本公开涉及但不限于计算机网络领域，特别地涉及一种基于带内遥测进行时间同步的方法、装置和系统。
背景技术：
近年来，数据中心网络技术发展迅速，但长期缺失对于流量管理和故障监控的关注。随着数据中心网络规模的迅速扩张，由于缺少可靠的自动化管理和运维平台，给网络管理和运维带来很大挑战。
在传统网络中，我们对报文做转发路径探测时，经常会使用雷达探测技术。但是雷达探测技术，需要控制器软件的干预。由于没有硬件的支持，一系列的设计实现都比较复杂，而且还不能完全模拟真实的报文转发。
ping和tracert功能虽然可以定位网络延时和路径，但都不是很精确的方法。在对时延要求比较高的网络中，无法精准的定位出在哪台设备的哪个端口上转发最耗时，因而不能有针对性的优化网络架构。带内遥测(int，in-bandtelemetry)技术正是为了满足这一需求而生。int作为可视化技术的一个重要组成部分，是让网络管理和运维走向真正自动化的第一步，也是最关键的一步。通过int技术，我们可以获知报文实际转发路径上的每台网络设备信息、报文在每台设备上的入出端口和队列信息、以及相应的时间戳信息等。
通过int技术，我们可以监测到报文转发路径上每台设备的入出端口和队列信息、入出设备的时间戳信息、队列的拥塞信息等；并且在路径探测的最后一跳上，对监测的数据进行udp头及ip头封装，发送给采集器。最终通过部署在采集器上的网管软件，对监测数据进行分析，提取有用信息。
如图1所示，网络遥测组网模型中，主要包括如下部分：
首节点ingress：网络遥测网络中的首台设备，实现报文的采样和镜像到设备内部int处理器，添加int报文头(包括固有头部及监测信息meta-data)后，将报文发送给中间节点。
中间节点transit：int网络中除首节点和尾节点外的设备，实现int报文的自动识别，添加监测信息，将报文发送给下游节点。
尾节点egress：int网络中的最后一跳设备，实现int报文的自动识别，添加监测信息，根据用户配置的报文封装参数，对监测信息进行udp头及ip头封装，发送给采集器。
目前，int技术已经在ietf的inbandflowanalyzerdraft-kumar-ifa-00草案中定义。在该草案中，对int报文的固有头部和meta-data(即监测信息)的数据格式做了详细说明。对于支持该草案的网络设备来说，理论上可以实现int报文分析处理的互通。
带内网络遥测技术中，一般由几个元素构成，具有带内网络遥测功能的网络设备，集中的数据采集器和控制器等。网络遥测网络设备提供的上报方式有很多种，包括grpc、int、erspan等方式。grpc(googleremoteprocedurecall，google远程过程调用)是google发布的基于http2.0传输层协议承载的高性能开源软件框架，提供了支持多种编程语言的、对网络设备进行配置和管理的方法。通信双方可以基于该软件框架进行二次开发。采用基于grpc的telemetry技术时，设备自动读取各种统计信息(cpu、内存、接口等)，根据采集器的订阅要求将采集的信息通过grpc协议上报给采集器，实现了比传统监控方式更加实时、高效的数据采集功能。设备支持以下两种grpc对接模式：
dial-in模式：设备作为grpc服务器，采集器作为grpc客户端。由采集器主动向设备发起grpc连接并订阅需要采集的数据信息。dial-in模式适用于小规模网络和采集器需要向设备下发配置的场景。
dial-out模式：设备作为grpc客户端，采集器作为grpc服务器。设备主动和采集器建立grpc连接，将设备上配置的订阅数据推送给采集器。dial-out模式适用于网络设备较多的情况下向采集器提供设备数据信息。
通过int技术，我们可以监测到报文转发路径上每台设备的入出端口和队列信息、入出设备的时间戳信息、队列的拥塞信息等；并且在路径探测的最后一跳上，对监测的数据进行udp头及ip头封装，发送给采集器。最终通过部署在采集器上的网管软件，对监测数据进行分析，提取有用信息。
各个厂商对于网络遥测有不同的解决方案，目前常见的有int协议、华为的ifit方案等，ifit方案使用了基于段路由的srv6携带相关的信息(如图三所示)。对于各种方案而言，其共同点是：首先，都能够实现数据包时间戳记录，在数据包中打上出、入时间戳，精度一般可以达到纳秒级。其次，都存在一个集中的采集器，能够接收到相应的时间戳信息。采集器一般为一台服务器，可以进行数据采集以及后续的相关处理。
技术实现要素：
