CN117560274A - 流量监管分析方法、装置及介质 - Google Patents
流量监管分析方法、装置及介质 Download PDFInfo
- Publication number
- CN117560274A CN117560274A CN202311703992.XA CN202311703992A CN117560274A CN 117560274 A CN117560274 A CN 117560274A CN 202311703992 A CN202311703992 A CN 202311703992A CN 117560274 A CN117560274 A CN 117560274A
- Authority
- CN
- China
- Prior art keywords
- network
- node
- estimated
- normal
- time
- 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.)
- Pending
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 43
- 238000012360 testing method Methods 0.000 claims abstract description 112
- 238000000034 method Methods 0.000 claims abstract description 46
- 238000010586 diagram Methods 0.000 claims abstract description 40
- 238000009792 diffusion process Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 5
- 230000001186 cumulative effect Effects 0.000 claims description 4
- 230000004044 response Effects 0.000 claims description 4
- LJROKJGQSPMTKB-UHFFFAOYSA-N 4-[(4-hydroxyphenyl)-pyridin-2-ylmethyl]phenol Chemical compound C1=CC(O)=CC=C1C(C=1N=CC=CC=1)C1=CC=C(O)C=C1 LJROKJGQSPMTKB-UHFFFAOYSA-N 0.000 claims 2
- 238000004891 communication Methods 0.000 abstract description 2
- 230000015654 memory Effects 0.000 description 14
- 238000012544 monitoring process Methods 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 230000001934 delay Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012384 transportation and delivery Methods 0.000 description 2
- 244000179970 Monarda didyma Species 0.000 description 1
- 235000010672 Monarda didyma Nutrition 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 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
- 238000013439 planning Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
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
- H04L41/06—Management of faults, events, alarms or notifications
- H04L41/0677—Localisation of faults
-
- 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
- H04L41/12—Discovery or management of network topologies
-
- 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
-
- 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
- H04L41/147—Network analysis or design for predicting network behaviour
-
- 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
- H04L43/0882—Utilisation of link capacity
Abstract
本公开提供一种流量监管分析方法、装置及介质,涉及通信技术领域,用于解决如何有效分析链路流量信息的问题,所述方法包括:获取与待估时间点相关的网络的正常时间点;获取正常时间点的正常网络拓扑图,正常网络拓扑图包括用户终端访问应用服务器的流量所经过的节点;获取经过正常网络拓扑图中的各节点的各流量的第一网络测试数据,第一网络测试数据包括从各节点采集到的节点性能数据;根据正常网络拓扑图和第一网络测试数据生成待估时间点的估计网络拓扑图,估计网络拓扑图包括各流量在待估时间点经过各节点的估计节点性能表示。本公开结合拓扑分析流量估计节点性能,有效分析了链路流量信息。
Description
技术领域
本公开至少涉及通信技术领域,尤其涉及一种流量监管分析方法、流量监管分析装置以及计算机可读存储介质。
背景技术
一些流量监管方法主要是通过监控单条链路上的流量,按照时间对链路流量进行统计分析。随着网络技术的发展,对流量监管分析的需求也在增加,对链路流量信息需要进行深度分析,根据分析结果对流量进行分级管理,以提高网络质量。但是,目前缺乏有效的链路流量信息分析手段。
