,用于表征所述分类结果的分类粒度;
所述目标二进制位确定子模块,用于针对所述统计规则信息中的每个统计规则,对比所述分类掩码和该统计规则中的子网掩码,确定在所述分类掩码中的数值为1、在所述子网掩码中的数值为0的目标二进制位;
所述目标二进制位个数统计子模块,用于统计所述目标二进制位的个数;
所述最大节点个数确定子模块,用于采用如下公式,确定该统计规则覆盖的所述红黑树中的最大节点个数:
P=2N
其中,P表示该统计规则覆盖的所述红黑树中的最大节点个数;N表示所述目标二进制位的个数。
进一步的,所述目标节点确定模块,在执行所述将所述红黑树中各节点对应的地址特征信息与该统计规则包含的地址特征信息进行逻辑匹配,根据匹配结果,确定所述目标节点的步骤时,具体用于:
将所述红黑树中各节点对应的地址特征信息与该统计规则中的IP地址进行异或运算,得到异或运算结果;
将所述异或运算结果分别与该统计规则中的子网掩码进行与运算,得到与运算结果;
针对所述红黑树中的每个节点,当所述与运算结果为0时,确定该节点为与该统计规则包含的地址特征信息对应的目标节点;当所述与运算结果为非0时,确定该节点不是与该统计规则包含的地址特征信息对应的目标节点。
第四方面,本发明实施例提供了一种流量数据包统计装置,应用于与流量统计设备通信连接的服务器设备,所述装置包括:
统计规则信息发送模块,用于:向所述流量统计设备发送基于各个网络用户的流量数据包地址特征信息确定的统计规则信息,以使所述流量统计设备获取待统计流量数据包的分类结果;获取所述红黑树节点总个数;针对所述统计规则信息中的每个统计规则,确定该统计规则覆盖的所述红黑树中的最大节点个数;基于所述红黑树节点总个数和所述最大节点个数,计算在所述红黑树中查找目标节点的第一时间复杂度,和将所述红黑树中各节点对应的地址特征信息与该统计规则包含的地址特征信息进行逻辑匹配的第二时间复杂度;若所述第一时间复杂度小于所述第二时间复杂度,则在所述红黑树中查找所述目标节点;若所述第一时间复杂度不小于所述第二时间复杂度,则将所述红黑树中各节点对应的地址特征信息与该统计规则包含的地址特征信息进行逻辑匹配,根据匹配结果,确定所述目标节点;对每个网络用户,分别统计该网络用户对应的所有统计规则确定的各个目标节点的数据包流量的总和,作为该网络用户的统计结果;其中,所述统计规则信息中包括:分别与所述各个网络用户对应的统计规则,一个网络用户对应一个或多个统计规则;每个统计规则中包含一个或多个流量数据包地址特征信息;每个网络用户对应的统计规则中的地址特征信息,为预先根据该网络用户使用的网络地址对应设置的;所述分类结果以红黑树方式存储,所述红黑树中的每个节点表示一个流量数据包分组,每个流量数据包分组与一个地址特征信息对应;所述目标节点为与该统计规则包含的地址特征信息对应的节点。
进一步的,所述统计规则信息发送模块,包括:第一地址特征信息获取子模块、第一统计规则信息生成子模块及第一统计规则信息发送子模块;
所述第一地址特征信息获取子模块,用于定期获取各个网络用户的流量数据包地址特征信息;每个网络用户的流量数据包地址特征信息,为根据该网络用户使用的网络地址对应设置的;
所述第一统计规则信息生成子模块,用于根据所述各个网络用户的流量数据包地址特征信息,生成统计规则信息;
所述第一统计规则信息发送子模块,用于向所述流量统计设备发送所述统计规则信息。
进一步的,所述统计规则信息发送模块,包括:第二地址特征信息获取子模块、第二统计规则信息生成子模块及第二统计规则信息发送子模块;
所述第二地址特征信息获取子模块,用于当接收到所述流量统计设备发送的统计规则信息获取请求时,获取各个网络用户的流量数据包地址特征信息;每个网络用户的流量数据包地址特征信息,为根据该网络用户使用的网络地址对应设置的;
所述第二统计规则信息生成子模块,用于根据所述各个网络用户的流量数据包地址特征信息,生成统计规则信息;
所述第二统计规则信息发送子模块,用于向所述流量统计设备发送所述统计规则信息。
第五方面,本发明实施例提供了一种流量统计设备,包括:处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现上述第一方面任一所述的流量数据包统计方法的步骤。
第六方面,本发明实施例提供了一种服务器设备,包括:处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现上述第二方面任一所述的流量数据包统计方法的步骤。
第七方面,本发明实施例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内存储有计算机程序,所述计算机程序被处理器执行时实现上述第一方面或第二方面任一所述的流量数据包统计方法的步骤。
第八方面,本发明实施例提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述第一方面或第二方面任一所述的流量数据包统计方法的步骤。
本发明实施例提供的一种流量数据包统计方法、装置、设备及存储介质,流量统计设备获取基于各个网络用户的流量数据包地址特征信息确定的统计规则信息,所述统计规则信息中包括:分别与所述各个网络用户对应的统计规则,一个网络用户对应一个或多个统计规则;每个统计规则中包含一个或多个流量数据包地址特征信息;每个网络用户对应的统计规则中的地址特征信息,为预先根据该网络用户使用的网络地址对应设置的;获取待统计流量数据包的分类结果,所述分类结果以红黑树方式存储,所述红黑树中的每个节点表示一个流量数据包分组,每个流量数据包分组与一个地址特征信息对应;获取所述红黑树节点总个数;针对所述统计规则信息中的每个统计规则,确定该统计规则覆盖的所述红黑树中的最大节点个数;基于所述红黑树节点总个数和所述最大节点个数,计算在所述红黑树中查找目标节点的第一时间复杂度,和将所述红黑树中各节点对应的地址特征信息与该统计规则包含的地址特征信息进行逻辑匹配的第二时间复杂度;其中,所述目标节点为与该统计规则包含的地址特征信息对应的节点;若所述第一时间复杂度小于所述第二时间复杂度,则在所述红黑树中查找所述目标节点;若所述第一时间复杂度不小于所述第二时间复杂度,则将所述红黑树中各节点对应的地址特征信息与该统计规则包含的地址特征信息进行逻辑匹配,根据匹配结果,确定所述目标节点;对每个网络用户,分别统计该网络用户对应的所有统计规则确定的各个目标节点的数据包流量的总和,作为该网络用户的统计结果。本发明实施例中,无需将网络用户的流量数据包地址特征信息分别与各流量数据包分组对应的地址特征信息进行对比,而是基于网络用户的各统计规则覆盖的红黑树中的最大节点个数及红黑树节点总个数,从在所述红黑树中进行目标节点查找和将红黑树中各节点对应的地址特征信息与所述该统计规则包含的地址特征信息进行逻辑匹配,上述两种算法中确定出算法时间复杂度较低的算法,以确定红黑树中的目标节点,从而实现对网络用户的流量统计,因此,减少了流量统计过程中的计算量。
当然,实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的流量数据包统计方法的一种流程示意图;
图2为应用本发明实施例提供的流量数据包统计方法的一个具体实例交互流程图;
图3为本发明实施例提供的一种流量数据包统计装置的结构示意图;