以下是对本文详细描述的主题的概述。本概述并非是为了限制权利要求的保护范围。
本公开实施例提供了一种基于带内遥测进行时间同步的方法、装置和系统，能够避免时间同步客户端带来的带宽开销，在进行网络遥测的同时实现了更高精度的网络时间同步。
本公开实施例提供了一种基于带内遥测进行时间同步的方法，包括，
获取第一传输方向的延时估计值和第二传输方向的延时估计值；其中，所述第一传输方向的延时估计值根据第一传输方向的多个延时样本确定，所述第二传输方向的延时估计值根据第二传输方向的多个延时样本确定；所述第一传输方向为第二设备到第一设备的方向，所述第二传输方向为所述第一设备到所述第二设备的方向；
根据所述第一传输方向的延时估计值和所述第二传输方向的延时估计值，确定所述第一设备相对于所述第二设备的时间系统误差；
其中，所述第一设备和第二设备均为带内遥测网络设备。
一些示例性实施例中，所述第一设备相对于所述第二设备的时间系统误差＝(τ-δ)/2；
其中，τ为所述第一传输方向的延时估计值，δ为所述第二传输方向的延时估计值。
一些示例性实施例中，根据以下方式之一确定对应传输方向的延时估计值：
根据该传输方向的多个延时样本，采用平均值法确定该传输方向的延时估计值；
根据该传输方向的多个延时样本，采用中位数法确定该传输方向的延时估计值；
根据该传输方向的多个延时样本，采用众数法确定该传输方向的延时估计值；
根据该传输方向的多个延时样本，采用概率密度估计法确定该传输方向的延时估计值。
一些示例性实施例中，所述根据该传输方向的多个延时样本，采用概率密度估计法确定该传输方向的延时估计值，包括：
采用高斯混合模型拟合所述多个延时样本的概率密度函数，根据该概率密度函数确定所述延时估计值；
或者，
采用核密度估计法拟合所述多个延时样本的概率密度函数，根据该概率密度函数确定所述延时估计值。
一些示例性实施例中，所述根据该传输方向的多个延时样本，采用概率密度估计法确定该传输方向的延时估计值，包括：
获取该传输方向的目的设备所处环境的时延噪声；
当所述时延噪声大于预设的噪声阈值时，采用高斯混合模型拟合该传输方向的多个延时样本的概率密度函数，根据该概率密度函数确定该传输方向的延时估计值；
当所述时延噪声小于或等于预设的噪声阈值时，采用核密度估计法拟合该传输方向的多个延时样本的概率密度函数，根据该概率密度函数确定该传输方向的延时估计值；
其中，所述目的设备包括：所述第一设备和所述第二设备。
一些示例性实施例中，所述高斯混合模型包含多个采用期望最大化em算法优化后的高斯模型。
一些示例性实施例中，所述核密度估计法中的核函数为高斯核函数。
一些示例性实施例中，所述根据所述第一传输方向的延时估计值和所述第二传输方向的延时估计值，确定所述第一设备相对于所述第二设备的时间系统误差，包括：
所述第一设备根据所获取的第一传输方向的延时估计值和第二传输方向的延时估计值，确定所述第一设备相对于所述第二设备的时间系统误差；
或者，
采集器根据所获取的第一传输方向的延时估计值和第二传输方向的延时估计值，确定所述第一设备相对于所述第二设备的时间系统误差；
所述采集器向所述第一设备发布所述第一设备相对于所述第二设备的时间系统误差。
本公开实施例还提供了一种基于带内遥测进行时间同步的系统，所述系统包括：第一设备和第二设备；
其中，所述第一设备设置为，获取第一传输方向的延时估计值和第二传输方向的延时估计值；
所述第一设备还设置为，根据所述第一传输方向的延时估计值和所述第二传输方向的延时估计值，确定所述第一设备相对于所述第二设备的时间系统误差；
或者，
所述系统包括：第一设备、第二设备和采集器；
其中，所述采集器设置为，获取第一传输方向的延时估计值和第二传输方向的延时估计值；
所述采集器还设置为，根据所述第一传输方向的延时估计值和所述第二传输方向的延时估计值，确定所述第一设备相对于所述第二设备的时间系统误差；
所述采集器还设置为，将所确定的时间系统误差发布给所述第一设备；
其中，所述第一传输方向的延时估计值根据第一传输方向的多个延时样本确定，所述第二传输方向的延时估计值根据第二传输方向的多个延时样本确定；所述第一传输方向为所述第二设备到所述第一设备的方向，所述第二传输方向为所述第一设备到所述第二设备的方向；
所述第一设备和第二设备均为带内遥测网络设备。
本公开实施例还提供了一种电子装置，包括存储器和处理器，所述存储器中存储有用于进行时间同步的计算机程序，所述处理器被设置为读取并运行所述用于进行时间同步的计算机程序以执行上述任一种基于带内遥测进行时间同步的方法。
