CN109218216A - 链路聚合流量分配方法、装置、设备及存储介质 - Google Patents

Abstract

本发明公开了一种链路聚合流量分配方法、装置、设备及存储介质，其方法包括：采用预设的哈希因子将设备链路聚合的流量分配到链路聚合的各端口；对链路聚合的每个端口进行流量统计，根据流量统计结果判断链路聚合的端口流量分配是否不均衡；在链路聚合的端口流量分配不均衡时，利用预设的重定向规则对链路聚合的端口流量进行动态调整。本发明可以更好的实现链路聚合端口流量均衡分配，提高端口带宽的利用率，降低网络维护成本，提高网络利用效率。

Description

链路聚合流量分配方法、装置、设备及存储介质

技术领域

本发明涉及通信技术领域，尤其涉及一种分布式交换机设备的链路聚合流量分配方法、装置、设备及存储介质。

背景技术

一般情况下，交换机设备使用的链路聚合会采用哈希算法来进行流量均衡。通常，哈希算法都是基于报文的几个特定特征进行哈希计算，一般设备的哈希算法都是基于源目的MAC(Media Access Control，介质访问控制)地址、源目的IP地址、源目的端口号来进行哈希计算，然后获得此流量应该从链路聚合的哪个端口发出。

而这样的计算方法会导致某些场景下，某些流量在特定的模型下计算出来的结果都是某几个确定的值，从而导致流量只从少数几个特定的链路聚合端口进行转发，这样就会造成某些端口的流量很大，而其他的端口流量很少。

目前采用的解决方案，一般是对哈希因子进行调整，即调整源目的MAC地址、源目的IP地址、源目的端口号等组合关系来达到尽可能均衡的效果，但是这样的调整不一定能够完全满足均衡的要求，因为任何一种组合，都有一个确定的计算方式，会得出某种确定的值，因此理论上说，总会有几率出现某些端口有流量而其他端口哈希不到流量的情况。

