针对博客网站DDoS攻击流量的估算方法，以下是几种常用的技术手段：
1、流量特征检测：通过分析网络流量的特征，如带宽使用情况、连接数、协议类型等，来识别异常流量模式，从而判断是否存在DDoS攻击。
2、异常检测：利用统计学方法或机器学习算法，对正常流量和攻击流量进行区分。例如，基于多维信息熵值的方法可以构建具有高区分度的检测向量，通过滑动窗口的多维无参数CUSUM算法放大正常流量与攻击流量的差异。
3、基于人工智能的检测：使用分类算法、聚类算法和深度学习算法来检测DDoS攻击。这些方法能够从大量数据中提取特征，并通过模型预测是否存在攻击。
4、误用检测：根据已知的攻击特征直接检测入侵行为。例如，通过特征码分析、状态转换分析等方法，将流量与已知攻击模式进行比较。
5、基于网络全局流量异常特征的检测：通过对全网或运营商网络中的OD对（源-目的地）之间的流量进行测量，构建网络流量模型，从而检测异常流量。
6、实时监控和分析流量：实时监控和分析流量可以及时发现异常情况，采取相应的应对措施。通过配置流量监控工具的预警功能，设置合理的预警阈值，当流量超过阈值时，及时发送报警信息。
7、应用速率限制：速率限制可以防止单个IP地址在短时间内发送大量请求，减轻服务器压力。通过在服务器配置文件中设置IP限流策略，如Nginx的limit_req模块，限制单个IP地址的请求速率，防止恶意IP地址的攻击。
8、流量统计：通过对网络流量的实时监控和统计数据的分析，设定一个阈值来识别异常流量。当流量超过这个阈值时，就可能意味着发生了DDoS攻击。同时，对异常流量的特征进行分析和识别，例如在SYN洪水攻击中，异常流量主要表现为大量的TCP SYN报文；在UDP洪水攻击中，异常流量主要表现为大量的UDP报文。
这些方法可以帮助博客网站管理员对DDoS攻击流量进行有效估算，从而采取相应的防御措施。