图4为本发明实施例提供的一种流量统计设备的结构示意图;
图5为本发明实施例提供的一种服务器设备的结构示意图。
具体实施方式
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,所描述的实施例仅仅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做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。
为了减少流量数据包统计过程中的计算量,本发明实施例提供了一种流量数据包统计方法、装置、设备及存储介质。
参见图1,图1为本发明实施例提供的流量数据包统计方法的一种流程示意图,该方法应用于流量统计设备,具体包括如下步骤:
步骤101,获取基于各个网络用户的流量数据包地址特征信息确定的统计规则信息,统计规则信息中包括:分别与各个网络用户对应的统计规则,一个网络用户对应一个或多个统计规则;每个统计规则中包含一个或多个流量数据包地址特征信息。
其中,每个网络用户对应的统计规则中的地址特征信息,为预先根据该网络用户使用的网络地址对应设置的。
获取统计规则信息的方式可以有2种:
第一种方式,当接收到规则更新指令时,向与流量统计设备通信连接的服务器设备发送统计规则信息获取请求,以从服务器设备中,获取基于各个网络用户的流量数据包地址特征信息确定的统计规则信息。
第二种方式,定期从与流量统计设备通信连接的服务器设备获取基于各个网络用户的流量数据包地址特征信息确定的统计规则信息。
针对第一种方式,可以在接收到规则更新指令时,再进行统计规则信息的获取操作,具体的,规则更新指令可以是网络管理人员通过点击人机交互界面中的规则更新按键给出的,也可以是通过其他方式给出的,例如,通过点击键盘中的预设按键给出的等,此处,对于规则更新指令的给出方式,以及接收方式,不作限定;针对第二种方式,由于网络用户所使用的网络地址信息可能会发生变化,因此,可以定时获取统计规则信息,以避免因统计规则信息获取不及时,而导致的统计结果不准确的问题。
下面通过举例的方式,对统计规则信息及统计规则相关内容进行具体解释说明:
假设待统计的网络用户有2个,分别为甲和乙,其中,甲所使用的网络地址有3个,分别为:192.168.1.1、192.168.1.2及192.168.1.3,乙所使用的网络地址为:192.168.2.0/24,若分别要统计用户甲和乙发出的流量数据包,则可以设置3个与甲对应的统计规则,分别为:统计规则A:统计源IP地址为192.168.1.1的流量数据包、统计规则B:统计源IP地址为192.168.1.2的流量数据包,及统计规则C:统计源IP地址为192.168.1.3的流量数据包;设置1个与乙对应的统计规则:统计规则D:统计源IP地址处于192.168.2.0/24网段范围内的流量数据包。上述4个统计规则中,统计规则A、B及C中均只包含一个流量数据包的源IP地址,而统计规则D中则包含多个流量数据包的源IP地址。
此时,步骤101生成的统计规则表信息中则包括:与网络用户甲对应的统计规则A、B、C及与网络用户乙对应的统计规则D。
步骤102,获取待统计流量数据包的分类结果,分类结果以红黑树方式存储,红黑树中的每个节点表示一个流量数据包分组,每个流量数据包分组与一个地址特征信息对应。
步骤103,获取红黑树节点总个数;
步骤104,针对统计规则信息中的每个统计规则,确定该统计规则覆盖的红黑树中的最大节点个数。
假设步骤102中获得的分类结果是以流量数据包的源IP地址的不同进行分类之后得到的,则针对统计规则A(或者统计规则B或C),其覆盖的红黑树中的最大节点个数为1;针对统计规则D,其覆盖的红黑树中的最大节点个数则为:256(从192.168.2.0到192.168.2.255)。
步骤105,基于红黑树节点总个数和最大节点个数,计算在红黑树中查找目标节点的第一时间复杂度,和将红黑树中各节点对应的地址特征信息与该统计规则包含的地址特征信息进行逻辑匹配的第二时间复杂度;其中,目标节点为与该统计规则包含的地址特征信息对应的节点。
具体的,统计规则覆盖的红黑树中的最大节点的个数即为本步骤中的目标节点的个数,假设最大节点的个数为P,红黑树节点总个数为K,由于在总节点个数为K的红黑树中,查找一个节点的时间复杂度为log(K),因此,在上述红黑树中查找P个目标节点的第一时间复杂度可以表示为:P*log(K);由于红黑树节点总个数为K,因此,分别将红黑树中K个节点对应的地址特征信息与该统计规则包含的地址特征信息进行逻辑匹配的第二时间复杂度可以表示为K。
步骤106,若第一时间复杂度小于第二时间复杂度,则在红黑树中查找目标节点;若第一时间复杂度不小于第二时间复杂度,则将红黑树中各节点对应的地址特征信息与该统计规则包含的地址特征信息进行逻辑匹配,根据匹配结果,确定目标节点。
与步骤105对应的,在步骤106中,若P*log(K)<K,则通过红黑树节点查找方式,在红黑树中查找目标节点,例如,假设红黑树中共有15个节点,其对应的地址特征信息为:源IP地址为192.168.1.1、源IP地址为192.168.1.2、……、源IP地址为192.168.1.15,则对于步骤101例子中的统计规则A,该统计规则A覆盖的红黑树中的最大节点个数为1,由于第一时间复杂度(为log15)小于第二时间复杂度(15),因此,可以通过红黑树节点查找方式,在红黑树中查找目标节点(地址特征信息为“源IP地址为192.168.1.1”的节点)。
反之,若统计规则P*log(K)大于K,则可以将红黑树中各节点对应的地址特征信息与该统计规则包含的地址特征信息进行逻辑匹配,根据匹配结果,确定目标节点。具体的,可以通过下面的步骤,确定目标节点:
将红黑树中各节点对应的地址特征信息与该统计规则中的IP地址进行异或运算,得到异或运算结果;
将异或运算结果分别与该统计规则中的子网掩码进行与运算,得到与运算结果;
针对红黑树中的每个节点,当与运算结果为0时,确定该节点为与该统计规则包含的地址特征信息对应的目标节点;当与运算结果为非0时,确定该节点不是与该统计规则包含的地址特征信息对应的目标节点。
步骤107,对每个网络用户,分别统计该网络用户对应的所有统计规则确定的各个目标节点的数据包流量的总和,作为该网络用户的统计结果。
以步骤101中的网络用户甲为例,可以先分别确定:统计规则A对应的目标节点的数据包流量、统计规则B对应的目标节点的数据包流量及统计规则C对应的目标节点的数据包流量,然后再将上述3个统计规则对应的数据包流量求和,即可得到网络用户甲的流量统计结果。
在本发明上述实施例中,无需将网络用户的流量数据包地址特征信息分别与各流量数据包分组对应的地址特征信息进行对比,而是基于网络用户的各统计规则覆盖的红黑树中的最大节点个数及红黑树节点总个数,从在红黑树中进行目标节点查找和将红黑树中各节点对应的地址特征信息与该统计规则包含的地址特征信息进行逻辑匹配,上述两种算法中确定出算法时间复杂度较低的算法,以确定红黑树中的目标节点,从而实现对网络用户的流量统计,因此,减少了流量统计过程中的计算量。
本发明实施例还提供了一种应用于与流量统计设备通信连接的服务器设备的流量数据包统计方法,具体步骤如下:
向流量统计设备发送基于各个网络用户的流量数据包地址特征信息确定的统计规则信息,以使流量统计设备获取待统计流量数据包的分类结果;获取红黑树节点总个数;针对统计规则信息中的每个统计规则,确定该统计规则覆盖的红黑树中的最大节点个数;基于红黑树节点总个数和最大节点个数,计算在红黑树中查找目标节点的第一时间复杂度,和将红黑树中各节点对应的地址特征信息与该统计规则包含的地址特征信息进行逻辑匹配的第二时间复杂度;若第一时间复杂度小于第二时间复杂度,则在红黑树中查找目标节点;若第一时间复杂度不小于第二时间复杂度,则将红黑树中各节点对应的地址特征信息与该统计规则包含的地址特征信息进行逻辑匹配,根据匹配结果,确定目标节点;对每个网络用户,分别统计该网络用户对应的所有统计规则确定的各个目标节点的数据包流量的总和,作为该网络用户的统计结果;其中,统计规则信息中包括:分别与各个网络用户对应的统计规则,一个网络用户对应一个或多个统计规则;每个统计规则中包含一个或多个流量数据包地址特征信息;每个网络用户对应的统计规则中的地址特征信息,为预先根据该网络用户使用的网络地址对应设置的;分类结果以红黑树方式存储,红黑树中的每个节点表示一个流量数据包分组,每个流量数据包分组与一个地址特征信息对应;目标节点为与该统计规则包含的地址特征信息对应的节点。
进一步的,向流量统计设备发送基于各个网络用户的流量数据包地址特征信息确定的统计规则信息的步骤,可以有两种实现方式:
方式一:定期获取各个网络用户的流量数据包地址特征信息;每个网络用户的流量数据包地址特征信息,为根据记录的该网络用户使用的网络地址对应设置的;根据各个网络用户的流量数据包地址特征信息,生成统计规则信息;向流量统计设备发送统计规则信息。
方式二:当接收到流量统计设备发送的统计规则信息获取请求时,获取各个网络用户的流量数据包地址特征信息;每个网络用户的流量数据包地址特征信息,为根据该网络用户使用的网络地址对应设置的;根据各个网络用户的流量数据包地址特征信息,生成统计规则信息;向流量统计设备发送统计规则信息。
本发明上述实施例中,无需将网络用户的流量数据包地址特征信息分别与各流量数据包分组对应的地址特征信息进行对比,而是基于网络用户的各统计规则覆盖的红黑树中的最大节点个数及红黑树节点总个数,从在红黑树中进行目标节点查找和将红黑树中各节点对应的地址特征信息与该统计规则包含的地址特征信息进行逻辑匹配,上述两种算法中确定出算法时间复杂度较低的算法,以确定红黑树中的目标节点,从而实现对网络用户的流量统计,因此,减少了流量统计过程中的计算量。
为体现流量统计设备和与流量统计设备通信连接的服务器设备之间的交互过程,参见图2,图2为应用本发明实施例提供的流量数据包统计方法的一个具体实例交互流程图,包括如下步骤:
步骤201,服务器设备获取各个网络用户的流量数据包地址特征信息。
每个网络用户的流量数据包地址特征信息,为根据记录的该网络用户使用的网络地址对应设置的。
服务器设备中预先存储有各个网络用户的网络配置等用户信息,其中,具体包括有各个网络用户所使用的网络地址信息。
例如,假设待统计的网络用户甲,所使用的网络地址有3个,分别为:192.168.1.1、192.168.1.2及192.168.1.3,则可以设置网络用户甲的流量数据包地址特征信息为:192.168.1.1、192.168.1.2及192.168.1.3。
本步骤中,服务器设备获取流量数据包地址特征信息的方式可以有两种:
第一种方式为:当接收到流量统计设备发送的统计规则信息获取请求时,获取各个网络用户的流量数据包地址特征信息。
第二种方式为:定期获取各个网络用户的流量数据包地址特征信息。
具体的,第一种方式可以包括如下步骤:
流量统计设备向服务器设备发送带有时间戳的统计规则信息获取请求,当服务器设备接收到上述带有时间戳的统计规则信息获取请求,可以先判断上述时间戳与当前时刻的时间间隔是否超过预设时间间隔,若已超过预设时间间隔,则忽略本次统计规则信息获取请求,若未超过预设时间间隔,则获取各个网络用户的流量数据包地址特征信息。
类似地,第二种方式可以包括如下步骤:
流量统计设备定期向服务器设备发送带有时间戳的统计规则信息获取请求,针对每一次接收到的带有时间戳的统计规则信息获取请求,服务器设备可以先判断上述时间戳与当前时刻的时间间隔是否超过预设时间间隔,若已超过预设时间间隔,则忽略本次统计规则信息获取请求,若未超过预设时间间隔,则获取各个网络用户的流量数据包地址特征信息。
针对第一种方式,可以在接收到流量统计设备发送的统计规则信息获取请求时,进行网络用户的流量数据包地址特征信息的获取操作;针对第二种方式,由于网络用户的流量数据包地址特征信息可能会发生变化,因此,可以采用定时获取的方式,以避免因地址特征信息获取不及时,而导致的最终统计结果不准确的问题。
步骤202,服务器设备根据各个网络用户的流量数据包地址特征信息,生成统计规则信息。
其中,统计规则信息中包括:分别与各个网络用户对应的统计规则,一个网络用户对应一个或多个统计规则;每个统计规则中包含一个或多个流量数据包地址特征信息。
具体的,统计规则中包含的地址特征信息可以为IP地址和子网掩码。
举例如下:
假设待统计的网络用户为乙,乙的流量数据包地址特征信息为:192.168.2.0/24,若要统计用户乙发出的流量数据包,则可以设置1个与乙对应的统计规则:统计源IP地址处于192.168.2.0/24网段范围内的流量数据包,上述统计规则中的地址特征信息即为:IP地址192.168.2.0,以及子网掩码:255.255.255.0。
步骤203,服务器设备向流量统计设备发送统计规则信息。
步骤204,流量统计设备获取待统计流量数据包的分类结果,分类结果以红黑树方式存储,红黑树中的每个节点表示一个流量数据包分组,每个流量数据包分组与一个地址特征信息对应。
步骤205,流量统计设备获取红黑树节点总个数。
步骤206,流量统计设备获取对待统计流量数据包进行分类以得到分类结果时所使用的分类掩码。
其中,分类掩码为与地址特征信息具有相同位数的二进制数值,用于表征分类结果的分类粒度。
具体的,在进行流量数据包分类时,是根据流量数据包的地址特征信息中,与分类掩码中数值为1的二进制位对应的二进制位中数值的不同,将流量数据包归至不同的流量数据包分组中的。
例如:待统计的流量数据包的源IP地址均属于192.168.1.0/24和192.168.2.0/24这一IP网段内,若想要根据源IP地址中前24位的不同,对流量数据包进行分类,则此时,分类掩码用二进制表示即为:11111111.11111111.11111111.00000000,对待统计流量数据包分类之后,可以得到两个数据包分组:地址特征信息为192.168.1.*的分组,以及地址特征信息为192.168.2.*的分组,其中*表示:任一大于等于0小于256的整数。
步骤207,流量统计设备针对统计规则信息中的每个统计规则,对比分类掩码和该统计规则中的子网掩码,确定在分类掩码中的数值为1、在子网掩码中的数值为0的目标二进制位。
步骤208,流量统计设备统计目标二进制位的个数。
步骤209,流量统计设备采用如下公式,确定该统计规则覆盖的红黑树中的最大节点个数:
P=2N
其中,P表示该统计规则覆盖的红黑树中的最大节点个数;N表示目标二进制位的个数。
针对步骤206-步骤209的内容,举例说明如下:
假设以流量数据包的“源IP地址:源端口号-目的IP地址:目的端口号”作为地址特征信息,在进行流量分类时,同时考虑流量数据包的源IP地址及目标IP地址的不同,对流量数据包进行分类,此时,分类掩码共96位,具体的:前32位均为1,之后16位均为0,之后32位均为1,最后16位均为0,若某统计规则为:192.168.1.0:0/24-192.168.1.1:0/32,则该统计规则的子网掩码为:前24位均为1,之后24位均为0,之后32位均为1,最后16位均为0,此时,目标二进制位则为前24位之后的8位,因此,目标二进制位的个数为8个,该统计规则覆盖的红黑树中的最大节点个数即为256(28)个。
步骤210,流量统计设备基于红黑树节点总个数和最大节点个数,计算在红黑树中查找目标节点的第一时间复杂度,和将红黑树中各节点对应的地址特征信息与该统计规则包含的地址特征信息进行逻辑匹配的第二时间复杂度;其中,目标节点为与该统计规则包含的地址特征信息对应的节点。
本步骤的内容与步骤105的内容相同,此处,不再赘述。
步骤211,流量统计设备判断第一时间复杂度是否小于第二时间复杂度,若是,执行步骤212,若否,执行步骤213。
步骤212,流量统计设备在红黑树中查找目标节点。之后,执行步骤216。
步骤213,流量统计设备将红黑树中各节点对应的地址特征信息与该统计规则中的IP地址进行异或运算,得到异或运算结果。
步骤214,流量统计设备将异或运算结果分别与该统计规则中的子网掩码进行与运算,得到与运算结果。
步骤215,流量统计设备针对红黑树中的每个节点,当与运算结果为0时,确定该节点为与该统计规则包含的地址特征信息对应的目标节点;当与运算结果为非0时,确定该节点不是与该统计规则包含的地址特征信息对应的目标节点。
步骤216,流量统计设备对每个网络用户,分别统计该网络用户对应的所有统计规则确定的各个目标节点的数据包流量的总和,作为该网络用户的统计结果。
本发明实施例中,流量统计设备向服务器设备发送统计规则信息获取请求,以获取统计规则信息的过程,与流量统计设备基于统计规则进行流量数据包统计的过程是相互独立的,上述两个过程可以分别由流量统计设备中的两个不同的线程来完成。也就是说,流量统计设备获取统计规则信息的时间间隔,可以与流量统计设备进行流量数据包统计的时间间隔不同,例如,可以在进行一次统计规则信息获取操作之后,进行多次的流量数据包统计操作过程,之后,再进行下一次的统计规则信息获取操作。
在图2所示的实施例中,无需将网络用户的流量数据包地址特征信息分别与各流量数据包分组对应的地址特征信息进行对比,而是基于网络用户的各统计规则覆盖的红黑树中的最大节点个数及红黑树节点总个数,从在红黑树中进行目标节点查找和将红黑树中各节点对应的地址特征信息与该统计规则包含的地址特征信息进行逻辑匹配,上述两种算法中确定出算法时间复杂度较低的算法,以确定红黑树中的目标节点,从而实现对网络用户的流量统计,因此,减少了流量统计过程中的计算量。
基于同一发明构思,根据本发明上述实施例提供的流量数据包统计方法,相应地,本发明一个实施例还提供了一种流量数据包统计装置,该装置应用于流量统计设备,该装置的结构示意图如图3所示,包括:
统计规则信息获取模块301,用于获取基于各个网络用户的流量数据包地址特征信息确定的统计规则信息,统计规则信息中包括:分别与各个网络用户对应的统计规则,一个网络用户对应一个或多个统计规则;每个统计规则中包含一个或多个流量数据包地址特征信息;每个网络用户对应的统计规则中的地址特征信息,为预先根据该网络用户使用的网络地址对应设置的;
分类结果获取模块302,用于获取待统计流量数据包的分类结果,分类结果以红黑树方式存储,红黑树中的每个节点表示一个流量数据包分组,每个流量数据包分组与一个地址特征信息对应;
节点总个数获取模块303,用于获取红黑树节点总个数;
最大节点个数确定模块304,用于针对统计规则信息中的每个统计规则,确定该统计规则覆盖的红黑树中的最大节点个数;
时间复杂度计算模块305,用于基于红黑树节点总个数和最大节点个数,计算在红黑树中查找目标节点的第一时间复杂度,和将红黑树中各节点对应的地址特征信息与该统计规则包含的地址特征信息进行逻辑匹配的第二时间复杂度;其中,目标节点为与该统计规则包含的地址特征信息对应的节点;
目标节点确定模块306,用于若第一时间复杂度小于第二时间复杂度,则在红黑树中查找目标节点;若第一时间复杂度不小于第二时间复杂度,则将红黑树中各节点对应的地址特征信息与该统计规则包含的地址特征信息进行逻辑匹配,根据匹配结果,确定目标节点;
统计结果确定模块307,用于对每个网络用户,分别统计该网络用户对应的所有统计规则确定的各个目标节点的数据包流量的总和,作为该网络用户的统计结果。
进一步的,统计规则信息获取模块301,具体用于定期从与流量统计设备通信连接的服务器设备获取基于各个网络用户的流量数据包地址特征信息确定的统计规则信息。
进一步的,统计规则信息获取模块301,具体用于当接收到规则更新指令时,向与流量统计设备通信连接的服务器设备发送统计规则信息获取请求,以从服务器设备中,获取基于各个网络用户的流量数据包地址特征信息确定的统计规则信息。
进一步的,统计规则中包含的地址特征信息为IP地址和子网掩码;
最大节点个数确定模块304,包括:分类掩码获取子模块、目标二进制位确定子模块、目标二进制位个数统计子模块及最大节点个数确定子模块;
分类掩码获取子模块,用于获取对待统计流量数据包进行分类以得到分类结果时所使用的分类掩码;分类掩码为与地址特征信息具有相同位数的二进制数值,用于表征分类结果的分类粒度;
目标二进制位确定子模块,用于针对统计规则信息中的每个统计规则,对比分类掩码和该统计规则中的子网掩码,确定在分类掩码中的数值为1、在子网掩码中的数值为0的目标二进制位;
目标二进制位个数统计子模块,用于统计目标二进制位的个数;
最大节点个数确定子模块,用于采用如下公式,确定该统计规则覆盖的红黑树中的最大节点个数:
P=2N
其中,P表示该统计规则覆盖的红黑树中的最大节点个数;N表示目标二进制位的个数。
进一步的,目标节点确定模块306,在执行将红黑树中各节点对应的地址特征信息与该统计规则包含的地址特征信息进行逻辑匹配,根据匹配结果,确定目标节点的步骤时,具体用于:
将红黑树中各节点对应的地址特征信息与该统计规则中的IP地址进行异或运算,得到异或运算结果;
将异或运算结果分别与该统计规则中的子网掩码进行与运算,得到与运算结果;
针对红黑树中的每个节点,当与运算结果为0时,确定该节点为与该统计规则包含的地址特征信息对应的目标节点;当与运算结果为非0时,确定该节点不是与该统计规则包含的地址特征信息对应的目标节点。
在图3所示实施例中,无需将网络用户的流量数据包地址特征信息分别与各流量数据包分组对应的地址特征信息进行对比,而是基于网络用户的各统计规则覆盖的红黑树中的最大节点个数及红黑树节点总个数,从在红黑树中进行目标节点查找和将红黑树中各节点对应的地址特征信息与该统计规则包含的地址特征信息进行逻辑匹配,上述两种算法中确定出算法时间复杂度较低的算法,以确定红黑树中的目标节点,从而实现对网络用户的流量统计,因此,减少了流量统计过程中的计算量。
本发明实施例还提供了一种应用于与流量统计设备通信连接的服务器设备的流量数据包统计装置,包括:
统计规则信息发送模块,用于:向流量统计设备发送基于各个网络用户的流量数据包地址特征信息确定的统计规则信息,以使流量统计设备获取待统计流量数据包的分类结果;获取红黑树节点总个数;针对统计规则信息中的每个统计规则,确定该统计规则覆盖的红黑树中的最大节点个数;基于红黑树节点总个数和最大节点个数,计算在红黑树中查找目标节点的第一时间复杂度,和将红黑树中各节点对应的地址特征信息与该统计规则包含的地址特征信息进行逻辑匹配的第二时间复杂度;若第一时间复杂度小于第二时间复杂度,则在红黑树中查找目标节点;若第一时间复杂度不小于第二时间复杂度,则将红黑树中各节点对应的地址特征信息与该统计规则包含的地址特征信息进行逻辑匹配,根据匹配结果,确定目标节点;对每个网络用户,分别统计该网络用户对应的所有统计规则确定的各个目标节点的数据包流量的总和,作为该网络用户的统计结果;其中,统计规则信息中包括:分别与各个网络用户对应的统计规则,一个网络用户对应一个或多个统计规则;每个统计规则中包含一个或多个流量数据包地址特征信息;每个网络用户对应的统计规则中的地址特征信息,为预先根据该网络用户使用的网络地址对应设置的;分类结果以红黑树方式存储,红黑树中的每个节点表示一个流量数据包分组,每个流量数据包分组与一个地址特征信息对应;目标节点为与该统计规则包含的地址特征信息对应的节点。
进一步的,统计规则信息发送模块,包括:第一地址特征信息获取子模块、第一统计规则信息生成子模块及第一统计规则信息发送子模块;
第一地址特征信息获取子模块,用于定期获取各个网络用户的流量数据包地址特征信息;每个网络用户的流量数据包地址特征信息,为根据该网络用户使用的网络地址对应设置的;
第一统计规则信息生成子模块,用于根据各个网络用户的流量数据包地址特征信息,生成统计规则信息;
第一统计规则信息发送子模块,用于向流量统计设备发送统计规则信息。
进一步的,统计规则信息发送模块,包括:第二地址特征信息获取子模块、第二统计规则信息生成子模块及第二统计规则信息发送子模块;
第二地址特征信息获取子模块,用于当接收到流量统计设备发送的统计规则信息获取请求时,获取各个网络用户的流量数据包地址特征信息;每个网络用户的流量数据包地址特征信息,为根据该网络用户使用的网络地址对应设置的;
第二统计规则信息生成子模块,用于根据各个网络用户的流量数据包地址特征信息,生成统计规则信息;
第二统计规则信息发送子模块,用于向流量统计设备发送统计规则信息。
在本发明实施例中,无需将网络用户的流量数据包地址特征信息分别与各流量数据包分组对应的地址特征信息进行对比,而是基于网络用户的各统计规则覆盖的红黑树中的最大节点个数及红黑树节点总个数,从在红黑树中进行目标节点查找和将红黑树中各节点对应的地址特征信息与该统计规则包含的地址特征信息进行逻辑匹配,上述两种算法中确定出算法时间复杂度较低的算法,以确定红黑树中的目标节点,从而实现对网络用户的流量统计,因此,减少了流量统计过程中的计算量。
本发明实施例还提供了一种流量统计设备,如图4所示,包括处理器401、通信接口402、存储器403和通信总线404,其中,处理器401,通信接口402,存储器403通过通信总线404完成相互间的通信,
存储器403,用于存放计算机程序;
处理器401,用于执行存储器403上所存放的程序时,实现如下步骤:
获取基于各个网络用户的流量数据包地址特征信息确定的统计规则信息,统计规则信息中包括:分别与各个网络用户对应的统计规则,一个网络用户对应一个或多个统计规则;每个统计规则中包含一个或多个流量数据包地址特征信息;每个网络用户对应的统计规则中的地址特征信息,为预先根据该网络用户使用的网络地址对应设置的;
获取待统计流量数据包的分类结果,分类结果以红黑树方式存储,红黑树中的每个节点表示一个流量数据包分组,每个流量数据包分组与一个地址特征信息对应;
获取红黑树节点总个数;
针对统计规则信息中的每个统计规则,确定该统计规则覆盖的红黑树中的最大节点个数;
基于红黑树节点总个数和最大节点个数,计算在红黑树中查找目标节点的第一时间复杂度,和将红黑树中各节点对应的地址特征信息与该统计规则包含的地址特征信息进行逻辑匹配的第二时间复杂度;其中,目标节点为与该统计规则包含的地址特征信息对应的节点;
若第一时间复杂度小于第二时间复杂度,则在红黑树中查找目标节点;若第一时间复杂度不小于第二时间复杂度,则将红黑树中各节点对应的地址特征信息与该统计规则包含的地址特征信息进行逻辑匹配,根据匹配结果,确定目标节点;
对每个网络用户,分别统计该网络用户对应的所有统计规则确定的各个目标节点的数据包流量的总和,作为该网络用户的统计结果。
进一步的,还可以包括本发明实施例提供的上述应用于流量统计设备的流量数据包统计方法中的其他处理流程,在此不再进行详细描述。
本发明实施例还提供了一种服务器设备,如图5所示,包括处理器501、通信接口502、存储器503和通信总线504,其中,处理器501,通信接口502,存储器503通过通信总线504完成相互间的通信,
存储器503,用于存放计算机程序;
处理器501,用于执行存储器503上所存放的程序时,实现如下步骤:
向流量统计设备发送基于各个网络用户的流量数据包地址特征信息确定的统计规则信息,以使流量统计设备获取待统计流量数据包的分类结果;获取红黑树节点总个数;针对统计规则信息中的每个统计规则,确定该统计规则覆盖的红黑树中的最大节点个数;基于红黑树节点总个数和最大节点个数,计算在红黑树中查找目标节点的第一时间复杂度,和将红黑树中各节点对应的地址特征信息与该统计规则包含的地址特征信息进行逻辑匹配的第二时间复杂度;若第一时间复杂度小于第二时间复杂度,则在红黑树中查找目标节点;若第一时间复杂度不小于第二时间复杂度,则将红黑树中各节点对应的地址特征信息与该统计规则包含的地址特征信息进行逻辑匹配,根据匹配结果,确定目标节点;对每个网络用户,分别统计该网络用户对应的所有统计规则确定的各个目标节点的数据包流量的总和,作为该网络用户的统计结果;其中,统计规则信息中包括:分别与各个网络用户对应的统计规则,一个网络用户对应一个或多个统计规则;每个统计规则中包含一个或多个流量数据包地址特征信息;每个网络用户对应的统计规则中的地址特征信息,为预先根据该网络用户使用的网络地址对应设置的;分类结果以红黑树方式存储,红黑树中的每个节点表示一个流量数据包分组,每个流量数据包分组与一个地址特征信息对应;目标节点为与该统计规则包含的地址特征信息对应的节点。
进一步的,还可以包括本发明实施例提供的上述应用于服务器设备的流量数据包统计方法中的其他处理流程,在此不再进行详细描述。
上述设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect,PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory,RAM),也可以包括非易失性存储器(Non-Volatile Memory,NVM),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital SignalProcessing,DSP)、专用集成电路(Application Specific Integrated Circuit,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。
在本发明提供的又一实施例中,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中存储有指令,当其在计算机上运行时,使得计算机执行上述实施例中任一所述的流量数据包统计方法。
在本发明提供的又一实施例中,还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述实施例中任一所述的流量数据包统计方法。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他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、物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他要素,或者是还包括为这种过程、方法、物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,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置、设备及存储介质实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (20)
1.一种流量数据包统计方法,其特征在于,应用于流量统计设备,所述方法包括:
获取基于各个网络用户的流量数据包地址特征信息确定的统计规则信息,所述统计规则信息中包括:分别与所述各个网络用户对应的统计规则,一个网络用户对应一个或多个统计规则;每个统计规则中包含一个或多个流量数据包地址特征信息;每个网络用户对应的统计规则中的地址特征信息,为预先根据该网络用户使用的网络地址对应设置的;
获取待统计流量数据包的分类结果,所述分类结果以红黑树方式存储,所述红黑树中的每个节点表示一个流量数据包分组,每个流量数据包分组与一个地址特征信息对应;
获取所述红黑树节点总个数;
针对所述统计规则信息中的每个统计规则,确定该统计规则覆盖的所述红黑树中的最大节点个数;
基于所述红黑树节点总个数和所述最大节点个数,计算在所述红黑树中查找目标节点的第一时间复杂度,和将所述红黑树中各节点对应的地址特征信息与该统计规则包含的地址特征信息进行逻辑匹配的第二时间复杂度;其中,所述目标节点为与该统计规则包含的地址特征信息对应的节点;
若所述第一时间复杂度小于所述第二时间复杂度,则在所述红黑树中查找所述目标节点;若所述第一时间复杂度不小于所述第二时间复杂度,则将所述红黑树中各节点对应的地址特征信息与该统计规则包含的地址特征信息进行逻辑匹配,根据匹配结果,确定所述目标节点;
对每个网络用户,分别统计该网络用户对应的所有统计规则确定的各个目标节点的数据包流量的总和,作为该网络用户的统计结果。
2.根据权利要求1所述的方法,其特征在于,所述获取基于各个网络用户的流量数据包地址特征信息确定的统计规则信息的步骤,包括:
定期从与所述流量统计设备通信连接的服务器设备获取基于各个网络用户的流量数据包地址特征信息确定的统计规则信息。
3.根据权利要求1所述的方法,其特征在于,所述获取基于各个网络用户的流量数据包地址特征信息确定的统计规则信息的步骤,包括:
当接收到规则更新指令时,向与所述流量统计设备通信连接的服务器设备发送统计规则信息获取请求,以从所述服务器设备中,获取基于各个网络用户的流量数据包地址特征信息确定的统计规则信息。
4.根据权利要求1所述的方法,其特征在于,所述统计规则中包含的地址特征信息为IP地址和子网掩码;
所述针对所述统计规则信息中的每个统计规则,确定该统计规则覆盖的所述红黑树中的最大节点个数的步骤,包括:
获取对所述待统计流量数据包进行分类以得到所述分类结果时所使用的分类掩码;所述分类掩码为与所述地址特征信息具有相同位数的二进制数值,用于表征所述分类结果的分类粒度;
针对所述统计规则信息中的每个统计规则,对比所述分类掩码和该统计规则中的子网掩码,确定在所述分类掩码中的数值为1、在所述子网掩码中的数值为0的目标二进制位;
统计所述目标二进制位的个数;
采用如下公式,确定该统计规则覆盖的所述红黑树中的最大节点个数:
P=2N
其中,P表示该统计规则覆盖的所述红黑树中的最大节点个数;N表示所述目标二进制位的个数。
5.根据权利要求4所述的方法,其特征在于,所述将所述红黑树中各节点对应的地址特征信息与该统计规则包含的地址特征信息进行逻辑匹配,根据匹配结果,确定所述目标节点的步骤,包括:
将所述红黑树中各节点对应的地址特征信息与该统计规则中的IP地址进行异或运算,得到异或运算结果;
将所述异或运算结果分别与该统计规则中的子网掩码进行与运算,得到与运算结果;
针对所述红黑树中的每个节点,当所述与运算结果为0时,确定该节点为与该统计规则包含的地址特征信息对应的目标节点;当所述与运算结果为非0时,确定该节点不是与该统计规则包含的地址特征信息对应的目标节点。
6.一种流量数据包统计方法,其特征在于,应用于与流量统计设备通信连接的服务器设备,所述方法包括:
向所述流量统计设备发送基于各个网络用户的流量数据包地址特征信息确定的统计规则信息,以使所述流量统计设备获取待统计流量数据包的分类结果;获取所述红黑树节点总个数;针对所述统计规则信息中的每个统计规则,确定该统计规则覆盖的所述红黑树中的最大节点个数;基于所述红黑树节点总个数和所述最大节点个数,计算在所述红黑树中查找目标节点的第一时间复杂度,和将所述红黑树中各节点对应的地址特征信息与该统计规则包含的地址特征信息进行逻辑匹配的第二时间复杂度;若所述第一时间复杂度小于所述第二时间复杂度,则在所述红黑树中查找所述目标节点;若所述第一时间复杂度不小于所述第二时间复杂度,则将所述红黑树中各节点对应的地址特征信息与该统计规则包含的地址特征信息进行逻辑匹配,根据匹配结果,确定所述目标节点;对每个网络用户,分别统计该网络用户对应的所有统计规则确定的各个目标节点的数据包流量的总和,作为该网络用户的统计结果;其中,所述统计规则信息中包括:分别与所述各个网络用户对应的统计规则,一个网络用户对应一个或多个统计规则;每个统计规则中包含一个或多个流量数据包地址特征信息;每个网络用户对应的统计规则中的地址特征信息,为预先根据该网络用户使用的网络地址对应设置的;所述分类结果以红黑树方式存储,所述红黑树中的每个节点表示一个流量数据包分组,每个流量数据包分组与一个地址特征信息对应;所述目标节点为与该统计规则包含的地址特征信息对应的节点。
7.根据权利要求6所述的方法,其特征在于,所述向所述流量统计设备发送基于各个网络用户的流量数据包地址特征信息确定的统计规则信息的步骤,包括:
定期获取各个网络用户的流量数据包地址特征信息;每个网络用户的流量数据包地址特征信息,为根据记录的该网络用户使用的网络地址对应设置的;
根据所述各个网络用户的流量数据包地址特征信息,生成统计规则信息;
向所述流量统计设备发送所述统计规则信息。
8.根据权利要求6所述的方法,其特征在于,所述向所述流量统计设备发送基于各个网络用户的流量数据包地址特征信息确定的统计规则信息的步骤,包括:
当接收到所述流量统计设备发送的统计规则信息获取请求时,获取各个网络用户的流量数据包地址特征信息;每个网络用户的流量数据包地址特征信息,为根据该网络用户使用的网络地址对应设置的;