发明内容
本公开所要解决的技术问题是针对上述不足,提供一种流量监管分析方法、流量监管分析装置以及计算机可读存储介质,以解决如何有效分析链路流量信息,以有效实现流量监管的问题。
第一方面,本公开提供一种流量监管分析方法,所述方法包括:
获取与待估时间点xt相关的网络的正常时间点x0;
获取正常时间点x0的正常网络拓扑图,正常网络拓扑图包括用户终端访问应用服务器的流量所经过的节点;
获取在正常时间点x0经过正常网络拓扑图中的各节点的各流量的第一网络测试数据,第一网络测试数据包括从各节点采集到的节点性能数据;
根据正常网络拓扑图和第一网络测试数据生成待估时间点xt的估计网络拓扑图,估计网络拓扑图包括各流量在待估时间点xt
经过各节点的估计节点性能表示。
第二方面,本公开提供一种流量监管分析装置,所述装置包括:
时间获取模块,用于获取与待估时间点xt相关的网络的正常时间点x0;
正常拓扑模块,与时间获取模块连接,用于获取正常时间点x0的正常网络拓扑图,正常网络拓扑图包括用户终端访问应用服务器的流量所经过的节点;
数据获取模块,与正常拓扑模块连接,用于获取在正常时间点x0经过正常网络拓扑图中的各节点的各流量的第一网络测试数据,第一网络测试数据包括从各节点采集到的节点性能数据;
拓扑估计模块,与数据获取模块连接,用于根据正常网络拓扑图和第一网络测试数据生成待估时间点xt的估计网络拓扑图,估计网络拓扑图包括各流量在待估时间点xt经过各节点的估计节点性能表示。
第三方面,本公开一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机程序,当所述计算机程序被处理器运行时,实现如上所述的流量监管分析方法。
本公开提供一种流量监管分析方法、流量监管分析装置以及计算机可读存储介质,根据网络正常时间点获取正常网络拓扑图和第一网络测试数据,根据正常网络拓扑图和第一网络测试数据生成待估时间点的估计网络拓扑图,在估计网络拓扑图中展示各流量在待估时间点经过各节点的估计节点性能表示,有效分析了链路流量信息,进而可以根据估计网络拓扑图获得节点性能的估计结果,该估计结果至少可以用于定位网络故障节点和预测网络拥塞,从而提供了实现流量监管的更有效的手段。
附图说明
图1是本公开实施例的一种流量监管分析方法的流程图;
图2是本公开实施例的一种流量监管分析系统的结构示意图;
图3是本公开实施例的一种时间轴的示意图;
图4是本公开实施例的一种正常网络拓扑示意图;
图5是本公开实施例的一种估计网络拓扑示意图;
图6是本公开实施例的另一种流量监管分析系统的结构示意图;
图7是本公开实施例的一种流量监管分析装置的结构示意图。
具体实施方式
为使本领域技术人员更好地理解本公开的技术方案,下面将结合附图对本公开实施方式作进一步地详细描述。
可以理解的是,此处描述的具体实施例和附图仅仅用于解释本公开,而非对本公开的限定。
可以理解的是,在不冲突的情况下,本公开中的各实施例及实施例中的各特征可相互组合。
可以理解的是,为便于描述,本公开的附图中仅示出了与本公开相关的部分,而与本公开无关的部分未在附图中示出。
可以理解的是,本公开的实施例中所涉及的每个单元、模块可仅对应一个实体结构,也可由多个实体结构组成,或者,多个单元、模块也可集成为一个实体结构。
可以理解的是,在不冲突的情况下,本公开的流程图和框图中所标注的功能、步骤可根据不同于附图中所标注的顺序发生。
可以理解的是,本公开的流程图和框图中,示出了根据本公开各实施例的系统、装置、设备、方法的可能实现的体系架构、功能和操作。其中,流程图或框图中的每个方框可代表一个单元、模块、程序段、代码,其包含用于实现规定的功能的可执行指令。而且,框图和流程图中的每个方框或方框的组合,可用实现规定的功能的基于硬件的系统实现,也可用硬件与计算机指令的组合来实现。
可以理解的是,本公开实施例中所涉及的单元、模块可通过软件的方式实现,也可通过硬件的方式来实现,例如单元、模块可位于处理器中。
为了便于理解本公开,首先结合本公开两种可能的应用途径对本公开的发明思路进行说明。
运营商的流量监控,其中一种方式为,对单台设备上单条链路的流量,按时间进行统计;另外一种方式为对区域进行总流量统计,例如佛山市的某个时间段总出入流量,广州市的某个时间段总出入流量等。
流量监管的一种可能用途是,当用户报故障,过去某时间里曾经发生流量丢包,或者访问互联网慢时,网络管理员登陆相关设备网管系统对某一条链路进行查看历史流量并进行分析,检查原因。目前存在的问题是,由于用户访问互联网,从用户客户端到服务器,经常跨越多个运营商,当用户发生访问故障后,历史故障不可以通过ping(Packet InternetGroper,一种因特网包探索器)、trace(一种用于跟踪信息传输路径的方法)进行分析,对于故障现象没有相关证据;网络管理员不可能网络链路每个节点都查看流量,也不能查多个运营商的流量,造成故障原因没有办法清查,隔一段时间后故障会重现。
另一种可能用途是,运营商为避免流量拥塞,定期对链路流量进行分析,当流量达到规定阈值时(例如流量峰值达到80%),会进行链路扩容。链路扩容一般是,先在设备上规划空余端口和纤芯,让施工队现场放好尾纤,最后在设备上配置数据以放行流量,最终达到峰值流量总是不超极值的效果,网络就不会发生拥塞。存在的不足是,通过链路扩容避免拥塞的方式,反映速度太慢,突发的峰值流量没有办法避免;当多个运营商的链路互联互通发生故障时,需要运营商之间协商链路扩容,协商时间周期太长;因此,难以及时解决网络拥塞的问题。
有鉴于此,亟需提出一种对流量进行深度分析的方法,根据对流量数据的分析结果,对流量进行分级管理,提高网络质量。
本公开提出建立一套新技术体系的网络流量采集分析系统,包括一种基于去噪扩散概率模型原理的流量拓扑分析平台,利用扩散模型的特点,根据历史流量数据,回溯历史拓扑流量图,分析历史故障发生原因;根据当前流量数据,预测未来拓扑流量图,结合DNS(域名系统,Domain Name System)和CDN(内容分发网络,Content Delivery Network)原理,提前进行流量分流,避免流量拥塞。
实施例1:
如图1所示,本公开提供一种流量监管分析方法,所述方法包括:
S11、获取与待估时间点xt相关的网络的正常时间点x0;
S12、获取正常时间点x0的正常网络拓扑图,正常网络拓扑图包括用户终端访问应用服务器的流量所经过的节点;
S13、获取在正常时间点x0经过正常网络拓扑图中的各节点的各流量的第一网络测试数据,第一网络测试数据包括从各节点采集到的节点性能数据;
S14、根据正常网络拓扑图和第一网络测试数据生成待估时间点xt的估计网络拓扑图,估计网络拓扑图包括各流量在待估时间点xt经过各节点的估计节点性能表示。
在本实施例中,可以结合图2-6来理解所提出的流量监管分析方法,例如,针对图2中所示的电脑端用户,其访问应用服务器的流量会依次经过节点1、2、3,如果针对流量监管分析任务获取到如图3所示的待估时间点xt和正常时间点x0,根据图2中所示的电脑端用户访问应用服务器的流量可获得正常网络拓扑图如图4所示,再在获取到正常时间点x0经过节点1、2、3的全部流量的第一网络测试数据后,根据正常网络拓扑图和第一网络测试数据生成待估时间点xt的估计网络拓扑图如图5所示,在估计网络拓扑图中展示了各流量在待估时间点xt经过节点1、2、3的估计节点性能表示,如图5中黑点表示某一流量在某一节点经过时估计该节点性能表现差,通过上述流程有效分析了链路流量信息,进而可以根据估计网络拓扑图获得节点性能的估计结果,该估计结果至少可以用于定位网络故障节点;或者,如果针对如图6所示的系统进行类似的流量监管分析,则可以用于预测如图6所示的网络是否会在待估时间点xt发生拥塞,并对发生拥塞的时间点进行分流,从而提供了实现流量监管的更有效的手段。
在一实施方式中,获取与待估时间点xt相关的网络的正常时间点x0之前,所述方法还包括:
接收应用服务器发送的网络测试数据,网络测试数据由用户终端按照设定的调度时间向应用服务器发送网络测试包,由网络测试包依次在所经过的各节点采集节点性能数据而获得,网络测试数据中包括测试时间、网络连通状态、各节点IP(网络互连协议,Internet Protocol)地址及该节点的时延和丢包率。
在本实施例中,所述方法应用于流量监管平台,流量监管平台如图2或6所示,进行流量监管分析之前应该已经获得足以用于分析的网络测试数据,第一网络测试数据即从收集的网络测试数据中获取。
流量监管平台的流量数据采集原理是:用户经过互联网访问应用服务器,中间途经用户、企业、运营商等设备,流量监控平台以用户客户端为数据采集埋点进行数据采集,当客户端访问应用服务器时,以某个时间为调度时间,就会在客户端后台做网络测试,客户端将采集到的数据发送到应用服务器(即从客户端向应用服务器发送网络测试包,网络测试数据包采集各节点性能数据),应用服务器再将数据发送到流量监管平台。客户端的类型可以是电脑、手机、平板等设备(也就是用户终端),当客户端访问应用服务器时,客户端后台就暗中用网络工具,测试本访问点到应用服务器的网络参数,包括测试时间、是否连通、平均时延、丢包率、访问节点等,生成网络测试结果格式为(时间=t,[连通|不通],节点=节点IP地址[时延,丢包率],节点IP地址[时延,丢包率].......节点n的IP地址[时延,丢包率]),相关的参数解释为下表1所示:
表1网络测试包参数
下面举例说明网络测试数据,如图2所示,电脑、手机、平板多种用户终端分别在不同位置访问应用服务器,以调度时间为10分钟为例,每隔10分钟,终端用户会在后台做网络测试,将相应的测试结果发到应用服务器,应用服务器将测试结果转发到流量监管平台。
假如:节点3的IP为:11.11.11.11;节点2的IP为:22.22.22.22;节点1的IP为:33.33.33.33;
电脑端用户获得的网络测试数据如下:
(时间=2023-10-25 18:10,连通,节点=11.11.11.11[39,0],22.22.22.22[80,0],33.33.33.33[21,0]);
(时间=2023-10-25 18:20,连通,节点=11.11.11.11[37,1%],22.22.22.22[67,0],33.33.33.33[20,0]);
手机端用户获得的网络测试数据如下:
(时间=2023-10-25 18:10,连通,节点=11.11.11.11[20,0],22.22.22.22[60,8%]);
(时间=2023-10-25 18:20,连通,节点=11.11.11.11[19,0,22.22.22.22[67,0]);
平板段用户获得的网络测试数据如下:
(时间=2023-10-25 18:10,不通,节点=);
(时间=2023-10-25 18:20,连通,节点=11.11.11.11[13,0])。
在一实施方式中,获取与待估时间点xt相关的网络的正常时间点x0,具体包括:
响应于基于用户投诉获得网络故障时间点,以网络故障时间点为xt,基于用户投诉过滤出xt之前用户访问网络正常的某个时间点为x0;或者,
响应于需要预测某个未来时间点是否会发生网络拥塞,以所述某个未来时间点为xt,获取网络不拥塞的当前时间点为x0。
在本实施例中,针对前述两种不同用途,步骤S11、S12、S13存在部分差异。当用于网络故障追溯时其原理为,当遇到有用户投诉过去某个历史时段发生网络故障时,如图2中电脑端用户投诉,可以用历史网络测试数据结合扩散模型的DDPM(去噪扩散概率模型,Denoising Diffusion Probabilistic Models)模型向前加噪原理进行故障点分析,时间点的确定是,根据用户投诉的故障时间段可以取多个不同时间点作为xt,过滤出这段时间相关的某正常时间点x0,在时间点x0电脑端用户访问应用服务器正常。
在一实施方式中,获取正常时间点x0的正常网络拓扑图,正常网络拓扑图包括用户终端访问应用服务器的流量所经过的节点,具体包括:
获取x0时投诉用户的第一网络测试数据,根据投诉用户的第一网络测试数据获取投诉用户流量从用户终端访问应用服务器所经过的节点和节点顺序,根据所经过的节点和节点顺序绘制正常网络拓扑图;或者,
获取x0时某一应用服务器的某一链路上用户访问的某一流量所经过的节点和节点顺序,根据所经过的节点和节点顺序绘制正常网络拓扑图。
在本实施例中,根据网络正常时间点x0的网络测试数据,生成正常网络拓扑图,继续以图2中电脑端用户访问应用服务器为例,在正常时间点x0,电脑端用户后台进行网络测试,生成网络测试数据为(时间=x0,连通,节点=节点1[41,0],节点2[31,0],节点3[21,0]),这些网络测试数据传输给应用服务器,应用服务器转发到流量监管平台,流量监管平台根据该测试数据,生成正常的网络拓扑图如图4所示。
在一实施方式中,获取在正常时间点x0经过正常网络拓扑图中的各节点的各流量的第一网络测试数据,具体包括:
获取在x0与投诉用户的流量经过相同的节点和节点顺序的全部用户流量的第一网络测试数据;或者,
获取在x0经过所述某一链路的全部用户访问流量的第一网络测试数据。
在本实施例中,对于用户投诉的例子,大概在时间段x0到xt这段时间网络异常,xt时间点由于网络异常数据丢失,不能直接分析故障原因,流量监管平台会刷选出在x0这个时间点的网络测试数据(第一网络测试数据)用于故障分析,例如下面过滤出x0时间点三个用户的网络测试数据如下:
用户1:(时间=x0,连通,节点=节点1[39,0],节点2[80,0],节点3[21,0]);
用户2:(时间=x0,连通,节点=节点1[41,0],节点2[31,0],节点3[21,8%]);
用户3:(时间=x0,不通,节点=节点0[0,0],节点0[0,0],节点3[0,0])。
在一实施方式中,根据正常网络拓扑图和第一网络测试数据生成待估时间点xt的估计网络拓扑图,估计网络拓扑图包括各流量在待估时间点xt经过各节点的估计节点性能表示,具体包括:
将正常网络拓扑图转化为正常网络拓扑图数组y0;
根据各第一网络测试数据中各节点的节点性能数据生成像素点值,每个像素点值表示某一流量经过某一节点的节点性能,获得表示各流量经过各节点的节点性能的高斯噪声数组∈;
根据正常网络拓扑图数组y0和高斯噪声数组∈使用去噪扩散概率模型DDPM获得待估时间点xt的估计网络拓扑图数组yt;
将估计网络拓扑图数组yt转化为估计网络拓扑图,估计网络拓扑图中的像素点为各流量在待估时间点xt经过各节点的估计节点性能表示。
在本实施例中,基于前述例子,对于正常网络拓扑图需要转换为数组进行运算,将网络测试数据转化为高斯噪声数组∈用于运算,正常网络拓扑图数组y0和高斯噪声数组∈都是与图像相关的数据,因此采用像素表示,将处理后的正常网络拓扑图数组y0和高斯噪声数组∈数据,代入DDPM扩散模型的前向加噪公式,利用网络正常的拓扑图推演出网络故障的拓扑图,网络故障的拓扑图如图5所示,在对应的节点中会展示对应的像素点(图中黑点),这些像素点表示了估计的节点性能。
在一实施方式中,将正常网络拓扑图转化为正常网络拓扑图数组y0,具体包括:
获取正常网络拓扑图的第一RGB数值表示,将每个第一RGB数值进行标准化和归一化处理,以获得正常网络拓扑图数组y0。
在本实施例中,以RGB24(一种颜色标准)格式保存正常网络拓扑图,拓扑图每个像素使用R(红)、G(绿)、B(蓝)三个通道表示,每个通道的取值范围在[0,255]之间,将每个通道的数值归一化映射到[-1.0,+1.0]之间,公式为:(像素值/255)*2-1,可以使用openCV(Open Source Computer Vision Library,一个开源跨平台计算机视觉和机器学习软件库)等工具处理拓扑图,最后生成归一化后的正常网络拓扑图数组y0。
在一实施方式中,根据各第一网络测试数据中各节点的节点性能数据生成像素点值,每个像素点值表示某一流量经过某一节点的节点性能,获得表示各流量经过各节点的节点性能的高斯噪声数组∈,具体包括:
根据各第一网络测试数据中各节点的节点性能数据生成表示白色到黑色的像素点值,表示白色的像素点值表示某一流量经过某一节点的节点性能最优,表示黑色的像素点值表示某一流量经过某一节点的节点性能最差;
获得表示各流量经过各节点的节点性能的像素点值后,将各像素点值按照各像素点值对应的节点在正常网络拓扑图中的拓扑位置排列,以获得高斯噪声数组∈。
在本实施例中,对时间点x0网络测试数据进行归一化和标准化处理,生成高斯噪声数组∈。因为白色的RGB值全为255,归一化后数组为[1,1,1],黑色的RGB值全为0,归一化后数组为[-1,-1,-1],本公开的目的之一是在估计的拓扑图上面,在有网络问题的节点位置生成黑点,所以在有网络问题的噪声点的高斯噪声数组∈应趋向于[-1,-1,-1];获得像素点值后,计算每个节点的像素点在拓扑图的大约位置,将噪声数组放到相应位置,生成最后的高斯噪声数组∈。
在一实施方式中,根据各第一网络测试数据中各节点的节点性能数据生成表示白色到黑色的像素点值,具体包括:
响应于某一第一网络测试数据反映网络不连通,生成对各节点的一个标准化和归一化的黑色像素点值;否则,
响应于某一第一网络测试数据反映对应流量经过某一节点的时延和丢包率在各自对应的某个范围之内,获取所述某个范围对应的标准化和归一化的颜色像素点值,取所获得的两个颜色像素点值中较小的一个作为某一节点的一个像素点值。
在本实施例中,像素点可以用彩色表示,也可以全部用黑色表示,可以以黑点大小区分数值大小,也可以设定一个阈值,数值大于阈值取值为1,数值小于阈值取值为-1,对某个数据进行像素点值取值的方法包括:
如果网络测试不通,需要在xt这个时间点上,对所有节点生成黑点;
如果网络时延在31ms到50ms之间,用户访问网络的感觉良好;网络时延在51ms到100ms之间,用户访问网络会感觉到有停顿;网络时延大于100ms,用户感觉不能访问网络;因此,针对时延获取归一标准化的像素点值的处理结果如下表2所示:
表2针对时延的像素点取值结果
网络时延 | 像素点值 |
小于50ms | [1,1,1] |
51ms到100ms | -(((时延-50)/50)*2-1) |
大于100ms | [-1,-1,-1] |
如果正常的丢包率范围在0.1%到2%之间,用户访问网络良好;丢包率范围在2%到10%,用户访问网络有卡顿;丢包率大于10%,用户感觉不能访问网络;因此,针对丢包率获取归一标准化的像素点值的处理结果如下表3所示:
表3针对丢包率的像素点取值结果
丢包率 | 像素点值 |
小于2% | [1,1,1] |
2.1%到10% | -(((丢包率-2)/8)*2-1) |
大于10% | [-1,-1,-1] |
当时延和丢包率同时在一个节点出现异常数据时,取时延和丢包率两个数组中的最小值作为像素点取值结果。
基于前述例子,用户1对应上面表2根据时延取值,像素点值为节点1[1,1,1],节点2[-0.2,-0.2,-0.2],节点3[1,1,1];用户2对应上面表3根据丢包率取值,像素点值为节点1[1,1,1],节点2[-0.5,-0.5,-0.5],节点3[1,1,1];用户3网络测试不通,所以需要在xt这个时间点上,节点1、节点2、节点3上生成黑点,所以这时像素点值为:节点1为[-1,-1,-1],节点2为[-1,-1,-1],节点3[-1,-1,-1];通过相应拓扑像素计算,计算出节点1是在拓扑图大约下面1/3位置的像素,节点2在拓扑图中间位置,节点3在拓扑图大约上面1/3位置,那将相应的像素点值放到相应的节点位置,最后得出高斯噪声数组∈为:
[..........
[1,1,1]
[1,1,1]
[-1,-1,-1]
...........
[-0.2,-0.2,-0.2]
[-0.5,-0.5,-0.5]
[-1,-1,-1]
.............
[1,1,1]
[1,1,1]
[-1,-1,-1]
................]
在一实施方式中,根据正常网络拓扑图数组y0和高斯噪声数组∈使用去噪扩散概率模型DDPM获得待估时间点xt的估计网络拓扑图数组yt,具体包括:
根据下式获得待估时间点xt的估计网络拓扑图数组yt:
其中,是在xt之前(包括xt)的网络拓扑图所有线性组合参数的累积乘积。
在本实施例中,将归一标准化处理后的数据,代入DDPM扩散模型的前向加噪公式,利用网络正常的拓扑图推演出网络故障的拓扑图,从而定位网络故障节点,推动网络故障点进行网络整改。DDPM扩散模型的前向公式为下面所示:
其中,yt为对某故障时间点推演出的最后网络故障拓扑图数组,y0为过去某时间点正常网络拓扑图数组,∈为对时间点x0的网络测试数据标准化后的高斯噪声数组,是在时间步之前(包括时间步)的所有线性组合参数(源图像权重)的累积乘积。可以取多个不同时间点xt,生成不同xt的拓扑图,进行分析比较。
在一实施方式中,根据正常网络拓扑图和第一网络测试数据生成待估时间点xt的估计网络拓扑图之后,所述方法还包括:
响应于xt为基于用户投诉获得的网络故障时间点,定位估计网络拓扑图中黑色像素点最多的节点为网络故障点;
响应于xt为需要预测是否会发生网络拥塞的某个未来时间点,判断估计网络拓扑图中的黑色像素点是否超过设定阈值,如果是,判定估计网络拓扑图对应的链路会在xt时发生网络拥塞。
在本实施例中,如针对故障分析获得如图5所示的估计拓扑图,从图中可以看到,节点2出现网络故障导致用户投诉的可能性最大,需要对节点2进行深入分析找出导致网络故障原因,得出故障报告,避免下次网络故障出现,可以对多个时间点生成多个拓扑图进行比较,多方面分析,以提高准确率。
在一实施方式中,判定估计网络拓扑图对应的链路会在xt时发生网络拥塞之后,所述方法还包括:
获取估计网络拓扑图对应的链路连接的第一应用服务器,获取与第一应用服务器提供相同应用服务的第二应用服务器,获取估计网络拓扑图对应的部分用户,将所述部分用户的流量在xt时分流到连接第二应用服务器的链路上。
在本实施例中,如针对如图6所示的系统进行流量预测,提前生成未来拓扑图,提前进行流量规划调整,避免当网络遇到突发流量导致网络拥塞时,由于网络拥塞导致用户投诉的问题。由于现在互联网企业为了保证企业的网站能让用户不间断访问,提供7*24小时服务,会针对同一个应用部署多台服务器做集群;为了提高用户的访问体验,会部署不同的运营商专线,使用户能在同一个运营商内经不同途径访问应用,因此,流量预测的结果还可以结合DNS解释和CDN服务器做提前流量分流,避免发生拥塞。
提前流量分流步骤如下:
1、按照前述获得估计网络拓扑图的方法,以现在时间x0为原点,结合现在时间x0的高斯噪声数组∈,利用DDPM扩散模型的前向加噪公式生成未来时间点xt时刻的拓扑图,分析xt时刻的网络拥塞点;
2、应用服务器1和应用服务器2为同一企业的应用服务器,部署了同一个应用,应用服务器1和应用服务器2使用不同运营商的专线线路;流量监管平台将分析出来的未来网络拥塞点发给DNS服务器和CDN服务器;DNS服务器和CDN服务器获知流量经过(节点1’-节点2’-节点3’)的路径访问应用服务器1时,会发生流量拥塞;
3、当某个电脑端用户向DNS服务器、CDN服务器,获取应用服务器1的DNS解释的时候,DNS服务器、CDN服务器会给用户解释成应用服务器2的IP地址,流量经过(节点4-节点5-节点6)这个路径访问应用服务器2,从而避免流量拥塞;
4、流量监管平台每隔一段固定时间(可以是2小时,4小时等),根据未来流量拓扑的分析结果,不断跟DNS服务器、CDN服务器沟通,改变DNS的解释结果,控制用户的流量走向。
实施例2:
如图7所示,本公开提供一种一种流量监管分析装置,所述装置包括:
时间获取模块11,用于获取与待估时间点xt相关的网络的正常时间点x0;
正常拓扑模块12,与时间获取模块11连接,用于获取正常时间点x0的正常网络拓扑图,正常网络拓扑图包括用户终端访问应用服务器的流量所经过的节点;
数据获取模块13,与正常拓扑模块12连接,用于获取在正常时间点x0经过正常网络拓扑图中的各节点的各流量的第一网络测试数据,第一网络测试数据包括从各节点采集到的节点性能数据;
拓扑估计模块14,与数据获取模块13连接,用于根据正常网络拓扑图和第一网络测试数据生成待估时间点xt的估计网络拓扑图,估计网络拓扑图包括各流量在待估时间点xt经过各节点的估计节点性能表示。
在一实施方式中,所述装置还包括:
数据接收模块,连接数据获取模块,用于接收应用服务器发送的网络测试数据,网络测试数据由用户终端按照设定的调度时间向应用服务器发送网络测试包,由网络测试包依次在所经过的各节点采集节点性能数据而获得,网络测试数据中包括测试时间、网络连通状态、各节点IP地址及该节点的时延和丢包率。
在一实施方式中,时间获取模块11,具体包括:
第一时间获取单元,用于响应于基于用户投诉获得网络故障时间点,以网络故障时间点为xt,基于用户投诉过滤出xt之前用户访问网络正常的某个时间点为x0;
第二时间获取单元,用于响应于需要预测某个未来时间点是否会发生网络拥塞,以所述某个未来时间点为xt,获取网络不拥塞的当前时间点为x0。
在一实施方式中,正常拓扑模块12,具体包括:
第一正常拓扑单元,用于获取x0时投诉用户的第一网络测试数据,根据投诉用户的第一网络测试数据获取投诉用户流量从用户终端访问应用服务器所经过的节点和节点顺序,根据所经过的节点和节点顺序绘制正常网络拓扑图;
第二正常拓扑单元,用于获取x0时某一应用服务器的某一链路上用户访问的某一流量所经过的节点和节点顺序,根据所经过的节点和节点顺序绘制正常网络拓扑图。
在一实施方式中,数据获取模块13,具体包括:
第一数据获取单元,用于获取在x0与投诉用户的流量经过相同的节点和节点顺序的全部用户流量的第一网络测试数据;
第二数据获取单元,用于获取在x0经过所述某一链路的全部用户访问流量的第一网络测试数据。
在一实施方式中,拓扑估计模块14,具体包括:
图像转数组单元,用于将正常网络拓扑图转化为正常网络拓扑图数组y0;
高斯噪声数组单元,用于根据各第一网络测试数据中各节点的节点性能数据生成像素点值,每个像素点值表示某一流量经过某一节点的节点性能,获得表示各流量经过各节点的节点性能的高斯噪声数组∈;
数组运算单元,与图像转数组单元和高斯噪声数组单元连接,用于根据正常网络拓扑图数组y0和高斯噪声数组∈使用去噪扩散概率模型DDPM获得待估时间点xt的估计网络拓扑图数组yt;
数组转图像单元,与数组运算单元连接,用于将估计网络拓扑图数组yt转化为估计网络拓扑图,估计网络拓扑图中的像素点为各流量在待估时间点xt经过各节点的估计节点性能表示。
在一实施方式中,图像转数组单元,具体包括:
RGB转化单元,用于获取正常网络拓扑图的第一RGB数值表示,
标准化单元,与RGB转化单元连接,用于将每个第一RGB数值进行标准化和归一化处理,以获得正常网络拓扑图数组y0。
在一实施方式中,高斯噪声数组单元,具体包括:
像素点值生成单元,用于根据各第一网络测试数据中各节点的节点性能数据生成表示白色到黑色的像素点值,表示白色的像素点值表示某一流量经过某一节点的节点性能最优,表示黑色的像素点值表示某一流量经过某一节点的节点性能最差;
拓扑位置获取单元,用于获得表示各流量经过各节点的节点性能的像素点值后,将各像素点值按照各像素点值对应的节点在正常网络拓扑图中的拓扑位置排列,以获得高斯噪声数组∈。
在一实施方式中,像素点值生成单元,具体包括:
第一像素点值生成单元,用于响应于某一第一网络测试数据反映网络不连通,生成对各节点的一个标准化和归一化的黑色像素点值;
第二像素点值生成单元,在某一第一网络测试数据反映网络连通时,用于响应于某一第一网络测试数据反映对应流量经过某一节点的时延和丢包率在各自对应的某个范围之内,获取所述某个范围对应的标准化和归一化的颜色像素点值,取所获得的两个颜色像素点值中较小的一个作为某一节点的一个像素点值。
在一实施方式中,数组运算单元,具体用于:
根据下式获得待估时间点xt的估计网络拓扑图数组yt:
其中,是在xt之前(包括xt)的网络拓扑图所有线性组合参数的累积乘积。
在一实施方式中,所述装置还包括:
故障定位单元,与拓扑估计模块连接,用于响应于xt为基于用户投诉获得的网络故障时间点,定位估计网络拓扑图中黑色像素点最多的节点为网络故障点;
预测单元,与拓扑估计模块连接,用于响应于xt为需要预测是否会发生网络拥塞的某个未来时间点,判断估计网络拓扑图中的黑色像素点是否超过设定阈值,如果是,判定估计网络拓扑图对应的链路会在xt时发生网络拥塞。
在一实施方式中,预测单元还包括:
分流单元,用于判定估计网络拓扑图对应的链路会在xt时发生网络拥塞之后,获取估计网络拓扑图对应的链路连接的第一应用服务器,获取与第一应用服务器提供相同应用服务的第二应用服务器,获取估计网络拓扑图对应的部分用户,将所述部分用户的流量在xt时分流到连接第二应用服务器的链路上。
实施例3:
本公开实施例3提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机程序,当所述计算机程序被处理器运行时,实现如实施例1所述的流量监管分析方法,或实现如实施例2所述的流量监管分析装置。
所述计算机可读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、计算机程序模块或其他数据)的任何方法或技术中实施的易失性或非易失性、可移除或不可移除的介质。计算机可读存储介质包括但不限于RAM(Random Access Memory,随机存取存储器),ROM(Read-Only Memory,只读存储器),EEPROM(Electrically ErasableProgrammable read only memory,带电可擦可编程只读存储器)、闪存或其他存储器技术、CD-ROM(Compact Disc Read-Only Memory,光盘只读存储器),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。
另外,本公开还可以提供一种计算机装置,包括存储器和处理器,所述存储器中存储有计算机程序,当所述处理器运行所述存储器存储的计算机程序时,所述处理器执行如实施例1所述的流量监管分析方法,该计算机装置可以是如实施例2所述的流量监管分析装置。
其中,存储器与处理器连接,存储器可采用闪存或只读存储器或其他存储器,处理器可采用中央处理器或单片机。
本公开实施例1-3提供一种流量监管分析方法、流量监管分析装置以及计算机可读存储介质,根据网络正常时间点获取正常网络拓扑图和第一网络测试数据,根据正常网络拓扑图和第一网络测试数据生成待估时间点的估计网络拓扑图,在估计网络拓扑图中展示各流量在待估时间点经过各节点的估计节点性能表示,有效分析了链路流量信息,进而可以根据估计网络拓扑图获得节点性能的估计结果,该估计结果至少可以用于定位网络故障节点和预测网络拥塞,从而提供了实现流量监管的更有效的手段。
可以理解的是,以上实施方式仅仅是为了说明本公开的原理而采用的示例性实施方式,然而本公开并不局限于此。对于本领域内的普通技术人员而言,在不脱离本公开的精神和实质的情况下,可以做出各种变型和改进,这些变型和改进也视为本公开的保护范围。
Claims (14)
1.一种流量监管分析方法,其特征在于,所述方法包括:
获取与待估时间点xt相关的网络的正常时间点x0;
获取正常时间点x0的正常网络拓扑图,正常网络拓扑图包括用户终端访问应用服务器的流量所经过的节点;
获取在正常时间点x0经过正常网络拓扑图中的各节点的各流量的第一网络测试数据,第一网络测试数据包括从各节点采集到的节点性能数据;
根据正常网络拓扑图和第一网络测试数据生成待估时间点xt的估计网络拓扑图,估计网络拓扑图包括各流量在待估时间点xt经过各节点的估计节点性能表示。
2.根据权利要求1所述的方法,其特征在于,获取与待估时间点xt相关的网络的正常时间点x0之前,所述方法还包括:
接收应用服务器发送的网络测试数据,网络测试数据由用户终端按照设定的调度时间向应用服务器发送网络测试包,由网络测试包依次在所经过的各节点采集节点性能数据而获得,网络测试数据中包括测试时间、网络连通状态、各节点IP地址及该节点的时延和丢包率。
3.根据权利要求2所述的方法,其特征在于,获取与待估时间点xt相关的网络的正常时间点x0,具体包括:
响应于基于用户投诉获得网络故障时间点,以网络故障时间点为xt,基于用户投诉过滤出xt之前用户访问网络正常的某个时间点为x0;或者,
响应于需要预测某个未来时间点是否会发生网络拥塞,以所述某个未来时间点为xt,获取网络不拥塞的当前时间点为x0。
4.根据权利要求3所述的方法,其特征在于,获取正常时间点x0的正常网络拓扑图,正常网络拓扑图包括用户终端访问应用服务器的流量所经过的节点,具体包括:
获取x0时投诉用户的第一网络测试数据,根据投诉用户的第一网络测试数据获取投诉用户流量从用户终端访问应用服务器所经过的节点和节点顺序,根据所经过的节点和节点顺序绘制正常网络拓扑图;或者,
获取x0时某一应用服务器的某一链路上用户访问的某一流量所经过的节点和节点顺序,根据所经过的节点和节点顺序绘制正常网络拓扑图。
5.根据权利要求4所述的方法,其特征在于,获取在正常时间点x0经过正常网络拓扑图中的各节点的各流量的第一网络测试数据,具体包括:
获取在x0与投诉用户的流量经过相同的节点和节点顺序的全部用户流量的第一网络测试数据;或者,
获取在x0经过所述某一链路的全部用户访问流量的第一网络测试数据。
6.根据权利要求1-5任一项所述的方法,其特征在于,根据正常网络拓扑图和第一网络测试数据生成待估时间点xt的估计网络拓扑图,估计网络拓扑图包括各流量在待估时间点xt经过各节点的估计节点性能表示,具体包括:
将正常网络拓扑图转化为正常网络拓扑图数组y0;
根据各第一网络测试数据中各节点的节点性能数据生成像素点值,每个像素点值表示某一流量经过某一节点的节点性能,获得表示各流量经过各节点的节点性能的高斯噪声数组∈;
根据正常网络拓扑图数组y0和高斯噪声数组∈使用去噪扩散概率模型DDPM获得待估时间点xt的估计网络拓扑图数组yt;
将估计网络拓扑图数组yt转化为估计网络拓扑图,估计网络拓扑图中的像素点为各流量在待估时间点xt经过各节点的估计节点性能表示。
7.根据权利要求6所述的方法,其特征在于,将正常网络拓扑图转化为正常网络拓扑图数组y0,具体包括:
获取正常网络拓扑图的第一RGB数值表示,将每个第一RGB数值进行标准化和归一化处理,以获得正常网络拓扑图数组y0。
8.根据权利要求6所述的方法,其特征在于,根据各第一网络测试数据中各节点的节点性能数据生成像素点值,每个像素点值表示某一流量经过某一节点的节点性能,获得表示各流量经过各节点的节点性能的高斯噪声数组∈,具体包括:
根据各第一网络测试数据中各节点的节点性能数据生成表示白色到黑色的像素点值,表示白色的像素点值表示某一流量经过某一节点的节点性能最优,表示黑色的像素点值表示某一流量经过某一节点的节点性能最差;
获得表示各流量经过各节点的节点性能的像素点值后,将各像素点值按照各像素点值对应的节点在正常网络拓扑图中的拓扑位置排列,以获得高斯噪声数组∈。
9.根据权利要求8所述的方法,其特征在于,根据各第一网络测试数据中各节点的节点性能数据生成表示白色到黑色的像素点值,具体包括:
响应于某一第一网络测试数据反映网络不连通,生成对各节点的一个标准化和归一化的黑色像素点值;否则,
响应于某一第一网络测试数据反映对应流量经过某一节点的时延和丢包率在各自对应的某个范围之内,获取所述某个范围对应的标准化和归一化的颜色像素点值,取所获得的两个颜色像素点值中较小的一个作为某一节点的一个像素点值。
10.根据权利要求6所述的方法,其特征在于,根据正常网络拓扑图数组y0和高斯噪声数组∈使用去噪扩散概率模型DDPM获得待估时间点xt的估计网络拓扑图数组yt,具体包括:
根据下式获得待估时间点xt的估计网络拓扑图数组yt:
其中,是在xt之前(包括xt)的网络拓扑图所有线性组合参数的累积乘积。
11.根据权利要求8或9所述的方法,其特征在于,根据正常网络拓扑图和第一网络测试数据生成待估时间点xt的估计网络拓扑图之后,所述方法还包括:
响应于xt为基于用户投诉获得的网络故障时间点,定位估计网络拓扑图中黑色像素点最多的节点为网络故障点;
响应于xt为需要预测是否会发生网络拥塞的某个未来时间点,判断估计网络拓扑图中的黑色像素点是否超过设定阈值,如果是,判定估计网络拓扑图对应的链路会在xt时发生网络拥塞。
12.根据权利要求11所述的方法,其特征在于,判定估计网络拓扑图对应的链路会在xt时发生网络拥塞之后,所述方法还包括:
获取估计网络拓扑图对应的链路连接的第一应用服务器,获取与第一应用服务器提供相同应用服务的第二应用服务器,获取估计网络拓扑图对应的部分用户,将所述部分用户的流量在xt时分流到连接第二应用服务器的链路上。
13.一种流量监管分析装置,其特征在于,所述装置包括:
时间获取模块,用于获取与待估时间点xt相关的网络的正常时间点x0;
正常拓扑模块,与时间获取模块连接,用于获取正常时间点x0的正常网络拓扑图,正常网络拓扑图包括用户终端访问应用服务器的流量所经过的节点;
数据获取模块,与正常拓扑模块连接,用于获取在正常时间点x0经过正常网络拓扑图中的各节点的各流量的第一网络测试数据,第一网络测试数据包括从各节点采集到的节点性能数据;
拓扑估计模块,与数据获取模块连接,用于根据正常网络拓扑图和第一网络测试数据生成待估时间点xt的估计网络拓扑图,估计网络拓扑图包括各流量在待估时间点xt经过各节点的估计节点性能表示。
14.一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中存储有计算机程序,当所述计算机程序被处理器运行时,实现如权利要求1-12任一项所述的流量监管分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311703992.XA CN117560274A (zh) | 2023-12-12 | 2023-12-12 | 流量监管分析方法、装置及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311703992.XA CN117560274A (zh) | 2023-12-12 | 2023-12-12 | 流量监管分析方法、装置及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117560274A true CN117560274A (zh) | 2024-02-13 |
Family
ID=89821700
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311703992.XA Pending CN117560274A (zh) | 2023-12-12 | 2023-12-12 | 流量监管分析方法、装置及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117560274A (zh) |
-
2023
- 2023-12-12 CN CN202311703992.XA patent/CN117560274A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10289473B2 (en) | Situation analysis | |
US6041041A (en) | Method and system for managing data service systems | |
CN108989136B (zh) | 业务端到端性能监控方法及装置 | |
EP2364540B1 (en) | Method for estimating the 'quality of experience' of a user in respect of audio and/or video contents distributed through telecommunications networks | |
EP3694149B1 (en) | Network quality determining method and apparatus | |
CN108093427B (zh) | 一种VoLTE业务质量评估方法及系统 | |
CN105306246B (zh) | 一种自动应答网络类投诉的方法、装置和服务器 | |
CN113542029A (zh) | 一种网络设备的业务稳定性测试方法、系统及工具 | |
CN113055946A (zh) | 一种业务数据的传输方法、装置、终端设备和存储介质 | |
CN113207146B (zh) | 无线通信网络质量监控系统及方法 | |
CN113542076B (zh) | 链路探测方法、装置、计算机设备和存储介质 | |
JP7105838B2 (ja) | 映像品質評価方法および装置 | |
CN116723136B (zh) | 应用fcm聚类算法的网络检测数据的方法 | |
CN103686833A (zh) | 移动网络语音质量评估方法和装置 | |
CN110475161B (zh) | 一种iptv业务直播链路的自动故障定位方法及其系统 | |
CN117560274A (zh) | 流量监管分析方法、装置及介质 | |
CN116744353A (zh) | 基于5g通信的网络质量检测方法 | |
CN114710801B (zh) | 网络性能的测评参数的处理方法、装置、存储介质及设备 | |
CN111935769B (zh) | 质差小区识别方法、装置和设备 | |
CN114827951A (zh) | 一种基于车辆终端的车辆网络质量分析方法、系统及存储介质 | |
US9473376B2 (en) | Method and server for determining home network quality | |
CN114245067A (zh) | 一种数据传输控制方法、装置、设备及可读存储介质 | |
CN102123092B (zh) | 一种组播性能分析方法及系统 | |
RU2813361C1 (ru) | Система оценки качества предоставления защищенной видеоконференцсвязи | |
KR20070080353A (ko) | 이동 통신망에서의 서비스 품질 관리 시스템 및 방법 |
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 |