本发明涉及通信技术领域，具体而言，涉及一种流量状态分析方法、装置及分析系统。
背景技术：
在wifi网络中，很难通过机器学习来判断ap的网络流量健康状况。而网络流量健康分析依赖于ap的流量模式，流量模式依赖于很多东西，不仅随时间而变化，而且随着情景而变化，这使得很难给出网络流量健康状态。目前主要是基于人工分析的方式判断网络流量健康状态。
技术实现要素：
为了克服现有技术中的上述不足，本发明实施例的目的在于提供一种流量状态分析方法、装置及分析系统，其能够避免采用人工分析的方式，即可得到网络流量的健康状况。
本发明实施例提供一种流量状态分析方法，应用于分析系统，所述系统包括通信连接的智能服务与管理平台ism、智能无线网关服务模块iwg、无线接入控制器ac及无线接入点ap，其中，所述ap及ac中存储有数据收集策略，所述方法包括：
所述ac及ap将根据所述数据收集策略收集的流量数据经所述iwg发送给所述ism；
所述ism基于目标流量模型对所述流量数据进行分析，得到所述流量数据的健康状态。
本发明实施例还提供一种流量状态分析装置，应用于ism，所述ism与iwg、ac及ap通信连接，其中，所述ap及ac中存储有数据收集策略，所述装置包括：
接收模块，用于接收所述ac及ap经所述iwg发送的根据所述数据收集策略收集的流量数据；
分析模块，用于基于目标流量模型对所述流量数据进行分析，得到所述流量数据的健康状态。
本发明实施例还提供一种分析系统，所述系统包括通信连接的智能服务与管理平台ism、智能无线网关服务模块iwg、无线接入控制器ac及无线接入点ap，其中，所述ap及ac中存储有数据收集策略，
所述ac及ap用于将根据所述数据收集策略收集的流量数据经所述iwg发送给所述ism；
所述ism用于基于目标流量模型对所述流量数据进行分析，得到所述流量数据的健康状态。
相对于现有技术而言，本发明具有以下有益效果：
本发明实施例提供一种流量状态分析方法、装置及分析系统。所述分析系统包括通信连接的ism、iwg、ac及ap。其中，所述ac及所述ap中存储有数据收集策略。所述ac根据所述数据收集策略收集需要的流量数据，并将收集的流量数据发送给所述iwg。所述ap根据所述数据收集策略收集需要的流量数据，并将收集的流量数据发送给所述iwg。所述iwg将接收的所述ac发送的流量数据及所述ap发送的流量数据发送给所述ism。所述ism根据目标流量模型对所述流量数据进行分析，得到所述流量数据的健康状态。由此，对网络流量的健康状态进行判断，并且不需要采用人工分析的方式，节省了人力。
为使发明的上述目的、特征和优点能更明显易懂，下文特举本发明较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1是本发明实施例提供的分析系统的方框示意图。
图2是图1中ism的方框示意图。
图3是本发明实施例提供的流量状态分析方法的流程示意图。
图4是图3中步骤s110包括的子步骤的流程示意图。
图5是图3中步骤s120包括的子步骤的流程示意图。
图6是图5中子步骤s122包括的子步骤的流程示意图。
图7是周一基于小时汇总流量数据表。
图8是周一时间与总流量数据的关系图。
图9是8:00-22:00终端数量与总流量数据的关系图。
图10是23:00-9:00终端数量与总流量数据的关系图。
图11是本发明实施例提供的流量状态分析装置的方框示意图。
图标：10-分析系统；100-ism；110-存储器；120-存储控制器；130-处理器；200-iwg；300-ac；400-ap；500-流量状态分析装置；510-接收模块；520-分析模块。
具体实施方式
下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
下面结合附图，对本发明的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
