CN1778068B - 确定网络中的数据流量流动的方法和数据网络 - Google Patents

Abstract

本发明提供了一种确定网络中的数据流动的方法，该方法包括：(a)选择网络内的位置，用于提供适合于处理与网络数据流动有关的数据的数据处理装置；(b)确定在被选位置提供数据处理装置将会导致的数据捕获的费用和/或级别；以及(c)根据步骤(b)中的确定结果以及预定的费用和/或数据捕获目标，在被选位置提供数据处理装置。此方法可用于选择网络核心内的点，用于路由经过它们的流动的数据捕获，以便构造所述网络的流量矩阵。此方法与已知的获得数据网络的流量矩阵的方法相比有许多优点。具体而言，它可用于不同使用情形，使给定投资的捕获级别最大化或者实现给定捕获级别的最小投资。

Description

确定网络中的数据流量流动的方法和数据网络

技术领域

本发明涉及数据网络以及确定数据网络中的数据流动的方法。

背景技术

获得数据网络的流量矩阵常被视为多种操作管理或计划任务中的第一步。流量矩阵描述谁正在通过在网络中的不同点之间发送多少流量来使用网络。如果精确理解流量矩阵，则例如可以预测拓扑变化的影响或者研究在组件失灵的情况下网络的行为。当引入流量工程(TE)，显式地控制流量如何移动经过网络时，也需要流量矩阵。

考虑到其重要性，则看来只有少数几种已知的从实际网络中提取流量矩阵的方式就是令人惊奇的事了：

外部接口捕获

一种获得完整流量矩阵的方法是在所有进入/外出点处收集数据。这提供了所有有关信息，而不影响核心网络性能。显然，边缘设备的资源消耗将会增大，并且要为所有边缘接口安装数据收集器将会是惊人得昂贵的。将收集到的信息传送到中央分析点也是个问题。此方法需要每个访问位置中的强数据聚集，以免用Netflow生成的流量淹没网络。所需的集中器的数目可能会非常大。

零带宽隧道

在启用MPLS(多协议标签交换)的网络中，可生成零带宽TE(流量工程)隧道来测量不同路由器之间的流量。通过在所有路由器对之间生成完全的隧道网格，则只要通过读隧道的MIB(管理信息库)流量计数器就可以获得流量矩阵。当在已使用了SPF(最短路径优先)路由方案的网络中实现完整的TE隧道网格时，就出现了很大困难。当SPF网络中存在多个成本相等的最优路由时，就可能发生容量问题，并且引入TE隧道可能导致不同的流量分布。

流量分析(TFA)

通过建立经过接口把流量容量链接到所有被路由经过该接口的流动的模型，可以从接口读数器中推断流量流动。不幸的是，此模型约束过少，从而通常存在无数大不相同的可能的解决方案。要找到与观察到的数据一致的解决方案是容易的，但却不能保证实际流量矩阵与模型所获得的相同，甚至也不能保证与其相近。

描述流量矩阵的这一模型可以是进一步扩展(称为流量推断(TI))的良好起点，但仅其本身并没有足够强大到提供可靠的结果。

LSP计数器

对于启用了MPLS的网络，可以收集LSP(标签交换路径)计数器MIB，其提供关于网络中的某些聚集的流动的信息。流量矩阵可以(部分地)根据此信息来重建。当LSP的数目较大时，网络上的数据收集可能产生问题。

从SLA演绎

如果客户的SLA(服务级协定)足够详细，则可以演绎出流量矩阵的上界。这不仅要求关于每个接口的进入/外出带宽的信息，还要求关于从每个客户接口注入的流量的目的地的信息(或假设)。通常，在SLA中此类信息不是直接可用的。另一个问题是SLA通常描述峰值速率；在网络上对于所有客户同时应用它们可能会导致现有容量的大规模超载。

估计

获得流量矩阵的传统方法是基于有经验的网络管理者进行的估计。根据可用知识，这可以提供对实际流量的良好描绘。但是，在没有对照实际测得的值进行检查的方式的情况下，此方法似乎限于粗略的容量计划，而许多操作问题无法被针对性地解决。

从而希望提供一种以确定流量矩阵为目的观察网络中数据流量流动的改进方式。本发明的目的是解决此问题。

发明内容

根据本发明的一个方面，提供了一种确定网络中的流量流动的方法，该方法包括：

(a)选择网络内的位置，用于提供数据处理装置，该装置适合于处理与网络数据流动有关的数据；

(b)确定在被选位置处提供数据处理装置将会导致的数据捕获的费用和/或级别；以及

(c)根据步骤(b)中的确定结果以及预定的费用和/或数据捕获目标，在被选位置处提供数据处理装置。

根据本发明的另一方面，提供了一种观察网络中的数据流动的方法，该方法包括：

(a)联系可接受的数据收集费用确定所希望的数据收集结果；以及

(b)选择网络内的多个位置，用于放置数据处理装置，以在所述可接受的数据收集费用下获得所述所希望的数据收集结果。

根据本发明的另一方面，提供了一种数据网络，包括一个或多个输入、输出和路由器，以及多个数据处理装置，用于处理与网络中的流量流动有关的数据，其中每个数据处理装置根据其在网络内的位置而与数据捕获值和/或费用值相关联，并且其中数据处理装置的数目和/或位置是根据预定的费用和/或数据捕获目标来选择的。

因此，本发明可用于选择网络的核心内的点，用于路由经过它们的流动的数据捕获，以构造网络的流量矩阵。

与已知的获得数据网络的流量矩阵的方法相比，此方法具有许多优点。具体而言，它可用于不同使用情形，对于给定投资使捕获级别最大化或者对于给定捕获级别实现投资的最小化：

第一使用情形：对于给定投资采用哪个捕获级别？

通常，可部署的数据收集器的数目受以下因素所限：施加在网络管理者上的管理开销、对某些接口启用收集对路由器性能的影响或者数据收集器和部署所要求的投资。因此第一使用情形针对解决给定投资限制的最佳使用。目的是使从收集器的整体获得的信息最大化。此解决方案可能与为单个收集器发现最佳位置很不相同。

这一使用情形的扩展版本包括构建一幅图，以指示对于不同投资级别流量矩阵的覆盖范围。这种图可用于成本/收益分析，以选择对于给定网络的最适当的数据收集器数目。

第二使用情形：对于给定捕获级别投资多少

第二使用情形针对解决为了确定流量矩阵的给定百分比需要多少数据收集点的问题，该百分比或者是总流动容量的百分比或者是网络中的流动数目的分数。结果也提供了网络中收集器和集中器的放置。这一使用情形允许对对于流动捕获实现某个级别的精确度所需的投资进行估计。

第三使用情形：当收集器已被部署时如何重新排列捕获

第三使用情形针对解决数据收集器已被部署在实地中的情况。在拓扑、路由或流量模式改变后，希望重新考虑数据收集器的放置。移动数据收集器招致一定的重新部署成本，但是，另一方面，可帮助增大所提取的信息量。本方法在进一步的费用和所获得的流量矩阵的精确度之间搜寻良好的折衷。这一使用情形的扩展包括购买新的数据收集器，以及移动现有的数据收集器。目的同样是找到投资和结果的精确度之间的最佳折衷。

具体实施方式

1非数学描述

以下按非数学术语说明本发明的实施例。

1.1网络

目标是理解计算机网络中的流量矩阵，即理解谁正在和谁交谈并且不同末端点之间的流量流动如何对网络的整体利用做出贡献。

1.1.1路由器

网络中考虑的主要设备是路由器，其经过网络核心将流量从外部连接转发到其他外部连接。具体而言，考虑IP(因特网协议)计算机网络，其中流量包括被单独传输经过网络的分组。

连接到外部链路的路由器被称为PE(供应商边缘)路由器，仅连接到相同网络的其他路由器的路由器被称为P(供应商核心)路由器。

1.1.2接口

路由器与网络链路的连接被称为接口。接口通常在相同链路上发送和接收流量，以便链路两端的两个接口看到相同的流量。

1.1.3收集器

数据收集器可以是硬件或软件组件，其或者形成路由器的一部分，或者成为单独的设备。收集器是由它们对其提供流量信息的接口所识别的，但是实际收集器可能适当地同时收集多个接口。数据收集器提供关于经过网络的流量流动的信息，即，它们提供关于流量矩阵的部分信息。

数据收集器的两个示例是Netflow_和IP网络探头。第一种是路由器的软件特征，它(如果被启用的话)提供关于在接口上转发的所有分组的信息。根据软件版本和相关联的协议，关键值(源、目的地、端口、协议)可被收集在路由器的存储器中，然后被转发到数据集中器。在接口上启用Netflow可能招致路由器性能上的某些性能惩罚，因为它必须为数据收集提供CPU功率和存储器。不是所有路由器都支持Netflow，其他路由器可能只在某些接口类型上支持Netflow。

另一类数据收集器是IP网络探头，它是独立于路由器的设备。它附接到网络链路，并且收集经过该链路的分组的信息。这种探头具有不同的变体和尺寸，某些是专用于某些链路技术的，并且对于可监视的链路速度有限制。网络探头通常不影响网络的性能，但是可能要求相当大的额外投资。

1.1.4流动和路由

为流量矩阵收集的流动的粒度可能是不同的。在一种简单方法中，观察路由器之间(或者路由器群组之间)的流动。这一方法假设网络中的两个路由器之间的所有流量都在相同路由上移动，这是由网络的路由算法所控制的。此流动粒度模型可用于容量计划或恢复力分析。

更详细的流量矩阵可能会影响网络的不同客户之间的所有流动；这些流动被称为CE-CE(客户边缘到客户边缘流动)。在考虑网络使用的计费或市场分析时，此信息是有用的。通常，CE-CE流动比路由器之间的流动多得多，从而存储要求高得多。如果数据收集器能按所要求的粒度提供信息，则此实施例的流动捕获模型处理这两种情况。

模型假设充分理解网络中的路由，以辨别如果对一个接口启用数据收集，则捕获哪些流动。如果在网络中的两个节点之间有多于一个最短路径，则是像需要单独捕获的两个独立流动那样来处理这种情况的。在此实施例中，使用特定路由模块，其通过模拟所使用的路由算法，根据网络的配置文件计算哪些流动被哪些接口捕获。但是，此路由信息也可来自其他源，例如对网络的直接观察。

