一种基于流交互图的端到端网络性能预测方法、系统及平台技术方案

本发明专利技术公开了一种基于流交互图的端到端网络性能预测方法、系统及平台。通过获取OD(Origin

【技术实现步骤摘要】
一种基于流交互图的端到端网络性能预测方法、系统及平台


[0001]本专利技术属于网络性能预测
，具体涉及一种基于流交互图的端到端网络性能预测方法、系统及平台。

技术介绍

[0002]端到端网络性能指标(例如网络吞吐量、时延、抖动、丢包率等)的测量与建模是网络领域的研究热点。网络性能测量与预测对网络管理任务至关重要，例如，流量工程、负载均衡、故障恢复、异常检测等。实际上，端到端网络性能测量需要耗费大量的网络资源。端到端网络性能预测是一种更实用的替代方案。然而，由于网络的异构、动态、突变等非线性特征，致使网络性能预测异常困难。传统的网络性能建模通常采用排队论的方法。但是，排队论需要假设网络特性的概率分布，由于与真实网络存在较大偏差，其预测性能往往很不理想。
[0003]近年来，图神经网络技术被应用到端到端的网络性能指标预测领域，取得了很好的预测效果。2019年，文献1：K.Rusek,J.Suarez
‑
Varela,A.Mestres,P.Barlet
‑
Ros,and A.Cabellos
‑
Aparicio,“Unveiling the potential of graph neural networks for network modeling and optimization in sdn,”(in Proceedings of the 2019 ACM Symposium on SDN Research,2019,pp.140
–r/>151.)提出了基于图神经网络的RouteNet模型。该模型利用网络拓扑、路由以及流量矩阵等信息，预测端到端网络时延指标。RouteNet模型根据链路的属性(例如，容量)为链路设置状态，并根据链路与端到端路径的包含关系，实现链路状态与路径状态的迭代更新，最终在端到端路径的状态上建立读出(Readout)函数，实现对端到端时延的预测。文献1指出，在同样的输入条件下，除了预测端到端网络时延，RouteNet模型还可以预测时延抖动，丢包率等其它端到端指标。与RouteNet模型一样，本专利技术在已知网络拓扑、路由信息以及流量矩阵的条件下，研究端到端网络性能指标的预测问题。同样地，本专利技术提出的预测模型，除了预测端到端网络时延，也可以应用于预测端到端时延抖动、丢包率等性能指标。但是，为了方便描述，本
技术实现思路
中仅用端到端时延作为预测目标，并未对其它端到端性能指标的预测做出相关说明。
[0004]RouteNet模型直接在网络拓扑图上进行建模，需要模仿网络的实际传输过程，进行渐进式的状态更新，对训练数据、迭代控制等提出较高的要求，模型训练难度大。另一方面，由于缺乏对建模对象的交互关系的直接建模，在预测性能上也存在进一步提升空间。
[0005]因此，针对以上的技术问题缺陷，急需设计和开发一种基于流交互图的端到端网络性能预测方法、系统及平台。

