CN111046243A - 一种基于网络拓扑图配置sonic的方法、设备及介质 - Google Patents
一种基于网络拓扑图配置sonic的方法、设备及介质 Download PDFInfo
- Publication number
- CN111046243A CN111046243A CN201911201491.5A CN201911201491A CN111046243A CN 111046243 A CN111046243 A CN 111046243A CN 201911201491 A CN201911201491 A CN 201911201491A CN 111046243 A CN111046243 A CN 111046243A
- Authority
- CN
- China
- Prior art keywords
- region
- topological graph
- network topological
- picture
- basic database
- 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
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000007781 pre-processing Methods 0.000 claims abstract description 15
- 238000012549 training Methods 0.000 claims abstract description 11
- 238000006243 chemical reaction Methods 0.000 claims abstract description 6
- 239000011159 matrix material Substances 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 9
- 238000010586 diagram Methods 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 4
- 230000006870 function Effects 0.000 description 11
- 230000008569 process Effects 0.000 description 8
- 230000003287 optical effect Effects 0.000 description 4
- 238000002105 Southern blotting Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003909 pattern recognition Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 208000020401 Depressive disease Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 208000024714 major depressive disease Diseases 0.000 description 1
- 201000003995 melancholia Diseases 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012567 pattern recognition method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
- G06F16/9024—Graphs; Linked lists
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/53—Querying
- G06F16/532—Query formulation, e.g. graphical querying
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于网络拓扑图配置SONIC的方法，包括以下步骤：基于训练设置基础数据库，基础数据库包含图片以及图片对应的配置；接收输入的网络拓扑图，并对网络拓扑图进行预处理；提取预处理后的网络拓扑图中包含字符的区域；对区域进行格式转换，并将转换后的区域与基础数据库中的图片进行比对；以及确定基础数据库中与区域最相似的图片，并基于图片对应的配置对SONIC进行配置。本发明还公开了一种计算机设备和可读存储介质。本发明提出的基于网络拓扑图配置SONIC的方法、设备及介质通过直接读取网络拓扑图来配置SONIC，可以让不熟悉指令的用户也能透过网络拓朴图来配置设备，大大降低了配置的难度，减少了配置的成本。
