CN109983735B - 用于监测网络拓扑的方法、设备和存储设备 - Google Patents
用于监测网络拓扑的方法、设备和存储设备 Download PDFInfo
- Publication number
- CN109983735B CN109983735B CN201780067909.0A CN201780067909A CN109983735B CN 109983735 B CN109983735 B CN 109983735B CN 201780067909 A CN201780067909 A CN 201780067909A CN 109983735 B CN109983735 B CN 109983735B
- Authority
- CN
- China
- Prior art keywords
- network
- service
- related metrics
- network topology
- topology
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000012544 monitoring process Methods 0.000 title claims abstract description 12
- 230000005540 biological transmission Effects 0.000 claims abstract description 20
- 230000004044 response Effects 0.000 claims abstract description 16
- 238000011144 upstream manufacturing Methods 0.000 claims description 40
- 230000015654 memory Effects 0.000 claims description 17
- 238000010801 machine learning Methods 0.000 claims description 11
- 230000008859 change Effects 0.000 claims description 4
- 238000002955 isolation Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 description 39
- 238000010586 diagram Methods 0.000 description 15
- 238000004891 communication Methods 0.000 description 6
- 238000007726 management method Methods 0.000 description 6
- 230000006855 networking Effects 0.000 description 6
- 238000012384 transportation and delivery Methods 0.000 description 6
- 238000001514 detection method Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005538 encapsulation Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000013523 data management Methods 0.000 description 2
- 240000005020 Acaciella glauca Species 0.000 description 1
- 239000008186 active pharmaceutical agent Substances 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000035755 proliferation Effects 0.000 description 1
- 238000013442 quality metrics Methods 0.000 description 1
- 235000003499 redwood Nutrition 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 230000003068 static 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
- H04L41/06—Management of faults, events, alarms or notifications
- H04L41/0631—Management of faults, events, alarms or notifications using root cause analysis; using analysis of correlation between notifications, alarms or events based on decision criteria, e.g. hierarchy, tree or time analysis
- H04L41/065—Management of faults, events, alarms or notifications using root cause analysis; using analysis of correlation between notifications, alarms or events based on decision criteria, e.g. hierarchy, tree or time analysis involving logical or physical relationship, e.g. grouping and hierarchies
-
- 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
- H04L41/08—Configuration management of networks or network elements
- H04L41/085—Retrieval of network configuration; Tracking network configuration history
- H04L41/0853—Retrieval of network configuration; Tracking network configuration history by actively collecting configuration information or by backing up configuration information
-
- 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