请参照图1，图1是本发明实施例提供的分析系统10的方框示意图。所述分析系统10可以包括通信连接的ism(intelligentservicemanagement，智能服务与管理平台)100、iwg(intelligentwirelessgateway，智能无线网关服务模块)200、ac(wirelessaccesspointcontroller，无线接入控制器)300及ap(accesspoint，无线接入点)400。其中，所述ap400与所述iwg200及所述ac300均连接。所述ac300及ap400用于采集相关数据，并将其经iwg200发送给所述ism100，从而实现对数据的分析处理，得到分析结果。
请参照图2，图2是图1中ism100的方框示意图。所述ism100可以是位于云端的装置。所述ism100可以包括：存储器110、存储控制器120、处理器130以及流量状态分析装置500。
所述存储器110、存储控制器120及处理器130各元件之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。存储器110中存储有流量状态分析装置500，所述流量状态分析装置500包括至少一个可以软件或固件(firmware)的形式存储于所述存储器110中的软件功能模块。所述处理器130通过运行存储在存储器110内的软件程序以及模块，如本发明实施例中的流量状态分析装置500，从而执行各种功能应用以及数据处理，即实现本发明实施例中的流量状态分析方法。
其中，所述存储器110可以是，但不限于，随机存取存储器(randomaccessmemory，ram)，只读存储器(readonlymemory，rom)，可编程只读存储器(programmableread-onlymemory，prom)，可擦除只读存储器(erasableprogrammableread-onlymemory，eprom)，电可擦除只读存储器(electricerasableprogrammableread-onlymemory，eeprom)等。其中，存储器110用于存储程序，所述处理器130在接收到执行指令后，执行所述程序。所述处理器130以及其他可能的组件对存储器110的访问可在所述存储控制器120的控制下进行。
所述处理器130可能是一种集成电路芯片，具有信号的处理能力。上述的处理器130可以是通用处理器，包括中央处理器(centralprocessingunit，cpu)、网络处理器(networkprocessor，np)等。还可以是数字信号处理器(dsp)、专用集成电路(asic)、现场可编程门阵列(fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
可以理解，图2所示的结构仅为示意，ism100还可包括比图2中所示更多或者更少的组件，或者具有与图2所示不同的配置。图2中所示的各组件可以采用硬件、软件或其组合实现。
所述iwg200、ac300及ap400可以具有与所述ism100相同的上述结构，在此不再赘述。
请参照图2，图3是本发明实施例提供的流量状态分析方法的流程示意图。所述方法应用于所述分析系统10。下面对流量状态分析方法的具体流程进行详细阐述。
步骤s110，所述ac300及ap400将根据所述数据收集策略收集的流量数据经所述iwg200发送给所述ism100。
在本实施例中，所述iwg200、ac300及ap400均为位于本地端的装置。所述ism100将用于采集流量数据的数据收集策略发送给所述iwg200，所述iwg200将接收的所述数据收集策略保存，并发送给所述ac300，所述ac300再将该数据收集策略发送给所述ap400。由此，所述ac300及ap400均获得所述数据收集策略。其中，所述数据收集策略可以包括ap400、ac300等设备类型和设备版本、数据收集类型、数据收集间隔参数(比如，取样间隔)等。
进一步地，所述ism100还可以向所述iwg200发送过滤策略，所述iwg200将接收的所述过滤策略进行存储，并根据所述过滤策略对即将发送给所述ism100的数据进行处理。
在本实施例中，所述ac300及ap400将根据所述数据收集策略收集到的wlan接口数据均发送给所述ism100。以下为waveiiapwan接口(br-wan)的参数：
-rx:packets(e.g.197733),errors(e.g.0),dropped(e.g.1),overruns(e.g.0),frame(e.g.0)