在阅读并理解了附图和详细描述后，可以明白其他方面。
附图说明
图1为相关技术中网络遥测组网模型；
图2为相关技术中网络遥测组成元素示意图；
图3为相关技术中ifit协议结构示意图；
图4为本公开实施例中典型的网络结构示意图；
图5为本公开实施例中网络设备间的数据包发送和到达时间示意图；
图6为本公开一个实施例中进行时间同步的流程图；
图7为本公开另一个实施例中进行时间同步的流程图；
图8为本公开一个实施例中混合高斯模型拟合概率密度的示意图；
图9为本公开一个实施例中核密度估计法拟合出概率密度的示意图；
图10为本公开另一个实施例中基于带内遥测进行时间同步的流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图及具体实施例对本发明作进一步的详细描述。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互任意组合。
下述步骤编号不限定特定的执行顺序，根据具体实施例部分步骤能够调整其执行顺序。应当注意，这里描述的实施例只用于举例说明，并不用于限制本公开所提供的方案。在以下描述中，为了提供对本发明的透彻理解，阐述了大量特定细节。然而，对于本领域普通技术人员而言不必采用这些特定细节来实行本公开方案，可以采用本领域技术人员知晓的相关技术方案实现相关特定细节。
实施例一
在网络中，网络设备a(第二设备)、b(第一设备)能够将选定的数据包打上时间戳，管理员可以通过集中的控制器、或者进行各个设备的单独配置来决定哪些数据包可以打上时间戳。时间戳可以是接收时间戳、发送时间戳，或者二者都有。路由设备可以是相邻的，也可以中间间隔其他的网络设备。打时间戳的机制为带内遥测机制，可以但不限于是int协议或者华为的ifit协议。一个典型的网络如图4所示。
在一个典型的网络中，网络中的其他网络设备都知道时钟源网络设备的标识，在进行时间同步时，如果和时钟源所在的网络设备直接连接，则优先与时钟源进行同步，如果与时钟源网络设备中间还有其他网络设备，则可以选择与时钟源同步，也可以选择与中间间隔的网络设备同步。举例而言，图4中网络设备a将与时钟源进行同步，而网络设备b则可以选择与时钟源同步，也可以选择与网络设备a进行同步。
以图4为例，假设网络设备b(第一设备)需要与网络设备a(第二设备)进行同步，通过带内网络遥测技术，每一段时间内，网络设备b会得到关于网络设备a的若干时间戳样本，如图5所示。这些就是来自于网络设备a的、具有时间戳的n个数据包，其中atx_1、atx_2、…、atx_n为网络设备a发送数据包的时间信息(时间戳)。网络设备b根据自己的时间信息(接收到n个数据包的时间信息)brx_1、brx_2、…、brx_n，根据各个数据包得到的时间戳，得到相应的单向延时τ1＝brx_1-atx_1、τ2＝brx_2-atx_2、…、τn＝brx_n-atx_n，这些值可以得到最后的a到b的单向时延估计τ＝ta-b，也称为第一传输方向的延时估计值。同样，网络设备a上，也会得到关于网络设备b的若干时间戳样本，这些就是来自于网络设备b的、具有时间戳的m个数据包，其中btx_1、btx_2、…、btx_m，为网络设备b发送数据包的时间信息(时间戳)。网络设备a根据自己的时间信息(接收到m个数据包的时间信息)arx_1、arx_2、…、arx_m，根据各个数据包得到的时间戳，得到相应的单向延时δ1＝arx_1-btx_1、δ2＝arx_2-btx_2、…、δm＝arx_m-brx_m。最后得到δ＝tb-a，也称为第二传输方向的延时估计值。
在网络遥测中，网络设备b可以得到brx_1-atx_1、brx_2-atx_2、…、brx_n-atx_n，但是网络设备a的各个数据包接收时间arx_1、arx_2、…、arx_m，则无法直接得到。为此，需要通过网络遥测的接口获得，这些方法包括使用grpc的dial-in方式，直接向网络设备a查询；或者，通过采集器提供的接口来进行查询等。根据得到估值的位置，可以分成两种情况，具体的流程如图6和图7所示。
一些示例性实施例中，一种基于带内遥测进行时间同步的方法，其流程如图6所示，包括：
601)网络设备b和a分别根据所得到的单向延时样本，得到相应的ta-b的估计值τ(第一传输方向的延时估计值)和tb-a的估计值δ(第二传输方向的延时估计值)。
602)网络设备b向网络设备a请求获得tb-a的估计值δ。
603)网络设备b计算网络设备b相对于网络设备a的时间系统误差(τ-δ)/2。
