CN110572297A - 网络性能的评估方法、服务器及存储介质 - Google Patents
网络性能的评估方法、服务器及存储介质 Download PDFInfo
- Publication number
- CN110572297A CN110572297A CN201910733277.8A CN201910733277A CN110572297A CN 110572297 A CN110572297 A CN 110572297A CN 201910733277 A CN201910733277 A CN 201910733277A CN 110572297 A CN110572297 A CN 110572297A
- Authority
- CN
- China
- Prior art keywords
- network performance
- test data
- machine
- node
- tested
- 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
Classifications
-
- 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
- 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
- H04L43/0823—Errors, e.g. transmission errors
- H04L43/0829—Packet loss
-
- 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
- H04L43/0876—Network utilisation, e.g. volume of load or congestion level
- H04L43/0894—Packet rate
-
- 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
- H04L43/16—Threshold monitoring
Abstract
本发明实施例涉及通信技术领域,公开了一种网络性能的评估方法、服务器及存储介质。本申请的部分实施例中,网络性能的评估方法包括:获取机器的网络性能的阈值;其中,阈值是根据机器的网络性能指标的历史测试数据确定的;根据机器的网络性能指标的测试数据,以及阈值,确定机器的网络性能。由于阈值是根据机器的网络性能指标的历史测试数据确定的,更符合机器的自身情况,使得评估结果更为准确。
Description
技术领域
本发明实施例涉及通信技术领域,特别涉及一种网络性能的评估方法、服务器及存储介质。
背景技术
当前对于机器的网络质量评估,并没有一个较为智能的方式,主要通过对机器进行性能指标的探测,得到探测数据,如丢包率和延迟,为各个性能指标分别设定阈值来观察机器的网络质量情况,评判该机器的网络情况。
然而,发明人发现现有技术中至少存在如下问题:因为设定的阈值是个固定值,且该阈值的设定依赖于业务人员的经验值,且线上服务的每个机器情况都可能不一样,一个阈值无法用于判断所有的机器的网络情况。因此,基于人为设定的阈值评估机器的网络情况,会使得评估结果不够准确。
发明内容
本发明实施方式的目的在于提供一种网络性能的评估方法、服务器及存储介质,使得评估结果更为准确。
为解决上述技术问题,本发明的实施方式提供了一种网络性能的评估方法,包括以下步骤:获取机器的网络性能的阈值;其中,阈值是根据机器的网络性能指标的历史测试数据确定的;根据机器的网络性能指标的测试数据,以及阈值,确定机器的网络性能。
本发明的实施方式还提供了一种服务器,包括:至少一个处理器;以及,与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行上述实施方式提及的网络性能的评估方法。
本发明的实施方式还提供了一种计算机可读存储介质,存储有计算机程序,计算机程序被处理器执行时实现上述实施方式提及的网络性能的评估方法。
本发明实施方式相对于现有技术而言,根据机器自身的历史测试数据确定的用于判断机器的网络性能的阈值,使得该阈值更贴合机器自身的情况,进而使得机器的网络性能的评估结果更为准确。
另外,根据机器的网络性能指标的历史测试数据确定阈值,包括:获取基于历史测试数据的正态分布概率函数;根据各历史测试数据和拉依达准则,确定取样值;根据正态分布概率函数,以及取样值,计算取样值的出现概率;将取样值的出现概率作为阈值。通过根据历史数据的正态分布函数和拉依达准则确定阈值,使得确定的阈值更符合机器的情况。
另外,根据机器的网络性能指标的测试数据,以及阈值,确定机器的网络性能,具体包括:基于各历史测试数据,计算测试数据的出现概率;比较测试数据的出现概率和阈值;根据测试数据的出现概率和阈值的比较结果,确定机器的网络性能。根据测试数据的出现概率来判断机器的网络性能,使得评估结果更为准确。
另外,基于各历史测试数据,计算测试数据的出现概率,具体包括:将机器的网络性能指标的测试数据带入训练得到的网络模型中,得到测试数据的出现概率;其中,网络模型中的参数是根据以机器的网络性能指标的各历史测试数据为网络模型的输入,以机器的网络性能指标的各历史测试数据的出现概率为网络模型的输出的训练数据训练得到的。
