[发明专利]一种多业务网络流的成分占比分析方法

说明书

本发明公开一种多业务网络流的成分占比分析方法及其分析装置，所述分析装置包括数据采集模块、流量预处理模块、流量分析模块、占比分析模块。所述成分占比分析方法包括采集目标链路中的混合网络流量样本；利用本发明设计的方法把分析样本转换为流量拓扑图；通过流量分析模块将预处理后的流量拓扑图进一步转化为流量画像；将所述流量画像输入至占比分析模块，获得所述分析样本中不同类型网络流的最终占比分析结果。与现有技术相比，本发明针对链路流量的实时管理和资源调度而设计，综合利用数据流的属性信息与通信结构信息，本发明适用于各种类型的分布式网络管理,包括企业网、接入网、数据中心网络、骨干网等。

技术领域

本发明属于网络技术领域，特别涉及一种多业务网络流的成分占比分析方法及其分析装置。

背景技术

现代互联网业务的高速发展使流量管理的重要性日益显著，同时也给传统的TCP/IP通信体系带来了新的挑战，这些挑战主要来自三个方面：第一，IoT的发展带动海量的异构终端和设备通过不同途径接入互联网，这些终端和设备给互联网带来结构复杂、种类繁多、规模庞大的数据流。设计高效的流量管理策略，使互联网在不影响传统网络业务运营的情况下充分发挥有限资源的潜力，满足新型异构数据流的传输需求，是亟待解决的重要问题之一。第二，基于虚拟化的5G网络切片技术使单一物理网络能够分割为多个虚拟的端到端网络，为具有不同需求的网络应用提供通信服务。由于虚拟切片的数据最终仍然依赖物理网络的传输，基于TCP/IP的通信基础设施面临着前所未有的严峻挑战，设计高效快速的流量管理、负载均衡、以及动态资源调配方法不仅关系到局部通信性能，而且影响众多上层虚拟切片业务的性能。第三，为了满足用户日益增长的需求，服务提供商不断推出新型网络业务与应用，这些业务不仅消耗了大量的通信资源，且它们固有的突发性、QoS/QoE需求的多样性使基于目的地址传输的TCP/IP网络面临越来越大的通信压力与不稳定性。根据链路上业务流量的成分结构合理地调配网络资源、动态优化数据流走向、最大化网络的整体传输性能是流量管理迫切需要解决的另一个问题。

互联网流量管理问题的根源来自TCP/IP网络与生俱来的局限性，主要包括两个方面：一方面是TCP/IP仅根据目的地址采用尽力而为的转发方式，这导致目的地相同的数据流往往被转发到相同的路径，容易造成网络拥塞。另一方面是TCP/IP缺乏对传输数据的监管机制，加密协议的广泛应用导致网络转发设备难以区分数据的来源、种类与性质，从而无法实施有效的传输策略来优化网络的性能。

为了解决TCP/IP体系下的流量管理问题，学术界与工业界提出了大量面向流量分类的方案。这些方案通过识别产生网络流的应用与传输网络流所使用的协议，为流量管理提供依据。已有的流量分类方法的类型包括基于端口识别的方法、基于深度分组检测的方法、基于统计特征和机器学习的方法。这些方法广泛应用在网络流量分析、设备负载均衡、以及SDN流表管理等场景。但是，面对规模庞大、业务复杂的高速网络，已有的流量分类管理方法面临着新的挑战：首先，在大规模的流量转发任务中，现有的协议分析与应用识别方法因为计算复杂度高，难以对海量的传输数据进行实时流量分类；其次，尽管常规的协议分析与应用识别等细粒度方法能够提供详细的流量信息，但是这些信息并非针对实时资源调配与流量管理所设计的，从而导致在实际应用中效率低下，性能难以达到预期效果。

发明内容

本发明为解决上述背景技术中存在的至少一种缺陷，提出了一种多业务网络流的成分占比分析方法，该方法根据不同业务成分占比条件下网络流的结构特征和属性特征，估计出混合网络流中各种类型流量的占比，进而自动且快速地对网络中业务成分结构不平衡的通信流量与链路资源进行合理调度，实时保证网络的稳定性与鲁棒性。

为达到上述目的，本发明的技术方案为：

一种多业务网络流的成分占比分析方法，包括以下步骤：

A1，数据采集模块采集目标链路中的混合网络流量数据，构成分析样本，且在所述分析样本中用于模型训练的样本上建立成分占比标签；

A2，数据预处理模块对所述分析样本进行预处理，生成流量拓扑图；