一些示例性实施例中，一种基于带内遥测进行时间同步的方法，其流程如图7所示，包括：
701)网络设备b和a分别将所得到的单向延时样本，上传到采集器中。
702)采集器根据所得到的单向延时样本，得到相应的ta-b的估计值τ(第一传输方向的延时估计值)和tb-a的估计值δ(第二传输方向的延时估计值)。
703)采集器计算b相对于a的时间系统误差(τ-δ)/2。
704)采集器通过控制接口将系统误差发布给网络设备b。
一些示例性实施例中，以第一传输方向(网络设备a到网络设备b的方向)为例，确定该方向的延时估计值τ包括：
在多个单向延时τ1、τ2、τ3、，…,τn构成的样本集合中，得到其估计值，有很多相应的算法。其中，τ1＝brx_1-atx_1、τ2＝brx_2-atx_2、…、τn＝brx_n-atx_n。
一些示例性实施例中，可以使用多个单向延时的平均值来估计实际单向延时τ＝(τ1 τ2、 … τn)/n。
一些示例性实施例中，也可以使用中位数、众数来进行估计，中位数是一组数据中间位置上的代表值；其特点是不受数据极端值的影响。对于具有偏态分布的数据，中位数的代表性要比均值好。在一组排好序数据中，数据数量为奇数，则中值为中间的那个数。如果数据数量为偶数，则中值为中间的那两个数值的平均值。
一些示例性实施例中，当数据的分布具有明显的集中趋势时，尤其是对于偏态分布，众数的代表性比均值要好。概率密度估计方法用于估计一组数据集的概率密度分布，分为参数估计方法和非参数估计方法。
一些示例性实施例中，可以采用概率密度估计法，根据多个延时样本，确定对应的延时估计值。
一些示例性实施例中，采用概率密度估计法，确定对应的延时估计值，包括参数估计法和非参数估计法。
一些示例性实施例中，参数估计法：高斯混合模型
假定样本集符合某一概率分布，然后根据样本集拟合该分布中的参数，例如：极大似然估计，混合高斯等，由于参数估计方法中需要加入主观的先验知识，往往很难拟合出与真实分布的模型；
非参数估计法：核密度估计法
非参数估计并不加入任何先验知识，而是根据数据本身的特点、性质来拟合分布，这样能比参数估计方法得出更好的模型。如核密度估计就是非参数估计中的一种。
一些示例性实施例中，假设混合高斯模型由k个高斯模型组成(即数据包含k个类)，则高斯混合模型(gaussianmixturemodel，gmm)的概率密度函数如下：
其中，p(x|k)＝n(x|μk,σk)是第k个高斯模型的概率密度函数，可以看成在选定第k个模型后，该模型产生x的概率；p(k)＝πk是第k个高斯模型的权重，称作选择第k个模型的先验概率，且满足
本领域技术人员应该理解，高斯混合模型本质是融合了多个单高斯模型，使得模型更加复杂，从而产生更复杂的样本。理论上如果某个混合高斯模型融合的高斯模型个数足够多，它们之间的权重设定得足够合理，这个混合模型可以拟合任意分布的样本。其拟合示意图如图8。一般技术人员可以理解，图8中最上面的曲线是由混合高斯模型拟合得到的曲线，下面3条曲线是3个单高斯模型对应的曲线，它们分别是满足不同参数组合(如均值、方差组合)的单高斯分布曲线。
以第k个高斯模型为例，针对高斯混合模型其中第k个高斯模型的参数πk,μk,σk，使用期望最大化em算法(expectation-maximizationalgorithm)进行优化，em算法可以用于解决数据缺失的参数估计问题(隐变量的存在实际上就是数据缺失问题，缺失了各个样本来源于哪一类的记录)。em算法分两步，第一步先求出要估计参数的粗略值，第二步使用第一步的值最大化似然函数。
一些示例性实施例中，其算法步骤如下：
1.定义分量k，即k＝1,2,…,k,其中k代表高斯模型的数量，为每个分量k设置πk,μk,σk的初始值，计算式(1)的对数似然函数。在本实施例中，πk,μk,σk分别代表第k个高斯分布的权重，均值和方差。
2.执行e-step:
根据当前的πk,μk,σk计算后验概率γ(znk)，γ(znk)表示某一采样点n，即该单项时延τn属于第k个高斯分布的后验概率。
3.执行m-step:
根据e-step中计算的γ(znk)计算新的πk,μk,σk
其中：
n表示采样点的数量，即本实施例中的单向时延数据集容量大小。
4.计算式(1)的对数似然函数
检查参数是否收敛或对数似然函数是否收敛，若不收敛，则返回第2步。即在检查参数或函数收敛之后，就确定了对于每一个单高斯模型的πk,μk,σk参数，将这些求得的参数带回p(x)即可得到混合模型的概率密度函数。
