【技术实现步骤摘要】
本专利技术涉及网络，尤其涉及基于延迟优化的区域ip anycast站点划分方法。
技术介绍
1、anycast作为一种路由技术，允许多个网络设备共享同一个ip地址，这使得网络流量可以被路由到最近的活跃设备上。随着互联网服务的复杂性增加，简单地依靠anycast来实现负载均衡和故障转移已不足以满足需求。于是，基于延迟优化的anycast站点划分逐渐成为一种趋势。这种优化不仅考虑了地理上的“最近”原则，还结合了网络状况、链路质量和带宽等因素。
2、但是传统的anycast站点划分通常基于预先定义的规则和静态配置，可能难以实时适应网络条件的变化，如突发流量、链路故障或拥塞情况，在传统的方法中，延迟测量可能是基于固定的或周期性的探测包，因为探测频率不够高或探测机制本身的限制而不够精确，难以反映真实的网络状况，虽然anycast可以提供多条到达目的地的路径，但是在某些情况下，路由选择可能不是最优的，导致流量没有被均匀分布，某些站点可能过载，而其他站点则未充分利用；
3、针对上述的技术缺陷，现提出一种解决方案。
技术实现思路
1、本专利技术的目的在于提供基于延迟优化的区域ip anycast站点划分方法，去解决上述提出的技术缺陷，本专利技术通过对分析网络拓扑结构和用户分布情况，以及历史数据，结合机器学习模型，预测网络流量和延迟趋势，在区域内流量高峰到来前，提前降低区域内ipanycast站点访问请求数量，考虑网络拥塞情况调整站点的位置和数量，对其周围ttl步数值为1的i
2、本专利技术的目的可以通过以下技术方案实现：基于延迟优化的区域ip anycast站点划分方法，包括如下步骤：
3、步骤一：分析网络拓扑结构和用户分布情况，利用过往ip anycast站点延迟数据，结合机器学习模型，预测网络流量和延迟趋势，在区域内流量高峰到来前，提前降低区域内ip anycast站点访问请求数量，并将预测数据发送至步骤二；
4、步骤二：通过对网络拥塞情况获取，调整ip anycast站点的位置和数量，对其周围ttl步数值为1的ip anycast站点延迟率进行评估，并将得到的评估数据发送至步骤三；
5、步骤三：将每个ip anycast站点的评估结果向其周围ttl步数值为1的ip anycast站点传送，对高延迟ip anycast站点的评估结果，向低延迟ip anycast站点评估结果转移访问请求，获取最优的ip anycast站点路径，并将最优路径数据传至步骤四；
6、步骤四：实时获取ip anycast站点的评估结果，监控网络性能并持续优化ipanycast站点路径。
7、优选的，所述分析网络拓扑结构获取过程如下：
8、通过网络映射工具和数据分析来获取网络拓扑数据，发送icmp请求包到目标ip地址，icmp请求包中，包括icmp报头和可变长度的数据部分，通过检测ip anycast站点之间的连通性和测量用户设备到ip anycast站点往返时间，追踪从源到目标的路径，通过发送一个icmp包到目标地址，该包的ttl值设置为当前步数，递增ttl值，当中间路由器收到一个ttl值为0的包时，中间路由器发送icmp time exceeded消息作为响应，在响应中包含用户设备的ip地址，最终ip anycast站点收到icmp包，则会发送icmp包作为响应，以及记录沿途的步数和ip地址，通过执行dns查询域名解析，并依据探针收集的数据，构建网络拓扑图。
9、优选的，所述用户分布情况中，通过ip地址间接获取地理位置的过程如下：
10、通过使用第三方服务提供的ap将ip地址转换为地理坐标，对ip地址解析，清理和验证收集到的ip数据，通过检查同一ip地址、地理位置的重复条目，使用统计方法识别不符合常规的数据点，不符合常规的数据点包括极端值、重复条目和非典型模式。
11、优选的，所述用户分布情况中，通过地图投影将用户分布可视化获取过程如下：
12、创建用户分布热图，利用gis软件进行空间分析，识别用户密度高的区域，将网络拓扑结构和用户分布数据结合，评估区域内的anycast站点预测的延迟值。
13、优选的，所述机器学习模型的数据收集和预处理过程如下：
14、收集过去时间点到达不同ip anycast站点的延迟时间，并对收集数据进行预处理，去除异常值和缺失值，对收集数据进行标准化处理，通过创建一个滑动窗口来捕捉同ipanycast站点的延迟时间序列中的依赖关系，将捕捉到的依赖关系通过时间序列表示，其中表示第个时间点ip anycast站点的延迟，并将预处理后数据转换成监督学习形式，即创建输入-输出对，预测下一个时间点的延迟，构造训练样本如下：
15、输入：,
16、输出：,
17、是时间窗口的大小，表示最近个时间点的数据来预测下一个时间点的值；指的是时间序列中的某个时间点t+1的观测值；指的是模型的目标输出，即预测的时间点t+1的延迟值，指的是从时间点开始到时间点t结束的一段连续的时间序列数据；指的是第一个元素，而指的是最后一个元素。
18、优选的，所述anycast站点预测的延迟值的预测过程如下：
19、构建rnn模型，使用rnn单元，其状态更新方程表示为：
20、,
21、其中，是时间的隐藏状态；是时间的输入；和分别是输入到隐藏状态和隐藏状态到隐藏状态的权重矩阵；是隐藏状态的偏置项；是激活函数，使用tanh或relu；
22、连接到隐藏状态并通过线性变换得到预测值，公式为：
23、,
24、其中，是从隐藏状态到输出的权重矩阵；是输出的偏置项；
25、并使用均方误差mse作为损失函数来衡量预测值与真实值之间的差距：
26、,
27、其中，是样本数量；
28、均方误差mse真实值的范围通常在[0,100],对均方误差mse真实值范围进行比较，对模型表现优劣进行判断：
29、当均方误差mse真实值的范围在大于等于0，小于等于100时，模型表现优秀；
30、当均方误差mse真实值的范围大于100时，模型的表现良好，需继续对模型进行优化；
31、当均方误差mse真实值的范围小于0时，模型的表现差，需重新对模型进行建模；
32、基于收集的历史数据和当前趋势获取区域内的未来流量高峰的预测值，ipanycast站点有效处理的最大连接数量，达到最大连接数的80%，作为触发访问绕行策略的标准，将访问请求分散至其他未达到高本文档来自技高网...
【技术保护点】
1.基于延迟优化的区域IP Anycast站点划分方法，其特征在于，该方法的步骤包括：
2.根据权利要求1所述的基于延迟优化的区域IP Anycast站点划分方法，其特征在于，所述分析网络拓扑结构获取过程如下：
3.根据权利要求2所述的基于延迟优化的区域IP Anycast站点划分方法，其特征在于，所述用户分布情况中，通过IP地址间接获取地理位置的过程如下：
4.根据权利要求3所述的基于延迟优化的区域IP Anycast站点划分方法，其特征在于，所述用户分布情况中，通过地图投影将用户分布可视化获取过程如下：
5.根据权利要求4所述的基于延迟优化的区域IP Anycast站点划分方法，其特征在于，所述机器学习模型的数据收集和预处理过程如下：
6.根据权利要求5所述的基于延迟优化的区域IP Anycast站点划分方法，其特征在于，所述Anycast站点预测的延迟值的预测过程如下：
7.根据权利要求6所述的基于延迟优化的区域IP Anycast站点划分方法，其特征在于，所述每个IP Anycast站点延迟进行评估过
8.根据权利要求7所述的基于延迟优化的区域IP Anycast站点划分方法，其特征在于，所述基于不同IP Anycast站点延迟率评分数值，对区域外的用户设备是否予以舍弃进行判断过程如下：
9.根据权利要求8所述的基于延迟优化的区域IP Anycast站点划分方法，其特征在于，所述最优的IP Anycast站点位置获取过程如下：
10.根据权利要求9所述的基于延迟优化的区域IP Anycast站点划分方法，其特征在于，所述持续优化IP Anycast站点路径过程如下：
...【技术特征摘要】
1.基于延迟优化的区域ip anycast站点划分方法，其特征在于，该方法的步骤包括：
2.根据权利要求1所述的基于延迟优化的区域ip anycast站点划分方法，其特征在于，所述分析网络拓扑结构获取过程如下：
3.根据权利要求2所述的基于延迟优化的区域ip anycast站点划分方法，其特征在于，所述用户分布情况中，通过ip地址间接获取地理位置的过程如下：
4.根据权利要求3所述的基于延迟优化的区域ip anycast站点划分方法，其特征在于，所述用户分布情况中，通过地图投影将用户分布可视化获取过程如下：
5.根据权利要求4所述的基于延迟优化的区域ip anycast站点划分方法，其特征在于，所述机器学习模型的数据收集和预处理过程如下：
6.根据权利要求5所述的基于延迟优化的区域ip ...
【专利技术属性】
技术研发人员：高一凡，涂维标，马洪宇，
申请(专利权)人：杭州流形新网络科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。