CN111654413A - 一种网络流量有效测量点的选取方法、设备及存储介质 - Google Patents

一种网络流量有效测量点的选取方法、设备及存储介质 Download PDF

Info

Publication number
CN111654413A
CN111654413A CN202010421328.6A CN202010421328A CN111654413A CN 111654413 A CN111654413 A CN 111654413A CN 202010421328 A CN202010421328 A CN 202010421328A CN 111654413 A CN111654413 A CN 111654413A
Authority
CN
China
Prior art keywords
network
selecting
points
measurement points
effective
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202010421328.6A
Other languages
English (en)
Other versions
CN111654413B (zh
Inventor
王进
刘世奇
李文军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Changsha University of Science and Technology
Original Assignee
Changsha University of Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Changsha University of Science and Technology filed Critical Changsha University of Science and Technology
Priority to CN202010421328.6A priority Critical patent/CN111654413B/zh
Publication of CN111654413A publication Critical patent/CN111654413A/zh
Application granted granted Critical
Publication of CN111654413B publication Critical patent/CN111654413B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L43/00Arrangements for monitoring or testing data switching networks
    • H04L43/04Processing captured monitoring data, e.g. for logfile generation
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14Network analysis or design
    • H04L41/145Network analysis or design involving simulating, designing, planning or modelling of a network
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L43/00Arrangements for monitoring or testing data switching networks
    • H04L43/50Testing arrangements

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Data Mining & Analysis (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明公开了一种网络流量有效测量点的选取方法、设备及存储介质,本方法应用于测量点个数小于或等于10000个的网络中,包括以下步骤:获取网络中所有的测量点以及网络链路,生成网络拓扑模型;基于0‑1整数线性规划法从网络拓扑模型中选取出数量最少的若干个有效测量点,若干个有效测量点能够覆盖网络拓扑模型中的所有的网络链路。相较于目前使用的启发式算法,本方法得到最优解的准确度更高。本发明能适用于一般中大型企业和学校的内部局域网中的有效测量点的选取,符合生活中大部分场景需求,贴合实际,也便于推广使用。