即采用高斯混合模型，拟合得到多个单向延时τ1、τ2、τ3、，…,τn构成的样本集合的概率密度函数，进而根据该概率密度函数确定所述延时估计值。
一些示例性实施例中，选取该高斯混合模型曲线上一个点的横坐标作为所述延时估计值；或者，取该曲线上多个波峰的横坐标的平均值作为时延估计值；或者，也可以取该曲线上最高波峰点的横坐标作为时延估计值。本领域技术人员可以根据情况选定，不限于这里所例举的具体方式。
核密度估计法(kerneldensityestimation，kde)是在概率论中用来估计未知的密度函数，属于非参数检验方法之一。它不利用有关数据分布的先验知识，对数据分布不附加任何假定，是一种从数据样本出发研究数据分布特征的方法，在统计学理论和应用领域均受到高度的重视。核密度估计并不是找到真正的分布函数，它通过核函数(如高斯)将每个数据点的数据 带宽当作核函数的参数，得到n个核函数，再线性叠加形成核密度的估计函数，归一化后即为核密度概率密度函数。因此核密度估计的算法原理核心步骤描述如下：
1.每一观测附近用一个正态分布曲线近似；
2.叠加所有观测的正态分布曲线；
3.归一化带宽参数用于近似正态分布曲线的宽度。
这里的“观测”可以理解为在同一个采样点的多条单向时延数据τi，观测附近指的是一条时延数据结果的极小范围，将每一个极小范围进行正态分布近似再叠加，即可得到完整的正态分布曲线。
一些示例性实施例中，采用核密度估计法，确定对应的延时估计值，包括：
设单向时延数据集包含n个样本{τ1、τ2、τ3、，…,τn}，对这n个样本进行核函数拟合，将这n个概率密度函数进行叠加便得到了整个样本集的概率密度函数，则峰值点所处的横坐标即为估计的单向时延τ。拟合叠加过程如图9所示。在该示例中，左侧的矩形分布可代表不同单向时延数值的概率分布，右图是左图的另一种展示，意义相同，右图最上面的曲线代表核密度估计法得到的最终数据分布拟合曲线。
kde核密度估计的算法伪代码描述见算法1。
算法1.kde核密度估计法.
输入：单向时延数据τ1、τ2、τ3、，…,τn
输出：估计的单向时延τ
一些示例性实施例中，所述kde.fit拟合包括：采用python第三方函数库statamodels中的kde.fit功能(函数)。该功能为数据拟合主方法，得到数据集分布的kde近似拟合曲线，示例如下：
statsmodels.nonparametric.api.kdeunivariate(data).fit(self,kernel＝"gau",bw＝"scott",fft＝true,weights＝none,gridsize＝none,adjust＝1,cut＝3,clip＝(-np.inf,np.inf))；
其中，gau表示高斯核函数；
一些示例性实施例中，可引用的核函数还包括：{'cos'|'biw'|'epa'|'tri'|‘triw’}；当带宽是最优选择时，核密度估计对核函数的选择并不敏感，采用其他核函数可以达到相似的技术效果。
即采用核密度估计法，拟合得到多个单向延时τ1、τ2、τ3、，…,τn构成的样本集合的概率密度函数，进而根据该概率密度函数确定所述延时估计值。
核密度估计采用单一模型，导致采样样本中存在的噪声使最终结果的噪点较多，并且对于细节如轮廓边缘处理过于粗糙。而混合高斯模型对每个像素点建立多个高斯分布，能更精确描述数据特征，但计算量较大，算法复杂。一些示例性实施例中，在进行单向时延的测量估计时，根据当前网络节点所处的环境判断是否存在较大的时延噪声，若噪声较小，可直接选择核密度估计算法，若噪声较大，可选择高斯混合模型算法。
一些示例性实施例中，对于网络设备b，获取网络设备b所处的环境的时延噪声，当所述时延噪声大于预设的噪声阈值时，采用高斯混合模型拟合所述第一传输方向(网络设备a到网络设备b的方向)的多个单向时延样本，确定概率密度函数；当所述时延噪声小于或等于预设的噪声阈值时，采用核密度估计法拟合所述第一传输方向的多个单向时延样本，确定概率密度函数。
其中，时延噪声通常指多个延时样本数据集中存在着错误或异常(偏离期望值)的数据，这些数据对之后分析可能造成干扰。一些示例性实施例中，定义数据偏离阈值，如果延时样本数据集中某样本数值＞该阈值，那么该样本数据则为时延噪声。假设时延一般在0.1s内，那么某一次测量的时延若＞0.1s,则这一时延是噪声。阈值通常需要根据实际环境人为判断来选择合理的大小。
一些示例性实施例中，确定第二传输方向(网络设备b到网络设备a的方向)的延时估计值δ采用与确定第一传输方向的延时估计值τ相似的方式，在此不进行一一赘述。
实施例二
本公开实施例还提供了一种基于带内遥测进行时间同步的方法，其流程如图10所示，包括：
步骤101，获取第一传输方向的延时估计值和第二传输方向的延时估计值；
步骤102，根据所述第一传输方向的延时估计值和所述第二传输方向的延时估计值，确定所述第一设备相对于所述第二设备的时间系统误差；
其中，所述第一传输方向的延时估计值根据第一传输方向的多个延时样本确定，所述第二传输方向的延时估计值根据第二传输方向的多个延时样本确定；
所述第一传输方向为第二设备到第一设备的方向，所述第二传输方向为所述第一设备到所述第二设备的方向；
其中，所述第一设备和第二设备均为带内遥测网络设备。
一些示例性实施例中，所述第一设备相对于所述第二设备的时间系统误差＝(τ-δ)/2；
其中，τ为所述第一传输方向的延时估计值，δ为所述第二传输方向的延时估计值。
一些示例性实施例中，根据以下方式之一确定对应传输方向的延时估计值：
根据该传输方向的多个延时样本，采用平均值法确定该传输方向的延时估计值；
根据该传输方向的多个延时样本，采用中位数法确定该传输方向的延时估计值；
根据该传输方向的多个延时样本，采用众数法确定该传输方向的延时估计值；
根据该传输方向的多个延时样本，采用概率密度估计法确定该传输方向的延时估计值。
一些示例性实施例中，所述根据该传输方向的多个延时样本，采用概率密度估计法确定该传输方向的延时估计值，包括：
采用高斯混合模型拟合所述多个延时样本的概率密度函数，根据该概率密度函数确定所述延时估计值；
或者，
采用核密度估计法拟合所述多个延时样本的概率密度函数，根据该概率密度函数确定所述延时估计值。
一些示例性实施例中，所述根据该传输方向的多个延时样本，采用概率密度估计法确定该传输方向的延时估计值，包括：
获取该传输方向的目的设备所处环境的时延噪声；
当所述时延噪声大于预设的噪声阈值时，采用高斯混合模型拟合该传输方向的多个延时样本的概率密度函数，根据该概率密度函数确定该传输方向的延时估计值；
当所述时延噪声小于或等于预设的噪声阈值时，采用核密度估计法拟合该传输方向的多个延时样本的概率密度函数，根据该概率密度函数确定该传输方向的延时估计值；
其中，所述目的设备包括：所述第一设备和所述第二设备。
一些示例性实施例中，所述高斯混合模型包含多个采用期望最大化em算法优化后的高斯模型。
一些示例性实施例中，假设混合高斯模型由k个高斯模型组成(即数据包含k个类)，则高斯混合模型(gaussianmixturemodel，gmm)的概率密度函数如下：
其中，p(x|k)＝n(x|μk,σk)是第k个高斯模型的概率密度函数，可以看成在选定第k个模型后，该模型产生x的概率；p(k)＝πk是第k个高斯模型的权重，称作选择第k个模型的先验概率，且满足
以第k个高斯模型为例，针对高斯混合模型其中第k个高斯模型的参数πk,μk,σk，使用期望最大化em算法(expectation-maximizationalgorithm)进行优化，em算法可以用于解决数据缺失的参数估计问题(隐变量的存在实际上就是数据缺失问题，缺失了各个样本来源于哪一类的记录)。em算法分两步，第一步先求出要估计参数的粗略值，第二步使用第一步的值最大化似然函数。相关具体步骤参照实施例一所记载，在此不再赘述。
一些示例性实施例中，所述核密度估计法中的核函数为高斯核函数。
一些示例性实施例中，所述核密度估计法中的核函数还包括以下函数之一：cos、biw、epa、tri、triw。采用核密度估计法拟合得到多个延时样本的概率密度函数的进一步细节步骤参照实施例一所记载，在此不再赘述。
一些示例性实施例中，所述根据所述第一传输方向的延时估计值和所述第二传输方向的延时估计值，确定所述第一设备相对于所述第二设备的时间系统误差，包括：
所述第一设备根据所获取的第一传输方向的延时估计值和第二传输方向的延时估计值，确定所述第一设备相对于所述第二设备的时间系统误差；
或者，
采集器根据所获取的第一传输方向的延时估计值和第二传输方向的延时估计值，确定所述第一设备相对于所述第二设备的时间系统误差；
所述采集器向所述第一设备发布所述第一设备相对于所述第二设备的时间系统误差。
实施例三
本公开实施例还提供了一种基于带内遥测进行时间同步的装置，包括：
延时估计模块1101，设置为获取第一传输方向的延时估计值和第二传输方向的延时估计值；
时间系统误差确定模块1102，设置为根据所述第一传输方向的延时估计值和所述第二传输方向的延时估计值，确定所述第一设备相对于所述第二设备的时间系统误差；
其中，所述第一传输方向的延时估计值根据第一传输方向的多个延时样本确定，所述第二传输方向的延时估计值根据第二传输方向的多个延时样本确定；
所述第一传输方向为第二设备到第一设备的方向，所述第二传输方向为所述第一设备到所述第二设备的方向；
其中，所述第一设备和第二设备均为带内遥测网络设备。
实施例四
本公开实施例还提供了一种基于带内遥测进行时间同步的系统，包括：
第一设备和第二设备；
其中，所述第一设备设置为，获取第一传输方向的延时估计值和第二传输方向的延时估计值；
所述第一设备还设置为，根据所述第一传输方向的延时估计值和所述第二传输方向的延时估计值，确定所述第一设备相对于所述第二设备的时间系统误差；
其中，所述第一传输方向的延时估计值根据第一传输方向的多个延时样本确定，所述第二传输方向的延时估计值根据第二传输方向的多个延时样本确定；所述第一传输方向为所述第二设备到所述第一设备的方向，所述第二传输方向为所述第一设备到所述第二设备的方向；
所述第一设备和第二设备均为带内遥测网络设备。
一些示例性实施例中，所述第一设备获取第一传输方向的延时估计值，包括：所述第一设备根据第一传输方向的多个延时样本确定第一传输方向的延时估计值；
所述第一设备获取第二传输方向的延时估计值，包括：所述第一设备从所述第二设备获取所述第二传输方向的延时估计值；所述第二传输方向的延时估计值是所述第二设备根据第二传输方向的多个延时样本确定。
实施例五
本公开实施例还提供了一种基于带内遥测进行时间同步的系统，包括：所述系统包括：第一设备、第二设备和采集器；
其中，所述采集器设置为，获取第一传输方向的延时估计值和第二传输方向的延时估计值；
所述采集器还设置为，根据所述第一传输方向的延时估计值和所述第二传输方向的延时估计值，确定所述第一设备相对于所述第二设备的时间系统误差；
所述采集器还设置为，将所确定的时间系统误差发布给所述第一设备；
其中，所述第一传输方向的延时估计值根据第一传输方向的多个延时样本确定，所述第二传输方向的延时估计值根据第二传输方向的多个延时样本确定；所述第一传输方向为所述第二设备到所述第一设备的方向，所述第二传输方向为所述第一设备到所述第二设备的方向；
所述第一设备和第二设备均为带内遥测网络设备。
一些示例性实施例中，所述采集器获取第一传输方向的延时估计值，包括：所述采集器从所述第一设备获取所述第一传输方向的延时估计值；所述第一传输方向的延时估计值是所述第一设备根据第一传输方向的多个延时样本确定；
所述采集器获取第二传输方向的延时估计值，包括：所述采集器从所述第二设备获取所述第二传输方向的延时估计值；所述第二传输方向的延时估计值是所述第二设备根据第二传输方向的多个延时样本确定。
一些示例性实施例中，所述采集器获取第一传输方向的延时估计值，包括：所述采集器获取第一传输方向的多个延时样本，并根据所述第一传输方向的多个延时样本确定所述第一传输方向的延时估计值；
所述采集器获取第二传输方向的延时估计值，包括：所述采集器获取第二传输方向的多个延时样本，并根据所述第二传输方向的多个延时样本确定所述第二传输方向的延时估计值。
本公开实施例还提供一种电子装置，包括存储器和处理器，所述存储器中存储有用于进行时间同步的计算机程序，所述处理器被设置为读取并运行所述用于进行时间同步的计算机程序以执行上述任一所述的时间同步的方法。
本公开实施例还提供一种存储介质，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行上述任一所述的时间同步的方法。
本公开所提供的时间同步方案，基于网络遥测来进行时间同步，避免了时间同步客户端带来的带宽开销，在进行网络遥测的同时实现了更高精度的网络时间同步。此方案可以在路由器、交换机等网络基础设施上实现。
本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中，在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分；例如，一个物理组件可以具有多个功能，或者一个功能或步骤可以由若干物理组件合作执行。某些组件或所有组件可以被实施为由处理器，如数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于ram、rom、eeprom、闪存或其他存储器技术、cd-rom、数字多功能盘(dvd)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。
1.一种基于带内遥测进行时间同步的方法，其特征在于，包括，
获取第一传输方向的延时估计值和第二传输方向的延时估计值；其中，所述第一传输方向的延时估计值根据第一传输方向的多个延时样本确定，所述第二传输方向的延时估计值根据第二传输方向的多个延时样本确定；所述第一传输方向为第二设备到第一设备的方向，所述第二传输方向为所述第一设备到所述第二设备的方向；
根据所述第一传输方向的延时估计值和所述第二传输方向的延时估计值，确定所述第一设备相对于所述第二设备的时间系统误差；
其中，所述第一设备和第二设备均为带内遥测网络设备。
2.根据权利要求1所述的方法，其特征在于，
所述第一设备相对于所述第二设备的时间系统误差＝(τ-δ)/2；
其中，τ为所述第一传输方向的延时估计值，δ为所述第二传输方向的延时估计值。
3.根据权利要求1或2所述的方法，其特征在于，
根据以下方式之一确定对应传输方向的延时估计值：
根据该传输方向的多个延时样本，采用平均值法确定该传输方向的延时估计值；
根据该传输方向的多个延时样本，采用中位数法确定该传输方向的延时估计值；
根据该传输方向的多个延时样本，采用众数法确定该传输方向的延时估计值；
根据该传输方向的多个延时样本，采用概率密度估计法确定该传输方向的延时估计值。
4.根据权利要求3所述的方法，其特征在于，
所述根据该传输方向的多个延时样本，采用概率密度估计法确定该传输方向的延时估计值，包括：
采用高斯混合模型拟合所述多个延时样本的概率密度函数，根据该概率密度函数确定所述延时估计值；
或者，
采用核密度估计法拟合所述多个延时样本的概率密度函数，根据该概率密度函数确定所述延时估计值。
5.根据权利要求3所述的方法，其特征在于，
所述根据该传输方向的多个延时样本，采用概率密度估计法确定该传输方向的延时估计值，包括：
获取该传输方向的目的设备所处环境的时延噪声；
当所述时延噪声大于预设的噪声阈值时，采用高斯混合模型拟合该传输方向的多个延时样本的概率密度函数，根据该概率密度函数确定该传输方向的延时估计值；
当所述时延噪声小于或等于预设的噪声阈值时，采用核密度估计法拟合该传输方向的多个延时样本的概率密度函数，根据该概率密度函数确定该传输方向的延时估计值；
其中，所述目的设备包括：所述第一设备和所述第二设备。
6.根据权利要求4所述的方法，其特征在于，
所述高斯混合模型包含多个采用期望最大化em算法优化后的高斯模型。
7.根据权利要求4所述的方法，其特征在于，
所述核密度估计法中的核函数为高斯核函数。
8.根据权利要求1或2所述的方法，其特征在于，
所述根据所述第一传输方向的延时估计值和所述第二传输方向的延时估计值，确定所述第一设备相对于所述第二设备的时间系统误差，包括：
所述第一设备根据所获取的第一传输方向的延时估计值和第二传输方向的延时估计值，确定所述第一设备相对于所述第二设备的时间系统误差；
或者，
采集器根据所获取的第一传输方向的延时估计值和第二传输方向的延时估计值，确定所述第一设备相对于所述第二设备的时间系统误差；
所述采集器向所述第一设备发布所述第一设备相对于所述第二设备的时间系统误差。
9.一种基于带内遥测进行时间同步的系统，其特征在于，
所述系统包括：第一设备和第二设备；
其中，所述第一设备设置为，获取第一传输方向的延时估计值和第二传输方向的延时估计值；
所述第一设备还设置为，根据所述第一传输方向的延时估计值和所述第二传输方向的延时估计值，确定所述第一设备相对于所述第二设备的时间系统误差；
或者，
所述系统包括：第一设备、第二设备和采集器；
其中，所述采集器设置为，获取第一传输方向的延时估计值和第二传输方向的延时估计值；
所述采集器还设置为，根据所述第一传输方向的延时估计值和所述第二传输方向的延时估计值，确定所述第一设备相对于所述第二设备的时间系统误差；
所述采集器还设置为，将所确定的时间系统误差发布给所述第一设备；
其中，所述第一传输方向的延时估计值根据第一传输方向的多个延时样本确定，所述第二传输方向的延时估计值根据第二传输方向的多个延时样本确定；所述第一传输方向为所述第二设备到所述第一设备的方向，所述第二传输方向为所述第一设备到所述第二设备的方向；
所述第一设备和第二设备均为带内遥测网络设备。
10.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有用于进行时间同步的计算机程序，所述处理器被设置为读取并运行所述用于进行时间同步的计算机程序以执行所述权利要求1至8任一项中所述的方法。
技术总结