淺談借助業(yè)務流量精細化提升網(wǎng)絡QoS性能

【摘要】? ? 現(xiàn)有的網(wǎng)絡面向眾多業(yè)務提供的是一種差異化的服務，隨著網(wǎng)絡業(yè)務種類的增多以及業(yè)務類型愈加復雜，已有的差異化服務提供方案已不能滿足現(xiàn)有眾多業(yè)務的需求。針對此問題，本文分析了近年來網(wǎng)絡業(yè)務的發(fā)展趨勢以及現(xiàn)有的差異化服務提供方案，總結了致使上述問題產(chǎn)生的幾點原因。據(jù)此引入了業(yè)務流量精細化技術，并設計了一種借助業(yè)務流量精細化來提升QoS性能的方案。

【關鍵詞】? ? 業(yè)務流量精細化? ? 差異化服務? ? 網(wǎng)絡業(yè)務? ? 服務質量

引言：

隨著工業(yè)互聯(lián)網(wǎng)時代的到來，越來越多的生產(chǎn)與生活業(yè)務選擇以網(wǎng)絡作為依托，借助網(wǎng)絡的便捷性、高速信息共享與傳輸?shù)葍?yōu)點進行發(fā)展。實現(xiàn)業(yè)務類型細分的技術就是業(yè)務流量精細化技術，本文也將探討如何借助業(yè)務流量精細化技術提升網(wǎng)絡QoS的性能。

一、網(wǎng)絡業(yè)務發(fā)展趨勢及服務質量需求分析

當前網(wǎng)絡業(yè)務的發(fā)展呈現(xiàn)出一種多元化、碎片化、高效化、互通化和爆發(fā)式增長的趨勢。多元化體現(xiàn)在網(wǎng)絡業(yè)務的種類及領域越來越寬泛，網(wǎng)絡業(yè)務涉及的領域現(xiàn)已包括教育、農(nóng)業(yè)生產(chǎn)、科創(chuàng)發(fā)展、工業(yè)生產(chǎn)、企業(yè)辦公、政務辦公等，可以說已經(jīng)深入到人們生活的方方面面，如同電力一樣被應用到各行各業(yè)，呈現(xiàn)出一種多元化的趨勢;碎片化體現(xiàn)在由于業(yè)務種類的增多，各種各樣的業(yè)務都出現(xiàn)在網(wǎng)絡鏈路上，很難對業(yè)務流量的種類進行分類，就像碎片一樣，各種業(yè)務的流量有著不同的流量特征和內(nèi)容，今后也將在一段時間內(nèi)維持這種碎片化的特征;高效化體現(xiàn)在借助網(wǎng)絡的高速便捷特性，網(wǎng)絡業(yè)務的辦公效率非常高，在極短時間內(nèi)就允許多人或是多個團隊共同完成業(yè)務內(nèi)容，這種高效化是我們所期待的，也正是我們想要的;互通化表現(xiàn)在現(xiàn)在的業(yè)務不再僅僅只關注本業(yè)務的內(nèi)容，還會和其他業(yè)務進行通信和協(xié)作，如在購物時，這就會涉及商戶、軟件公司、銀行等多家機構的不同業(yè)務，這種互通化在未來的發(fā)展中也會變得愈加常見，會以一種常態(tài)化發(fā)展;爆發(fā)式增長是顯而易見的，人們從吃飯穿衣，到上學上班等等，現(xiàn)在都有網(wǎng)絡業(yè)務的支持，而且提供的種類越來越豐富，在將來相當長一段時間內(nèi)，這種爆發(fā)式增長還將繼續(xù)持續(xù)。

網(wǎng)絡業(yè)務的發(fā)展趨勢務必會對網(wǎng)絡的服務質量提出更多和更高的要求，這些要求包括穩(wěn)定的傳輸質量、高速的傳輸速度、安全的傳輸流程、持久的穩(wěn)定連接等。在現(xiàn)如今環(huán)境中，其中每一個內(nèi)容實現(xiàn)起來難度都很大，同時要保證這么多的服務質量要求，難度可想而知。雖然可以通過差異化服務為不同的業(yè)務提供不同的服務質量來緩解業(yè)務對上述服務要求的迫切需求，但也有一些因素影響著網(wǎng)絡服務質量的性能，除此之外還有地理、宗教、經(jīng)濟發(fā)展等因素限制了網(wǎng)絡QoS性能的提升，這些問題都需要一一進行解決。

二、QoS技術概述

（一）QoS的基本原理

1.流量分類與標記

流量分類是[2]根據(jù)服務需求、費用消耗等因素將流量劃分為不同的優(yōu)先級或不同的服務類，在分類時可以使用IP報文的ToS字段、802.1Q頭保留的User Priority字段等進行劃分。流量劃分完成后就可以進行標記，標記時仍舊可以使用報文中預留的字段，標記的目的是為了區(qū)分不同類型的服務。當流量被分類標記后，在網(wǎng)絡傳輸過程中每到達一個轉發(fā)節(jié)點，節(jié)點都能根據(jù)標記將流量轉發(fā)至不同服務質量的鏈路。

2.擁塞管理

擁塞管理[3]主要是為了解決當多業(yè)務流量共用信道時造成的擁塞問題，這也屬于QoS范疇，并且對服務質量的影響很大。為了解決這個問題，可以將眾多業(yè)務流量放入不同隊列中，對流量進行疏通，進而避免出現(xiàn)鏈路擁塞，或是在擁塞后結合其他技術進行緊急的處理。常用的隊列技術有FIFO（先進先出）隊列、PQ（優(yōu)先隊列）隊列、CQ（定制隊列）隊列等。

3.流量監(jiān)管

流量監(jiān)管是為了對進入網(wǎng)絡的流量進行監(jiān)控與限制，在流量傳輸達到一定條件（如流量過大）時，對該流量采取不同的處理動作（如丟棄等）。在進行流量控制時常用的技術是令牌桶，這種技術可以對流量是否被轉發(fā)進行判斷，是流量監(jiān)管很重要的一種技術。

4.物理接口限速

這是一種更為直接的方式，它的作用和影響力也很大，主要是實現(xiàn)接口轉發(fā)流量的總速率控制。在處理過程中也使用了令牌桶技術，同時也會和擁塞管理技術一起使用，實現(xiàn)對流量的管理。

（二）QoS模型結構

根據(jù)對網(wǎng)絡流量控制能力和方式的不同，可以將QoS分為三種模型[4]：Best Effort模型、DiffServ模型和IntServ模型。

三、流量精細化技術概述

現(xiàn)如今流量對于企業(yè)或是運營商，其價值已經(jīng)上升到了資產(chǎn)的高度，具備了一定的變現(xiàn)能力。現(xiàn)在業(yè)務的流量呈現(xiàn)出多元化、碎片化的特點，眾多的流量會擠占通信鏈路，使用隊列調度、令牌桶等技術可以實現(xiàn)流量的分流、按序轉發(fā)。但隨著流量價值的提升，我們更需要的是能夠實現(xiàn)對流量的細致分類，從而決定其傳輸路徑與提供的不同服務，這就需要流量精細化技術的支持。本節(jié)后續(xù)將介紹幾種使用最多的流量精細化技術，其中包括基于協(xié)議和基于算法的流量精細化技術。

（一）基于協(xié)議的流量精細化技術

區(qū)分不同的業(yè)務應用可以根據(jù)協(xié)議類型與內(nèi)容進行判定，現(xiàn)有技術中使用最多的是DPI與DFI技術，其中DPI根據(jù)數(shù)據(jù)包解析進行判定，DFI根據(jù)流量進行判定。

DPI（Deep Packet Inspection）[5]是一種基于數(shù)據(jù)包的深度檢測技術，針對不同的網(wǎng)絡應用層載荷（如HTTP、DNS等）進行深度檢測，可以根據(jù)事先定義對檢測流量進行過濾控制，其重要的用途就包括流量精細化。

（二）基于算法的流量精細化技術

對流量進行精細化分類可使用的算法比較多，可使用基于相似度比較的算法、基于聚類的算法、基于分類的算法和深度學習算法等。由于此種類型的算法受參數(shù)影響和算法細節(jié)設計影響較大，所以在選擇時對應用場景的評估非常重要。

1.相似度比較算法

相似度比較算法可采用的有距離相似度比較（如歐式距離、模式距離等）、DTW（動態(tài)時間規(guī)整）算法、相關性相似度度量算法等，本文將以DTW算法為例介紹此類算法的處理過程。

其他算法流程與此類似，也是將待檢測流量與模板流量進行相似度對比，從而確定流量的類型。

2.聚類算法

聚類算法基于聚類分析，又稱群分析，利用了統(tǒng)計分析方法對樣品或指標進行分類。聚類分析的基礎也是相似性分析，聚類分析由若干模式組成，模式是一個可度量的向量，或是多維空間中的數(shù)據(jù)點。由于聚類算法較多，本文著重介紹k-means聚類分析算法。

k-means算法[8]以k為參數(shù)，把n個對象分為k個簇，使每個簇內(nèi)具有較高的相似度，簇間具有較小的相似度。使用k-means算法進行流量精細化時，可以采集流量中具有明顯可區(qū)分特征的參數(shù)，然后隨機選擇k個流量代表每個簇的中心，剩余對象計算與k個簇中心的距離，根據(jù)距離進行分類，在每次劃分完一次簇后，可以重新計算每個簇內(nèi)的中心，這樣可以提升算法識別的精度。

其他聚類算法還包括層次聚類算法、SOM聚類算法、FCM聚類算法等，這些算法的核心思想都是根據(jù)相似性進行類的劃分，在實現(xiàn)過程上有著區(qū)別。