1.2集中器

在某些情况下，数据收集器可能能够以信息能够直接被从解释结果的中央系统读取的方式来抽象化未经处理的网络数据。但是，数据收集器常提供大量未经处理的数据，这些数据需要在被传递到中央系统之前被集中。

此角色是由集中器扮演的，集中器通常是工作站或PC，其从数据收集器获得未经处理的数据，然后聚集有关的信息片段。通过将这些集中器与路由器协同定位，局域网可用于高容量数据流量，同时将网络本身用于把小得多的集中后的流量传输到中央分析工具。通过适当缩放集中器，它甚至可处理大容量收集器的数据容量，或者能够同时控制来自多个接口的数据收集。显然在集中器的数目及其规格和导致的成本之间存在权衡。

1.3位置

在此实施例的模型中，集中器可被放置在不同位置中。通常，来自单个接入点(PoP)的路由器被协同定位在相同的建筑中。在此情况下，这就是用于这些路由器的集中器被定位到的地方。

如果可用充足的网络容量，则集中器可被放置得远离路由器和用于处理大容量数据传输的网络。由于可从连接的两端收集链路流量数据，因此关于放置集中器的位置有附加的自由度。

1.4集中器流量

根据数据收集器和集中器的位置，未经处理且未经压缩的测量结果可能产生相当大的网络流量。这可能是很大的成本因素。相比之下，就可忽略集中器和中央分析平台之间的流量了。

1.5路由器容量

如果考虑将路由器基础设施用于数据收集的一部分的Netflow型数据收集器，则只要启用数据收集，就会产生路由器性能上的某些惩罚。为了使其影响最小化，可对路由器施加约束，以限制资源的消耗。例如，可限制被收集的接口的总数目，或者行进经过被收集的接口的总流动速率。关于不同的路由器类型和施加在网络上的性能目标，这些限制将会不同。

为了表达这些限制，引入了容量类型的概念。对于每种容量类型，可定义被收集的接口所需的容量，并且对路由器的所有被收集的接口的总消耗施加限制。

1.6集中器容量

按与路由器容量相同的方式，可引入集中器容量。对于不同集中器类型，对被分配给集中器的所有数据收集器的总容量施加限制。此类约束也可用于表达某些集中器类型与不同数据收集器的兼容性。

1.7对网络的影响

以上容量限制是本地限制，其影响路由器的所有被收集的接口或被分配给集中器的那些。此外，可表达网络范围中的限制，例如规定只有整个网络中的两个高速接口处的数据才被收集。如果考虑相同拓扑类型的所有接口，则这种限制尤其有利。

1.8成本模型

提出了具有三个成分的成本模型。第一是被收集的接口的成本。对于每个接口，如果它被收集则成本被定义。收集器成本是所有这些值的和。这可以是资本支出(在网络探头的情况下)，或者管理成本(由于网络管理者必须配置和维护数据收集)。

第二成本成分是集中器成本。根据其类型及其数目，以及其位置，对于一个位置处的集中器选择可能有很多种不同解决方案可供选择。

第三成分是数据器以及其被分配的集中器之间的流量的成本。通过协同定位集中器和收集器，可将此成本降低到零。另一方面，某些未被充分利用的网络和集中器容量可用于将某些数据收集器分配给位于不同位置处的集中器。

1.9使用情形

在此实施例，以上提到的三种使用情形是通过规定不同的附加约束和目标函数来处理的。

1.9.1使用情形1

在第一使用情形中，要实现给定投资的最大限度的捕获。对投资成本施加上限；然后问题解决器使所实现的覆盖最大化。

对于网络中的每个流动，如果关于它们的附加信息可用(关于其示例请参见下文中的4.2节)，则定义每个流动的兴趣值。同样也优选的是，比起具有小流量的接口，优先收集具有最大流量值的接口，因为这有助于识别具有大容量的流动。

通过对容量和投资成本规定约束，可确保找到数据收集的成本与流动捕获之间的折衷。

1.9.2使用情形2

在第二使用情形中，对捕获速率施加下限。然后使实现其所需的投资最小化。

1.9.3使用情形3

对于第三使用情形，可假设只使用现有设备。然后在不超过现有集中器和收集器的数目的情况下，使捕获速率最大化。如果由软件实现数据收集，则不必限制被收集的接口的数目。对于每个设备，考虑将其从其先前位置移除的成本，以及将其放置在另一个位置的成本。

2模型

在此节中，以MIP(混合整数规划)模型的形式给出流动捕获问题的模型。此模型是示例性的，即它是用于定义和阐明上述约束和选择的，而不应该被视为唯一可能的实现模型。

在任何给定实现中，只使用一般模型的某些部分，从而允许进行某些约束的显著简化。

2.1常数

首先定义本实施例中使用的常数。

定义2.1：N是网络中所有被考虑的路由器的集合。索引s涉及路由器。

定义2.2：I是网络中所有被考虑的接口的集合。通常考虑所有可对其启用数据捕获的核心接口。索引i和j涉及接口。

定义2.3：F是网络中所有被考虑的流动的集合。通常，考虑网络中所有PE到PE流动。模型也对CE到CE流动和部分流动捕获起作用，其中，感兴趣的流动的集合被先验地限制为所有可能流动的子集。索引f涉及流动。

此模型也可考虑网络中的两个点之间的多个成本相等的路径。这些路径中的每一个被视为定义一个单独的需要被捕获的流动。

定义2.4：L是所有可能的集中器位置的集合。索引l涉及位置。

定义2.5：Q是所有可能的集中器类型的多重集合。这例如可用于代表具有变化的成本和容量的不同类型的集中器。通过使用多重集合，允许了在某个位置使用多于一个相同类型的集中器。这在每个位置处选择正确的一个(或多个)集中器来处理选中的接口的数据容量上给出了最大限度的灵活性。值|Q|指示任何给定位置处可使用的集中器的最大数目。索引q涉及集中器类型。

定义2.6：T是网络中使用的所有接口技术的集合。典型示例是快速以太网、串行、OC-12。可对网络中捕获多少某种类型的接口施加限制。索引t涉及接口技术。应该注意，类型不需要是排他的；一个接口可属于多于一种类型。

定义2.7：A星限制集中器容量的容量类型的集合。这可以是诸如集中器可处理的收集速率或者指示某种集中器类型提否与某种接口类型相兼容的离散选择的值。索引涉及容量类型。

定义2.8：0/1常数k_f ⁱ指示流动f是否被路由经过接口i因而如果接口i的数据收集被启用的话则能被捕获。

定义2.9：0/1常数r_i ^s指示接口i是否属于路由器s。通常，每个接口只属于一个路由器，但是模型不必强制服从这一点。

定义2.10：0/1常数u_t ⁱ指示接口i是否使用接口技术t。

定义2.11：0/1常数v_ij指示接口i和j是否为了数据捕获目的而被链接。如果它们被链接，则它们二者或者都被收集，或者都不被收集。这种被链接的接口或者可能由于硬件限制而存在，这种硬件限制只允许某些接口一起被收集或者都不被收集，或者它可以是用户选择，例如规定如果路由器的一个接口被收集，则比路由器的所有接口都应该被收集。

定义2.12：0/1常数

指示接口i是否能被用类型为q的收集器从位置l收集。这些常数规定存在哪些用于分配时选择；它们不定义分配本身。那是变量w_lq ⁱ的任务。

定义2.13：非负常数c_i指示启示用接口i用于数据捕获的成本。成本可以是建立数据捕获所要求的管理精力或投资，或者可以是在启用数据捕获的情况下，接口的最终性能损失的惩罚。

定义2.14：非负常数d_l ^q指示位置l处类型为q的集中器的成本。由于本地采购或从中央位置的传输成本，不同位置处的相同设备的成本可能不同。

定义2.15：非负常数m_lq ⁱ指示用类型为q的收集器从位置l接收接口i的数据的成本。此成本可以是将集中器连接到指定接口的成本，或者它可以是在接口和集中器之间传输捕获的数据的成本。在许多情况下．例如如果路由器和集中器经由本地以太网连接通信的网，则可忽略此成本成分。

定义2.16：非负常数p_f指示通过数据捕获收集流动f的兴趣。这形成目标函数的一个重要部分，将精力集中于那些提供有关借电的流动。对于每个流动，值l提供统一的兴趣。如果值正比于(被视为)该流动的流量容量则目标函数可用于识别更多流动。另参见下文中的4.2。

定义2.17：非负常数b_i ^a指示接口i所要求的类型为a的收集器容量。这些值用于限制数掘收集对于路由器或对于集中器的影响。

定义2.18：非负常数g_l ^aq指示对于类型为a的容量限制位置l处的类型为q的收集器的容量。

定义2.19：非负常数h_s ^a指示对于类型为a的容量限制路由器s的容量。

定义2.20：非负常数e_i ^t指示当从接口i收集数据时所要求的类型为t的精力。

定义2.21：非负常数c_limit_t，指示所有被启用的技术类型为t的接口上的网络范围限制。这些值例如可用于限制被收集的高速接口的数目。

定义2.22：非负常数traffic_i指示接口i上的流量的量。这可以是实际被测量的流量计数器，或者指示接口的相对重要性的聚集的流量值。这些常数被用作我们的目标函数的一部分。

定义2.23：非负常数a_n是控制目标函数中不同成本因素的相对重要性的任意的神奇数字。通过将这些值中的某些设置为零，可以简化模型，排除优化中的某些因素。

2.2变量

在此节中描述模型中使用的变量。

定义2.24：0/1整数变量x_i规定接口i是否被收集。在模型中|I|个这种类型的变量。

定义2.25：0/1整数变量y_l ^q规定位置l是否具有类型为q的集中器。在模型中有|L|·|Q|个这种类型的变量。

定义2.26：0/1整数变量z_f规定流动f是否被数据捕获所收集。在模型中有|F|个这种类型的变量。

定义2.27：0/1整数变量w_lq ⁱ规定接口I是否被用类型为q的收集器从位置l收集。在模型中最多有|Q|·|L|·|I|个这种类型的变量。

模型中的实际变量数目将会取决于对于特定问题实例所允许的灵活度。例如，不太可能允许从网络中的每个位置收集每个接口，从而许多w_lq ⁱ变量将会被预设为零。

定义2.28：非负连续变量investment描述解决方案所要求的总投资。

2.3约束

在此节中给出模型的约束。

约束2.1(可行分配)：此约束规定某个接口只能被分配给某个集中器，如果数据允许这样的话。通常仅当路由器和集中器被放置在相同位置中时，才允许此分配。

l∈L，q∈Q： $w_{\mathrm{lq}}^i\≤{\stackrel{\·\·\·}{w}}_{\mathrm{lq}}^i$

约束2.2(被链接变量约束)：此约束处理被链接的变量。如果两个变量被链接，则它们或者都被收集，或者都不被收集。这意味着相应的x_i变量必须具有相同的值。

                

i，j∈I：v_ij_x_i＝x_j

约束2.3(总投资)：此约束定义总投资。它具有三个成分。第一成分是基于选择用于收集的接口的成本，第二成分是在某个位置提供某种类型的收集器的成本，第三成分是将被捕获的接口分配给可用集中器的成本。

$\mathrm{investment}=\underset{i\∈I}{\mathrm{\Σ}}{c}_i{\mathrm{\χ}}_i+\underset{\underset{q\∈Q}{i\∈I}}{\mathrm{\Σ}}{d}_l^q{y}_l^q+\underset{\underset{\underset{q\∈Q}{i\∈I}}{l\∈L}}{\mathrm{\Σ}}{m}_{\mathrm{lq}}^i{w}_{\mathrm{lq}}^i$

约束2.4(集中器容量)：此约束控制与被收集的接口的数据收集要求相比集中器的容量。对于每种容量类型，被分配的接口的所有所需容量的和必须小于集中器上此类型的容量。此约束既可用于定性容量问题，也可用于定量容量问题。

$\∀l\∈L,q\∈Q,a\∈A:\underset{i\∈I}{\mathrm{\Σ}}{b}_i^a{w}_{\mathrm{lq}}^i\≤g_l^{\mathrm{aq}}{y}_l^q$

约束2.5(路由器容量)：此约束与集中器容量类似，但是处理路由器支持被选接口的数据收集的容量。该约束表达：对于每种容量类型被收集的接口所要求的所有容量值之和必须小于对于该路由器给定的容量限制。这可限制路由器上收集的接口的数目，并避免用数据收集使路由器过载。

$\∀s\∈N,a\∈A:\underset{\{i\∈I|r_i^s\}}{\mathrm{\Σ}}{b}_i^a{\mathrm{\χ}}_i\≤h_s^a$

约束2.6(网络范围收集器限制)：此约束对可收集多少每种技术类型的接口施加网络范围限制。这可用于控制流动捕获对整个网络性能的影响，或者例如对要求多少快速网络探头施加上界。

$\∀t\∈T:\underset{\{i\∈I|u_t^i\}}{\mathrm{\Σ}}{e}_i^t{\mathrm{\χ}}_i\≤c_{-}\mathrm{limi}{t}_t$

约束2.7(分配接口到集中器)：此约束将分配变量与接口变量链接起来。它规定一个接口最多可被分配到至多一个集中器，并且仅当接口被分配给集中器时它才能被收集。

$\∀i\∈I:\underset{\underset{q\∈Q}{l\∈L}}{\mathrm{\Σ}}{w}_{\mathrm{lq}}^i={\mathrm{\χ}}_i$

约束2.8(没有无用集中器)：此约束规定如果集中器未被用于收集至少一个接口，则不提供集中器。

$\∀l\∈L,q\∈Q:\underset{i\∈I}{\mathrm{\Σ}}{w}_{\mathrm{lq}}^i\≥y_l^q$

约束2.9(所需的集中器)：此约束确保如果接口被分配给集中器，该集中器必须是活动的。

$\∀i\∈I,l\∈L,q\∈Q:w_{\mathrm{lq}}^i\≤y_l^q$

约束2.10(覆盖流动(1))：此约束规定如果流动被路由经过的任何接口都被收集，则该流动被覆盖。

$\∀i\∈I,f\∈F:k_f^i\⇒z_f\≥{\mathrm{\χ}}_i$

约束2.11(覆盖流动(2))：此约束规定仅当流动被路由经过的接口之一被收集时，该流动才被覆盖。

$\∀f\∈F:\underset{\{i\∈I|k_f^i\}}{\mathrm{\Σ}}{\mathrm{\χ}}_i\≥z_f$

2.4目标函数

2.4.1使用情形1

约束2.12(有限投资)：对于使用情形1，附加约束是总投资被上限所限制。

                investment≤investment_limit

目标函数2.1(最大捕获)：目标函数规定两下成分的加权和被最大化。

第一成分是对收集流动的总兴趣，第二成分是被收集的接口的加权和。虽然仅其本身并不令人感兴趣，但是第二成分可帮助识别网络中的大流动，即使不存在关于哪些流动较大的先验信息。

