CN114726739A - 拓扑数据处理方法、装置、设备及存储介质 - Google Patents
拓扑数据处理方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114726739A CN114726739A CN202210402175.XA CN202210402175A CN114726739A CN 114726739 A CN114726739 A CN 114726739A CN 202210402175 A CN202210402175 A CN 202210402175A CN 114726739 A CN114726739 A CN 114726739A
- Authority
- CN
- China
- Prior art keywords
- topological
- model
- information
- topology
- configuration
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 21
- 238000012545 processing Methods 0.000 claims abstract description 66
- 238000000034 method Methods 0.000 claims abstract description 17
- 238000012544 monitoring process Methods 0.000 claims abstract description 13
- 238000000605 extraction Methods 0.000 claims description 19
- 239000011159 matrix material Substances 0.000 claims description 16
- 238000013527 convolutional neural network Methods 0.000 claims description 11
- 238000013507 mapping Methods 0.000 claims description 7
- 238000010586 diagram Methods 0.000 description 6
- 239000000284 extract Substances 0.000 description 6
- 238000013135 deep learning Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 230000010354 integration Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/12—Discovery or management of network topologies
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/16—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks using machine learning or artificial intelligence
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明涉及数据处理领域，公开了一种拓扑数据处理方法、装置、设备及存储介质，用于提高拓扑数据处理的效率。所述拓扑数据处理方法包括：通过预置的资源配置中心实时监听拓扑数据流，得到初始数据信息，并对所述初始数据信息进行配置信息提取，得到目标配置；根据所述资源配置中心创建配置模型，得到初始模型，并对所述初始模型进行属性配置，得到拓扑模型；通过所述拓扑模型获取所述目标配置的拓扑信息，得到拓扑信息；根据所述拓扑信息和所述拓扑模型生成目标拓扑图。
Description
技术领域
本发明涉及数据处理领域，尤其涉及一种拓扑数据处理方法、装置、设备及存储介质。
背景技术
云计算平台，是指基于硬件资源和软件资源的服务，提供计算、网络和存储能力的平台。云计算平台中各种功能的实现，是借助于云计算平台中各个设备间的协作来实现的。云计算平台的部署，通常需要基于云计算平台的拓扑图来实现，在云计算平台的拓扑图中，可以清晰而直观的展示出云计算平台中各个设备之间的连接关系和设置位置。
现有方案通过拓扑反映系统中应用与资源的关系，从而使云管理者能直面查看与管理，但是现有方案绘制周期长，即现有方案的效率低。
发明内容
本发明提供了一种拓扑数据处理方法、装置、设备及存储介质，用于提高拓扑数据处理的效率。
本发明第一方面提供了一种拓扑数据处理方法，所述拓扑数据处理方法包括：通过预置的资源配置中心实时监听拓扑数据流，得到初始数据信息，并对所述初始数据信息进行配置信息提取，得到目标配置；根据所述资源配置中心创建配置模型，得到初始模型，并对所述初始模型进行属性配置，得到拓扑模型；通过所述拓扑模型获取所述目标配置的拓扑信息，得到拓扑信息；根据所述拓扑信息和所述拓扑模型生成目标拓扑图。
可选的，在本发明第一方面的第一种实现方式中，所述根据所述资源配置中心创建配置模型，得到初始模型，并对所述初始模型进行属性配置，得到拓扑模型，包括：通过所述资源配置中心构建模型的参数配置，其中，所述参数配置包括模型分组，名称和图标；基于所述参数配置生成初始模型；基于所述初始模型创建字段和字段对应的属性，得到拓扑模型。
可选的，在本发明第一方面的第二种实现方式中，所述根据所述拓扑信息和所述拓扑模型生成目标拓扑图，包括：根据所述拓扑信息确定拓扑节点，得到多个拓扑节点，并根据所述拓扑节点确定所述拓扑节点对应的节点信息；基于所述节点信息和所述拓扑模型生成目标拓扑图。
可选的，在本发明第一方面的第三种实现方式中，所述基于所述节点信息和所述拓扑模型生成目标拓扑图，包括：根据所述节点信息确定每个拓扑节点对应的匹配信息，并根据所述匹配信息确定每个拓扑节点对应的位置信息；根据所述匹配信息和所述位置信息生成目标拓扑图。
可选的，在本发明第一方面的第四种实现方式中，所述根据所述匹配信息和所述位置信息生成目标拓扑图，包括：将所述匹配信息和所述位置信息输入预置的图卷积网络模型，其中，所述图卷积网络模型包括特征提取层和生成网络；通过所述特征提取层对所述匹配信息和所述位置信息进行特征提取，得到低维向量；将所述低纬向量输入所述生成网络进行拓扑图生成，得到目标拓扑图。
可选的，在本发明第一方面的第五种实现方式中，所述将所述低纬向量输入所述生成网络进行拓扑图生成，得到目标拓扑图，包括：将所述低纬向量输入所述生成网络，其中，所述生成网络包括上采样层、卷积神经网络和输出层；通过所述上采样层对所述低纬向量进行上采样处理，得到邻接矩阵；将所述邻接矩阵输入所述卷积神经网络进行卷积处理，生成初始概率值；通过所述输出层对所述初始概率值进行映射处理，生成目标拓扑图。
可选的，在本发明第一方面的第六种实现方式中，所述拓扑数据处理方法还包括：通过预置的数据交换接口对所述目标拓扑图进行数据交换并建立所述目标拓扑图对应的展示模型；根据所述展示模型对所述目标拓扑图进行画布展示。
本发明第二方面提供了一种拓扑数据处理装置，所述拓扑数据处理装置包括：监听模块，用于通过预置的资源配置中心实时监听拓扑数据流，得到初始数据信息，并对所述初始数据信息进行配置信息提取，得到目标配置；配置模块，用于根据所述资源配置中心创建配置模型，得到初始模型，并对所述初始模型进行属性配置，得到拓扑模型；获取模块，用于通过所述拓扑模型获取所述目标配置的拓扑信息，得到拓扑信息；生成模块，用于根据所述拓扑信息和所述拓扑模型生成目标拓扑图。
可选的，在本发明第二方面的第一种实现方式中，所述配置模块具体用于：通过所述资源配置中心构建模型的参数配置，其中，所述参数配置包括模型分组，名称和图标；基于所述参数配置生成初始模型；基于所述初始模型创建字段和字段对应的属性，得到拓扑模型。
可选的，在本发明第二方面的第二种实现方式中，所述生成模块还包括：处理子模块，用于根据所述拓扑信息确定拓扑节点，得到多个拓扑节点，并根据所述拓扑节点确定所述拓扑节点对应的节点信息；生成子模块，用于基于所述节点信息和所述拓扑模型生成目标拓扑图。
可选的，在本发明第二方面的第三种实现方式中，所述生成子模块还包括：匹配单元，用于根据所述节点信息确定每个拓扑节点对应的匹配信息，并根据所述匹配信息确定每个拓扑节点对应的位置信息；生成单元，用于根据所述匹配信息和所述位置信息生成目标拓扑图。
可选的，在本发明第二方面的第四种实现方式中，所述生成单元还包括：输入子单元，用于将所述匹配信息和所述位置信息输入预置的图卷积网络模型，其中，所述图卷积网络模型包括特征提取层和生成网络；提取子单元，用于通过所述特征提取层对所述匹配信息和所述位置信息进行特征提取，得到低维向量；生成子单元，用于将所述低纬向量输入所述生成网络进行拓扑图生成，得到目标拓扑图。
可选的，在本发明第二方面的第五种实现方式中，所述生成子单元具体用于：将所述低纬向量输入所述生成网络，其中，所述生成网络包括上采样层、卷积神经网络和输出层；通过所述上采样层对所述低纬向量进行上采样处理，得到邻接矩阵；将所述邻接矩阵输入所述卷积神经网络进行卷积处理，生成初始概率值；通过所述输出层对所述初始概率值进行映射处理，生成目标拓扑图。
可选的，在本发明第二方面的第六种实现方式中，所述拓扑数据处理装置还包括：展示模块，用于通过预置的数据交换接口对所述目标拓扑图进行数据交换并建立所述目标拓扑图对应的展示模型；根据所述展示模型对所述目标拓扑图进行画布展示。
本发明第三方面提供了一种拓扑数据处理设备，包括：存储器和至少一个处理器，所述存储器中存储有指令；所述至少一个处理器调用所述存储器中的所述指令，以使得所述拓扑数据处理设备执行上述的拓扑数据处理方法。
本发明的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述的拓扑数据处理方法。
本发明提供的技术方案中，通过预置的资源配置中心实时监听拓扑数据流，得到初始数据信息，并对所述初始数据信息进行配置信息提取，得到目标配置；根据所述资源配置中心创建配置模型，得到初始模型，并对所述初始模型进行属性配置，得到拓扑模型；通过所述拓扑模型获取所述目标配置的拓扑信息，得到拓扑信息；根据所述拓扑信息和所述拓扑模型生成目标拓扑图。本发明通过构造拓扑模型然后通过拓扑模型对拓扑信息进行深度学习处理，提高了拓扑信息的处理效率，进而提高了拓扑数据处理的效率。
附图说明
图1为本发明实施例中拓扑数据处理方法的一个实施例示意图；
图2为本发明实施例中拓扑数据处理方法的另一个实施例示意图；
图3为本发明实施例中拓扑数据处理装置的一个实施例示意图；
图4为本发明实施例中拓扑数据处理装置的另一个实施例示意图；
图5为本发明实施例中拓扑数据处理设备的一个实施例示意图。
具体实施方式
本发明实施例提供了一种拓扑数据处理方法、装置、设备及存储介质，用于提高拓扑数据处理的效率。本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等（如果存在）是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”或“具有”及其任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于理解，下面对本发明实施例的具体流程进行描述，请参阅图1，本发明实施例中拓扑数据处理方法的第一个实施例包括：