四、基于LSTM流量精細化的QoS保障

本文參考了不同方法的優(yōu)點與缺點，設計了一種流量精細化方案來提升QoS的性能。本節(jié)將介紹方案的具體內(nèi)容。

（一）LSTM流量精細化技術

流量精細化選擇了LSTM [9]深度學習算法實現(xiàn)，主要考慮到應用場景為業(yè)務流量的服務質量保障，在這種應用場景下，只需精準識別出不同的業(yè)務流量即可，無需對其中的具體協(xié)議內(nèi)容進行深究。同時考慮到在識別的業(yè)務流量中一部分是加密數(shù)據(jù)流量，一部分是未加密數(shù)據(jù)流量，使用DPI和DFI固然可以做到精準的識別，但在識別速度和效率上略有不足，所以最終選擇了LSTM深度學習模型進行業(yè)務流量的精細化分類。

LSTM模型輸入的是業(yè)務流量的數(shù)據(jù)包，經(jīng)過特征提取與訓練后，最終輸出相似度（一個概率值）。具體流程如下：

1.業(yè)務流量模板訓練

（1）對不同的業(yè)務流量數(shù)據(jù)集進行打標簽工作，以此區(qū)別不同的業(yè)務類型;（2）對業(yè)務流量中的數(shù)據(jù)包進行特征提取與向量化操作，將流量數(shù)據(jù)處理為LSTM模型可使用的訓練數(shù)據(jù);（3）將預處理的數(shù)據(jù)放入LSTM模型進行訓練，劃分出不同業(yè)務流量的范圍;（4）保存不同業(yè)務流量訓練的參數(shù)，用于后續(xù)識別使用。

2.業(yè)務流量識別

（1）在需要進行QoS服務的節(jié)點處進行流量采集，采集時需要按照固定的時間間隔進行;（2）對采集的流量進行預處理，主要是提取出數(shù)據(jù)包的關鍵特征，并進行向量化;（3）將預處理后的數(shù)據(jù)放入LSTM模型進行訓練，同時根據(jù)記錄的參數(shù)判斷流量屬于的具體業(yè)務類型;（4）記錄節(jié)點處到達流量的不同業(yè)務類別。

（二）多級隊列調度的QoS保障

設置多個優(yōu)先級不同的隊列，對分類的業(yè)務流量根據(jù)業(yè)務的優(yōu)先程度、重要程度等因素，為每個因素賦予不同的權值，最后加權求和計算每個業(yè)務流量的優(yōu)先級，然后分別放入多級隊列中，隊列的設置有以下幾個限制條件：

（1）隊列按優(yōu)先級從高到低排序，具有較高優(yōu)先級的隊列優(yōu)先進行流量轉發(fā);（2）高優(yōu)先級隊列轉發(fā)完成后，將低一級隊列中的流量調入高優(yōu)先級隊列，防止低優(yōu)先級隊列出現(xiàn)長時間等待現(xiàn)象;（3）遇到需緊急轉發(fā)的流量（一般是人為提前設定的）直接調入最高優(yōu)先級轉發(fā)隊列，防止緊急流量轉發(fā)的延遲;（4）隊列的流量裝載以一次流量精細化過程為一個周期，也就是每進行一次業(yè)務流量的識別，就設置一次多級隊列，只有當前設置的隊列轉發(fā)完后才重新轉發(fā)新裝載的多級隊列;（5）在當前裝載流量的多級隊列轉發(fā)過程中，同時進行業(yè)務流量的識別與多級隊列裝載，目的是提升流量轉發(fā)的效率。

五、結束語

本文分析了現(xiàn)有網(wǎng)絡業(yè)務的發(fā)展趨勢與網(wǎng)絡QoS性能提升的限制因素，據(jù)此設計了一種結合深度學習算法、流量精細化技術的QoS性能提升方案，目的是解決目前網(wǎng)絡環(huán)境中因業(yè)務流量精細化分類困難，而導致QoS服務性能發(fā)揮受限的問題。在后續(xù)還將繼續(xù)深入研究其他可以提升QoS性能的技術方案，為網(wǎng)絡業(yè)務提供更好的發(fā)展環(huán)境。

作者單位：崔杰? ? 中石化勝利油田分公司物探研究院

參? 考? 文? 獻

[1]姚臻昊. QoS原理及在IP承載網(wǎng)中的應用[J]. 中國電子商務， 2014， 000（023）：70-70.

[2]席媛媛， 袁家斌. 區(qū)分服務下基于服務質量參數(shù)的流標簽研究[C]// 第十屆中國科協(xié)年會信息化與社會發(fā)展學術討論會分會場. 0.

[3] 李昕 .基于反饋的區(qū)分服務網(wǎng)絡擁塞管理方案研究[D]. 湖南大學， 2012.