CN109446385A - 一种建立网络资源的设备图谱的方法以及所述设备图谱的使用方法 - Google Patents

Abstract

本发明提供一种建立网络资源的设备图谱的方法以及所述设备图谱的使用方法。所述设备图谱的使用方法，包括：1)根据所需建立的超图的属性要求，从所述设备图谱中检索到满足所述属性要求的各项具体属性、以及与所述属性对应的设备；2)基于满足所述属性要求的属性将不同的设备关联在一起，获得用于进行超图分析的超图。基于这样的超图可以对网络中的设备进行资源分配、还可以对各个设备的使用习惯进行推理分析，从而挖掘更多的信息。

Description

一种建立网络资源的设备图谱的方法以及所述设备图谱的使 用方法

技术领域

本发明涉及网络通信技术领域，尤其涉及针对由海量网络设备所产生的数据的管理和分析。

背景技术

随着物联网技术、边缘计算、云计算、雾计算的提出和发展，越来越多的研究开始着力于将网络中的不同资源进行整合、利用。目前网络正朝着体量越来越庞大、组合形式越来越多样化的方向发展，这使得网络中各个设备之间的连接关系也越发地复杂。如何将网络中的众多设备关联地利用起来以完成复杂任务是目前的一个研究热点。

现在，已有许多技术提出基于计算机架构、资源分配算法来利用网络中的闲置计算、存储或通信资源，例如在需要增加计算资源时检测闲置资源并进行资源分配。然而，目前的绝大多数网络资源管理均是对现有的特定种类的资源分别进行的定量管理，例如基于某一种资源的数量进行资源分配，这种管理方式并没有充分地利用网络设备所产生的海量数据。发明人发现，海量数据的集合可以有各种组合和分析的方式，根据组合和分析方式的不同可能得出不同的有用结论，这样的结论不仅仅适用于资源分配，还可以用于学习用户习惯等方面。对此，发明人提出需要提供一种新的资源管理方式，使得能够快速地、以一种恰当的方式来提供可用于智能推理的数据，以体现数据之间的关联关系。

发明内容

因此，本发明的目的在于克服上述现有技术的缺陷，提供一种建立网络资源的设备图谱的方法，包括：

1)探测网络中可用的设备以及各个设备的属性值；

2)建立标准字典库，采用结构化数据的方式来存储设备标识与具体属性值之间的映射关系。

优选地，根据所述方法，其中还包括：

3)在网络中的可用设备、或所述可用设备的属性值发生变化时，对存储的结构化数据进行更新。

优选地，根据所述方法，其中所述设备标识为设备MAC地址的HASH 值。

以及，一种对通过上述任意一项所述方法获得的设备图谱的使用方法，包括：

1)根据所需建立的超图的属性要求，从所述设备图谱中检索到满足所述属性要求的各项具体属性、以及与所述属性对应的设备；

2)基于满足所述属性要求的属性将不同的设备关联在一起，获得用于进行超图分析的超图。

优选地，根据所述方法，其中步骤1)的所述属性要求，包括：能够反映出设备与其他设备之间的连接关系的属性、和/或能够反映出设备与其他设备之间相对位置关系的属性、和/或能够反映出设备本身的资源利用情况的属性。

优选地，根据所述方法，其中步骤2)包括：

2-1)基于所述属性要求确定满足所述属性要求的各个设备；

2-2)将一个设备作为一个节点、并且将设备的属性作为与该设备对应的节点的子节点；

2-3)将设备的属性值作为相应节点之间的边。

优选地，根据所述方法，还包括：

2-4)以图的结构存储通过步骤2-1)至2-3)所获得的超图。

优选地，根据所述方法，其中步骤2-4)包括：

根据各个节点之间的连接关系，采用邻接矩阵、邻接表、十字链表、邻接多重表中的一种或多种方式来存储所述超图。

优选地，根据所述方法，还包括：

4)基于所述超图进行超图分析。

以及，一种计算机可读存储介质，其中存储有计算机程序，所述计算机程序在被执行时用于实现上述任意一项所述的方法。

与现有技术相比，本发明的优点在于：

提供一种建立网络资源信息图谱的方法，能够快速地提供可用于智能推理的数据，以体现数据之间的关联关系。通过本发明的方法所产生的设备图谱可以用于基于超图进行数据分析，以进行资源分配、学习用户习惯等。

附图说明

以下参照附图对本发明实施例作进一步说明，其中：

图1是根据本发明的一个实施例建立网络资源信息图谱的流程图；

图2示出了根据本发明的一个实施例以设备之间的距离作为所述属性要求而获得的超图的示例；

图3示出了在一个局域网内基于超图的结构示意图，所述超图为通过在数据库中检索“网关”而建立，每个网关均连接至同一个局域网。

具体实施方式

如背景技术中所介绍地，本发明希望提供一种能够快速地、以一种恰当的方式来提供可用于智能推理的数据，以体现数据之间的关联关系的方案。发明人通过研究后发现，不同网络设备的数据可以在许多方面产生关联性，其提出基于图论中的超图可以非常方便地分析这些数据。对此，本发明提出了一种建立网络资源信息图谱的方法，以提供可以直接用于超图分析的数据。

下面结合附图和具体实施方式对本发明作详细说明。

参考图1，根据本发明的一个实施例，建立网络资源信息图谱的方法，包括：

步骤1.探测网络中的各个设备及其信息。现有技术中有多种技术来探测可用的设备以及各个设备的属性，本发明并不局限于某一特定的探测方法。

为了对当前网络中的设备进行登记管理，需要对每个设备的身份进行标识，以保证能够在网络中唯一地确定该设备。例如，将探测到的设备的 MAC地址或IP地址作为设备的身份标识，即设备ID。由于MAC地址的长度为48位，直接将其作为设备的身份标识会占用许多存储空间，因而根据本发明的一个实施例，可以对设备的MAC地址或IP地址进行HASH计算，以减少身份标识的长度。为减少不同MAC地址产生相同HASH值的可能性，可以采用双HASH桶法通过调整桶的大小来减少地址冲突，所述桶的大小可以根据网络中经常出现的设备数量通过实验修正获取。

对于探测的设备的具体属性的类型可以根据需要确定。为了产生各种不同的超图，可以尽可能多地获取各种属性值，例如：设备的位置、网络连接质量、网络状况数据、连接到网络的方式、计算能力、当前电量、以及存储能力等。其中，设备的位置可以通过诸如GPS以及其他定位技术确定。网络连接质量可以通过诸如ping、FREEping、MTR等主动感知技术确定也可以通过RMON、Analyzer、WinPcap等技术被动感知。网络状况数据指的是数据的上行速度和下行速度。设备连接到网络的方式指的是设备是以什么方式连接到网络上，包括Wifi、4G等。

由于设备的一些属性值可能随着时间的推移而发生动态变化，因此对于需要提供实时数据或需要对数据进行长期分析学习的应用而言，还可以记录下产生上述属性值的时间，使得可以基于这些数据进行智能推理分析，获取用户对设备的使用习惯。对于上述需要分析学习的情况，可以每间隔一段时间获取一次网络中的设备信息和/或获取近期形成的数据。

步骤2.分别针对每一个设备，存储与其对应的属性及属性值。本发明需要对存储的设备属性值进行检索，为了方便检索,可以以结构数据的方式进行存储，结构化数据非常便于通过检索提取相应的数据。例如，可以采用标准字典库，通过字典库将设备与设备的属性值按照它们之间的关联性进行存储。

表1示出了根据本发明的一个实施例的结构化数据存储示例，其中分别存储了ID为50、960、69的三个设备的类型、下行速度、上行速度、连接方式、处理速度的属性。以ID为50的设备为例，该设备为手机，其上下行速度分别为2M和100k，其采用4G接入网络，处理速度为2.36GHz。

表1基于设备ID存储的各个属性值

ID	类型	下行速度	上行速度	连接方式	处理速度
						50	手机	2M	100k	4G	2.36GHz
960	路由器	100M	10M	宽带	4GHz
						69	手提电脑	2M	200K	WiFi	3.9GHz

表2示出了根据本发明又一个实施例的结构化数据存储示例，表明设备间的相互属性关系，本发明实施例以设备间的距离为例进行说明，设备间的属性还包括：信号强度、最短路径的边数等，其中第一行和第一列均为设备ID，除此以外的单元格中的数值表示行列交叉位置的两个设备之间的距离。例如，第二行第三列的元素为92，表示ID为50和960的两个设备之间的距离为92米，第三行第二列的元素也为92，表示ID为960和 50的两个设备之间的距离为92米。

表2不同设备之间的距离

ID	50	960	69
				50	0	92	100
960	92	0	10
				69	100	10	0

在存储结构化数据时，不同属性的数据类型会存在一定差异。在本发明中，可以预先设置一种字典表，表示各类数据的变量名称、数据类型、长度等，例如，如表3中所示出的，将设备ID的变量名称、数据类型、长度分别设置为vID、int、17。

表3针对结构化数据预先设置的参数

设备图谱信息表	变量名称	数据类型	长度
				设备ID	vID	int	17
设备类型	vType	string
				处理速度	vProcess	double

通过上述步骤，便完成了创建可用于根据需要从中提取满足具体属性要求以进行超图分析的设备图谱。所述设备图谱以结构化数据形式存储为数据库，或者上传至云端以供不同任务根据需要而使用。另外，在采集的设备数据发生更新时，更新上述设备图谱。

步骤3.在使用上述设备图谱时，可以首先确定所需建立的超图对设备的属性要求。

所述属性要求指的是期望建立的超图中不同设备之间相同或相关的属性，通过该属性可以绘制出用于超图分析的超图。如前文中所述，海量数据的集合可以有各种组合和分析的方式，根据组合和分析方式的不同可能得出不同的有用结论。例如，可以将连接至同一个局域网的全部设备关联在一起，以学习该网络中的不同设备的习惯使用时间或者对各个设备进行资源分配的求解。又例如，可以基于设备之间的距离使得它们在地理位置上相关联，以分析在某个地域中经常出现的具体设备等。前者可以将连接方式或连接关系作为超图对设备的属性要求，从而确定接入到同一个 WiFi和/或同一个路由器的各个设备以及它们分别的属性值。后者可以将地理位置或者不同设备之间的距离作为超图对设备的属性要求，从而确定具有相应属性值的各个设备之间的地理位置关系。在此步骤中，属性要求可以根据需要从已存储的各类属性中进行选择。

步骤4.在已存储的设备、属性及属性值中，检索到满足所述属性要求的设备。在此步骤中，可以根据在前一步骤中所确定的属性要求，在已存储的结构化数据中进行检索。在检索到满足所述属性要求的具体属性后，可以一并确定具有该属性的设备ID。

步骤5.基于所述属性要求确定满足所述属性要求的各个设备，将一个设备作为一个节点，并将设备的属性作为该设备对应节点的子节点，由此确定基于所述属性要求的超图。并且，将所述超图以图的形式存储为文件、上传至服务器。

图2示出了根据本发明的一个实施例，以设备之间的距离作为所述属性要求而获得的超图的示例。在图2所示出的示例中，属性值通过节点之间的边来体现。例如，设备2的节点与上行速度的节点通过一条边相关联，该边的取值为100，表示设备2的上行速度为100kbps。设备3的节点与设备2的节点通过一个边相关联，该边的取值为10，表示设备3与设备2 之间的距离为10m。

在存储如图2所示出的超图时，可以采用图的结构进行存储。图的存储结构有许多种，包括：邻接矩阵、邻接表、十字链表以及邻接多重表等。以其中的邻接矩阵为例，假设由设备ID以及属性形成的顶点共有n个，则邻接矩阵为n*n的矩阵，矩阵内的元素为1表明两个顶点之间有连接，为0则没有连接，对于相对应的属性值也建立一个n*n的矩阵，矩阵内元素表示相对应的属性值，没有连接则元素值为∞。这样的邻接矩阵可以采用CSV的格式存储，以每行记录一个设备的各个数据，每个数据之间采用逗号分隔。例如，50，手机，2M，100k，…等。为了方便分析和长期存储所获得的超图，还可以将上述CSV文件上传至服务器保存。这里将超图的文件上传到云端不是本发明必需的，但当网络设备数量剧增，这时需要存储的信息是巨大的，这时把数据存储在每个设备中是很浪费资源的，为此，需要把信息上传到云端，当有任务需要进行时，可从云端下载使用。

步骤6.基于所述超图，进行超图分析。

通过上述步骤，可以根据网络任务的需要对某一特定属性进行检索，获得满足属性要求的超图，这样的超图可以用于进行超图分析。这里的超图分析可以是对网络中的各个设备进行资源分配、学习网络中不同设备的使用习惯等等。

下面以一个超图为例，介绍基于该超图进行资源分配的示例。图3示出了在一个局域网内基于超图的超图的结构示意图，所述超图为通过在数据库中检索“网关”而建立，每个网关均连接至同一个局域网。其中，a、 b和c为局域网中的三个网关，设备a1和a2与网关a相连，设备b1、b2 和b3与网关b相连，设备c1、c2与网关c相连。利用这些信息可以建立一种超图结构，例如使得a、b和c为超图的超边，设备a1和a2同属于超边a所连接的顶点，设备b1、b2和b3同属于超边b所连接的顶点，设备 c1和c2同属于超边c所连接的顶点。在构建超图时，不仅可以采用同一局域网的属性进行构建，还可以采用其他属性，例如设备在网络中具有同一服务能力、计算、存储能力等。

基于超图中各个超边的取值，可以建立以下数学模型。其中： C_a1,C_a2,C_b1,C_b2,C_b3,C_c1,C_c2表示设备a1，a2、b1、b2、b3、c1和c2的信道容量，信道容量由网络连接方式以及信道状态计算获得，P_a1,P_a2,P_b1,P_b2,P_b3,P_c1,P_c2表示设备a1，a2、b1、b2、b3、c1和c2的计算能力，计算能力由设备的处理速度以及已占用的计算资源计算获得。

由此，同一个超图的设备总信道容量受限于局域网的信道容量，即：

C_a1+C_a2≤C_a，C_b1+C_b2+C_b3≤C_b，C_c1+C_c2≤C_c，因此当网络系统要利用这些设备完成一个计算任务时，设R为计算数据量，那么如何分配码率才能充分利用设备资源，提高计算效率时，采用超图可建立下面的数学模型：

st.C_a1+C_a2≤C_a，C_b1+C_b2+C_b3≤C_b，C_c1+C_c2≤C_c

R_a1≤C_a1,R_a2≤C_a2,R_b1≤C_b1，R_b2≤C_b2，R_b3≤C_b3，R_c1≤C_c1，R_c2≤C_c2，

这样则可获得对每个设备的计算资源最佳分配R_i，i∈{a1_,a2,b1,b2,b3_,c1_,c2}。

前文中对采用超图对网络中的设备进行资源分配进行了介绍。可以理解，超图还可用于对设备的使用习惯进行推理，针对每个设备我们采集了大量的数据，利用这些数据可以对设备的使用行为、习惯等特征进行学习，从而设备的空闲时间段、所处的网络环境等特征，具有这些先验信息，就具有对网络设备的智能认知，则可减少网络设备间需要经常交互信息(发送可用资源、已计算节点等信息)所产生的通信量和计算量，根据先验信息就可对设备资源进行合理地分配。

通过前述实施例可以看出，本发明提供一种建立网络资源信息图谱的方法，能够快速地提供可用于智能推理的数据，以体现数据之间的关联关系的方案。通过本发明的方法所产生的超图可以用于基于超图进行数据分析，以进行资源分配、学习用户习惯等。

需要说明的是，上述实施例中介绍的各个步骤并非都是必须的，本领域技术人员可以根据实际需要进行适当的取舍、替换、修改等。

最后所应说明的是，以上实施例仅用以说明本发明的技术方案而非限制。尽管上文参照实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，对本发明的技术方案进行修改或者等同替换，都不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (10)

1.一种建立网络资源的设备图谱的方法，包括：

1)探测网络中可用的设备以及各个设备的属性值；

2)建立标准字典库，采用结构化数据的方式来存储设备标识与具体属性值之间的映射关系。

2.根据权利要求1所述的方法，其中还包括：

3)在网络中的可用设备、或所述可用设备的属性发生变化时，对存储的结构化数据进行更新。

3.根据权利要求1所述的方法，其中所述设备标识为设备MAC地址的HASH值。

4.一种对通过权利要求1-3中任意一项所述方法获得的设备图谱的使用方法，包括：

1)根据所需建立的超图的属性要求，从所述设备图谱中检索到满足所述属性要求的各项具体属性、以及与所述属性对应的设备；

2)基于满足所述属性要求的属性将不同的设备关联在一起，获得用于进行超图分析的超图。

5.根据权利要求4所述的方法，其中步骤1)的所述属性要求，包括：能够反映出设备与其他设备之间的连接关系的属性、和/或能够反映出设备与其他设备之间相对位置关系的属性、和/或能够反映出设备本身的资源利用情况的属性。

6.根据权利要求4所述的方法，其中步骤2)包括：

2-1)基于所述属性要求确定满足所述属性要求的各个设备；

2-2)将一个设备作为一个节点、并且将设备的属性作为与该设备对应的节点的子节点；

2-3)将设备的属性值作为相应节点之间的边。

7.根据权利要求6所述的方法，还包括：

2-4)以图的结构存储通过步骤2-1)至2-3)所获得的超图。

8.根据权利要求7所述的方法，其中步骤2-4)包括：

根据各个节点之间的连接关系，采用邻接矩阵、邻接表、十字链表、邻接多重表中的一种或多种方式来存储所述超图。

9.根据权利要求1-7中任意一项所述的方法，还包括：

4)基于所述超图进行超图分析。

10.一种计算机可读存储介质，其中存储有计算机程序，所述计算机程序在被执行时用于实现如权利要求1-9中任意一项所述的方法。