[发明专利]一种动态网络下基于压缩感知的端到端网络流量重构方法

说明书

技术领域

本发明是属于动态网络下流量测量与分析领域，具体涉及一种动态网络下基于压缩感知的端到端网络流量重构方法。

背景技术

近些年，随着互联网的飞速发展，不断增多的网络应用虽然为用户提供了方便的服务。但是也使得网络变得日益复杂。对于网络运营商而言，网络的管理和控制也越来越困难。流量矩阵是网络流量工程中最重要的输入参数，表示网络中所有的端到端流量，并完整地描述了流量的分布，给网络管理者提供当前网络状态，但是在实际应用中很难准确获得流量矩阵。

即使流量矩阵对于网络操作员来说非常重要，但是准确地获得流量矩阵的估计值是非常困难的。因此，流量矩阵估计成为一个极具挑战性的研究课题。近些年，涌现出大量的研究成果。Vardi提出使用网络层析成像方法解决端到端流量重构问题，随后这种方法得到广泛运用，并被用于研究IP网络内部特征。对于网络层析成像方法，端到端流量可以通过泊松分布和高斯分布重构，但是不能捕获端到端流量的空间和时间的相关性；P.Conti等人利用最大似然估计算法计算Hurst值来估计流量矩阵。Nucci等人对来源于多个路由信息的路由配置加入权重，以此获得小的流量矩阵估计误差。Y.Zhang等提出了用重力场模型描述目前端到端流量的特性，通过获得额外的约束信息，以克服高度病态的问题；A.Lakhina等提出了主成分分析法直接测量并构建端到端流量重构模型；A.Soule等基于端到端流量的独立同分布泊松模型假设，提出迭代贝叶斯反演算法来重构端到端流量；G.Liang等提出了一种伪似然重构方法，使用改进的EM算法将问题分解为若干个包含一个OD对的子问题，使估算精度的误差有所降低。

虽然统计模型相关技术能够获得流量矩阵的估计值，并被广泛的应用于实际当中，但是这些方法仍然不能够准确地估计流量矩阵。事实上直接测量端到端网络流量比流量估计更精确，并且设备制造商提供了大量的测量技术和设备，这其中最典型的就是Netflow。Netflow可以通过提取和分析数据包的源、目的IP地址，源、目的端口号和协议号获得端到端的网络流量值。但是使用NetFlow测量每一条OD流是不现实的，甚至是不可实现的。这是因为路由器的端口在运行NetFlow程序时，将消耗大量的硬件资源，并且直接测量将引起额外的通信开销。这样就降低了路由器的存储转发效率，故而增加了网络延迟并容易引起网络拥塞。

发明内容

针对现有技术的不足，本发明提出一种动态网络下基于压缩感知的端到端网络流量重构方法，以达到减少硬件资源，实时跟踪OD流的动态变化，较小的重构误差的目的。

一种动态网络下基于压缩感知的端到端网络流量重构方法，包括以下步骤：

步骤1、设置系统针对OD流随机游走的长度、随机游走次数；

步骤2、在大规模IP骨干网中，采用随机游走的方式来选择OD流，根据所选择的OD流采用构建布尔稀疏测量矩阵的方法来描述全部路由器的开启和关闭状态；

步骤3、采用构造稀疏流量矩阵的方法来描述路由器子集采集的部分OD流的流量值，所述的路由器子集即为全部开启状态的路由器，并根据布尔稀疏测量矩阵和所构造的稀疏流量矩阵计算测量值；

步骤4、根据步骤3中所构造的稀疏测量矩阵和计算所得测量值，采用主成分析方法构建压缩感知重构模型，用该模型来描述路由器子集产生的OD流与大规模IP骨干网中全部端到端OD流的关系，进而确定整个IP骨干网中全部端到端的OD流流量。

步骤2中所述的构建布尔稀疏测量矩阵，包括以下步骤：

步骤2-1、构造一个OD流完全图，完全图中包括顶点和边，顶点的数目等同于OD流的数目；

步骤2-2：设置随机游走测量次数初值；

步骤2-3：选择一个顶点作为统一出发点；

步骤2-4：对完全图执行均匀分布的随机游走，根据随机游走找到的点，该点对应的路由器状态则为开启状态，否则为关闭状态；

步骤2-5：如果随机游走测量次数小于初始化设置随机游走测量次数,则返回步骤2-3；如果随机游走测量次数大于或者等于初始化设置随机游走测量次数，则执行步骤2-6；

步骤2-6：保存布尔稀疏测量矩阵。

步骤1中所述的布尔稀疏测量矩阵，该矩阵符合约束等距准则；布尔稀疏测量矩阵中的行数代表随机游走大规模IP骨干网的次数，布尔稀疏测量矩阵中的列数代表大规模IP骨干网中OD流的总数。

步骤3中所述的测量值的计算满足如下公式：

测量值=布尔稀疏测量矩阵×稀疏流量矩阵

本发明优点：