Description

一种网络流量有效测量点的选取方法、设备及存储介质
技术领域
本发明涉及网络流量测量技术领域,特别涉及一种网络流量有效测量点的选取方法、设备及存储介质。
背景技术
随着Internet重要性的日益提高和网络结构的日益复杂,网络管理越来越成为人们关注的焦点。现代的网络管理***注重于服务级、应用级的管理,如主动式和被动式的资源管理、流量工程、端到端的服务质量保证等。所有这些网管业务均以了解网络流量等网络运行参数为基础。为此,有必要对网络流量进行测量和分析,以利于发现网络瓶颈,优化网络配置,并进一步发现网络中可能存在的潜在危险。
目前网络流量监测中常用的3种方法分别是:1、基于硬件探针的监测技术;2、基于流量镜像协议分析方法;3、基于SNMP的流量监测技术。
硬件探针是一种用来获取网络流量的硬件设备,使用时将它串接在需要捕捉的流量链路中,通过分流链路上的数字信号而获取信息。一个硬件探针监视一个子网(通常是一条链路)的流量信息。对于全网流量的监测需要采用分布式分布方案,在每条链路上部署一个探针,然后再通过后台服务器和数据库,手机所有探针的数据,做全网的流量分析和长期报告。与其他两种方式相比,基于硬件探针的最大特点是能够提供丰富的从物理层到应用层的详细信息。但是硬件探针的监测方式受限于探针的接口速率,一般只针对1000M以下的速率。且探针的方式重点是单条链路的流量分析,当需要监测整个网络的流量时显然这种做法是成本高且不易拓展的。
流量镜像(在线TAP)协议分析方式是把网络设备的某个端口(链路)流量镜像给协议分析仪,通过7层协议解码对网络流量进行监测。与两外两种方式相比,协议分析是网络测试的最基本手段,特别适合网络故障分析。缺点是流量镜像(在线TAP)协议分析方式同样只针对单条链路,不适合全网监测。
而基于SNMP的流量信息采集实质上是测试仪表通过提取网络设备Agent提供的MIB(管理对象信息库)中收集一些具体设备及流量信息有关的变量。基于SNMP收集的网络流量信息包括:输入字节数、输入非广播包数、输入广播包数、输入包错误数、输入位置协议包数、输出字节数、输出非广播包数、输出广播包数、输出包丢弃数、输出包错误数、输出队长等。相似的方法还包括RMON。与其他方式相比,基于SNMP的流量监测技术收到设备厂家的广泛支持,使用方便,易于拓展。但是缺点是信息不够丰富准确,分析集中在网络的2、3层的信息和设备的消息。SNMP方式经常集成在其他的3种方案中,如果单纯采用SNMP做长期的、大型的网络流量监测,在测试仪表的基础上,需要使用后台数据库。
目前,网络的种类繁多,且规模仍在不断的扩展,其中以校园网和公司机构内部网最为常见。在对局部网络进行监测时,选择的方法既要保证能够准确且全面的获取网络流量参数,又要尽量减少数据收集对实际网络数据传输造成的额外负荷,同时还要控制流量监控的成本。基于这三点,在现实生活中通过分别监测网络中每一条链路来达到监测全网的方法是不合理的,因为一般的局域网络没有那么高的安全要求,所以也就不需要过于细致的网络信息,同时局域网的维护者也需要权衡维护费用和管理效率,毕竟网络在大部分时间都还是稳定的,因此需要选择利用有效个监测节点来进行,其中每个监测节点能够监测其相连链路上的流量,此方法的优点在于:1.节约成本,只需要一部分节点监测整个网络;2.可拓展性高,当网络中节点的节点删除或加入时,重新规划监测点十分方便;3.对网络本身造成低负荷。因此此方法成为网络流量监测方法中的首选,有效流量监测点的选择问题成为了研究的重点。
在现有研究中,一般将网络流量有效测量点选择问题转换为求给定无向图中的最小顶点覆盖问题,而这个问题是一个经典的NP-hard问题。在解决无向图中的最小顶点覆盖问题时一般采用启发式算法(基于直观或经验构造的算法),这类算法是相对于最优化算法提出的,它的特点是通常在可接受的花费(指计算时间和空间)下给出待解决组合优化问题每一个实例的一个可行解,该可行解与最优解的偏离程度一般不能被预计。即能够在合理的时间内找出可行解,但却不能保证找到最优解。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此,本发明提出一种网络流量有效测量点的选取方法、设备及存储介质。
本发明的实施例提供了一种网络流量有效测量点的选取方法,应用于测量点个数小于或等于10000个的网络中,包括以下步骤:
获取网络中所有的测量点以及网络链路,生成网络拓扑模型;
基于0-1整数线性规划法从所述网络拓扑模型中选取出数量最少的若干个有效测量点,所述若干个有效测量点能够覆盖所述网络拓扑模型中的所有的网络链路。
根据本发明的实施例,至少具有如下技术效果:
相较于目前使用的启发式算法,本方法得到最优解的准确度更高。而且本方法应用于测量点个数小于或等于10000个的网络中,能够适用于一般中大型企业和学校的内部局域网中的有效测量点的选取,符合生活中大部分场景需求,贴合实际,也便于推广使用。
本发明的一些实施例,所述基于0-1整数线性规划法具体使用单纯形法。
本发明的一些实施例,所述从所述网络拓扑模型中选取出数量最少的若干个有效测量点,包括步骤:
所述网络拓扑模型为无向网络拓扑图,令为G=(E,V),其中,E表示网络链路的集合,V表示测量点的集合;
对任意一个测量点v∈V,构建变量xv且xv∈{0,1};
构造约束条件:
Figure BDA0002496987820000041
xu+xv≥1,其中u∈V,xu∈{0,1},测量点u和测量点v之间存在网络链路,并设定目标函数:Min∑v∈Vxv
求解所述目标函数,输出集合C={v∈V|xv=1}和I={v∈V|xv=0},以集合C={v∈V|xv=1}作为有效测量点的选取结果。
本发明的实施例提供了一种网络流量有效测量点的选取设备,包括:至少一个控制处理器和用于与所述至少一个控制处理器通信连接的存储器;所述存储器存储有可被所述至少一个控制处理器执行的指令,所述指令被所述至少一个控制处理器执行,以使所述至少一个控制处理器能够执行如上述的一种网络流量有效测量点的选取方法。
本发明的实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行如上述的一种网络流量有效测量点的选取方法。
本发明的提供了一种网络流量有效测量点的选取设备以及可读存储介质达到的有益效果与上述方法相同,此处不再赘述。
本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1为本发明实施例提供的一种网络流量有效测量点的选取方法的流程示意图;
图2为本发明实施例提供的测试结果示意图;
图3为本发明实施例提供的一种网络流量有效测量点的选取设备的结构示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。
第一实施例:
参照图1,提供了一种网络流量有效测量点的选取方法,包括以下步骤:
S100、获取网络中所有的测量点以及网络链路,生成无向网络拓扑图;
S200、基于0-1整数线性规划法从无向网络拓扑图中选取出数量最少的若干个有效测量点,若干个有效测量点能够覆盖无向网络拓扑图中的所有的网络链路。
具体的,基于0-1整数线性规划法具体使用单纯形法。在处理决策变量数10000个以下的线性规划问题时,单纯形法的处理过程更为便捷,结果更为直观。
具体的,从网络拓扑模型中选取出数量最少的若干个有效测量点,包括步骤:
设无向网络拓扑图为G=(E,V),其中,E表示网络链路的集合,V表示测量点的集合;
对任意一个测量点v∈V,构建变量xv且xv∈{0,1};
构造约束条件:
Figure BDA0002496987820000061
xu+xv≥1,其中u∈V,xu∈{0,1},测量点u和测量点v之间存在链路,并设定目标函数:Min∑v∈Vxv
求解目标函数,输出C={v∈V|xv=1}和I={v∈V|xv=0},以集合C={v∈V|xv=1}作为有效测量点的选取结果。
本实施例应用于测量点个数小于或等于10000个的网络中,能适用于中大型企业和学校的内部局域网中的有效测量点的选取,符合生活中大部分场景需求,贴合实际,也便于推广使用。
第二实施例:
在MATLAB上进行了测试,从Network Data Repository网站中选取23个节点数目小于10000的实例图进行测试,并将测试结果与启发式算法FastVC中的预处理阶段进行了比较,得到测试结果如图2所示。
其中,|V|和|E|分别表示实例图的点数目和边数目,|V′|和|E′|分别表示对实例图进行预处理后剩下的点数目和边数目,minVC表示在此实例图中找到的最小顶点覆盖大小。由图2可以得知,在23个中小型稀疏网络拓扑图的测试中,使用0-1整数线性规划在所有23个实例图中都找到了最优解,而FastVC在22个实例图中找到最优解,还有一个实例图(bio-dmela)找到了次优解。对预处理后的结果进行比较,FastVC在13个实例图中直接在预处理阶段找到了最优解,而剩下的10个实例图则仍需要算法通过启发式过程进行求解,而使用0-1整数线性规划在所有的23个实例图上都直接得出了最优解。本实施例通过在多个测量点个数小于或等于10000个的网络拓扑图进行测试,测试结果证明相较于现有使用的启发式算法求取有效测量点的方案,本方法得到最优解的准确度更高。
第三实施例:
参照图3,本发明实施例还提供了一种网络流量有效测量点的选取设备,该网络流量有效测量点的选取设备可以是任意类型的智能终端,例如手机、平板电脑、个人计算机等。
具体地,该网络流量有效测量点的选取设备包括:一个或多个控制处理器和存储器,图3中以一个控制处理器为例。控制处理器和存储器可以通过总线或者其他方式连接,图3中以通过总线连接为例。
存储器作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序、非暂态性计算机可执行程序以及模块,如本发明实施例中的网络流量有效测量点的选取设备对应的程序指令/模块,控制处理器通过运行存储在存储器中的非暂态软件程序、指令以及模块,从而实现上述方法实施例的一种网络流量有效测量点的选取方法。
存储器可以包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需要的应用程序;存储数据区可存储产生的数据。此外,存储器可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中,存储器可选包括相对于控制处理器远程设置的存储器,这些远程存储器可以通过网络连接至该网络流量有效测量点的选取设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
一个或者多个模块存储在存储器中,当被一个或者多个控制处理器执行时,执行上述方法实施例中的网络流量有效测量点的选取方法,例如,执行以上描述的图1中的方法步骤S100至S200。
本发明实施例还提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机可执行指令,该计算机可执行指令被一个或多个控制处理器执行,例如,被图3中的一个控制处理器执行,可使得上述一个或多个控制处理器执行上述方法实施例中的网络流量有效测量点的选取方法,例如,执行以上描述的图1中的方法步骤S100至S200。
通过以上的实施方式的描述,本领域技术人员可以清楚地了解到各实施方式可借助软件加通用硬件平台的方式来实现。本领域技术人员可以理解实现上述实施例方法中的全部或部分流程是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read Only Memory,ROM)或随机存储记忆体(Random Access Memory,RAM)等。
尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同物限定。

