专利名称：基于测量的多业务网络性能综合因子评价方法
技术领域：
本发明属于网络性能评价技术领域，具体涉及一种基于测量的多业务网络性能综合因子评价方法。
背景技术：
随着Internet技术的飞速发展和网络复杂度的日益提高，网络上的业务更加多样化，对业务服务质量(QoS)的要求也不断提高，越来越多的网络管理开发者、运营商和网络使用者关注网络性能。而如何在网络性能评价的基础上进行网络及网络协议的设计，亦成为国内外学者关注的热点。因此，如何评价多业务网络性能日益重要。
网络性能分析目前主要有模型法和测量法。模型法是指对要评价和分析的计算机网络建立一个适当的模型，然后求出模型的性能指标，以便对系统进行评价。测量法是指通过一定的测量设备或一定的测量程序可以直接从计算机网络测得各项性能指标或与之相关的度量，然后由它们经过一些运算求出相应的性能指标，准确性高。
目前，测量法普遍使用的是指标体系评价法。指标体系评价法就是用不同的指标对评估对象发展的多个方面分别予以反映。IETF和ITU-T都各自定义了一套性能指标，提出了定义性能指标的原则与总体框架。
但是现有的评价方法还存在一些问题(1)在测量系统模型化方面做的工作比较少，缺乏宏体系结构模型；(2)普遍采用指标体系评价方法，虽然能从多个角度对事物进行评价，但不利于对事物的综合评估、统一比较，如甲、乙两网络的各项性能指标中，各有部分优于对方，如此，很难说甲乙两网络的性能孰优孰劣；(3)尤其对于多业务网络，同一网络在不同业务时表现出来的性能优劣不同，而多业务网络的在不同业务下的综合性能不易量化、比较。
发明内容
本发明的目的在于提供一种基于测量的多业务网络性能综合因子评价方法，利用此方法可以量化评价多业务网络的综合性能，也可比较不同多业务网络的综合性能优劣。
本发明提供的基于测量的多业务网络性能综合因子评价方法，其步骤 包括 第1步 确定待评价的多业务网络所包含的业务类型，设业务类型总数为n，按照自定义的排序规则对各业务进行编号，业务类型的编号为j，确定对待评价的多业务网络中各业务进行评价的性能指标，设性能指标的总数为p； 第2步 利用数据采集工具进行不同业务下的相应数据采集，得到每个业务下的p个性能指标的测量值；定义测量值数据越大，代表其性能越好的性能指标为正指标，测量值数据越大，代表其性能越差的性能指标为负指标；按照自定义的排序规则对各性能指标进行编号，设各性能指标的编号为i； 第3步 对各性能指标进行正向化处理，即在负指标的测量值前加上负号，使之为负值，正指标保持原值； 第4步 设xij0表示第j个业务的第i个性能指标的正向化处理后的测量值，将正向化处理后的指标值用矩阵表示为
第5步 将矩阵中的各性能指标的测量值按照下式进行标准化变换 i＝1，2，...，p；j＝1，2，...，n； xij表示第j个业务的第i个性能指标的进行数据标准化后的值； 其中i＝1，2，…，p； 得标准化后的性能指标矩阵为
第6步 性能指标向量为p维x＝(x1，x2，…，xp)′，则将第i个性能指标的值记为xi；xi′为第i′个性能指标的值，建立标准化指标的协方差矩阵S， 其中，表示性能指标xi的方差； Cov(xi，xi′)＝Cov(xi′，xi)＝E(xi-xi)(xi′-xi′)，表示性能指标xi和性能指标xi′的两性能指标的协方差； 得到S是对称且正定的矩阵 第7步 设λ是待求得的特征根，I是单位矩阵； 则利用式|S-λI|＝0 求得S的特征根，得到λ1、λ2、...λp； 根据求特征向量的方法，利用式(S-λiI)ei＝0，求得相应的正交单位特征向量为e1，e2，…，ep； 第8步 记p维随机向量(x1，x2，…，xp)′的均值μ＝(μ1，μ2，…，μp)′，建立因子模型为 其中，称f1，f2，…，fm为公共因子，ε1，ε2，…，εm为特殊因子 则上式用矩阵表示为 x＝μ+Af+ε 式中，f＝(f1，f2，…，fm)′为公共因子向量，ε＝(ε1，ε2，…，εm)′为特殊因子向量，A＝(aij)p×m称为因子载荷矩阵； 第9步 求出满足不等式的尽可能小的m，其中，c表示百分比，取值为80％～90％； 计算初始因子载荷矩阵A； 第10步 利用汤姆森因子得分进行样本的因子评价分析
