[发明专利]SLA性能预测方法及相关装置、设备

说明书

本申请公开了一种SLA性能预测方法及相关装置、设备，该方法第一网络设备通过获取多个数据包的时间戳和包长；根据所述多个数据包的时间戳确定所述多个数据包中每一个数据包的到达时间间隔，所述多个数据包的到达时间间隔按照到达次序组成时间间隔序列；进而，根据马尔可夫到达过程MAP模型和所述时间间隔序列确定所述多个数据包的时域特征参数，所述时域特征参数为所述MAP模型的参数；根据所述多个到达数据包的包长，确定包长特征参数，以基于所述包长特征参数和所述时域特征参数预测所述多个数据包的SLA性能。

技术领域

本发明涉及通信技术领域，尤其涉及一种SLA性能预测方法及及相关装置、设备。

背景技术

随着4K/8K高清视频、虚拟现实的云化(cloud virtual reality,Cloud VR)的发展和5G的商用化，为以视频业务为主的数据流量提供SLA性能保障成为网络服务提供商(Internet service provider,ISP)的重要目标。准确地学习流量特征是服务等级协议(service-level agreement，SLA)性能预测的基础，有助于保障并提升用户体验，并且能够指导网络规划和资源分配。有效的流量特征学习与SLA预测方法和装置将在宽带城域网和5G网络演进中发挥重要作用。

传统话音业务流量的速率在不同时间尺度较为平稳，话务量到达服从泊松模型，但是视频业务为主的数据流量的速率在不同时间尺度性质不同，其在宏观时间尺度上速率的波动较小，在毫秒和微秒小时间尺度上存在剧烈的速率突发，因此，其流量特征不符合经典的泊松模型，以前业内广泛使用的基于话音业务的流量建模方法不再适用于刻画现网的数据流量特征。

如何针对包括视频业务为主的数据流量的SLA性能进行预测是目前亟需解决的技术问题。

发明内容

本申请实施例提供了一种SLA性能预测方法及及相关装置、设备，提供一种SLA性能预测方法，适用于包含视频业务或类似视频业务的数据流的SLA性能预测，可以快速计算SLA性能的分布。

第一方面，本申请实施例提供了一种SLA性能预测方法，包括：

第一网络设备获取多个数据包的时间戳和包长；

所述第一网络设备根据所述多个数据包的时间戳确定所述多个数据包中每一个数据包的到达时间间隔，所述多个数据包的到达时间间隔按照到达次序组成时间间隔序列；

所述第一网络设备根据马尔可夫到达过程MAP模型和所述时间间隔序列确定所述多个数据包的时域特征参数，所述时域特征参数为所述MAP模型的模型参数；

根据所述多个到达数据包的包长，确定包长特征参数，所述包长特征参数和所述时域特征参数用于预测所述多个数据包的SLA性能。

上述方法，提供了一种SLA性能预测方法，适用于包含视频业务或类似视频业务的数据流的SLA性能预测，可以快速计算SLA性能的分布，得到SLA性能的预测结果。

在一种可能的实现中，所述时间间隔序列的似然函数为：

其中，D₀、D₁为所述模型参数；Z为所述时间间隔序列，Z＝(z₁,z₂,…,z_N)，z_i表示所述第i+1个到达的数据包的到达时间间隔；1表示全1的列向量；所述时域特征参数为所述似然函数为最大值时的模型参数。

上述方法可以精确地学习数据的流量特征参数。

在一种可能的实现中，所述SLA性能包括时延，所述方法还包括：