Claims (5)

1.一种网络流量有效测量点的选取方法,其特征在于,应用于测量点个数小于或等于10000个的网络中,包括以下步骤:
获取网络中所有的测量点以及网络链路,生成网络拓扑模型;
基于0-1整数线性规划法从所述网络拓扑模型中选取出数量最少的若干个有效测量点,所述若干个有效测量点能够覆盖所述网络拓扑模型中的所有的网络链路。
2.根据权利要求1所述的一种网络流量有效测量点的选取方法,其特征在于,所述基于0-1整数线性规划法具体使用单纯形法。
3.根据权利要求2所述的一种网络流量有效测量点的选取方法,其特征在于,所述从所述网络拓扑模型中选取出数量最少的若干个有效测量点,包括步骤:
所述网络拓扑模型为无向网络拓扑图,令为G=(E,V),其中,E表示网络链路的集合,V表示测量点的集合;
对任意一个测量点v∈V,构建变量xv且xv∈{0,1};
构造约束条件:
Figure FDA0002496987810000011
xu+xv≥1,其中u∈V,xu∈{0,1},测量点u和测量点v之间存在网络链路,并设定目标函数:Min∑v∈vxv
求解所述目标函数,输出集合C={v∈V|xv=1}和I={v∈V|xv=0},以集合C={v∈V|xv=1}作为有效测量点的选取结果。
4.一种网络流量有效测量点的选取设备,其特征在于,包括:至少一个控制处理器和用于与所述至少一个控制处理器通信连接的存储器;所述存储器存储有可被所述至少一个控制处理器执行的指令,所述指令被所述至少一个控制处理器执行,以使所述至少一个控制处理器能够执行如权利要求1至3任一项所述的一种网络流量有效测量点的选取方法。
5.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行如权利要求1至3任一项所述的一种网络流量有效测量点的选取方法。
CN202010421328.6A 2020-05-18 2020-05-18 一种网络流量有效测量点的选取方法、设备及存储介质 Active CN111654413B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010421328.6A CN111654413B (zh) 2020-05-18 2020-05-18 一种网络流量有效测量点的选取方法、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010421328.6A CN111654413B (zh) 2020-05-18 2020-05-18 一种网络流量有效测量点的选取方法、设备及存储介质

Publications (2)

Publication Number Publication Date
CN111654413A true CN111654413A (zh) 2020-09-11
CN111654413B CN111654413B (zh) 2022-07-26

Family

ID=72352304

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010421328.6A Active CN111654413B (zh) 2020-05-18 2020-05-18 一种网络流量有效测量点的选取方法、设备及存储介质

Country Status (1)

Country Link
CN (1) CN111654413B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112636998A (zh) * 2020-11-24 2021-04-09 鹏城实验室 一种基于机器学习的域内故障检测方法、终端及存储介质

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080019266A1 (en) * 2006-07-18 2008-01-24 Yu Liu Path Flow Formulation for Fast Reroute Bypass Tunnels in MPLS Networks
EP2104014A1 (en) * 2008-03-21 2009-09-23 Honda Motor Co., Ltd. Apparatus and method for optimizing measurement points for measuring object to be controlled
CN101784058A (zh) * 2009-12-30 2010-07-21 北京市天元网络技术股份有限公司 一种选择网络性能测量点的方法和装置
CN102523170A (zh) * 2011-12-31 2012-06-27 北京航空航天大学 一种再生器在波分复用光网络中的配置方法
WO2012135521A1 (en) * 2011-03-29 2012-10-04 Huawei Technologies Co., Ltd. Apparatus and method for spare capacity allocation on dual link failures
CN102752395A (zh) * 2012-07-13 2012-10-24 浙江大学 一种用于分布式数据中心实时业务分配的在线调度方法
CN103871246A (zh) * 2014-02-10 2014-06-18 南京大学 基于路网空间关系约束Lasso的短时交通流预测方法
EP2797257A1 (en) * 2013-04-22 2014-10-29 Alcatel Lucent Method for providing network topology information in a communication network
CN104156508A (zh) * 2014-07-23 2014-11-19 国家电网公司 混合整数线性规划模型的求解方法
CN106817739A (zh) * 2015-12-02 2017-06-09 扬州大学 一种基于移动汇聚节点能量有效的无线传感器网路由协议
US20170373940A1 (en) * 2016-06-23 2017-12-28 Sap Se Container-based multi-tenant computing infrastructure
CN108462643A (zh) * 2016-12-11 2018-08-28 苏州大学 面向整数传输速率的基于网络编码的弱安全多播传输拓扑构建方法
CN108809707A (zh) * 2018-05-30 2018-11-13 浙江理工大学 一种面向实时应用需求的tsn调度方法
CN108989133A (zh) * 2018-08-27 2018-12-11 山东大学 基于蚁群算法的网络探测优化方法
CN110022230A (zh) * 2019-03-14 2019-07-16 北京邮电大学 基于深度强化学习的服务链并行部署方法及装置
US20190238620A1 (en) * 2018-01-29 2019-08-01 International Business Machines Corporation Resource Position Planning for Distributed Demand Satisfaction

