CN114900509B - 一种适用于确定性网络的流量需求描述协议的生成方法 - Google Patents
一种适用于确定性网络的流量需求描述协议的生成方法 Download PDFInfo
- Publication number
- CN114900509B CN114900509B CN202210551558.3A CN202210551558A CN114900509B CN 114900509 B CN114900509 B CN 114900509B CN 202210551558 A CN202210551558 A CN 202210551558A CN 114900509 B CN114900509 B CN 114900509B
- Authority
- CN
- China
- Prior art keywords
- flow
- deterministic
- traffic
- model
- description protocol
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L69/00—Network arrangements, protocols or services independent of the application payload and not provided for in the other groups of this subclass
- H04L69/26—Special purpose or proprietary protocols or architectures
-
- 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
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computing Systems (AREA)
- Computer Security & Cryptography (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明涉及数据通信网络领域,尤其涉及一种适用于确定性网络的流量需求描述协议的生成方法。首先采集工业控制网络确定性流量数据,然后通过ARMA模型拟合确定性流量的均值方程,生成残差序列;再将残差序列作为输入,通过GARCH模型拟合确定性流量的残差特征;最后通过DetNet封装来标识,在IP和DetNet数据平面以一种综合的方式有效的描述了DetNet流量特征和服务信息模型。本发明在精确拟合确定性流量到达分布特征的基础上,针对确定性流量提出三种定义于流量需求描述协议的模型,将其流量特征信息、流量服务信息及服务期望模型嵌入协议字段,更好的定义了确定性流量有别于传统尽力而为流量的特点。
Description
技术领域
本发明涉及数据通信网络领域,尤其涉及一种适用于确定性网络的流量需求描述协议的生成方法。
背景技术
随着网络传输技术的发展,工业控制网络4.0、远程驾驶和远程医疗等时延敏感型实时应用业务不断发展,对网络超低时延抖动、有界带宽、最小丢包等服务质量有了确定性指标。为满足上述应用网络的要求,时延敏感网络(time sensitive networking,TSN)和确定性网络(deterministic networking,DetNet)分别对以太网的链路层和网络层进行了优化,提升其对时间敏感流传输的支撑能力。其中,确定性流量作为实时应用相关的流量,与尽力而为的传统网络流量无论是在流量特征还是QoS需求上均具有明显的差异。准确的针对确定性流量建立模型并将其流量特征及需求作为协议描述,能更好的使网络运营商了解网络的状况,以便在故障管理,资源调配、负载均衡等网络工程任务时做出较佳的管理决策。
然而,目前较为主流的流量建模均为针对传统互联网流量的整体分布特征,面向重尾分布、自相似性和长距离依赖建模。并不适用于确定性流量的周期性时序特征和到达分布特征。同时,当终端系统上运行的时间敏感型实时应用程序在与对等方通信期间需要确定性服务时,由此产生的数据交换对时延、抖动、丢包率参数有各种要求。但是目前IP协议仅简单依赖于其前缀的目标IP地址,不能完整的表述确定性网络的流量特征与需求。DetNet架构虽然允许携带实时应用指定的单播或多播数据流,但是其包含多个应用程序流作为有效负载,这会影响用于识别流的报头字段。因此,目前已有的方法并不能较好的适用于确定性流量的需求描述协议。
发明内容
本发明所要解决的技术问题是提供一种适用于确定性网络的流量需求描述协议的生成方法,以克服现有方法不能较好适用于确定性流量的需求描述协议的不足。
为解决上述技术问题,本发明提供的适用于确定性网络的流量需求描述协议的生成方法,包括以下步骤:
步骤1:测量工业控制网络数据,构建网络拓扑,预处理流量数据,构建包括流量矩阵、路由配置、网络拓扑的具有一致性的流量数据集。
步骤2:分析流量矩阵整体分布特征,构建平稳化时间序列,通过ARMA模型拟合流量的均值方程以及残差序列。
步骤3:分析残差序列的条件异方差,通过GARCH模型拟合流量的残差方程。
步骤4:针对确定性流量,提出定义于流量需求描述协议的三种流量信息字段,将确定性流量的特征嵌入协议字段。
优选的,步骤2包含以下子步骤:
步骤2-1:解析多个时刻的流量矩阵生成对应的时间序列;
步骤2-2:根据生成流量矩阵时间序列的平稳化分析,进行对数差分变换以保证矩阵时间上的平滑度;
步骤2-3:将变换后的时间序列输入,确定参数得到拟合模型的均值方程以及残差序列矩阵。
优选的,步骤3包括以下子步骤:
步骤3-1:针对残差序列et,使用Ljung BoxQ统计量法对模型的适应性进行检验;
步骤3-2:根据检验结果,对残差序列et进行条件异方差分析;
优选的,步骤4所述的三种流量信息字段,包括:(一)确定性流量需求描述协议中的流量特征信息模型,用于描述DetNet数据流的时序特征和分布特征;(二)确定性流量需求描述协议中的流量服务信息模型,用于描述DetNet数据流的基本构成信息;(三)确定性流量需求描述协议中的流量服务期望模型,用于描述了DetNet数据流的服务质量期望。
本发明提供的适用于确定性网络的流量需求描述协议生成方法,首先采集工业控制网络确定性流量数据,然后通过ARMA模型拟合确定性流量的均值方程,生成残差序列;再将残差序列作为输入,通过GARCH模型拟合确定性流量的残差特征;最后通过DetNet封装来标识,在IP和DetNet数据平面以一种综合的方式有效的描述了DetNet流量特征和服务信息模型。本方法在精确拟合确定性流量到达分布特征的基础上,进一步拟合了其周期性时序特征,同时着重于确定性流量的需求描述协议表达,针对确定性流量提出三种定义于流量需求描述协议的模型,将其流量特征信息、流量服务信息及服务期望模型嵌入协议字段,更好的定义了确定性流量有别于传统尽力而为流量的特点。
附图说明
下面结合附图和具体实施方式对本发明的技术方案作进一步具体说明。
图1为流量特征信息标识。
图2为流量服务信息标识。
图3为流量服务期望标识。
图4为本发明的适用于确定性网络的流量需求描述协议生成方法的流程图。
具体实施方式
根据IETFDetNet章程所描述,DetNet工作组与IEEE802.1 TSN合作定义第二层和第三层的通用架构。因此,本专利中所描述的DetNet流量信息模型基于IEEE802.1Qcc规定的数据模型概念。
如图4所示,本发明提供的适用于确定性网络的流量需求描述协议生成方法,包括以下步骤:
步骤1:测量工业控制网络数据,构建网络拓扑,预处理流量数据,构建流量矩阵、路由配置、网络拓扑等具有一致性的流量数据集。
步骤2:分析流量矩阵整体分布特征,构建平稳化时间序列,通过ARMA模型拟合流量的均值方程以及残差序列。
步骤3:分析残差序列的条件异方差,通过GARCH模型拟合流量的残差方程。
步骤4:针对确定性流量,提出定义于流量需求描述协议的三种流量信息字段,将确定性流量的特征嵌入协议字段。
优选的,步骤1包含以下子步骤:
步骤1-1:测量工业控制网络节点上的流量数据,数据间隔为秒级,持续时间为1小时,共3600组数据;
步骤1-2:构建对应的网络拓扑,解析路由配置信息;
步骤1-3:数据预处理,解析数据得到流量矩阵,生成流量矩阵、路由配置、网络拓扑具有一致性的确定性流量数据集。
所述步骤1-1具体包含以下步骤:采集某乘用车工业生产控制网络的数据,数据具体包含网络拓扑结构、当前路由配置,节点直接测量的数据包信息。数据间隔1秒测量一次,持续时间1小时,共3600组数据;
步骤1-2具体包含以下步骤:构建对应的网络拓扑结构,由无向图G=(V,E)表示,V表示节点的集合且|V|=N,N为拓扑中的节点数量;E表示链路的集合并且|E|=L,L为拓扑中的链路数量。解析路由配置信息,生成对应的路由矩阵A,大小为L*N2的二维数组。A为零一矩阵,其行对应定向链路,列对应OD对。每一个元素的数值表示链路是否在OD对所需要经过的路径上,若是则为1,相反不是为0;
步骤1-3具体包含以下步骤:对于确定性流量数据信息进行预处理,删除因写入错误导致的不必要数据,解析数据得到每个时刻拓扑所有节点间点对点的流量需求,生成3600个流量矩阵。其中t时刻的流量矩阵表示为xt,大小为N*N的二维数组。流量矩阵的列对应流的发送节点,行对应流的接收节点,每一元素的数值对应OD对间的传输流量大小:
流量矩阵的时间序列集合由X=x1+x2+x3+…+xn表示。综合生成流量矩阵、路由配置、网络拓扑具有一致性的确定性流量数据集。
步骤2包含以下子步骤:
步骤2-1:解析多个时刻的流量矩阵生成对应的时间序列;
步骤2-2:根据生成流量矩阵时间序列的平稳化分析,进行对数差分变换以保证矩阵时间上的平滑度;
步骤2-3:将变换后的时间序列输入,确定参数得到拟合模型的均值方程以及残差序列矩阵。
所述步骤2-1具体包含以下步骤:解析确定性流量数据集,读取连续t个时刻的流量矩阵,生成对应的时间序列:
X=x1+x2+x3+…+xt
步骤2-2具体包含以下步骤:通过白噪声检验分析原始流量时序的P值,确定其为纯随机白噪声序列。根据下述公式进行对数差分变化:
vt=lnxt+1-lnxt
确定其为平稳非白噪声序列,保证矩阵时间上的平滑度;
步骤2-3具体包含以下步骤:将对数差分序列作为输入,应用线性回归的思想,根据如下公式确定参数:
得到拟合模型的均值方程以及残差序列et。
步骤3包括以下子步骤:
步骤3-1:针对残差序列et,使用Ljung BoxQ统计量法对模型的适应性进行检验;
步骤3-2:根据检验结果,对残差序列et进行条件异方差分析;
步骤3-2具体包含以下步骤:根据上述步骤3-1检验结果,对残差序列et进行ARCH校验,分析序列具有条件异方差特性且该特性由自相关性造成;
同时针对确定性流的带宽上下界限,增加参数限制如下:其中et=σtzt,zt为正态分布满足以下条件:E(zt)=0,Var(zt)=1。
步骤4包括以下子步骤:
步骤4-1:提出确定性流量需求描述协议中的流量特征信息模型,描述DetNet数据流的时序特征和分布特征;
步骤4-2:提出确定性流量需求描述协议中的流量服务信息模型,描述DetNet数据流的基本构成信息;
步骤4-3:提出确定性流量需求描述协议中的流量服务期望模型,描述了DetNet数据流的服务质量期望。
步骤4-1具体包括以下步骤:流量特征信息模型描述了网络上DetNet数据流的时序特征和分布特征,该类模型详细描述了DetNet流量的时序特征、流量到达的分布特征、微突发流量,同时描述了DetNet流和DetNet服务之间存在的多对一聚合关系,如图1所示。
其中具体的字段如表1所示:
表1.流量特征信息模型
因DetNet的对外接口需要遵循适当的保密安全,该类模型描述了流量时序及分布,涉及数据隐私,可被是为独立于网络运营商的信息模型。
步骤4-2具体包括以下步骤:流量服务信息模型描述了网络上DetNet数据流的基本构成信息,该类模型详细描述了DetNet流量的标识、封装、流量规范、连接类型、源目的端口、源目的IP、状态、等级等基本参数,具体如图2所示。
其中具体的字段如表2所示:
表2.流量服务信息模型
步骤4-3具体包括以下步骤:流量服务期望模型描述了网络上DetNet数据流的服务质量期望,该类模型详细描述了DetNet流的带宽保证上下界、最大时延上界、最大抖动上界、最大丢包率上界等服务质量需求参数,具体如图3所示。
其中具体的字段如表3所示:
表3.流量服务期望模型
最后所应说明的是,以上具体实施方式仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (3)
1.一种适用于确定性网络的流量需求描述协议的生成方法,其特征在于,包括以下步骤:
步骤1:测量工业控制网络数据,构建网络拓扑,预处理流量数据,构建包括流量矩阵、路由配置、网络拓扑的具有一致性的流量数据集;
步骤2:分析流量矩阵整体分布特征,构建平稳化时间序列,通过ARMA模型拟合流量的均值方程以及残差序列;
步骤3:分析残差序列的条件异方差,通过GARCH模型拟合流量的残差方程;
步骤4:针对确定性流量,提出定义于流量需求描述协议的三种流量信息字段,将确定性流量的特征嵌入协议字段;所述的三种流量信息字段,包括:
(一)确定性流量需求描述协议中的流量特征信息模型,用于描述DetNet数据流的时序特征和分布特征;
(二)确定性流量需求描述协议中的流量服务信息模型,用于描述DetNet数据流的基本构成信息;
(三)确定性流量需求描述协议中的流量服务期望模型,用于描述了DetNet数据流的服务质量期望。
2.根据权利要求1所述的适用于确定性网络的流量需求描述协议的生成方法,其特征在于,所述步骤2包含以下子步骤:
步骤2-1:解析多个时刻的流量矩阵生成对应的时间序列;
步骤2-2:根据生成流量矩阵时间序列的平稳化分析,进行对数差分变换以保证矩阵时间上的平滑度;
步骤2-3:将变换后的时间序列输入,确定参数得到拟合模型的均值方程以及残差序列矩阵。
3.根据权利要求2所述的适用于确定性网络的流量需求描述协议的生成方法,其特征在于,所述步骤3包括以下子步骤:
步骤3-1:针对残差序列et,使用Ljung BoxQ统计量法对模型的适应性进行检验;
步骤3-2:根据检验结果,对残差序列et进行条件异方差分析;
步骤3-3:根据分析结果,将残差平方序列et 2作为输入,确定参数得到拟合的残差方程。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210551558.3A CN114900509B (zh) | 2022-05-18 | 2022-05-18 | 一种适用于确定性网络的流量需求描述协议的生成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210551558.3A CN114900509B (zh) | 2022-05-18 | 2022-05-18 | 一种适用于确定性网络的流量需求描述协议的生成方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114900509A CN114900509A (zh) | 2022-08-12 |
CN114900509B true CN114900509B (zh) | 2023-06-13 |
Family
ID=82724660
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210551558.3A Active CN114900509B (zh) | 2022-05-18 | 2022-05-18 | 一种适用于确定性网络的流量需求描述协议的生成方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114900509B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101286897A (zh) * | 2008-05-16 | 2008-10-15 | 华中科技大学 | 一种基于超统计理论的网络流量异常检测方法 |
CN110730099A (zh) * | 2019-10-21 | 2020-01-24 | 电子科技大学 | 基于历史流量数据时间序列的流量预测方法 |
CN114374617A (zh) * | 2021-12-13 | 2022-04-19 | 中电信数智科技有限公司 | 一种可用于确定性网络的容错预制方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102869033A (zh) * | 2012-09-21 | 2013-01-09 | 西南交通大学 | 基于arma-arch模型族的gsm通信系统gprs数据业务的预测方法 |
CA2873762C (en) * | 2013-12-06 | 2022-10-04 | Conocophillips Company | Flow control device simulation |
CN105978733B (zh) * | 2016-06-27 | 2019-04-16 | 华北理工大学 | 一种基于韦布尔分布的网络流量建模方法和系统 |
CN107547269B (zh) * | 2017-08-14 | 2020-06-30 | 浙江大学 | 基于farima的智能变电站通信流量阈值模型的构建方法 |
CN113037775B (zh) * | 2021-03-31 | 2022-07-29 | 上海天旦网络科技发展有限公司 | 网络应用层全流量向量化记录生成方法和系统 |
CN114254734A (zh) * | 2021-11-26 | 2022-03-29 | 华中科技大学 | 一种支持确定性应用的流量矩阵建模方法 |
-
2022
- 2022-05-18 CN CN202210551558.3A patent/CN114900509B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101286897A (zh) * | 2008-05-16 | 2008-10-15 | 华中科技大学 | 一种基于超统计理论的网络流量异常检测方法 |
CN110730099A (zh) * | 2019-10-21 | 2020-01-24 | 电子科技大学 | 基于历史流量数据时间序列的流量预测方法 |
CN114374617A (zh) * | 2021-12-13 | 2022-04-19 | 中电信数智科技有限公司 | 一种可用于确定性网络的容错预制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114900509A (zh) | 2022-08-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Marfoq et al. | Throughput-optimal topology design for cross-silo federated learning | |
CN108718251B (zh) | 基于资源时变图的空间信息网络连通性分析方法 | |
Masruroh et al. | Performance evaluation of routing protocol RIPv2, OSPF, EIGRP with BGP | |
US7907596B2 (en) | Valley-free shortest path method | |
CN113595774B (zh) | 一种基于iaga算法的高速列车车联网拓扑优化方法 | |
CN107689919A (zh) | Sdn网络的动态调整权重模糊选路方法 | |
US7525929B2 (en) | Fast simulated annealing for traffic matrix estimation | |
CN114760669B (zh) | 一种基于流量预测的路由决策方法及系统 | |
Kirichek et al. | The home network traffic models investigation | |
Song et al. | Int-filter: Mitigating data collection overhead for high-resolution in-band network telemetry | |
US20160301612A1 (en) | Iterative max-min fairness algorithms | |
Doshi et al. | Multi-constraint QoS disjoint multipath routing in SDN | |
CN114900509B (zh) | 一种适用于确定性网络的流量需求描述协议的生成方法 | |
CN108923817B (zh) | 一种LoRa网络中降低终端之间干扰的方法 | |
CN102546286A (zh) | 一种在线检测网络共享拥塞路径的方法 | |
CN115022191B (zh) | 一种IPv6网络中端到端流快速反演方法 | |
CN106713158A (zh) | Clos网络中负载均衡的方法及装置 | |
Zeinali et al. | Communication Networks Characteristics Impact on Cyber-Physical Systems | |
CN114449612A (zh) | 一种面向电力物联网的双模Mesh组网方法 | |
Schneider | Power and limitations of Hybrid communication networks | |
Bolodurina et al. | Comprehensive approach for optimization traffic routing and using network resources in a virtual data center | |
Garcia-Jimenez et al. | Pamplona-traceroute: Topology discovery and alias resolution to build router level internet maps | |
Tsochev et al. | A comparative study by simulation of OSPF and EIGRP routing protocols | |
CN116155743B (zh) | 一种自动化运维中第三层网络拓扑结构修正方法 | |
CN114650257B (zh) | 一种基于rtt的sdn网络拥塞控制系统与方法 |
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 |