[发明专利]流量大小估算方法和装置

说明书

本申请公开了一种流量大小估算方法和装置，其中，方法包括：获取多个历史流序列的特征属性，并对多个历史流序列进行预处理；根据多个历史流序列的特征属性和预处理结果，计算多个历史流序列之间的相似度；根据多个历史流序列之间的相似度对多个历史流序列进行聚类，以获得多个历史流序列聚类簇；根据多个历史流序列聚类簇，创建多个流大小估算模型；结合多个历史流序列聚类簇以及新流序列的相似度，分配流大小估算模型，以对新流序列进行流量大小估算，该方法基于历史流的相似性对其进行聚类，并且针对每个聚类簇结合新流序列的相似度，为新流序列分配流大小估算模型用于流量大小估算，提高了流量大小估算的准确性，并且可大规模部署。

技术领域

本申请涉及数据处理技术领域，尤其涉及一种流量大小估算方法和装置。

背景技术

目前，为了满足用户需求，许多大型服务必须快速响应用户的操作，例如，网络搜索，社交网络，零售，推荐系统等，因此，大型服务对应的数据中心网络应最大程度地减少平均流量完成时间以满足用户需求。相关技术中，基于历史流集合学习模型进行流量大小估算以减少平均流量完成时间，即通过监视网络中的统计数据并从历史流序列中学习来估算流量大小，以减少平均流量完成时间。

但是，上述技术中，为了使模型有更强的适应能力，需要输入变化很大的历史流进行学习，但是输入差异超过一定的范围可能会使模型难以有效地估算流量的大小，此外，由于不同应用生成的流模式之间存在差异性，基于学习的机制需要为每种应用训练特定的流量大小估算模型，一旦参数更改或者新应用产生，就需要重新进行训练，难以大规模应用到实际中。

发明内容

本申请提出一种流量大小估算方法和装置，该方法基于历史流的相似性对其进行聚类，并且针对每个聚类簇结合新流序列的相似度，为新流序列分配流大小估算模型用于流量大小估算，提高了流量大小估算的准确性，在应用程序的输入参数发生很大变化时或者启动新应用程序时，可通过相似度匹配选择流大小估算模型，无需重复训练，可实现大规模部署。

本申请第一方面实施例提出了一种流量大小估算方法，包括：获取多个历史流序列的特征属性，并对所述多个历史流序列进行预处理，其中，所述多个历史流序列的特征属性包括：流级别属性和应用级别属性；根据所述多个历史流序列的特征属性和预处理结果，计算所述多个历史流序列之间的相似度；根据所述多个历史流序列之间的相似度对多个所述历史流序列进行聚类，以获得多个历史流序列聚类簇；根据所述多个历史流序列聚类簇，创建多个流大小估算模型；结合所述多个历史流序列聚类簇以及新流序列的相似度，分配所述流大小估算模型，以对所述新流序列进行流量大小估算。

本申请实施例的流量大小估算方法，通过获取多个历史流序列的特征属性，并对所述多个历史流序列进行预处理，其中，所述多个历史流序列的特征属性包括：流级别属性和应用级别属性；根据所述多个历史流序列的特征属性和预处理结果，计算所述多个历史流序列之间的相似度；根据所述多个历史流序列之间的相似度对多个所述历史流序列进行聚类，以获得多个历史流序列聚类簇；根据所述多个历史流序列聚类簇，创建多个流大小估算模型；结合所述多个历史流序列聚类簇以及新流序列的相似度，分配所述流大小估算模型，以对所述新流序列进行流量大小估算。该方法基于历史流的相似性对其进行聚类，并且针对每个聚类簇结合新流序列的相似度，为新流序列分配流大小估算模型用于流量大小估算，提高了流量大小估算的准确性，在应用程序的输入参数发生很大变化时或者启动新应用程序时，可通过相似度匹配选择流大小估算模型，无需重复训练，可节约相关开销实现大规模部署。