Description
技术领域
本发明涉及SONIC领域，更具体地，特别是指一种基于网络拓扑图配置SONIC的方法、设备及可读介质。
背景技术
SONiC是构建网络设备(如交换机)所需功能的软件集合，将传统交换机操作系统软件分解成多个容器化(Containerization)组件的创新方案，这使得增加新的组件(container)和功能(function)变得非常方便。它可以通过交换机换抽象接口(SAI)运行在不同的ASIC平台。正是由于SAI的存在，SONiC的网络功能才能够支持多个厂家的硬件(ASIC)。
在SONiC的架构下，软件可分解成许多容器(container)，使得软件布建可以有很多弹性。相对的交换机配置就变得多元化。所有的配置都需透过container的接口来运作。传统的配置方法不仅耗时，而且须具备相关专业技术知识或经验且熟稔SONiC的各项操作的技术人员才能进行配置，这对一般用户来说过于复杂，难以进行手动整合与除错，并且聘用专业人员的花费也很高。
发明内容
有鉴于此，本发明实施例的目的在于提出一种基于网络拓扑图配置SONIC的方法、设备及介质，通过输入网络拓扑图，读取拓扑图中的字符描述，从而根据字符描述完成SONIC的配置，不仅提高了配置的效率，也大大降低了成本。
基于上述目的，本发明实施例的一方面提供了一种基于网络拓扑图配置SONIC的方法，包括如下步骤：基于训练设置基础数据库，基础数据库包含图片以及图片对应的配置；接收输入的网络拓扑图，并对所述网络拓扑图进行预处理；提取预处理后的网络拓扑图中包含字符的区域；对所述区域进行格式转换，并将转换后的区域与所述基础数据库中的图片进行比对；以及确定所述基础数据库中与所述区域最相似的图片，并基于所述图片对应的配置对SONIC进行配置。
在一些实施方式中，所述对所述网络拓扑图进行预处理包括：将所述网络拓扑图转换成灰阶，并将转换后的网络拓扑图转换为二维矩阵；以及将所述二维矩阵中字符对应的像素转换成第一数字，将非字符对应的像素转换成第二数字。
在一些实施方式中，所述提取预处理后的网络拓扑图中包含字符的区域包括：确定并提取所述网络拓扑图中包含字符的最小矩形。
在一些实施方式中，还包括：判断所述最相似的图片与所述区域的相似度是否小于阈值。
在一些实施方式中，还包括：响应于所述最相似的图片与所述区域的相似度小于阈值，在所述基础数据库中增加所述区域对应的图片。
本发明实施例的另一方面，还提供了一种计算机设备，包括：至少一个处理器；以及存储器，存储器存储有可在处理器上运行的计算机指令，指令由处理器执行以实现如下步骤：基于训练设置基础数据库，基础数据库包含图片以及图片对应的配置；接收输入的网络拓扑图，并对所述网络拓扑图进行预处理；提取预处理后的网络拓扑图中包含字符的区域；对所述区域进行格式转换，并将转换后的区域与所述基础数据库中的图片进行比对；以及确定所述基础数据库中与所述区域最相似的图片，并基于所述图片对应的配置对SONIC进行配置。
在一些实施方式中，所述对所述网络拓扑图进行预处理包括：将所述网络拓扑图转换成灰阶，并将转换后的网络拓扑图转换为二维矩阵；以及将所述二维矩阵中字符对应的像素转换成第一数字，将非字符对应的像素转换成第二数字。
在一些实施方式中，所述提取预处理后的网络拓扑图中包含字符的区域包括：确定并提取所述网络拓扑图中包含字符的最小矩形。
在一些实施方式中，步骤还包括：判断所述最相似的图片与所述区域的相似度是否小于阈值。
本发明实施例的再一方面，还提供了一种计算机可读存储介质，计算机可读存储介质存储有被处理器执行时实现如上方法步骤的计算机程序。
本发明具有以下有益技术效果：通过输入网络拓扑图，读取拓扑图中的字符描述，从而根据字符描述完成SONIC的配置，不仅提高了配置的效率，也大大降低了成本。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的实施例。
图1为本发明提供的基于网络拓扑图配置SONIC的方法的实施例的示意图；
图2为本发明提供的基于网络拓扑图配置SONIC的方法的实施例的硬件结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明实施例进一步详细说明。
需要说明的是，本发明实施例中所有使用“第一”和“第二”的表述均是为了区分两个相同名称非相同的实体或者非相同的参量，可见“第一”“第二”仅为了表述的方便，不应理解为对本发明实施例的限定，后续实施例对此不再一一说明。
基于上述目的，本发明实施例的第一个方面，提出了一种基于网络拓扑图配置SONIC的方法的实施例。图1示出的是本发明提供的基于网络拓扑图配置SONIC的方法的实施例的示意图。如图1所示，本发明实施例包括如下步骤：
