[发明专利]一种时变动态网络中端到端流量的重构方法

说明书

技术领域

本发明是属于网络技术领域，涉及大规模端到端流量测量与分析领域，特别是一种时变动态网络中端到端流量的重构方法。

背景技术

随着近年来互联网的飞速发展，网络应用的不断增多，骨干网中的流量特征发生了巨大的变化，端到端流量展现出随机性、时变性和非平稳性。而且根据最近的研究表明，在大型骨干网络的端到端流量具有分形特性，其中包括长相关性，突发性和自相似性。传统的端到端流量模型已经不能很好地描述当前骨干网的流量特征。端到端流量用来进行网络规划、负载均衡、故障诊断、路由最优化等网络管理活动。所以，探索当前骨干网流量的规律，研究其特征已成为端到端流量领域中一个重要内容。

众所周知，之前对端到端流量的模拟大部分都是基于泊松分布，马尔科夫模型和高斯模型。然而传统的业务模型只有短相关性，即在不同的时间尺度上有不同特性，从而无法描述网络的长相关性。从传统模型得到的结论是：这些模型仿真产生的业务通常在时域上仅具有短相关性，当业务源数目增加时，突发性也会被吸收，聚类业务变得越来越平滑，不能反映业务突发性。而且，传统模型产生的业务流高频成分多而低频成分少，相关结构呈指数衰减，因而不能准确的描述流量自相关性，所以对于一个复杂的异构网络，这些经典模型不再适用。因此，人们开始采用能够表征长相关性和突发性的自相关模型来描述端到端流量，如分析模型，流量预测模型等。

流量矩阵是网络流量工程的重要输入参数，它表示网络中所有的端到端流量，完整地描述了网络中所有流量需求的分布情况，给网络操作者提供关于当前网络状态的全局信息。由于网络设备缺乏主动配合，网络服务提供商处于商业秘密考虑，以及流量矩阵测量将占用额外的网络资源等原因，直接测量端到端流量是非常困难的。目前端到端流量重构引起研究人员的广泛关注，已被网络操作者用来进行网络规划、负载均衡、故障诊断、路由最优化等网络管理活动。

鉴于骨干网流量的多分形，时变性和非平稳性，仅仅根据时域的振幅特性或频域的频率特性并不能全面刻画流量特征，多分形小波模型通过对将端到端流量信号时频域特征的联合分析，精确重构出端到端流量。

为了获得端到端流量，已经提出一些方法来解决这个问题。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；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。然而，这些方法仅适用于简单的数据统计模型和重力场模型，随着近年来互联网的飞速发展，网络应用的不断增多，骨干网中的流量展现出时变性、非平稳性以及多分形特性，以上方法已无法精确的重构端到端流量。

实际上，以前的大部分模型是基于时域分析的，很少是通过分析端到端流量的时频域联合特性实现端到端流量重构。尽管现在已有多种方法对端到端流量进行重构，但是由于在IP骨干网中，端到端流量重构本身就是一个高度病态的问题。大型骨干网络的时变动态性使得端到端流量具有随机性、时变性、非平稳性和多分形特性，因而端到端流量的重构更加困难。

发明内容

针对现有技术存在的问题，本发明提供一种时变动态网络中端到端流量的重构方法，利用多分形小波模型来重构端到端流量，以链路负载作为约束参量，通过多分辨率分析准确重构端到端流量。

一种时变动态网络中端到端流量的重构方法，包括如下步骤：

步骤一：端到端流量小波变换；

对端到端流量进行离散小波变换，离散小波变换能将交织在一起的不同频率成分组成的时间序列分解成频率不相同的子序列。当给定一组输入信号，通过离散小波变换可以分解为低分辨率参考信号，以及一系列细节信号。而在某一个尺度下，参考信号和细节信号包含了完全恢复上一尺度下信号的全部信息。

具体包括如下步骤：

步骤A：多分形小波模型宽度设置；