第11步 计算得到总因子得分F也即综合评价值， 总因子得分 现有的对多业务网络的性能评价多是从某些单个性能指标进行评价，但这些性能指标仅能从单方面反映出网络的各方面性能，对于网络的综合性仅能通过这些性能指标进行联合模糊评估，不能进行精确的量化评估。尤其是对于不同的多业务网络来说，常常存在着一个网络的某几项性能指标比另一个网络的更优，而另几项却更差的情况，这样很难综合比较这两个网络的综合性能谁更好。本发明方法提出一种评价多业务网络综合性能的方法，通过对网络基本性能指标的测量，经过本方法的处理，对多业务网络的综合性能得以精确量化，得到该多业务网络综合性能量化值，可以量化评价多业务网络的性能，尤其便于比较几个不同多业务网络的综合性能。这为网络技术人员评价以及选择更好的多业务网络提供了方法依据。
图1为本发明方法的流程图。
具体实施例方式 下面结合附图对本发明作进一步详细的说明。
步骤1.对于要评价的多业务网络根据指标体系选取恰当的测量指标，并利用数据采集工具进行不同业务下的相应数据采集。一般来说，有以下性能指标连通性，吞吐量，带宽，包转发率，信道利用率，信道容量，带宽利用率，时延，时延抖动，丢包，丢包率等，并可根据实际情况适当进行增减。本发明设性能指标的总个数为p。
步骤2.定义其指标的测量值数据越大，代表其性能越好的指标为正指标，测量值数据越大，代表其性能越差的指标为负指标。若无增减，对于上述列举的测量指标，则p＝11，对于这11个性能指标，则连通性，吞吐量，带宽，包转发率，信道利用率，信道容量，带宽利用率属于正指标；时延，时延抖动，丢包，丢包率属于负指标。并定义在负指标的测量值前加上负号，使之为负值，此过程称为负指标正向化。被正向化后的负指标也符合正指标的特征数值越大，则表明性能越好。
自定义顺序依次进行编号，一般可采用定义的正指标在前，负指标在后的顺序。依次进行编号得x1，x2，…，xp，按以上原则处理，得正指标k个x1，x2，…，xk(k＝7)，为正值；正向化后的负指标p-k个xk+1，xk+2，…，xp，即x8，x9，x10，x11，均为负值，其中x1表示连通性，x2表示吞吐量，…，xp即x11表示丢包率。下文中用i表示性能指标的序号，1≤i≤p。
步骤3.现有的多业务网络中的业务分类主要有FT、数据库、交互式业务、邮件、服务、万维网、P2P、攻击、游戏、多媒体，共10类，当然，也可以根据实际网络情况对业务分类进行适当增减。
设总业务数为n，按照任意确定的排序规则从1到n对其依次进行编号。若无增减，则n＝10。设业务的编号为j，1≤j≤n，即第j个业务下文中称为业务j；加大其中业务j的业务量，减轻其它业务量，并测得该情况下的p个网络性能指标，它们表示该业务j下的网络性能指标。对每一个业务的p个性能指标进行测量，共得到n×p个结果。
步骤4.对各性能指标进行正向化处理，即在负指标的测量值前加上负号，使之为负值，正指标保持原值。
并将正向化后的指标值矩阵化，即将正向化后的指标值用矩阵表示为
其中，xij0表示第j个业务的第i个性能指标的观测值。
步骤5.将矩阵中的各性能指标值按照下式进行标准化变换 i＝1，2，…，p；j＝1，2，…n，； xij表示在业务j下，编号为i的性能指标的进行数据标准化后的值。
其中i＝1，2，…，p； 经过标准化变换后的数据的协方差矩阵正好是原始向量的相关矩阵，且这些无量纲的数据具有相对的稳定性。
得标准后的性能指标矩阵为
步骤6.可得性能指标向量为p维x＝(x1，x2，…，xp)′。则将第i个性能指标的值记为xi；xi′为第i′个性能指标的值。
建立标准化指标的协方差矩阵S， 其中，表示性能指标xi的方差。
Cov(xi，xi′)＝Cov(xi′，xi)＝E(xi-xi)(xi′-xi′)，表示性能指标xi和性能指标xi′的两性能指标的协方差。
可得S是对称且正定的矩阵 步骤7.设λ是待求得的特征根，I是单位矩阵。
则利用式|S-λI|＝0 求得S的特征根，并依次排序为λ1≥λ2≥…≥λp≥0， 根据求特征向量的方法，利用式(S-λiI)ei＝0，求得相应的正交单位特征向量为e1，e2，…，ep’，又设 步骤8.建模 因有p维随机向量x＝(x1，x2，…，xp)′，记p维随机向量的均值μ＝(μ1，μ2，…，μp)′，建立因子模型为 其中，称f1，f2，…，fm为公共因子，ε1，ε2，…，εm为特殊因子，它们都是不可观测的隐变量。
则上式可以用矩阵表示为 x＝μ+Af+ε 式中，f＝(f1，f2，…，fm)′为公共因子向量，ε＝(ε1，ε2，…，εm)′为特殊因子向量，A＝(aij)p×m称为因子载荷矩阵。
限定 则，公共因子彼此不相关且具有单位方差，特殊因子也彼此不相关且和公共因子也不相关。
步骤9.根据主成分分析，导出主成分； 作以下线性变换 限定y1是x1，x2，…，xp的一切线性函数中方差最大的，称y1为第一主成分，并可推出它的方差具有最大值λ1，以此类推，推出x的第i主成分yi的方差最大值λi； 前m个主成分的累计贡献率为
它表明前m个主成分y1，y2，…，ym解释x1，x2，…，xp的能力； 并可计算初始因子载荷矩阵A； 其中，λ1，λ2，…λm是(之前)步骤5中求出的矩阵S的特征根，e1，e2，…，em是它们分别对应的正交单位特征向量，在步骤5中也亦求出。
步骤10.利用汤姆森因子得分进行样本的因子评价分析
步骤11.计算得到总因子得分也即综合评价值。
总因子得分 此即为该多业务网络的综合性能评价值。
根据此方法结果分析，评价多业务网络的综合性能；也可比较不同多业务网络的综合性能优劣。
权利要求
1、一种基于测量的多业务网络性能综合因子评价方法，其步骤包括
第1步 确定待评价的多业务网络所包含的业务类型，设业务类型总数为n，按照自定义的排序规则对各业务进行编号，业务类型的编号为j，确定对待评价的多业务网络中各业务进行评价的性能指标，设性能指标的总数为p；
第2步 利用数据采集工具进行不同业务下的相应数据采集，得到每个业务下的p个性能指标的测量值；定义测量值数据越大，代表其性能越好的性能指标为正指标，测量值数据越大，代表其性能越差的性能指标为负指标；按照自定义的排序规则对各性能指标进行编号，设各性能指标的编号为i；
第3步 对各性能指标进行正向化处理，即在负指标的测量值前加上负号，使之为负值，正指标保持原值；
第4步 设xij0表示第j个业务的第i个性能指标的正向化处理后的测量值，将正向化处理后的指标值用矩阵表示为
第5步将矩阵中的各性能指标的测量值按照下式进行标准化变换
i＝1，2，...，p；j＝1，2，...，n；
xij表示第j个业务的第i个性能指标的进行数据标准化后的值；
其中i＝1，2，…，p；
得标准化后的性能指标矩阵为
第6步性能指标向量为p维x＝(x1，x2，…，xp)′，则将第i个性能指标的值记为x1；xi′为第i′个性能指标的值，建立标准化指标的协方差矩阵S，
其中，表示性能指标xi的方差；
Cov(xi，xi′)＝Cov(xi′，xi)＝E(xi-xi)(xi′-xi′)，表示性能指标xi和性能指标xi′的两性能指标的协方差；
得到S是对称且正定的矩阵
第7步 设λ是待求得的特征根，I是单位矩阵；
则利用式|S-λI|＝0
求得S的特征根，得到λ1、λ2、…、λp；
根据求特征向量的方法，利用式(S-λiI)ei＝0，求得相应的正交单位特征向量为e1，e2，…，ep；
第8步 记p维随机向量(x1，x2，…，xp)′的均值μ＝(μ1，μ2，…，μp)′，建立因子模型为
其中，称f1，f2，…，fm为公共因子，ε1，ε2，…，εm为特殊因子
则上式用矩阵表示为
x＝μ+Af+ε
式中，f＝(f1，f2，…，fm)′为公共因子向量，ε＝(ε1，ε2，…，εm)′为特殊因子向量，A＝(aij)p×m称为因子载荷矩阵；
第9步 求出满足不等式的尽可能小的m，其中，c表示百分比，取值为80％～90％；
计算因子载荷矩阵A；
第10步 利用汤姆森因子得分进行样本的因子评价分析
第11步 计算得到总因子得分F也即综合评价值，
总因子得分
全文摘要
本发明属于网络性能评价技术领域，具体为一种基于测量的多业务网络性能综合因子评价方法。该方法鉴于多业务网络具有很强的动态性和未知性等特点，根据采集数据构造性能矩阵(如网络利用率、时延抖动等，该矩阵可以实时地反映网络状态和业务需求)，综合考虑网络协议、网络拓扑、用户行为等因素，采用因子分析进行网络性能综合评价。此评价方法基于测量，能够对多业务网络的性能进行综合评价；此外，基于此评价方法还能为比较不同多业务网络性能的优劣提供参考。实验结果证实了此评价方法的有效性。
文档编号H04L12/24GK101610170SQ20091006284
公开日2009年12月23日 申请日期2009年6月23日 优先权日2009年6月23日
发明者莉 喻, 李兆婧, 云 白, 刘祖浩, 聪 刘 申请人:华中科技大学