CN105407112A - 一种设备能力的学习方法、装置和系统 - Google Patents

Abstract

本发明公开了一种设备能力的学习方法，该方法包括：能力学习器与设备建立连接后，分别获取所述设备的参数模型数据和行为数据；在获取所述两类数据的同时，记录获取所述两类数据时出现的异常数据；将获取到的所述参数模型数据、行为数据和所述异常数据进行持久化。本发明还同时公开了一种实现所述方法的系统和装置，运用该方法、系统和装置不需要人为干预，无需手工配置各类参数，极大的减少了模拟器的配置工作量。

Description

一种设备能力的学习方法、装置和系统

技术领域

本发明涉及通信领域中的设备能力模拟技术，尤其涉及一种设备能力的学习方法、装置和系统。

背景技术

电信网管系统负责管理各类设备，网管与设备之间需要二十四小时不间断的进行数据交换、交互响应等操作。这些交换、交互都会对网管系统产生压力，因此，为了保证系统稳定性与性能，需要提前对网管系统进行压力测试，以应对现场的压力情况。此外，在现网环境中，设备种类纷繁复杂，很多情况下，运营商所用的网管系统与设备并不隶属于同一厂商，这就可能会导致不同厂商的网管系统与设备之间需要在入网之前进行对接测试，测试通过后才能正式应用。

对于上述两种网管系统的测试场景，都需要大量的设备来支撑测试环境的搭建工作。但是，一般情况下，实验室环境基本不可能有足够多的真实设备。因此，为了达到测试目的，很多时候会通过设置设备模拟器来模拟真实设备，用于模拟上述测试场景，或模拟特定的设备行为，测试网管系统的容错、兼容能力，以达到提高测试覆盖率的目的。

现有的所述模拟器为了模拟不同的数据或者不同的行为，一般都需要大量的手工配置工作，最终才能完成对某个类型设备的模拟。这种方法简单明了，易于理解，但是存在以下局限性：在现场环境中，设备数量较大，往往有成百上千种，如果要完全模拟现场环境，需要耗费大量的人力物力，且不能随着设备的改变自动适应。因此，现实中只能选取部分典型设备作为测试对象，不能完全模拟现场环境。

发明内容

为解决现有存在的技术问题，本发明实施例提供一种设备能力的学习方法、装置和系统。

本发明提供一种设备能力的学习方法，该方法包括：

能力学习器与设备建立连接后，分别获取所述设备的参数模型数据和行为数据；在获取所述两类数据的同时，记录获取所述两类数据时出现的异常数据；将获取到的所述参数模型数据、行为数据和所述异常数据进行持久化。

上述方案中，所述参数模型数据包括以下一种或多种：参数模型、参数值和参数类型。

上述方案中，所述行为数据包括以下一种或两种：网管主动触发设备的行为数据，设备触发的行为数据。

上述方案中，该方法还包括：所述能力学习器预先存储待学习设备所遵循的相关标准规范、和/或标准协议、和/或私有协议的约定。

上述方案中，所述获取所述设备的参数模型数据和行为数据，包括：

从根节点开始递归遍历设备的参数树，得到设备的参数模型数据；按照所述设备的行为列表依次测试设备执行该行为时的数据，并记录相应数据；其中，所述行为列表位于所述相关标准规范、和/或标准协议、和/或私有协议中。

本发明提供一种设备能力的学习方法，该方法包括：

能力学习器建立与设备的连接后，分别获取所述设备的参数模型数据和行为数据；能力学习器在获取所述两类数据的同时，记录获取所述两类数据时出现的异常数据；能力学习器将获取到的所述参数模型数据、行为数据和所述异常数据进行持久化。

上述方案中，该方法还包括：

进行设备能力模拟时，模拟器加载所述能力学习器中的持久化数据，进行设备的模拟。

本发明提供一种设备能力的学习装置，所述学习装置为权利要求1-5中任一项所述的能力学习器，包括：获取模块、记录模块和持久化模块；其中，

所述获取模块，用于能力学习器与设备建立连接后，分别获取所述设备的参数模型数据和行为数据；

所述记录模块，用于所述获取模块获取所述两类数据的同时，记录获取所述两类数据时出现的异常数据；

所述持久化模块，用于将所述获取模块获取到的所述参数模型数据和行为数据，以及所述记录模块记录的所述异常数据进行持久化。

上述方案中，所述能力学习器还包括：存储模块，用于预先存储待学习设备所遵循的相关标准规范、和/或标准协议、和/或私有协议的约定。

本发明提供一种设备能力的学习系统，所述系统包括权利要求8或9所述的能力学习器。

上述方案中，该系统还包括：模拟器，包括：加载模块和模拟模块；其中，

所述加载模块，用于进行设备能力模拟时，加载所述能力学习器中的持久化数据；

所述模拟模块，用于根据所述加载模块加载的持久化数据进行设备的模拟。

本发明实施例提供的设备能力的学习方法、装置和系统，能力学习器与设备建立连接后，分别获取所述设备的参数模型数据和行为数据；能力学习器在获取所述两类数据的同时，记录获取所述两类数据时出现的异常数据；能力学习器将获取到的所述参数模型数据、行为数据和所述异常数据进行持久化。本发明实施例可以学习不同型号设备的参数集、行为，为模拟器提供数据来源，且不需要人为干预，无需手工配置各类参数，极大的减少了模拟器的配置工作量，特别是在搭建特定测试场景、还原现场环境及大规模压力测试场景中极为有效。

附图说明

在附图(其不一定是按比例绘制的)中，相似的附图标记可在不同的视图中描述相似的部件。具有不同字母后缀的相似附图标记可表示相似部件的不同示例。附图以示例而非限制的方式大体示出了本文中所讨论的各个实施例。

图1为本发明实施例所述设备能力的学习方法的实现流程示意图；

图2为本发明实施例所述设备的参数模型数据获取方法流程示意图；

图3为本发明实施例所述设备的行为数据获取方法流程示意图；

图4为本发明实施例所述设备能力的学习系统的结构示意图。

具体实施方式

本发明的实施例中，能力学习器与设备建立连接后，分别获取所述设备的参数模型数据和行为数据；能力学习器在获取所述两类数据的同时，记录获取所述两类数据时出现的异常数据；能力学习器将获取到的所述参数模型数据、行为数据和所述异常数据进行持久化。

其中，所述能力学习器为本发明实施例中对应所述设备能力学习方法的装置。

本发明的实施例中，所述设备能力主要通过参数模型数据和行为数据两类数据表示。

下面结合附图及具体实施例对本发明作进一步详细说明。

图1为本发明实施例所述设备能力的学习方法的实现流程示意图，如图1所示，包括：

步骤100：能力学习器与设备建立连接后，分别获取所述设备的参数模型数据和行为数据；

具体的，能力学习器连接到待学习的设备，建立交互通道后，准备开始学习设备的能力，能力学习器接收到设备的请求后，开始学习过程，当然，能力学习器也可主动向设备发起学习过程。能力学习器首先获取设备的参数模型数据，例如：从根节点开始递归遍历设备的参数树，得到设备的参数模型数据；所述参数模型数据可为：参数模型、参数值和参数类型等信息中的一种或多种。

参数模型数据获取之后，能力学习器按照所述设备的行为列表依次测试设备执行该行为时的数据，并记录相应数据，数据的内容包括并不限于交互报文、设备处理延时，设备异常表现等。其中，所述行为列表位于所述相关标准规范、和/或标准协议、和/或私有协议中。

当然，本发明实施例中，所述获取设备的参数模型数据和获取行为数据的先后顺序没有严格的限制。

本发明的实施例中，在设备能力学习过程中获取设备的参数模型数据的原因为：由于设备的各种行为、数据均由设备自身的参数模型及对应数据决定，因此设备的参数模型是基础。另外，设备一般都遵循标准规范、协议或者私有协议的约定，借助这些协议，能力学习器可尝试遍历设备的参数模型，在遍历过程中，获取参数模型、参数值和参数类型等信息。

在设备能力学习过程中获取设备的行为数据的原因为；网管系统管理设备过程中，需要处理的设备行为包括以下一种或两种，一种是网管主动触发设备的行为，另一种是设备在某些条件下触发的行为；其中，

对于网管主动触发的行为：这一场景可以通过模拟网管报文来触发相应的行为，从而记录设备与网管交互的整个过程；

对于设备触发的行为：这一场景通过设置设备参数或手工操作设备来触发。

上述触发设备相应的行为后，记录设备与网管之间交互的完整报文，从中分析出协议规范内的行为与该类设备特有的行为。

以Tr069协议为例，设备的特有行为包括Inform的事件号、交互过程中每个步骤之间的时延，各种异常情况下的设备的不同反应等。

步骤102：能力学习器在获取所述两类数据的同时，记录获取所述两类数据时出现的异常数据；

具体的，能力学习器在获取所述参数模型数据和行为数据时，会出现异常，能力学习器获取在所述两类数据获取过程中出现的各种异常，并记录这些异常数据。例如：所述异常数据可为：对于一个不存在的参数路径，获取的该路径的参数值；或者，下发了一个不符合参数类型的参数值，例如参数类型为整数，但却下发了一个字符串，还可为其他异常等。

步骤104：能力学习器将获取到的所述参数模型数据、行为数据和所述异常数据进行持久化；

具体的，能力学习器将获取到的所述参数模型数据、行为数据和所述异常数据存储为需要的数据类型，例如：可将所述数据存储于可扩展标记语言(XML)文件中，实现数据的持久化。当然，持久化的方式不限，最常用的方式是存储为文件。

所述数据的持久化，即把数据，如：内存中的对象，保存到可永久保存的存储设备中，如：磁盘。持久化的主要应用是将内存中的对象存储在关系型的数据库中，当然也可以存储在磁盘文件中、XML数据文件中等等。

优选的，在本发明的实施例中，如果设备能力发生变化时，即：发生更新时，重新执行本发明步骤100-步骤104所述的学习方法。

需要说明的是，本发明实施例中所述能力学习器了解待学习设备所遵循的相关标准规范、和/或标准协议、和/或私有协议的约定，也就是说，所述能力学习器中预先存储待学习设备所遵循的相关标准规范、和/或标准协议、和/或私有协议的约定。

本发明实施例中，可以学习不同型号设备的参数集、行为，为模拟器提供数据来源，且不需要人为干预，无需手工配置各类参数，极大的减少了模拟器的配置工作量，特别是在搭建特定测试场景、还原现场环境及大规模压力测试场景中极为有效。不仅如此，本发明实施例还可以随时更新设备能力，保持与设备数据同步，最终达到尽可能的还原现场真实环境目的。

图2为本发明实施例所述设备的参数模型数据获取方法流程示意图，如图2所示，包括：

步骤200：设备连接到能力学习器，能力学习器准备开始遍历设备的参数模型；

步骤202：开始学习流程后，能力学习器判断遍历是否完成，若没有完成，则执行步骤204；否则，执行步骤216；

步骤204：能力学习器判断所述设备是否支持遍历参数树，若支持，则执行步骤206；否则，执行步骤216；

步骤206：从根节点开始，能力学习器递归遍历设备的参数树，之后执行步骤208；

具体的，如果当前节点存在子节点，则获取本节点参数信息后，将所述子节点加入到遍历队列中，依次遍历，所述参数信息包括：节点参数值和参数属性等；如果当前节点是叶子节点，获取并记录节点参数值、参数属性等数据。其中，一个参数树对应一个参数模型。

当然，在本发明的一个实施例中，也可采用除所述递归遍历算法之外的其他遍历算法进行参数树的遍历。

步骤208：判断能力学习器在获取参数模型数据过程中是否出现异常，如果出现异常，则执行步骤210；否则，执行步骤212；

步骤210：如果出现所述异常为关键性异常，影响到了整个学习流程，则执行步骤216，结束学习流程；否则，执行步骤212；

这里，所述关键性异常主要指无法预期的异常，无法获取异常结果报文的异常。

步骤212：能力学习器分析获取到的设备的参数模型数据，过滤掉无效数据，将获取的数据转换为数据模型，如：转换为XML格式，并缓存在内存中，之后执行步骤214；

步骤214：将缓存中的数据存储到文件中，之后执行步骤216；

步骤216：设备的参数模型数据获取流程结束。

图3为本发明实施例所述设备的行为数据获取方法流程示意图，如图3所示，包括：

步骤300：设备连接到能力学习器，能力学习器准备开始遍历设备的行为列表。

这里，所述设备的行为列表可从所述相关标准规范、和/或标准协议、和/或私有协议中获取到。

步骤302：开始学习流程后，能力学习器判断遍历是否完成，即是否对行为列表中的内容都测试完成，若没有完成，则执行步骤304；否则，执行步骤310；

步骤304：能力学习器尝试向设备下发行为命令，之后执行步骤306；

这里，学习行为的触发一般由能力学习器主动触发进行。设备收到能力学习器下发的行为命令后，解析该命令，并执行命令，返回命令执行后的结果给能力学习器。

步骤306：根据设备对所述行为命令的响应，判断该设备是否支持测试的行为，如果支持，则执行步骤308，否则进入步骤302；

步骤308：分析设备的响应结果，采集相关行为数据并缓存，之后执行步骤302；

步骤310：在设备行为列表中的内容都被测试完成一次后，能力学习器将缓存的数据转换为数据模型，如：转换为XML格式，并存储到文件中，之后执行步骤312；

步骤312：设备的行为数据获取流程结束。

优选的，本发明实施例还提供了一种设备能力的学习方法，该方法包括：

能力学习器建立与设备的连接后，分别获取所述设备的参数模型数据和行为数据；在获取所述两类数据的同时，记录获取所述两类数据时出现的异常数据；将获取到的所述参数模型数据、行为数据和所述异常数据进行持久化。

优选的，在本发明的一个实施例中，该方法还包括：

所述能力学习器预先存储待学习设备所遵循的相关标准规范、和/或标准协议、和/或私有协议的约定。

优选的，在本发明的一个实施例中，该方法还包括：

在进行设备能力模拟时，可利用模拟器加载所述能力学习器中的持久化数据，进行设备的模拟。

这里，可根据需要加载所述能力学习器中的对应不同类型设备的持久化数据，模拟出各种类型的设备。

该实施例方法的细化描述与上文类似，此处不再详述。

本发明实施例还提供了一种设备能力的学习装置，如图4所示，所述学习装置为上文所述的能力学习器；所述能力学习器40包括：获取模块400、记录模块402和持久化模块404；其中，

所述获取模块400，用于能力学习器与设备建立连接后，分别获取所述设备的参数模型数据和行为数据；

具体的，能力学习器连接到待学习的设备，建立交互通道后，准备开始学习设备的能力，能力学习器接收到设备的请求后，开始学习过程，当然，能力学习器也可主动向设备发起学习过程。能力学习器中的所述获取模块400首先获取设备的参数模型数据，例如：从根节点开始递归遍历设备的参数树，得到设备的参数模型数据；所述参数模型数据可为：参数模型、参数值和参数类型等信息中的一种或多种。

参数模型数据获取之后，所述获取模块400按照所述设备的行为列表依次测试设备执行该行为时的数据，并记录相应数据，数据的内容包括并不限于交互报文、设备处理延时，设备异常表现等。其中，所述行为列表位于所述相关标准规范、和/或标准协议、和/或私有协议中。

当然，本发明实施例中，所述获取模块400获取设备的参数模型数据和获取行为数据的先后顺序没有严格的限制。

所述记录模块402，用于所述获取模块400获取所述两类数据的同时，记录获取所述两类数据时出现的异常数据；

具体的，能力学习器中的所述获取模块400在获取所述参数模型数据和行为数据时，会出现异常，能力学习器中的所述记录模块402获取在所述两类数据获取过程中出现的各种异常，并记录这些异常数据。

所述持久化模块404，用于将所述获取模块400获取到的所述参数模型数据和行为数据，以及所述记录模块402记录的所述异常数据进行持久化。

具体的，能力学习器中的所述持久化模块404将获取到的所述参数模型数据、行为数据和所述异常数据存储为需要的数据类型，例如：可将所述数据存储于可扩展标记语言(XML)文件中，实现数据的持久化。当然，持久化的方式不限，最常用的方式是存储为文件。

优选的，在本发明一个实施例中，所述能力学习器40还包括：存储模块406，用于预先存储待学习设备所遵循的相关标准规范、和/或标准协议、和/或私有协议的约定。

本发明实施例还提供了一种设备能力的学习系统，如图4所示，所述系统包括上文所述的能力学习器40。

优选的，在本发明一个实施例中，该系统还包括：模拟器42，包括：加载模块420和模拟模块422；其中，

所述加载模块420，用于进行设备能力模拟时，加载所述能力学习器中的持久化数据；

所述模拟模块422，用于根据所述加载模块420加载的持久化数据进行设备的模拟。

优选的，在本发明的实施例中，如果设备能力发生变化时，即：发生更新时，所述系统重新执行本发明步骤100-步骤104所述的学习方法。

本发明实施例中，可以学习不同型号设备的参数集、行为，为模拟器提供数据来源，且不需要人为干预，无需手工配置各类参数，极大的减少了模拟器的配置工作量，特别是在搭建特定测试场景、还原现场环境及大规模压力测试场景中极为有效。不仅如此，本发明实施例还可以随时更新设备能力，保持与设备数据同步，最终达到尽可能的还原现场真实环境目的。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

以上所述，仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。

Claims (11)

1.一种设备能力的学习方法，其特征在于，该方法包括：

能力学习器与设备建立连接后，分别获取所述设备的参数模型数据和行为数据；在获取所述两类数据的同时，记录获取所述两类数据时出现的异常数据；将获取到的所述参数模型数据、行为数据和所述异常数据进行持久化。

2.根据权利要求1所述的方法，其特征在于，所述参数模型数据包括以下一种或多种：参数模型、参数值和参数类型。

3.根据权利要求1所述的方法，其特征在于，所述行为数据包括以下一种或两种：网管主动触发设备的行为数据，设备触发的行为数据。

4.根据权利要求1、2或3所述的方法，其特征在于，该方法还包括：所述能力学习器预先存储待学习设备所遵循的相关标准规范、和/或标准协议、和/或私有协议的约定。

5.根据权利要求4所述的方法，其特征在于，所述获取所述设备的参数模型数据和行为数据，包括：

从根节点开始递归遍历设备的参数树，得到设备的参数模型数据；按照所述设备的行为列表依次测试设备执行该行为时的数据，并记录相应数据；其中，所述行为列表位于所述相关标准规范、和/或标准协议、和/或私有协议中。

6.一种设备能力的学习方法，其特征在于，该方法包括：

能力学习器建立与设备的连接后，分别获取所述设备的参数模型数据和行为数据；能力学习器在获取所述两类数据的同时，记录获取所述两类数据时出现的异常数据；能力学习器将获取到的所述参数模型数据、行为数据和所述异常数据进行持久化。

7.根据权利要求6所述的方法，其特征在于，该方法还包括：

进行设备能力模拟时，模拟器加载所述能力学习器中的持久化数据，进行设备的模拟。

8.一种设备能力的学习装置，其特征在于，所述学习装置为权利要求1-5中任一项所述的能力学习器，包括：获取模块、记录模块和持久化模块；其中，

所述获取模块，用于能力学习器与设备建立连接后，分别获取所述设备的参数模型数据和行为数据；

所述记录模块，用于所述获取模块获取所述两类数据的同时，记录获取所述两类数据时出现的异常数据；

所述持久化模块，用于将所述获取模块获取到的所述参数模型数据和行为数据，以及所述记录模块记录的所述异常数据进行持久化。

9.根据权利要求8所述的学习装置，其特征在于，所述能力学习器还包括：存储模块，用于预先存储待学习设备所遵循的相关标准规范、和/或标准协议、和/或私有协议的约定。

10.一种设备能力的学习系统，其特征在于，所述系统包括权利要求8或9所述的能力学习器。

11.根据权利要求10所述的系统，其特征在于，该系统还包括：模拟器，包括：加载模块和模拟模块；其中，

所述加载模块，用于进行设备能力模拟时，加载所述能力学习器中的持久化数据；

所述模拟模块，用于根据所述加载模块加载的持久化数据进行设备的模拟。