流量采样方法、装置、设备及可读存储介质与流程

1.本技术实施例涉及通信技术领域，尤其涉及一种流量采样方法、装置、设备及可读存储介质。


背景技术：

2.网络设备(例如基站)可以向用户的终端设备提供流量业务，例如，网络游戏、视频业务等。为了保证向终端设备提供流量业务的质量，需要对向终端设备提供的流量业务进行流量采样监控。
3.在现有技术中，网络设备通常按照固定的采样频率进行流量采样，为了保证流量采样的准确性，通常会设置较高的采样频率。若网络设备按照较高的采样频率进行流量采样，则网络设备需要消耗较多的资源，导致流量采样的能耗较高。


技术实现要素：

4.本技术实施例提供一种流量采样方法、装置、设备及可读存储介质，用以降低流量采样的能耗。
5.第一方面，本技术实施例提供一种流量采样方法，包括：
6.获取网络设备在第一时段内、按照第一采样频率采样得到的第一流量信息；
7.获取所述网络设备在第二时段内采样得到的第二流量信息，所述第二时段的起始时刻位于所述第一时段的起始时刻之前，所述第一时段和所述第二时段之间存在重合时段；
8.获取所述第一流量信息和所述第二流量信息的相似度；
9.根据所述相似度和所述第一采样频率，确定所述网络设备的第二采样频率，并向所述网络设备发送所述第二采样频率。
10.在一种可能的实施方式中，获取所述第一流量信息和所述第二流量信息的相似度，包括：
11.获取所述第一流量信息对应的第一流量特征；
12.获取所述第二流量信息对应的第二流量特征；
13.根据所述第一流量特征和所述第二流量特征，确定所述相似度。
14.在一种可能的实施方式中，获取所述第一流量信息对应的第一流量特征，包括：
15.对所述第一流量信息进行特征提取，得到所述第一时段内多个采样时刻的流量特征；
16.对所述第一时段内多个采样时刻的流量特征进行融合处理，得到所述第一流量特征。
17.在一种可能的实施方式中，获取所述第二流量信息对应的第二流量特征，包括：
18.对所述第二流量信息进行特征提取，得到所述第二时段内多个采样时刻的流量特征；
19.对所述第二时段内多个采样时刻的流量特征进行融合处理，得到所述第二流量特征。
20.在一种可能的实施方式中，根据所述相似度和所述第一采样频率，确定所述网络设备的第二采样频率，包括：
21.若所述相似度位于预设相似度范围之内，则将所述第一采样频率确定为所述第二采样频率；
22.若所述相似度位于所述预设相似度范围之外，则根据调整步长对所述第一采样频率进行调整处理，确定所述第二采样频率。
23.在一种可能的实施方式中，根据所述调整步长对所述第一采样频率进行调整处理，确定所述第二采样频率，包括：
24.若所述相似度小于所述预设相似度范围中的最小值，则将所述第一采样频率加上所述调整步长，确定为所述第二采样频率；
25.若所述相似度大于所述预设相似度范围中的最大值，则将所述第一采样频率减去所述调整步长，确定为所述第二采样频率。
26.在一种可能的实施方式中，获取所述网络设备在第二时段内采样得到的第二流量信息之前，还包括：
27.将所述第一时段向前平移预设时长，得到所述第二时段，所述预设时长小于所述第一时段的时长。
28.第二方面，本技术实施例提供一种流量采样装置，包括：第一获取模块、第二获取模块、第三获取模块、第一确定模块和发送模块，其中，
29.所述第一获取模块用于，获取网络设备在第一时段内、按照第一采样频率采样得到的第一流量信息；
30.所述第二获取模块用于，获取所述网络设备在第二时段内采样得到的第二流量信息，所述第二时段的起始时刻位于所述第一时段的起始时刻之前，所述第一时段和所述第二时段之间存在重合时段；
31.所述第三获取模块用于，获取所述第一流量信息和所述第二流量信息的相似度；
32.所述第一确定模块用于，根据所述相似度和所述第一采样频率，确定所述网络设备的第二采样频率；
33.所述发送模块用于，向所述网络设备发送所述第二采样频率。
34.在一种可能的实施方式中，所述第三获取模块具体用于：
35.获取所述第一流量信息对应的第一流量特征；
36.获取所述第二流量信息对应的第二流量特征；
37.根据所述第一流量特征和所述第二流量特征，确定所述相似度。
38.在一种可能的实施方式中，所述第三获取模块具体用于：
39.对所述第一流量信息进行特征提取，得到所述第一时段内多个采样时刻的流量特征；
40.对所述第一时段内多个采样时刻的流量特征进行融合处理，得到所述第一流量特征。
41.在一种可能的实施方式中，所述第三获取模块具体用于：
42.对所述第二流量信息进行特征提取，得到所述第二时段内多个采样时刻的流量特征；
43.对所述第二时段内多个采样时刻的流量特征进行融合处理，得到所述第二流量特征。
44.在一种可能的实施方式中，所述第一确定模块用于：
45.若所述相似度位于预设相似度范围之内，则将所述第一采样频率确定为所述第二采样频率；
46.若所述相似度位于所述预设相似度范围之外，则根据调整步长对所述第一采样频率进行调整处理，确定所述第二采样频率。
47.在一种可能的实施方式中，所述第一确定模块用于：
48.若所述相似度小于所述预设相似度范围中的最小值，则将所述第一采样频率加上所述调整步长，确定为所述第二采样频率；
49.若所述相似度大于所述预设相似度范围中的最大值，则将所述第一采样频率减去所述调整步长，确定为所述第二采样频率。
50.在一种可能的实施方式中，所述装置还包括第二确定模块，其中，
51.所述第二确定模块用于，将所述第一时段向前平移预设时长，得到所述第二时段，所述预设时长小于所述第一时段的时长。
52.第三方面，本技术实施例提供一种流量采样设备，包括：处理器和存储器；
53.所述存储器存储计算机执行指令；
54.所述处理器执行所述存储器存储的计算机执行指令，使得所述处理器执行第一方面任一项所述的流量采样方法。
55.第四方面，本技术实施例提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当所述计算机执行指令被处理器执行时用于实现第一方面任一项所述的流量采样方法。
56.第五方面，本技术实施例提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现第一方面任一项所示的流量采样方法。
57.本技术实施例提供的一种流量采样方法、装置、设备及可读存储介质，包括服务器可以获取网络设备发送的第一流量信息和第二流量信息，并根据第一流量信息和第二流量信息确定相似度。服务器可以根据相似度和第一采样频率确定网络设备的第二采样频率。当流量变化很大时，则可以增加采样频率；当流量变化很小时，则可以降低采样频率。服务器可以动态调整网络设备的流量采样频率，降低了流量采样的能耗。
附图说明
58.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
59.图1为本技术实施例提供的应用场景的示意图；
60.图2为本技术实施例提供的一种流量采样方法的流程示意图；
61.图3为本技术实施例提供的另一种流量采样方法的流程示意图；
62.图4为本技术实施例提供的流量时空观测矩阵的示意图；
63.图5为本技术实施例提供的一种流量采样装置的结构示意图；
64.图6为本技术实施例提供的另一种流量采样装置的结构示意图；
65.图7为本技术实施例提供的一种流量采样设备的结构示意图。
具体实施方式
66.这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本技术相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本技术的一些方面相一致的装置和方法的例子。
67.需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
68.图1为本技术实施例提供的应用场景的示意图。请参见图1，包括终端设备101、网络设备102、服务器103。网络设备102可以向终端设备101提供流量业务。在网络设备102向终端设备101提供流量业务的过程中，网络设备102可以按照一定的采样频率进行流量采样得到流量信息，并向服务器103发送采样得到的流量信息。服务器103可以根据流量信息确定在一定时段内的流量变化情况，并根据流量变化情况确定采样频率，向网络设备102发送该采样频率，以使网络设备102按照动态调整的采样频率进行流量采样。
69.在现有技术中，网络设备通常按照固定的采样频率进行流量采样，为了保证流量采样的准确性，通常会设置较高的采样频率。若网络设备按照较高的采样频率进行流量采样，则网络设备需要消耗较多的资源，导致流量采样的能耗较高。
70.在本技术实施例中，服务器可以接收网络设备按照一定的采样频率采样得到的流量信息，根据流量信息确定在一定时段内的流量变化情况。服务器可以根据流量变化情况确定网络设备的流量采样频率。当流量变化很大时，则可以增加采样频率；当流量变化很小时，则可以减少采样频率。通过服务器动态调整网络设备的流量采样频率，降低了流量采样的能耗。