另外,基于各历史测试数据,计算测试数据的出现概率,具体包括:获取基于历史测试数据的正态分布概率函数;对测试数据进行预处理,预处理包括归一化处理;将预处理后的测试数据代入正态分布概率函数,得到测试数据的出现概率。
另外,获取基于历史测试数据的正态分布概率函数,具体包括:对各历史测试数据进行预处理,预处理包括归一化处理;计算预处理后的历史测试数据的均值和方差;将处理后的历史测试数据的均值和方差,带入正态分布概率公式,得到基于历史测试数据的正态分布概率函数。
另外,机器为待测节点对应的机器;在确定待测节点对应的所有机器的网络性能之后,网络性能的评估方法还包括:根据待测节点对应的所有机器的网络性能,确定待测节点的网络性能。
另外,根据待测节点对应的所有机器的网络性能,确定待测节点的网络性能,具体包括:根据待测节点对应的所有机器的网络性能,确定网络性能正常的机器的个数与待测节点对应的机器的总个数的比值;根据比值,确定待测节点的网络性能。这使得待测节点的网络性能的评估结果更为准确。
另外,在根据比值,确定待测节点的网络性能之后,网络性能的评估方法还包括:根据待测节点在预设时间段内的各预设时间点的网络性能,确定待测节点在预设时间段的网络性能。这使得可以从多个粒度评估待测节点的网络性能。
附图说明
一个或多个实施例通过与之对应的附图中的图片进行示例性说明,这些示例性说明并不构成对实施例的限定,附图中具有相同参考数字标号的元件表示为类似的元件,除非有特别申明,附图中的图不构成比例限制。
图1是本发明的第一实施方式的网络性能的评估方法的流程图;
图2是本发明的第一实施方式的确定阈值的方法的流程示意图;
图3是本发明的第二实施方式的网络性能的评估方法的流程图;
图4是本发明的第三实施方式的网络性能的评估装置的结构示意图;
图5是本发明的第四实施方式的服务器的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的各实施方式进行详细的阐述。然而,本领域的普通技术人员可以理解,在本发明各实施方式中,为了使读者更好地理解本申请而提出了许多技术细节。但是,即使没有这些技术细节和基于以下各实施方式的种种变化和修改,也可以实现本申请所要求保护的技术方案。
本发明的第一实施方式涉及一种网络性能的评估方法,应用于服务器,该服务器可以是内容分发网络(Content Delivery Network,CDN)网络中的节点内的各个服务器,或者,CDN网络的监控服务器,也可以是其他网络场景下的服务器。如图1所示,该网络性能的评估方法包括以下步骤:
步骤101:获取机器的网络性能的阈值。
具体地说,阈值是根据机器的网络性能指标的历史测试数据确定的。机器可以是服务器本身,也可以是服务器监控的服务器或计算机。
值得一提的是,本实施方式中,阈值不是根据业务人员的经验设置的,而是根据机器自身的历史测试数据确定的,使得该阈值更贴合机器自身的情况,基于该阈值评估机器的网络性能得到的评估结果会更为准确。
在一个实施例中,机器的网络性能的阈值是根据机器的网络性能指标的历史测试数据的正态分布概率函数确定的。具体地说,历史测试数据的个数大于1,每个历史测试数据的测试时间不同。服务器根据机器的网络性能指标的历史测试数据确定阈值的过程如下:服务器获取基于机器的网络性能指标的历史测试数据的正态分布概率函数;根据各历史测试数据和拉依达准则,确定取样值;根据正态分布概率函数,以及取样值,计算取样值的出现概率;将取样值的出现概率作为阈值。
在一个实施例中,服务器根据各历史测试数据和拉依达准则,确定取样值的过程如下:服务器计算各历史测试数据的均值和标准差,根据正态函数的拉依达准则(又称3σ准则),计算均值和3倍的标准差的和,将均值和3倍的标准差的和作为取样值。
在一个实施例中,基于机器的网络性能指标的历史测试数据的正态分布概率函数的获取方式如下:首先,服务器对各历史测试数据进行预处理,预处理包括归一化处理,计算预处理后的历史测试数据的均值和方差。然后,服务器将处理后的历史测试数据的均值和方差,带入正态分布概率公式,得到基于历史测试数据的正态分布概率函数。
值得一提的是,服务器对各历史测试数据进行归一化处理,使得处理后的历史测试数据更趋近于正态分布,计算得到的正态分布概率函数更为准确。
需要说明的是,本领域技术人员可以理解,实际应用中,还可以对归一化处理后的历史测试数据进行对数化处理等其他操作,本实施方式不限制服务器对历史测试数据的处理过程。
以下结合实际场景,举例说明服务器确定阈值的过程。
假设,网络性能指标包括丢包率和下载速率,服务器根据机器的T天的历史测试数据,来确定阈值,T为正整数。预处理包括规整处理、归一化处理和对数化处理。服务器根据历史测试数据,确定阈值的过程如图2所示,分别进行以下操作:
步骤201:获取历史测试数据。
步骤202:对历史测试数据中的丢包率和下载速率进行规整化处理。
具体地说,服务器可以按分钟粒度,对历史测试数据中属于同一分钟的丢包率取平均值,作为机器在这一分钟的丢包率,历史测试数据中属于同一分钟的下载速率取平均值,作为机器在这一分钟的下载速率,将历史测试数据规整到分钟粒度。
需要说明的是,本领域技术人员可以理解,实际应用中,也可以按照小时粒度或者天的粒度,对历史测试数据进行规整,本实施方式不限制具体的规整粒度。
步骤203:对规整化处理后的历史测试数据中的丢包率和下载速率进行归一化处理。
具体地说,考虑到丢包率越小代表网络性能越好,而下载速率越大代表网络性能越好,可以按照公式a,对丢包率进行归一化处理,按照公式b,对下载速率进行归一化处理。
公式a:loss1=(loss_max-loss)/(loss_max-loss_min)
公式b:rate1=(rate-rate_min)/(rate_max-rate_min)
公式a中,loss表示丢包率,loss1表示对loss进行归一化处理后得到的数据,loss_max表示历史测试数据中丢包率的最大值,loss_min表示历史测试数据中丢包率的最小值。公式b中,rate表示下载速率,rate1表示对rate进行归一化处理后得到的数据,rate_max表示历史测试数据中下载速率的最大值,rate_min表示历史测试数据中下载速率的最小值。
通过公式a和公式b可以看出,通过归一化处理方式,处理后的下载速率越大代表网络性能越好,处理后的丢包率越大代表网络性能越好,统一了两个网络性能指标的评判标准,为评估机器的网络性能提供了便利。
步骤204:对归一化处理后的历史测试数据进行对数化处理。
具体地说,服务器对loss1进行对数化处理(log(loss1)),得到对数化处理后的数据loss2。对rate1进行对数化处理(log(rate1)),得到对数化处理后的数据rate2。
在一个实施例中,对数的底数可以是2,也可以是其他数据。
步骤205:计算对数化处理后的历史测试数据的均值和方差。
具体地说,服务器计算loss2的均值(μ1)、loss2的方差(σ1)、rate2的均值(μ2),以及rate2的方差(σ2)。
步骤206:将对数化处理后的历史测试数据的均值和方差带入正态分布概率公式,得到基于历史测试数据的正态分布概率函数。
具体地说,正态分布概率公式如公式c所示,将μ1、σ1、μ2和σ2带入公式c,最终得到的公式即为历史测试数据的正态分布概率函数。
公式c:
公式c中,p(x)表示x的概率,x表示测试数据,D表示正态分布的维数,本实施方式中,D=2,μ=(μ1,μ2),
步骤207:根据历史测试数据的均值和标准差,计算历史测试数据的取样值,并将取样值带入基于历史测试数据的正态分布概率函数,得到阈值。
具体地说,本实施方式中,取样值计算p(X)的值(p1)。由于p(x)大于p1的概率达到99%以上,因此,可以将p1作为阈值,若p(x)小于p1,则认为x是异常值,若p(x)不小于p1,则认为x是正常值。
服务器通过每台机器的探测数据(丢包率值和下载速率)的历史情况,综合两个指标,用概率的方式用于判断机器的网络性能,提高了判断结果的准确性。
需要说明的是,本领域技术人员可以理解,实际应用中,也可以选择其他取样点对应的概率作为阈值,本实施方式仅为举例说明,不限制取样值的计算过程。
需要说明的是,步骤202和步骤204不是必须要执行的步骤,可以有选择性的执行步骤202和步骤204,或执行步骤202和步骤204中的任意一种。
需要说明的是,本领域技术人员可以理解,实际应用中,服务器可以在接收到质量检测指令,需要对机器的网络性能进行检测时,执行步骤201至步骤207,获取本次检测过程中使用的阈值,也可以按照周期,获取机器的历史测试数据,计算该周期内使用的阈值,还可以由业务人员预先按照步骤201至步骤207所示的方法计算阈值后,直接输入服务器,本实施方式不限制服务器获取阈值的具体方式,以及服务器获取阈值的频率。
步骤102:根据机器的网络性能指标的测试数据,以及阈值,确定机器的网络性能。
具体地说,服务器将机器的测试数据和阈值进行比较,或者,对测试数据预设的操作后和阈值进行比较,根据比较的结果,确定机器的网络性能。
需要说明的是,网络性能指标可以包括丢包率、带宽、下载速率和延迟率等指标中的任意一个或任意组合,各个网络性能指标的测试方法不是本实施方式的重点内容,此处不再详述。
在一个实施例中,服务器基于各历史测试数据,计算测试数据的出现概率;比较测试数据的出现概率和阈值;根据测试数据的出现概率和阈值的比较结果,确定机器的网络性能。若测试数据的出现概率小于阈值,则认为机器的网络性能异常,若测试数据的出现概率不小于阈值,则认为机器的网络性能正常。
以下对服务器基于各历史测试数据,计算测试数据的出现概率的方法进行举例说明。
方法1:服务器将机器的网络性能指标的测试数据带入训练得到的网络模型中,得到测试数据的出现概率;其中,网络模型中的参数是根据以机器的网络性能指标的各历史测试数据为网络模型的输入,以机器的网络性能指标的各历史测试数据的出现概率为网络模型的输出的训练数据训练得到的。
方法2:服务器获取基于历史测试数据的正态分布概率函数;对测试数据进行预处理,预处理包括归一化处理;将预处理后的测试数据代入正态分布概率函数,得到测试数据的出现概率。
在一个实施例中,服务器根据多个测试数据各自对应的比较结果,来确定机器的网络性能。例如,服务器获取机器一天的网络性能指标的测试数据,将该天的网络性能指标的测试数据规整到分钟粒度。服务器确定每分钟的测试数据对应的比较结果,基于每分钟的测试数据对应的比较结果,确定机器的网络性能。例如,若该天的测试数据中,比较结果指示机器的网络性能正常的测试数据的占比大于第一预设值,则认为机器的网络性能正常,若不大于第一预设值,则认为机器的网络性能异常。其中,测试数据的规整方法可以参考步骤202的相关描述,确定每分钟的测试数据对应的比较结果也可以参考本实施方式中关于确定比较结果的内容的描述,此处不再赘述。第一预设值可以根据需要设置,例如,可以设置为(70%,100%)中的任意数值。
需要说明的是,以上仅为举例说明,并不对本发明的技术方案构成限定。
与现有技术相比,本实施方式中提供的网络性能的评估方法,根据机器自身的历史测试数据确定的用于判断机器的网络性能的阈值,使得该阈值更贴合机器自身的情况,进而使得机器的网络性能的评估结果更为准确。
本发明的第二实施方式涉及一种网络性能的评估方法。本实施方式在第一实施方式的基础上做了进一步改进,具体改进之处为:在确定机器的网络性能之后,服务器根据待测节点对应的所有机器的网络性能,确定待测节点的网络性能。
具体的说,如图3所示,在本实施方式中,包含步骤301至步骤304,其中,步骤301和步骤302分别与第一实施方式中的步骤101和步骤102大致相同,此处不再赘述。下面主要介绍不同之处:
步骤301:获取机器的网络性能的阈值。
步骤302:根据机器的网络性能指标的测试数据,以及阈值,确定机器的网络性能。
步骤303:获取待测节点对应的所有机器的网络性能。
具体地说,服务器可以是监控待测节点的监控服务器,该待测节点可以是CDN网络中的服务节点,也可以是其他网络中的网络节点。待测节点与多个机器对应,当服务器在确定待测节点对应的所有机器的网络性能均判断完成后,获取待测节点对应的所有机器的网络性能。
步骤304:根据待测节点对应的所有机器的网络性能,确定待测节点的网络性能。
具体地说,服务器综合该待测节点对应的所有机器的网络性能,确定该待测节点的网络性能。
在一个实施例中,服务器根据待测节点对应的所有机器的网络性能,确定网络性能正常的机器的个数与待测节点对应的机器的总个数的比值;根据比值,确定待测节点的网络性能。
例如,若服务器确定网络性能正常的机器的个数与待测节点对应的机器的总个数的比值小于第二预设值,则确定该待测节点的网络性能异常,若网络性能正常的机器的个数与待测节点对应的机器的总个数的比值不小于第二预设值,则确定待测节点的网络性能正常。其中,第二预设值可以根据需要设置,例如,可以设置为(70%,90%)中的任意数值。
又如,服务器将网络性能正常的机器的个数与待测节点对应的机器的总个数中的比值作为待测节点的网络性能的质量分数。如,待测节点下的机器有S台,同一个时间点的异常机器数有Y台,则该时间点网络性能正常的机器的个数与待测节点对应的机器的总个数中的比值为1-Y/S,则待测节点的网络性能的质量分数是1-Y/S。
值得一提的是,通过对待测节点中每台机器的网络性能的评估的方法的优化,机器的案例性能的评估结果的准确性,进而提高了判断待测节点的网络性能的准确性。
在一个实施例中,服务器根据某一时间点待测节点对应的所有机器的测试数据,确定待测节点在该时间点的网络性能后,服务器根据待测节点在预设时间段内的各预设时间点的网络性能,确定待测节点在预设时间段的网络性能。
例如,服务器可以根据待测节点在预设时间段内,网络性能正常的时间点和网络性能异常的时间点的比值,确定待测节点在预设时间段的网络性能。具体地说,若网络性能正常的时间点和网络性能异常的时间点的比值小于第三预设值,确定待测节点在预设时间段的网络性能异常,若网络性能正常的时间点和网络性能异常的时间点的比值不小于第三预设值,则确定待测节点在预设时间段的网络性能正常。
需要说明的是,本领域技术人员可以理解,实际应用中,还可以通过其他方式来评估待测节点在预设时间段的网络性能,此处不一一列举,本实施方式不限制具体的确定方式。
值得一提的是,从时间点和时间段两个粒度评估待测节点的网络性能,使得能够更全面地了解待测节点的网络性能。
在一个实施例中,服务器将网络性能正常的机器的个数与待测节点对应的机器的总个数中的比值作为待测节点的网络性能的质量分数,用于指示待测节点的网络性能的好坏。服务器根据待测节点在预设时间段内的各预设时间点的网络性能的质量分数,通过最小二乘法等方法,拟合得到待测节点的网络性能的质量分数的变化函数。该变化函数以时间为自变量,以待测节点的网络性能的质量分数为因变量。服务器可以根据该函数,预测预设时间段内各个时间点的待测节点的网络性能的质量分数,也可以预测与预设时间段的边界时间点的相邻的时间段内的各个时间点的待测节点的网络性能的质量分数。可选的,为保证预测的质量分数的准确性,相邻的时间段的时长小于第四预设值。第四预设值可以根据需要设置。可选的,服务器可以在需要调用节点提供服务时,根据预测的待测节点的网络性能的质量分数,判断是否调用该待测节点。
值得一提的是,通过分析预设时间段内的待测节点的网络性能,能够预测待测节点的网络性能,便于更好地调用该待测节点。
在一个例子中,服务器将网络性能正常的机器的个数与待测节点对应的机器的总个数中的比值作为待测节点的网络性能的质量分数,用于指示待测节点的网络性能的好坏。服务器可以根据待测节点在预设时间段内的各预设时间点的网络性能的变化趋势,确定待测节点在预设时间段的网络性能。例如,待测节点在预设时间段内的各预设时间点的网络性能的变化趋势指示网络性能的质量分数逐渐变小,则确定待测节点的网络性能较差,待测节点在预设时间段内的各预设时间点的网络性能的变化趋势指示网络性能的质量分数逐渐变大,则确定待测节点的网络性能较好,若待测节点在预设时间段内的各预设时间点的网络性能的变化趋势指示网络性能的质量分数较为稳定,则根据网络性能的质量分数的平均值,评估待测节点的网络性能。若网络性能的质量分数的平均值小于第五预设值,则认为待测节点的网络性能差,若网络性能的质量分数的平均值不小于第五预设值,则认为待测节点的网络性能好。
需要说明的是,本领域技术人员可以理解,实际应用中,在确定待测节点的网络性能后,还可以采取其他操作,此处不一一列举。
需要说明的是,以上仅为举例说明,并不对本发明的技术方案构成限定。
与现有技术相比,本实施方式中提供的网络性能的评估方法,根据机器自身的历史测试数据确定的用于判断机器的网络性能的阈值,使得该阈值更贴合机器自身的情况,进而使得机器的网络性能的评估结果更为准确。除此之外,综合考虑待测节点对应的所有机器的网络性能,确定待测节点的网络性能,使得待测节点的网络性能的评估节点更为准确。
上面各种方法的步骤划分,只是为了描述清楚,实现时可以合并为一个步骤或者对某些步骤进行拆分,分解为多个步骤,只要包括相同的逻辑关系,都在本专利的保护范围内;对算法中或者流程中添加无关紧要的修改或者引入无关紧要的设计,但不改变其算法和流程的核心设计都在该专利的保护范围内。
本发明的第三实施方式涉及一种网络性能的评估装置,如图4所示,包括:获取模块和评估模块;获取模块用于获取机器的网络性能的阈值;其中,阈值是根据机器的网络性能指标的历史测试数据确定的;评估模块用于根据机器的网络性能指标的测试数据,以及阈值,确定机器的网络性能。
不难发现,本实施方式为与第一实施方式相对应的系统实施例,本实施方式可与第一实施方式互相配合实施。第一实施方式中提到的相关技术细节在本实施方式中依然有效,为了减少重复,这里不再赘述。相应地,本实施方式中提到的相关技术细节也可应用在第一实施方式中。
值得一提的是,本实施方式中所涉及到的各模块均为逻辑模块,在实际应用中,一个逻辑单元可以是一个物理单元,也可以是一个物理单元的一部分,还可以以多个物理单元的组合实现。此外,为了突出本发明的创新部分,本实施方式中并没有将与解决本发明所提出的技术问题关系不太密切的单元引入,但这并不表明本实施方式中不存在其它的单元。
本发明的第四实施方式涉及一种服务器,如图5所示,包括:至少一个处理器501;以及,与至少一个处理器501通信连接的存储器502;其中,存储器502存储有可被至少一个处理器501执行的指令,指令被至少一个处理器501执行,以使至少一个处理器501能够执行上述实施方式提及的网络性能的评估方法。
该服务器包括:一个或多个处理器501以及存储器502,图5中以一个处理器501为例。处理器501、存储器502可以通过总线或者其他方式连接,图5中以通过总线连接为例。存储器502作为一种非易失性计算机可读存储介质,可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块,如本申请实施方式中机器的历史测试数据就存储于存储器502中。处理器501通过运行存储在存储器502中的非易失性软件程序、指令以及模块,从而执行设备的各种功能应用以及数据处理,即实现上述网络性能的评估方法。
存储器502可以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、至少一个功能所需要的应用程序;存储数据区可存储选项列表等。此外,存储器502可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施方式中,存储器502可选包括相对于处理器501远程设置的存储器,这些远程存储器可以通过网络连接至外接设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
一个或者多个模块存储在存储器502中,当被一个或者多个处理器501执行时,执行上述任意方法实施方式中的网络性能的评估方法。
上述产品可执行本申请实施方式所提供的方法,具备执行方法相应的功能模块和有益效果,未在本实施方式中详尽描述的技术细节,可参见本申请实施方式所提供的方法。
本发明的第五实施方式涉及一种计算机可读存储介质,存储有计算机程序。计算机程序被处理器执行时实现上述方法实施例。
即,本领域技术人员可以理解,实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序存储在一个存储介质中,包括若干指令用以使得一个设备(可以是单片机,芯片等)或处理器(processor)执行本申请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(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本领域的普通技术人员可以理解,上述各实施方式是实现本发明的具体实施例,而在实际应用中,可以在形式上和细节上对其作各种改变,而不偏离本发明的精神和范围。
Claims (11)
1.一种网络性能的评估方法,其特征在于,包括:
获取机器的网络性能的阈值;其中,所述阈值是根据所述机器的网络性能指标的历史测试数据确定的;
根据所述机器的网络性能指标的测试数据,以及所述阈值,确定所述机器的网络性能。
2.根据权利要求1所述的网络性能的评估方法,其特征在于,根据所述机器的网络性能指标的历史测试数据确定所述阈值,包括:
获取基于所述历史测试数据的正态分布概率函数;
根据各所述历史测试数据和拉依达准则,确定取样值;
根据所述正态分布概率函数,以及所述取样值,计算所述取样值的出现概率;
将所述取样值的出现概率作为所述阈值。
3.根据权利要求1所述的网络性能的评估方法,其特征在于,所述根据所述机器的网络性能指标的测试数据,以及所述阈值,确定所述机器的网络性能,具体包括:
基于各所述历史测试数据,计算所述测试数据的出现概率;
比较所述测试数据的出现概率和所述阈值;
根据所述测试数据的出现概率和所述阈值的比较结果,确定所述机器的网络性能。
4.根据权利要求3所述的网络性能的评估方法,其特征在于,所述基于各所述历史测试数据,计算所述测试数据的出现概率,具体包括:
将所述机器的网络性能指标的测试数据带入训练得到的网络模型中,得到所述测试数据的出现概率;其中,所述网络模型中的参数是根据以所述机器的网络性能指标的各历史测试数据为所述网络模型的输入,以所述机器的网络性能指标的各历史测试数据的出现概率为所述网络模型的输出的训练数据训练得到的。
5.根据权利要求3所述的网络性能的评估方法,其特征在于,所述基于各所述历史测试数据,计算所述测试数据的出现概率,具体包括:
获取基于所述历史测试数据的正态分布概率函数;
对所述测试数据进行预处理,所述预处理包括归一化处理;
将预处理后的所述测试数据代入所述正态分布概率函数,得到所述测试数据的出现概率。
6.根据权利要求2或5所述的网络性能的评估方法,其特征在于,所述获取基于所述历史测试数据的正态分布概率函数,具体包括:
对各所述历史测试数据进行预处理,所述预处理包括归一化处理;
计算预处理后的历史测试数据的均值和方差;
将所述处理后的历史测试数据的均值和方差,带入正态分布概率公式,得到所述基于所述历史测试数据的正态分布概率函数。
7.根据权利要求1至5中任一项所述的网络性能的评估方法,其特征在于,所述机器为待测节点对应的机器;在确定所述待测节点对应的所有机器的网络性能之后,所述网络性能的评估方法还包括:
根据所述待测节点对应的所有机器的网络性能,确定所述待测节点的网络性能。
8.根据权利要求7所述的网络性能的评估方法,其特征在于,所述根据所述待测节点对应的所有机器的网络性能,确定所述待测节点的网络性能,具体包括:
根据所述待测节点对应的所有机器的网络性能,确定网络性能正常的机器的个数与所述待测节点对应的机器的总个数的比值;
根据所述比值,确定所述待测节点的网络性能。
9.根据权利要求8所述的网络性能的评估方法,其特征在于,在所述根据所述比值,确定所述待测节点的网络性能之后,所述网络性能的评估方法还包括:
根据所述待测节点在预设时间段内的各预设时间点的网络性能,确定所述待测节点在所述预设时间段的网络性能。
10.一种服务器,其特征在于,包括:至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1至9中任一项所述的网络性能的评估方法。
11.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至9中任一项所述的网络性能的评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910733277.8A CN110572297B (zh) | 2019-08-09 | 2019-08-09 | 网络性能的评估方法、服务器及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910733277.8A CN110572297B (zh) | 2019-08-09 | 2019-08-09 | 网络性能的评估方法、服务器及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110572297A true CN110572297A (zh) | 2019-12-13 |
CN110572297B CN110572297B (zh) | 2021-07-06 |
Family
ID=68774969
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910733277.8A Expired - Fee Related CN110572297B (zh) | 2019-08-09 | 2019-08-09 | 网络性能的评估方法、服务器及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110572297B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111258870A (zh) * | 2020-01-17 | 2020-06-09 | 中国建设银行股份有限公司 | 分布式存储系统的性能分析方法、装置、设备及存储介质 |
CN111641535A (zh) * | 2020-05-28 | 2020-09-08 | 中国工商银行股份有限公司 | 网络监控方法、装置、电子设备和介质 |
CN112039689A (zh) * | 2020-07-21 | 2020-12-04 | 网宿科技股份有限公司 | 网络设备性能评估方法、装置、设备及存储介质 |
CN113342502A (zh) * | 2021-06-30 | 2021-09-03 | 招商局金融科技有限公司 | 数据湖的性能诊断方法、装置、计算机设备及存储介质 |
CN113726582A (zh) * | 2021-09-17 | 2021-11-30 | 中国联合网络通信集团有限公司 | 移动网络的分析方法、装置、设备及存储介质 |
CN114389975A (zh) * | 2022-02-08 | 2022-04-22 | 北京字节跳动网络技术有限公司 | 网络带宽预估方法、装置、系统、电子设备及存储介质 |
CN114444827A (zh) * | 2020-10-30 | 2022-05-06 | 中国移动通信集团四川有限公司 | 一种集群性能的评估方法和装置 |
CN115334559A (zh) * | 2022-08-19 | 2022-11-11 | 中国联合网络通信集团有限公司 | 网络检测方法、装置、设备及介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101964997A (zh) * | 2009-07-21 | 2011-02-02 | 中国移动通信集团黑龙江有限公司 | 网络性能预警方法及装置 |
CN106095639A (zh) * | 2016-05-30 | 2016-11-09 | 中国农业银行股份有限公司 | 一种集群亚健康预警方法及系统 |
CN106201829A (zh) * | 2016-07-18 | 2016-12-07 | 中国银联股份有限公司 | 监控阈值确定方法及装置、监控报警方法、装置及系统 |
CN108829535A (zh) * | 2018-06-08 | 2018-11-16 | 上海擎创信息技术有限公司 | 数据处理方法、终端及计算机可读存储介质 |
US20190036805A1 (en) * | 2016-06-30 | 2019-01-31 | International Business Machines Corporation | Real-time data analytics for streaming data |
CN109800139A (zh) * | 2018-12-18 | 2019-05-24 | 东软集团股份有限公司 | 服务器健康度分析方法,装置,存储介质及电子设备 |
-
2019
- 2019-08-09 CN CN201910733277.8A patent/CN110572297B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101964997A (zh) * | 2009-07-21 | 2011-02-02 | 中国移动通信集团黑龙江有限公司 | 网络性能预警方法及装置 |
CN106095639A (zh) * | 2016-05-30 | 2016-11-09 | 中国农业银行股份有限公司 | 一种集群亚健康预警方法及系统 |
US20190036805A1 (en) * | 2016-06-30 | 2019-01-31 | International Business Machines Corporation | Real-time data analytics for streaming data |
CN106201829A (zh) * | 2016-07-18 | 2016-12-07 | 中国银联股份有限公司 | 监控阈值确定方法及装置、监控报警方法、装置及系统 |
CN108829535A (zh) * | 2018-06-08 | 2018-11-16 | 上海擎创信息技术有限公司 | 数据处理方法、终端及计算机可读存储介质 |
CN109800139A (zh) * | 2018-12-18 | 2019-05-24 | 东软集团股份有限公司 | 服务器健康度分析方法,装置,存储介质及电子设备 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111258870A (zh) * | 2020-01-17 | 2020-06-09 | 中国建设银行股份有限公司 | 分布式存储系统的性能分析方法、装置、设备及存储介质 |
CN111641535A (zh) * | 2020-05-28 | 2020-09-08 | 中国工商银行股份有限公司 | 网络监控方法、装置、电子设备和介质 |
CN111641535B (zh) * | 2020-05-28 | 2021-10-29 | 中国工商银行股份有限公司 | 网络监控方法、装置、电子设备和介质 |
CN112039689B (zh) * | 2020-07-21 | 2023-09-08 | 网宿科技股份有限公司 | 网络设备性能评估方法、装置、设备及存储介质 |
CN112039689A (zh) * | 2020-07-21 | 2020-12-04 | 网宿科技股份有限公司 | 网络设备性能评估方法、装置、设备及存储介质 |