S1、基于训练设置基础数据库，基础数据库包含图片以及图片对应的配置；
S2、接收输入的网络拓扑图，并对网络拓扑图进行预处理；
S3、提取预处理后的网络拓扑图中包含字符的区域；
S4、对区域进行格式转换，并将转换后的区域与基础数据库中的图片进行比对；以及
S5、确定基础数据库中与区域最相似的图片，并基于图片对应的配置对SONIC进行配置。
网络拓朴(Network Topology)是指网络中的设备和其他分支点之间的排列和布局方式，易于呈现网络架构。常见的拓朴形式有总线拓朴(bus topology)、环状拓朴(ringtopology)、星状拓朴(star topology)、混和拓朴(hybrid topology)等等。在部署应用环境时，需要对各个节点的设备来做单一配置。传统的方法是让用户参考设备的使用手册，使用设备提供的操作接口(Console、WEB、SNMP)执行指令，达到配置设备的目的。
本发明实施例充分考虑IT(Information Technology)人员部署应用环境、测试人员架设测试环境、开发人员定位Bug(漏洞)环境的情境下，判读网络拓朴图，利用图型识别方法辨别网络拓朴图上的关键词元，实现于SONiC(Software for Open Networking inthe Cloud，用于云中的开放网络的软件)应用环境的快速部署，降低传统人工配置的失误。
基于训练设置基础数据库。图型识别(Pattern recognition)是利用数学与计算机运算来分析图形的自动处理和判读。识别过程与人类的学习过程相似。以文字识别为例：首先将海量的文字图像进行预处理，抽取主要表达特征并储存起来，形成一个特征数据库。这个过程就叫做“训练”。基础数据库的训练数据包含52个英文字母(26个大写字母和26个小写字母)、10个数字(0到9)以及特殊字符(_-./)，用来匹配SONiC的指令集。
接收输入的网络拓扑图，并对网络拓扑图进行预处理。在一些实施方式中，所述对所述网络拓扑图进行预处理包括：将所述网络拓扑图转换成灰阶，并将转换后的网络拓扑图转换为二维矩阵；以及将所述二维矩阵中字符对应的像素转换成第一数字，将非字符对应的像素转换成第二数字。可以先把图像由彩色转成灰阶，再将图像经过二值化(Binarization)的转换，把图像转为二维矩阵，像素值可以转换成0和255，分别代表黑色像素值和白色像素值，黑色像素值可以代表图中的特征，白色像素值可以代表背景，然后可以将背景和特征转换成简单的0和1来表示。
提取预处理后的网络拓扑图中包含字符的区域。在一些实施方式中，所述提取预处理后的网络拓扑图中包含字符的区域包括：确定并提取所述网络拓扑图中包含字符的最小矩形。可以针对二值化后的图片做字符定位，将包含字符的最小矩形区块提取出来，作为与数据库比对的特征。如果在图中存在多个字符，优先将处于一个集中区域的多个字符组合后识别。例如，图中存在“ethernet1 10.0.0.1/8”和“ethernet2 20.0.0.1/8”，那么就将“ethernet1 10.0.0.1/8”进行组合后分别识别。
对区域进行格式转换，并将转换后的区域与基础数据库中的图片进行比对。辨识过程将需要辨别的图像经过处理后与计算机中的训练数据库进行比较，找出最相近的字就是辨识结果，这个过程叫做“识别”。在与数据库进行比对之前，还需要将图像做正规化，使得要比对的文字大小与数据库的大小相同，让图像的每一个像素都可以和数据库做一对一的比对。
确定基础数据库中与区域最相似的图片，并基于图片对SONIC进行配置。可以利用样板比对法，将处理好的图像和基础数据库中的图片做一对一的像素比对，将最相似的结果输出，并基于该结果对SONIC进行配置。
在一些实施方式中，还包括：判断所述最相似的图片与所述区域的相似度是否小于阈值。在一些实施方式中，还包括：响应于所述最相似的图片与所述区域的相似度小于阈值，在所述基础数据库中增加所述区域对应的图片。在本实施例中，可以设置阈值为80％，如果最相似的图片与提取出的区域的相似度小于80％，表明可能使用了基础数据库之外的字符，可以将该字符加入数据库。
需要特别指出的是，上述基于网络拓扑图配置SONIC的方法的各个实施例中的各个步骤均可以相互交叉、替换、增加、删减，因此，这些合理的排列组合变换之于基于网络拓扑图配置SONIC的方法也应当属于本发明的保护范围，并且不应将本发明的保护范围局限在实施例之上。
基于上述目的，本发明实施例的第二个方面，提出了一种计算机设备，包括：至少一个处理器；以及存储器，存储器存储有可在处理器上运行的计算机指令，指令由处理器执行以实现如下步骤：S1、基于训练设置基础数据库，基础数据库包含图片以及图片对应的配置；S2、接收输入的网络拓扑图，并对网络拓扑图进行预处理；S3、提取预处理后的网络拓扑图中包含字符的区域；S4、对区域进行格式转换，并将转换后的区域与基础数据库中的图片进行比对；以及S5、确定基础数据库中与区域最相似的图片，并基于图片对应的配置对SONIC进行配置。