101、通过预置的资源配置中心实时监听拓扑数据流，得到初始数据信息，并对初始数据信息进行配置信息提取，得到目标配置；
可以理解的是，本发明的执行主体可以为拓扑数据处理装置，还可以是终端或者服务器，具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。
需要说明的是，本发明主要包括资源配置中心，监控中心和拓扑管理，资源配置中心主要用于配置模型的基本信息，为拓扑点提供一个实例化的模板以及实例，资源监控模块主要是时刻监听拓扑的数据流，根据场景的变化改变拓扑图的展示，拓扑管理主要是根据资源配置中心的模型，进行拓扑图的创建与展示。服务器通过预置的资源配置中心实时监听拓扑数据流，得到初始数据信息，然后服务器对初始数据信息进行配置信息提取，得到目标配置。
102、根据资源配置中心创建配置模型，得到初始模型，并对初始模型进行属性配置，得到拓扑模型；
具体的，服务器根据资源配置中心创建配置模型，得到初始模型，并对初始模型进行属性配置，得到拓扑模型，该拓扑模型可以为图神经网络模型，图神经网络模型包括：上采样层、卷积层、全连接层、批归一化层、修正线性单元和S型函数，其中，服务器创建配置模型主要是构建模型的分组，名称和图标，模型分组是起到一个分类的作用，用于标识大的业务场景，用户可根据实际的场景选择不同的模型分组。模型名称和模型图标，则是针对不同场景下，具象化的一个展示，比如，模型分组为”操作系统”的场景下，可以建立模型名称为windows，linux，unix，AIX等模型，并配上对应的模型图标。服务器对每个模型都单独设置字段，原因有四个，一个是用户能更加精确的控制需要展示的字段，第二个字段可以根据实际情况修改，达到一个灵活的配置效果，第三个是在展示模型的详情页的时候，可以直接获取设置好的字段，依照属性直接部署在系统界面上，并且可以在整个系统复用展示，不需要单独去开发界面，第四个是对用户权限的控制能精确到字段。
103、通过拓扑模型获取目标配置的拓扑信息，得到拓扑信息；
具体的，服务器通过拓扑模型获取目标配置的拓扑信息，主要是创建字段以及字段对应的属性设置。创建的字段，是具有业务意义的，是能标识该模型的，比如模型为windows，则可以创建“系统名称”，“处理器”，“系统版本”等等字段，而每创建一个字段，都可以增加自定义属性，都要进一步对属性进行设置，属性类型则包括是否必填，是否唯一和控件类型三个拓扑信息。
104、根据拓扑信息和拓扑模型生成目标拓扑图。
需要说明的是，由于拓扑的节点是从资源配置的模型实例中选取，数据以及样式的控制是从拓扑方案获取，因此用户只需在展示模型中，自行构建拓扑图即可，或者通过调用接口返回的数据，服务器根据拓扑信息和拓扑模型构建拓扑图，从而生成目标拓扑图。
可选的，服务器通过预置的数据交换接口对目标拓扑图进行数据交换并建立目标拓扑图对应的展示模型；服务器根据展示模型对目标拓扑图进行画布展示。
具体的，服务器通过预置的数据交换接口对目标拓扑图进行数据交换并建立目标拓扑图对应的展示模型；服务器根据展示模型对目标拓扑图进行画布展示，服务器通过训练完成的拓扑模型，快速自动生成拓扑图，从而缓解了依靠人工绘制拓扑图而产生的绘制周期长、效率低下以及人力成本过高的问题。
本发明实施例中，通过预置的资源配置中心实时监听拓扑数据流，得到初始数据信息，并对初始数据信息进行配置信息提取，得到目标配置；根据资源配置中心创建配置模型，得到初始模型，并对初始模型进行属性配置，得到拓扑模型；通过拓扑模型获取目标配置的拓扑信息，得到拓扑信息；根据拓扑信息和拓扑模型生成目标拓扑图。本发明通过构造拓扑模型然后通过拓扑模型对拓扑信息进行深度学习处理，提高了拓扑信息的处理效率，进而提高了拓扑数据处理的效率。
请参阅图2，本发明实施例中拓扑数据处理方法的第二个实施例包括：
201、通过预置的资源配置中心实时监听拓扑数据流，得到初始数据信息，并对初始数据信息进行配置信息提取，得到目标配置；
需要说明的是，本发明主要包括资源配置中心，监控中心和拓扑管理，资源配置中心主要用于配置模型的基本信息，为拓扑点提供一个实例化的模板以及实例，资源监控模块主要是时刻监听拓扑的数据流，根据场景的变化改变拓扑图的展示，拓扑管理主要是根据资源配置中心的模型，进行拓扑图的创建与展示。服务器通过预置的资源配置中心实时监听拓扑数据流，得到初始数据信息，然后服务器对初始数据信息进行配置信息提取，得到目标配置。
202、根据资源配置中心创建配置模型，得到初始模型，并对初始模型进行属性配置，得到拓扑模型；
可选的，服务器通过资源配置中心构建模型的参数配置，其中，参数配置包括模型分组，名称和图标；服务器基于参数配置生成初始模型；服务器基于初始模型创建字段和字段对应的属性，得到拓扑模型。
具体的，服务器通过资源配置中心构建模型的参数配置，服务器通过标识该字段是什么形式的展示控件。展示控件从效果上看，可分为单行文本，多行文本，密码，数值，日期，布尔，单选，多选，下拉，附件等等，常用于展示或者描述信息，因此控件类型也大致是上述的几种，不过也有许多高阶控件同时集合了多种基础控件。也正是因为控件类型不一致，因此每个字段的属性设置也不会完全一样，比如创建一个为字段，名为”系统名称”，控件类型为单行文本，这里的属性设置，更多针对的是文本内容，比如限制文本的字数，创建另外一个字段，名为”系统时间”，控件类型为日期，则此时属性设置上，就只能设置时间格式。
203、通过拓扑模型获取目标配置的拓扑信息，得到拓扑信息；
具体的，服务器通过拓扑模型获取目标配置的拓扑信息，主要是创建字段以及字段对应的属性设置。创建的字段，是具有业务意义的，是能标识该模型的，比如模型为windows，则可以创建“系统名称”，“处理器”，“系统版本”等等字段，而每创建一个字段，都可以增加自定义属性，都要进一步对属性进行设置，属性类型则包括是否必填，是否唯一，以及控件类型三个拓扑信息。
204、根据拓扑信息确定拓扑节点，得到多个拓扑节点，并根据拓扑节点确定拓扑节点对应的节点信息；
具体的，服务器根据拓扑信息确定拓扑节点，得到多个拓扑节点，服务器根据该拓扑信息中的节点配置，对节点配置中的节点进行提取，打的多个拓扑节点，服务器根据拓扑节点确定拓扑节点对应的节点信息。
205、基于节点信息和拓扑模型生成目标拓扑图。
需要说明的是，由于拓扑的节点是从资源配置的模型实例中选取，数据以及样式的控制是从拓扑方案获取，因此用户只需在画布中，自行构建拓扑图即可，或者通过调用接口返回的数据，服务器根据拓扑信息和拓扑模型构建拓扑图，从而生成目标拓扑图。
可选的，服务器根据节点信息确定每个拓扑节点对应的匹配信息，并根据匹配信息确定每个拓扑节点对应的位置信息；服务器根据匹配信息和位置信息生成目标拓扑图。
可选的，服务器将匹配信息和位置信息输入预置的图卷积网络模型，其中，图卷积网络模型包括特征提取层和生成网络；服务器通过特征提取层对匹配信息和位置信息进行特征提取，得到低维向量；服务器将低纬向量输入生成网络进行拓扑图生成，得到目标拓扑图。
具体的，该图卷积网络模型具体包括：上采样层、卷积层、全连接层、批归一化层、修正线性单元和S型函数。基于图卷积网络模型，特征提取节点信息和拓扑结构，以获取节点信息和拓扑结构的低维向量表示；输入性能参数和低维向量表示至全连接层，以生成特征整合信息；将特征整合信息输入预设的生成网络，以生成多节点互联拓扑结构；获取多节点互联拓扑结构的特征值，确保多节点互联拓扑结构满足预设的准确性要求。
可选的，服务器将低纬向量输入生成网络，其中，生成网络包括上采样层、卷积神经网络和输出层；服务器通过上采样层对低纬向量进行上采样处理，得到邻接矩阵；服务器将邻接矩阵输入卷积神经网络进行卷积处理，生成初始概率值；服务器通过输出层对初始概率值进行映射处理，生成目标拓扑图。
具体的，该上采样层的上采样过程具体包括：假设特征整合信息为一个包含V个顶点和E个邻边的图S(V，E)；基于图S(V，E)依次进行如下操作：将图S(V，E)映射到一个包含N*n个顶点和E*m个邻边的图；基于图，生成邻接矩阵，并获得邻接矩阵的初始值；基于邻接矩阵的初始值，对邻接矩阵进行训练，以获得邻接矩阵的最佳值，服务器将邻接矩阵输入卷积神经网络进行卷积处理，生成初始概率值；服务器通过输出层对初始概率值进行映射处理，生成目标拓扑图。
本发明实施例中，通过预置的资源配置中心实时监听拓扑数据流，得到初始数据信息，并对初始数据信息进行配置信息提取，得到目标配置；根据资源配置中心创建配置模型，得到初始模型，并对初始模型进行属性配置，得到拓扑模型；通过拓扑模型获取目标配置的拓扑信息，得到拓扑信息；根据拓扑信息和拓扑模型生成目标拓扑图。本发明通过构造拓扑模型然后通过拓扑模型对拓扑信息进行深度学习处理，提高了拓扑信息的处理效率，进而提高了拓扑数据处理的效率。
上面对本发明实施例中拓扑数据处理方法进行了描述，下面对本发明实施例中拓扑数据处理装置进行描述，请参阅图3，本发明实施例中拓扑数据处理装置第一个实施例包括：
监听模块301，用于通过预置的资源配置中心实时监听拓扑数据流，得到初始数据信息，并对所述初始数据信息进行配置信息提取，得到目标配置；
配置模块302，用于根据所述资源配置中心创建配置模型，得到初始模型，并对所述初始模型进行属性配置，得到拓扑模型；
获取模块303，用于通过所述拓扑模型获取所述目标配置的拓扑信息，得到拓扑信息；
生成模块304，用于根据所述拓扑信息和所述拓扑模型生成目标拓扑图。
本发明实施例中，通过预置的资源配置中心实时监听拓扑数据流，得到初始数据信息，并对所述初始数据信息进行配置信息提取，得到目标配置；根据所述资源配置中心创建配置模型，得到初始模型，并对所述初始模型进行属性配置，得到拓扑模型；通过所述拓扑模型获取所述目标配置的拓扑信息，得到拓扑信息；根据所述拓扑信息和所述拓扑模型生成目标拓扑图。本发明通过构造拓扑模型然后通过拓扑模型对拓扑信息进行深度学习处理，提高了拓扑信息的处理效率，进而提高了拓扑数据处理的效率。
请参阅图4，本发明实施例中拓扑数据处理装置第二个实施例包括：
监听模块301，用于通过预置的资源配置中心实时监听拓扑数据流，得到初始数据信息，并对所述初始数据信息进行配置信息提取，得到目标配置；
配置模块302，用于根据所述资源配置中心创建配置模型，得到初始模型，并对所述初始模型进行属性配置，得到拓扑模型；
获取模块303，用于通过所述拓扑模型获取所述目标配置的拓扑信息，得到拓扑信息；
生成模块304，用于根据所述拓扑信息和所述拓扑模型生成目标拓扑图。
可选的，配置模块302具体用于：
通过所述资源配置中心构建模型的参数配置，其中，所述参数配置包括模型分组，名称和图标；基于所述参数配置生成初始模型；基于所述初始模型创建字段和字段对应的属性，得到拓扑模型。
可选的，生成模块304还包括：
处理子模块，用于根据所述拓扑信息确定拓扑节点，得到多个拓扑节点，并根据所述拓扑节点确定所述拓扑节点对应的节点信息；
生成子模块，用于基于所述节点信息和所述拓扑模型生成目标拓扑图。
可选的，生成子模块还包括：
匹配单元，用于根据所述节点信息确定每个拓扑节点对应的匹配信息，并根据所述匹配信息确定每个拓扑节点对应的位置信息；
生成单元，用于根据所述匹配信息和所述位置信息生成目标拓扑图。
可选的，生成单元还包括：
输入子单元，用于将所述匹配信息和所述位置信息输入预置的图卷积网络模型，其中，所述图卷积网络模型包括特征提取层和生成网络；
提取子单元，用于通过所述特征提取层对所述匹配信息和所述位置信息进行特征提取，得到低维向量；
生成子单元，用于将所述低纬向量输入所述生成网络进行拓扑图生成，得到目标拓扑图。
可选的，生成子单元具体用于：
将所述低纬向量输入所述生成网络，其中，所述生成网络包括上采样层、卷积神经网络和输出层；通过所述上采样层对所述低纬向量进行上采样处理，得到邻接矩阵；将所述邻接矩阵输入所述卷积神经网络进行卷积处理，生成初始概率值；通过所述输出层对所述初始概率值进行映射处理，生成目标拓扑图。
可选的，拓扑数据处理装置还包括：
展示模块305，用于通过预置的数据交换接口对所述目标拓扑图进行数据交换并建立所述目标拓扑图对应的展示模型；根据所述展示模型对所述目标拓扑图进行画布展示。
本发明实施例中，通过预置的资源配置中心实时监听拓扑数据流，得到初始数据信息，并对所述初始数据信息进行配置信息提取，得到目标配置；根据所述资源配置中心创建配置模型，得到初始模型，并对所述初始模型进行属性配置，得到拓扑模型；通过所述拓扑模型获取所述目标配置的拓扑信息，得到拓扑信息；根据所述拓扑信息和所述拓扑模型生成目标拓扑图。本发明通过构造拓扑模型然后通过拓扑模型对拓扑信息进行深度学习处理，提高了拓扑信息的处理效率，进而提高了拓扑数据处理的效率。
上面图3和图4从模块化功能实体的角度对本发明实施例中的拓扑数据处理装置进行详细描述，下面从硬件处理的角度对本发明实施例中拓扑数据处理设备进行详细描述。
图5是本发明实施例提供的一种拓扑数据处理设备的结构示意图，该拓扑数据处理设备500可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器（central processing units，CPU）510（例如，一个或一个以上处理器）和存储器520，一个或一个以上存储应用程序533或数据532的存储介质530（例如一个或一个以上海量存储设备）。其中，存储器520和存储介质530可以是短暂存储或持久存储。存储在存储介质530的程序可以包括一个或一个以上模块（图示没标出），每个模块可以包括对拓扑数据处理设备500中的一系列指令操作。更进一步地，处理器510可以设置为与存储介质530通信，在拓扑数据处理设备500上执行存储介质530中的一系列指令操作。
拓扑数据处理设备500还可以包括一个或一个以上电源540，一个或一个以上有线或无线网络接口550，一个或一个以上输入输出接口560，和/或，一个或一个以上操作系统531，例如Windows Serve，Mac OS X，Unix，Linux，FreeBSD等等。本领域技术人员可以理解，图5示出的拓扑数据处理设备结构并不构成对拓扑数据处理设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
本发明还提供一种拓扑数据处理设备，所述拓扑数据处理设备包括存储器和处理器，存储器中存储有计算机可读指令，计算机可读指令被处理器执行时，使得处理器执行上述各实施例中的所述拓扑数据处理方法的步骤。
本发明还提供一种计算机可读存储介质，该计算机可读存储介质可以为非易失性计算机可读存储介质，该计算机可读存储介质也可以为易失性计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在计算机上运行时，使得计算机执行所述拓扑数据处理方法的步骤。
进一步地，计算机可读存储介质可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据区块链节点的使用所创建的数据等。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（read-only memory，ROM）、随机存取存储器（random access memory，RAM）、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种拓扑数据处理方法，其特征在于，所述拓扑数据处理方法包括：
通过预置的资源配置中心实时监听拓扑数据流，得到初始数据信息，并对所述初始数据信息进行配置信息提取，得到目标配置；
根据所述资源配置中心创建配置模型，得到初始模型，并对所述初始模型进行属性配置，得到拓扑模型；
通过所述拓扑模型获取所述目标配置的拓扑信息，得到拓扑信息；
根据所述拓扑信息和所述拓扑模型生成目标拓扑图。
2.根据权利要求1所述的拓扑数据处理方法，其特征在于，所述根据所述资源配置中心创建配置模型，得到初始模型，并对所述初始模型进行属性配置，得到拓扑模型，包括：
通过所述资源配置中心构建模型的参数配置，其中，所述参数配置包括模型分组，名称和图标；
基于所述参数配置生成初始模型；
基于所述初始模型创建字段和字段对应的属性，得到拓扑模型。
3.根据权利要求1所述的拓扑数据处理方法，其特征在于，所述根据所述拓扑信息和所述拓扑模型生成目标拓扑图，包括：
根据所述拓扑信息确定拓扑节点，得到多个拓扑节点，并根据所述拓扑节点确定所述拓扑节点对应的节点信息；
基于所述节点信息和所述拓扑模型生成目标拓扑图。
4.根据权利要求3所述的拓扑数据处理方法，其特征在于，所述基于所述节点信息和所述拓扑模型生成目标拓扑图，包括：
根据所述节点信息确定每个拓扑节点对应的匹配信息，并根据所述匹配信息确定每个拓扑节点对应的位置信息；
根据所述匹配信息和所述位置信息生成目标拓扑图。
5.根据权利要求4所述的拓扑数据处理方法，其特征在于，所述根据所述匹配信息和所述位置信息生成目标拓扑图，包括：
将所述匹配信息和所述位置信息输入预置的图卷积网络模型，其中，所述图卷积网络模型包括特征提取层和生成网络；
通过所述特征提取层对所述匹配信息和所述位置信息进行特征提取，得到低维向量；
将所述低纬向量输入所述生成网络进行拓扑图生成，得到目标拓扑图。
6.根据权利要求5所述的拓扑数据处理方法，其特征在于，所述将所述低纬向量输入所述生成网络进行拓扑图生成，得到目标拓扑图，包括：
将所述低纬向量输入所述生成网络，其中，所述生成网络包括上采样层、卷积神经网络和输出层；
通过所述上采样层对所述低纬向量进行上采样处理，得到邻接矩阵；
将所述邻接矩阵输入所述卷积神经网络进行卷积处理，生成初始概率值；
通过所述输出层对所述初始概率值进行映射处理，生成目标拓扑图。
7.根据权利要求1-6中任一项所述的拓扑数据处理方法，其特征在于，所述拓扑数据处理方法还包括：
通过预置的数据交换接口对所述目标拓扑图进行数据交换并建立所述目标拓扑图对应的展示模型；
根据所述展示模型对所述目标拓扑图进行画布展示。
8.一种拓扑数据处理装置，其特征在于，所述拓扑数据处理装置包括：
监听模块，用于通过预置的资源配置中心实时监听拓扑数据流，得到初始数据信息，并对所述初始数据信息进行配置信息提取，得到目标配置；
配置模块，用于根据所述资源配置中心创建配置模型，得到初始模型，并对所述初始模型进行属性配置，得到拓扑模型；
获取模块，用于通过所述拓扑模型获取所述目标配置的拓扑信息，得到拓扑信息；
生成模块，用于根据所述拓扑信息和所述拓扑模型生成目标拓扑图。
9.一种拓扑数据处理设备，其特征在于，所述拓扑数据处理设备包括：存储器和至少一个处理器，所述存储器中存储有指令；
所述至少一个处理器调用所述存储器中的所述指令，以使得所述拓扑数据处理设备执行如权利要求1-7中任一项所述的拓扑数据处理方法。
10.一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，其特征在于，所述指令被处理器执行时实现如权利要求1-7中任一项所述的拓扑数据处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210402175.XA CN114726739B (zh) | 2022-04-18 | 2022-04-18 | 拓扑数据处理方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210402175.XA CN114726739B (zh) | 2022-04-18 | 2022-04-18 | 拓扑数据处理方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114726739A true CN114726739A (zh) | 2022-07-08 |
| CN114726739B CN114726739B (zh) | 2024-04-09 |
Family
ID=82244489
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210402175.XA Active CN114726739B (zh) | 2022-04-18 | 2022-04-18 | 拓扑数据处理方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114726739B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117557118A (zh) * | 2023-11-13 | 2024-02-13 | 国网江苏省电力有限公司镇江供电分公司 | 基于机器学习的ups系统供电拓扑图生成方法 |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6151031A (en) * | 1996-09-09 | 2000-11-21 | Hewlett-Packard Company | Map builder system and method for enabling generic interfacing of an application with a display map generation process in a management system |
| US20140365196A1 (en) * | 2010-08-25 | 2014-12-11 | Telefonaktiebolaget L M Ericsson (Publ) | Infrastructure Model Generation System And Method |
| US20190190773A1 (en) * | 2017-12-15 | 2019-06-20 | International Business Machines Corporation | Building and fixing a dynamic application topology in a cloud based environment leveraging log file data |
| CN110838944A (zh) * | 2019-11-15 | 2020-02-25 | 浪潮云信息技术有限公司 | 一种云中心租户维度拓扑图的实现方法 |
| US20200336387A1 (en) * | 2019-04-22 | 2020-10-22 | Hitachi, Ltd. | Topological map presentation system, topological map presentation method, and computer readable recording medium |
| US20200366690A1 (en) * | 2019-05-16 | 2020-11-19 | Nec Laboratories America, Inc. | Adaptive neural networks for node classification in dynamic networks |
| US20210043283A1 (en) * | 2018-10-30 | 2021-02-11 | Tencent Technology (Shenzhen) Company Limited | Method and apparatus for identifying heterogeneous graph and property of molecular space structure and computer device |
| CN112615743A (zh) * | 2020-12-18 | 2021-04-06 | 江苏云柜网络技术有限公司 | 拓扑图绘制方法及装置 |
| CN112636982A (zh) * | 2020-12-28 | 2021-04-09 | 中孚安全技术有限公司 | 网络对抗环境配置方法及用于网络对抗的实验云平台系统 |
| CN113568860A (zh) * | 2021-07-23 | 2021-10-29 | 北京百度网讯科技有限公司 | 基于深度学习的拓扑映射方法、装置、介质及程序产品 |
| CN113765683A (zh) * | 2020-06-03 | 2021-12-07 | 中国移动通信集团浙江有限公司 | 网络切片的割接告警屏蔽方法及装置 |
| US20220046048A1 (en) * | 2020-08-06 | 2022-02-10 | Electronics And Telecommunications Research Institute | Method and apparatus for predicting attack vulnerability of computer network |
| CN114050975A (zh) * | 2022-01-10 | 2022-02-15 | 苏州浪潮智能科技有限公司 | 一种异构多节点互联拓扑生成方法和存储介质 |
| CN114070741A (zh) * | 2020-07-28 | 2022-02-18 | 中移(苏州)软件技术有限公司 | 一种拓扑图生成方法、系统、设备和存储介质 |
-
2022
- 2022-04-18 CN CN202210402175.XA patent/CN114726739B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6151031A (en) * | 1996-09-09 | 2000-11-21 | Hewlett-Packard Company | Map builder system and method for enabling generic interfacing of an application with a display map generation process in a management system |
| US20140365196A1 (en) * | 2010-08-25 | 2014-12-11 | Telefonaktiebolaget L M Ericsson (Publ) | Infrastructure Model Generation System And Method |
| US20190190773A1 (en) * | 2017-12-15 | 2019-06-20 | International Business Machines Corporation | Building and fixing a dynamic application topology in a cloud based environment leveraging log file data |
| US20210043283A1 (en) * | 2018-10-30 | 2021-02-11 | Tencent Technology (Shenzhen) Company Limited | Method and apparatus for identifying heterogeneous graph and property of molecular space structure and computer device |
| US20200336387A1 (en) * | 2019-04-22 | 2020-10-22 | Hitachi, Ltd. | Topological map presentation system, topological map presentation method, and computer readable recording medium |
| US20200366690A1 (en) * | 2019-05-16 | 2020-11-19 | Nec Laboratories America, Inc. | Adaptive neural networks for node classification in dynamic networks |
| CN110838944A (zh) * | 2019-11-15 | 2020-02-25 | 浪潮云信息技术有限公司 | 一种云中心租户维度拓扑图的实现方法 |
| CN113765683A (zh) * | 2020-06-03 | 2021-12-07 | 中国移动通信集团浙江有限公司 | 网络切片的割接告警屏蔽方法及装置 |
| CN114070741A (zh) * | 2020-07-28 | 2022-02-18 | 中移(苏州)软件技术有限公司 | 一种拓扑图生成方法、系统、设备和存储介质 |
| US20220046048A1 (en) * | 2020-08-06 | 2022-02-10 | Electronics And Telecommunications Research Institute | Method and apparatus for predicting attack vulnerability of computer network |
| CN112615743A (zh) * | 2020-12-18 | 2021-04-06 | 江苏云柜网络技术有限公司 | 拓扑图绘制方法及装置 |
| CN112636982A (zh) * | 2020-12-28 | 2021-04-09 | 中孚安全技术有限公司 | 网络对抗环境配置方法及用于网络对抗的实验云平台系统 |
| CN113568860A (zh) * | 2021-07-23 | 2021-10-29 | 北京百度网讯科技有限公司 | 基于深度学习的拓扑映射方法、装置、介质及程序产品 |
| CN114050975A (zh) * | 2022-01-10 | 2022-02-15 | 苏州浪潮智能科技有限公司 | 一种异构多节点互联拓扑生成方法和存储介质 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117557118A (zh) * | 2023-11-13 | 2024-02-13 | 国网江苏省电力有限公司镇江供电分公司 | 基于机器学习的ups系统供电拓扑图生成方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114726739B (zh) | 2024-04-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7689628B2 (en) | Monitoring several distributed resource elements as a resource pool | |
| US6778863B1 (en) | Information technology system for the definition, optimization and control of processes | |
| US7562410B2 (en) | System and method for managing a computer network | |
| US10635408B2 (en) | Method and apparatus for enabling agile development of services in cloud computing and traditional environments | |
| US20130173667A1 (en) | Acyclic graph navigator | |
| US20060048077A1 (en) | Method, system, program product and user interface for displaying a topology | |
| CN107153749B (zh) | 一种卫星矩阵电缆接点设计工具及设计方法 | |
| CN106557457A (zh) | 一种基于qt的自动生成跨平台复杂流程图的系统 | |
| CN111881809A (zh) | 基于cad图纸的图元识别方法和识别装置 | |
| CN111770162A (zh) | 网络带宽限制方法、装置、主节点及存储介质 | |
| CN113222170B (zh) | 一种用于物联网ai协同服务平台的智能算法和模型 | |
| CN114726739A (zh) | 拓扑数据处理方法、装置、设备及存储介质 | |
| CN110472109A (zh) | 动态化数据质量分析方法及平台系统 | |
| CN112685026A (zh) | 一种基于多语言的可视化建模平台和方法 | |
| CN112541836A (zh) | 一种多能源系统数字孪生应用流程建模与部署方法及系统 | |
| CN113763043A (zh) | 广告落地页的展示方法、装置、存储介质及计算机设备 | |
| CN109711703A (zh) | 配电网的线损查询方法及系统 | |
| Képes et al. | Integrating IoT Devices Based on Automatically Generated Scale-Out Plans | |
| CN110290206A (zh) | 一种用于网吧环境的分布式计算系统及方法 | |
| CN114048110A (zh) | 一种基于Antv的自定义可视化拓扑图的实现方法 | |
| CN110377769B (zh) | 基于图数据结构的建模平台系统、方法、服务器及介质 | |
| EP4264415A1 (en) | Automated platform for managing, deploying and orchestrating highly distributed service applications | |
| WO2020239209A1 (en) | A computer-implemented method and apparatus for providing a test pool of configurations | |
| CN109697196A (zh) | 一种情境建模方法、装置及设备 | |
| EP3940993B1 (en) | Configuring data center network wiring |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |