[发明专利]一种流量矩阵的估计方法

说明书

技术领域

本发明属于互联网技术领域，特别涉及一种流量矩阵的估计方法。

背景技术

近年来，随着互联网技术的飞速发展以及网络规模大型化、类型多样化、结构复杂化，网络中各种性能参数的变化也越来越复杂。对一个规模空前庞大的网络进行网络性能的优化、监控及管理，是当前互联网领域所面临的一个全新的研究领域。流量矩阵作为网络流量工程的重要参数，可以为网络设计、容量规划、拥塞控制、流量检测、异常检测等流量工程和网络管理提供有效的保障。流量矩阵(Traffic Matrix,TM)是网络中流量的具体描述，由OD(Origin-Destination)流(即源节点到目的节点的流量)组成，反映了一个网络中所有源节点和目的节点之间的流量需求。根据源节点目的节点的不同类型，OD流量矩阵能定义在任何尺度上，是网络中节点对间流量大小的具体值。流量矩阵也给出了网络流量在全网中各个OD对间流量的分布情况。它作为网络流量工程的重要输入参数，受到国内外理论界和工业界的广泛重视，现已成为Internet的一个重要研究热点。同时也是网络层析成像当中一个重要的研究方向，具有它重要的现实意义。

流量矩阵在理论界和工业界受到了广泛关注，学术界也对流量矩阵估计问题提出多种多样的算法。而对于直接测量网络的流量矩阵，在当今的网络环境下则是难以行得通的。因为如今的实际网络情况纷繁复杂，为了确保现有网络的高效运行，一方面不能过多增加网络负荷，即不能主动在需要估计流量矩阵的网络中发送过多探测包，这样将加重网络的负载，影响网络的效率；另一方面网络服务提供商基于商业考虑，通常也不会允许网络中所有节点参与协作，且在不同域间获得网络节点的充分协作也很困难，直接测量最终可能覆盖不到需要测量的网络节点；所以在网络中通过直接测量获取流量矩阵是很困难甚至于不可行的。在现有的流量矩阵估计中不管是直接测量方法还是间接估算方法都有它的局限性。

由于流量矩阵的目的是捕获网络流量的全局状态，而互联网络规模越来越庞大，直接监控测量代价非常高，在实际上几乎是不可行的。由间接观测进行流量矩阵估算是目前获得骨干网络流量矩阵的主要方法。在可测的链路数据、路由矩阵和流量矩阵之间具有确定的线性关系，由于可测的链路数目远大于OD（Original-destination）流数目，层析成像流量矩阵估计是欠定性反问题求解。因此，流量矩阵估计问题本身是一个欠定反问题，存在多解性，要获得真实解，需要根据流量矩阵估计问题的特点，引入OD流量矩阵的一些约束信息，缩小解空间，从而克服流量矩阵估计的多解性。因而，目前主要通过间接测量链路流量等较易获得的网络相关信息，通过估计模型或算法来获得流量矩阵。但现有的估计模型对先验信息和测量中的值的丢失非常的敏感，估计得到的结果有一定的误差。近年来，流量矩阵的估计已成为一个非常热门的研究领域。

与本发明相关的现有技术包括：

近年来，通过利用链路负载统计数据和其他的测量数据，结合间接流量矩阵估计算法来估计流量矩阵已经成为了一个非常热门的领域。在网络层析成像理论中，流量矩阵的估算算法可统一描述如下式（1-1）所示；其流量矩阵X，路由矩阵A，链路流量矩阵Y三者之间存在以下线性关系：

Y＝AX    (1-1)

在网络中，由于OD流的数量要远远多于链路的条数，如果直接求解式（1-1），意味着式（1-1）将有无穷多个可能的解，是病态反问题（ill-posec linear inverse problem）。因此求解上述问题时，需要许多先验信息来克服欠定性或者病态性问题。许多学者围绕流量矩阵的估计方法等相关问题进行了大量的研究，提出了很多的估计算法，也取得了一定的成效。现有的估算算法可以归纳为几类：重力模型方法、统计推断方法、第三代方法、独立连接模型方法。

（1）重力模型方法

重力模型(gravity model)是最常见的一种计算流量矩阵的方法，它的名字来源于牛顿的地球重力定律，通常被社会科学家用来模型化地域间人口、货物或者信息的流动。将重力模型引入流量矩阵估计领域，其基本思想是：如果我们不知道网络流量在全网中如何分布，可以估计OD流量占从该源节点流入网络的总流量的比例；也就是OD对目的节点总流出流量中有一定比例流量是来自于该源节点的，而这个比例就是OD对源节点总流入流量与整个网络总流入流量的比值。如果对流量的来去无从得知，则最好的推测是估算网络中每个节点接收和发送的流量值的比例。重力模型一般表达式如下：