在一些实施方式中，所述对所述网络拓扑图进行预处理包括：将所述网络拓扑图转换成灰阶，并将转换后的网络拓扑图转换为二维矩阵；以及将所述二维矩阵中字符对应的像素转换成第一数字，将非字符对应的像素转换成第二数字。
在一些实施方式中，所述提取预处理后的网络拓扑图中包含字符的区域包括：确定并提取所述网络拓扑图中包含字符的最小矩形。
在一些实施方式中，还包括：判断所述最相似的图片与所述区域的相似度是否小于阈值。
在一些实施方式中，还包括：响应于所述最相似的图片与所述区域的相似度小于阈值，在所述基础数据库中增加所述区域对应的图片。
如图2所示，为本发明提供的上述基于网络拓扑图配置SONIC的方法的一个实施例的硬件结构示意图。
以如图2所示的装置为例，在该装置中包括一个处理器201以及一个存储器202，并还可以包括：输入装置203和输出装置204。
处理器201、存储器202、输入装置203和输出装置204可以通过总线或者其他方式连接，图2中以通过总线连接为例。
存储器202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，如本申请实施例中的基于网络拓扑图配置SONIC的方法对应的程序指令/模块。处理器201通过运行存储在存储器202中的非易失性软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例的基于网络拓扑图配置SONIC的方法。
存储器202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；存储数据区可存储根据基于网络拓扑图配置SONIC的方法的使用所创建的数据等。此外，存储器202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。在一些实施例中，存储器202可选包括相对于处理器201远程设置的存储器，这些远程存储器可以通过网络连接至本地模块。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。
输入装置203可接收输入的用户名和密码等信息。输出装置204可包括显示屏等显示设备。
一个或者多个基于网络拓扑图配置SONIC的方法对应的程序指令/模块存储在存储器202中，当被处理器201执行时，执行上述任意方法实施例中的基于网络拓扑图配置SONIC的方法。
执行上述基于网络拓扑图配置SONIC的方法的计算机设备的任何一个实施例，可以达到与之对应的前述任意方法实施例相同或者相类似的效果。
本发明还提供了一种计算机可读存储介质，计算机可读存储介质存储有被处理器执行时执行如上方法的计算机程序。
最后需要说明的是，本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关硬件来完成，基于网络拓扑图配置SONIC的方法的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，程序的存储介质可为磁碟、光盘、只读存储记忆体(ROM)或随机存储记忆体(RAM)等。上述计算机程序的实施例，可以达到与之对应的前述任意方法实施例相同或者相类似的效果。
此外，根据本发明实施例公开的方法还可以被实现为由处理器执行的计算机程序，该计算机程序可以存储在计算机可读存储介质中。在该计算机程序被处理器执行时，执行本发明实施例公开的方法中限定的上述功能。
此外，上述方法步骤以及系统单元也可以利用控制器以及用于存储使得控制器实现上述步骤或单元功能的计算机程序的计算机可读存储介质实现。
此外，应该明白的是，本文的计算机可读存储介质(例如，存储器)可以是易失性存储器或非易失性存储器，或者可以包括易失性存储器和非易失性存储器两者。作为例子而非限制性的，非易失性存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦写可编程ROM(EEPROM)或快闪存储器。易失性存储器可以包括随机存取存储器(RAM)，该RAM可以充当外部高速缓存存储器。作为例子而非限制性的，RAM可以以多种形式获得，比如同步RAM(DRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据速率SDRAM(DDRSDRAM)、增强SDRAM(ESDRAM)、同步链路DRAM(SLDRAM)、以及直接Rambus RAM(DRRAM)。所公开的方面的存储设备意在包括但不限于这些和其它合适类型的存储器。
本领域技术人员还将明白的是，结合这里的公开所描述的各种示例性逻辑块、模块、电路和算法步骤可以被实现为电子硬件、计算机软件或两者的组合。为了清楚地说明硬件和软件的这种可互换性，已经就各种示意性组件、方块、模块、电路和步骤的功能对其进行了一般性的描述。这种功能是被实现为软件还是被实现为硬件取决于具体应用以及施加给整个系统的设计约束。本领域技术人员可以针对每种具体应用以各种方式来实现的功能，但是这种实现决定不应被解释为导致脱离本发明实施例公开的范围。
结合这里的公开所描述的各种示例性逻辑块、模块和电路可以利用被设计成用于执行这里功能的下列部件来实现或执行：通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或其它可编程逻辑器件、分立门或晶体管逻辑、分立的硬件组件或者这些部件的任何组合。通用处理器可以是微处理器，但是可替换地，处理器可以是任何传统处理器、控制器、微控制器或状态机。处理器也可以被实现为计算设备的组合，例如，DSP和微处理器的组合、多个微处理器、一个或多个微处理器结合DSP和/或任何其它这种配置。
结合这里的公开所描述的方法或算法的步骤可以直接包含在硬件中、由处理器执行的软件模块中或这两者的组合中。软件模块可以驻留在RAM存储器、快闪存储器、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动盘、CD-ROM、或本领域已知的任何其它形式的存储介质中。示例性的存储介质被耦合到处理器，使得处理器能够从该存储介质中读取信息或向该存储介质写入信息。在一个替换方案中，存储介质可以与处理器集成在一起。处理器和存储介质可以驻留在ASIC中。ASIC可以驻留在用户终端中。在一个替换方案中，处理器和存储介质可以作为分立组件驻留在用户终端中。
在一个或多个示例性设计中，功能可以在硬件、软件、固件或其任意组合中实现。如果在软件中实现，则可以将功能作为一个或多个指令或代码存储在计算机可读介质上或通过计算机可读介质来传送。计算机可读介质包括计算机存储介质和通信介质，该通信介质包括有助于将计算机程序从一个位置传送到另一个位置的任何介质。存储介质可以是能够被通用或专用计算机访问的任何可用介质。作为例子而非限制性的，该计算机可读介质可以包括RAM、ROM、EEPROM、CD-ROM或其它光盘存储设备、磁盘存储设备或其它磁性存储设备，或者是可以用于携带或存储形式为指令或数据结构的所需程序代码并且能够被通用或专用计算机或者通用或专用处理器访问的任何其它介质。此外，任何连接都可以适当地称为计算机可读介质。例如，如果使用同轴线缆、光纤线缆、双绞线、数字用户线路(DSL)或诸如红外线、无线电和微波的无线技术来从网站、服务器或其它远程源发送软件，则上述同轴线缆、光纤线缆、双绞线、DSL或诸如红外线、无线电和微波的无线技术均包括在介质的定义。如这里所使用的，磁盘和光盘包括压缩盘(CD)、激光盘、光盘、数字多功能盘(DVD)、软盘、蓝光盘，其中磁盘通常磁性地再现数据，而光盘利用激光光学地再现数据。上述内容的组合也应当包括在计算机可读介质的范围内。
以上是本发明公开的示例性实施例，但是应当注意，在不背离权利要求限定的本发明实施例公开的范围的前提下，可以进行多种改变和修改。根据这里描述的公开实施例的方法权利要求的功能、步骤和/或动作不需以任何特定顺序执行。此外，尽管本发明实施例公开的元素可以以个体形式描述或要求，但除非明确限制为单数，也可以理解为多个。
应当理解的是，在本文中使用的，除非上下文清楚地支持例外情况，单数形式“一个”旨在也包括复数形式。还应当理解的是，在本文中使用的“和/或”是指包括一个或者一个以上相关联地列出的项目的任意和所有可能组合。
上述本发明实施例公开实施例序号仅仅为了描述，不代表实施例的优劣。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本发明实施例公开的范围(包括权利要求)被限于这些例子；在本发明实施例的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，并存在如上的本发明实施例的不同方面的许多其它变化，为了简明它们没有在细节中提供。因此，凡在本发明实施例的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本发明实施例的保护范围之内。
Claims (10)
1.一种基于网络拓扑图配置SONIC的方法，其特征在于，包括以下步骤：
基于训练设置基础数据库，所述基础数据库包含图片以及图片对应的配置；
接收输入的网络拓扑图，并对所述网络拓扑图进行预处理；
提取预处理后的网络拓扑图中包含字符的区域；
对所述区域进行格式转换，并将转换后的区域与所述基础数据库中的图片进行比对；以及
确定所述基础数据库中与所述区域最相似的图片，并基于所述图片对应的配置对SONIC进行配置。
2.根据权利要求1所述的方法，其特征在于，所述对所述网络拓扑图进行预处理包括：
将所述网络拓扑图转换成灰阶，并将转换后的网络拓扑图转换为二维矩阵；以及
将所述二维矩阵中字符对应的像素转换成第一数字，将非字符对应的像素转换成第二数字。
3.根据权利要求2所述的方法，其特征在于，所述提取预处理后的网络拓扑图中包含字符的区域包括：
确定并提取所述网络拓扑图中包含字符的最小矩形。
4.根据权利要求3所述的方法，其特征在于，还包括：
判断所述最相似的图片与所述区域的相似度是否小于阈值。
5.根据权利要求4所述的方法，其特征在于，还包括：
响应于所述最相似的图片与所述区域的相似度小于阈值，在所述基础数据库中增加所述区域对应的图片。
6.一种计算机设备，其特征在于，包括：
至少一个处理器；以及
存储器，所述存储器存储有可在所述处理器上运行的计算机指令，所述指令由所述处理器执行时实现以下步骤：
基于训练设置基础数据库，所述基础数据库包含图片以及图片对应的配置；
接收输入的网络拓扑图，并对所述网络拓扑图进行预处理；
提取预处理后的网络拓扑图中包含字符的区域；
对所述区域进行格式转换，并将转换后的区域与所述基础数据库中的图片进行比对；以及
确定所述基础数据库中与所述区域最相似的图片，并基于所述图片对应的配置对SONIC进行配置。
7.根据权利要求6所述的计算机设备，其特征在于，所述对所述网络拓扑图进行预处理包括：
将所述网络拓扑图转换成灰阶，并将转换后的网络拓扑图转换为二维矩阵；以及
将所述二维矩阵中字符对应的像素转换成第一数字，将非字符对应的像素转换成第二数字。
8.根据权利要求7所述的计算机设备，其特征在于，所述提取预处理后的网络拓扑图中包含字符的区域包括：
确定并提取所述网络拓扑图中包含字符的最小矩形。
9.根据权利要求8所述的计算机设备，其特征在于，步骤还包括：
判断所述最相似的图片与所述区域的相似度是否小于阈值。
10.一种计算机可读存储介质，所述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1-5任意一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911201491.5A CN111046243B (zh) | 2019-11-29 | 2019-11-29 | 一种基于网络拓扑图配置sonic的方法、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911201491.5A CN111046243B (zh) | 2019-11-29 | 2019-11-29 | 一种基于网络拓扑图配置sonic的方法、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111046243A true CN111046243A (zh) | 2020-04-21 |
| CN111046243B CN111046243B (zh) | 2023-01-06 |
Family
ID=70233199
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911201491.5A Active CN111046243B (zh) | 2019-11-29 | 2019-11-29 | 一种基于网络拓扑图配置sonic的方法、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111046243B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115277428A (zh) * | 2022-07-27 | 2022-11-01 | 京东科技信息技术有限公司 | 用于配置网络的方法和装置 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102938706A (zh) * | 2012-10-09 | 2013-02-20 | 华为技术有限公司 | 一种网络拓扑图的识别方法和装置 |
| CN109558767A (zh) * | 2017-09-25 | 2019-04-02 | 比亚迪股份有限公司 | 汽车及道路限速标志的识别方法、装置 |
| CN109725986A (zh) * | 2019-01-29 | 2019-05-07 | 中山大学 | 一种图形化和容器化的虚拟网络环境构建及批量部署方法 |
| CN109861861A (zh) * | 2019-01-31 | 2019-06-07 | 北京全路通信信号研究设计院集团有限公司 | 一种可用于网络通信设备的快速配置方法及系统 |
-
2019
- 2019-11-29 CN CN201911201491.5A patent/CN111046243B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102938706A (zh) * | 2012-10-09 | 2013-02-20 | 华为技术有限公司 | 一种网络拓扑图的识别方法和装置 |
| CN109558767A (zh) * | 2017-09-25 | 2019-04-02 | 比亚迪股份有限公司 | 汽车及道路限速标志的识别方法、装置 |
| CN109725986A (zh) * | 2019-01-29 | 2019-05-07 | 中山大学 | 一种图形化和容器化的虚拟网络环境构建及批量部署方法 |
| CN109861861A (zh) * | 2019-01-31 | 2019-06-07 | 北京全路通信信号研究设计院集团有限公司 | 一种可用于网络通信设备的快速配置方法及系统 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115277428A (zh) * | 2022-07-27 | 2022-11-01 | 京东科技信息技术有限公司 | 用于配置网络的方法和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111046243B (zh) | 2023-01-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10867171B1 (en) | Systems and methods for machine learning based content extraction from document images | |
| WO2020063314A1 (zh) | 字符切分识别方法、装置、电子设备、存储介质 | |
| CN109035370B (zh) | 一种图片标注方法与系统 | |
| CN105740402A (zh) | 数字图像的语义标签的获取方法及装置 | |
| CN109753968A (zh) | 字符识别模型的生成方法、装置、设备及介质 | |
| CN109828906B (zh) | Ui自动化测试方法、装置、电子设备及存储介质 | |
| CN111930622A (zh) | 基于深度学习的界面控件测试方法及系统 | |
| RU2640322C2 (ru) | Способы и системы эффективного автоматического распознавания символов | |
| CN108171229B (zh) | 一种空心粘连验证码的识别方法及系统 | |
| CN112818852A (zh) | 印章校验方法、装置、设备及存储介质 | |
| CN111046243B (zh) | 一种基于网络拓扑图配置sonic的方法、设备及介质 | |
| CN113705650B (zh) | 一种人脸图片集的处理方法、装置、介质和计算设备 | |
| CN107122785B (zh) | 文本识别模型建立方法和装置 | |
| TWI671686B (zh) | 影像數據擷取方法及影像數據擷取裝置 | |
| US11017265B1 (en) | Systems, methods, and devices for image processing | |
| KR20210108615A (ko) | 신경망을 이용한 번호판 인식 시스템 및 그 방법 | |
| CN111338697A (zh) | 一种利用hid键盘进行一键设置的装置及方法 | |
| JP2021002326A (ja) | ソフトウェアプログラムにおける静的分析違反の修復パターンの精緻化 | |
| CN115116073A (zh) | 洗涤标签识别方法、装置、存储介质及电子装置 | |
| CN114782955A (zh) | 埋点处理方法、电子设备、存储介质 | |
| KR102331440B1 (ko) | 신경망을 이용한 텍스트 인식 시스템 및 그 방법 | |
| CN114821222A (zh) | 试卷图像生成方法、装置、存储介质及电子设备 | |
| CN113849415A (zh) | 控件测试方法、装置、存储介质及电子设备 | |
| CN113792567A (zh) | 数据处理方法与数据处理模型的训练方法 | |
| CN112395834A (zh) | 基于图片输入的脑图生成方法、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 |