网络性能的预测方法及装置制造方法
【专利摘要】本发明涉及一种网络性能的预测方法及装置，所述方法包括：获取链路的M个性能参数数据；根据所述M个性能参数数据，计算所述链路的网络性能的云模型数字特征；根据所述云模型数字特征，计算得到所述链路的网络性能的N个预测的性能参数数据；如果所述N个预测的性能参数数据中存在超出预设上限值的数据，发出所述链路有超标风险的预测告警，其中，M、N为预设正整数。本发明的网络性能的预测方法及装置，根据链路的网络性能实时监控数据分析网络性能变化趋势，预测未来的性能参数数据，以此预测为依据判断是否进行告警和保护切换。
【专利说明】网络性能的预测方法及装置
【技术领域】
[0001]本发明涉及网络通信【技术领域】，尤其涉及一种网络性能的预测方法及装置。
【背景技术】
[0002]承载无线、金融、电力等业务的网络，对传输网络的性能，例如，时延、抖动、丢包率等要求较高。在无线移动承载网络中，基站与基站控制器(Radio Network Controller,RNC)之间的数据传送时延一般要求不超过10ms，如超出该范围将造成业务损伤，客户希望能立即给出告警并作出相应的保护切换。
[0003]目前，对于网络性能质量(如时延、抖动、丢包率等性能参数)的监控方法，以时延为例，在应用上仅用于反馈网络实时或定时时延数据，不会针对当前数据走势对未来的数据作出预测，也不能针对历史数据做分析，本身不具备时延预测、预警的功能和依据预测数据做保护切换的功能。
[0004]由于网络时延具备两种不确定性，一是随机性:单个报文在网络中转发时，由于如转发芯片的瞬时失效、链路质量瞬态不稳定等因素的影响，可能会产生大时延或小时延存在一定的随机性；二是模糊性:时延大小本身是相对的，在“时延大”的界定上存在模糊性。因此，当前的时延算法并不能全面的反应网络时延质量，仅是网络时延的平均值或者概率分布的期望值；但客户的要求，例如，“时延不准超过10ms”是一个上限值，即使期望值未超出上限值，也不能保障所有的报文时延不会超过这个上限。
[0005]如果检测到链路时延超过上限值再告警或者保护切换，实际上已经晚了，对业务已构成损伤，因此，现有的网络性能质量的监控方法无法及时地告警或进行保护切换。
【发明内容】
[0006]本发明提供一种网络性能的预测方法及装置，根据链路的网络性能实时监控数据分析网络性能变化趋势，预测未来网络性能的性能参数数据，以此预测为依据判断是否进行告警和保护切换，能够及时地告警或进行保护切换。
[0007]本发明第一方面提供了一种网络性能的预测方法，所述网络性能的预测方法包括:
[0008]获取链路的M个性能参数数据；
[0009]根据所述M个性能参数数据，计算所述链路的网络性能的云模型数字特征；
[0010]根据所述云模型数字特征，计算得到所述链路的网络性能的N个预测的性能参数数据；
[0011]如果所述N个预测的性能参数数据中存在超出预设上限值的数据，发出所述链路有超标风险的预测告警，其中，M、N为预设正整数。
[0012]结合第一方面，在第一方面的第一种可能的实施方式中，所述链路的网络性能的云模型数字特征包括:期望值Ex、熵En和超熵；
[0013]所述根据所述M个性能参数数据，计算所述链路的网络性能的云模型数字特征，具体包括:
[0014]利用f =，计算所述M个性能参数数据的样本均值，其中，_为所述M个
X
性能参数数据的样本均值，Xi为第i个性能参数数据；所述样本均值I为所述M个性能参数数据的期望值Ex，也即毛;
[0015]利用[=计算所述M个性能参数数据的一阶样本绝对中心距，其中，L为所述M个性能参数数据的一阶样本绝对中心距，Xi为第i个性能参数数据；所述一阶样本绝对中心距L与甚的乘积，为所述M个性能参数数据的熵En，也即
k=Il=甚
[0016]利用，计算所述M个性能参数数据的样本方差，其中，S2为
所述M个性能参数数据的样本方差，X为所述M个性能参数数据的样本均值，Xi为第i个性能参数数据；所述样本方差S2与所述En平方的差值的平方根，为所述M个性能参数数据
的超熵H6，也即// =^S -L
[0017]结合第一方面的第一种可能的实施方式，在第一方面的第二种可能的实施方式中，所述根据所述云模型数字特征，计算得到所述链路的网络性能的N个预测的性能参数数据，具体包括:
[0018]A、利用所述云模型数字特征{Ex，En，Hj中的熵En和超熵He，生成以所述熵En为期望值、所述超熵扎为标准差的正态随机数En'；
[0019]B、利用所述云模型数字特征{Ex，En，Hj中的期望值Ex和所述正态随机数En'，生成以所述期望值Ex为期望值、所述正态随机数En'为标准差的正态随机数X ;
[0020]C、利用计算所述正态随机数X属于所述网络性能的确定度I ;
[0021]D、将确定度为y的所述正态随机数X作为所述网络性能的一个云滴；
[0022]E、重复A~D，直到产生N个云滴，作为所述N个预测的性能参数数据。
[0023]结合第一方面或第一方面的第一种或第二种可能的实施方式，在第一方面的第三种可能的实施方式中，在所述获取链路的M个性能参数数据之后，还包括:
[0024]如果所述M个性能参数数据中存在超出所述预设上限值的数据，则发出所述链路已超标的告警。
[0025]结合第一方面的第三种可能的实施方式，在第一方面的第四种可能的实施方式中，如果所述M个性能参数数据中存在超出所述预设上限值的数据，或者如果所述N个预测的性能参数数据中存在超出所述预设上限值的数据，所述方法还包括:若所述链路存在备份链路，执行主备链路切换。[0026]第二方面，本发明还提供了一种网络性能的预测装置，所述网络性能的预测装置包括:获取模块、第一计算模块、第二计算模块和处理模块；
[0027]所述获取模块，用于获取链路的M个性能参数数据；
[0028]所述第一计算模块，用于根据所述获取模块获取的所述M个性能参数数据，计算所述链路的网络性能的云模型数字特征；
[0029]所述第二计算模块，用于根据所述第一计算模块计算得到的所述云模型数字特征，计算得到所述链路的网络性能的N个预测的性能参数数据；
[0030]所述第一判断模块，用于判断所述第二计算模块计算得到的所述N个预测的性能参数数据中是否存在超出所述预设上限值的数据；
[0031]所述处理模块，用于如果所述第一判断模块判定所述N个预测的性能参数数据中存在超出预设上限值的数据，则发出所述链路有超标风险的预测告警，其中，M、N为预设正整数。
[0032]结合第二方面，在第二方面的第一种可能的实施方式中，所述第一计算模块计算得到的所述链路的网络性能的云模型数字特征包括:期望值Ex、熵En和超熵；
— I M
[0033]所述第一计算模块具体包括用于利用f = 77Σ +，计算所述M个性能参数数据的
样本均值，其中，X为所述M个性能参数数据的样本均值，Xi为第i个性能参数数据；所述样本均值f为所述M个性能参数数据的期望值Ex，也即￡ = X ;
[0034]所述第一计算模块还 包括用于利用-1I，计算所述M个性能参数数据的一阶样本绝对中心距，其中，L为所述M个性能参数数据的一阶样本绝对中心距，Xi为第i个性能参数数据；所述一阶样本绝对中心距L与甚的乘积，为所述M个性能参数数据的
熵 En,也_?=写卜—五 I
[0035]所述第一计算模块还包括用于利用S =?>ν,.- V)汁算所述M个性能参
数数据的样本方差，其中，S2为所述M个性能参数数据的样本方差，X为所述M个性能参数数据的样本均值，Xi为第i个性能参数数据，所述样本方差S2与所述En平方的差值的平方
根，为所述M个性能参数数据的超熵氏，也即坟=^S2-E;,。
[0036]结合第二方面的第一种可能的实施方式，在第二方面的第二种可能的实施方式中，所述第二计算模块具体包括用于利用所述云模型数字特征{Ex，En，Hj中的熵En和超熵He,生成以所述熵En为期望值、所述超熵为标准差的正态随机数En'；
[0037]所述第二计算模块还包括用于利用所述云模型数字特征{Ex，En，Hj中的期望值Ex和所述正态随机数En'，生成以所述期望值Ex为期望值、所述正态随机数En'为标准差的正态随机数X ；[0038]所述第二计算模块还包括用于利用v _ /Sf计算所述正态随机数X属于所述
y，
网络性能的确定度I ;
[0039]所述第二计算模块还包括用于将确定度为y的所述正态随机数X作为所述网络性能的一个云滴；
[0040]所述第二计算模块还包括用于重复产生N个云滴，作为所述N个预测的性能参数数据。
[0041]结合第二方面或第二方面的第一种或第二种可能的实施方式，在第二方面的第三种可能的实施方式中，所述第一判断模块，还用于判断所述获取模块获取的所述M个性能参数数据中是否存在超出所述预设上限值的数据；
[0042]所述处理模块，还用于若所述第一判断模块判定所述M个性能参数数据中存在超出所述预设上限值的数据，则发出所述链路已超标的告警。
[0043]结合第二方面的第三种可能的实施方式，在第二方面的第四种可能的实施方式中，所述处理模块，还用于若所述链路存在备份链路，执行主备链路切换。
[0044]本发明提供的网络性能的预测方法及装置，根据链路的网络性能实时监控数据分析网络性能变化趋势，预测未来的性能参数数据，以此预测为依据判断是否进行告警和保护切换。
【专利附图】
【附图说明】
[0045]图1为本发明 实施例提供的网络性能的预测方法流程图；
[0046]图2为本发明实施例提供的网络性能的预测装置示意图；
[0047]图3为本发明实施例提供的网络性能的预测装置结构示意图。
【具体实施方式】
[0048]下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
[0049]本发明提供的网络性能的预测方法及装置，可应用于各种网络中，预测的网络性能可以包括如时延、抖动、丢包率等性能参数，可以预测各种类型的网络链路的性能，包括光纤等具有传输介质的物理链路，伪连接(Pseudo-Wire，PW)，隧道的主标签转发路径(Label Switched Path, LSP)、备 LSP 等。
[0050]图1是本发明实施例提供的网络性能的预测方法流程图，包括:
[0051]S101、获取链路的M个性能参数数据。
[0052]获取链路上的性能参数数据可采用现有方法，例如:基于以太网网络的操作维护管理(operation and maintenance, 0AM)功能和机制、IP流性能管理(IP FlowPerformance Management, IPFPM)、网络质量分析(Network Quality Analysis, NQA)等。
[0053]实时监控链路的性能参数，例如时延，保存各个时间点的性能参数数据；优选地，获取所述链路的最新的M个性能参数数据。其中，M为预设正整数，可由用户根据实际使用需求来设定。
[0054]若网络中设有主链路和备链路，可选地，分别获取主、备链路上的性能参数数据。
[0055]可选的，在SlOl之后，还包括:判断所述链路的所述M个性能参数数据中是否存在超出预设上限值的数据，如果判定存在超出预设上限值的数据，则发出所述链路已超标的告警，返回执行SlOl ;否则，执行S102。其中，所述预设上限值根据客户要求具体设定。
[0056]进一步地，若判定所述链路的所述M个性能参数数据存在超出所述预设上限值的数据，若所述链路存在备份链路，可以进行主备链路切换，即所述链路的状态切换为备，所述链路的备份链路的状态切换为主。
[0057]S102、根据所述M个性能参数数据，计算所述链路的网络性能的云模型数字特征。
[0058]所述链路的网络性能的云模型数字特征包括:所述性能参数数据的期望值Ex、熵En和超熵氏，云模型数字特征通常表示为{Ex，En, HJ。
[0059]具体地，利用所述M个性能参数数据，通过逆向云发生器计算所述链路的网络性能的云模型数字特征，包括以下步骤:
[0060]S1021、利用
【权利要求】
1.一种网络性能的预测方法，其特征在于，所述方法包括: 获取链路的M个性能参数数据； 根据所述M个性能参数数据，计算所述链路的网络性能的云模型数字特征； 根据所述云模型数字特征，计算得到所述链路的网络性能的N个预测的性能参数数据； 如果所述N个预测的性能参数数据中存在超出预设上限值的数据，发出所述链路有超标风险的预测告警，其中，M、N为预设正整数。
2.根据权利要求1所述的方法，其特征在于，所述链路的网络性能的云模型数字特征包括:期望值Ex、熵En和超熵H6 ； 所述根据所述M个性能参数数据，计算所述链路的网络性能的云模型数字特征，具体包括: 利用I = H>,.，计算所述M个性能参数数据的样本均值，其中，—为所述M个性能参 M ?=1X数数据的样本均值，Xi为第i个性能参数数据；所述样本均值X为所述M个性能参数数据的期望值4，也即i =X； 利用计算所述M个性能参数数据的一阶样本绝对中心距，其中，L为所述M个性能参数数据的一阶样本绝对中心距，Xi为第i个性能参数数据；所述一阶样本绝对中心距L与#的乘积，为所述M个性能参数数据的熵En，也即 利用-1mpmμ个性能参数数据的样本方.ιι，其中，S2为所述μ
Jyi _ J ,._丨个性能参数数据的样本方差，X为所述M个性能参数数据的样本均值，Xi为第i个性能参数数据；所述样木方差S2与所述En平方的差值的平方根，为所述M个性能参数数据的超熵He,也即凡五】。
3.根据权利要求2所述的方法，其特征在于，所述根据所述云模型数字特征，计算得到所述链路的网络性能的N个预测的性能参数数据，具体包括: A、利用所述云模型数字特征{Ex，En,HJ中的熵En和超熵，生成以所述熵En为期望值、所述超熵为标准差的正态随机数En'； B、利用所述云模型数字特征{Ex，En，Hj中的期望值Ex和所述正态随机数En'，生成以所述期望值Ex为期望值、所述正态随机数En'为标准差的正态随机数X ； C、利用p—计算所述正态随机数X属于所述网络性能的确定度I ; D、将确定度为I的所述正态随机数X作为所述网络性能的一个云滴；E、重复A~D，直到产生N个云滴，作为所述N个预测的性能参数数据。
4.根据权利要求1至3任一项所述的方法，其特征在于，在所述获取链路的M个性能参数数据之后,还包括: 如果所述M个性能参数数据中存在超出所述预设上限值的数据，则发出所述链路已超标的告警。
5.根据权利要求4所述的方法，其特征在于， 如果所述M个性能参数数据中存在超出所述预设上限值的数据，或者如果所述N个预测的性能参数数据中存在超出所述预设上限值的数据，所述方法还包括:若所述链路存在备份链路，执行主备链路切换。
6.一种网络性能的预测装置，其特征在于，所述装置包括:获取模块、第一计算模块、第二计算模块、第一判断模块和处理模块； 所述获取模块，用于获取链路的M个性能参数数据； 所述第一计算模块，用于根据所述获取模块获取的所述M个性能参数数据，计算所述链路的网络性能的云模型数字特征； 所述第二计算模块，用于根据所述第一计算模块计算得到的所述云模型数字特征，计算得到所述链路的网络性能的N个预测的性能参数数据； 所述第一判断模块，用于判断所述第二计算模块计算得到的所述N个预测的性能参数数据中是否存在超出所述预设上限值的数据； 所述处理模块，用于如果所 述第一判断模块判定所述N个预测的性能参数数据中存在超出预设上限值的数据，则发出所述链路有超标风险的预测告警，其中，M、N为预设正整数。
7.根据权利要求6所述的装置，其特征在于，所述第一计算模块计算得到的所述链路的网络性能的云模型数字特征包括:期望值Ex、熵En和超熵； 所述第一计算模块具体包括用于利用Y =，计算所述M个性能参数数据的样本
Mtt均值，其中X力所述M个性能参数数据的样本均值，Xi为第i个性能参数数据；所述样本均值J为所述M个性能参数数据的期望值Ex，也即Εχ=?Ι\
I M_ 所述第一计算模块还包括用于利用f I，计算所述μ个性能参数数据的一阶样本绝对中心距，其中，L为所述M个性能参数数据的一阶样本绝对中心距，Xi为第i个性能参数数据；所述一阶样本绝对中心距L与籍的乘积，为所述M个性能参数数据的熵En，也即。》音去灿 所述第一计算模块还包括用于利用S，计算所述M个性能参数数据的样本方差，其中，S2为所述M个性能参数数据的样本方差，X为所述M个性能参数数据的样本均值，Xi为第i个性能参数数据，所述样本方差S2与所述En平方的差值的平方根，为所述M个性能参数数据的超熵氏，也即
8.根据权利要求7所述的装置，其特征在于，所述第二计算模块具体包括用于利用所述云模型数字特征{Ex，En, HJ中的熵En和超熵氏，生成以所述熵En为期望值、所述超熵为标准差的正态随机数En'； 所述第二计算模块还包括用于利用所述云模型数字特征{Ex，En, HJ中的期望值Ex和所述正态随机数En'，生成以所述期望值Ex为期望值、所述正态随机数En'为标准差的正态随机数X ； 所述第二计算模块还包括用于利用
9.根据权利要求6至8任一项所述的装置，其特征在于，所述第一判断模块，还用于判断所述获取模块获取的所述M个性能参数数据中是否存在超出所述预设上限值的数据； 所述处理模块，还用于若所述第一判断模块判定所述M个性能参数数据中存在超出所述预设上限值的数据，则发出所述链路已超标的告警。
10.根据权利要求9所述的装置，其特征在于，所述处理模块，还用于若所述链路存在备份链路，执行主备链路切换。
【文档编号】H04L12/24GK103490948SQ201310404729
【公开日】2014年1月1日 申请日期:2013年9月6日 优先权日:2013年9月6日
【发明者】张耀坤 申请人:华为技术有限公司