- H04L41/50—Network service management, e.g. ensuring proper service fulfilment according to agreements
- H04L41/5003—Managing SLA; Interaction between SLA and QoS
- H04L41/5009—Determining service level performance parameters or violations of service level contracts, e.g. violations of agreed response time or mean time between failures [MTBF]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/51—Discovery or management thereof, e.g. service location protocol [SLP] or web services
-
- 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
- H04L41/06—Management of faults, events, alarms or notifications
- H04L41/0654—Management of faults, events, alarms or notifications using network fault recovery
- H04L41/0659—Management of faults, events, alarms or notifications using network fault recovery by isolating or reconfiguring faulty entities
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Environmental & Geological Engineering (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
涉及用于监测网络拓扑的方法、设备和存储设备。具体地,涉及用于动态识别服务和数据源的关键性的方法、计算机可读介质以及设备。从网络中的所有IoT网元接收服务相关度量。对服务相关度量进行解析以推断网络拓扑。根据该网络拓扑,基于从服务相关度量中提取出的数据确定一组关键服务传输点。可以针对服务中断监测该组关键服务传输点,并且可以响应于所述中断生成警报。另外,可以将推断出的网络拓扑与先前记录的网络拓扑进行比较,并且基于差分,当该差分满足阈值时可以生成警报。
Description
技术领域
本文描述的实施方式主要涉及电子设备联网,并且具体地涉及网络中的物联网(IoT:Internet of Things)设备。
背景技术
计算机网络支持服务的传输。服务包括用户交互所使用的前端、进行数据处理的后端以及向用户呈现数据的支持基础设施。在网络中,传统上通过明确定义的通信机制来实现服务。通常,通信机制是使用基于标准的协议或专有协议来实现的,这两种协议都旨在促进数据从一个设备到另一个设备的有效移动。监测这些服务的一个问题是,这些服务难以辨别。通常由这些服务运行所在的端口以及数据消息自身来识别它们。这要求任何试图监测服务的应用要么具有服务的先验知识,要么提供计算上昂贵的深度数据包检测。另外,为了安全性而添加加密层进一步使得网络中服务的监测成为问题。
附图说明
图1是支持IoT设备联网的软件栈(software stack)的框图。
图2是例示根据一个或更多个实施方式的IoT设备网络的框图。
图3是例示根据一个或更多个实施方式的IoT网络的框图。
图4是例示根据一个或更多个实施方式的用于确定关键服务传输点的技术的流程图。
图5是示出根据一个或更多个实施方式的用于生成网络服务警报的技术的流程图。
图6是示出根据一个或更多个实施方式的与本文描述的技术一起使用的计算设备的框图。
图7是示出根据一个或更多个实施方式的与本文描述的技术一起使用的计算设备的框图。
具体实施方式
在以下说明中,出于解释的目的,阐述了许多具体细节以便提供对本发明的透彻理解。然而,对于本领域技术人员显而易见的是,可以在没有这些具体细节的情况下实施本发明。在其它情况下,以框图形式示出结构和设备,以避免模糊本发明。对没有下标或后缀的数字的引用应理解为,引用与所引用的数字对应的所有下标和后缀的实例。此外,在本公开中使用的语言主要是出于可读性和指导目的而选择的,并且可能不是选择来描绘或限制本发明的主题,必需诉诸于权利要求来确定本发明的主题。说明书中对“一个实施方式”或“实施方式”的引用意味着与实施方式相结合来描述的特定特征、结构或特性被包括在本发明的至少一个实施方式中,并且不应该将对“一个实施方式”或“实施方式”的多个引用理解为必须全部指相同的实施方式。
如本文所使用的,用语“计算机系统”可以指,执行被描述为在计算机系统上或由计算机系统执行的功能的单个计算机或一起工作的多个计算机。
同样地,小型互联网络设备被称为物联网(IoT)。包括IoT在内的设备可能包括但不限于小型单用途联网传感器,或者它们可以是全通用计算机。IoT还可以包括联网的移动计算设备、联网的附加存储器和启用了网络的服务。IoT设备通常被设计为支持服务。服务是用户需要的功能。例如,在智能家居系统中,一组服务可能包括灯光控制、空调控制、烟雾和火灾检测以及安全控制。
为了支持轻量级小型单用途联网设备的部署,已经开发了通用操作系统(OS) 发行版。ZephyrTM(Zephyr是加利福尼亚州旧金山Linux基金会的商标)是捆绑OS 以及软件工具和实用程序的一种实现。这些常见的OS发行版通常被设计用于支持软件栈中更高的功能。
图1是用于支持IoT设备联网的软件栈100的框图。用于IoT设备的软件栈的一个示例是(IoTivity是韩国三星电子公司的注册商标)。IoTivity是众多IoT 设备制造商之间的一个开源项目,其目标是为IoT设备与IoT基础设施之间的通信提供标准化软件栈。图1中示出的示例基于IoTivity的。然而,实施本发明不必需IoTivity。可以使用支持IoT设备联网的任何软件栈来实现本发明。软件栈可以用可操作以实现功能的任何编程语言来实现,以实现下面描述的行为。编程语言的示例包括:面向对象的语言(诸如,C++、(Java是加利福尼亚州红木城的甲骨文公司的注册商标)和C#),以及过程语言(诸如C和Fortran)。
在基层栈104上构建应用服务栈102。该应用服务栈102为应用层124功能提供大部分功能。应用服务栈102包括利用该软件栈的所有IoT设备共用的应用程序接口 (API)。这使得所有IoT设备能够针对不同的设备使用通用服务框架,并为应用提供标准化接口。针对服务栈102的支持模块包括资源封装112和资源容器114。由于在支持不同服务的网络上可能存在许多可用资源,所以这些模块提供必要的软件支持, 以识别用于给定服务的资源。
基于资源封装112和资源容器114模块构建了如下模块,其包括设备管理106、低功率管理108和数据管理110模块。这些模块提供对资源封装112和资源容器114 模块的高级别支持,在逻辑上将功能组织到设备管理106、低功率管理108和数据管理110中。基栈104支持服务栈102。基栈104是支持IoT设备的软件栈100的最低层。对于具有有限计算资源的轻量级设备来说,可能需要利用基栈104而不用服务栈 102。基栈104将基本操作抽象为逻辑模块,该逻辑模块包括连接模块122、发现模块120、消息模块116和安全模块118。类似于服务栈102,基栈104提供API以访问那些模块的功能。基栈104将面向连接的机制抽象为更简化的功能实现(诸如操纵套接字(manipulating sockets)、连接件、以及安全性参数)。基栈104和应用服务栈 102的这种结构是例示性的且仅作为示例,并且可以根据需要使用其它软件栈。
设备管理106模块可以基于服务来提供至发现功能的接口。例如,应用124可以通过软件类来与设备管理106模块进行接口连接。这些类可以实现方法调用,该方法调用在功能上指定特定服务,并通过网络对其进行多播。代码示例1演示了如何使用 OCPlatform类和findResources()方法来访问该类方法:
OCPlatform platform;
platform.findResources(“”,
“coap://192.168.0.103/oc/core?rt=alpha.light”,findHandler);
这些参数限定了目标设备以及服务。在接收到由代码示例1生成的多播消息时,接收设备可以响应于发送方而将所指定的服务支持通知给发送方。
图2是例示根据一个或更多个实施方式的IoT网络200的框图。图2中所示的IoT 网络200包括多个数据源202A、202B、202C。所述多个数据源可以采用边缘设备(edge device)的形式。边缘设备是电子设备,并且可以包括但不限于向用户提供输入或输出的简单轻量级数据收集设备。这些设备可以包括但不限于单用途输入设备,诸如照相机、麦克风、温度计和加速度计。同样,这些设备可以包括但不限于单用途输出设备,诸如液晶显示器、发光二极管和扬声器系统。设备可以充当多用途角色,并且还包括多种不同组合的输入和输出功能。
数据源202A、202B、202C通过交换机210A、210B、210C连接到网络。这些交换机210A、210B、210C在网络中提供分组交换,以将数据从数据源202A、202B、 202C提供给数据用户。交换机可以以包括冗余交换机212在内的多种方式部署。冗余交换机212在包括网络故障在内的网络事件的情况下,建立从主交换机到数据源或另一交换机的备份网络链路。交换机210的数量和交换机210与图2的其它元件之间的连接是例示性的,并且仅作为示例,而且可以根据需要使用其它数量的交换机210 和经由交换机210的其它连接。虽然这里通过有线联网的实施方式进行描述,但是这些特征可以以无线方式、或者组合方式、或者有线和无线联网元件来实现。
中间服务器204通过交换机210A、210B来收集由数据源202A、202B、202C提供的数据。中间服务器204可以处理从数据源202A、202B、202C接收的数据。然后,在该示例中,数据可以跨网络传输到基于云的系统206。然后,该基于云的系统206 可以增加来自第三方数据源的数据,或者以与由中间服务器204执行的处理类似的方式来继续处理数据。最终,来自数据源202A、202B、202C的数据流到用户可见服务服务器208。该服务器利用由数据源202A、202B、202C提供的数据,并将该数据转换成对用户或消费者有意义的东西。为了网络鲁棒性,冗余交换机212在交换机210B 和210C发生故障的情况下,将备份链路连接到用户可见服务服务器208。
图3是例示根据一个或更多个实施方式的另一IoT网络300的框图。图3展示了 IoT网络如何随着使用和时间而变化。由于恶意参与者可能在网络上活跃,所以为了改善网络安全性,识别网络拓扑中的变化可能很重要。图3中的IoT网络300是图2 中例示的IoT网络200的增广形式。图3中的IoT网络300保持与图2中的IoT网络 200类似。数据源202A、202B、202C与数据源302A、302B、302C连接。数据源302A、 302B、302C可以是与数据源202A、202B、202C相同或相似类型的设备。类似于图 2,中间服务器204通过交换机210A、210B来收集由数据源202A、202B、202C、 302A、302B、302C提供的数据。另外,图2中的用户可见服务服务器208也存在并保持相同或相似的功能。
与图2中的网络不同,附加中间服务器306加入网络,提供与中间服务器204 类似的功能。与冗余交换机连接的是备份中间服务器314和新的基于云的系统316,该基于云的系统316在此示例中表示备份第三方云系统。
图4是例示根据一个或更多个实施方式的用于确定网络安全性的技术的流程图400。随着时间的推移,网络的增广和变化可能是安全问题的标志。利用基于服务的拓扑的已知良好快照,可能是检测网络安全问题的有效方式。
在框402处,从网络节点接收多个服务相关度量。利用图1中示出的软件栈100 来接收该服务相关度量。服务相关度量包括:与基于服务的上游和下游节点相关的数据。
在框404处,从服务相关度量确定上游和下游网络节点。基于所接收的服务相关度量,可以从所接收的响应消息中提取上游和下游网络节点。
在框406处,确定上游节点或下游节点中是否有任何节点仍未被处理。这被描述为用于确定附加服务相关度量的串行迭代控制结构的进入条件。这也可以递归地进行处理,也可以并行地进行处理。
在肯定决策分支之后,在框408处,向各个网络节点询问附加服务相关度量。该询问可以采用与代码示例1中的描述类似的单播或多播请求的形式。
在框410处,响应于在框408处示出的请求,从各个网络节点接收附加服务相关度量。
返回到决策点并且在否定决策分支之后,在框412处,从累积服务相关度量中提取网络拓扑。推断出的网络拓扑可以与图3中示出的拓扑一致。可以基于解析和检查服务相关度量来推断网络拓扑。可以从所解析的服务相关度量中提取网元标识符。基于服务相关度量所属的节点,可以建立任何网元标识符与服务相关度量所发源的节点之间的关系。例如,如果利用目标网络标识符作为中间服务器204来针对数据源202A 检索服务相关度量,则可以从数据源202A的角度在两者之间建立下游关系。
在框414处,确定推断出的网络拓扑与先前获取的网络拓扑之间的差异。替代地,可以将推断出的网络拓扑与由系统管理员建立或创建的种子网络拓扑(seeded networktopology)进行比较,其中,种子网络拓扑与由系统管理员定义的预期拓扑对应。使用来自图2和图3的拓扑,添加了网元302A、302B、302C、314、316和306。网元206已删除。可以将这些元素的添加和移除转换为差分值,以进行比较。可以为不同网元类型分配值或权重,并且基于它们的添加或移除可以使差分值增加。机器学习技术可以适用于基于网络变化来确定差分值。在一个实施方式中,可以利用隐马尔可夫模型(Hidden Markov Models)或贝叶斯模型(Bayesian model),基于先前获取的网络拓扑和推断出的网络拓扑来确定网络中看不见的状态变化。
然后在框416处,将差分值与预定阈值进行比较。该阈值可以由系统管理员基于容许的网络变化量来设置。差分值和阈值建立IoT网络中的变化率或“网络拓扑动态性”,网络管理员使用该变化率或“网络拓扑动态性”来确定网络的弹性。例如,如果预期网络行为是相对静态的,则可以将阈值设置为低的。如果预期网络行为是相对动态的,则可以配置高阈值。在将差分值与阈值进行比较时,在框418处,可以生成网络服务警报。网络服务警报可以用作信息提示,以便系统管理员进行更仔细的网络检测。基于网络服务警报和变化率,系统管理员可以通过以发现、路由和连接资源的形式部署额外的或减少的容量,来动态地管理网络弹性。
图5是例示根据一个或更多个实施方式的用于确定关键服务传输点的技术的流程图500。
在框502处,从网络节点接收多个服务相关度量。使用图1中示出的软件栈100 接收服务相关度量。服务相关度量包括:与基于服务的上游和下游节点相关的数据。
在框504处,从服务相关度量确定上游和下游网络节点。基于所接收的服务相关度量,可以从所接收的响应消息中提取上游和下游网络节点。
在框506处,确定上游节点或下游节点中是否有任何节点仍未处理。这被描述为用于确定附加服务相关度量的串行迭代控制结构的进入条件。未处理节点的处理也可以递归地实现,还可以并行地实现。
在肯定决策分支之后,在框508处,向各个网络节点询问附加服务相关度量。该询问可以采用与代码示例1中描述的类似的单播或多播请求的形式。
在框510处,响应于在框508处示出的请求,逐个节点地询问整个网络,从各个网络节点接收附加服务相关度量。
返回到决策点并且在否定决策分支之后,在框512处,从服务相关度量和附加服务相关度量中提取网络拓扑。推断出的网络拓扑可以与图3中示出的拓扑一致。可以基于解析和检查服务相关度量来推断网络拓扑。可以从所解析的服务相关度量中提取网元标识符。基于服务相关度量所属的节点,可以建立任何网元标识符与发起服务相关度量的节点之间的关系。例如,可以利用目标网络标识符作为中间服务器204来针对数据源202A检索服务相关度量,则可以从数据源202A的角度在两者之间建立下游关系。
在框514处,基于网络拓扑和来自所有网络节点的累积服务相关度量,来确定网络中的一组关键服务传输点。可以基于但不限于由检查从网络节点传送的和传送至网络节点的数据、数据中的分组数量、数据中的错误数以及数据量,来确定关键服务传输点。在各个网络节点的基础上利用这些度量,将会识别出接收并且向服务发送大量相关数据的网络节点,这些网络节点如果被禁用或隔离会严重影响向用户传输服务。
网络的其它方面可以用于确定网络中的一组关键服务传输点。例如,上游备份系统(诸如,备份中间服务器314或者代表备份第三方云系统的新的基于云的系统316) 的识别可能是确定该组关键服务传输点的因素。在存在内置冗余或备份的情况下,服务传输点不太可能是关键的。
在框516处,针对服务中断,监测该组关键服务传输点。这可以以多种方式实现,包括但不限于网络上的分组检测,或者远程硬件访问可用性。
在框518处,可以基于对服务中断的检测来生成系统警报。例如,如果通过远程监测工具,中间服务器204或者备份中间服务器314变的不可用,则可以生成系统警报。同样,如果分组嗅探工具在从中间服务器204或备份中间服务器314发送和接收的网络流量中检测到许多分组错误,则可以生成系统警报以通知系统管理员。
现在参考图6,框图例示了可编程设备600,其可以用于实现根据一个或更多个实施方式的本文描述的技术。图6中例示的可编程设备600是多处理器可编程设备,其包括第一处理元件670和第二处理元件680。虽然示出了两个处理元件670和680,但是可编程设备700的实施方式也可以仅包括一个这样的处理元件。
可编程设备600被例示为点对点互连系统,其中,第一处理元件670和第二处理元件680经由点对点互连650而联接起来。在图6中例示的任何或所有互连可以实现为多点总线,而不是点对点互连。
如图6所例示的,处理元件670和680中的各个处理元件可以是多核处理器,包括第一和第二处理器核(即,处理器核674a和674b以及处理器核684a和684b)。这些核674a、674b、684a、684b可以被配置为执行计算指令代码。然而,其它实施方式可以根据需要使用作为单核处理器的处理元件。在具有多个处理元件670、680 的实施方式中,各个处理元件可以根据需要用不同数量的核来实现。
各个处理元件670、680可以包括至少一个共享高速缓存646。共享高速缓存646a、646b可以存储由处理元件的一个或更多个组件(诸如,分别为核心674a、674b和684a、684b)使用的数据(例如,计算指令)。例如,共享高速缓存可以存储在存储器632、 634中的数据进行本地高速缓存,以便由处理元件670、680的组件更快地访问。在一个或更多个实施方式中,共享高速缓存646a、646b可以包括一个或更多个中级高速缓存(例如级别2(L2)、级别3(L3)、级别4(L4)),或者其它级别的高速缓存,末级别高速缓存(LLC)或者它们的组合。
尽管为了附图的清楚起见,图6例示了具有两个处理元件670、680的可编程设备,但是本发明的范围不限于此,并且可能存在任何数量的处理元件。替代地,一个或更多个的处理元件670、680可以是除处理器之外的元件,诸如图形处理单元 (GPU)、数字信号处理(DSP)单元、现场可编程门阵列或任何其它可编程处理元件。处理元件680可以与处理元件670异构或不对称。在包括架构、微架构、热、功耗特性等在内的品质度量方面,处理元件670、680之间可能存在各种差异。这些差异可以有效地表现为,处理元件670、680之间的不对称性和异质性。在一些实施方式中,各种处理元件670、680可以驻留在同一芯片封装中。
第一处理元件670还可以包括存储器控制器逻辑(MC)672以及点对点(P-P) 互连676和678。类似地,第二处理元件680可以包括MC 682以及P-P互连686和 688。如图7所例示的,MC672和782将处理元件670、680联接到相应的存储器,即存储器632和存储器634,存储器632和存储器634可以是本地附接到相应处理器的主存储器的一部分。虽然MC逻辑672和682被例示为集成到处理元件670、780 中,但是在一些实施方式中,存储器控制器逻辑可以是处理元件670、680外部的离散逻辑,而不是集成在其中。
处理元件670和处理元件680可以经由相应的P-P互连676和686,通过链路652 和654与I/O子系统690联接。如图7所示,I/O子系统690包括P-P联接694和698。此外,I/O子系统690包括用于将I/O子系统690与高性能图形引擎638联接的接口 692。在一个实施方式中,总线(未示出)可以被用于联接图形引擎638与I/O子系统690。或者,点对点互连639可以将这些组件联接。
同样,I/O子系统690可以经由接口696与第一链路616联接。在一个实施方式中,第一链路616可以是外设组件互连(PCI)总线,或者诸如PCI Express总线这样的总线,或者另一I/O互连总线,但是本发明的范围不限于此。
如图6中所示,各种I/O设备614、624,以及桥接器618可以与第一链路616 联接,该桥接器618可以将第一链路616联接到第二链路620。在一个实施方式中,第二链路620可以是一个低引脚数(LPC)总线。在一个实施方式中,各种设备可以与第二链路620联接,包括例如键盘/鼠标612、通信设备626(其又可以与计算机网络603通信)以及数据存储单元628(诸如,可以是包括代码630的磁盘驱动器或其它大容量存储设备)。代码630可以包括用于执行上述一种或更多种技术的实施方式的指令。此外,音频I/O 624可以与第二链路620联接。
注意,可以预期其它实施方式。例如,代替图6的点对点架构,系统可以实现多站总线或另一种这样的通信拓扑。虽然链路616和620在图6中被例示为总线,但是可以使用任何期望类型的链路。另外,图6的元件可以替代地使用比图6中所例示的更多或更少的集成芯片来划分。
现在参照图7,框图例示出了根据另一实施方式的可编程设备700。图7中省略了图7的某些方面,以避免模糊图7的其它方面。
图7例示了处理元件770、780可以分别包括集成存储器和I/O控制逻辑(“CL”) 772和782。在一些实施方式中,772、782可以包括诸如以上结合图6描述的存储器控制逻辑(MC)。此外,CL 772、782还可以包括I/O控制逻辑。图7例示了不仅存储器732、734可以与CL772、782联接,而且I/O设备744也可以与控制逻辑772、 782联接。传统I/O设备715可以通过接口796与I/O子系统790联接。各个处理元件770、780可以包括多个处理器核,在图7中例示为处理器核774A、774B、784A 和784B。如图7所例示,I/O子系统790包括点对点(P-P)互连794和798,它们通过链路752和754与处理元件770和780的PP互连776和786连接。处理元件770 和780也可以分别通过链路750以及互连778和788进行互连。
以下示例涉及其它实施方式。
示例1是至少一种计算机可读介质,在其上存储有用于改进网络中的应用服务传输的软件,该计算机可读介质包括指令,当执行该指令时致使可编程设备执行以下操作:从网络节点接收多个服务相关度量;从所述多个服务相关度量中确定上游网络节点和下游网络节点;向上游网络节点和下游网络节点询问多个附加服务相关度量;从上游网络节点和下游网络节点接收多个附加服务相关度量;基于所述多个服务相关度量和多个附加服务相关度量来推断网络拓扑;确定推断出的网络拓扑与先前网络拓扑之间的差分值;将该差分值与阈值进行比较;以及响应于所述比较,生成网络服务警报。
在示例2中,示例1的主题可选地包括:其中,用于确定差分值的指令包括如下指令,其用于基于先前网络拓扑,从推断出的网络拓扑确定附加的和删除的网络节点。
在示例3中,示例1的主题可选地包括:其中,用于确定差分值的指令包括如下指令,其将机器学习算法应用于推断出的网络拓扑和先前网络拓扑。
在示例4中,示例3的主题可选地包括:其中,机器学习算法包括隐马尔可夫模型。
在示例5中,示例3的主题可选地包括:其中,用于推断网络拓扑的指令包括如下指令,其利用基栈层应用程序接口,从服务相关度量和多个附加服务相关度量中,提取网络拓扑信息。
在示例6中,示例1的主题可选地包括:其中,先前网络拓扑包括种子网络拓扑。
在示例7中,示例1至3的任意一个的主题可选地包括:其中,用于推断的指令包括用于执行以下操作的指令:解析多个服务相关度量和多个附加服务相关度量;从所解析的多个服务相关度量和多个附加服务相关度量中提取多个网元标识符;以及确定所提取的多个网元标识符中的各个网元标识符之间的关系。
示例8是一种用于改进网络中的应用服务传输的方法,该方法包括如下步骤:从网络节点接收多个服务相关度量;从多个服务相关度量确定上游网络节点和下游网络节点;向上游网络节点和下游网络节点询问多个附加服务相关度量;从上游网络节点和下游网络节点接收多个附加服务相关度量;基于所述多个服务相关度量和多个附加服务相关度量来推断网络拓扑;基于该网络拓扑、多个服务相关度量以及多个附加服务相关度量,确定网络中的一组关键服务传输点;针对检测服务中断,监测该组关键服务传输点;响应于该检测,生成系统警报。
在示例9中,示例8的主题可选地包括:其中,确定一组关键服务传输点的步骤包括:检查通过上游网络节点和下游网络节点的数据。
在示例10中,示例9的主题可选地包括:其中,检查数据量的步骤包括:识别数据中的分组;识别数据中的错误;以及确定数据容量。
在示例11中,示例8的主题可选地包括:其中,推断网络拓扑的步骤包括,利用底层应用程序接口,从服务相关度量和多个附加服务相关度量中提取网络拓扑信息。
在示例12中,示例8和11的任意一个的主题可选地包括:其中,推断网络拓扑的步骤包括:解析多个服务相关度量和多个附加服务相关度量;从所解析的多个服务相关度量和多个附加服务相关度量中提取多个网元标识符;以及确定多个网元标识符之间的关系。
在示例13中,示例8和9的任意一个的主题可选地包括:其中,确定一组关键服务传输点的步骤包括检测上游网络节点和下游网络节点隔离。
示例14是一种用于改进网络中的应用服务传输和安全性的设备,该设备包括:一个或更多个处理器;网络适配器,该网络适配器与一个或更多个处理器在通信上联接;以及存储器,在该存储器上存储指令,该存储器与一个或更多个处理器联接,所述指令包括如下指令,该指令在被执行时致使一个或更多个处理器中的至少一些执行以下处理:从网络节点接收多个服务相关度量;从所述多个相关度量确定上游网络节点和下游网络节点;向上游网络节点和下游网络节点询问多个附加服务相关度量;从上游网络节点和下游网络节点接收多个附加服务相关度量;以及基于所述多个服务相关度量和多个附加服务相关度量来推断网络拓扑;将该网络拓扑与先前网络拓扑进行比较;确定推断出的网络拓扑与先前网络拓扑之间的差分值;将该差分值与阈值进行比较;响应与该比较,生成网络服务警报。
在示例15中,示例14的主题可选地包括:其中,用于确定差分值的指令包括如下指令,其用于基于先前网络拓扑,从推断出的网络拓扑确定附加和删除的网络节点。
在示例16中,示例14的主题可选地包括:其中,用于确定差分值的指令包括如下指令,其将机器学习算法应用到推断出的网络拓扑和先前网络拓扑。
在示例17中,示例16的主题可选地包括:其中,机器学习算法包括隐马尔可夫模型。
在示例18中,示例14至16的任意一个的主题可选地包括:其中,用于推断网络拓扑的指令如下指令,其包括利用底层API,从服务相关度量和多个附加服务相关度量中提取网络拓扑信息。
在示例19中,示例14的主题可选地包括:其中,先前网络拓扑包括种子网络拓扑。
在示例20中,示例14至16的任意一个的主题可选地包括:其中,用于推断的指令包括致使执行以下操作的指令:解析所述多个服务相关度量和多个附加服务相关度量的各个服务相关度量;从所解析的多个服务相关度量和多个附加服务相关度量中提取多个网元标识符;以及确定所提取的多个网元标识符中的各个网元标识符之间的关系。
示例21是一种设备,该设备包括:处理器;以及存储器,该存储器与处理器联接,在该存储器上存储指令,所述指令包括在被执行时使处理器执行以下处理的指令:从网络节点接收多个服务相关度量;从所述多个服务相关度量确定上游网络节点和下游网络节点;向上游网络节点和下游网络节点询问多个附加服务相关度量;从上游网络节点和下游网络节点接收多个附加服务相关度量;基于多个服务相关度量和多个附加服务相关度量来推断网络拓扑;确定推断出的网络拓扑与先前网络拓扑之间的差分值;将该差分值与阈值进行比较;响应于该比较,生成网络服务警报。
在示例22中,示例21的主题可选地包括:其中,当被执行时致使处理器确定差分值的指令包括如下指令,其在被执行时致使处理器基于先前网络从推断出的网络拓扑确定附加的和删除的网络节点。
在示例23中,示例21的主题可选地包括:其中,当被执行时致使处理器确定差分值的指令包括如下指令,其在被执行时致使处理器将机器学习算法应用至推断出的网络拓扑和先前网络拓扑。
在示例24中,示例23的主题可选地包括:其中,机器学习算法包括隐马尔可夫模型。
在示例25中,示例21至23的任意一个的主题可选地包括:其中,当被执行时致使处理器推断网络拓扑的指令包括如下指令,其在被执行时致使处理器利用基栈层应用程序接口从服务相关度量和附加的多个中提取网络拓扑信息。
在示例26中,示例21的主题可选地包括:其中,先前网络拓扑包括种子网络拓扑。
在示例27中,示例21至23的任意一个的主题可选地包括:其中,用于推断的指令包括致使执行以下操作的指令:解析所述多个服务相关度量和多个附加服务相关度量;从所解析的多个服务相关度量和多个附加服务相关度量中提取多个网元标识符;以及确定所提取的多个网元标识符中的各个网元标识符之间的关系。
应理解的是,以上描述旨在是例示性的而非限制性的。例如,上述实施方式可以彼此组合使用。在阅读以上说明后,许多其它实施方式对于本领域技术人员将是显而易见的。因此,应该参考所附权利要求以及这些权利要求的等同物的全部范围来确定本发明的范围。
Claims (17)
1.至少一种计算机可读存储设备或存储盘,所述计算机可读存储设备或存储盘包括指令,当所述指令被执行时,致使可编程设备至少执行以下操作:
基于来自网络节点的多个服务相关度量,确定网络中的上游网络节点和下游网络节点;
利用多播请求向所述上游网络节点和所述下游网络节点询问多个附加服务相关度量;
基于来自网络节点的所述多个服务相关度量以及来自所述上游网络节点和所述下游网络节点的所述多个附加服务相关度量,来推断当前网络拓扑;
确定针对网络节点是否存在上游备份服务器;
基于如下各项来确定网络中的一组关键服务传输点:A)所述网络拓扑、B)所述多个服务相关度量、C)所述多个附加服务相关度量以及D)所述上游备份服务器的确定,其中所述多个服务相关度量包括数据中的数据包的第一计数、所述数据中的错误的第二计数以及所述数据的量的第三计数;
针对服务中断,监测所述一组关键服务传输点;
响应于所述服务中断,生成第一网络服务警报;
将所述当前网络拓扑与先前网络拓扑进行比较,以识别在与所述先前网络拓扑对应的时间和与所述当前网络拓扑的推断对应的时间之间添加至网络的第一网元以及从网络中移除的第二网元;
基于所述当前网络拓扑和所述先前网络拓扑,将所述第一网元的添加与所述第二网元的移除转换为差分值;以及
响应于所述差分值满足阈值,生成第二网络服务警报。
2.根据权利要求1所述的至少一种计算机可读存储设备或存储盘,其中,当被执行时所述指令致使所述可编程设备通过将机器学习算法应用至所述当前网络拓扑和所述先前网络拓扑,来将所述第一网元的添加与所述第二网元的移除转换为差分值。
3.根据权利要求2所述的至少一种计算机可读存储设备或存储盘,其中,所述机器学习算法包括隐马尔可夫模型。
4.根据权利要求1所述的至少一种计算机可读存储设备或存储盘,其中,所述先前网络拓扑包括种子网络拓扑。
5.根据权利要求1所述的至少一种计算机可读存储设备或存储盘,其中,当被执行时所述指令致使所述可编程设备通过如下方式来推断所述当前网络拓扑:利用基栈层应用程序接口,从所述服务相关度量和所述多个附加服务相关度量中提取网络拓扑信息。
6.根据权利要求1所述的至少一种计算机可读存储设备或存储盘,其中,当被执行时所述指令致使所述可编程设备通过以下方式来进行推断:
解析所述多个服务相关度量和所述多个附加服务相关度量;
从所解析的多个服务相关度量和多个附加服务相关度量中提取多个网元标识符;以及
确定所提取的多个网元标识符中的各个网元标识符之间的关系。
7.一种用于监测网络拓扑的方法,所述方法包括如下步骤:
通过利用处理器执行指令,基于来自网络节点的多个服务相关度量来确定网络中的上游网络节点和下游网络节点;
通过利用所述处理器执行指令,来向所述上游网络节点和所述下游网络节点询问多个附加服务相关度量;
通过利用所述处理器执行指令,访问来自所述上游网络节点和所述下游网络的所述多个附加服务相关度量;
通过利用所述处理器执行指令,基于所述多个服务相关度量以及所述多个附加服务相关度量,来推断当前网络拓扑;
通过利用所述处理器执行指令,确定针对网络节点是否存在上游备份服务器;
通过利用所述处理器执行指令,基于如下各项来确定网络中的一组关键服务传输点:所述网络拓扑、所述多个服务相关度量、所述多个附加服务相关度量以及所述上游备份服务器的确定,其中所述多个服务相关度量包括数据中的数据包的第一计数、所述数据中的错误的第二计数以及所述数据的量的第三计数;
通过利用所述处理器执行指令,针对服务中断,监测所述一组关键服务传输点;
通过利用所述处理器执行指令,响应于所述服务中断生成第一网络服务警报;
通过利用所述处理器执行指令,将所述当前网络拓扑与先前网络拓扑进行比较,以识别在与所述先前网络拓扑对应的时间和与所述当前网络拓扑的推断对应的时间之间添加至网络的第一网元以及从网络中移除的第二网元;
通过利用所述处理器执行指令,将所述第一网元的添加与所述第二网元的移除转换为差分值;以及
通过利用所述处理器执行指令,响应于所述差分值满足阈值,生成第二警报。
8.根据权利要求7所述的方法,其中,确定所述一组关键服务传输点的步骤包括:检查通过所述上游网络节点和所述下游网络节点的数据。
9.根据权利要求8所述的方法,其中,检查所述数据的步骤包括:
识别所述数据中的数据包;
识别所述数据中的错误;以及
识别所述数据的量。
10.根据权利要求7所述的方法,其中,推断所述当前网络拓扑的步骤包括:利用底层应用程序接口,从所述服务相关度量和所述多个附加服务相关度量中提取网络拓扑信息。
11.根据权利要求7所述的方法,其中,推断所述当前网络拓扑的步骤包括:
解析所述多个服务相关度量和所述多个附加服务相关度量;
从所解析的多个服务相关度量和多个附加服务相关度量中,提取多个网元标识符;以及
确定所述多个网元标识符之间的关系。
12.根据权利要求7所述的方法,其中,确定所述一组关键服务传输点的步骤包括:检测上游网络节点隔离和下游网络节点隔离。
13.一种用于监测网络拓扑的设备,所述设备包括:
一个或更多个处理器;
网络适配器,所述网络适配器在通信上联接至所述一个或更多个处理器;以及
存储器,所述存储器联接至所述一个或更多个处理器,所述存储器包括指令,所述指令在执行时致使所述一个或更多个处理器至少执行以下处理:
基于来自网络节点的多个服务相关度量,来确定网络中的上游网络节点和下游网络节点;
向所述上游网络节点和所述下游网络节点询问多个附加服务相关度量;
基于来自网络节点的所述多个服务相关度量和来自所述上游网络节点和所述下游网络节点的所述多个附加服务相关度量,来推断当前网络拓扑;
确定针对网络节点是否存在上游备份服务器;
基于如下各项来确定网络中的一组关键服务传输点:A)所述网络拓扑、B)所述多个服务相关度量、C)所述多个附加服务相关度量以及D)所述上游备份服务器的确定,其中所述多个服务相关度量包括数据中的数据包的第一计数、所述数据中的错误的第二计数以及所述数据的量的第三计数;
针对服务中断,监测所述一组关键服务传输点;
将所述当前网络拓扑与先前网络拓扑进行比较,以识别在与所述先前网络拓扑对应的时间和与所述当前网络拓扑的推断对应的时间之间添加至网络的第一网元以及从网络中移除的第二网元;
将所述第一网元的添加与所述第二网元的移除转换为差分值,该差分值表示所述当前网络拓扑与所述先前网络拓扑之间的变化量;以及
进行如下各项中的至少一项:响应于所述服务中断来生成第一警报;响应于所述差分值与阈值的比较结果来生成第二服务警报。
14.根据权利要求13所述的设备,其中,所述先前网络拓扑包括种子网络拓扑。
15.根据权利要求13所述的设备,其中,所述一个或更多个处理器通过将机器学习算法应用至所述当前网络拓扑和所述先前网络拓扑,来确定所述差分值。
16.根据权利要求15所述的设备,其中,所述机器学习算法包括隐马尔可夫模型。
17.根据权利要求13所述的设备,其中,所述一个或更多个处理器通过以下方式来推断所述当前网络拓扑:
解析所述多个服务相关度量和所述多个附加服务相关度量;
从所解析的多个服务相关度量和多个附加服务相关度量中,提取多个网元标识符;以及
确定所述多个网元标识符之间的关系。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/278,275 US10944636B2 (en) | 2016-09-28 | 2016-09-28 | Dynamically identifying criticality of services and data sources |
US15/278,275 | 2016-09-28 | ||
PCT/US2017/054140 WO2018064401A1 (en) | 2016-09-28 | 2017-09-28 | Dynamically identifying criticality of services and data sources |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109983735A CN109983735A (zh) | 2019-07-05 |
CN109983735B true CN109983735B (zh) | 2022-04-15 |
Family
ID=60120150
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780067909.0A Active CN109983735B (zh) | 2016-09-28 | 2017-09-28 | 用于监测网络拓扑的方法、设备和存储设备 |
Country Status (4)
Country | Link |
---|---|
US (2) | US10944636B2 (zh) |
EP (1) | EP3520325B1 (zh) |
CN (1) | CN109983735B (zh) |
WO (1) | WO2018064401A1 (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10944636B2 (en) * | 2016-09-28 | 2021-03-09 | Mcafee, Llc | Dynamically identifying criticality of services and data sources |
US9930088B1 (en) | 2017-06-22 | 2018-03-27 | Global Tel*Link Corporation | Utilizing VoIP codec negotiation during a controlled environment call |
US10903221B2 (en) | 2017-12-27 | 2021-01-26 | Micron Technology, Inc. | Memory cells and memory arrays |
CN114268954B (zh) * | 2020-09-25 | 2023-10-27 | 中国移动通信集团河南有限公司 | 一种物联网设备的安全监测方法、装置、设备及存储介质 |
CN113792008A (zh) * | 2021-08-31 | 2021-12-14 | 北京百度网讯科技有限公司 | 网络拓扑结构的获取方法、装置、电子设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101010880A (zh) * | 2004-04-13 | 2007-08-01 | 思科技术公司 | 分组网络中的转发差错纠正 |
CN101204042A (zh) * | 2005-03-25 | 2008-06-18 | 微软公司 | 用于监视对等网络度量并对其作出反应的系统和方法 |
CN101529869A (zh) * | 2006-11-02 | 2009-09-09 | 北方电讯网络有限公司 | 用于在路由网络中计算备选多播/广播路径的方法和设备 |
CN105553749A (zh) * | 2016-02-26 | 2016-05-04 | 广东技术师范学院 | 一种基于sdn的icn逻辑拓扑构建方法 |
CN105704735A (zh) * | 2016-03-16 | 2016-06-22 | 昆明理工大学 | 一种基于几何学概率的无线传感器网络能耗估计模型的建模仿真方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040059807A1 (en) | 2002-09-16 | 2004-03-25 | Finisar Corporation | Network analysis topology detection |
US7443803B2 (en) * | 2004-03-23 | 2008-10-28 | Fujitsu Limited | Estimating and managing network traffic |
WO2008051258A2 (en) * | 2005-12-21 | 2008-05-02 | University Of South Carolina | Methods and systems for determining entropy metrics for networks |
US8769085B2 (en) | 2009-11-16 | 2014-07-01 | Cox Communications, Inc. | Systems and methods for analyzing the health of networks and identifying points of interest in networks |
US20130163407A1 (en) * | 2011-12-21 | 2013-06-27 | Honeywell International Inc. | System and method for determining network element criticality |
US9497639B2 (en) * | 2012-03-06 | 2016-11-15 | Qualcomm Incorporated | Methods and apparatus for adapting femtocell properties based on changes detected in network topology |
US9166692B1 (en) | 2014-01-28 | 2015-10-20 | Google Inc. | Network fabric reconfiguration |
US10944636B2 (en) | 2016-09-28 | 2021-03-09 | Mcafee, Llc | Dynamically identifying criticality of services and data sources |
-
2016
- 2016-09-28 US US15/278,275 patent/US10944636B2/en active Active
-
2017
- 2017-09-28 WO PCT/US2017/054140 patent/WO2018064401A1/en unknown
- 2017-09-28 EP EP17785090.6A patent/EP3520325B1/en active Active
- 2017-09-28 CN CN201780067909.0A patent/CN109983735B/zh active Active
-
2020
- 2020-09-04 US US17/013,361 patent/US11496368B2/en active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101010880A (zh) * | 2004-04-13 | 2007-08-01 | 思科技术公司 | 分组网络中的转发差错纠正 |
CN101204042A (zh) * | 2005-03-25 | 2008-06-18 | 微软公司 | 用于监视对等网络度量并对其作出反应的系统和方法 |
CN101529869A (zh) * | 2006-11-02 | 2009-09-09 | 北方电讯网络有限公司 | 用于在路由网络中计算备选多播/广播路径的方法和设备 |
CN105553749A (zh) * | 2016-02-26 | 2016-05-04 | 广东技术师范学院 | 一种基于sdn的icn逻辑拓扑构建方法 |
CN105704735A (zh) * | 2016-03-16 | 2016-06-22 | 昆明理工大学 | 一种基于几何学概率的无线传感器网络能耗估计模型的建模仿真方法 |
Also Published As
Publication number | Publication date |
---|---|
US10944636B2 (en) | 2021-03-09 |
US20200403878A1 (en) | 2020-12-24 |
US20180091374A1 (en) | 2018-03-29 |
EP3520325A1 (en) | 2019-08-07 |
US11496368B2 (en) | 2022-11-08 |
CN109983735A (zh) | 2019-07-05 |
WO2018064401A1 (en) | 2018-04-05 |
EP3520325B1 (en) | 2020-10-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109983735B (zh) | 用于监测网络拓扑的方法、设备和存储设备 | |
US9787591B2 (en) | Autonomic ingress traffic load balancing in link aggregation groups by modification of switch routing | |
EP2260611B1 (en) | Automated power topology discovery | |
US9253287B2 (en) | Speculation based approach for reliable message communications | |
WO2012149724A1 (zh) | 一种快速通道互连链路监控方法和设备及系统 | |
US10367686B2 (en) | Automatically detecting roles of nodes in layered network topologies | |
CN104283780B (zh) | 建立数据传输路径的方法和装置 | |
US11258658B2 (en) | Technologies for monitoring networked computing devices using deadman triggers | |
US9854042B2 (en) | Automated assessment report generation | |
EP4338374A1 (en) | Detection and mitigation of security threats to a domain name system for a communication network | |
WO2019079961A1 (zh) | 一种确定共享风险链路组的方法及装置 | |
JP5535471B2 (ja) | マルチパーティション・コンピュータシステム、障害処理方法及びそのプログラム | |
US10623474B2 (en) | Topology graph of a network infrastructure and selected services status on selected hubs and nodes | |
WO2021109851A1 (zh) | 一种网络通信方法、装置、设备和存储介质 | |
CN111901174B (zh) | 一种服务状态通知的方法、相关装置及存储介质 | |
CN109462503A (zh) | 一种数据检测方法和装置 | |
JP2005128609A (ja) | サーバ計算機、計算機および通信ログの処理方法 | |
US9608719B2 (en) | Optical network connection termination on client facility failure | |
US11991063B2 (en) | Anomaly detection device, anomaly detection method, and program | |
CN115348070B (zh) | 数据包处理方法、装置、电子设备及存储介质 | |
JP5757579B2 (ja) | 非通常通信検知装置および非通常通信検知方法 | |
CN114513398A (zh) | 网络设备告警处理方法、装置、设备及存储介质 |
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 |