一種分層網(wǎng)絡rtt的預測方法
【技術(shù)領域】
[0001] 本發(fā)明涉及計算機網(wǎng)絡，尤其是一種分層網(wǎng)絡RTT的預測方法。
【背景技術(shù)】
[0002] 網(wǎng)絡RTT即用戶發(fā)出請求到接受到服務器服務的時間間隔，是當今在線實時服務 (實時視頻直播，大規(guī)模在線游戲）中衡量用戶體驗的重要指標。RTT的大小決定著終端用 戶持續(xù)使用該服務的長短，直接影響著服務提供商的收益。提前預測網(wǎng)絡RTT從而選擇最 優(yōu)的服務器來為用戶服務，可以最大程度提升終端用戶的體驗，因而具有廣闊的發(fā)展前景。
[0003] 為了預測網(wǎng)絡RTT，已有的方法主要分為：（1)通過虛擬的坐標空間來計算兩個節(jié) 點之間的距離，并據(jù)此來估算往返時延，這種方法很難捕獲網(wǎng)絡時延的動態(tài)性；（2)通過構(gòu) 建一個網(wǎng)絡地圖集，利用網(wǎng)絡路徑的重疊性，根據(jù)已有的路徑片段時延數(shù)據(jù)來重新組合，估 算整個網(wǎng)絡路徑的往返時延，但是地圖集的創(chuàng)建需要耗費大量的主動測量和被動測量，很 難確保系統(tǒng)的擴展性。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的主要目的在于針對現(xiàn)有技術(shù)的不足，為了實現(xiàn)在無需事先和網(wǎng)絡上主機 聯(lián)系的情況下，高效估算網(wǎng)絡往返時延，提出一種分層網(wǎng)絡RTT的預測方法。
[0005] 為實現(xiàn)上述目的，本發(fā)明采用以下技術(shù)方案：
[0006] 一種分層網(wǎng)絡RTT的預測方法，包括以下步驟：
[0007]Al:根據(jù)預先提供的網(wǎng)絡日志，并通過分析網(wǎng)絡RTT與影響網(wǎng)絡RTT的因素的互信
【主權(quán)項】
1. 一種分層網(wǎng)絡RTT的預測方法，其特征在于，包括以下步驟： Al :根據(jù)預先提供的網(wǎng)絡日志，并通過分析網(wǎng)絡RTT與影響網(wǎng)絡RTT的因素的互信息 增益：
來選擇對網(wǎng)絡RTT影響超過預定程度的因素，其 中，式
表示其變量X的信息熵，Xi是變量X的 η種取值之一，P (X = Xi)表示變量X的值為概率； Α2 :通過公式：
，max (RTT)表示預定時間內(nèi)網(wǎng)絡RTT的最大 值，min (RTT)表示預定時間內(nèi)網(wǎng)絡RTT的最小值，α表示預定時間內(nèi)網(wǎng)絡RTT的波動程度， 用α衡量不同用戶主機到服務器的網(wǎng)絡RTT在預定時間內(nèi)的波動程度，根據(jù)波動程度與用 戶主機到服務器的距離之間的對應關系確定距離分割點，根據(jù)距離分割點劃分近距離的主 機對和遠距離的主機對； A3 :對于近距離的主機對，通過主動地進行測量操作，分析并記錄網(wǎng)絡中的每一跳的延 時，構(gòu)建預定區(qū)域范圍內(nèi)的網(wǎng)絡屬性數(shù)據(jù)庫；對于所述預定區(qū)域范圍內(nèi)需要預測網(wǎng)絡RTT 的路徑，通過在所述數(shù)據(jù)庫查找對應的每一跳的延時，并進行拼接，來確定相應路徑的網(wǎng)絡 RTT ； Α4 :對于遠距離的主機對，通過已知網(wǎng)絡RTT與相應物理距離的關系，按照預定時間周 期動態(tài)地訓練決策樹，所述決策樹的中間節(jié)點對應步驟Al中所確定的影響網(wǎng)絡RTT的因 素，所述決策樹的葉子節(jié)點為對應的RTT分類，通過預測網(wǎng)絡RTT會分配到哪一類網(wǎng)絡RTT 中來進行網(wǎng)絡RTT估算，最終預測的網(wǎng)絡RTT值為所分配的網(wǎng)絡RTT類別的平均RTT值。
2. 如權(quán)利要求1所述的分層網(wǎng)絡RTT的預測方法，其特征在于，步驟A2中，利用所述互 信息增益作為指標，將與網(wǎng)絡RTT的互信息增益最大的距離選擇為所述距離分割點。
3. 如權(quán)利要求1所述的分層網(wǎng)絡RTT的預測方法，其特征在于，步驟A3中，如果路徑中 某些路徑段在數(shù)據(jù)庫中沒有記錄，則根據(jù)相似性選擇與其最接近的路徑段的記錄代替。
4. 如權(quán)利要求1所述的分層網(wǎng)絡RTT的預測方法，其特征在于，步驟A3中，使 用Ping工具獲取測試點到中間路由器的延時，從而計算出中間任意一跳的延時：
5. 如權(quán)利要求1所述的分層網(wǎng)絡RTT的預測方法，其特征在于，步驟A3中，通過按照預 定的時間間隔進行更新來維護關于網(wǎng)絡拓撲和網(wǎng)絡中間每一跳延時的數(shù)據(jù)庫。
6. 如權(quán)利要求1至5任一項所述的分層網(wǎng)絡RTT的預測方法，其特征在于，步驟A4中， 每一個小時或數(shù)小時訓練一個決策樹。
7. 如權(quán)利要求1至5任一項所述的分層網(wǎng)絡RTT的預測方法，其特征在于，步驟A4中， 所述影響網(wǎng)絡RTT的因素包括用戶主機到與服務器之間的距離，服務器所使用的網(wǎng)絡服務 提供商類型，以及請求服務的時間。
8. 如權(quán)利要求1至5任一項所述的分層網(wǎng)絡RTT的預測方法，其特征在于，步驟A4中， 在決策樹中以基于信息熵的分析方式來選擇相關距離的最優(yōu)分支點以及各個因素在決策 樹中的位置。
9. 如權(quán)利要求1至5任一項所述的分層網(wǎng)絡RTT的預測方法，其特征在于，步驟A4中， 采用K-means算法來進行需要預測的網(wǎng)絡RTT的分類選擇。
【專利摘要】一種分層網(wǎng)絡RTT的預測方法，其中根據(jù)實際網(wǎng)絡日志，利用信息熵理論捕捉影響網(wǎng)絡RTT的因素；確定衡量網(wǎng)絡RTT波動情況指標；對于近距離的主機對，通過主動的進行測量操作構(gòu)建區(qū)域范圍內(nèi)的網(wǎng)絡屬性數(shù)據(jù)庫，記錄每一條的延時，選擇最相近的網(wǎng)絡路徑來重組網(wǎng)絡中每一跳的延時；對于遠距離的主機對，可通過分析網(wǎng)絡延時與物理距離的關系，來動態(tài)訓練一個機器學習模型，從而估算網(wǎng)絡延時。該方法可實現(xiàn)在無需事先和網(wǎng)絡上主機聯(lián)系的情況下高效估算網(wǎng)絡往返時延。
【IPC分類】H04L12-26
【公開號】CN104852831
【申請?zhí)枴緾N201510293578
【發(fā)明人】王智, 胡文, 孫立峰
【申請人】清華大學深圳研究生院
【公開日】2015年8月19日
【申請日】2015年6月1日