CN113285835B - 一种基于业务特征的载波网络链路丢包率推理方法 - Google Patents
一种基于业务特征的载波网络链路丢包率推理方法 Download PDFInfo
- Publication number
- CN113285835B CN113285835B CN202110579425.2A CN202110579425A CN113285835B CN 113285835 B CN113285835 B CN 113285835B CN 202110579425 A CN202110579425 A CN 202110579425A CN 113285835 B CN113285835 B CN 113285835B
- Authority
- CN
- China
- Prior art keywords
- link
- packet loss
- detection
- matrix
- rate
- 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 37
- 238000001514 detection method Methods 0.000 claims abstract description 160
- 239000011159 matrix material Substances 0.000 claims abstract description 154
- 238000011156 evaluation Methods 0.000 claims abstract description 39
- 239000000523 sample Substances 0.000 claims description 74
- 238000004458 analytical method Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 11
- 239000013598 vector Substances 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 4
- 238000013139 quantization Methods 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 abstract description 40
- 238000010586 diagram Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 7
- 238000007726 management method Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 3
- 238000009827 uniform distribution Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 230000005251 gamma ray Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
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
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Pure & Applied Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Algebra (AREA)
- Environmental & Geological Engineering (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种基于业务特征的载波网络链路丢包率推理方法，涉及载波网络管理技术领域。包括根据探测集合，构建探测矩阵；将探测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，并删除探测矩阵中的重复列和零列，得到简化矩阵；计算简化矩阵中每条链路的通过率特性；根据通过率特性获得链路的属性的权重值和链路的通过率评估值；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通过率。本发明通过分析链路的通过率特性，并采用多个属性计算指标权重，从而获得链路通过率评估值，能够解决载波网络环境下网络噪声较大容易导致链路丢包率推理算法准确率低的问题。
Description
技术领域
本发明涉及载波网络管理技术领域，尤其涉及一种基于业务特征的载波网络链路丢包率推理方法。
背景技术
电力线载波网络技术使电力公司利用已有的电力线资源，快速为用户提供通信服务。不但节约建设通信网络的资源投资，而且可以快速实现智慧电网和电力物联网建设。随着电力线载波网络的建设和使用，载波网络上承载的各种服务对载波网络的可靠性提出了较高的要求。由于载波网络使用电力线进行数据传输，导致网络的可靠性受到电力线环境的影响较大。为进一步提升载波网络的服务质量，载波网络的链路丢包率推理研究已成为一个重要的研究内容。
网络层析成像技术作为一种网络间接测量技术，在检测路径选择、链路特征推断和拥塞链路位置等领域取得了较好的效果，受到了越来越多的关注。现有技术主要采用探测技术解决链路丢包率的推理问题，但是在载波网络环境下，网络的噪声较大，容易导致探测结果准确率降低，给算法的推理带来较大的挑战。
发明内容
本发明目的在于，提供一种基于业务特征的载波网络链路丢包率推理方法，通过分析链路的通过率特性，并采用多个属性计算指标权重，从而获得链路通过率评估值，以解决载波网络环境下网络噪声较大容易导致链路丢包率推理算法准确率低的问题。
为实现上述目的，本发明实施例提供一种基于业务特征的载波网络链路丢包率推理方法，包括：
根据探测集合，构建探测矩阵；其中，所述探测矩阵的每一个行表示一个探测，所述探测矩阵的每一个列表示一条链路；
将所述探测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，并删除所述探测矩阵中的重复列和零列，得到简化矩阵；
计算所述简化矩阵中每条链路的通过率特性；其中，所述通过率特性包括丢包贡献度、探测平均丢包率和探测独立性；
根据所述通过率特性获得所述链路的属性的权重值和所述链路的通过率评估值；
根据所述链路的通过率评估值的大小，对链路进行降序排列并依次选择通过率评估值取值最大的链路为可用链路；
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通过率。
优选地，所述将所述探测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，并删除所述探测矩阵中的重复列和零列，得到简化矩阵，包括：
根据所述探测矩阵中链路的通过率，计算所述探测矩阵中探测的通过率；
所述探测矩阵中探测的通过率，通过以下公式进行计算：
其中，Prk表示探测Pk∈P的通过率，erj表示链路ej∈E的通过率，Mkj∈M表示探测矩阵M第k个探测的第j个元素的取值，N表示网络链路的数量。
优选地，所述计算所述简化矩阵中每条链路的通过率特性中，链路的丢包贡献度是指链路对于探测丢包的影响程度；
链路的丢包贡献度，通过以下公式进行计算：
其中，
表示链路的丢包贡献度，
表示丢包探测中包含当前链路的探测的数量，Ppl表示总的丢包的探测的数量，|*|表示计算集合中包含的元素数量。
优选地，所述计算所述简化矩阵中每条链路的通过率特性中，链路的探测平均丢包率是指包含当前链路的探测中出现丢包的探测的平均值；
链路的探测平均丢包率，通过以下公式进行计算：
其中，
表示链路的探测平均丢包率，λ表示包含当前链路的探测中出现丢包的探测数量，
表示包含当前链路的出现丢包的探测的通过率。
优选地，所述计算所述简化矩阵中每条链路的通过率特性中，链路的探测独立性是指包含当前链路的探测丢包率的相关性；
链路的探测独立性，通过以下公式进行计算：
其中，
表示链路的探测独立性，
表示所有丢包探测中包含所有链路的集合，
表示丢包探测中包含当前链路的探测的集合，|*|表示计算集合中包含的元素数量。
优选地，所述根据所述通过率特性获得所述链路的属性的权重值和所述链路的通过率评估值，包括：
对所述通过率特性中不同属性的重要性进行量化，并根据属性的重要性取值，得到属性权重因子矩阵；
根据所述属性权重因子矩阵，得到链路的不同属性的权重值行向量。
本发明实施例还提供一种基于业务特征的载波网络链路丢包率推理系统，包括：
矩阵构建模块，用于根据探测集合，构建探测矩阵；其中，所述探测矩阵的每一个行表示一个探测，所述探测矩阵的每一个列表示一条链路；
矩阵简化模块，用于将所述探测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，并删除所述探测矩阵中的重复列和零列，得到简化矩阵；
通过率特性获取模块，用于计算所述简化矩阵中每条链路的通过率特性；其中，所述通过率特性包括丢包贡献度、探测平均丢包率和探测独立性；
通过率特性分析模块，用于根据所述通过率特性获得所述链路的属性的权重值和所述链路的通过率评估值；
可用链路获取模块，用于根据所述链路的通过率评估值的大小，对链路进行降序排列并依次选择通过率评估值取值最大的链路为可用链路；
链路通过率获取模块，用于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通过率。
优选地，所述通过率特性分析模块还包括：
重要性量化模块，用于对所述通过率特性中不同属性的重要性进行量化，并根据属性的重要性取值，得到属性权重因子矩阵；
权重因子矩阵分析模块，用于根据所述属性权重因子矩阵，得到链路的不同属性的权重值行向量。
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业务特征的载波网络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业务特征的载波网络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业务特征的载波网络链路丢包率推理方法，包括：根据探测集合，构建探测矩阵；其中，所述探测矩阵的每一个行表示一个探测，所述探测矩阵的每一个列表示一条链路；将所述探测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，并删除所述探测矩阵中的重复列和零列，得到简化矩阵；计算所述简化矩阵中每条链路的通过率特性；其中，所述通过率特性包括丢包贡献度、探测平均丢包率和探测独立性；根据所述通过率特性获得所述链路的属性的权重值和所述链路的通过率评估值；根据所述链路的通过率评估值的大小，对链路进行降序排列并依次选择通过率评估值取值最大的链路为可用链路；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通过率。本发明通过分析链路的通过率特性，并采用多个属性计算指标权重，从而获得链路通过率评估值，能够解决载波网络环境下网络噪声较大容易导致链路丢包率推理算法准确率低的问题。
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业务特征的载波网络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比较结果示意图；
图6是本发明某一实施例提供的基于业务特征的载波网络链路丢包率推理装置的结构示意图；
图7是本发明另一实施例提供的基于业务特征的载波网络链路丢包率推理装置的结构示意图；
图8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。
本发明公开了一种基于业务特征的载波网络链路丢包率推理方法，涉及载波网络管理技术领域。包括根据探测集合，构建探测矩阵；将探测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，并删除探测矩阵中的重复列和零列，得到简化矩阵；计算简化矩阵中每条链路的通过率特性；根据通过率特性获得链路的属性的权重值和链路的通过率评估值；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通过率。本发明通过分析链路的通过率特性，并采用多个属性计算指标权重，从而获得链路通过率评估值，能够解决载波网络环境下网络噪声较大容易导致链路丢包率推理算法准确率低的问题。
业务特征即网络资源的业务特征，指的是业务的属性即载波网络上的业务属性，包括业务对应的虚拟网络所承载的底层网络资源的关系、业务的运行状态。每个虚拟网络承载一个业务，网络和业务的关系，是指底层网络和虚拟网络的资源分配关系。网络特征指的是网络资源的属性，例如历史故障率。
请参阅图1，图1是本发明某一实施例提供的基于业务特征的载波网络链路丢包率推理方法的流程示意图。本实施例提供的基于业务特征的载波网络链路丢包率推理方法，包括以下步骤：
S110，根据探测集合，构建探测矩阵；其中，探测矩阵的每一个行表示一个探测，探测矩阵的每一个列表示一条链路。
S120，将探测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，并删除探测矩阵中的重复列和零列，得到简化矩阵。
在某一实施例中，将探测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，并删除探测矩阵中的重复列和零列，得到简化矩阵，包括：
根据探测矩阵中链路的通过率，计算探测矩阵中探测的通过率；探测矩阵中探测的通过率，通过以下公式进行计算：
其中，Prk表示探测Pk∈P的通过率，erj表示链路ej∈E的通过率，Mkj∈M表示探测矩阵M第k个探测的第j个元素的取值，N表示网络链路的数量。
S130，计算简化矩阵中每条链路的通过率特性；其中，通过率特性包括丢包贡献度、探测平均丢包率和探测独立性。
在某一实施例中，计算简化矩阵中每条链路的通过率特性中，链路的丢包贡献度是指链路对于探测丢包的影响程度；链路的丢包贡献度，通过以下公式进行计算：
其中，
表示链路的丢包贡献度，
表示丢包探测中包含当前链路的探测的数量，Ppl表示总的丢包的探测的数量，|*|表示计算集合中包含的元素数量。
在某一实施例中，计算简化矩阵中每条链路的通过率特性中，链路的探测平均丢包率是指包含当前链路的探测中出现丢包的探测的平均值；链路的探测平均丢包率，通过以下公式进行计算：
其中，
表示链路的探测平均丢包率，λ表示包含当前链路的探测中出现丢包的探测数量，
表示包含当前链路的出现丢包的探测的通过率。
在某一实施例中，计算简化矩阵中每条链路的通过率特性中，链路的探测独立性是指包含当前链路的探测丢包率的相关性；链路的探测独立性，通过以下公式进行计算：
其中，
表示链路的探测独立性，
表示所有丢包探测中包含所有链路的集合，
表示丢包探测中包含当前链路的探测的集合，|*|表示计算集合中包含的元素数量。
S140，根据通过率特性获得链路的属性的权重值和链路的通过率评估值。
在某一实施例中，根据通过率特性获得链路的属性的权重值和链路的通过率评估值，包括：对通过率特性中不同属性的重要性进行量化，并根据属性的重要性取值，得到属性权重因子矩阵；根据属性权重因子矩阵，得到链路的不同属性的权重值行向量。
S150，根据链路的通过率评估值的大小，对链路进行降序排列并依次选择通过率评估值取值最大的链路为可用链路。
S160，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通过率。
载波网络的主要设备包括业务终端设备、网络接入设备、中央协调设备、网络汇聚设备、网络核心设备等。为便于对网络的链路丢包率进行推理，本发明将载波网络拓扑建模为无向图G＝(N,E)。其中，ni∈N表示载波网络中的网络设备，ej∈E表示载波网络中的网络链路。考虑到主动探测技术是当前网络链路丢包率推理的主要技术，本发明基于主动探测技术对链路的丢包率进行推理。
在主动探测技术中，使用Pk∈P表示端到端的一个探测路径，该探测路径经过的链路为此探测路径的构成元素。此探测的数据包通过率由其通过的链路的数据包通过率决定。例如图2所示的网络拓扑示意图包含四个业务终端以及11条链路。为了实现网络链路丢包率的推断，网络管理系统可以根据在业务终端或者网络节点的位置部署探测站点，之后从探测站点发送探测，获取网络中多条路径的数据包通过率。以探测P5:H2→H4为例，表明探测P5是从探测站点H2向探测站点H4发送了一个端到端探测，通过的链路使用e3→e4→e9→e10表示，网管理系统可以根据获得探测P5的通过率为0.65。
考虑到网络中的链路数量固定，可以将探测及其通过的链路建模为探测矩阵。在构建的探测矩阵中，矩阵的每一个行表示一个探测，矩阵的每一个列表示一条链路。对于矩阵上的元素取值，如果一个探测经过当前链路，此时该元素取值为1，否则该元素取值为0。为便于描述，探测矩阵使用M表示，其第k行、第j列的元素使用Mkj∈M表示，表示第k个探测的第j个元素的取值，N表示网络链路的数量。当Mkj＝1时，表示第k个探测的第j条链路。当Mkj＝0时，表示第k个探测不经过第j条链路。
根据网络性能管理理论可知，每个探测的通过率与丢包率之和等于1。每个探测的通过率是其包含的所有链路的通过率相乘得到。探测Pk∈P的通过率使用Prk表示，链路ej∈E的通过率使用erj表示。此时，探测的通过率可以使用公式(1)进行计算。
为降低幂律计算公式的难度，将公式(1)的两边进行对数运算，可以得到公式(2)。
基于上述分析，可以将探测矩阵的探测表示为公式(3)。
令Yi＝logPri，Xj＝loglrj，可以得到公式(4)。
Y＝MX (4)
在确定性化简探测矩阵步骤中，通过删除矩阵中的不丢包探测、链路，以及重复的列和行，得到确定性化简后的探测矩阵M′。
从链路的丢包贡献度、链路的探测平均丢包率、链路的探测独立性三个方面，对链路的通过率进行分析。
链路的丢包贡献度是指链路对于探测丢包的影响程度。使用
表示链路的丢包贡献度。计算方法如公式(5)所示。
表示丢包探测中包含当前链路的探测的数量，Ppl表示总的丢包的探测的数量。|*|表示计算集合中包含的元素数量。从公式(5)的计算过程可知，链路的丢包贡献度取值越大，通过率越高。
链路的探测平均丢包率是指包含当前链路的探测中出现丢包的探测的平均值，使用
表示链路的探测平均丢包率。使用公式(6)计算。其中，λ表示包含当前链路的探测中出现丢包的探测数量，
表示包含当前链路的出现丢包的探测的通过率。从公式(6)的计算过程可知，链路的探测平均丢包率越大，通过率越高。
链路的探测独立性是指包含当前链路的探测丢包率的相关性，本发明使用包含当前链路的丢包探测的通过率的平均值表示链路的探测独立性。使用
表示链路的探测独立性，使用公式(7)进行计算。其中，
表示所有丢包探测中包含所有链路的集合，
表示丢包探测中包含当前链路的探测的集合，|*|表示计算集合中包含的元素数量。从计算公式可知，链路的探测独立性越大，链路的通过率越高。
通过上述分析，本发明从链路的丢包贡献度、链路的探测平均丢包率、链路的探测独立性三个方面，可以获得每条链路的通过率的三个类型的性能。为了有效利用上述特性，需要对三个特性的权重进行分析。考虑到多属性层次分析法可以根据属性的特点对其进行权重计算，本发明采用多属性层次分析法对链路通过率的三个属性进行分析。
根据多属性层次分析法的要求，首先需要确定链路的丢包贡献度、链路的探测平均丢包率、链路的探测独立性三个属性的优先级。因为本发明以链路的通过率为主要因素来评价链路的属性，根据网络运营经验，本发明定义链路的三个属性的重要性排序依次为链路的丢包贡献度、链路的探测平均丢包率、链路的探测独立性。根据三个属性的重要性排序，采用公式(8)对三个属性的重要性进行量化。其中，i、j表示链路的属性。
根据属性的重要性取值，可以采用
和
计算出属性权重因子矩阵如公式(9)所示。其中，m表示属性的维度，本发明取值为3。
根据公式(9)，可以获得链路的m个属性的权重值行向量为公式(10)。
公式(10)计算获得的权重值越大，表明当前属性的取值对于链路的丢包率影响越大。如果
则公式(10)简化为[γ1,γ2,...,γm]。基于上述分析，可以计算出每条链路的通过率评估值
使用公式(11)计算。该值越大，表明当前链路的通过率越大。γ1表示
的系数，γ2表示
的系数，γ3表示
的系数。
从链路集合中依次选择通过率评估值
取值最大的链路为可用链路，直到矩阵M′为列满秩矩阵；之后，使用公式(4)求解方程组，得到的解为链路的通过率。
基于网络资源和业务特征的载波网络链路丢包率推理算法(carrier networklink packet loss rate reasoning algorithm based on network resources andservice characteristics，CNLPLRRAoNRSC)，如表1所示。该算法包括构建探测矩阵、确定性化简探测矩阵、计算化简后的探测矩阵中链路通过率评估值、计算拥塞链路的通过率四个步骤。
表1基于网络资源和业务特征的载波网络链路丢包率推理算法
在构建探测矩阵步骤中，基于探测集合P＝{P1,P2,...,Pi}，构建探测矩阵M(见算法的第1步)。在确定性化简探测矩阵步骤中，通过删除矩阵中的不丢包探测、链路，以及重复的列和行，得到确定性化简后的探测矩阵M′(见算法的第2步和第3步)。在计算化简后的探测矩阵中链路通过率评估值步骤中，首先基于网络资源和业务的特征，计算化简后的探测矩阵M′中链路的通过率特性(见算法的第4步)。其次，基于多个属性计算指标权重，得到每条链路ej的通过率评估值
(见算法的第5步到第7步)。在计算拥塞链路的通过率步骤中，从链路集合中依次选择通过率评估值
取值最大的链路为可用链路，直到矩阵M′为列满秩矩阵(见算法的第8步)；之后，使用公式(4)求解方程组，得到的解为链路的通过率(见算法的第9步)。
在某一具体实施例中，使用brite网络拓扑生成器生成网络拓扑。考虑到探测结果与网络拓扑特征相关，实验中使用的网络拓扑尽量提升随机性，从而使探测路径包含较多的链路，从而生成更好的实验环境。基于此，采用Brite工具生成Waxman类型的网络拓扑。在网络节点方面，网络拓扑包含的网络节点数量为500个，用于模拟中型网络规模。在链路的丢包率模拟方面，以丢包率0.05作为是否丢包的判断依据。即，链路的丢包率大于等于0.05，则将当前链路判定为丢包链路。如链路的丢包率小于0.05，则将当前链路判定为正常链路。为模拟丢包链路的环境，实验中将拥塞链路的数量设置为服从[0.04,0.14]的均匀分布。将每条丢包的链路的丢包率设置为服从[0.05,0.15]的均匀分布，将每条正常链路的丢包率设置为服从[0,0.05)的均匀分布。在算法比较方面，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(link packet loss rate Inference algorithm based onthe shared number of bottleneck links，LPLRIAoSNBL)进行比较。其中，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。
在算法评价指标方面，将本发明算法与算法LPLRIAoSNBL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方面进行分析。拥塞链路检测率是指算法检测出来的拥塞链路在真正拥塞的链路中的占比。拥塞链路误判率是指算法检测结果为拥塞链路而真实情况是正常链路的数量在总的真正拥塞的链路中的占比。链路通过率绝对误差是指算法检测出的链路丢包率与链路的真实丢包率取值之间的绝对误差。
拥塞链路检测率比较结果如图3所示。X轴表示网络链路拥塞率从4％增加到14％，用于描述不同拥塞率的网络环境。Y轴表示拥塞链路检测率。从实验结果可知，两个算法在不同的拥塞网络环境下，都取得了比较稳定的实验结果。本发明算法下拥塞链路检测率维持在93％左右，比较算法下拥塞链路检测率维持在90％左右。说明本发明算法下拥塞链路检测率效果较好。
拥塞链路误判率比较结果如图4所示。X轴表示网络链路拥塞率从4％增加到14％，用于描述不同拥塞率的网络环境。Y轴表示拥塞链路误判率。从实验结果可知，两个算法在不同的拥塞网络环境下，都取得了比较稳定的实验结果。本发明算法下拥塞链路误判率维持在5％左右，比较算法下拥塞链路误判率维持在6％左右。说明本发明算法降低了拥塞链路误判率。
链路通过率绝对误差比较结果如图5所示。X轴表示链路通过率绝对误差均值，用于描述算法推理出的链路丢包率与链路的实际丢包率之间的差值。Y轴表示算法推理出的链路通过率绝对误差均值的结果值占比。从图可知，链路通过率绝对误差均值小于0.005的推理结果中，本发明算法下占比约为90％，对比算法下占比约为86％。链路通过率绝对误差均值小于0.05的推理结果中，本发明算法下占比约为94％，对比算法下占比约为91％。说明本发明算法推理出的链路通过率均值，与实际情况更加一致，提升了对比算法下链路通过率的推理性能。
请参阅图6，图6是本发明某一实施例提供的基于业务特征的载波网络链路丢包率推理系统的结构示意图。在本实施例中与上述实施例相同的部分，在此不再赘述。本实施例提供的基于业务特征的载波网络链路丢包率推理系统，包括：
矩阵构建模块210，用于根据探测集合，构建探测矩阵；其中，探测矩阵的每一个行表示一个探测，探测矩阵的每一个列表示一条链路。
矩阵简化模块220，用于将探测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，并删除探测矩阵中的重复列和零列，得到简化矩阵。
通过率特性获取模块230，用于计算简化矩阵中每条链路的通过率特性；其中，通过率特性包括丢包贡献度、探测平均丢包率和探测独立性。
通过率特性分析模块240，用于根据通过率特性获得链路的属性的权重值和链路的通过率评估值。
可用链路获取模块250，用于根据链路的通过率评估值的大小，对链路进行降序排列并依次选择通过率评估值取值最大的链路为可用链路。
链路通过率获取模块260，用于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通过率。
请参阅图7，图7是另一实施例提供的基于业务特征的载波网络链路丢包率推理系统的结构示意图。在本实施例中与上述实施例相同的部分，在此不再赘述。结合上一实施例，本实施例提供的基于业务特征的载波网络链路丢包率推理系统中，通过率特性分析模块240还包括：
重要性量化模块241，用于对通过率特性中不同属性的重要性进行量化，并根据属性的重要性取值，得到属性权重因子矩阵。
权重因子矩阵分析模块242，用于根据属性权重因子矩阵，得到链路的不同属性的权重值行向量。
请参阅图8，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业务特征的载波网络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，以完成上述的基于业务特征的载波网络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 RandomAccess Memory，简称SRAM)，电可擦除可编程只读存储器(Electrically ErasableProgrammable Read-Only Memory，简称EEPROM)，可擦除可编程只读存储器(ErasableProgrammable Read-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业务特征的载波网络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业务特征的载波网络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业务特征的载波网络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 (10)
1.一种基于业务特征的载波网络链路丢包率推理方法，其特征在于，包括：
根据探测集合，构建探测矩阵；其中，所述探测矩阵的每一个行表示一个探测，所述探测矩阵的每一个列表示一条链路；
将所述探测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，并删除所述探测矩阵中的重复列和零列，得到简化矩阵；
计算所述简化矩阵中每条链路的通过率特性；其中，所述通过率特性包括丢包贡献度、探测平均丢包率和探测独立性；
根据所述通过率特性获得所述链路的属性的权重值和所述链路的通过率评估值；
根据所述链路的通过率评估值的大小，对链路进行降序排列并依次选择通过率评估值取值最大的链路为可用链路；
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通过率。
2.根据权利要求1所述的基于业务特征的载波网络链路丢包率推理方法，其特征在于，所述将所述探测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，并删除所述探测矩阵中的重复列和零列，得到简化矩阵，包括：
根据所述探测矩阵中链路的通过率，计算所述探测矩阵中探测的通过率；
所述探测矩阵中探测的通过率，通过以下公式进行计算：
其中，Prk表示探测Pk∈P的通过率，erj表示链路ej∈E的通过率，Mkj∈M表示探测矩阵M第k个探测的第j个元素的取值，N表示网络链路的数量。
3.根据权利要求1所述的基于业务特征的载波网络链路丢包率推理方法，其特征在于，所述计算所述简化矩阵中每条链路的通过率特性中，链路的丢包贡献度是指链路对于探测丢包的影响程度；
链路的丢包贡献度，通过以下公式进行计算：
其中，
表示链路的丢包贡献度，
表示丢包探测中包含当前链路的探测的数量，
表示总的丢包的探测的数量，|*|表示计算集合中包含的元素数量。
4.根据权利要求1所述的基于业务特征的载波网络链路丢包率推理方法，其特征在于，所述计算所述简化矩阵中每条链路的通过率特性中，链路的探测平均丢包率是指包含当前链路的探测中出现丢包的探测的平均值；
链路的探测平均丢包率，通过以下公式进行计算：
其中，
表示链路的探测平均丢包率，λ表示包含当前链路的探测中出现丢包的探测数量，
表示包含当前链路的出现丢包的探测的通过率。
5.根据权利要求1所述的基于业务特征的载波网络链路丢包率推理方法，其特征在于，所述计算所述简化矩阵中每条链路的通过率特性中，链路的探测独立性是指包含当前链路的探测丢包率的相关性；
链路的探测独立性，通过以下公式进行计算：
其中，
表示链路的探测独立性，
表示所有丢包探测中包含所有链路的集合，
表示丢包探测中包含当前链路的探测的集合，|*|表示计算集合中包含的元素数量。
6.根据权利要求1所述的基于业务特征的载波网络链路丢包率推理方法，其特征在于，所述根据所述通过率特性获得所述链路的属性的权重值和所述链路的通过率评估值，包括：
对所述通过率特性中不同属性的重要性进行量化，并根据属性的重要性取值，得到属性权重因子矩阵；
根据所述属性权重因子矩阵，得到链路的不同属性的权重值行向量。
7.一种基于业务特征的载波网络链路丢包率推理系统，其特征在于，包括：
矩阵构建模块，用于根据探测集合，构建探测矩阵；其中，所述探测矩阵的每一个行表示一个探测，所述探测矩阵的每一个列表示一条链路；
矩阵简化模块，用于将所述探测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，并删除所述探测矩阵中的重复列和零列，得到简化矩阵；
通过率特性获取模块，用于计算所述简化矩阵中每条链路的通过率特性；其中，所述通过率特性包括丢包贡献度、探测平均丢包率和探测独立性；
通过率特性分析模块，用于根据所述通过率特性获得所述链路的属性的权重值和所述链路的通过率评估值；
可用链路获取模块，用于根据所述链路的通过率评估值的大小，对链路进行降序排列并依次选择通过率评估值取值最大的链路为可用链路；
链路通过率获取模块，用于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通过率。
8.根据权利要求7所述的基于业务特征的载波网络链路丢包率推理系统，其特征在于，所述通过率特性分析模块还包括：
重要性量化模块，用于对所述通过率特性中不同属性的重要性进行量化，并根据属性的重要性取值，得到属性权重因子矩阵；
权重因子矩阵分析模块，用于根据所述属性权重因子矩阵，得到链路的不同属性的权重值行向量。
9.一种计算机终端设备，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6任一项所述的基于业务特征的载波网络链路丢包率推理方法。
10.一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6任一项所述的基于业务特征的载波网络链路丢包率推理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110579425.2A CN113285835B (zh) | 2021-05-26 | 2021-05-26 | 一种基于业务特征的载波网络链路丢包率推理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110579425.2A CN113285835B (zh) | 2021-05-26 | 2021-05-26 | 一种基于业务特征的载波网络链路丢包率推理方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113285835A CN113285835A (zh) | 2021-08-20 |
| CN113285835B true CN113285835B (zh) | 2022-11-18 |
Family
ID=77282095
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110579425.2A Active CN113285835B (zh) | 2021-05-26 | 2021-05-26 | 一种基于业务特征的载波网络链路丢包率推理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113285835B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114745750B (zh) * | 2022-03-29 | 2024-09-13 | 国网河南省电力公司 | 网络切片下拥塞链路检测方法、装置和电子设备 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106487605A (zh) * | 2015-08-26 | 2017-03-08 | 中兴通讯股份有限公司 | 丢包率检测方法及装置 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN102710374B (zh) * | 2012-05-28 | 2015-05-20 | 天津大学 | 无线流媒体传输中的速率控制方法 |
| 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 |
| US10164864B2 (en) * | 2014-04-23 | 2018-12-25 | Telefonaktiebolaget Lm Ericsson (Publ) | Network tomography through selection of probing paths |
| CN108400907B (zh) * | 2018-02-08 | 2021-06-01 | 安徽农业大学 | 一种不确定网络环境下的链路丢包率推理方法 |
-
2021
- 2021-05-26 CN CN202110579425.2A patent/CN113285835B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106487605A (zh) * | 2015-08-26 | 2017-03-08 | 中兴通讯股份有限公司 | 丢包率检测方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113285835A (zh) | 2021-08-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Gao et al. | The pseudo-pascal triangle of maximum deng entropy | |
| CN113285835B (zh) | 一种基于业务特征的载波网络链路丢包率推理方法 | |
| 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 | |
| CN111092827B (zh) | 一种电力通信网资源分配方法及装置 | |
| CN113391907A (zh) | 一种任务的放置方法、装置、设备和介质 | |
| CN114239999B (zh) | 基于交叉熵重要抽样的元件可靠性参数优化解析方法 | |
| Botev et al. | Dependent failures in highly reliable static networks | |
| CN113328467B (zh) | 一种概率电压稳定性评估方法、系统、终端设备及介质 | |
| Vincent et al. | On the exact simulation of functionals of stationary markov chains | |
| CN113452673A (zh) | 一种面向电力系统的网络攻击破坏程度量化方法 | |
| CN112990776A (zh) | 一种配网设备健康度评价方法 | |
| Hasenfratz et al. | Evaluating the fermionic determinant of dynamical configurations | |
| CN113206764B (zh) | 一种基于网络特征的链路丢包率推理方法 | |
| Yang et al. | Trust-based scheduling strategy for cloud workflow applications | |
| CN116910467A (zh) | 面向复杂混部扰动的在线运行时环境预测方法及装置 | |
| CN113572639B (zh) | 一种载波网络故障的诊断方法、系统、设备和介质 | |
| CN111917589B (zh) | 一种电力通信网络资源备份方法及相关装置 | |
| CN111884254B (zh) | 基于双重随机模拟的分布式光伏消纳接入方法及装置 | |
| CN114745750B (zh) | 网络切片下拥塞链路检测方法、装置和电子设备 | |
| CN116032828B (zh) | 一种介数中心性近似计算方法及装置 | |
| WO2023170837A1 (ja) | 通信帯域算出装置、通信帯域算出方法、及びプログラム | |
| CN116405404A (zh) | 网络监控数据压缩方法、终端设备及存储介质 | |
| Rahman et al. | Fuzzy logic based modelling and analysis of network traffic | |
| Botón-Fernández et al. | Nature-inspired algorithms applied to an efficient and self-adaptive resources selection model for grid applications | |
| Fan et al. | A cooperative game-based vulnerability assessment method for distribution lines in typhoon weather |
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 |