CN114444827A (zh) * | 2020-10-30 | 2022-05-06 | 中国移动通信集团四川有限公司 | 一种集群性能的评估方法和装置 |
CN114444827B (zh) * | 2020-10-30 | 2023-09-08 | 中国移动通信集团四川有限公司 | 一种集群性能的评估方法和装置 |
CN113342502A (zh) * | 2021-06-30 | 2021-09-03 | 招商局金融科技有限公司 | 数据湖的性能诊断方法、装置、计算机设备及存储介质 |
CN113726582A (zh) * | 2021-09-17 | 2021-11-30 | 中国联合网络通信集团有限公司 | 移动网络的分析方法、装置、设备及存储介质 |
CN113726582B (zh) * | 2021-09-17 | 2022-09-13 | 中国联合网络通信集团有限公司 | 移动网络的分析方法、装置、设备及存储介质 |
CN114389975A (zh) * | 2022-02-08 | 2022-04-22 | 北京字节跳动网络技术有限公司 | 网络带宽预估方法、装置、系统、电子设备及存储介质 |
CN114389975B (zh) * | 2022-02-08 | 2024-03-08 | 北京字节跳动网络技术有限公司 | 网络带宽预估方法、装置、系统、电子设备及存储介质 |
CN115334559A (zh) * | 2022-08-19 | 2022-11-11 | 中国联合网络通信集团有限公司 | 网络检测方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110572297B (zh) | 2021-07-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110572297B (zh) | 网络性能的评估方法、服务器及存储介质 | |
US9871729B2 (en) | System detection and flow control | |
CN108667856B (zh) | 一种网络异常检测方法、装置、设备及存储介质 | |
CN108319974B (zh) | 数据处理方法、装置、存储介质和电子装置 | |
CN110633194B (zh) | 一种硬件资源在特定环境下的性能评估方法 | |
CN111753875A (zh) | 一种电力信息系统运行趋势分析方法、装置及存储介质 | |
CN114513470B (zh) | 网络流量控制方法、装置、设备及计算机可读存储介质 | |
CN110780990A (zh) | 一种性能检测方法、装置、服务器及存储介质 | |
CN110890998A (zh) | 一种确定阈值的方法及装置 | |
GB2616506A (en) | Malware detection by distributed telemetry data analysis | |
CN115712549A (zh) | 性能评估方法、设备及存储介质 | |
US10498806B2 (en) | Computer-executable server load monitoring method, apparatus performing the same and storage medium storing the same | |
CN113342588B (zh) | 基于动态调整负荷对服务器进行压力测试的方法和装置 | |
CN110795324A (zh) | 一种数据处理方法及装置 | |
CN112566170B (zh) | 网络质量评估方法、装置、服务器及存储介质 | |
US11265232B2 (en) | IoT stream data quality measurement indicator and profiling method and system therefor | |
CN109462510B (zh) | 一种cdn节点质量评估的方法及装置 | |
CN111159009B (zh) | 一种日志服务系统的压力测试方法及装置 | |
CN116089213A (zh) | 云平台资源监控方法、装置、电子设备及可读存储介质 | |
CN115509931A (zh) | 基于系统的性能测试方法、装置、电子设备及存储介质 | |
CN110928750A (zh) | 数据处理方法、装置及设备 | |
CN114938339A (zh) | 一种数据处理方法和相关装置 | |
CN114358581A (zh) | 性能指标的异常阈值确定方法和装置、设备、存储介质 | |
CN113742216B (zh) | 一种检测机器学习引擎的效率的方法、装置和存储介质 | |
CN111563078A (zh) | 基于时序数据的数据质量检测方法、检测装置及存储装置 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210706 |
|
CF01 | Termination of patent right due to non-payment of annual fee |