目前普遍的设备进行链路聚合哈希计算的步骤是：

1、设备设置哈希计算的方式(基于源目的MAC地址，源目的IP地址，源目的端口号的一种或几种的组合)。

2、设备转发流量通过已经设置好的哈希方法进行哈希计算，得到其应该转发的链路聚合端口中的某一个端口。

3、此流量往这个端口进行转发。

由此可见，目前的技术中，无法保证对链路聚合的端口做到比较平均的流量分配，而只能通过调整哈希因子来尽可能达到一个较为合适的结果。

而由于现网应用往往带有很大的不确定性，即使一个哈希因子模型在目前的情况下已经满足要求，但是在其他的业务应用上来之后，此哈希因子模型又可能出现不满足要求的情况。

发明内容

本发明的主要目的在于提供一种链路聚合流量分配方法、装置、设备及存储介质，旨在实现链路聚合端口流量均衡分配，提高端口带宽的利用率。

为实现上述目的，本发明提供的一种链路聚合流量分配方法，包括：

采用预设的哈希因子将设备链路聚合的流量分配到链路聚合的各端口；

对链路聚合的每个端口进行流量统计，根据流量统计结果判断所述链路聚合的端口流量分配是否不均衡；

在所述链路聚合的端口流量分配不均衡时，利用预设的重定向规则对所述链路聚合的端口流量进行动态调整。

优选地，所述对链路聚合的每个端口进行流量统计，根据流量统计结果判断所述链路聚合的端口流量分配是否不均衡的步骤包括：

对链路聚合的每个端口进行流量统计；

根据流量统计结果，获取所述链路聚合的端口的流量最高值和最低值，在所述流量最高值和最低值的差值大于预设阈值时，判断所述链路聚合的端口流量分配不均衡；或者，

分析流量统计结果，在所述链路聚合的其中一端口的流量已大于总流量预设阈值时，判断所述链路聚合的端口流量分配不均衡。

优选地，所述在所述链路聚合的端口流量分配不均衡时，利用预设的重定向规则对所述链路聚合的端口流量进行动态调整的步骤包括：

在所述链路聚合的端口流量分配不均衡时，根据所述流量统计结果，获取所述链路聚合的流量分配最高的端口以及流量分配最低的端口；

对所述流量分配最高的端口进行流量采样，得到采样结果；

通过CPU对所述采样结果得到的业务报文进行报文头特征分析；

对报文头特征相同的业务报文进行计数，并对各报文头特征对应的计数进行排序，得到计数最高的报文头特征相同的业务流；

使用ACL功能进行流量转发重定向的设置，将得到的所述计数最高的报文头特征相同的业务流转发重定向到所述流量分配最低的端口；返回执行步骤：对链路聚合的每个端口进行流量统计，根据流量统计结果判断所述链路聚合的端口流量分配是否不均衡，直至所述链路聚合的端口流量分配均衡为止。

优选地，所述采用预设的哈希因子将设备链路聚合的流量分配到链路聚合的各端口的步骤之前包括：

为所述设备配置链路聚合组，并指定所述链路聚合组的哈希因子；

所述采用预设的哈希因子将设备链路聚合的流量分配到链路聚合的各端口的步骤包括：

采用所述指定的哈希因子，将通过所述链路聚合组的流量分配到链路聚合的各端口。

优选地，所述报文头特征包括所述业务报文的二三层头部信息。

本发明实施例还提出一种链路聚合流量分配装置，包括：

流量分配模块，用于采用预设的哈希因子将设备链路聚合的流量分配到链路聚合的各端口；

统计判断模块，用于对链路聚合的每个端口进行流量统计，根据流量统计结果判断所述链路聚合的端口流量分配是否不均衡；

动态调整模块，用于在所述链路聚合的端口流量分配不均衡时，利用预设的重定向规则对所述链路聚合的端口流量进行动态调整。

优选地，所述统计判断模块，还用于对链路聚合的每个端口进行流量统计；根据流量统计结果，获取所述链路聚合的端口的流量最高值和最低值，在所述流量最高值和最低值的差值大于预设阈值时，判断所述链路聚合的端口流量分配不均衡；或者，分析流量统计结果，在所述链路聚合的其中一端口的流量已大于总流量预设阈值时，判断所述链路聚合的端口流量分配不均衡。

优选地，所述动态调整模块，还用于在所述链路聚合的端口流量分配不均衡时，根据所述流量统计结果，获取所述链路聚合的流量分配最高的端口以及流量分配最低的端口；对所述流量分配最高的端口进行流量采样，得到采样结果；通过CPU对所述采样结果得到的业务报文进行报文头特征分析；对报文头特征相同的业务报文进行计数，并对各报文头特征对应的计数进行排序，得到计数最高的报文头特征相同的业务流；使用ACL功能进行流量转发重定向的设置，将得到的所述计数最高的报文头特征相同的业务流转发重定向到所述流量分配最低的端口，直至所述链路聚合的端口流量分配均衡为止。

本发明实施例还提出一种链路聚合流量分配设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如下操作：

采用预设的哈希因子将设备链路聚合的流量分配到链路聚合的各端口；

对链路聚合的每个端口进行流量统计，根据流量统计结果判断所述链路聚合的端口流量分配是否不均衡；

在所述链路聚合的端口流量分配不均衡时，利用预设的重定向规则对所述链路聚合的端口流量进行动态调整。

本发明实施例还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计算机程序，所述计算机程序被处理器执行时实现如下操作：

采用预设的哈希因子将设备链路聚合的流量分配到链路聚合的各端口；

对链路聚合的每个端口进行流量统计，根据流量统计结果判断所述链路聚合的端口流量分配是否不均衡；

在所述链路聚合的端口流量分配不均衡时，利用预设的重定向规则对所述链路聚合的端口流量进行动态调整。

本发明实施例提出的一种链路聚合流量分配方法、装置、设备及存储介质，采用预设的哈希因子将设备链路聚合的流量分配到链路聚合的各端口；对链路聚合的每个端口进行流量统计，根据流量统计结果判断所述链路聚合的端口流量分配是否不均衡；在所述链路聚合的端口流量分配不均衡时，利用预设的重定向规则对所述链路聚合的端口流量进行动态调整，最终达到一个链路聚合组的所有端口都可以流量均衡的效果。通过该方案可以把原有的链路聚合流量更加平均的分配到各个端口上，避免出现链路聚合的端口中，某个端口利用率很高而其他端口利用率偏低的情况，由此可以更好的实现链路聚合端口流量均衡分配，提高端口带宽的利用率，降低网络维护成本，提高网络利用效率。

附图说明

图1是本发明链路聚合流量分配方法较佳实施例的流程示意图；

图2是本发明实施例链路聚合流量分配方法的具体流程示意图；

图3是本发明实施例中进行流量统计结果分析示意图；

图4是本发明实施例中下发流量采样，并分析流量采样结果示意图；

图5是本发明实施例中下发ACL重定向规则示意图；

图6是本发明实施例方案涉及的设备结构示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

为了使本发明的技术方案更加清楚、明了，下面将结合附图作进一步详述。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明实施例的主要解决方案是：通过利用流量监控和流量采样的手段，更准确的监控目前的链路聚合组的每个端口的流量情况，并且根据监控和采样到的数据进行相应的分析计算，并利用ACL(访问控制列表，Access Control List)重定向规则进行动态的流量调整，最终达到一个链路聚合组的所有端口都可以达到流量均衡的效果。

由于现有技术中，无法保证对链路聚合的端口做到比较平均的流量分配，而只能通过调整哈希因子来尽可能达到一个较为合适的结果。而由于现网应用往往带有很大的不确定性，即使一个哈希因子模型在目前的情况下已经满足要求，但是在其他的业务应用上来之后，此哈希因子模型又可能出现不满足要求的情况。

本发明提供一种解决方案，可以实现链路聚合端口流量均衡分配，提高端口带宽的利用率。

具体地，如图1所示，本发明较佳实施例提出一种链路聚合流量分配方法，包括：

步骤S101，采用预设的哈希因子将设备链路聚合的流量分配到链路聚合的各端口；

本发明方案涉及分布式交换机产品设备的链路聚合，提出设备对于链路聚合流量分担不均的情况的解决方法，利用此方法可以把原有的链路聚合流量更加平均的分配到各个端口上面，避免出现链路聚合的端口中，某个端口利用率很高而其他端口利用率偏低的情况，以更好的提高端口带宽的利用率，降低网络维护成本，提高网络利用效率。

具体地，通过流量采样和流量统计的功能作为哈希算法的辅助，首先，利用原有的哈希算法对链路聚合的流量进行计算，得出原有的转发流量所哈希到的转发端口，将流量分配到此链路聚合组的各个端口上。

作为一种实施方式，可以为设备预先配置链路聚合组，并指定所述链路聚合组的哈希因子；然后，采用所述指定的哈希因子将通过所述链路聚合组的流量分配到链路聚合的各端口。

步骤S102，对链路聚合的每个端口进行流量统计，根据流量统计结果判断所述链路聚合的端口流量分配是否不均衡；

然后，对链路聚合的每个端口进行流量统计，根据统计结果进行计算，若计算结果认为此链路聚合的端口流量哈希不均衡，则需要对其中流量高的端口进行调整。

其中，判断端口流量分配不均衡可以采用如下判断条件：

计算此链路聚合的各端口的流量最高值和最低值的差距大于某个预设阈值；

或者，计算此链路聚合的某个端口流量已经大于总流量的某个预设阈值。

具体实现如下：

对链路聚合的每个端口进行流量统计；并将此统计数据送往CPU进行计算，以确定是否流量达到不均衡的条件，若达到不均衡的条件，则选择出一个流量最大的端口进行流量采样操作。

其中，CPU在得到统计数据后，根据流量统计结果，获取所述链路聚合的端口的流量最高值和最低值，在所述流量最高值和最低值的差值大于预设阈值时，判断所述链路聚合的端口流量分配不均衡；或者，分析流量统计结果，在所述链路聚合的其中一端口的流量已大于总流量预设阈值时，判断所述链路聚合的端口流量分配不均衡。

步骤S103，在所述链路聚合的端口流量分配不均衡时，利用预设的重定向规则对所述链路聚合的端口流量进行动态调整。

具体实现如下：

首先，在所述链路聚合的端口流量分配不均衡时，根据所述流量统计结果，获取所述链路聚合的流量分配最高的端口以及流量分配最低的端口；

然后，对所述流量分配最高的端口进行流量采样，得到采样结果；

其中，在进行采样操作时，通过CPU对所述采样结果得到的业务报文进行报文头特征分析，其中，报文头特征可以是业务报文的二三层头部信息。

然后，对报文头特征相同的业务报文进行计数，并对各报文头特征对应的计数进行排序，得到计数最高的报文头特征相同的业务流；

也就是说，针对流量最大的端口，下发流量采样动作(采样速率可以根据CPU的能力进行设置，尽量采样充分且不要过多影响CPU的处理能力为佳)，将采样到的报文送至CPU进行分析，分析其报文的二三层头部信息(报文MAC/IP头部特征)，将二三层头部信息相同的报文进行统计计数，以获取其中采样获取到的计数最多的一条业务流。

最后，使用ACL功能进行流量转发重定向的设置，将得到的计数最高的报文头特征相同的业务流转发重定向到所述流量分配最低的端口。

之后，再重复之前的流量统计到流量采样到流量重定向的过程，直至链路聚合的端口流量分配均衡为止。

即，使用ACL功能进行流量转发重定向的设置，将此最高流量的最多的某个业务流重定向到最低流量的端口上去。然后再重复之前的流量统计到流量采集到流量重定向的过程，直到流量统计不再出现有端口流量哈希不均衡的认定状况为止。

这样就完成了用动态的方式对普通的哈希计算结果进行调整的处理过程。通过这样的动态调整，整个链路聚合组上的流量将达到一个比较均衡的效果。

从而，通过该方案可以把原有的链路聚合流量更加平均的分配到各个端口上，避免出现链路聚合的端口中，某个端口利用率很高而其他端口利用率偏低的情况，由此可以更好的实现链路聚合端口流量均衡分配，提高端口带宽的利用率，降低网络维护成本，提高网络利用效率。

以下结合图2对本实施例方案进行详细阐述：

如图2所示，具体的链路聚合流量分配流程如下：

步骤201，链路聚合通过普通哈希算法分配流量到端口；

步骤202，CPU监控每个聚合组端口的流量统计情况，并计算是否均衡，不均衡时获得流量最大和最小端口；

步骤203，对流量最大端口下发流采样动作，根据采样报文的头部信息计算采样到报文最多的业务流，并获取流特征；

步骤204，将流特征下发ACL重定向，将此流量重定向到流量最小的端口上；

步骤205继续进行流量统计并判断是否流量均衡，若不均衡则继续203-204动作直到满足流量均衡条件。

该方案的总体思路概括起来包含以下几点：

首先，流量在链路聚合组转发出现哈希不均衡的情况下，使用流量统计的方法对每个端口流量进行统计，若满足流量不均衡的条件，则计算并得出其最大流量的端口。

在最大流量的端口上应用流量采样的技术，将报文采样至CPU进行分析，获取采样出的报文中最多的一条业务流的二三层报文头部特征信息。

应用ACL重定向的方法，将此流量最大的端口中采样最频繁的业务流重定向至流量最小的端口。

而后再进行流量统计和是否均衡的判断，若仍然满足流量不均衡则重复以上的动作，直到流量达到均衡为止。

通过这样的技术手段处理可以看出，只需要对链路聚合组的成员端口进行流量统计，流量采样，配合CPU对流量的统计结果和采样进行分析，即可得到流量不均衡时的最大流量的流特征，然后再使用ACL重定向的方法，即可完成对链路聚合组成员端口的流量进行动态的重新分担，并且此动态调整是一个可以持续的过程，直到整个链路的负载情况达到均衡为止。

由此，通过利用流量监控和流量采样的手段，更准确的监控目前的链路聚合组的每个端口的流量情况，并且根据监控和采样到的数据进行相应的分析计算，并利用ACL重定向规则进行动态的流量调整，并且这个调整可以不断的持续进行，最终达到一个链路聚合组的所有端口都可以达到流量均衡的效果。而且应用此方法即可达到不管现网出现怎样的业务调整，都可以基本上达到所有端口的流量基本均衡的结果。

