專利名稱：基于信息量的流量矩陣估測方法
技術領域：
本發(fā)明涉及網(wǎng)絡測量技術領域，尤其涉及一種基于信息量的流量矩陣估測方法。
背景技術：
隨著互聯(lián)網(wǎng)的飛速發(fā)展，網(wǎng)絡已經(jīng)成為人們生活不可缺少的一部分，同時網(wǎng)絡的結構也發(fā)生著根本的變化。為了成功地設計、控制和管理網(wǎng)絡，就必須很好地了解和掌握網(wǎng)絡的內部特性。網(wǎng)絡性能參數(shù)是優(yōu)化網(wǎng)絡系統(tǒng)的重要條件,隨著網(wǎng)絡規(guī)模和復雜性的增長，對網(wǎng)絡性能參數(shù)的要求也越來越高。為了更好地進行網(wǎng)絡管理、網(wǎng)絡設計、路由配置、網(wǎng)絡監(jiān)控，迫切需要有關流量方面的信息。如果能夠監(jiān)控網(wǎng)絡流量的全部狀態(tài)，以全網(wǎng)的觀點來觀察和了解網(wǎng)絡流量的特性及流向情況建立網(wǎng)絡流量的完整視圖，從而有望在確保網(wǎng)絡正常運行的基礎上，更好地進行網(wǎng)絡管理、網(wǎng)絡設計，優(yōu)化網(wǎng)絡的規(guī)劃和路由配置。流量矩陣是其中一個很重要的參數(shù)，它反應了網(wǎng)絡中所有源節(jié)點到目的節(jié)點對間 的流量情況，它作為網(wǎng)絡流量工程的重要輸入?yún)?shù)。隨著網(wǎng)絡向大型化、異構化，分布式發(fā)展，使得Internet結構日益復雜。目前大多直接測量網(wǎng)絡流量矩陣的方法與網(wǎng)絡體系結構和網(wǎng)絡協(xié)議密切相關，并且需要網(wǎng)絡內部相關節(jié)點的密切協(xié)作，具有較高的測量精確度，但也存在一些缺陷，主要表現(xiàn)在如下幾個方面(I)網(wǎng)絡測量依賴于特定的網(wǎng)絡協(xié)議，如TCP/IP協(xié)議和SNMP協(xié)議等，無法實現(xiàn)與網(wǎng)絡結構和協(xié)議無關的測量；(2)網(wǎng)絡測量依賴于自治系統(tǒng)內部節(jié)點之間的協(xié)作，需要各個不同域內的通信節(jié)點的充分協(xié)作，這樣的協(xié)作是相當復雜的。而對于不同的因特網(wǎng)服務提供商而言，基于網(wǎng)絡安全和商業(yè)利益等原因，通常只會提供部分節(jié)點來完成一定程度的協(xié)作工作，使得測量結果可能不會覆蓋到測量者所感興趣的鏈路上。有些自治系統(tǒng)并不愿意對外開放，難以實現(xiàn)內部節(jié)點的協(xié)作和信息交流，無法保證測量準確性。目前，從計算機科學的不同領域中派生出的多種多樣的流量矩陣估算方法。總的來說可以分為兩類主動采集的方法和被動收集信息的估算方法。由于流量矩陣需要捕獲網(wǎng)絡流量的全局狀態(tài)，直接監(jiān)控代價非常高。主動測量會給網(wǎng)絡帶來大量的額外流量，流量矩陣的數(shù)據(jù)量很大，對設備的性能要求很高，將這些設備部署在大規(guī)模網(wǎng)絡上在經(jīng)濟上是不可行的，并且它們的存儲和傳輸都是很嚴重的問題?，F(xiàn)有的所有的主動采集的方法都只能在小規(guī)模的網(wǎng)絡中使用，無法適用于大尺度網(wǎng)絡的環(huán)境。因此獲得流量矩陣的主要方法都是采用被動收集信息來進行估算。而現(xiàn)有的被動收集信息的估算方法面臨幾個問題。首先，獲得的數(shù)據(jù)很少，進行估量時關系矩陣的秩很低，是個病態(tài)性問題，很難開展有效的估算。其次，估算出的流量矩陣的精確度不高。

發(fā)明內容
(一 )要解決的技術問題本發(fā)明要解決的技術問題是，針對上述缺陷，如何提供一種高精確度的基于信息量的流量矩陣估測方法，其能夠在無法區(qū)分網(wǎng)絡節(jié)點鏈路狀態(tài)的情況下，對流量矩陣進行有效估算。( 二)技術方案為解決上述技術問題，本發(fā)明提供了一種基于信息量的流量矩陣估測方法，所述流量矩陣估測方法包括步驟S101、獲取全網(wǎng)最新的網(wǎng)絡拓撲和鏈路流量信息；S102、利用簡單重力模型獲得初始的概率向量g和一個概率向量f’ ；S103、利用概率向量g，尋找在概率空間F中與其庫爾貝克-萊貝爾Kullback-Leiber距離最小的概率向量f ；S104、在概率空間G中求解與f的Kullback-Leiber距離最小的概率向量，賦值給概率向量g ;S105、判斷概率向量f與概率向量f’的向量之差的歐幾里得距離是否小于值epsil，如果差值比epsil小，則轉到步驟S107，否則繼續(xù)執(zhí)行步驟S106 ；S106、將概率向量f的值賦給概率向量f’，然后執(zhí)行步驟S103 ；S107、利用公式X = N*f獲得最后估算的流量矩陣X，其中N表示網(wǎng)絡的總流量，f為步驟S103求得的概率向量。優(yōu)選地，所述簡單重力模型為
權利要求
1.一種基于信息量的流量矩陣估測方法，其特征在于，所述流量矩陣估測方法包括步驟 SlOU獲取全網(wǎng)最新的網(wǎng)絡拓撲和鏈路流量信息； 5102、利用簡單重力模型獲得初始的概率向量g和一個概率向量f’； 5103、利用概率向量g，尋找在概率空間F中與其庫爾貝克-萊貝爾Kullback-Leiber距離最小的概率向量f ; 5104、在概率空間G中求解與f的Kullback-Leiber距離最小的概率向量，賦值給概率向量g ; 5105、判斷概率向量f與概率向量f’的向量之差的歐幾里得距離是否小于值epsil，如果差值比epsil小，則轉到步驟S107，否則繼續(xù)執(zhí)行步驟S106 ； 5106、將概率向量f的值賦給概率向量f’，然后執(zhí)行步驟S103； 5107、利用公式X= N*f獲得最后估算的流量矩陣X，其中N表示網(wǎng)絡的總流量，f為步驟S103求得的概率向量。
2.根據(jù)權利要求I所述的流量矩陣估測方法，其特征在于，所述簡單重力模型為N , 其中x(i, *)表示從節(jié)點i進入網(wǎng)絡的總流量，x(*, j)表示從節(jié)點j流出網(wǎng)絡的總流量，N表示流經(jīng)整個網(wǎng)絡的總流量,i(/，y)表示從節(jié)點i到節(jié)點j的流量的估計值。
3.根據(jù)權利要求2所述的流量矩陣估測方法，其特征在于，所述步驟S102具體包括利用公式g = i/|i|將概率向量扣，i_)歸一化得到概率向量g，其中Il表示向量的歐幾里得第二范式。
4.根據(jù)權利要求I所述的流量矩陣估測方法，其特征在于，所述概率空間FSF={f G Rn Af = y/N, lTf = I, f ^ 0}, 其中，Rn表示n維實數(shù)向量空間，R表示實數(shù)集，A為路由矩陣，y為鏈路向量集合，N為通過整個網(wǎng)絡的總流量，T表示向量的轉置運算。
5.根據(jù)權利要求I所述的流量矩陣估測方法，其特征在于，所述概率空間GSG={g G R (gsd) |s|*|d| = PQ g ^ 0,1 g = 1}， 其中，G是與簡單地球重力模型等價的概率空間，Rn表示n維實數(shù)向量空間，S、D分別表示網(wǎng)絡流量的源節(jié)點和目的節(jié)點的集合，P，q分別為集合S，D的元素。
全文摘要
本發(fā)明公開了一種基于信息量的流量矩陣估測方法，包括步驟S101、獲取全網(wǎng)最新的網(wǎng)絡拓撲和鏈路流量信息；S102、利用簡單重力模型獲得初始的概率向量g和一個概率向量f’；S103、利用概率向量g，尋找在概率空間F中與其Kullback-Leiber距離最小的概率向量f；S104、在概率空間G中求解與概率向量f的Kullback-Leiber距離最小的概率向量，賦值給概率向量g；S105、判斷概率向量f與概率向量f’之差的歐幾里得距離是否小于值epsil，如果差值比epsil小，則轉到步驟S107，否則執(zhí)行步驟S106；S106、將概率向量f的值賦給概率向量f’，并轉到S103；S107、獲得最后估算的流量矩陣。本發(fā)明所述的基于信息量的流量矩陣估測方法能夠在無法區(qū)分網(wǎng)絡節(jié)點鏈路狀態(tài)的情況下，對流量矩陣進行高精確度的估算。
文檔編號H04L12/26GK102684935SQ20111006694
公開日2012年9月19日 申請日期2011年3月18日 優(yōu)先權日2011年3月18日
發(fā)明者亓峰, 劉珂, 孟洛明, 王穎, 詹志強, 邱雪松, 陳興渝 申請人:北京郵電大學