CN113206764B - 一种基于网络特征的链路丢包率推理方法 - Google Patents

一种基于网络特征的链路丢包率推理方法 Download PDF

Info

Publication number
CN113206764B
CN113206764B CN202110579389.XA CN202110579389A CN113206764B CN 113206764 B CN113206764 B CN 113206764B CN 202110579389 A CN202110579389 A CN 202110579389A CN 113206764 B CN113206764 B CN 113206764B
Authority
CN
China
Prior art keywords
link
packet loss
detection
links
matrix
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
Application number
CN202110579389.XA
Other languages
English (en)
Other versions
CN113206764A (zh
Inventor
施展
付佳佳
梁宇图
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong Power Grid Co Ltd
Electric Power Dispatch Control Center of Guangdong Power Grid Co Ltd
Original Assignee
Guangdong Power Grid Co Ltd
Electric Power Dispatch Control Center of Guangdong Power Grid Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangdong Power Grid Co Ltd, Electric Power Dispatch Control Center of Guangdong Power Grid Co Ltd filed Critical Guangdong Power Grid Co Ltd
Priority to CN202110579389.XA priority Critical patent/CN113206764B/zh
Publication of CN113206764A publication Critical patent/CN113206764A/zh
Application granted granted Critical
Publication of CN113206764B publication Critical patent/CN113206764B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • H04L41/142—Network analysis or design using statistical or mathematical methods
    • 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
    • H04L43/0823—Errors, e.g. transmission errors
    • H04L43/0829—Packet loss
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/50—Reducing energy consumption in communication networks in wire-line communication networks, e.g. low power modes or reduced link rate

Abstract

本发明公开了一种基于网络特征的链路丢包率推理方法，涉及载波网络管理技术领域。所述方法包括：根据探测路径集合，构建路由矩阵；将路由矩阵中不丢包的探测所在的行，以及不丢包的探测所经过的所有的链路所在的列进行去除，得到简化矩阵；计算简化矩阵中每条链路的通过率估值和重要性估值；从简化矩阵的链路集合中依次选择通过率估值高的链路，作为可用链路；根据可用链路构建列满秩矩阵，并求解列满秩矩阵中每条链路的丢包率。本发明从每条链路的通过率估值、重要性估值两个维度，对链路的通过率进行评估，提出载波网络中基于网络特征的链路丢包率推理，能够解决载波网络中网络噪声较大导致链路丢包率推理算法的性能较低的问题。

Description

一种基于网络特征的链路丢包率推理方法
技术领域
本发明涉及载波网络管理技术领域，尤其涉及一种基于网络特征的链路丢包率推理方法。
背景技术
载波网络是电力公司通过电力线载波技术实现的一种重要通信方式。由于载波网络不需要电力公司建设新的网络基础设施，可以实现电力设备的通信功能，通过载波网络可以快速建设电力物联网需要的网络基础设施。此外，由于载波网络使用已有的电力线作为传输设备，在电力物联网终端数量较多的环境下，容易导致网络的可靠性降低。载波网络中，网络设备所处的环境更加复杂，给网络管理系统带来了较多的噪声，这些噪声会影响链路丢包率推理的准确性。为提升电力物联网的通信质量，网络链路丢包率推理是非常重要的。
发明内容
本发明目的在于，提供一种基于网络特征的链路丢包率推理方法，以解决载波网络中网络噪声较大导致链路丢包率推理算法的性能较低的问题。
为实现上述目的，本发明实施例提供一种基于网络特征的链路丢包率推理方法，包括：
根据探测路径集合，构建路由矩阵；其中，所述探测路径包括探测的起始节点、探测经过的链路和探测的终止节点；
将所述路由矩阵中不丢包的探测所在的行，以及不丢包的探测所经过的所有的链路所在的列进行去除，得到简化矩阵；
计算所述简化矩阵中每条链路的通过率估值和重要性估值；
从所述简化矩阵的链路集合中依次选择通过率估值高的链路，作为可用链路；
根据所述可用链路构建列满秩矩阵，并求解所述列满秩矩阵中每条链路的丢包率。
优选地，所述根据探测路径集合，构建路由矩阵，包括：
将探测路径集合作为所述路由矩阵的行，将链路集合作为所述路由矩阵的列。
优选地，所述将所述路由矩阵中不丢包的探测所在的行，以及不丢包的探测所经过的所有的链路所在的列进行去除，得到简化矩阵，包括：
检测所述路由矩阵中通过率为1的探测，并将通过率为1的探测作为不丢包的探测。
优选地，所述探测路径集合中探测的通过率，通过以下公式进行计算：
Figure BDA0003085492970000021
其中，Prk通过N条链路的探测Pk∈P的通过率，
Figure BDA0003085492970000022
表示链路ej∈E的通过率，Mij∈M表示探测矩阵的元素。
优选地，所述简化矩阵中每条链路的通过率估值，通过以下公式进行计算：
Figure BDA0003085492970000023
其中，
Figure BDA0003085492970000024
表示链路ej的通过率估值，Q表示总共的链路数量，W表示包含链路的探测的数量，
Figure BDA0003085492970000025
表示通过链路ej中M个探测的通过率平均值，
Figure BDA0003085492970000026
表示通过链路ej的探测的通过率，
Figure BDA0003085492970000027
表示经过链路的探测的链路数量之和除以总的链路数量，
Figure BDA0003085492970000028
表示通过链路ej的探测包含的链路数量。
优选地，所述计算所述简化矩阵中每条链路的通过率估值和重要性估值，包括：
对所述简化矩阵中每条链路的端点进行归一化处理，得到归一化后的端点的资源利用率和中心度。
优选地，所述计算所述简化矩阵中每条链路的通过率估值和重要性估值，包括：
计算所述简化矩阵中每个节点的重要性估值；其中，节点的重要性估值，通过以下公式进行计算：
Figure BDA0003085492970000031
Figure BDA0003085492970000032
Figure BDA0003085492970000033
Figure BDA0003085492970000034
其中，Core(ni)表示链路端点ni∈N的中心度，hops(ni,nj)表示节点到其它端点的跳数，
Figure BDA0003085492970000035
表示归一化后的端点的资源利用率，maxNU表示端点资源利用率的最大值，NUi表示链路端点ni∈N的资源利用率，minNU表示端点资源利用率的最小值，maxCore(n)表示端点中心度的最大值，minCore(n)表示端点中心度的最小值，Core(ni)nor表示归一化后的端点的中心度，IM(ni)表示节点的重要性估值。
优选地，所述从所述简化矩阵的链路集合中依次选择通过率估值高的链路，作为可用链路，包括：
从链路集合中依次选择通过率估值高的链路作为可用链路；
当两条链路的通过率估值相同，选择重要性估值高的链路作为可用链路。
本发明实施例还提供一种计算机终端设备，包括一个或多个处理器和存储器。存储器与所述处理器耦接，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上述任一实施例所述的基于网络特征的链路丢包率推理方法。
本发明实施例还提供一种计算机可读存储介质，其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上述任一实施例所述的基于网络特征的链路丢包率推理方法。
与现有技术相比，本发明具有以下有益效果：
本发明提供一种基于网络特征的链路丢包率推理方法，包括：根据探测路径集合，构建路由矩阵；其中，所述探测路径包括探测的起始节点、探测经过的链路和探测的终止节点；将所述路由矩阵中不丢包的探测所在的行，以及不丢包的探测所经过的所有的链路所在的列进行去除，得到简化矩阵；计算所述简化矩阵中每条链路的通过率估值和重要性估值；从所述简化矩阵的链路集合中依次选择通过率估值高的链路，作为可用链路；根据所述可用链路构建列满秩矩阵，并求解所述列满秩矩阵中每条链路的丢包率。本发明从每条链路的通过率估值、重要性估值两个维度，对链路的通过率进行评估，提出载波网络中基于网络特征的链路丢包率推理，能够解决载波网络中网络噪声较大导致链路丢包率推理算法的性能较低的问题。
附图说明
为了更清楚地说明本发明的技术方案，下面将对实施方式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方式，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是本发明某一实施例提供的基于网络特征的链路丢包率推理方法的流程示意图；
图2是本发明某一实施例提供的载波网络拓扑示意图；
图3是本发明某一实施例提供的拥塞链路检测率比较结果示意图；
图4是本发明某一实施例提供的拥塞链路误判率比较结果示意图；
图5是本发明某一实施例提供的链路通过率绝对误差的结果值占比的比较结果示意图；
图6是本发明某一实施例提供的计算机终端设备的结构示意图。
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作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
应当理解，文中所使用的步骤编号仅是为了方便描述，不作为对步骤执行先后顺序的限定。
应当理解，在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
探测，由探测站点发出的，是从一个节点到指定目的节点的一条路径，即探测路径；探测路径由至少一条探测链路构成。网络特征即网络资源特征，指的是网络资源的属性，例如历史故障率等。
请参阅图1，图1是本发明某一实施例提供的基于网络特征的链路丢包率推理方法的流程示意图。本实施例提供的基于网络特征的链路丢包率推理方法，包括以下步骤：
S110，根据探测路径集合，构建路由矩阵；其中，探测路径包括探测的起始节点、探测经过的链路和探测的终止节点。
在某一实施例中，根据探测路径集合，构建路由矩阵，包括：
将探测路径集合作为路由矩阵的行，将链路集合作为路由矩阵的列。
S120，将路由矩阵中不丢包的探测所在的行，以及不丢包的探测所经过的所有的链路所在的列进行去除，得到简化矩阵。
在某一实施例中，将路由矩阵中不丢包的探测所在的行，以及不丢包的探测所经过的所有的链路所在的列进行去除，得到简化矩阵，包括：
检测路由矩阵中通过率为1的探测，并将通过率为1的探测作为不丢包的探测。
其中，探测路径集合中探测的通过率，通过以下公式进行计算：
Figure BDA0003085492970000061
其中，Prk通过N条链路的探测Pk∈P的通过率，
Figure BDA0003085492970000062
表示链路ej∈E的通过率，Mij∈M表示探测矩阵的元素。
S130，计算简化矩阵中每条链路的通过率估值和重要性估值。
在某一实施例中，简化矩阵中每条链路的通过率估值，通过以下公式进行计算：
Figure BDA0003085492970000063
其中，
Figure BDA0003085492970000064
表示链路ej的通过率估值，Q表示总共的链路数量，W表示包含链路的探测的数量，
Figure BDA0003085492970000065
表示通过链路ej中M个探测的通过率平均值，
Figure BDA0003085492970000066
表示通过链路ej的探测的通过率，
Figure BDA0003085492970000067
表示经过链路的探测的链路数量之和除以总的链路数量，
Figure BDA0003085492970000068
表示通过链路ej的探测包含的链路数量。
在某一实施例中，计算简化矩阵中每条链路的通过率估值和重要性估值，包括：
对简化矩阵中每条链路的端点进行归一化处理，得到归一化后的端点的资源利用率和中心度。
在某一实施例中，计算简化矩阵中每条链路的通过率估值和重要性估值，包括：计算简化矩阵中每个节点的重要性估值；其中，节点的重要性估值，通过以下公式进行计算：
Figure BDA0003085492970000071
Figure BDA0003085492970000072
Figure BDA0003085492970000073
Figure BDA0003085492970000074
其中，Core(ni)表示链路端点ni∈N的中心度，hops(ni,nj)表示节点到其它端点的跳数，
Figure BDA0003085492970000075
表示归一化后的端点的资源利用率，maxNU表示端点资源利用率的最大值，NUi表示链路端点ni∈N的资源利用率，minNU表示端点资源利用率的最小值，maxCore(n)表示端点中心度的最大值，minCore(n)表示端点中心度的最小值，Core(ni)nor表示归一化后的端点的中心度，IM(ni)表示节点的重要性估值。
S140，从简化矩阵的链路集合中依次选择通过率估值高的链路，作为可用链路。
在某一实施例中，从简化矩阵的链路集合中依次选择通过率估值高的链路，作为可用链路，包括：从链路集合中依次选择通过率估值高的链路作为可用链路；当两条链路的通过率估值相同，选择重要性估值高的链路作为可用链路。
S150，根据可用链路构建列满秩矩阵，并求解列满秩矩阵中每条链路的丢包率。
为了便于问题描述，使用无向图G＝(N,E)表示载波网络拓扑。载波网络拓扑包括网络节点集合N、网络链路集合E。使用ni∈N表示网络节点，使用ej∈E表示网络链路。
请参阅图2，图2是本发明某一实施例提供的载波网络拓扑示意图。载波网络拓扑示意图包括H1-H4共四个接入终端。为了判断载波网络的链路性能，使用主动探测技术，获得端到端路径上的丢包率数据。使用P表示探测路径Pk∈P构成的探测集合。
对于探测路径Pk∈P，包括探测的起始节点、探测经过的链路、探测的终止节点。探测的起始节点和探测的终止节点是具备探测功能的两个网络节点。探测经过的链路是指网络的链路资源。例如，探测P1:H1→H2，需要通过的链路使用e1→e2→e3表示，探测的取值为探测的终止节点接收到的数据包占探测起始节点发送的数据包的比例。如果探测的终止节点接收到的数据包与探测起始节点发送的数据数量相同，探测的通过率取值为1，否则，探测的通过率取值为小于1。
为了便于求解每条链路的丢包率，本发明将探测、探测经过的链路描述为二维矩阵。矩阵的行表示探测P，矩阵的列表示载波网络包含的所有链路e。形式化描述方面，使用M表示探测矩阵，使用Mij∈M表示探测矩阵的元素。当探测Pi经过链路ej时，矩阵中的i行j列元素的取值为1，即Mij＝1。否则，取值为0，即Mij＝0。根据网络性能管理理论可知，每个探测的通过率取值为其经过链路的通过率相乘获得。使用
Figure BDA0003085492970000081
表示链路ej∈E的通过率。则通过N条链路的探测Pk∈P的通过率Prk使用公式(1)计算。
Figure BDA0003085492970000082
为便于求解，将公式(1)的两边取对数，得到公式(2)的取值。
Figure BDA0003085492970000083
基于此，探测矩阵可以表示为：
Figure BDA0003085492970000084
使用Yi表示logPri，使用Xj表示
Figure BDA0003085492970000085
公式(3)可以表示为多项等式的形式，如公式(4)所示。由于探测会对网络的业务产生影响，探测的数量少于网络中包含的链路数量，所以，矩阵M属于列不满秩矩阵，不能通过求解公式(4)的解获得唯一解。
Y＝MX (4)
可用链路化简采用去除不丢包探测经过链路的策略，当某个探测Pk∈P的通过率为1时，表明其通过的所有链路都不丢包。此时，可以去除矩阵中相关链路。
链路通过率估值的取值为通过该链路的所有探测的通过率的平均值。该值越大，表明当前链路丢包的可能性越小。因为探测经过多条链路，所有探测的通过率与其经过的所有链路相关。当探测经过的链路数量较多时，其包含的丢包链路条数会增加。链路的通过率估值使用
Figure BDA0003085492970000091
表示。为均衡链路通过率与探测经过链路数量的关系，本发明使用公式(5)计算链路ej通过率估值
Figure BDA0003085492970000092
Figure BDA0003085492970000093
其中，
Figure BDA0003085492970000094
表示通过链路ej中M个探测的通过率平均值。
Figure BDA0003085492970000095
表示通过链路ej的探测的通过率。
Figure BDA0003085492970000096
表示经过链路的探测的链路数量之和除以总的链路数量，用于衡量当前链路在包含当前链路的探测中的重要性。Q表示总共的链路数量，W表示包含链路的探测的数量，
Figure BDA0003085492970000097
表示通过链路ej的探测包含的链路数量。
链路的重要性估值是从链路在网络中角色的角度进行分析，链路在网络中越重要，表明当前链路越可能成为拥塞的链路。根据网络运营经验可知，在网络设备可以正常运行的情况下，网络资源利用率越高，越可能导致网络拥塞。本发明根据网络设备的资源利用率来评价链路的重要性。为评价链路的重要性，需要分析链路的两个端点的特性，因为网络丢包主要与链路的两个端点相关。本发明从链路两个端点的资源利用率、端点的中心度两个维度对链路端点的重要性进行分析。端点资源利用率从端点的计算资源利用率、传输资源利用率两个维度进行分析。端点的计算资源利用率使用端点已分配的资源在端点总资源中的占比进行衡量。传输资源利用率使用端点已分配的传输资源在总的传输资源中的占比进行衡量。端点ni∈N的资源利用率使用NUi表示，取值为端点的计算资源利用率和传输资源利用率的平均值。该值越大，表明端点的相关链路越可能发生拥塞。
端点的中心度用于衡量节点到其它节点的距离，因为路由策略以最短路径为最优路径。端点在网络中越中心的位置，在链路路由时，越可能使用当前的节点。此时，当前节点相连接的链路越可能成为拥塞链路。端点的中心度Core(ni)使用公式(6)计算，其中，hops(ni,nj)表示节点到网络中其它端点的跳数。公式(6)的取值越大，表明当前端点到网络中其它端点的跳数越少，越可能被用于数据传输。因此，端点的中心度越大，表明端点的相关链路越可能发生拥塞。
Figure BDA0003085492970000101
考虑到端点ni∈N的资源利用率NUi、中心度Core(ni)属于不同的量纲，为更加公平的评价端点的重要性，采用公式(7)和(8)分别进行归一化处理，得到归一化后的端点ni∈N的资源利用率
Figure BDA0003085492970000102
中心度Core(ni)nor。公式(7)中，maxNU、minNU分别表示端点资源利用率的最大值和最小值。maxCore(n)、minCore(n)分别表示端点中心度的最大值和最小值。
Figure BDA0003085492970000103
Figure BDA0003085492970000104
基于上述分析，节点的重要性估值使用IM(ni)公式(9)进行计算。
Figure BDA0003085492970000105
在构建列满秩矩阵步骤中，从链路集合中依次选择通过率估值
Figure BDA0003085492970000106
高的链路为可用链路；当两条链路的
Figure BDA0003085492970000107
取值相同，选择IM(ej)大的链路为可用链路，直到路由矩阵为列满秩矩阵。当两条链路的
Figure BDA0003085492970000108
取值相同选择IM(ej)大的链路为可用链路，是因为IM(ej)大，表明当前链路在网络中重要，容易导致链路的
Figure BDA0003085492970000109
较小。所以，当两条链路的
Figure BDA00030854929700001010
取值相同，选择IM(ej)大的链路为可用链路。
在求解方程组得到每条链路的丢包率取值步骤中，使用公式(4)求解方程组，得到每条链路的丢包率取值。
在某一具体实施例中，对本发明提出的基于业务特征的载波网络故障诊断方法进行性能分析，采用的基于业务特征的载波网络故障诊断算法如表1所示。
表1载波网络中基于网络特征的链路丢包率推理算法
Figure BDA0003085492970000111
在构建路由矩阵步骤中，基于探测路径集合P＝{P1,P2,...,Pi}，构建路由矩阵M。在简化路由矩阵步骤中，去除不丢包的探测所在的行，以及该探测所经过的所有链路所在的列。
在根据网络特征计算链路特性步骤中，首先使用公式(5)计算每条链路的通过率估值
Figure BDA0003085492970000112
其次，使用公式(9)计算每个节点的重要性估值IM(ni)；最后，计算每条链路的重要性估值IM(ej)。链路的IM(ej)取值为其两个端点的重要性之和的平均值。在构建列满秩矩阵步骤中，从链路集合中依次选择通过率估值
Figure BDA0003085492970000113
高的链路为可用链路；当两条链路的
Figure BDA0003085492970000114
取值相同，选择IM(ej)大的链路为可用链路，直到路由矩阵为列满秩矩阵。当两条链路的
Figure BDA0003085492970000121
取值相同选择IM(ej)大的链路为可用链路，是因为IM(ej)大，表明当前链路在网络中重要，容易导致链路的
Figure BDA0003085492970000122
较小。所以，当两条链路的
Figure BDA0003085492970000123
取值相同，选择IM(ej)大的链路为可用链路。在求解方程组得到每条链路的丢包率取值步骤中，使用公式(4)求解方程组，得到每条链路的丢包率取值。
使用brite网络拓扑生成器生成Waxman类型的网络拓扑。Waxman类型网络拓扑的特点是随机性较大，探测经过的链路数量较多，对于丢包率推理算法要求较高。所以，本发明选择这种网络拓扑进行研究。网络拓扑中网络节点数量是500个。为保证实验结果的稳定性，实验中使用30次实验结果的平均值进行衡量。根据网络运维经验，以数值0.05为判定是否丢包的条件。当链路的丢包率大于等于0.05时，将当前链路判定为拥塞链路。当链路的丢包率小于0.05时，将当前链路判定为正常链路。为模拟链路拥塞，设置每条链路的拥塞概率服从[0.05,0.15]的均匀分布。拥塞链路的丢包率取值服从[0.05,0.15]的均匀分布，正常链路的丢包率取值服从[0,0.05)的均匀分布。
为分析本发明基于网络特征的链路丢包率推理算法(link packet loss rateInference algorithm based on network characteristics in carrier network，LPLRIAoNC)的性能，将本发明算法与基于瓶颈链路共享数量的链路丢包率推理算法(linkpacket loss rate Inference algorithm based on the shared number of bottlenecklinks，LPLRIAoSNBL)进行比较。算法LPLRIAoSNBL以瓶颈链路共享数量的多少进行排序，并将瓶颈链路共享较多的链路作为拥塞链路。在性能分析指标方面，将两种算法从拥塞链路检测率、拥塞链路误判率、链路通过率绝对误差三个维度进行分析。
拥塞链路检测率(congested link detection rate,CLDR)使用公式(10)进行计算。其中，ψ表示推理出的拥塞链路集合，ξ表示实际发生拥塞的链路集合。该公式表示“推理出的真实拥塞链路数量”在“实际发生拥塞的链路集合”中的占比。
Figure BDA0003085492970000131
拥塞链路误判率(congested link misjudgment rate,CLMR)使用公式(11)计算。该公式表示“推理出的拥塞链路不属于真实拥塞链路”在“实际发生拥塞的链路集合”中的占比。
Figure BDA0003085492970000132
链路通过率绝对误差(Link pass rate absolute error，LPRAE)使用公式(12)计算，其中，α表示拥塞链路的真实通过率，β表示算法推理出的链路通过率。LPRAE是指发生拥塞的链路的通过率与其推理出的通过率之间的差值。该值越大，表示算法推理的准确率较低。
LPRAE＝|α-β| (12)
考虑到链路通过率绝对误差取值较小，不便于分析算法性能。本发明采用链路通过率绝对误差值的分布情况，来衡量算法的推理准确度。链路通过率绝对误差值的结果值占比(Result-value ratio，RVR)使用公式(13)进行计算。
公式中ν表示所有结果值出现的次数，μ表示某个结果值出现的次数。
Figure BDA0003085492970000133
拥塞链路检测率比较结果如图3所示。图中，X轴表示网络的拥塞率在5％到15％之间变化，模拟不同网络环境。Y轴表示拥塞检测算法的拥塞链路检测率。从图可知，在不同的网络拥塞环境下，两个算法下的拥塞链路检测率结果都比较稳定。说明两个算法在不同网络环境下的效果都比较稳定。从两个算法的执行结果分析可知，本发明算法下的拥塞链路检测率高于比较算法LPLRIAoSNBL。这说明本发明算法基于网络特征可以分析链路的通过率特征，从而为拥塞链路检测率提供更加准确的探测路由矩阵。
拥塞链路误判率比较结果如图4所示。图中，X轴表示网络的拥塞率在5％到15％之间变化，模拟不同网络环境。Y轴表示拥塞检测算法的拥塞链路误判率。从图可知，在不同的网络拥塞环境下，两个算法下的拥塞链路误判率结果都比较稳定。说明两个算法在不同网络环境下的效果都比较稳定。从两个算法的执行结果分析可知，本发明算法下的拥塞链路误判率低于比较算法LPLRIAoSNBL。这说明本发明算法基于网络特征可以分析链路的通过率特征，从而为拥塞链路误判率检测提供更加准确的探测路由矩阵。
链路通过率绝对误差的结果值占比的比较结果如图5所示。图中，X轴表示链路通过率绝对误差的结果值，模拟算法得到的通过率取值与实际的链路通过率取值的误差值。Y轴表示链路通过率绝对误差的结果值占比。从图可知，对于链路通过率绝对误差的结果值小于0.005的情况，本发明算法约占91％，比较算法LPLRIAoSNBL约占88％。对于链路通过率绝对误差的结果值小于0.5的情况，本发明算法约占95％，比较算法LPLRIAoSNBL约占90％。说明本发明算法推理出的链路丢包率取值与实际情况更加接近，提升了算法的性能。
请参阅图6，本发明实施例提供一种计算机终端设备，包括一个或多个处理器和存储器。存储器与所述处理器耦接，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上述任意一个实施例中的基于网络特征的链路丢包率推理方法。
处理器用于控制该计算机终端设备的整体操作，以完成上述的基于网络特征的链路丢包率推理方法的全部或部分步骤。存储器用于存储各种类型的数据以支持在该计算机终端设备的操作，这些数据例如可以包括用于在该计算机终端设备上操作的任何应用程序或方法的指令，以及应用程序相关的数据。该存储器可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(Static Random AccessMemory，简称SRAM)，电可擦除可编程只读存储器(Electrically Erasable ProgrammableRead-Only Memory，简称EEPROM)，可擦除可编程只读存储器(Erasable ProgrammableRead-Only Memory，简称EPROM)，可编程只读存储器(Programmable Read-Only Memory，简称PROM)，只读存储器(Read-Only Memory，简称ROM)，磁存储器，快闪存储器，磁盘或光盘。
在一示例性实施例中，计算机终端设备可以被一个或多个应用专用集成电路(Application Specific 1ntegrated Circuit，简称AS1C)、数字信号处理器(DigitalSignal Processor，简称DSP)、数字信号处理设备(Digital Signal Processing Device,简称DSPD)、可编程逻辑器件(Programmable Logic Device，简称PLD)、现场可编程门阵列(Field Programmable Gate Array，简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述的基于网络特征的链路丢包率推理方法，并达到如上述方法一致的技术效果。
在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述任意一个实施例中的基于网络特征的链路丢包率推理方法的步骤。例如，该计算机可读存储介质可以为上述包括程序指令的存储器，上述程序指令可由计算机终端设备的处理器执行以完成上述的基于网络特征的链路丢包率推理方法，并达到如上述方法一致的技术效果。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