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080019266A1 (en) * 2006-07-18 2008-01-24 Yu Liu Path Flow Formulation for Fast Reroute Bypass Tunnels in MPLS Networks
EP2104014A1 (en) * 2008-03-21 2009-09-23 Honda Motor Co., Ltd. Apparatus and method for optimizing measurement points for measuring object to be controlled
CN101784058A (zh) * 2009-12-30 2010-07-21 北京市天元网络技术股份有限公司 一种选择网络性能测量点的方法和装置
WO2012135521A1 (en) * 2011-03-29 2012-10-04 Huawei Technologies Co., Ltd. Apparatus and method for spare capacity allocation on dual link failures
CN102523170A (zh) * 2011-12-31 2012-06-27 北京航空航天大学 一种再生器在波分复用光网络中的配置方法
CN102752395A (zh) * 2012-07-13 2012-10-24 浙江大学 一种用于分布式数据中心实时业务分配的在线调度方法
EP2797257A1 (en) * 2013-04-22 2014-10-29 Alcatel Lucent Method for providing network topology information in a communication network
CN103871246A (zh) * 2014-02-10 2014-06-18 南京大学 基于路网空间关系约束Lasso的短时交通流预测方法
CN104156508A (zh) * 2014-07-23 2014-11-19 国家电网公司 混合整数线性规划模型的求解方法
CN106817739A (zh) * 2015-12-02 2017-06-09 扬州大学 一种基于移动汇聚节点能量有效的无线传感器网路由协议
US20170373940A1 (en) * 2016-06-23 2017-12-28 Sap Se Container-based multi-tenant computing infrastructure
CN108462643A (zh) * 2016-12-11 2018-08-28 苏州大学 面向整数传输速率的基于网络编码的弱安全多播传输拓扑构建方法
US20190238620A1 (en) * 2018-01-29 2019-08-01 International Business Machines Corporation Resource Position Planning for Distributed Demand Satisfaction
CN108809707A (zh) * 2018-05-30 2018-11-13 浙江理工大学 一种面向实时应用需求的tsn调度方法
CN108989133A (zh) * 2018-08-27 2018-12-11 山东大学 基于蚁群算法的网络探测优化方法
CN110022230A (zh) * 2019-03-14 2019-07-16 北京邮电大学 基于深度强化学习的服务链并行部署方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
黄善国、尹珊: "《多维光网络规划与优化技术》", 30 June 2019 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112636998A (zh) * 2020-11-24 2021-04-09 鹏城实验室 一种基于机器学习的域内故障检测方法、终端及存储介质
CN112636998B (zh) * 2020-11-24 2022-03-08 鹏城实验室 一种基于机器学习的域内故障检测方法、终端及存储介质

Also Published As

Publication number Publication date
CN111654413B (zh) 2022-07-26

Similar Documents

Publication Publication Date Title
Huo et al. A SDN‐based fine‐grained measurement and modeling approach to vehicular communication network traffic
JP3510658B2 (ja) ネットワーク解析方法
US20200287814A1 (en) Training method and apparatus for service quality assessment model
CN109347668A (zh) 一种服务质量评估模型的训练方法及装置
CN102868553B (zh) 故障定位方法及相关设备
CN105490834B (zh) 一种基于顶点覆盖和弱顶点覆盖的探针部署方法
CN112543465A (zh) 一种异常检测方法、装置、终端及存储介质
CN111934936B (zh) 网络状态检测方法、装置、电子设备及存储介质
CN111064591B (zh) 数据汇聚方法、装置、设备、存储介质和***
CN111654413B (zh) 一种网络流量有效测量点的选取方法、设备及存储介质
US20220103442A1 (en) Internet of things operations monitoring system
CN112235154A (zh) 基于物联网的数据处理方法、***、装置及介质
Huo et al. A software‐defined networks‐based measurement method of network traffic for 6G technologies
CN114978976B (zh) SRv6融合网络的数据异常检测方法及装置
CN116471214A (zh) 一种电力通信数据监测方法及***
CN105959167B (zh) 一种基于贪心算法的全局优化sdn测量方法
CN113364652A (zh) 网卡流量测试方法、装置、网络设备、***及可读介质
CN114465906A (zh) 网络拓扑的生成方法、装置、存储介质和电子装置
Shahraeini et al. Towards an unified dependency analysis methodology for wide area measurement systems in smart grids
CN116980284B (zh) 一种基于物联网的光缆分纤箱运维信息传输方法和***
RU2739935C1 (ru) Система связи
CN114826867B (zh) 处理数据的方法、装置、***及存储介质
CN114006872B (zh) 数据包的传输方法、装置、电子设备及可读存储介质
US11528211B2 (en) Data inspection system for inspecting operating situations of multiple IoT devices in a plurality of target IoT systems
Zhang et al. INT-Balance: In-Band Network-Wide Telemetry with Balanced Monitoring Path Planning

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant