一种分层网络RTT的预测方法

摘要

一种分层网络RTT的预测方法，其中根据实际网络日志，利用信息熵理论捕捉影响网络RTT的因素；确定衡量网络RTT波动情况指标；对于近距离的主机对，通过主动的进行测量操作构建区域范围内的网络属性数据库，记录每一条的延时，选择最相近的网络路径来重组网络中每一跳的延时；对于远距离的主机对，可通过分析网络延时与物理距离的关系，来动态训练一个机器学模型，从而估算网络延时。该方法可实现在无需事先和网络上主机联系的情况下高效估算网络往返时延。

主权项

一种分层网络RTT的预测方法，其特征在于，包括以下步骤:A1：根据预先提供的网络日志，并通过分析网络时延即网络RTT与影响网络RTT的因素X的互信息增益：来选择对网络RTT影响超过预定程度的因素，其中，式表示其变量Y的信息熵,y_i是变量Y的n种取值之一，P(Y＝y_i)表示变量Y的值为y_i的概率；H(RTT|X)表示网络RTT相对于影响因素X的条件信息熵；A2：通过公式：max(RTT)表示预定时间内网络RTT的最大值，min(RTT)表示预定时间内网络RTT的最小值，α表示预定时间内网络RTT的波动程度，用α衡量不同用户主机到服务器的网络RTT在预定时间内的波动程度，根据波动程度与用户主机到服务器的距离之间的对应关系确定距离分割点，根据距离分割点划分近距离的主机对和远距离的主机对；A3：对于近距离的主机对，通过主动地进行测量操作，分析并记录网络中的每一跳的延时，构建预定区域范围内的网络属性数据库；对于所述预定区域范围内需要预测网络RTT的路径，通过在所述数据库查找对应的每一跳的延时，并进行拼接，来确定相应路径的网络RTT；A4：对于远距离的主机对，通过已知网络RTT与相应物理距离的关系，按照预定时间周期动态地训练决策树，所述决策树的中间节点对应步骤A1中所确定的影响网络RTT的因素，所述决策树的叶子节点为对应的RTT分类，通过预测网络RTT会分配到哪一类网络RTT中来进行网络RTT估算，最终预测的网络RTT值为所分配的网络RTT类别的平均RTT值。