專利名稱：基于信息量的流量矩陣估測(cè)方法
技術(shù)領(lǐng)域：
本發(fā)明涉及網(wǎng)絡(luò)測(cè)量技術(shù)領(lǐng)域，尤其涉及一種基于信息量的流量矩陣估測(cè)方法。
背景技術(shù)：
隨著互聯(lián)網(wǎng)的飛速發(fā)展，網(wǎng)絡(luò)已經(jīng)成為人們生活不可缺少的一部分，同時(shí)網(wǎng)絡(luò)的結(jié)構(gòu)也發(fā)生著根本的變化。為了成功地設(shè)計(jì)、控制和管理網(wǎng)絡(luò)，就必須很好地了解和掌握網(wǎng)絡(luò)的內(nèi)部特性。網(wǎng)絡(luò)性能參數(shù)是優(yōu)化網(wǎng)絡(luò)系統(tǒng)的重要條件,隨著網(wǎng)絡(luò)規(guī)模和復(fù)雜性的增長(zhǎng)，對(duì)網(wǎng)絡(luò)性能參數(shù)的要求也越來(lái)越高。為了更好地進(jìn)行網(wǎng)絡(luò)管理、網(wǎng)絡(luò)設(shè)計(jì)、路由配置、網(wǎng)絡(luò)監(jiān)控，迫切需要有關(guān)流量方面的信息。如果能夠監(jiān)控網(wǎng)絡(luò)流量的全部狀態(tài)，以全網(wǎng)的觀點(diǎn)來(lái)觀察和了解網(wǎng)絡(luò)流量的特性及流向情況建立網(wǎng)絡(luò)流量的完整視圖，從而有望在確保網(wǎng)絡(luò)正常運(yùn)行的基礎(chǔ)上，更好地進(jìn)行網(wǎng)絡(luò)管理、網(wǎng)絡(luò)設(shè)計(jì)，優(yōu)化網(wǎng)絡(luò)的規(guī)劃和路由配置。流量矩陣是其中一個(gè)很重要的參數(shù)，它反應(yīng)了網(wǎng)絡(luò)中所有源節(jié)點(diǎn)到目的節(jié)點(diǎn)對(duì)間 的流量情況，它作為網(wǎng)絡(luò)流量工程的重要輸入?yún)?shù)。隨著網(wǎng)絡(luò)向大型化、異構(gòu)化，分布式發(fā)展，使得Internet結(jié)構(gòu)日益復(fù)雜。目前大多直接測(cè)量網(wǎng)絡(luò)流量矩陣的方法與網(wǎng)絡(luò)體系結(jié)構(gòu)和網(wǎng)絡(luò)協(xié)議密切相關(guān)，并且需要網(wǎng)絡(luò)內(nèi)部相關(guān)節(jié)點(diǎn)的密切協(xié)作，具有較高的測(cè)量精確度，但也存在一些缺陷，主要表現(xiàn)在如下幾個(gè)方面(I)網(wǎng)絡(luò)測(cè)量依賴于特定的網(wǎng)絡(luò)協(xié)議，如TCP/IP協(xié)議和SNMP協(xié)議等，無(wú)法實(shí)現(xiàn)與網(wǎng)絡(luò)結(jié)構(gòu)和協(xié)議無(wú)關(guān)的測(cè)量；(2)網(wǎng)絡(luò)測(cè)量依賴于自治系統(tǒng)內(nèi)部節(jié)點(diǎn)之間的協(xié)作，需要各個(gè)不同域內(nèi)的通信節(jié)點(diǎn)的充分協(xié)作，這樣的協(xié)作是相當(dāng)復(fù)雜的。而對(duì)于不同的因特網(wǎng)服務(wù)提供商而言，基于網(wǎng)絡(luò)安全和商業(yè)利益等原因，通常只會(huì)提供部分節(jié)點(diǎn)來(lái)完成一定程度的協(xié)作工作，使得測(cè)量結(jié)果可能不會(huì)覆蓋到測(cè)量者所感興趣的鏈路上。有些自治系統(tǒng)并不愿意對(duì)外開放，難以實(shí)現(xiàn)內(nèi)部節(jié)點(diǎn)的協(xié)作和信息交流，無(wú)法保證測(cè)量準(zhǔn)確性。目前，從計(jì)算機(jī)科學(xué)的不同領(lǐng)域中派生出的多種多樣的流量矩陣估算方法?？偟膩?lái)說(shuō)可以分為兩類主動(dòng)采集的方法和被動(dòng)收集信息的估算方法。由于流量矩陣需要捕獲網(wǎng)絡(luò)流量的全局狀態(tài)，直接監(jiān)控代價(jià)非常高。主動(dòng)測(cè)量會(huì)給網(wǎng)絡(luò)帶來(lái)大量的額外流量，流量矩陣的數(shù)據(jù)量很大，對(duì)設(shè)備的性能要求很高，將這些設(shè)備部署在大規(guī)模網(wǎng)絡(luò)上在經(jīng)濟(jì)上是不可行的，并且它們的存儲(chǔ)和傳輸都是很嚴(yán)重的問題。現(xiàn)有的所有的主動(dòng)采集的方法都只能在小規(guī)模的網(wǎng)絡(luò)中使用，無(wú)法適用于大尺度網(wǎng)絡(luò)的環(huán)境。因此獲得流量矩陣的主要方法都是采用被動(dòng)收集信息來(lái)進(jìn)行估算。而現(xiàn)有的被動(dòng)收集信息的估算方法面臨幾個(gè)問題。首先，獲得的數(shù)據(jù)很少，進(jìn)行估量時(shí)關(guān)系矩陣的秩很低，是個(gè)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(nèi)容
(一 )要解決的技術(shù)問題本發(fā)明要解決的技術(shù)問題是，針對(duì)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(cè)方法，其能夠在無(wú)法區(qū)分網(wǎng)絡(luò)節(jié)點(diǎn)鏈路狀態(tài)的情況下，對(duì)流量矩陣進(jìn)行有效估算。( 二)技術(shù)方案為解決上述技術(shù)問題，本發(fā)明提供了一種基于信息量的流量矩陣估測(cè)方法，所述流量矩陣估測(cè)方法包括步驟S101、獲取全網(wǎng)最新的網(wǎng)絡(luò)拓?fù)浜玩溌妨髁啃畔?；S102、利用簡(jiǎn)單重力模型獲得初始的概率向量g和一個(gè)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(kù)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(zhuǎn)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(luò)的總流量，f為步驟S103求得的概率向量。優(yōu)選地，所述簡(jiǎn)單重力模型為
權(quán)利要求
1.一種基于信息量的流量矩陣估測(cè)方法，其特征在于，所述流量矩陣估測(cè)方法包括步驟 SlOU獲取全網(wǎng)最新的網(wǎng)絡(luò)拓?fù)浜玩溌妨髁啃畔ⅲ? 5102、利用簡(jiǎn)單重力模型獲得初始的概率向量g和一個(gè)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(kù)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(zhuǎn)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(luò)的總流量，f為步驟S103求得的概率向量。
2.根據(jù)權(quán)利要求I所述的流量矩陣估測(cè)方法，其特征在于，所述簡(jiǎn)單重力模型為N , 其中x(i, *)表示從節(jié)點(diǎn)i進(jìn)入網(wǎng)絡(luò)的總流量，x(*, j)表示從節(jié)點(diǎn)j流出網(wǎng)絡(luò)的總流量，N表示流經(jīng)整個(gè)網(wǎng)絡(luò)的總流量,i(/，y)表示從節(jié)點(diǎn)i到節(jié)點(diǎn)j的流量的估計(jì)值。
3.根據(jù)權(quán)利要求2所述的流量矩陣估測(cè)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(quán)利要求I所述的流量矩陣估測(cè)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(shí)數(shù)向量空間，R表示實(shí)數(shù)集，A為路由矩陣，y為鏈路向量集合，N為通過(guò)整個(gè)網(wǎng)絡(luò)的總流量，T表示向量的轉(zhuǎn)置運(yùn)算。
5.根據(jù)權(quán)利要求I所述的流量矩陣估測(cè)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(jiǎn)單地球重力模型等價(jià)的概率空間，Rn表示n維實(shí)數(shù)向量空間，S、D分別表示網(wǎng)絡(luò)流量的源節(jié)點(diǎn)和目的節(jié)點(diǎn)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(cè)方法，包括步驟S101、獲取全網(wǎng)最新的網(wǎng)絡(luò)拓?fù)浜玩溌妨髁啃畔?；S102、利用簡(jiǎn)單重力模型獲得初始的概率向量g和一個(gè)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(zhuǎn)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(zhuǎn)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(cè)方法能夠在無(wú)法區(qū)分網(wǎng)絡(luò)節(jié)點(diǎn)鏈路狀態(tài)的情況下，對(duì)流量矩陣進(jìn)行高精確度的估算。
文檔編號(hào)H04L12/26GK102684935SQ20111006694
公開日2012年9月19日 申請(qǐng)日期2011年3月18日 優(yōu)先權(quán)日2011年3月18日
發(fā)明者亓峰, 劉珂, 孟洛明, 王穎, 詹志強(qiáng), 邱雪松, 陳興渝 申請(qǐng)人:北京郵電大學(xué)