[發明專利]流量大小估算方法和裝置

有效

• 申請號: 202010921993.1
• 申請日: 2020-09-04
• 公開（公告）號: CN112235152B
• 公開（公告）日: 2022-05-10
• 發明（設計）人: 汪碩;王速;周棟;楊奕冉;張文杰;黃韜;霍如;劉韻潔
• 申請（專利權）人: 北京郵電大學
• 主分類號: H04L43/0876
• 分類號: H04L43/0876;H04L41/147;G06K9/62
• 代理公司: 北京清亦華知識產權代理事務所(普通合伙) 11201
• 代理人: 王萌

本申請公開了一種流量大小估算方法和裝置，其中，方法包括：獲取多個歷史流序列的特征屬性，并對多個歷史流序列進行預處理；根據多個歷史流序列的特征屬性和預處理結果，計算多個歷史流序列之間的相似度；根據多個歷史流序列之間的相似度對多個歷史流序列進行聚類，以獲得多個歷史流序列聚類簇；根據多個歷史流序列聚類簇，創建多個流大小估算模型；結合多個歷史流序列聚類簇以及新流序列的相似度，分配流大小估算模型，以對新流序列進行流量大小估算，該方法基于歷史流的相似性對其進行聚類，并且針對每個聚類簇結合新流序列的相似度，為新流序列分配流大小估算模型用于流量大小估算，提高了流量大小估算的準確性，并且可大規模部署。

技術領域

本申請涉及數據處理技術領域，尤其涉及一種流量大小估算方法和裝置。

背景技術

目前，為了滿足用戶需求，許多大型服務必須快速響應用戶的操作，例如，網絡搜索，社交網絡，零售，推薦系統等，因此，大型服務對應的數據中心網絡應最大程度地減少平均流量完成時間以滿足用戶需求。相關技術中，基于歷史流集合學習模型進行流量大小估算以減少平均流量完成時間，即通過監視網絡中的統計數據并從歷史流序列中學習來估算流量大小，以減少平均流量完成時間。

但是，上述技術中，為了使模型有更強的適應能力，需要輸入變化很大的歷史流進行學習，但是輸入差異超過一定的范圍可能會使模型難以有效地估算流量的大小，此外，由于不同應用生成的流模式之間存在差異性，基于學習的機制需要為每種應用訓練特定的流量大小估算模型，一旦參數更改或者新應用產生，就需要重新進行訓練，難以大規模應用到實際中。

發明內容

本申請提出一種流量大小估算方法和裝置，該方法基于歷史流的相似性對其進行聚類，并且針對每個聚類簇結合新流序列的相似度，為新流序列分配流大小估算模型用于流量大小估算，提高了流量大小估算的準確性，在應用程序的輸入參數發生很大變化時或者啟動新應用程序時，可通過相似度匹配選擇流大小估算模型，無需重復訓練，可實現大規模部署。

本申請第一方面實施例提出了一種流量大小估算方法，包括：獲取多個歷史流序列的特征屬性，并對所述多個歷史流序列進行預處理，其中，所述多個歷史流序列的特征屬性包括：流級別屬性和應用級別屬性；根據所述多個歷史流序列的特征屬性和預處理結果，計算所述多個歷史流序列之間的相似度；根據所述多個歷史流序列之間的相似度對多個所述歷史流序列進行聚類，以獲得多個歷史流序列聚類簇；根據所述多個歷史流序列聚類簇，創建多個流大小估算模型；結合所述多個歷史流序列聚類簇以及新流序列的相似度，分配所述流大小估算模型，以對所述新流序列進行流量大小估算。

本申請實施例的流量大小估算方法，通過獲取多個歷史流序列的特征屬性，并對所述多個歷史流序列進行預處理，其中，所述多個歷史流序列的特征屬性包括：流級別屬性和應用級別屬性；根據所述多個歷史流序列的特征屬性和預處理結果，計算所述多個歷史流序列之間的相似度；根據所述多個歷史流序列之間的相似度對多個所述歷史流序列進行聚類，以獲得多個歷史流序列聚類簇；根據所述多個歷史流序列聚類簇，創建多個流大小估算模型；結合所述多個歷史流序列聚類簇以及新流序列的相似度，分配所述流大小估算模型，以對所述新流序列進行流量大小估算。該方法基于歷史流的相似性對其進行聚類，并且針對每個聚類簇結合新流序列的相似度，為新流序列分配流大小估算模型用于流量大小估算，提高了流量大小估算的準確性，在應用程序的輸入參數發生很大變化時或者啟動新應用程序時，可通過相似度匹配選擇流大小估算模型，無需重復訓練，可節約相關開銷實現大規模部署。