$\max {\mathrm{\α}}_1\underset{f\∈F}{\mathrm{\Σ}}{p}_f{z}_f+{\mathrm{\α}}_2\underset{i\∈I}{\mathrm{\Σ}}\mathrm{traffi}{c}_i{x}_i$

2.4.2使用情形2

约束2.13(保证捕获级别)：在第二使用情形中，保证给定捕获限制，并且对被捕获的接口的兴趣之和必须超过某个固定的限制。

$\underset{f\∈F}{\mathrm{\Σ}}{p}_f{z}_f\≥\mathrm{capture}\_\mathrm{limit}$

目标函数2.2(最小化投资)：第二使用情形的目标函数是用于使实现给定捕获限制所要求的总投资最小化的。

                     min investment

2.4.3使用情形3

对于第三使用情形引入某些更多的符号。

和用于表示现有的被部署的解决方案。对于每个判决变量，存在引入或移除收集容量的成本。这些成本可以是不同的。

定义2.29：0/1常数

表示接口的现有覆盖。

定义2.30：0/1常数

表示选中的集中器位置和类型的现有集合。

定义2.31：非负常数

表示如果在先前解决方案中接口i未被收集的话，则对接口i启用数据捕获的成本。

定义2.32：非负常数

表示如果在先前解决方案中接口i被收集的话，则对接口i禁用数据捕获的成本。

定义2.33：非负常数

表示当在先前解决方案中没有类型为q的集中器时，在位置l处放置类型为q的集中器的成本。

定义2.34：非负常数

表示当在先前的解决方案中存在类型为q的集中器时，在位置l处移除类型为q的集中器的成本。

定义2.35：回忆受限差的定义，其为

$x-y=\left\{\begin{array}{c}0:y>x\\ x-y:x\≥y\end{array}\right.$

约束2.14(没有新投资)：这是可选约束，其规定网络中不允许新收集器。显然可放松此约束以允许某些附加的投资。

$\∀q\∈Q:\underset{l\∈L}{\mathrm{\Σ}}{y}_l^q\≤\underset{l\∈L}{\mathrm{\Σ}}{\hat{y}}_l^q$

约束2.15(保证捕获级别)：同样，对于解决方案强制执行某个预定义的捕获级别。

$\underset{f\∈F}{\mathrm{\Σ}}{p}_f{z}_f\≥\mathrm{capture}\_\mathrm{limit}$

目标函数2.3(最化小变化成本)：此第三使用情形中的成本是由在新选中的位置添加数据收集以及在不再需要的位置移除数据收集的成本。为了简明，假设在某个位置保持数据收集不招致任何成本。

$\min {\mathrm{\α}}_3\underset{i\∈I}{\mathrm{\Σ}}(\widehat{c_i}(x_i-\widehat{x_i})+\widetilde{c_i}(\widehat{x_i}-x_i))+$

${\mathrm{\α}}_4\underset{\underset{q\∈Q}{l\∈L}}{\mathrm{\Σ}}({\hat{d}}_l^q(y_l^q-{\hat{y}}_l^q)+{\tilde{d}}_l^q({\hat{y}}_l^q-y_l^q))+$

${\mathrm{\α}}_5\underset{\underset{\underset{q\∈Q}{i\∈I}}{l\∈L}}{\mathrm{\Σ}}{m}_{\mathrm{lq}}^i{w}_{\mathrm{lq}}^i$

3解决方案方法

上述模型或其简化被用于特定网络流动捕获问题，并且可以以多种方式来解决。描述了两种特定实现方法。

3.1 MIP

上述模型和目标函数可以直接在混合整数规划(MIP)中表达，混合整数规划本身由于组合问题而知名。该模型包含经典的集合覆盖和仓库定位问题，对于这些问题专用IP扩展是可用的。

3.1贪婪算法

另一种解决方案方法是贪婪算法，其尝试通过选择使捕获速率的增大最大化的接口直到达到投资限制或实现所希望的捕获速率，来构建解决方案。以类似的方式可选择集中器位置。

4可能的扩展

虽然此报告中描述的模型看起来已经相当复杂，但是还存在许多可以考虑的可能的扩展。

4.1与TI组合以改进捕获级别

上文提到流量推断(TI)，作为用于识别网络中的流量矩阵的可能的替换方法。但是还可以使TI与流动捕获相组合，并在单个模型中组合所有可用数据。因此，可演绎更多的信息，从而甚至允许识别那些数据收集器未直接捕获的流动。为了尝试这一点，必须使网络推断的数据收集活动与流动捕获同步。还必须提供某种形式的误差校正，以处理不兼容的测量。

4.2使用TI来识别要捕获的好/坏流动

流量推断仅其本身可能无法识别流量矩阵中的确切流动大小，但是常常至少可以发现关于流动是否较大的定性信息。这种信息可用于流动捕获模型中，作为在不同流动中的兴趣的指示物。这可允许流动捕获集中于网络中的重要流动，这些重要流动常常只形成可能考虑的所有流动的小部分。

4.3时间方面

这里描述的流动捕获方法提供了用于给定时间点的流量矩阵，或者更确切的说是某一时段的流量矩阵。于是面临着这一矩阵如何与随着时间变化的网络流量模式相关的问题。可以按不同方式着手此时间问题。

简单的解决方案包括测量长时段，例如一日的流量矩阵。这提供了该日的平均数字。通过重复该过程，可积累关于随着时间变化流量的发展的信息。

或者可对较短的时段识别流量矩阵。然后，在产生的流量矩阵上执行平均。为了获得最坏情形场景，可考虑被收集的矩阵中的两点之间的最大流动值。将这一点考虑在内可给出对任何时间点处的网络流量提供上界的流量矩阵。

4.4多次捕获流动

在所描述的模型中，认为为了识别流动而只识别它一次是有必要的。但是，通过在网络中放置多个数据收集器，某些流动可能被自动收集多次。然后可以就挑选测量结果之一作为值，或者执行数据核对以使从网络中提取有意义的数据的可能性最大化。这与流量推断方法中所要求的误差校正类似，并且可适用类似的建模技术。

4.4.1故意多次捕获

作为进一步扩展，可以不只一次而是多次捕获流动，以便可对所有(感兴趣的)流动的测量结果执行一致性检查。这同样也是以上给出的模型的简单扩展。

4.5理想负载平衡

在该模型中，假设为了捕获流动，有必要从流动被路由经过的接口收集数据。但是，可能存在特殊情况，其中即使未收集流动行进经过的接口，也可演绎出流动。一个这种情况是多个成本相等的路径上的理想负载平衡。如果在具有相同路由成本的几个路径上路由两个节点之间的流量，并且如果假设他们之间达到理想负载平衡，则可以通过捕获这些路径之一并且调整总流动，来识别节点之间的总流动，该总流动的大小是根据负载平衡分离来确定的。该模型可通过将节点之间的所有成本相等的路径与该总流动相关联，来处理这一点。

应该注意本发明不限于上述实施例。设想在不脱离根据权利要求书所确定的本发明的范围情况下，可对上述实施例做出各种修改和变动。

附录

符号	说明
		A	限制集中器的所有容量类型的集合
F	所考虑的所有流动的集合
		I	所有接口的集合
L	集中器的所有位置的集合
		N	所有路由器的集合
Q	集中器类型的多重集合
		|Q|	一个位置中的集中器的最大数目
T	所有接口技术的集合
		a	在容量类型范围内变动的索引
b<sub>i</sub><sup>a</sup>	接口i所要求的类型为a的收集器容量
		c<sub>i</sub>	启用接口i以便收集的成本
c_limit<sub>i</sub>	对于技术类型为t的收集器的网络范围限制
		d<sub>l</sub><sup>q</sup>	位置l中类型为q的集中器的成本
e<sub>i</sub><sup>t</sup>	收集接口i的类型为t的精力
		f	在流动范围内变动的索引
g<sub>l</sub><sup>aq</sup>	在位置l中具有这一类型为a的容量的类型为q的收集器
		h<sub>s</sub><sup>a</sup>	具有这一类型为a的容量的路由器s
i	在接口范围内变动的索引
		j	在接口范围内变动的索引
k<sub>f</sub><sup>i</sup>	流动f被路由经过接口I
		l	在位置范围内变动的索引
m<sub>lq</sub><sup>i</sup>	用类型为g的集中器从位置l收集接口i的成本
		p<sub>f</sub>	收集流动f的兴趣
q	在集中器类型范围内变动的索引
		r<sub>i</sub><sup>s</sup>	属于路由器s的接口i

符号

符号	说明
		w<sub>lq</sub><sup>i</sup>	0/1整数变量，接口i是用类型为q的集中器从位置l收集的
x<sub>i</sub>	0/1整数变量，接口i被收集
		y<sub>l</sub><sup>q</sup>	0/1整数变量，位置l具有类型为q的集中器
z<sub>f</sub>	0/1整数变量，流动f被覆盖
		investment	非负变量，数据收集所花费的总量

Claims (37)

1.一种确定网络中的数据流量流动的方法，该方法包括：

(a)根据预定的费用和/或数据捕获目标选择所述网络中的位置，用于提供适合于处理与所述网络数据流量流动有关的数据的数据处理装置；

(b)确定在被选位置提供所述数据处理装置将会产生的数据捕获的费用和/或级别；

(c)根据步骤(b)中的确定结果以及预定的费用和/或数据捕获目标，在所述被选位置提供所述数据处理装置；

(d)利用所述数据处理装置处理与所述网络数据流量流动有关的数据；以及

(e)分析经所述数据处理装置处理的数据以确定所述网络中的数据流量流动。

2.如权利要求1所述的方法，还包括：

对于多个位置重复步骤(a)和(b)；并且

根据步骤(b)中的确定，在多个被选位置中的每一个处提供所述数据处理装置。

3.如权利要求2所述的方法，还包括：

确定最小总数据捕获目标；并且

在所述多个被选位置中的每一个处提供所述数据处理装置，以使总费用最小化，同时符合所述最小总数据捕获目标。

4.如权利要求2所述的方法，还包括：

确定最大总费用目标；并且

在所述多个被选位置中的每一个处提供所述数据处理装置，以使总数据捕获最大化，同时不超过所述最大总费用目标。

5.如前述任何一条权利要求所述的方法，还包括：

更改所述网络的配置；

确定重新定位数据处理装置将会导致的数据捕获的费用和/或增大或减小；

根据前述步骤中的确定重新定位所述数据处理装置。

6.如权利要求1所述的方法，还包括：

利用由所述数据处理装置所处理的数据确定所述网络的流量矩阵。

7.如权利要求6所述的方法，还包括：

确定预定的时段上的多个流量矩阵。

8.如权利要求7所述的方法，还包括：

在所述预定时段上对所述多个流量矩阵取平均。

9.如权利要求7或8所述的方法，还包括：

确定所述多个流量矩阵中的任何一个中的两点之间的最大数据流动，以获得数据流动最坏情形的场景。

10.如权利要求6所述的方法，还包括：

重复流量矩阵确定，以获得指示随着时间变化的流量发展的数据。

11.如权利要求6所述的方法，其中所述数据捕获目标是通过所述流量矩阵的百分比确定的。

12.如权利要求11所述的方法，其中所述流量矩阵的百分比是由所述网络中的总数据流动容量的百分比确定的。

13.如权利要求11所述的方法，其中所述流量矩阵的百分比是由所述网络中的数据流动的数目的分数所确定的。

14.如权利要求1所述的方法，还包括：

模拟所述网络使用的路由算法，以计算所述数据处理装置的数据捕获。

15.如权利要求1所述的方法，其中所述费用是由与被选位置处的数据处理装置所处理的处理数据相联系的管理开销所确定的。

16.如权利要求1所述的方法，其中所述费用是由在被选位置处提供数据处理装置所招致的成本所确定的。

17.如权利要求1所述的方法，其中所述费用是由由于在被选位置处提供数据处理装置导致的网络性能降低所确定的。

18.如权利要求1所述的方法，其中所述预定的费用和/或数据捕获目标是通过改变所提供的数据处理装置的数目来达到的。

19.如权利要求1所述的方法，其中要提供的数据处理装置的数目是预定的。

20.如权利要求1所述的方法，其中所述数据处理装置包括数据收集装置，用于收集与所述网络数据流动有关的数据。

21.如权利要求1所述的方法，其中所述数据处理装置包括数据集中装置，用于获得经所述数据处理装置处理的数据并聚集有关的信息片段。

22.如权利要求20或21所述的方法，其中每个数据收集装置被分配给数据集中装置。

23.如权利要求22所述的方法，其中所述费用是由数据收集装置和被分配的数据集中装置之间的流量的成本所确定的。

24.如权利要求1所述的方法，是由混合整数规划实现的。

25.一种观察网络中的数据流量的方法，该方法包括：

(a)联系可接受的数据收集费用确定所希望的数据收集结果；

(b)根据预定的费用和/或数据捕获目标选择所述网络内的多个位置，用于放置适合于处理与网络数据流量流动有关的数据的数据处理装置，以在所述可接受的数据收集费用下获得所述所希望的数据收集结果；

(c)利用所述数据处理装置处理与所述网络数据流量流动有关的数据；以及

(d)分析经所述数据处理装置处理的数据以观察所述网络中的数据流量。

26.一种数据网络，包括一个或多个输入、输出和路由器，以及多个适合于处理与所述网络中的数据流动有关的数据的数据处理装置，其中在所述网络的每个位置处的所述数据处理装置中的每一个具有相关联的数据捕获值和/或费用值，并且其中所述数据处理装置的数目和/或位置是根据在预定的费用和/或数据捕获目标下的相关联的数据捕获值和/或费用值来选择的，

其中所述数据网络还包括中央处理装置，用于从所述数据处理装置接收数据并进行分析以确定所述网络中的数据流动。

27.如权利要求26所述的数据网络，其中所述数据处理装置包括数据收集装置，用于收集与所述网络中的数据流动有关的数据。

28.如权利要求27所述的数据网络，其中所述数据收集装置中的每一个与一个或多个路由器相关联。

29.如权利要求28所述的数据网络，其中每个数据收集装置与相关联的路由器中的一个或多个接口相关联。

30.权利要求26至29中任何一条所述的数据网络，其中所述数据处理装置包括数据集中装置，用于获得经所述数据处理装置处理的数据并聚集有关的信息片段。

31.如权利要求30所述的数据网络，其中每个数据收集装置被分配给数据集中装置。

32.如权利要求26所述的数据网络，其中所述数据处理装置中的某些或全部通过局域网彼此连接。

33.如权利要求26所述的数据网络，其中所述中央处理装置经由所述数据网络连接到所述数据处理装置中的某些或全部。

34.如权利要求26所述的数据网络，其中所述数据处理装置中的某些或全部是在所述路由器的一个或多个中实现的。

35.如权利要求26所述的数据网络，其中所述数据处理装置是用软件实现的。

36.如权利要求26所述的数据网络，其中所述数据处理装置被定位为适合于收集与路由器之间的数据流动有关的数据。

37.如权利要求26所述的数据网络，其中所述数据处理装置被定位为适合于收集与输入和/或输出之间的数据流动有关的数据。