根据所述各个网络用户的流量数据包地址特征信息,生成统计规则信息;
向所述流量统计设备发送所述统计规则信息。
9.一种流量数据包统计装置,其特征在于,应用于流量统计设备,所述装置包括:
统计规则信息获取模块,用于获取基于各个网络用户的流量数据包地址特征信息确定的统计规则信息,所述统计规则信息中包括:分别与所述各个网络用户对应的统计规则,一个网络用户对应一个或多个统计规则;每个统计规则中包含一个或多个流量数据包地址特征信息;每个网络用户对应的统计规则中的地址特征信息,为预先根据该网络用户使用的网络地址对应设置的;
分类结果获取模块,用于获取待统计流量数据包的分类结果,所述分类结果以红黑树方式存储,所述红黑树中的每个节点表示一个流量数据包分组,每个流量数据包分组与一个地址特征信息对应;
节点总个数获取模块,用于获取所述红黑树节点总个数;
最大节点个数确定模块,用于针对所述统计规则信息中的每个统计规则,确定该统计规则覆盖的所述红黑树中的最大节点个数;
时间复杂度计算模块,用于基于所述红黑树节点总个数和所述最大节点个数,计算在所述红黑树中查找目标节点的第一时间复杂度,和将所述红黑树中各节点对应的地址特征信息与该统计规则包含的地址特征信息进行逻辑匹配的第二时间复杂度;其中,所述目标节点为与该统计规则包含的地址特征信息对应的节点;
目标节点确定模块,用于若所述第一时间复杂度小于所述第二时间复杂度,则在所述红黑树中查找所述目标节点;若所述第一时间复杂度不小于所述第二时间复杂度,则将所述红黑树中各节点对应的地址特征信息与该统计规则包含的地址特征信息进行逻辑匹配,根据匹配结果,确定所述目标节点;
统计结果确定模块,用于对每个网络用户,分别统计该网络用户对应的所有统计规则确定的各个目标节点的数据包流量的总和,作为该网络用户的统计结果。
10.根据权利要求9所述的装置,其特征在于,所述统计规则信息获取模块,具体用于定期从与所述流量统计设备通信连接的服务器设备获取基于各个网络用户的流量数据包地址特征信息确定的统计规则信息。
11.根据权利要求9所述的装置,其特征在于,所述统计规则信息获取模块,具体用于当接收到规则更新指令时,向与所述流量统计设备通信连接的服务器设备发送统计规则信息获取请求,以从所述服务器设备中,获取基于各个网络用户的流量数据包地址特征信息确定的统计规则信息。
12.根据权利要求9所述的装置,其特征在于,所述统计规则中包含的地址特征信息为IP地址和子网掩码;
所述最大节点个数确定模块,包括:分类掩码获取子模块、目标二进制位确定子模块、目标二进制位个数统计子模块及最大节点个数确定子模块;
所述分类掩码获取子模块,用于获取对所述待统计流量数据包进行分类以得到所述分类结果时所使用的分类掩码;所述分类掩码为与所述地址特征信息具有相同位数的二进制数值,用于表征所述分类结果的分类粒度;
所述目标二进制位确定子模块,用于针对所述统计规则信息中的每个统计规则,对比所述分类掩码和该统计规则中的子网掩码,确定在所述分类掩码中的数值为1、在所述子网掩码中的数值为0的目标二进制位;
所述目标二进制位个数统计子模块,用于统计所述目标二进制位的个数;
所述最大节点个数确定子模块,用于采用如下公式,确定该统计规则覆盖的所述红黑树中的最大节点个数:
P=2N
其中,P表示该统计规则覆盖的所述红黑树中的最大节点个数;N表示所述目标二进制位的个数。
13.根据权利要求12所述的装置,其特征在于,所述目标节点确定模块,在执行所述将所述红黑树中各节点对应的地址特征信息与该统计规则包含的地址特征信息进行逻辑匹配,根据匹配结果,确定所述目标节点的步骤时,具体用于:
将所述红黑树中各节点对应的地址特征信息与该统计规则中的IP地址进行异或运算,得到异或运算结果;
将所述异或运算结果分别与该统计规则中的子网掩码进行与运算,得到与运算结果;
针对所述红黑树中的每个节点,当所述与运算结果为0时,确定该节点为与该统计规则包含的地址特征信息对应的目标节点;当所述与运算结果为非0时,确定该节点不是与该统计规则包含的地址特征信息对应的目标节点。
14.一种流量数据包统计装置,其特征在于,应用于与流量统计设备通信连接的服务器设备,所述装置包括:
统计规则信息发送模块,用于:向所述流量统计设备发送基于各个网络用户的流量数据包地址特征信息确定的统计规则信息,以使所述流量统计设备获取待统计流量数据包的分类结果;获取所述红黑树节点总个数;针对所述统计规则信息中的每个统计规则,确定该统计规则覆盖的所述红黑树中的最大节点个数;基于所述红黑树节点总个数和所述最大节点个数,计算在所述红黑树中查找目标节点的第一时间复杂度,和将所述红黑树中各节点对应的地址特征信息与该统计规则包含的地址特征信息进行逻辑匹配的第二时间复杂度;若所述第一时间复杂度小于所述第二时间复杂度,则在所述红黑树中查找所述目标节点;若所述第一时间复杂度不小于所述第二时间复杂度,则将所述红黑树中各节点对应的地址特征信息与该统计规则包含的地址特征信息进行逻辑匹配,根据匹配结果,确定所述目标节点;对每个网络用户,分别统计该网络用户对应的所有统计规则确定的各个目标节点的数据包流量的总和,作为该网络用户的统计结果;其中,所述统计规则信息中包括:分别与所述各个网络用户对应的统计规则,一个网络用户对应一个或多个统计规则;每个统计规则中包含一个或多个流量数据包地址特征信息;每个网络用户对应的统计规则中的地址特征信息,为预先根据该网络用户使用的网络地址对应设置的;所述分类结果以红黑树方式存储,所述红黑树中的每个节点表示一个流量数据包分组,每个流量数据包分组与一个地址特征信息对应;所述目标节点为与该统计规则包含的地址特征信息对应的节点。
15.根据权利要求14所述的装置,其特征在于,所述统计规则信息发送模块,包括:第一地址特征信息获取子模块、第一统计规则信息生成子模块及第一统计规则信息发送子模块;
所述第一地址特征信息获取子模块,用于定期获取各个网络用户的流量数据包地址特征信息;每个网络用户的流量数据包地址特征信息,为根据该网络用户使用的网络地址对应设置的;
所述第一统计规则信息生成子模块,用于根据所述各个网络用户的流量数据包地址特征信息,生成统计规则信息;
所述第一统计规则信息发送子模块,用于向所述流量统计设备发送所述统计规则信息。
16.根据权利要求14所述的装置,其特征在于,所述统计规则信息发送模块,包括:第二地址特征信息获取子模块、第二统计规则信息生成子模块及第二统计规则信息发送子模块;
所述第二地址特征信息获取子模块,用于当接收到所述流量统计设备发送的统计规则信息获取请求时,获取各个网络用户的流量数据包地址特征信息;每个网络用户的流量数据包地址特征信息,为根据该网络用户使用的网络地址对应设置的;
所述第二统计规则信息生成子模块,用于根据所述各个网络用户的流量数据包地址特征信息,生成统计规则信息;
所述第二统计规则信息发送子模块,用于向所述流量统计设备发送所述统计规则信息。
17.一种流量统计设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现权利要求1-5任一所述的方法步骤。
18.一种服务器设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现权利要求6-8任一所述的方法步骤。