技术实现思路

[0006]为克服上述现有技术存在的不足及困难，本专利技术之目的在于提供一种基于流交互图的端到端网络性能预测方法、系统及平台，在该构造图的基础上，解决了拓扑信息以及流量动态信息的编码问题，同时提出了一种基于图Transformer的预测模型。提出模型的性能
优于现有的预测方法，能够较好地满足网络建模的需求。
[0007]本专利技术的第一目的在于提供一种基于流交互图的端到端网络性能预测方法；
[0008]本专利技术的第二目的在于提供一种基于流交互图的端到端网络性能预测系统；
[0009]本专利技术的第三目的在于提供一种基于流交互图的端到端网络性能预测平台；
[0010]本专利技术的第四目的在于提供一种计算机可读取存储介质；
[0011]本专利技术的第一目的是这样实现的：所述方法包括如下步骤：
[0012]获取OD流数据，并根据所述OD流数据，实时构建与OD流相应的流交互图；
[0013]根据路由协议和网络拓扑信息，结合所述流交互图，实时对流交互图上的节点以及边进行编码处理；
[0014]结合图Transformer神经网络方法创建端到端网络性能的预测模型，根据所述预测模型，实时生成端到端网络性能预测数据。
[0015]进一步地，所述获取OD流数据，并根据所述OD流数据，实时构建与OD流相应的流交互图，还包括：
[0016]获取网络上的OD流数据，并根据所述网络上的OD流数据，实时构造流交互图节点；其中，所述OD流数据与所述流交互图节点一一对应；
[0017]根据OD流的转发路径，实时构造生成与流交互图节点相应的边。
[0018]进一步地，所述根据路由协议和网络拓扑信息，结合所述流交互图，实时对流交互图上的节点以及边进行编码处理，还包括：
[0019]根据路由协议和网络拓扑信息，计算生成OD流的转发路径，并按顺序串接对应的链路属性信息；
[0020]计算任意两个节点对应的OD流的转发路径，生成两节点之间链路集合的交集，并且串接对应的链路属性信息。
[0021]进一步地，所述根据路由协议和网络拓扑信息，结合所述流交互图，实时对流交互图上的节点以及边进行编码处理，还包括：
[0022]采取截断或补零的策略，生成统一长度的节点编码以及边编码。
[0023]进一步地，所述结合图Transformer神经网络方法创建端到端网络性能的预测模型，根据所述预测模型，实时生成端到端网络性能预测数据，还包括：
[0024]分别获取节点编码和边编码；并根据所述节点编码，映射成相应的初始节点特征；根据所述边编码，映射成相应的初始边特征。
[0025]进一步地，所述结合图Transformer神经网络方法创建端到端网络性能的预测模型，根据所述预测模型，实时生成端到端网络性能预测数据，还包括：
[0026]于每一层分别计算自注意力权重和中间的隐藏特征，迭代更新节点特征；
[0027]于每一层利用全连接神经网络对边特征进行更新，生成更新后的边特征；
[0028]获取经最后一个层处理生成的节点特征和边特征；
[0029]将最后生成的节点特征代入全连接层，实时生成网络性能预测数据。
[0030]进一步地，所述端到端网络性能预测数据为端到端时延数据，或端到端时延抖动数据，或端到端丢包率数据。
[0031]本专利技术的第二目的是这样实现的：所述系统包括：
[0032]获取构建单元，用于获取OD流数据，并根据所述OD流数据，实时构建与OD流相应的
流交互图；
[0033]编码处理单元，用于根据路由协议和网络拓扑信息，结合所述流交互图，实时对流交互图上的节点以及边进行编码处理；
[0034]预测数据生成单元，用于结合图Transformer神经网络方法创建端到端网络性能的预测模型，根据所述预测模型，实时生成端到端网络性能预测数据。
[0035]进一步地，所述获取构建单元，还包括：
[0036]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于流交互图的端到端网络性能预测方法，其特征在于，所述方法包括步骤：获取OD流数据，并根据所述OD流数据，实时构建与OD流相应的流交互图；根据路由协议和网络拓扑信息，结合所述流交互图，实时对流交互图上的节点以及边进行编码处理；结合图Transformer神经网络方法创建端到端网络性能的预测模型，根据所述预测模型，实时生成端到端网络性能预测数据。2.根据权利要求1所述的一种基于流交互图的端到端网络性能预测方法，其特征在于，所述获取OD流数据，并根据所述OD流数据，实时构建与OD流相应的流交互图，还包括：获取网络上的OD流数据，并根据所述网络上的OD流数据，实时构造流交互图节点；其中，所述OD流数据与所述流交互图节点一一对应；根据OD流的转发路径，实时构造生成与流交互图节点相应的边。3.根据权利要求1所述的一种基于流交互图的端到端网络性能预测方法，其特征在于，所述根据路由协议和网络拓扑信息，结合所述流交互图，实时对流交互图上的节点以及边进行编码处理，还包括：根据路由协议和网络拓扑信息，计算生成OD流的转发路径，并按顺序串接对应的链路属性信息；计算任意两个节点对应的OD流的转发路径，生成两节点之间链路集合的交集，并且串接对应的链路属性信息。4.根据权利要求1或3所述的一种基于流交互图的端到端网络性能预测方法，其特征在于，所述根据路由协议和网络拓扑信息，结合所述流交互图，实时对流交互图上的节点以及边进行编码处理，还包括：采取截断或补零的策略，生成统一长度的节点编码以及边编码。5.根据权利要求1所述的一种基于流交互图的端到端网络性能预测方法，其特征在于，所述结合图Transformer神经网络方法创建端到端网络性能的预测模型，根据所述预测模型，实时生成端到端网络性能预测数据，还包括：分别获取节点编码和边编码；并根据所述节点编码，映射成相应的初始节点特征；根据所述边编码，映射成相应的初始边特征。6.根据权利要求1或5所述的一种基于流交互图的端到端网络性能预测方法，其特征在于，所述结合图Transformer神经网络方法创建端到端网络性能的预测模型，根据所述预测模型，实时生成端到端网络性能预测数据，还包括：于每一层分别计算自注意力权重和中间的隐藏特征，迭代更新节点特征；于每一层利用全连接神经网络对边特征进行更新，生成更新后的边特征；获取经最后一个层处理生成的节点特征和边特征；将最后生成的节点特征代入全连接层，实时生成网络性能预测数据。7.根据权利要求6所述的一种基于流交互图的端到端网络性能预测方法，其特征在...

【专利技术属性】
技术研发人员：郑伟平，洪敏丽，黎毅勇，赵淦森，叶锐豪，季河锋，陈宗晓，张奇支，
申请(专利权)人：华南师范大学，
类型：发明
国别省市：