Claims (7)

1.一种基于网络特征的链路丢包率推理方法，其特征在于，包括：
根据探测路径集合，构建路由矩阵；其中，所述探测路径包括探测的起始节点、探测经过的链路和探测的终止节点；
将所述路由矩阵中不丢包的探测所在的行，以及不丢包的探测所经过的所有的链路所在的列进行去除，得到简化矩阵；
计算所述简化矩阵中每条链路的通过率估值和重要性估值，具体为：
所述简化矩阵中每条链路的通过率估值通过以下公式进行计算：
Figure FDA0003649897660000011
式中，
Figure FDA0003649897660000012
表示链路ej的通过率估值，Q表示总共的链路数量，W表示包含链路的探测的数量，
Figure FDA0003649897660000013
表示通过链路ej中M个探测的通过率平均值，
Figure FDA0003649897660000014
表示通过链路ej的探测的通过率，
Figure FDA0003649897660000015
表示经过链路的探测的链路数量之和除以总的链路数量，
Figure FDA0003649897660000016
表示通过链路ej的探测包含的链路数量；
对所述简化矩阵中每条链路的端点进行归一化处理，得到归一化后的端点的资源利用率和中心度；
计算所述简化矩阵中每个节点的重要性估值；所述节点的重要性估值通过以下公式进行计算：
Figure FDA0003649897660000017
Figure FDA0003649897660000018
Figure FDA0003649897660000019
IM(ni)＝NUi nor+Core(ni)nor；
式中，Core(ni)表示链路端点ni∈N的中心度，nj表示网络节点集合N中的元素，hops(ni,nj)表示节点到其它端点的跳数，NUi nor表示归一化后的端点的资源利用率，maxNU表示端点资源利用率的最大值，NUi表示链路端点ni∈N的资源利用率，minNU表示端点资源利用率的最小值，maxCore(n)表示端点中心度的最大值，minCore(n)表示端点中心度的最小值，Core(ni)nor表示归一化后的端点的中心度，IM(ni)表示节点的重要性估值；
从所述简化矩阵的链路集合中依次选择通过率估值高的链路，作为可用链路；
根据所述可用链路构建列满秩矩阵，并求解所述列满秩矩阵中每条链路的丢包率。
2.根据权利要求1所述的基于网络特征的链路丢包率推理方法，其特征在于，所述根据探测路径集合，构建路由矩阵，包括：
将探测路径集合作为所述路由矩阵的行，将链路集合作为所述路由矩阵的列。
3.根据权利要求1所述的基于网络特征的链路丢包率推理方法，其特征在于，所述将所述路由矩阵中不丢包的探测所在的行，以及不丢包的探测所经过的所有的链路所在的列进行去除，得到简化矩阵，包括：
检测所述路由矩阵中通过率为1的探测，并将通过率为1的探测作为不丢包的探测。
4.根据权利要求3所述的基于网络特征的链路丢包率推理方法，其特征在于，所述探测路径集合中探测的通过率，通过以下公式进行计算：
Figure FDA0003649897660000021
其中，Prk表示通过N条链路的探测Pk∈P的通过率，P表示探测路径Pk构成的探测集合，
Figure FDA0003649897660000022
表示链路ej∈E的通过率，E表示网络链路集合，Mkj∈M表示探测矩阵的元素。
5.根据权利要求1所述的基于网络特征的链路丢包率推理方法，其特征在于，所述从所述简化矩阵的链路集合中依次选择通过率估值高的链路，作为可用链路，包括：
从链路集合中依次选择通过率估值高的链路作为可用链路；
当两条链路的通过率估值相同，选择重要性估值高的链路作为可用链路。
6.一种计算机终端设备，其特征在于，包括：
一个或多个处理器；
存储器，与所述处理器耦接，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1至5任一项所述的基于网络特征的链路丢包率推理方法。
7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述的基于网络特征的链路丢包率推理方法。
CN202110579389.XA 2021-05-26 2021-05-26 一种基于网络特征的链路丢包率推理方法 Active CN113206764B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110579389.XA CN113206764B (zh) 2021-05-26 2021-05-26 一种基于网络特征的链路丢包率推理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110579389.XA CN113206764B (zh) 2021-05-26 2021-05-26 一种基于网络特征的链路丢包率推理方法

Publications (2)

Publication Number Publication Date
CN113206764A CN113206764A (zh) 2021-08-03
CN113206764B true CN113206764B (zh) 2022-07-12

Family

ID=77023331

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110579389.XA Active CN113206764B (zh) 2021-05-26 2021-05-26 一种基于网络特征的链路丢包率推理方法

Country Status (1)

Country Link
CN (1) CN113206764B (zh)

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8385231B2 (en) * 2009-07-30 2013-02-26 Roberto Rojas-Cessa Disseminating link state information to nodes of a network
CN102684825B (zh) * 2011-03-18 2014-09-17 北京市天元网络技术股份有限公司 用于计算网络丢包率的探测方法
CN102263676A (zh) * 2011-07-11 2011-11-30 北京邮电大学 网络瓶颈检测方法
CN103281256B (zh) * 2013-04-26 2016-05-25 北京邮电大学 基于网络层析的端到端路径丢包率探测方法
CN103490955A (zh) * 2013-09-18 2014-01-01 电子科技大学 基于卡尔曼滤波的时变网络链路丢包率的估计方法
CN111600805B (zh) * 2020-05-27 2023-02-28 南方电网调峰调频发电有限公司信息通信分公司 基于贝叶斯的电力数据网拥塞链路推断方法

Also Published As

Publication number Publication date
CN113206764A (zh) 2021-08-03

Similar Documents

Publication Publication Date Title
EP1481510B1 (en) Method and system for constraint-based traffic flow optimisation
CN111147388A (zh) 估计网络中的带宽
CN110380903B (zh) 一种电力通信网故障探测方法、装置及设备
US8493882B2 (en) Optimization evaluation system, optimization evaluation device, optimization evaluation method, and optimization evaluation program
Wang et al. Traffic flow and efficient routing on scale-free networks: A survey
CN113206764B (zh) 一种基于网络特征的链路丢包率推理方法
Chen et al. An efficient solution to locate sparsely congested links by network tomography
Van Mieghem et al. Influence of the link weight structure on the shortest path
Baccelli et al. Inverse problems in queueing theory and Internet probing
CN113315679B (zh) 一种基于网络资源特征的链路丢包率推理方法及系统
Tagyo et al. Network tomography using routing probability for undeterministic routing
CN113572639A (zh) 一种载波网络故障的诊断方法、系统、设备和介质
CN107710701A (zh) 约束分离路径计算
CN112866052B (zh) 网络链路状态的检测方法、检验矩阵的训练方法和装置
Li et al. A practical approach for network application reliability assessment
Bondorf et al. Virtual cross-flow detouring in the deterministic network calculus analysis
CN113285835B (zh) 一种基于业务特征的载波网络链路丢包率推理方法
CN114448838A (zh) 系统可靠度评估方法
Alawadi et al. Risk analysis of blocked rate predictions for SDN load balancing using Monte Carlo simulation
Cai et al. Scaling behavior of an artificial traffic model on scale-free networks
Fu et al. Random choices for churn resilient load balancing in peer-to-peer networks
CN108833275A (zh) 一种带宽选路学习的实现方法、装置及设备
Zhang et al. Improving the accuracy of boolean tomography by exploiting path congestion degrees
CN113315660B (zh) 一种基于网络和业务关系的载波网络故障诊断方法及系统
CN114389961B (zh) 一种基于节点热度采样的图流三角形计数方法及装置

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