19.一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内存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-5任一所述的方法步骤。
20.一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内存储有计算机程序,所述计算机程序被处理器执行时实现权利要求6-8任一所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911417864.2A CN113127693B (zh) | 2019-12-31 | 2019-12-31 | 一种流量数据包统计方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911417864.2A CN113127693B (zh) | 2019-12-31 | 2019-12-31 | 一种流量数据包统计方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113127693A CN113127693A (zh) | 2021-07-16 |
CN113127693B true CN113127693B (zh) | 2023-11-07 |
Family
ID=76769608
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911417864.2A Active CN113127693B (zh) | 2019-12-31 | 2019-12-31 | 一种流量数据包统计方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113127693B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115150171B (zh) * | 2022-06-30 | 2023-11-10 | 北京天融信网络安全技术有限公司 | 一种流量统计方法、装置、电子设备及存储介质 |
CN115378848B (zh) * | 2022-08-16 | 2024-03-22 | 武汉思普崚技术有限公司 | 一种基于排序算法的流量统计方法及系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110290117A (zh) * | 2019-06-06 | 2019-09-27 | 新华三信息安全技术有限公司 | 一种匹配ip地址的方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7535899B2 (en) * | 2003-12-18 | 2009-05-19 | Intel Corporation | Packet classification |
-
2019
- 2019-12-31 CN CN201911417864.2A patent/CN113127693B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110290117A (zh) * | 2019-06-06 | 2019-09-27 | 新华三信息安全技术有限公司 | 一种匹配ip地址的方法及装置 |
Non-Patent Citations (1)
Title |
---|
纪俊文 ; 陈晓苏 ; 张辉 ; .数据流重组中Hash-Splay查找算法.东南大学学报(自然科学版).2008,(S1),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN113127693A (zh) | 2021-07-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9547719B2 (en) | Bandwidth efficient processing and filtering across distributed databases | |
CN113127693B (zh) | 一种流量数据包统计方法、装置、设备及存储介质 | |
US20180367431A1 (en) | Heavy network flow detection method and software-defined networking switch | |
CN109274593B (zh) | 一种信息存储方法及装置 | |
CN111083050B (zh) | 一种基于软件定义网络的数据流传输方法及装置 | |
CN111614580A (zh) | 一种数据转发方法、装置及设备 | |
CN110784336A (zh) | 基于物联网的多设备智能定时延时场景设置方法及系统 | |
CN113132259B (zh) | 一种流量数据包统计方法、装置、设备及存储介质 | |
US11245712B2 (en) | Method and apparatus for generating virtual malicious traffic template for terminal group including device infected with malicious code | |
CN111092849B (zh) | 基于流量的分布式拒绝服务的检测方法及装置 | |
WO2021143287A1 (zh) | 服务调度方法、装置、电子设备及存储介质 | |
CN110769077B (zh) | 一种报文处理方法、装置、网络设备及存储介质 | |
CN112532467B (zh) | 用于实现故障检测的方法、装置及系统 | |
CN109361658B (zh) | 基于工控行业的异常流量信息存储方法、装置及电子设备 | |
WO2020063946A1 (zh) | 键值对数据的收集方法和装置 | |
CN110620729A (zh) | 一种报文转发方法、装置及报文转发设备 | |
CN113347173B (zh) | 一种包过滤方法、装置及电子设备 | |
CN112019547B (zh) | 网络流量评估方法、攻击检测方法、服务器及存储介质 | |
CN111542052B (zh) | 一种物联网中基于群体信任度的数据转发方法及装置 | |
CN113545020B (zh) | 一种数据处理方法及其装置 | |
CN114071448B (zh) | 一种数据传输方法、相关网络节点和存储介质 | |
CN111224886B (zh) | 一种网络流量的管控方法及系统 | |
CN113271263B (zh) | 一种数据处理方法及其设备 | |
TWI718778B (zh) | 聯網裝置及其流量預估方法 | |
CN114978995B (zh) | 一种报文转发路径选择方法及装置 |
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 |