以下结合具体场景对本实施例方案进行详细阐述：

如图3所示，交换机设备配置链路聚合组A，包含端口A1、A2、A3、A4。

首先，通过端口流量统计得到聚合组中端口流量不均衡时，流量最大和最小端口。

如图3所示，CPU进行流量统计结果分析计算，发现链路聚合组流量不均衡，其中A1端口流量最大，A4端口流量最小。

然后，通过端口流量采样获取流量最大端口中采样结果报文最多的业务流的特征。

如图4所示，CPU下发流量采样，并分析流量采样结果，获取A1端口中采样结果报文最多的业务流的特征。

最后，下发ACL重定向规则。

如图5所示，CPU下发ACL重定向规则，将A1端口中采样结果最多的报文的业务流重定向到A4端口进行转发。

由图3、图4及图5可以看出，链路聚合哈希计算以后，设备对每个端口的流量进行监控，当出现哈希负载分担仍然出现流量不均衡的情况时，设备通过流量监控结果获知流量最大和最小端口，并对流量最大端口下发流量采样动作，根据采样到报文的头部信息，对采样到的报文进行分析，获取其采样到报文最多的流量的头部信息特征，并下发ACL重定向规则，将此流量重定向到流量最小的端口上。之后再次进行流量统计，若仍然不满足流量均衡条件，则继续以上步骤，直到满足流量均衡条件为止。

由此可以更好的实现链路聚合端口流量均衡分配，提高端口带宽的利用率，降低网络维护成本，提高网络利用效率。

下面以具体实例来说明本发明的技术方案的内容：

实例1：链路聚合组，包含端口1、2、3、4，有一组流量通过此链路聚合组进行转发，具体处理流程如下：

步骤1、设备下发链路聚合组的哈希因子为源目的MAC+源目的IP。

步骤2、设备对流量进行哈希计算，分担所有流量到聚合组端口中。

步骤3、设备对此聚合组流量进行统计，发现流量最高的1号端口流量比流量最低的4号端口流量高出超过阈值，此阈值需要通过现网的具体情况进行设置，假定设置为20％。

步骤4、设备对1号端口下发端口采样，采样速率和采样时间都需要根据CPU的处理能力来进行合理设定，假定设置为1:1000/采样30秒，采样到的报文送达CPU进行分析。

步骤5、CPU分析得出有一条流量在此30秒的流量采样期间内出现多次，若判断在流量采集数据中此流量是出现最多的，则记录此流量的MAC、IP等特征。

步骤6、下发ACL重定向，匹配记录的MAC和IP特征将此流量转发重定向到流量最低的4号端口。

实例2：链路聚合组流量调整后，仍不满足流量均衡条件

步骤1、设备已经对链路聚合组流量进行了一次调整，继续进行流量统计和计算，发现其流量最高的1号端口流量比流量最低的4号端口流量仍然高出超过阈值。

步骤2、设备继续对1号端口下发端口采样，采样到的报文送达CPU进行分析。

步骤3、CPU分析得出有一条流量在流量采集数据中是出现最多的，则记录此流量的MAC、IP等特征。

步骤4、下发ACL重定向，匹配记录的MAC和IP特征将此流量转发重定向到流量最低的4号端口。

步骤5、再次对设备链路聚合组流量进行判定，若仍然不满足，将重复步骤2-4，直到最高流量端口和最低流量端口的流量差满足阈值20％为止。

实例3：已经达到均衡条件的设备，出现新增业务流量导致不均衡

步骤1、设备已经对链路聚合组流量动态调整达到均衡，而后续设备出现新增业务，而通过定时的流量监测，发现其流量最高的1号端口流量比流量最低的4号端口流量再次出现高出超过阈值。

步骤2、设备继续对1号端口下发端口采样，采样到的报文送达CPU进行分析。

步骤3、CPU分析得出有一条流量在流量采集数据中是出现最多的，则记录此流量的MAC、IP等特征。

步骤4、下发ACL重定向，匹配记录的MAC和IP特征将此流量转发重定向到流量最低的4号端口。

步骤5、再次对设备链路聚合组流量进行判定，若仍然不满足，将重复步骤2-4，直到最高流量端口和最低流量端口的流量差满足阈值20％为止。

由以上的技术方案可见，与一般的设备的链路聚合哈希流量负荷分担的方法相比，此方法可以通过利用流量监控和流量采样的手段，更准确的监控目前的链路聚合组的每个端口的流量情况，并且根据监控和采样到的数据进行相应的分析计算，同时利用ACL重定向规则进行动态的流量调整，最终达到一个链路聚合组的所有端口都可以流量均衡的效果。

应用此方法可以针对现网中无法通过哈希算法和哈希因子调整达到流量均衡的场景进行动态的流量监控和流量调整，由此可以提高网络的利用率，并且全自动的调整方式也可以减少网络的运维成本，提高网络的易维护性和可用性。

对应地，提出本发明链路聚合流量分配装置实施例，该装置包括：

流量分配模块，用于采用预设的哈希因子将设备链路聚合的流量分配到链路聚合的各端口；

统计判断模块，用于对链路聚合的每个端口进行流量统计，根据流量统计结果判断所述链路聚合的端口流量分配是否不均衡；

动态调整模块，用于在所述链路聚合的端口流量分配不均衡时，利用预设的重定向规则对所述链路聚合的端口流量进行动态调整。

进一步地，所述统计判断模块，还用于对链路聚合的每个端口进行流量统计；根据流量统计结果，获取所述链路聚合的端口的流量最高值和最低值，在所述流量最高值和最低值的差值大于预设阈值时，判断所述链路聚合的端口流量分配不均衡；或者，分析流量统计结果，在所述链路聚合的其中一端口的流量已大于总流量预设阈值时，判断所述链路聚合的端口流量分配不均衡。

进一步地，所述动态调整模块，还用于在所述链路聚合的端口流量分配不均衡时，根据所述流量统计结果，获取所述链路聚合的流量分配最高的端口以及流量分配最低的端口；对所述流量分配最高的端口进行流量采样，得到采样结果；通过CPU对所述采样结果得到的业务报文进行报文头特征分析；对报文头特征相同的业务报文进行计数，并对各报文头特征对应的计数进行排序，得到计数最高的报文头特征相同的业务流；使用ACL功能进行流量转发重定向的设置，将得到的所述计数最高的报文头特征相同的业务流转发重定向到所述流量分配最低的端口，直至所述链路聚合的端口流量分配均衡为止。

本实施例实现链路聚合流量分配的过程及原理，请参照上述各实施例，在此不再赘述。

此外，本发明实施例还提出一种链路聚合流量分配设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如下操作：

采用预设的哈希因子将设备链路聚合的流量分配到链路聚合的各端口；

对链路聚合的每个端口进行流量统计，根据流量统计结果判断所述链路聚合的端口流量分配是否不均衡；

在所述链路聚合的端口流量分配不均衡时，利用预设的重定向规则对所述链路聚合的端口流量进行动态调整。

具体地，如图6所示，本实施例链路聚合流量分配设备可以包括：处理器1001，例如CPU，网络接口1004，用户接口1003，存储器1005，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

本领域技术人员可以理解，图6中示出的设备结构并不构成对设备的限定，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。

如图6所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及链路聚合流量分配程序。

在图6所示的设备中，网络接口1004主要用于连接网络服务器，与网络服务器进行数据通信；用户接口1003主要用于连接客户端(用户端)，与客户端进行数据通信；而处理器1001可以用于调用存储器1005中存储的链路聚合流量分配程序，并执行以下操作：