71.下面，对通过具体实施例对本技术所示的技术方案进行详细说明。需要说明的是，下面几个实施例可以单独存在，也可以相互结合，对于相同或相似的内容，在不同的实施例中不再重复说明。
72.图2为本技术实施例提供的一种流量采样方法的流程示意图。请参见图2，该方法可以包括：
73.s201、服务器获取网络设备在第一时段内、按照第一采样频率采样得到的第一流量信息。
74.本技术实施例的执行主体可以为服务器，也可以为设置在服务器中的流量采样装置。流量采样装置可以通过软件实现，也可以通过软件和硬件的结合实现。流量采样装置可
以为流量采样设备中的处理器。为了便于理解，在下文中，以执行主体为服务器为例进行说明。
75.服务器可以为通信运营商设置在无线网络中的服务器。例如，服务器可以为接入网中的服务器。
76.网络设备可以为监测流量的设备。例如，网络设备可以为基站、网关等。网络设备的数量可以为1个或者多个。
77.第一时段是指网络设备对流量进行采样的一段时长，第一时段可以包括多个采样时刻。例如，第一时段的时长可以为3小时，第一时段可以包括3个采样时刻，即，在该3个小时中进行3次流量采样。
78.第一采样频率是指网络设备在第一时段内进行流量采样的频率。例如，第一采样频率可以为1次/1小时。
79.当网络设备的数量为1时，第一流量信息中包括该一个网络设备在第一时段内采样得到的流量信息；当网络设备的数量为多个时，第一流量信息中包括该多个网络设备在第一时段内采样得到的流量信息。
80.针对任意一个网络设备，网络设备在第一时段内采样得到的第一流量信息中包括：该网络设备在第一时段内的多个采样时刻的采样信息，采样信息可以包括流量的传输速率、采样时刻、网络设备的ip地址等内容。任意一个网络设备在第一时段内采样得到的流量信息可以通过矩阵标识。例如，第一时段可以包括3个采样时刻，分别即为采样时刻1、采样时刻2和采样时刻3，则第一流量信息可以包括采样时刻1的采样信息、采样时刻2的采样信息和采样时刻3的采样信息，例如，可以通过如下3*3的矩阵标识：
[0081][0082]
可选的，服务器可以通过无线网络获取网络设备发送的第一流量信息。服务器可以周期性的从网络设备获取第一流量信息。例如，可以设定周期为2小时，则服务器可以每隔2小时从网络设备获取一次第一流量信息。
[0083]
s202、服务器获取网络设备在第二时段内采样得到的第二流量信息。
[0084]
其中，第二时段的起始时刻位于第一时段的起始时刻之前，第一时段和第二时段之间存在重合时段。
[0085]
可以将第一时段向前平移预设时长得到第二时段。预设时长小于第一时段的时长。例如，第一时段可以为2点-5点，预设时长为1个小时，则第二时段可以为1点-4点。
[0086]
第二流量信息是任意一个网络设备在第二时段内采样得到的流量信息，可以包括：该网络设备在第二时刻内多个采样时刻的采样信息，采样信息可以包括流量的传输速率、采样时刻、网络设备的ip地址等内容。第二流量信息可以通过矩阵标识。例如，第二时段也可以包括3个采样时刻，分别即为采样时刻t1、采样时刻t2和采样时刻t3，则第二流量信息可以包括采样时刻t1的采样信息、采样时刻t2的采样信息和采样时刻t3的采样信息。
[0087]
服务器可以通过无线网络获取网络设备发送的第二流量信息。
[0088]
可选的，服务器可以周期性的从网络设备获取第二流量信息。例如，可以设定周期
为2小时，则服务器可以每隔2小时从网络设备获取一次第二流量信息。
[0089]
s203、服务器获取第一流量信息和第二流量信息的相似度。
[0090]
可以通过如下方式获取第一流量信息和第二流量信息的相似度：获取第一流量信息对应的第一流量特征；获取第二流量信息对应的第二流量特征；根据第一流量特征和第二流量特征，确定相似度。
[0091]
流量特征是对流量信息提取出的数据特征。例如，流量特征可以为流量的周期性、突发性等。流量特征可以用向量进行标识。例如，流量特征可以标识为a(a1，....，an)。
[0092]
可以通过深度学习算法对第一流量信息和第二流量信息进行特征提取，获取对应的第一流量特征和第二流量特征。
[0093]
深度学习算法是一类模式分析方法的统称。深度学习算法可以对信息进行处理，获取信息的特征。深度学习算法可以包括：反向传播、前馈神经网络(feedforward neural network，fnn)、卷积神经网络(convolutional neural networks，cnn)、循环神经网络(recurrent neural network，rnn)和递归神经网络等算法。其中，cnn可以对信息进行特征提取，根据提取到的特征对该信息进行分类、识别等；rnn可以对信息进行序列处理，融合信息的特征。
[0094]
可以通过不同的算法根据第一流量特征和第二流量特征，计算相似度。相似度的计算可以是基于向量进行的计算。例如，可以通过余弦相似度(cosine similarity)、皮尔逊相关系数(pearson correlation coefficient)、欧几里德距离(euclidean distance)、斯皮尔曼相关(spearman correlation)等不同的算法计算相似度。
[0095]
s204、服务器根据相似度和第一采样频率，确定网络设备的第二采样频率。
[0096]
可以通过如下方式确定第二采样频率：若相似度位于预设相似度范围之内，则将第一采样频率确定为第二采样频率；若相似度位于预设相似度范围之外，则根据调整步长对第一采样频率进行调整处理，确定第二采样频率。
[0097]
例如，若预设相似度范围为[0.2，0.8]，根据第一流量特征和第二流量特征计算的相似度可以用q表示，若0.2≤q≤0.8，则将第一采样频率确定为第二采样频率；若q＜0.2或者q＞0.8，则需要根据调整步长对第一采样频率进行调整处理，确定第二采样频率。
[0098]
调整步长为初始预设的采样频率变量。例如，调整步长可以为2次/1小时。
[0099]
可以通过如下方式对第一采样频率进行调整处理，确定第二采样频率：若相似度小于预设相似度范围中的最小值，则将第一采样频率加上调整步长，确定为第二采样频率。若相似度大于预设相似度范围中的最大值，则将第一采样频率减去调整步长，确定为第二采样频率。
[0100]
例如，若第一采样频率为3次/1小时，调整步长2次/1小时，预设相似度范围为[0.2，0.8]，若计算所得的相似度q为0.1，小于预设范围中的最小值0.2，说明在一定时长内，流量变化比较大，需要增加采样频率，则将第一采样频率(3次/1小时)加上调整步长(2次/1小时)，得到第二采样频率为5次/1小时；若计算所得的相似度q为0.9，大于预设范围中的最大值0.8，说明在一定时长内，流量变化很小，可以降低采样频率，则将第一采样频率(3次/1小时)减去调整步长(2次/1小时)，得到第二采样频率为1次/1小时。
[0101]
s205、服务器向网络设备发送第二采样频率。
[0102]
在网络设备接收到第二采样频率之后，按照第二采样频率进行流量采样。
[0103]
需要说明的是，当网络设备按照第二采样频率进行流量采样后，若计算得到的相似度处于预设相似度范围之外，则重复执行s201～s205，直至相似度处于预设相似度范围内。网络设备在s201中的第一采样频率为网络设备在第n时段进行流量采样的频率，第一流量信息为网络设备在第n时段采样得到的流量信息。网络设备在s202中的第二流量信息为网络设备在第n-1时段采样得到的流量信息。网络设备在s205中的第二采样频率为网络设备在第n+1时段进行流量采样的频率。
[0104]
在本技术实施例中，服务器可以接收网络设备按照一定采样频率采样得到的流量信息，根据流量信息确定在一定时段内的流量特征。服务器可以根据流量特征计算流量的相似度，从而确定流量的变化情况。当相似度大于预设相似度范围的最大值时，则流量变化很小，可以降低采样频率；当相似度小于预设相似度范围的最小值时，则流量变化很大，可以增加采样频率。通过服务器动态调整网络设备的流量采样频率，降低了流量采样的能耗。
[0105]
在图2所示实施例的基础上，下面，结合图3，对上述流量采样方法进行进一步详细说明。图3为本技术实施例提供的另一种流量采样的流程示意图。请参见图3，该方法可以包括：
[0106]
s301、获取网络设备在第一时段内、按照第一采样频率采样得到的第一流量信息。
[0107]
服务器可以通过无线网络获取1个或者多个网络设备发送的第一流量信息。当网络设备的数量为1时，第一流量信息中包括该一个网络设备在第一时段内采样得到的流量信息；当网络设备的数量为多个时，第一流量信息中包括该多个网络设备在第一时段内采样得到的流量信息。
[0108]
服务器可以周期性的从网络设备获取第一流量信息。
[0109]
s302、将第一时段向前平移预设时长，得到第二时段。
[0110]
若设定预设时长为1个小时，则可以将第一时段向前平移1个小时，得到第二时段。例如，第一时段可以为2点-5点，则第二时段可以为1点-4点。
[0111]
s303、获取网络设备在第二时段内采样得到的第二流量信息。
[0112]
第二流量信息是网络设备在第二时段内采样得到的流量信息。
[0113]
服务器可以通过无线网络获取1个或者多个网络设备发送的第二流量信息。当网络设备的数量为1时，第二流量信息中包括该一个网络设备在第二时段内采样得到的流量信息；当网络设备的数量为多个时，第二流量信息中包括该多个网络设备在第二时段内采样得到的流量信息。
[0114]
服务器可以周期性的从网络设备获取二流量信息。
[0115]
s304、获取第一流量信息对应的第一流量特征。
[0116]
可以通过如下方式获取第一流量信息对应的第一流量特征：对第一流量信息进行特征提取，得到第一时段内多个采样时刻的流量特征；对第一时段内多个采样时刻的流量特征进行融合处理，得到第一流量特征。
[0117]
可以通过如下第一流量信息进行特征提取，得到第一时段内多个采样时刻的流量特征：对第一流量信息进行降维，通过cnn对降维后的第一流量信息进行特征提取。
[0118]
降维是指服务器可以将第一流量信息由向量矩阵处理成一维向量序列。例如，第一流量信息可以标识为3*3的向量矩阵，则可以通过降维处理成一维向量序列a(a1，a2，a3，a4，a5，a6，a7，a8，a9)。
[0119]
可以通过cnn对第一流量信息进行特征提取，得到第一时段内多个采样时刻的流量特征。例如，若第一时段包括3个采样时刻，第一流量信息包括3个采样时刻的采样信息，则cnn可以提取到第一时段内3个采样时刻对应的3个流量特征。
[0120]
服务器可以将第一流量信息由向量矩阵降维处理成一维向量序列，并通过cnn对一维向量序列进行特征提取，得到第一时段内多个采样时刻的流量特征。
[0121]
可以通过rnn对第一时段内多个采样时刻的流量特征进行融合处理，得到第一流量特征。
[0122]
rnn的输入数据来自cnn的输出结果。rnn可以接收到cnn提取的多个采样时刻的流量特征，可以根据时间序列实现流量特征的融合，得到第一流量特征。例如，cnn可以向rnn输入3个流量特征，则rnn可以根据时间序列，将3个流量特征融合为1个流量特征。
[0123]
可选的，若某个网络区域有m个网络设备，在第一时段内n个采样时刻进行了n次流量采样之后(m、n均为大于或等于1的整数)，m个网络设备可以向服务器发送第一流量信息。
[0124]
第一流量信息可以包括m个网络设备在第一时段内采样得到的流量信息，第一时段包括n个采样时刻，则第一流量信息可以包括m*n个采样信息。服务器接收到m个网络设备发送的第一流量信息之后，可以构造m*n的流量时空观测矩阵。下面，结合图4对流量时空观测矩阵进行说明。
[0125]
图4为本技术实施例提供的流量时空观测矩阵的示意图。其中，序列1代表网络设备1发送的第一流量信息，可以包括x1、x2
…
xn等n个采样信息；网络序列2代表网络设备2发送的第一流量信息，可以包括y1、y2
…
yn等n个采样信息；序列m代表网络设备m发送的第一流量信息,可以包括m1、m2
…
mn等n个采样信息。
[0126]
服务器可以对m*n的流量时空观测矩阵进行降维处理，得到m个一维向量序列。cnn可以对m个一维向量序列进行特征提取，获取m个网络设备的n次采样信息对应的流量特征，则可以获取m*n个流量特征。rnn可以对m*n个流量特征进行特征融合，从而获取该网络区域的全局性流量特征。
[0127]
s305、获取第二流量信息对应的第二流量特征。
[0128]
可以通过如下方式获取第二流量信息对应的第二流量特征：对第二流量信息进行特征提取，得到第二时段内多个采样时刻的流量特征；对第二时段内多个采样时刻的流量特征进行融合处理，得到第二流量特征。
[0129]
同样的，服务器可以对第二时段内多个采样时刻的流量信息进行降维处理，得到第二流量信息的一维向量序列；cnn可以对第二流量信息的一维向量序列进行特征提取，得到多个采样时刻的流量特征，并向rnn输入提取到的流量特征；rnn可以根据时间序列实现第二时段内多个采样时刻的流量特征的融合，得到第二流量特征。
[0130]
需要说明的是，获取第二流量特征的过程可以参见s304中获取第一流量特征的过程，此处不再进行赘述。
[0131]
s306、根据第一流量特征和第二流量特征，确定相似度。
[0132]
可以通过不同的相似度算法确定相似度。相似度的计算可以是基于向量进行的计算。例如，可以通过余弦相似度等算法计算相似度。
[0133]
s307、确定相似度是否处于预设相似度范围之内。
[0134]
若是，则执行s308。
[0135]
若否，则执行s309或s310。
[0136]
例如，若预设相似度范围为[0.2，0.8]，根据第一流量特征和第二流量特征计算的相似度可以用q表示，当0.2≤q≤0.8，相似度处于预设相似度范围之内，则执行s308；当q＜0.2或者q＞0.8，相似度处于预设相似度范围之外，则执行s309或s310。
[0137]
s308、将第一采样频率作为第二采样频率。
[0138]
若相似度处于预设相似度范围之内，则可以将第一采样频率作为第二采样频率。
[0139]
可选的，服务器可以不向网络设备发送第二采样频率，网络设备可以继续按照第一采样频率进行流量采样。
[0140]
s309、若相似度小于预设范围中的最小值，将第一采样频率加上调整步长得到第二采样频率。
[0141]
若相似度小于预设范围中的最小值，说明在一定时长内，流量变化比较大，需要增加采样频率，则将第一采样频率加上调整步长，得到第二采样频率。
[0142]
例如，若第一采样频率为3次/1小时，调整步长2次/1小时，预设相似度范围为[0.2，0.8]，若计算所得的相似度q为0.1，小于预设范围中的最小值0.2，则将第一采样频率(3次/1小时)加上调整步长(2次/1小时)，得到第二采样频率为5次/1小时。
[0143]
s310、若相似度大于预设相似度范围的最大值，将第一采样频率减去调整步长得到第二采样频率。
[0144]
若相似度大于预设相似度范围的最大值，说明在一定时长内，流量变化很小，可以降低采样频率，则将第一采样频率减去调整步长，得到第二采样频率。
[0145]
例如，若第一采样频率为3次/1小时，调整步长2次/1小时，预设相似度范围为[0.2，0.8]，若计算所得的相似度q为0.9，大于预设范围中的最大值0.8，则将第一采样频率(3次/1小时)减去调整步长(2次/1小时)，得到第二采样频率为1次/1小时。
[0146]
s311、向网络设备发送第二采样频率。
[0147]
当确定第二采样频率之后，则服务器可以向网络设备发送第二采样频率的信息，控制网络设备在当前时刻之后的时段内按照第二采样频率进行流量采样。
[0148]
需要说明的是，若某个网络区域有m个网络设备，服务器可以向m个或者1个网络设备发送第二采样频率的信息，从而可以调整m个或者1个网络设备的流量采样频率。
[0149]
当网络设备按照第二采样频率进行流量采样后，若计算得到的相似度仍处于预设相似度范围之外，则重复执行上述s301～s311过程，直至相似度处于预设相似度范围之内。
[0150]
在本技术实施例中，服务器可以接收网络设备按照第一采样频率采样得到的流量信息，根据流量信息确定在一定时段内的流量特征。服务器可以根据流量特征计算流量的相似度。当相似度大于预设相似度范围的最大值时，可以将第一采样频率减去调整步长，确定为第二采样频率；当相似度小于预设相似度范围的最小值时，则可以将第一采样频率加上调整步长，确定为第二采样频率。服务器可以向网络设备发送第二采样频率的信息，动态调整网络设备的流量采样频率，降低了流量采样的能耗。
[0151]
图5为本技术实施例提供的一种流量采样装置的结构示意图，请参见图5，该流量采样装置10可以包括：第一获取模块11、第二获取模块12、第三获取模块13、第一确定模块14和发送模块15，其中，
[0152]
所述第一获取模块11用于，获取网络设备在第一时段内、按照第一采样频率采样
得到的第一流量信息；
[0153]
所述第二获取模块12用于，获取所述网络设备在第二时段内采样得到的第二流量信息，所述第二时段的起始时刻位于所述第一时段的起始时刻之前，所述第一时段和所述第二时段之间存在重合时段；
[0154]
所述第三获取模块13用于，获取所述第一流量信息和所述第二流量信息的相似度；
[0155]
所述第一确定模块14用于，根据所述相似度和所述第一采样频率，确定所述网络设备的第二采样频率；
[0156]
所述发送模块15用于，向所述网络设备发送所述第二采样频率。
[0157]
本技术实施例提供的流量采样装置可以执行上述方法实施例所示的技术方案，其实现原理以及有益效果类似，此处不再进行赘述。
[0158]
在一种可能的实施方式中，所述第三获取模块13具体用于：
[0159]
获取所述第一流量信息对应的第一流量特征；
[0160]
获取所述第二流量信息对应的第二流量特征；
[0161]
根据所述第一流量特征和所述第二流量特征，确定所述相似度。
[0162]
在一种可能的实施方式中，所述第三获取模块13具体用于：
[0163]
对所述第一流量信息进行特征提取，得到所述第一时段内多个采样时刻的流量特征；
[0164]
对所述第一时段内多个采样时刻的流量特征进行融合处理，得到所述第一流量特征。
[0165]
在一种可能的实施方式中，所述第三获取模块13具体用于：
[0166]
对所述第二流量信息进行特征提取，得到所述第二时段内多个采样时刻的流量特征；
[0167]
对所述第二时段内多个采样时刻的流量特征进行融合处理，得到所述第二流量特征。
[0168]
在一种可能的实施方式中，所述第一确定模块14具体用于：
[0169]
若所述相似度位于预设相似度范围之内，则将所述第一采样频率确定为所述第二采样频率；
[0170]
若所述相似度位于所述预设相似度范围之外，则根据调整步长对所述第一采样频率进行调整处理，确定所述第二采样频率。
[0171]
在一种可能的实施方式中，所述第一确定模块14具体用于：
[0172]
若所述相似度小于所述预设相似度范围中的最小值，则将所述第一采样频率加上所述调整步长，确定为所述第二采样频率；
[0173]
若所述相似度大于所述预设相似度范围中的最大值，则将所述第一采样频率减去所述调整步长，确定为所述第二采样频率。
[0174]
图6为本技术实施例提供的另一种流量采样装置的结构示意图，在图5所示实施例的基础上，流量采样装置还包括第二确定模块16，其中，
[0175]
所述第二确定模块16用于：将所述第一时段向前平移预设时长，得到所述第二时段，所述预设时长小于所述第一时段的时长。
[0176]
本技术实施例提供的流量采样装置可以执行上述方法实施例所示的技术方案，其实现原理以及有益效果类似，此处不再进行赘述。
[0177]
本技术实施例提供一种流量采样设备的结构示意图，请参见图7，该流量采样设备20可以包括处理器21和存储器22。示例性地，处理器21、存储器22，各部分之间通过总线23相互连接。
[0178]
所述存储器22存储计算机执行指令；
[0179]
所述处理器21执行所述存储器22存储的计算机执行指令，使得所述处理器21执行如上述方法实施例所示的流量采样方法。
[0180]
实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一可读取存储器中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储器(存储介质)包括：只读存储器(英文：read-only memory，缩写：rom)、ram、快闪存储器、硬盘、固态硬盘、磁带(英文：magnetic tape)、软盘(英文：floppy disk)、光盘(英文：optical disc)及其任意组合。
[0181]
本技术实施例提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当所述计算机执行指令被处理器执行时用于实现上述方法实施例所述的流量采样方法。
[0182]
本技术实施例还可提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时，可实现上述方法实施例所示的流量采样方法。
[0183]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0184]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0185]
显然，本领域的技术人员可以对本技术实施例进行各种改动和变型而不脱离本技术的精神和范围。这样，倘若本技术实施例的这些修改和变型属于本技术权利要求及其等同技术的范围之内，则本技术也意图包含这些改动和变型在内。
[0186]
在本技术中，术语“包括”及其变形可以指非限制性的包括；术语“或”及其变形可以指“和/或”。本技术中术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。本技术中，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。