CN103685072B - 一种网络流量快速分配的方法 - Google Patents

Abstract

本发明涉及网络资源分配技术领域，本发明公开了一种网络流量快速分配的方法，其步骤为：网络流量监测模块实时监测关键用户的关键业务对网络流量的占用规律，根据历史规律预测出下一个时间段内关键用户的关键业务的网络流量，然后在网络流量中预留出相应的带宽和时长用于传输关键用户的关键业务，当关键用户的关键业务发起业务请求时，采用预留的网络流量进行传输。通过历史的关键用户的关键业务对网络流量的占用规律预测出下一时刻关键用户的关键业务的网络流量，并预留出相应的带宽和时长用于传输关键用户的关键业务，保证了关键性业务的传输。

Description

一种网络流量快速分配的方法

技术领域

本发明涉及网络资源分配技术领域，尤其涉及一种网络流量快速分配的方法。

背景技术

Internet网络是一个复用网络，网络流量具有很明显的突发特性，容易在一定时间内造成网络拥堵，网络流量分配就是为了解决在网络拥堵时端到端的服务质量。

现有技术一，申请号为CN201210471234.5，公开日为2012年11月20日，名称为“智能分配WLAN用户网络带宽的***”，其公开了一种智能分配WLAN用户网络带宽的***，包括根据用户数量产生平均分配网络带宽指令的***服务器，简称***服务器，控制器，无线接入点和用户端，所述用户端、无线接入点、控制器和***服务器依次电连接。通过设置***服务器根据用户的数量，通过控制器对接入无线接入点的网络进行智能合理分配，很好的解决了现有技术中存在的接入用户所使用的带宽固定、网络带宽过分剩余导致浪费或者网络带宽严重不足导致无法正常上网等问题，达到了根据用户数量合理分配网络的目的。其缺点是平均分配网络带宽的方法在网络资源受限时无法保证关键用户的网络需求。

现有技术二，申请号为“CN201110256618.0”，公开日为2012年01月11日，名称为“一种EVDO***中保证应用业务QoS的方法及装置”，其中公开了一种EVDO***中保证应用业务QoS的方法，包括如下步骤：对主连接单流上的报文进行检测及统计，识别出用户当前的主应用业务类型；根据所述当前的主应用业务类型的QoS需求，进行无线侧的网络资源分配；对于所述当前的主应用业务类型，当对其分配的累计流量或者平均速率超过预设的门限值时，将分配的网络资源进行释放。采用本发明方法，能够为不同传输需求的应用业务提供QoS保证，从而大大改善用户的体验，同时也能够使得整个网络的***资源得到充分合理的利用。本发明还公开了一种EVDO***中保证应用业务QoS的装置，包括主业务类型识别模块、资源分配模块和保护恢复模块。基于QoS的网络流量分配方法能够保关键用户的业务获得足够的网络流量，但在网络流量拥堵时，需要先由关键用户提出流量申请，然后释放网络流量才能进行分配，影响了分配速度。

现有技术三，申请号为“CN200610165423.4”，公开日为2008年06月25日，名称为“一种移动通信网络中的资源管理***和方法”，其公开了一种移动通信网络中的资源管理***和方法。该***包括终端和网络侧设备，网络侧设备中包括预留分配带宽单元，用于根据终端的预留业务带宽参数以及网络侧可用带宽，为所述终端进行资源预留和带宽分配；流量控制单元，用于根据将要发送给终端的数据，以及终端的信道参数，对终端进行高速下行共享信道变更的可能性进行预测，产生流控能力分配帧，进行流量控制；分组调度和资源分配单元，用于进行分组调度和资源分配。其使高速下行分组接入能较好地支持各种类型的业务而又能充分利用网络资源。采用资源预留的方式能够满足关键用户的业务需求，但是关键用户和业务不活跃时，会造成网络资源的浪费。

发明内容

针对现有技术中的网络流量分配方法不能在关键用户活跃和关键用户不活跃两种情况下都合理进行流量分配的技术问题，提供了一种网络流量快速分配的方法。

本发明公开了一种网络流量快速分配的方法，其步骤为：网络流量监测模块实时监测关键用户的关键业务对网络流量的占用规律，根据历史规律预测出下一个时间段内关键用户的关键业务的网络流量，然后在网络流量中预留出相应的带宽和时长用于传输关键用户的关键业务，当关键用户的关键业务发起业务请求时，采用预留的网络流量进行传输。

更进一步地，上述方法具体包括以下的步骤：步骤一、网络流量监测模块实时监测所有用户的网络流量，提取出关键用户的关键业务对网络流量的占用规律；步骤二、根据步骤一得到的所有用户的网络流量规律，根据历史规律预测下一个时间段内所有用户的网络流量，当预测的网络流量高于设定的阈值时，进入步骤三，否则继续执行步骤一和步骤二；步骤三、根据步骤一得到的关键用户的关键业务对网络流量的占用规律，预测出下一个时间段内关键用户的关键业务的网络流量，并在网络流量中预留出相应的带宽和时长用于传输关键用户的关键业务。

更进一步地，上述根据历史规律预测网络流量的方法具体为马尔科夫预测法。

更进一步地，上述根据历史规律预测网络流量的方法具体包括以下的步骤：(1)对实测的网络流量进行分析，取N组历史网络流量，每一组都包括当前时刻t的历史网络流量L(T)以及下一时刻T+1的历史网络流量L(T+1)；（2）将L(T)和L(T+1)分别划分为多个网络流量区间，判断当前实测网络流量L(t)对应到L(T)的网络流量区间，根据区间中的历史网络流量L(T)，得到对应的L(T+1)的网络流量区间；（3）在选择出的L(T+1)的网络流量区间中找到包含L(T+1)值最多的网络流量区间，将其作为预测流量区间；（4）根据预测流量区间得到预测流量。

更进一步地，上述根据预测流量区间得到预测流量具体为：预测流量区间的最大值作为预测流量；或者预测流量区间中历史数据的最大值作为预测流量；再或者预测流量区间中历史数据的平均值作为预测流量。

更进一步地，上述根据历史规律预测网络流量的方法具体为人工神经网络学习法。

更进一步地，上述根据历史规律预测网络流量的方法具体为：先通过马尔科夫预测法得到预测状态，再送入人工神经网络进行学习，人工神经网络根据预测状态对网络流量进行拟合，从而给出预测的网络流量。

通过采用以上的技术方案，本发明的有益效果为：通过智能预测的方式实现了对网络资源的动态预留，能够更加准确的预留网络资源，实现网络资源快速分配和高效利用。尤其是对于关键用户和关键业务，当网络资源受限时能够大大减少通过业务***进行资源重分配带来的响应延时。同时能够根据网络、用户和业务特征的变化进行学习，当用户行为习惯或业务资源占用方式发生变化时能自动的进行调整。本发明基于智能的业务资源快速分配方法，通过采用智能化的手段，不经有效提高了业务资源分配的响应速度，也有效的提高了网络资源的利用率，并重点确保关键用户和关键业务的资源需求。

附图说明

图1为网络流量快速分配的方法的流程图。

图2为网络流量预测的方法的流程图。

具体实施方式

下面结合说明书附图，详细说明本发明的具体实施方式。

本发明公开了一种网络流量快速分配的方法，其步骤为：网络流量监测模块实时监测关键用户的关键业务对网络流量的占用规律，根据历史规律预测出下一个时间段内关键用户的关键业务的网络流量，然后在网络流量中预留出相应的带宽和时长用于传输关键用户的关键业务，当关键用户的关键业务发起业务请求时，采用预留的网络流量进行传输。通过历史的关键用户的关键业务对网络流量的占用规律预测出以后的关键用户的关键业务的网络流量，并预留出相应的带宽和时长用于传输关键用户的关键业务，保证了关键性业务的传输。

如图1所示的网络流量快速分配的方法的流程图，本发明具体包括以下的步骤：步骤一、网络流量监测模块实时监测所有用户的网络流量，提取出关键用户的关键业务对网络流量的占用规律；其中关键用户以及关键用户的关键业务都可以根据Qos策略确定，关键用户的关键业务类型可以在关键用户入网时根据关键用户的类型进行设定，也可以根据用户的需要进行灵活设定。步骤二、根据步骤一得到的所有用户的网络流量规律，根据历史规律预测下一个时间段内所有用户的网络流量，当预测的网络流量高于设定的阈值时，进入步骤三，否则继续执行步骤一和步骤二。步骤三、根据步骤一得到的关键用户的关键业务对网络流量的占用规律，预测出下一个时间段内关键用户的关键业务的网络流量，并在网络流量中预留出相应的带宽和时长用于传输关键用户的关键业务。通过当前以及历史的网络流量的占用规律，预测出下一个时间段内的总体的网络状况以及关键性的业务占用流量的情况，当预测到下一个时间段内可能出现网络拥堵时，预留出足够的网络带宽给关键性业务进行使用，保证了关键性业务在网络拥堵时的传输质量，同时在网路状况顺畅时，占用较少或者不占用网络流量预留资源，进一步避免了网络资源的浪费。同时，只在下一个时间段内可能出现网络拥堵时才进行资源预留处理，保证了本发明方法的效率。

更进一步地，上述根据历史规律预测网络流量的方法具体为马尔科夫预测法。采用马尔科夫转移矩阵法，运用转移概率矩阵对网络流量的变化趋势进行分析。马尔科夫是俄国数学家，他在20世纪初发现：一个***的某些因素在转移中，第n次结果只受第n-1的结果影响，只与当前所处状态有关，与其他无关。因此通过马尔科夫预测法能够根据当前的网络流量预测出下一个时刻的网络流量，目前马尔科夫预测法已经成功运用在电力***的负荷预测上，比如公开号为CN102426674A，公开日为2012年04月25日，名称为一种基于马尔科夫链的电力***负荷预测方法，因此本专利不再详细赘述马尔科夫预测法的方法和原理。

更进一步地，上述根据历史规律预测网络流量的方法还可以采用以下的步骤：(1)对实测的网络流量进行分析，取N组历史网络流量，每一组都包括当前时刻t的历史网络流量L(T)以及下一时刻T+1的历史网络流量L(T+1)；（2）将L(T)和L(T+1)分别划分为多个网络流量区间，判断当前实测网络流量L(t)对应的网络流量区间，根据区间中的历史网络流量L(T)，得到对应的L(T+1)的网络流量区间；（3）在选择出的L(T+1)的网络流量区间中找到包含L(T+1)值最多的网络流量区间，将其作为预测流量区间；（4）根据预测流量区间得到预测流量。

比如，当前时刻t为2013年01月01日上10点10分10秒，当以天为单位进行划分时，2013年01月01日之前所有的上午10点10分10秒都是T，而根据预测的时间段的划分，如果每5秒完成一次预测，则上述（T+1）则为上午10点10分15秒。当N为5时，收集到5组历史网络流量，每一组都包括T时刻和（T+1）时刻的网络流量，T时刻和（T+1）时刻的5组网络流量分别包括（3.2，8.8）、（2.6，7），（5.1，9），（3，6）和（4，2）时，将网络流量以2为单位进行划分；则L(T)和L(T+1)的五个区间分别为0-2，2-4，4-6，6-8，8-10。第一、二、四、五组的L(T)在第二个区间的范围内，第三组的L(T)在第三个区间的范围内，第一、三组的L(T+1)在第五个区间的范围内，第二、四组的L(T+1) 在第四个区间的范围内，第五组的L(T+1)在第一个区间的范围内。当检测到L(t)为3时，其范围落入L(T)的第二个网络区间，找到第二个网络区间中L(T)对应的L(T+1)的值，即第一、二、四、五组数据，其分别为8.8、7、6和2，其分别属于两个三个不同的区间，其中6和7属于同一个网络区间6-8，则6-8为预测流量区间。找到预测流量区间后，可以设定预测流量区间的最大值作为预测流量，比如8；也可以设定预测流量区间中历史数据的最大值作为预测流量，比如7；还可以设定预测流量区间中历史数据的平均值作为预测流量，比如6.5，等等诸如此类。

更进一步地，上述根据历史规律预测网络流量的方法还可以为人工神经网络学习法。通过人工神经网络对历史数据进行学习，从而得到预测数据。

更进一步地，上述根据历史规律预测网络流量的方法还可以为先通过马尔科夫预测法得到预测状态，再送入人工神经网络进行学习，人工神经网络根据预测状态对网络流量进行拟合，从而给出预测的网络流量。资源预留模块的主要实现网络资源的预留，其工作原理如图2所示。流量分离器根据业务***的用户和业务信息对网络***中观测到的流量进行分流，选取需要分析的流量。通过高通和低通两个滤波器，分别提取网络中的高频和低频流量特征。经过滤波以后，选取时、天、周、月的分量，根据每一个分量取值分割为8种状态，组成4维的状态分量。将状态分量作为马尔科夫决策的输入进行分析，马尔科夫决策子模块根据状态转移概率，从当前状态推测下一时刻的状态，并将预测结果送给人工神经网络。人工神经网络根据预测状态对流量进行拟合，给出预测流量。同时人工神经网络根据反馈信息进行学习，对网络中各个连接的权重进行调整。

当业务***发起业务请求后，资源分配模块将根据业务***中的用户和业务优先级信息，以及当前网络的带宽信息进行资源分配。一个业务申请同时具有用户优先级和业务优先级两个属性，当业务***发起请求，资源的分配优先级顺序按照综合优先级进行分配。综合优先级数字越小，优先级越高。当两个申请的综合优先级相同时，则按申请时间的先后顺序进行分配。

上述的实施例中所给出的系数和参数，是提供给本领域的技术人员来实现或使用发明的，发明并不限定仅取前述公开的数值，在不脱离发明的思想的情况下，本领域的技术人员可以对上述实施例作出种种修改或调整，因而发明的保护范围并不被上述实施例所限，而应该是符合权利要求书提到的创新性特征的最大范围。

Claims (3)

1.一种网络流量快速分配的方法，其步骤为：网络流量监测模块实时监测关键用户的关键业务对网络流量的占用规律，根据历史规律预测出下一个时间段内关键用户的关键业务的网络流量，然后在网络流量中预留出相应的带宽和时长用于传输关键用户的关键业务，当关键用户的关键业务发起业务请求时，采用预留的网络流量进行传输；根据历史规律预测网络流量的方法具体包括以下的步骤：(1)对实测的网络流量进行分析，取N组历史网络流量，每一组都包括当前时刻t的历史网络流量L(T)以及下一时刻T+1的历史网络流量L(T+1)；（2）将L(T)和L(T+1)分别划分为多个网络流量区间，判断当前实测网络流量L(t)对应到L(T)的网络流量区间，根据区间中的历史网络流量L(T)，得到对应的L(T+1)的网络流量区间；（3）在选择出的L(T+1)的网络流量区间中找到包含L(T+1)值最多的网络流量区间，将其作为预测流量区间；（4）根据预测流量区间得到预测流量；上述方法还包括通过高通和低通两个滤波器，分别提取网络中的高频和低频流量特征，经过滤波以后的状态分量作为预测网络流量的输入进行分析；当业务***发起业务请求后，资源分配模块根据业务***中的用户和业务优先级信息，以及当前网络的带宽信息进行资源分配。

2.如权利要求1所述的网络流量快速分配的方法，其特征在于所述方法具体包括以下的步骤：步骤一、网络流量监测模块实时监测所有用户的网络流量，提取出关键用户的关键业务对网络流量的占用规律；步骤二、根据步骤一得到的所有用户的网络流量规律，根据历史规律预测下一个时间段内所有用户的网络流量，当预测的网络流量高于设定的阈值时，进入步骤三，否则继续执行步骤一和步骤二；步骤三、根据步骤一得到的关键用户的关键业务对网络流量的占用规律，预测出下一个时间段内关键用户的关键业务的网络流量，并在网络流量中预留出相应的带宽和时长用于传输关键用户的关键业务。

3.如权利要求1所述的网络流量快速分配的方法，其特征在于所述根据预测流量区间得到预测流量具体为：预测流量区间的最大值作为预测流量，或者预测流量区间中历史数据的最大值作为预测流量，再或者预测流量区间中历史数据的平均值作为预测流量。