采用预设的哈希因子将设备链路聚合的流量分配到链路聚合的各端口；

对链路聚合的每个端口进行流量统计，根据流量统计结果判断所述链路聚合的端口流量分配是否不均衡；

在所述链路聚合的端口流量分配不均衡时，利用预设的重定向规则对所述链路聚合的端口流量进行动态调整。

进一步地，处理器1001还可以用于调用存储器1005中存储的链路聚合流量分配程序，并执行以下操作：

对链路聚合的每个端口进行流量统计；

根据流量统计结果，获取所述链路聚合的端口的流量最高值和最低值，在所述流量最高值和最低值的差值大于预设阈值时，判断所述链路聚合的端口流量分配不均衡；或者，

分析流量统计结果，在所述链路聚合的其中一端口的流量已大于总流量预设阈值时，判断所述链路聚合的端口流量分配不均衡。

进一步地，处理器1001还可以用于调用存储器1005中存储的链路聚合流量分配程序，并执行以下操作：

在所述链路聚合的端口流量分配不均衡时，根据所述流量统计结果，获取所述链路聚合的流量分配最高的端口以及流量分配最低的端口；

对所述流量分配最高的端口进行流量采样，得到采样结果；

通过CPU对所述采样结果得到的业务报文进行报文头特征分析；

对报文头特征相同的业务报文进行计数，并对各报文头特征对应的计数进行排序，得到计数最高的报文头特征相同的业务流；

使用ACL功能进行流量转发重定向的设置，将得到的所述计数最高的报文头特征相同的业务流转发重定向到所述流量分配最低的端口；返回执行步骤：对链路聚合的每个端口进行流量统计，根据流量统计结果判断所述链路聚合的端口流量分配是否不均衡，直至所述链路聚合的端口流量分配均衡为止。

进一步地，处理器1001还可以用于调用存储器1005中存储的链路聚合流量分配程序，并执行以下操作：

采用预设的哈希因子将设备链路聚合的流量分配到链路聚合的各端口之前，为所述设备配置链路聚合组，并指定所述链路聚合组的哈希因子；

之后，采用所述指定的哈希因子，将通过所述链路聚合组的流量分配到链路聚合的各端口。

本实施例通过上述方案，采用预设的哈希因子将设备链路聚合的流量分配到链路聚合的各端口；对链路聚合的每个端口进行流量统计，根据流量统计结果判断所述链路聚合的端口流量分配是否不均衡；在所述链路聚合的端口流量分配不均衡时，利用预设的重定向规则对所述链路聚合的端口流量进行动态调整，最终达到一个链路聚合组的所有端口都可以流量均衡的效果。通过该方案可以把原有的链路聚合流量更加平均的分配到各个端口上，避免出现链路聚合的端口中，某个端口利用率很高而其他端口利用率偏低的情况，由此可以更好的实现链路聚合端口流量均衡分配，提高端口带宽的利用率，降低网络维护成本，提高网络利用效率。

此外，本发明实施例还提出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计算机程序，所述计算机程序被处理器执行时至少实现如下操作：

采用预设的哈希因子将设备链路聚合的流量分配到链路聚合的各端口；

对链路聚合的每个端口进行流量统计，根据流量统计结果判断所述链路聚合的端口流量分配是否不均衡；

在所述链路聚合的端口流量分配不均衡时，利用预设的重定向规则对所述链路聚合的端口流量进行动态调整。

本实施例实现链路聚合流量分配的过程及原理，请参照上述各实施例，在此不再赘述。

以上所述仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或流程变换，或直接或间接运用在其它相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种链路聚合流量分配方法，其特征在于，包括：

采用预设的哈希因子将设备链路聚合的流量分配到链路聚合的各端口；

对链路聚合的每个端口进行流量统计，根据流量统计结果判断所述链路聚合的端口流量分配是否不均衡；

在所述链路聚合的端口流量分配不均衡时，利用预设的重定向规则对所述链路聚合的端口流量进行动态调整。

2.根据权利要求1所述的方法，其特征在于，所述对链路聚合的每个端口进行流量统计，根据流量统计结果判断所述链路聚合的端口流量分配是否不均衡的步骤包括：

对链路聚合的每个端口进行流量统计；

根据流量统计结果，获取所述链路聚合的端口的流量最高值和最低值，在所述流量最高值和最低值的差值大于预设阈值时，判断所述链路聚合的端口流量分配不均衡；或者，

分析流量统计结果，在所述链路聚合的其中一端口的流量已大于总流量预设阈值时，判断所述链路聚合的端口流量分配不均衡。

3.根据权利要求2所述的方法，其特征在于，所述在所述链路聚合的端口流量分配不均衡时，利用预设的重定向规则对所述链路聚合的端口流量进行动态调整的步骤包括：

在所述链路聚合的端口流量分配不均衡时，根据所述流量统计结果，获取所述链路聚合的流量分配最高的端口以及流量分配最低的端口；

对所述流量分配最高的端口进行流量采样，得到采样结果；

通过CPU对所述采样结果得到的业务报文进行报文头特征分析；

对报文头特征相同的业务报文进行计数，并对各报文头特征对应的计数进行排序，得到计数最高的报文头特征相同的业务流；

使用访问控制列表ACL功能进行流量转发重定向的设置，将得到的所述计数最高的报文头特征相同的业务流转发重定向到所述流量分配最低的端口；返回执行步骤：对链路聚合的每个端口进行流量统计，根据流量统计结果判断所述链路聚合的端口流量分配是否不均衡，直至所述链路聚合的端口流量分配均衡为止。

4.根据权利要求1、2或3所述的方法，其特征在于，所述采用预设的哈希因子将设备链路聚合的流量分配到链路聚合的各端口的步骤之前包括：

为所述设备配置链路聚合组，并指定所述链路聚合组的哈希因子；

所述采用预设的哈希因子将设备链路聚合的流量分配到链路聚合的各端口的步骤包括：

采用所述指定的哈希因子，将通过所述链路聚合组的流量分配到链路聚合的各端口。

5.根据权利要求3所述的方法，其特征在于，所述报文头特征包括所述业务报文的二三层头部信息。

6.一种链路聚合流量分配装置，其特征在于，包括：

流量分配模块，用于采用预设的哈希因子将设备链路聚合的流量分配到链路聚合的各端口；

统计判断模块，用于对链路聚合的每个端口进行流量统计，根据流量统计结果判断所述链路聚合的端口流量分配是否不均衡；

动态调整模块，用于在所述链路聚合的端口流量分配不均衡时，利用预设的重定向规则对所述链路聚合的端口流量进行动态调整。

7.根据权利要求6所述的装置，其特征在于，

所述统计判断模块，还用于对链路聚合的每个端口进行流量统计；根据流量统计结果，获取所述链路聚合的端口的流量最高值和最低值，在所述流量最高值和最低值的差值大于预设阈值时，判断所述链路聚合的端口流量分配不均衡；或者，分析流量统计结果，在所述链路聚合的其中一端口的流量已大于总流量预设阈值时，判断所述链路聚合的端口流量分配不均衡。

8.根据权利要求7所述的装置，其特征在于，

所述动态调整模块，还用于在所述链路聚合的端口流量分配不均衡时，根据所述流量统计结果，获取所述链路聚合的流量分配最高的端口以及流量分配最低的端口；对所述流量分配最高的端口进行流量采样，得到采样结果；通过CPU对所述采样结果得到的业务报文进行报文头特征分析；对报文头特征相同的业务报文进行计数，并对各报文头特征对应的计数进行排序，得到计数最高的报文头特征相同的业务流；使用ACL功能进行流量转发重定向的设置，将得到的所述计数最高的报文头特征相同的业务流转发重定向到所述流量分配最低的端口，直至所述链路聚合的端口流量分配均衡为止。

9.一种链路聚合流量分配设备，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如下操作：

采用预设的哈希因子将设备链路聚合的流量分配到链路聚合的各端口；

对链路聚合的每个端口进行流量统计，根据流量统计结果判断所述链路聚合的端口流量分配是否不均衡；

在所述链路聚合的端口流量分配不均衡时，利用预设的重定向规则对所述链路聚合的端口流量进行动态调整。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如下操作：

采用预设的哈希因子将设备链路聚合的流量分配到链路聚合的各端口；

对链路聚合的每个端口进行流量统计，根据流量统计结果判断所述链路聚合的端口流量分配是否不均衡；

在所述链路聚合的端口流量分配不均衡时，利用预设的重定向规则对所述链路聚合的端口流量进行动态调整。