-tx:packets(e.g.129735),errors(e.g.0),dropped(e.g.1),overruns(e.g.0),carrier(e.g.0)
-collisions(e.g.0),txqueuelen(e.g.0)
-rxbytes(e.g.21464883)txbytes(e.g.109909718)
以下是waveiiap的参数:
-rx:packets(e.g.197733),errors(e.g.0),dropped(e.g.1),overruns(e.g.0),frame(e.g.0)
-tx:packets(e.g.129735),errors(e.g.0),dropped(e.g.1),overruns(e.g.0),carrier(e.g.0)
-collisions(e.g.0),txqueuelen(e.g.2699)
-rxbytes(e.g.21464883)txbytes(e.g.109909718)
-interrupt(e.g.200)
当然可以理解的是，还可以包括其他ap参数。
请参照图4，图4是图3中步骤s110包括的子步骤的流程示意图。步骤s110可以包括子步骤s111及子步骤s112。
子步骤s111，所述ac300及ap400将根据所述数据收集策略收集的初始流量数据发送给所述iwg200。
在本实施例中，所述初始流量数据包括第一初始流量数据及第二初始流量数据，所述ac300及ap400将根据所述数据收集策略收集的初始流量数据发送给所述iwg200，包括：
所述ac300根据所述数据收集策略收集所述第一初始流量数据，并将所述第一初始流量数据发送给所述iwg200；
所述ap400根据所述数据收集策略收集所述第二初始流量数据，并将所述第二初始流量数据发送给所述iwg200。
由于ac300用于管控，ap400用于接入，ac300及ap400的作用不同，因此ac300收集的数据类型与ap400收集的数据类型不同，ac300收集管理状态信息得到第一初始流量数据，ap400收集接入信息得到第二初始流量数据。比如，ac300作为dhcp服务器，会统计终端的注册注销ip地址的次数，ap400可以统计终端的上下线数据。其中，终端可以是智能手机、电脑等接入所述ap400的设备。
子步骤s112，所述iwg200根据所述过滤策略对接收的所述初始流量数据进行过滤处理，并将处理后得到的流量数据发送给所述ism100。
在本实施例中，所述iwg200在接收所述ac300发送的第一初始流量及所述ap400发送的第二初始流量数据后，根据保存的所述过滤策略对初始流量数据进行过滤处理，即，进行基础清洗，并将处理后的初始流量数据发送给所述ism100。由此，可以不需要ism100对数据再进行基本的过滤处理，减轻了工作量，并且便于数据传输。
下面对过滤进行举例说明。比如，ap400会上报终端的rtls报文，只要信号或者环境发生变化就会上报该报文。iwg200收到ap400发送的rtls报文后，判断是不是一个终端，变化幅度是否在设置范围(比如是3s内，rssi值在±30以内)内，然后将接收的rtls报文进行合并，并将合并后的报文发送给iwg200。比如，由10条合并为1条。
步骤s120，所述ism100基于目标流量模型对所述流量数据进行分析，得到所述流量数据的健康状态。
请参照图5，图5是图3中步骤s120包括的子步骤的流程示意图。步骤s120可以包括子步骤s121及子步骤s122。
子步骤s121，所述ism100对处理后的流量数据进行预处理，得到预处理后的流量数据。
在本实施例中，所述ism100可以对所述iwg200发送的流量数据进行深度分析学习，从而得到所述预处理后的流量数据。
子步骤s122，所述ism100判断预处理后的流量数据与所述目标流量模型是否匹配，并根据匹配结果得到网络流量数据的健康状态。
在本实施例中，所述ism100中有流量模型库，通过接收选择操作或预先设置等方式从所述流量模式库中得到目标流量模型，进而根据所述目标流量数据模型及预处理后的流量数据进行分析判断，从而得到网络流量数据的健康状态。
wlan接口总流量(rx字节加tx字节)是用于分析流量健康状态的基本参数，也可以使用其他参数与不同的潜在组合一起使用以分析流量健康状态。下面介绍如何根据总流量分析健康状态。
请参照图6，图6是图5中子步骤s122包括的子步骤的流程示意图。子步骤s122可以包括子步骤s1221、子步骤s1222、子步骤s1223、子步骤s1224及子步骤s1225。
子步骤s1221，所述ism100根据预处理后的流量数据得到实际流量统计数据。
子步骤s1222，所述ism100根据所述目标流量模型及预处理后的流量数据计算得到预期流量统计数据，并计算所述实际流量统计数据与所述预期流量统计数据间的偏差。
子步骤s1223，所述ism100将所述偏差与正常预设差值进行比较。
子步骤s1224，在所述偏差小于所述正常预设差值时，所述ism100判定所述预处理后的流量数据与所述目标流量模型匹配。
子步骤s1225，在所述偏差不小于所述正常预设差值时，所述ism100判定所述预处理后的流量数据与所述目标流量模型不匹配。
在本实施例中，所述根据匹配结果得到网络流量数据的健康状态的步骤包括：
在所述匹配结果为匹配时，判定所述网络流量数据的健康状态为正常；
在所述匹配结果为不匹配时，分析所述偏差所属的目标偏差范围，并根据偏差范围与健康状态的对应关系得到所述网络流量数据的健康状态。
在本实施例中，所述ism100可以通过流量统计(平均值、标准差及回归等)计算预处理后的流量数据，得到ap流量数据的实际流量统计数据。实际流量统计数据可以只包括一个值。所述ism100根据所述目标流量模型及预处理后的流量数据对流量统计数据进行预测，得到所述预期流量统计数据，并计算所述预期流量统计数据与所述实际流量统计数据的差值，得到所述偏差。
然后将所述偏差与所述正常预设差值进行比较，若所述偏差小于所述正常预设差值，表示所述预期流量统计数据与所述实际流量统计数量接近，预处理后的流量数据与所述目标流量模型匹配，所述网络流量数据的健康状态为正常。
若所述偏差不小于所述正常预设差值，标识所述预期流量统计数据与所述实际流量统计数据不接近，预处理后的流量数据与所述目标流量模型不匹配，所述网络流量数据的健康状态为不健康。
进一步地，在健康状态为不健康时，还可以根据所述偏差及预设的偏差范围进行比对，得到所述偏差所述的目标偏差范围。根据所述目标偏差范围与健康状态的对应关系获得所述网络流量数据的不健康程度，比如，轻微、严重等。其中，不健康程度可以根据实际情况进行设置，比如，可以设置两个级别，也可以设置为三个级别等，每种不正常程度与一个偏差范围对应。
在本实施例的实施方式中，所述ism100在得到网络流量数据的健康状态后，还可以将该健康状态通过一显示器件进行显示。进一步地，在健康状态为不健康时，所述ism100还可以根据预先配置的通知规则，向相关人员的终端设备(比如，手机、电脑电能)发送告警信息，以提示相关人员。
在本实施例的实施方式中，在与所述目标流量模型匹配时，还可以将预处理后的流量数据直接保存在所述流量模型库中，以根据更多的数据持续改进流量模型。在与所述目标流量模型不匹配时，可以根据预处理后的流量数据重新创建一流量模型，并保存在所述流量模型库中。由此，可以提高流量健康状态判断的准确性。
在本实施例中的实施方式中，所述ism100还可以接收预先对所述流量模型库中每个流量模型的可用状态进行编辑的操作，并在编辑后更新所述流量模型库。其中，可用状态包括启用及禁用。
下面进行举例说明。
所述正常预设差值为所述预期流量统计数量的10％，预设的偏差范围包括所述预期流量统计数量的10％～30％、30％以上，其中，所述预期流量统计数量的10％～30％对应轻微不健康，所述预期流量统计数量的30％以上对应严重不健康。在所述偏差不小于所述正常预设差值时，判定与所述目标流量模型不匹配。若所述偏差对应的偏差范围为所述预期流量统计数量的10％～30％，则判定所述网络流量数据的健康状态为轻微不健康；若所述偏差对应的偏差范围为所述预期流量统计数量的30％以上，则判定所述网络流量数据的健康状态为严重不健康。
在本实施例中，所述分析系统10还可以通过api网关向第三方服务提供相同的服务。所述ism100还可以通过api网关与外部系统连接，所述ism100接收所述外部系统发送的流量模型，并根据接收的该流量模型中的目标流量模型对流量数据进行分析，得到其网络健康状态，并将得到的健康状态发送给外部系统。其中，该api网关提供以下功能：设计和原型api；发布和治理api使用；创建所有可用的api的商店；控制访问和执行安全；管理开发者社区；管理api流量；监视和货币化；api平台多租期支持；可插入和可扩展。由此，外部系统只需要提供目标流量模型就可以得到对应的流量健康状态。
下面对如何创建流量模型进行举例说明。
请参照图7～图10，图7是周一基于小时汇总流量数据表，表示了总流量数据、终端数量、时间(kbytesvsstationsvshour)之间的关系。图8是周一时间与总流量数据的关系图。根据图7及图8可以看出，8:00-22:00的总流量数据比较大，23:00-7:00的总流量数据比较小。因此，可以将上述数据分为两组(8:00-22:00，23:00-7:00)进行分析建模得到对应的流量模型。
图9是8:00-22:00终端数量与总流量数据的关系图，8:00-22:00的线性回归：x(numbrofstations)vsq(wanporttotalkbytes)，线性回归结果是：总流量q＝1843.366+405.776x，即得到了周一8:00-22:00对应的流量模型，该流量模型可用于预测周一8:00-22:00的总流量数据。
图10是23:00-9:00终端数量与总流量数据的关系图，23:00-7:00的线性回归：x(numbrofstations)vsq(wanporttotalkbytes)，线性回归结果是：总流量q＝3.444+19.583x，即得到了周一23:00-9:00对应的流量模型，该流量模型可用于预测周一23:00-9:00的总流量数据。
在需要分析周一的流量状态时，则可以实时获取实际总流量，并将该实际总流量与对应的通过上述其中一个流量模型得到的预期总流量进行比较，进而分析出网络流量的健康状态。
请参照图11，图11是本发明实施例提供的流量状态分析装置500的方框示意图。所述流量状态分析装置500应用于ism100，所述ism100与iwg200、ac300及ap400通信连接。其中，所述ap400及ac300中存储有数据收集策略。所述流量状态分析装置500包括接收模块510及分析模块520。
接收模块510，用于接收所述ac300及ap400经所述iwg200发送的根据所述数据收集策略收集的流量数据。
在本实施例中，所述接收模块510用于执行图3中的步骤s110，关于所述接收模块510的具体描述可以参照图3中步骤s10的描述。
分析模块520，用于基于目标流量模型对所述流量数据进行分析，得到所述流量数据的健康状态。
在本实施例中，所述分析模块520基于目标流量模型对所述流量数据进行分析，得到所述流量数据的健康状态的方式包括：
对流量数据进行预处理，得到预处理后的流量数据；
判断预处理后的流量数据与所述目标流量模型是否匹配，并根据匹配结果得到网络流量数据的健康状态。
在本实施例中，所述分析模块520判断预处理后的流量数据与所述目标流量模型是否匹配的方式包括：
根据预处理后的流量数据得到实际流量统计数据；
根据所述目标流量模型及预处理后的流量数据计算得到预期流量统计数据，并计算所述实际流量统计数据与所述预期流量统计数据间的偏差；
将所述偏差与正常预设差值进行比较；
在所述偏差小于所述正常预设差值时，判定所述预处理后的流量数据与所述目标流量模型匹配；
在所述偏差不小于所述正常预设差值时，判定所述预处理后的流量数据与所述目标流量模型不匹配。
在本实施例中，所述分析模块520用于执行图3中的步骤s120，关于所述分析模块520的具体描述可以参照图3中步骤s120的描述。
综上所述，本发明提供一种流量分析方法、装置及分析系统。所述分析系统包括通信连接的ism、iwg、ac及ap。其中，所述ac及所述ap中存储有数据收集策略。所述ac根据所述数据收集策略收集需要的流量数据，并将收集的流量数据发送给所述iwg。所述ap根据所述数据收集策略收集需要的流量数据，并将收集的流量数据发送给所述iwg。所述iwg将接收的所述ac发送的流量数据及所述ap发送的流量数据发送给所述ism。所述ism根据目标流量模型对所述流量数据进行分析，得到所述流量数据的健康状态。由此，对网络流量的健康状态进行判断，并且不需要采用人工分析的方式，节省了人力。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。