CN113381873B - 网络设备的扩容方法和相关装置 - Google Patents

网络设备的扩容方法和相关装置 Download PDF

Info

Publication number
CN113381873B
CN113381873B CN202010162242.6A CN202010162242A CN113381873B CN 113381873 B CN113381873 B CN 113381873B CN 202010162242 A CN202010162242 A CN 202010162242A CN 113381873 B CN113381873 B CN 113381873B
Authority
CN
China
Prior art keywords
information
throughput
packet loss
network
network device
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
Application number
CN202010162242.6A
Other languages
English (en)
Other versions
CN113381873A (zh
Inventor
郑刃
薛莉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huawei Technologies Co Ltd
Original Assignee
Huawei Technologies Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Huawei Technologies Co Ltd filed Critical Huawei Technologies Co Ltd
Priority to CN202010162242.6A priority Critical patent/CN113381873B/zh
Priority to PCT/CN2021/079993 priority patent/WO2021180127A1/zh
Priority to EP21768129.5A priority patent/EP4099636A4/en
Publication of CN113381873A publication Critical patent/CN113381873A/zh
Priority to US17/941,789 priority patent/US20230007508A1/en
Application granted granted Critical
Publication of CN113381873B publication Critical patent/CN113381873B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • H04L41/08—Configuration management of networks or network elements
    • H04L41/0896—Bandwidth or capacity management, i.e. automatically increasing or decreasing capacities
    • 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
    • H04L41/0803—Configuration setting
    • H04L41/0813—Configuration setting characterised by the conditions triggering a change of settings
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/02—Arrangements for optimising operational condition
    • 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
    • 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
    • H04L41/0803—Configuration setting
    • H04L41/0813—Configuration setting characterised by the conditions triggering a change of settings
    • H04L41/082—Configuration setting characterised by the conditions triggering a change of settings the condition being updates or upgrades of network functionality
    • 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
    • H04L41/0803—Configuration setting
    • H04L41/0823—Configuration setting characterised by the purposes of a change of settings, e.g. optimising configuration for enhancing reliability
    • 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
    • H04L41/14—Network analysis or design
    • H04L41/142—Network analysis or design using statistical or mathematical methods
    • 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
    • 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
    • H04L43/0888—Throughput
    • 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
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/02—Traffic management, e.g. flow control or congestion control
    • H04W28/0247—Traffic management, e.g. flow control or congestion control based on conditions of the access network or the infrastructure network

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Environmental & Geological Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Algebra (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Physics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Pure & Applied Mathematics (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本申请提供一种网络设备扩容的方法和相关设备，该方法包括：获取目标网络设备的网络性能数据；根据该目标网络设备的网络性能数据，确定该目标网络设备的状态；根据该目标网络设备的状态，确定是否对该目标网络设备进行扩容处理。上述技术方案能够及时根据网络设备的状态确定是否需要对网络设备进行扩容操作。因此，上述技术方案能够缩短进行扩容的时间，减少因网络扩容造成的损失。

Description

网络设备的扩容方法和相关装置
技术领域
本申请涉及通信技术领域，更具体地，涉及网络设备的扩容方法和相关装置。
背景技术
由于用户数量增加或者用户请求的数据业务量的增长，网络设备的现有容量可能不能够满足用户的需求。因此，需要对网络设备进行扩容操作。
目前常用的扩容方法是基于固定的阈值。具体地，定期采集网络设备的性能指标，将采集到的性能指标与固定的阈值进行比较。如果采集到的性能指标大于该阈值，则对该网络设备进行扩容；如果采集到的性能指标不大于该阈值，则不对该网络设备进行扩容。
这种扩容方法属于被动的响应。从发现需要对网络设备进行扩容到完成扩容需要很长的时间(大概3至6个月)。在这期间内的用户体验会收到影响，可能会导致用户离网。此外，服务提供商的收入与流量是正相关的。在对网络设备扩容完成之前，本应增长的流量也会被抑制，这就会影响服务提供商的收入。
发明内容
本申请提供一种网络设备扩容的方法和相关设备，能够缩短对网络设备进行扩容的时间，减少因网络扩容造成的损失。
第一方面，本申请实施例提供一种网络设备扩容的方法，包括：获取目标网络设备的网络性能数据；根据该目标网络设备的网络性能数据，确定该目标网络设备的状态；根据该目标网络设备的状态，确定是否对该目标网络设备进行扩容处理。
上述技术方案只需要知道根据目标网络设备的当前的吞吐量信息和丢包信息确定出该目标网络设备的当前的状态。该目标网络设备的当前的状态可以反映出该目标网络设备当前被压抑的流量(可以称为压抑流量)。该被压抑的流量是应该持续正在的吞吐量传输的流量却由于丢包产生了回落的流量。或者，换句话说，该被压抑的流量是与基准网络设备相比应该达到的，但是由于丢包率的原因被压抑的流量。这样，可以及时根据该目标网络设备的当前状态确定是否需要对该网络设备进行扩容处理，而不需要等到发生拥塞时再确定是否对该目标网络设备进行扩容处理。换句话说，上述技术方案可以缩短扩容处理的时间，从而可以减少因长时间扩容造成的不利因素(例如用户离网，服务提供商收入下降等)。
可选的，该网络性能数据可以包括吞吐量信息和丢包信息。
结合第一方面，在第一方面的一种可能的实现方式中，该根据该目标网络设备的网络性能数据，确定该目标网络设备的状态，包括：确定基准网络设备；根据该基准网络设备的网络性能统计数据，确定状态判定信息，该基准网络设备的丢包统计信息满足目标丢包信息；根据该目标网络设备的网络性能数据和该状态判定信息，确定该目标网络设备的状态。
可选的，该网络性能统计数据可以包括吞吐量统计信息和丢包统计信息。
结合第一方面，在第一方面的一种可能的实现方式中，该根据该目标网络设备的网络性能数据，确定该目标网络设备的状态，包括：根据状态判决模型和该目标网络设备的网络性能数据，确定该目标网络设备的状态。
上述技术方案可以利用事先训练好的判决模型，直接确定该目标网络设备的状态。这样可以更快速地确定该目标网络设备的状态。
该目标网络设备的状态用于指示被压抑的流量。例如，该目标网络设备的状态可以为被压抑的流量大小。又如，该目标网络设备的状态可以为为被压抑的流量比例。
结合第一方面，在第一方面的一种可能的实现方式中，该状态判决模型是通过以下方式确定的：确定N个网络设备，其中该N个网络设备的带宽与该目标网络设备的带宽相同，N为大于或等于2的正整数；获取该N个网络设备的网络性能统计数据，该网络性能统计数据包括吞吐量统计信息和丢包统计信息；根据该N个网络设备的丢包统计信息，确定基准网络设备和M组网络性能统计数据，该M组网络性能统计数据中的每组网络性能统计数据包括的多个丢包统计信息相同，该基准网络设备的丢包统计信息满足目标丢包信息，该M组网络性能统计数据中的每组网络性能统计数据包括的丢包统计信息不满足该目标丢包信息，M为大于或等于1的正整数；根据该基准网络设备的网络性能统计数据和该M组网络性能统计数据确定该状态判决模型。
结合第一方面，在第一方面的一种可能的实现方式中，该根据该基准网络设备的网络性能统计数据和该M组网络性能统计数据确定该状态判决模型，包括：根据该基准网络设备的吞吐量统计信息，确定基准吞吐量信息，该基准吞吐量信息用于指示该基准网络设备在吞吐量信息不同时的概率分布；根据该M组网络性能统计数据中的第i组网络性能统计数据中的吞吐量统计信息，确定参考吞吐量信息i，其中该参考吞吐量信息i用于指示在丢包统计信息为Ri的情况下，该第i组网络性能统计数据在吞吐量统计信息不同时的概率分布，其中Ri为该第i组网络性能统计数据中的丢包统计信息，i＝1，…，或M；根据M个参考吞吐量信息和该基准吞吐量信息，确定该状态判决模型。
结合第一方面，在第一方面的一种可能的实现方式中，该状态判决模型包括K个流量压抑参考信息，该K个流量压抑参考信息与K档吞吐量信息一一对应，该K个流量压抑参考信息中的第j个流量压抑参考信息用于指示在该吞吐量信息为第j档的情况下，丢包信息不同的网络设备对应的流量压抑信息，j＝1，…，或者K，K为大于或等于1的正整数；该根据状态判决模型和该目标网络设备的网络性能数据，确定该目标网络设备的状态，包括：根据该目标网络设备的吞吐量信息，从该K个流量压抑参考信息中确定目标流量压抑参考信息；根据该目标流量压抑参考信息和该目标网络设备的丢包信息，确定该目标网络设备的状态。
结合第一方面，在第一方面的一种可能的实现方式中，该确定基准网络设备，包括：根据多个网络设备的带宽，从该多个网络设备中确定至少一个候选网络设备，该候选网络设备为该多个网络设备中带宽与该目标网络设备带宽相同的网络设备；确定该至少一个候选网络设备的丢包统计信息；根据该至少一个候选网络设备的丢包统计信息，确定该基准网络设备。
结合第一方面，在第一方面的一种可能的实现方式中，该至少一个候选网络设备的吞吐量统计信息满足目标吞吐量信息。
结合第一方面，在第一方面的一种可能的实现方式中，该吞吐量统计信息为第一时间段内采集的吞吐量信息，该丢包统计信息为第二时间段内采集的丢包信息。
第二方面，本申请实施例提供一种管理设备，该管理设备包括用于实现上述第一方面的方法设计中任意一种可能的实现方式的单元。该管理设备可以为计算机设备或者用于计算机设备的部件(例如芯片、电路等)。
第三方面，本申请实施例提供一种管理设备，包括收发器和处理器。可选地，该管理设备还包括存储器。该处理器用于控制收发器收发信号，该存储器用于存储计算机程序，该处理器用于从存储器中调用并运行该计算机程序，使得该管理设备执行上述第一方面的方法设计中任意一种可能的实现方式中的方法。
第四方面，本申请实施例提供一种电子装置，该电子装置可以为用于实现上述第一方面方法设计中的管理设备，或者为设置在管理设备中的芯片。该电子装置包括：处理器，与存储器耦合，可用于执行存储器中的指令和/或程序代码，以实现上述第一方面的方法设计中任意一种可能的实现方式中的方法。可选地，该电子装置还包括存储器。可选地，该电子装置还包括通信接口，处理器与通信接口耦合。
当该电子装置为管理设备时，该通信接口可以是收发器，或，输入/输出接口。
当该电子装置为配置于管理设备中的芯片时，该通信接口可以是输入/输出接口。
可选地，该收发器可以为收发电路。可选地，该输入/输出接口可以为输入/输出电路。
第五方面，本申请实施例提供一种计算机程序产品，所述计算机程序产品包括：计算机程序代码，当所述计算机程序代码在计算机上运行时，使得计算机执行上述第一方面的方法设计中任意一种可能的实现方式中的方法。
第六方面，本申请实施例提供一种计算机可读介质，所述计算机可读介质存储有程序代码，当所述计算机程序代码在计算机上运行时，使得计算机执行上述第一方面的方法设计中任意一种可能的实现方式中的方法。
附图说明
图1是根据本申请实施例提供的一种网络设备扩容的方法的示意性流程图。
图2是该基准概率累计曲线的示意图。
图3是根据本申请实施例提供的另一种网络设备扩容的方法的示意性流程图。
图4是一种确定状态判决模型的方法的示意性流程图。
图5示出了基准吞吐量信息和多个参考吞吐量信息。
图6是档位为(80％,85％]时的M个压抑比示意图。
图7是根据本申请实施例提供一种网络设备扩容的方法的示意性流程图。
图8是根据本申请实施例提供的一种管理设备的示意性结构框图。
图9是根据本申请实施例提供的一种管理设备的示意性结构框图。
具体实施方式
下面将结合附图，对本申请中的技术方案进行描述。
本申请实施例中的网络设备可以移动承载网中的网络设备，例如移动承载网中的接入层的网络设备、汇聚层的网络设备、核心层的网络设备或者骨干层的网络设备。该网络设备也可以是其他支持传输控制协议(Transmission Control Protocol，TCP)通信的网络设备，例如具有第四层功能的交换机。
本申请将围绕可包括多个设备、组件、模块等的系统来呈现各个方面、实施例或特征。应当理解和明白的是，各个系统可以包括另外的设备、组件、模块等，并且/或者可以并不包括结合附图讨论的所有设备、组件、模块等。此外，还可以使用这些方案的组合。
另外，在本申请实施例中，“示例的”、“例如”等词用于表示作例子、例证或说明。本申请中被描述为“示例”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用示例的一词旨在以具体方式呈现概念。
本申请实施例中，“相应的(corresponding，relevant)”和“对应的(corresponding)”有时可以混用，应当指出的是，在不强调其区别时，其所要表达的含义是一致的。
本申请实施例中，有时候下标如W1可能会笔误为非下标的形式如W1，在不强调其区别时，其所要表达的含义是一致的。
本申请实施例描述的网络架构以及业务场景是为了更加清楚的说明本申请实施例的技术方案，并不构成对于本申请实施例提供的技术方案的限定，本领域普通技术人员可知，随着网络架构的演变和新业务场景的出现，本申请实施例提供的技术方案对于类似的技术问题，同样适用。
在本说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
本申请中，“至少一个”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B的情况，其中A,B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指的这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a,b,或c中的至少一项(个)，可以表示：a,b,c,a-b,a-c,b-c,或a-b-c，其中a,b,c可以是单个，也可以是多个。
图1是根据本申请实施例提供的一种网络设备扩容的方法的示意性流程图。
101，管理设备获取目标网络设备的网络性能数据。
该网络性能数据包括吞吐量信息和丢包信息。
该吞吐量信息和该丢包信息是定期收集的信息。收集的周期可以是1分钟、5分钟或者15分钟等。收集周期可以根据需要进行调整。
可选的，在一些实施例中，该吞吐量信息可以是吞吐量(throughput)。在一些实施例中，该吞吐量可以是在多个收集周期的平均吞吐量。在另一些实施例中，该吞吐量可以是在多个收集周期内的最大吞吐量。在另一些实施例中，该吞吐量也可以是一个收集周期内的吞吐量。在一些实施例中，该吞吐量可以是下行吞吐量。在另一些实施例中，该吞吐量可以是上行吞吐量。在另一些实施例中，该吞吐量可以是下行吞吐量和上行吞吐量之和。
可选的，在另一些实施例中，该吞吐量信息可以是传输速率。在一些实施例中，该传输速率可以是在多个收集周期的平均传输速率。在另一些实施例中，该传输速率可以是在多个收集周期内的最大传输速率。在另一些实施例中，该传输速率也可以是一个收集周期内的传输速率。在一些实施例中，该传输速率可以是下行传输速率。在另一些实施例中，该传输速率可以是上行传输速率。
可选的，在另一些实施例中，该吞吐量信息可以是带宽利用率。在一些实施例中，该带宽利用率可以是在多个收集周期的平均带宽利用率。在另一些实施例中，该带宽利用率可以是在多个收集周期内的最大带宽利用率。在另一些实施例中，该带宽利用率也可以是一个收集周期内的带宽利用率。在一些实施例中，该带宽利用率可以是下行带宽利用率。在另一些实施例中，该带宽利用率可以是上行带宽利用率。在另一些实施例中，该带宽利用率可以是总带宽利用率。
可选的，在一些实施例中，该丢包信息可以是丢包率。在一些实施例中，该丢包率可以是在多个收集周期的平均丢包率。在另一些实施例中，该丢包率可以是在多个收集周期内的最大丢包率。在另一些实施例中，该丢包率也可以是一个收集周期内的丢包率。在一些实施例中，该丢包率可以是下行传输的丢包率。在另一些实施例中，该丢包率可以是上行传输的丢包率。在另一些实施例中，该丢包率可以是上行传输和下行传输的总丢包率。
可选的，在另一些实施例中，该丢包信息可以是丢包数量。在一些实施例中，该丢包数量可以是在多个收集周期的平均丢包数量。在另一些实施例中，该丢包数量可以是在多个收集周期内的最大丢包数量。在另一些实施例中，该丢包数量也可以是一个收集周期内的丢包数量。在一些实施例中，该丢包数量可以是下行传输的丢包数量。在另一些实施例中，该丢包数量可以是上行传输的丢包数量。在另一些实施例中，该丢包数量可以是下行传输的丢包数量和上行传输的丢包数量之和。
在一些实施例中，吞吐量信息和丢包信息可以是对应的。如果吞吐量信息是下行的吞吐量信息，那么丢包信息也是下行丢包信息。例如，如果吞吐量信息是下行带宽利用率，那么丢包信息为下行丢包率。如果吞吐量信息是上行的吞吐量信息，那么丢包信息也是上行丢包信息。例如，如果吞吐量信息是上行带宽利用率，那么丢包信息也为上行丢包率。
在另一些实施例中，吞吐量信息和丢包信息也可以不是对应的。例如，吞吐量信息可以是下行的吞吐量，丢包信息可以是总丢包率。
为了便于描述，以下实施例中假设吞吐量信息为下行吞吐量，丢包信息为下行丢包率。
该管理设备可以是服务器或者计算机设备(例如台式计算机、笔记本电脑、平板电脑等)。该管理设备可以利用现有的测量方法获取该吞吐量信息和丢包信息。例如，该管理设备可以利用双向主动测量协议(Two-way Active Measurement Protocol，TWAMP)、Y.1731或者带内流信息遥测(in-situ Flow Information Telemetry，iFIT)等获取该目标网络设备的吞吐量信息和丢包信息。该管理设备获取该吞吐量信息和丢包信息的具体实现方式可以参照采用的测量方法的相关资料，为了简洁，在此就不再赘述。
102，该管理设备根据该目标网络设备的网络性能数据和状态判定信息，确定该目标网络设备的状态。
该状态判定信息可以是该管理设备根据基准网络设备的网络性能统计数据确定的。该管理设备可以先确定基准网络设备。基准网络设备也可以称为标杆网络设备、标杆设备、标准设备等。该基准网络设备的带宽与该目标网络设备的带宽相同。该基准网络设备的带宽与该目标网络设备的带宽相同可以是：该基准网络设备的下行带宽与该目标网络设备的下行带宽相同；或者，该基准网络设备的上行带宽与该目标网络设备的上行带宽相同。为了便于描述，除非特殊说明，以下实施例中所称的带宽均是指下行带宽。
该管理设备可以通过如下方式确定该基准网络设备：
该管理设备根据多个网络设备的带宽，从该多个网络设备中确定至少一个候选网络设备，该候选网络设备为该多个网络设备中带宽与该目标网络设备带宽相同的网络设备。
例如，假设目标网络设备的带宽为100M。该多个网络设备中包括20个带宽为100M的网络设备，10个带宽为100MB的网络设备，30个带宽为300MB的网络设备。那么该管理设备可以确定20个带宽为100M的网络设备为候选网络设备。
可选的，在一些实施例中，该管理设备在确定出带宽与该目标网络设备相同的至少一个网络设备后，还可以确定该至少一个网络设备中每个网络设备的吞吐量统计信息，并根据该至少一个网络设备的吞吐量统计信息，确定该至少一个候选网络设备。除非特殊说明，在描述如何确定该至少一个候选网络设备提到的“至少一个网络设备”中的每个网络设备的带宽与该目标网络设备相同。
该吞吐量统计信息可以是一段时间内统计到的多个吞吐量信息。例如，该吞吐量统计信息是一天或者多天采集的多个吞吐量信息。可选的，在一些实施例中，该吞吐量统计信息可以是一天或者多天中全天采集到的多个吞吐量信息。可选的，在另一些实施例中，该吞吐量信息可以是在一天或者多天中的第一时间段内采集到的多个吞吐量信息。在一些实施例中，该第一时间段可以是根据该目标网络设备或者多个网络设备的历史流量统计得到的。例如，该第一时间段可以是流量超过一个流量阈值的时间段。在另一些实施例中，该第一时间段可以是根据经验确定的一个时间段。例如，该第一时间段可以是早上九点至晚上十点。
该管理设备可以确定该至少一个候选网络设备是该至少一个网络设备中吞吐量统计信息满足目标吞吐量信息的网络设备。
例如，该目标吞吐量信息可以是一个总吞吐量阈值。如果一个网络设备(该网络设备的带宽与目标网络设备的带宽相同)的吞吐量统计信息包括的多个下行吞吐量之和超过该总吞吐量阈值，则该网络设备可以作为该候选网络设备。又如，该目标吞吐量信息可以是一个平均吞吐量阈值。如果一个网络设备(该网络设备的带宽与目标网络设备的带宽相同)的吞吐量信息包括的多个吞吐量信息的平均下行吞吐量超过该平均吞吐量阈值，则该网络设备可以作为该候选网络设备。该总吞吐量阈值或者该平均吞吐量阈值可以是经验值也可以是根据该至少一个网络设备确定的。以总吞吐量阈值为例，该管理设备可以确定该至少一个网络设备中的每个网络设备的总吞吐量，并按照由大到小的顺序对该至少一个网络设备的总吞吐量进行排序，确定排名为预设值或者预设百分比的网络设备的总吞吐量为总吞吐量阈值。
又如，该目标吞吐量信息可以是一个预设比例。该管理设备可以确定该至少一个网络设备中的每个网络设备的总吞吐量(或者平均吞吐量)，并按照由大到小的顺序对该至少一个网络设备的总吞吐量(或者平均吞吐量)进行排序，确定排名为前x1％的网络设备的为该候选网络设备。x1％就是该预设比例。
该管理设备确定该至少一个候选网络设备的丢包统计信息。该丢包统计信息可以是一段时间内统计到的多个丢包信息。例如，该丢包统计信息是一天或者多天采集的多个丢包信息。可选的，在一些实施例中，该丢包统计信息可以是一天或者多天中全天采集到的多个丢包信息。可选的，在另一些实施例中，该丢包信息可以是在一天或者多天中的第二时间段内采集到的多个丢包信息。在一些实施例中，该第二时间段可以是根据该目标网络设备或者多个网络设备的历史流量统计得到的。例如，该第二时间段可以是流量超过一个流量阈值的时间段。在另一些实施例中，该第二时间段可以是根据经验确定的一个时间段。例如，该第二时间段可以是早上九点至晚上十点。在一些实施例中，该第二时间段可以与该第一时间段相同。在另一些实施例中，该第二时间段可以不同于该第一时间段。
丢包统计信息包括的多个丢包信息与该吞吐量统计信息的多个吞吐量信息是一一对应的。假设丢包统计信息包括10个丢包率，吞吐量统计信息包括10个下行吞吐量。那么10个下行吞吐量分别与10个丢包率一一对应。以下假设10个下吞吐量分别为吞吐量1至吞吐量10，10个丢包率分别为丢包率1至丢包率10，假设吞吐量1对应于丢包率1，吞吐量2对应于丢包率2，吞吐量3对应于丢包率3，以此类推。吞吐量1对应于丢包率1可以是：网络设备在丢包率1时的吞吐量为吞吐量1。类似的，吞吐量2对应于丢包率2可以是：网络设备在丢包率2时的吞吐量为吞吐量2，以此类推。
该管理设备可以根据该至少一个候选网络设备的丢包统计信息，确定该基准网络设备。该基准网络设备的丢包统计信息满足目标丢包信息。
例如，在一些实施例中，该管理设备可以确定该至少一个候选网络设备中的每个候选网络设备的平均丢包率。该管理设备可以根据该至少一个候选网络设备的平均丢包率确定该基准网络设备。在一些实施例中，该平均丢包率可以是一个预设的值。在另一些实施例中，该平均丢包率可以是该至少一个候选网络设备中的平均丢包率的最小值。
在一些实施例中，该基准网络设备的平均丢包率为目标平均丢包率。该目标平均丢包率就是该目标丢包信息。
在另一些实施例中，该基准网络设备的平均丢包率为该目标平均丢包率，并且该基准网络设备的最大丢包率与该目标平均丢包率的差不大于第一预设值，该基准网络设备的最小丢包率与该目标平均丢包率的差不大于第二预设值。该第一预设值与该第二预设值可以相同，也可以不同。例如，该平均丢包率为0.001％，该第一预设值和该第二预设值可以是0.000001％。换句话说，如果该至少一个候选网络设备中的一个候选网络设备的丢包率为0.001％±0.000001％，那么该候选网络设备可以作为该基准网络设备。在此情况下，该目标丢包信息还可以包括该第一预设值和该第二预设值。
又如，在另一些实施例中，该管理设可以确定该至少一个候选网络设备中的每个候选网络设备的最大丢包率，确定最大丢包率为目标最大丢包率的候选网络设备为该基准网络设备。该目标最大丢包率就是该目标丢包信息。在一些实施例中，该目标最大丢包率可以是一个预设的值。在另一些实施例中，该目标最大丢包率可以是该至少一个候选网络设备中的丢包率的最小值。
在确定了该基准网络设备后，该管理设备可以根据该基准网络设备的网络性能统计数据，确定状态判定信息。该基准网络设备的网络性能统计数据可以包括该基准网络设备的吞吐量统计信息和丢包统计信息。
该管理设备可以根据该基准网络设备的网络性能统计数据，确定一条概率累计曲线。为了便于描述，以下将根据该基准网络设备的网络性能数据确定的概率累计曲线称为基准概率累计曲线。该状态判定信息可以包括该基准概率累计曲线。图2是该基准概率累计曲线的示意图。
该管理设备还可以根据该目标网络设备的网络性能统计数据，确定一条概率累计曲线。为了便于描述，以下将根据该目标网络设备的网络性能数据确定的概率累计曲线称为目标概率累计曲线。该状态判定信息还可以包括该目标概率累计曲线。
该目标网络设备可以是一个丢包率比较稳定的网络设备。例如，该目标网络设备的丢包率可以稳定在0.1％±0.001％。
该管理设备根据该目标网络设备的网络性能数据和状态判定信息，确定该目标网络设备的状态可以包括：该管理设备根据该目标网络设备的吞吐量、该目标概率累计曲线和该基准概率累计曲线，确定被压抑的流量。该被压抑的流量可以作为该目标网络设备的状态。
以图2为例，假设该目标网络设备的吞吐量为100MB。该管理设备可以根据该目标概率累计曲线，确定与吞吐量100MB对应的概率。例如，假设与吞吐量100MB对应的概率为0.42。然后，该管理设备可以根据基准概率累计曲线，确定在概率为0.42时对应的吞吐量。假设在概率为0.42时基准概率累计曲线对应的吞吐量为120MB。那么在概率为0.42时基准概率累计曲线对应的吞吐量和目标概率累计曲线对应的吞吐量的差就是被压抑的流量。换句话说，上述例子中的被压抑的流量为20MB。
该管理设备根据该目标网络设备的网络性能数据和状态判定信息，确定该目标网络设备的状态可以包括：该管理设备根据该目标网络设备的吞吐量、该目标概率累计曲线和该基准概率累计曲线，确定被压抑的流量比例。该被压抑的流量比例可以作为该目标网络设备的状态。
还以图2为例，假设该目标网络设备的吞吐量为100MB。该管理设备可以根据该目标概率累计曲线，确定与吞吐量100MB对应的概率。例如，假设与吞吐量100MB对应的概率为0.42。然后，该管理设备可以根据基准概率累计曲线，确定在概率为0.42时对应的吞吐量。假设在概率为0.42时基准概率累计曲线对应的吞吐量为120MB。那么在概率为0.42时目标概率累计曲线对应的吞吐量与基准概率累计曲线对应的吞吐量之比就是被压抑的流量比例。换句话说，上述例子中的被压抑的流量比例为5/6。在另一些实施例中，假设在概率为0.42时目标概率累计曲线对应的吞吐量与基准概率累计曲线对应的吞吐量之比为R0.42，那么被压抑的流量比例可以为1-R0.42。换句话说，上述例子中的被压抑的流量比例为1/6。
103，该管理设备可以根据该目标网络设备的状态，确定是否需要对该目标网络设备进行扩容处理。
该管理设备可以根据该目标网络设备的状态，确定是否需要对该目标网络设备进行扩容处理可以包括：该管理设备可根据该目标网络设备的状态，确定是否满足扩容阈值；若满足扩容阈值，则对该目标网络设备进行扩容或者提醒管理员对该目标网络设备进行扩容；不满足扩容阈值，则不需要对该目标网络设备进行扩容或者不需要提醒管理员对该目标网络设备进行扩容。
例如，假设该目标网络设备的状态为被压抑的流量。如果该管理设备确定该目标网络设备被压抑的流量大于一个预设流量阈值(即该扩容阈值)，则可以对该目标网络设备进行扩容或者提醒管理员对该目标网络设备进行扩容。
该管理设备可以根据该目标网络设备的状态，确定是否需要对该目标网络设备进行扩容处理可以包括：该管理设备可根据该目标网络设备的状态，确定该目标网络设备的累计状态；确定该目标网络设备的累计状态是否满足扩容阈值；若满足扩容阈值，则对该目标网络设备进行扩容或者提醒管理员对该目标网络设备进行扩容；不满足扩容阈值，则不需要对该目标网络设备进行扩容或者不需要提醒管理员对该目标网络设备进行扩容。
例如，假设该目标网络设备的状态为被压抑的流量大小。该目标网络设备的累计状态可以是该管理设备执行一次或多次如图1所示方法确定的被压抑的流量大小之和。例如，该管理设备对该目标网络设备执行了三次如图1所示的方法，得到的被压抑流量大小分别为20MB、30MB和50MB。那么该目标网络设备的累计状态可以为100MB，即20MB、30MB和50MB之和。如果该管理设备确定该目标网络设备被压抑的流量大小之和大于一个预设流量阈值(即该扩容阈值)，则可以对该目标网络设备进行扩容或者提醒管理员对该目标网络设备进行扩容。
又如，假设该目标网络设备的状态为被压抑的流量比例。该目标网络设备的累计状态可以是该管理设备执行一次或多次如图1所示方法确定的被压抑的流量比例的平均值。如果该管理设备确定该目标网络设备被压抑的流量比例的平均值大于一个预设流量比例(即该扩容阈值)，则可以对该目标网络设备进行扩容或者提醒管理员对该目标网络设备进行扩容。
该管理设备可以根据该目标网络设备的状态，确定是否需要对该目标网络设备进行扩容处理可以包括：该管理设备可根据该目标网络设备的状态，确定该目标网络设备的累计状态；根据该目标网络设备的累计状态，确定该目标网络设备的排名；根据该目标网络设备的排名，对该目标网络设备进行扩容或者提醒管理员对该目标网络设备进行扩容。
例如，该管理设备可以对网络设备1至网络设备10分别进行多次如图1所示的方法。得到网络设备1至网络设备10被压抑的总流量。然后，该管理设备对网络设备1至网络设备10的被压抑的流量进行排名。例如，该管理设备可以按照被压抑的流量由大到小的顺序对网络设备1至网络设备10进行排序。在一些实施例中，该管理设备可以呈现排序结果和/或每个网络设备被压抑的总流量。管理员可以根据管理设备呈现的信息确定是否需要对排名靠前的网络设备进行扩容操作。在另一些实施例中，该管理设备可以确定对排名靠前的网络设备进行扩容处理。例如该管理设备可以对排名靠前的x2个网络设备进行扩容处理，x2为大于或等于1且小于10的正整数。
根据图1所示的方法，管理设备可以根据目标网络设备的吞吐量信息和丢包信息确定出该目标网络设备的状态。该目标网络设备的状态可以反映出该目标网络设备被压抑的流量(可以称为压抑流量)。该被压抑的流量是应该持续正在的吞吐量传输的流量却由于丢包产生了回落的流量。或者，换句话说，该被压抑的流量是与基准网络设备相比应该达到的，但是由于丢包率的原因被压抑的流量。
图3是根据本申请实施例提供的另一种网络设备扩容的方法的示意性流程图。
301，管理设备获取目标网络设备的网络性能数据。
302，该管理设备根据该目标网络设备的网络性能数据和状态判决模型，确定该目标网络设备的状态。
303，该管理设备可以根据该目标网络设备的状态，确定是否需要对该目标网络设备进行扩容处理。
步骤301的具体实现方式与步骤101的具体实现方式相同，步骤303的具体实现方式与步骤103的具体实现方式相同。步骤301和步骤303的具体实现方式可以参见图1所示的方法，为了简洁，在此就不再对步骤301和步骤303进行详细描述。
下面结合图4对步骤302进行介绍。
图4是一种确定状态判决模型的方法的示意性流程图。如图4所示的方法可以由该管理设备执行，也可以由其他设备执行。换句话说，在一些实施例中，该管理设备可以自行确定步骤302中的该状态判决模型。在另一些实施例中，步骤302中的该状态判决模型可以由其他设备(例如专用的模型训练设备)确定。该管理设备可以保存该状态判决模型。为了便于描述，以下假设状态判决模型是由该管理设备确定的。
401，该管理设备确定N个网络设备。该N个网络设备的带宽与该目标网络设备的带宽相同。
402，该管理设备获取该N个网络设备的网络性能统计数据。该网络性能统计数据包括吞吐量统计数据和丢包统计数据。该吞吐量统计数据和该丢包统计数据的具体含义与图1所示方法中的吞吐量统计数据和丢包统计数据的含义相同，为了简洁，在此就不再赘述。
403，该管理设备根据该N个网络设备的丢包统计信息，确定基准网络设备和M组网络性能统计数据，N为大于或等于2的正整数。
步骤403中确定该基准网络设备的方法与图1所示方法中确定基准网络设备的方法相同，为了简洁，在此就不再赘述。
该M组网络性能统计数据中的每组网络性能统计数据包括多个网络性能统计数据，该多个网络性能统计数据中的丢包统计信息是相同的。换句话说，该M组网络性能统计数据中的每组网络性能统计数据包括的多个丢包统计信息是相同的。
下面对该管理设备如何确定该M组网络性能统计数据进行描述。网络性能统计数据包括丢包统计信息和吞吐量统计信息。丢包统计信息包括多个丢包信息，该吞吐量统计信息包括多个吞吐量信息，该多个丢包信息与多个吞吐量信息一一对应。为了便于描述，假设该N’个网络设备中的第1个网络设备的网络性能统计数据包括N1个丢包信息和N1个吞吐量信息，第2个网络设备的网络性能统计数据包括N2个丢包信息和N2个吞吐量信息，……，第N’个网络设备的网络性能统计数据包括NN’个丢包信息和NN’个吞吐量信息。该N’个网络设备是该N个网络设备中除了该基准网络设备以外的N-1个网络设备。换句话说，该N’个网络设备总共包括N1+N2+……+NN’个丢包信息和N1+N2+……+NN’个吞吐量信息。依然假设丢包信息为丢包率，吞吐量信息为下行吞吐量。
N1+N2+……+NN’个丢包率中的包括相同的丢包率。排除相同的丢包率，N1+N2+……+NN’个丢包率中总共包括M个不同的丢包率。根据该M个不同的丢包率，可以确定该M组网络性能统计数据。假设该M个不同的丢包率中的第1个丢包率至第M个丢包率分别为丢包率R1至丢包率RM。该M组网络性能统计数据中的第i组网络性能统计数据包括的多个丢包率和多个下行吞吐量，该多个丢包率均为丢包率Ri，i为大于或等于1且小于或等于M的整数。或者说，该M组网络性能统计数据中的每组网络性能统计数据也可以理解为包括一个丢包率和多个下行吞吐量。每组网络性能统计数据中的下行吞吐量与该组网络性能统计数据中的丢包率是对应的。
例如，表1示出了三个不同的网络设备的丢包率和下行吞吐量的对应关系。可以理解的是，如表1所示的三个不同网络设备的带宽均与目标网络设备的带宽相同。
表1
Figure BDA0002406212770000111
如表1所示，网络设备1在丢包率为1％的情况下，下行吞吐量为200MB；在丢包率为0.1％的情况下，下行吞吐量为100MB；在丢包率为0.001％的情况下，下行吞吐量为50MB。
根据如表1所示的三个网络设备的网络性能统计数据，可以得到如表2所示的三组网络性能统计数据。
表2
Figure BDA0002406212770000112
404，该管理设备可以根据M组网络性能统计数据中的第i组网络性能统计数据中的吞吐量信息，确定参考吞吐量信息i。参考吞吐量信息i用于指示在丢包率为Ri的情况下，第i组网络性能统计数据在吞吐量统计信息不同时的概率分布。在一些实施例中，该参考吞吐量信息可以是一条概率累计曲线。
405，该管理设备可以根据基准网络设备的吞吐量统计信息，确定基准吞吐量信息。该基准吞吐量信息用于指示该基准网络设备在吞吐量不同时的概率分布。该基准吞吐量信息可以是图1所示方法中的基准累计概率曲线。
图5示出了基准吞吐量信息和多个参考吞吐量信息。图5示出了丢包率为0.001％、0.1％、1％和10％的吞吐量信息。为了便于描述，以下将丢包率为0.001％的吞吐量信息称为吞吐量信息1，将丢包率为0.1％的吞吐量信息称为吞吐量信息2，将丢包率为1％的吞吐量信息称为吞吐量信息3，将丢包率为10％的吞吐量信息称为吞吐量信息4。
假设丢包率为0.001％的吞吐量信息为基准吞吐量信息。如图5所示，在概率为20％的情况下，吞吐量信息1至吞吐量信息4对应的吞吐量依次约为50MB、75MB、80MB、82MB。吞吐量信息1在概率为20％时对应的吞吐量为50MB表示在丢包率为10％的情况下，20％的网络设备的吞吐量小于50MB。吞吐量信息2在概率为20％时对应的吞吐量为75MB表示在丢包率为1％的情况下，20％的网络设备的吞吐量小于75MB。吞吐量信息3在概率为20％时对应的吞吐量为80MB表示在丢包率为0.1％的情况下，20％的网络设备的吞吐量小于80MB。吞吐量信息4(即基准吞吐量信息)在基准网络设备有20％的时间的吞吐量小于82MB。
可以理解的是，如图5所示的概率累计曲线只是为了便于本领域技术人员更好地理解本申请的技术方案。在实际是现实，该管理设备确定的基准吞吐量信息和参考吞吐量信息可以只是相应的概率分布，而不需要确定概率累计曲线。
406，该管理设备可以根据该M个参考吞吐量信息和基准吞吐量信息，确定该状态判决模型。
在一些实施例中，该管理设备可以通过以下方式确定该状态判决模型：
把基准吞吐量信息和每个参考吞吐量信息按照概率分为K档。例如，K＝20。K档分别为(0,5％],(5％,10％],(10％,15％]…(95％,100％]。该管理设备可以确定出M组<档，压抑比>。M组<档，压抑比>中的第i组<档，压抑比>是根据参考吞吐量信息i确定的。第i组<档，压抑比>中共包括K个<档，压抑比>。该K个<档，压抑比>中的第j个<档，压抑比>是根据参考吞吐量信息i中的第j档吞吐量和基准吞吐量信息中的第j档吞吐量确定的。具体地，压抑比可以根据以下方式确定：
SRij＝1-Tij/Tj，
其中，SRij表示参考吞吐量信息i的第j档的压抑比，Tij表示参考吞吐量信息i的第j档的吞吐量，Tj表示基准吞吐量信息第j档的吞吐量。
还以图5为例，概率为20％时对应的吞吐量依次约为50MB、75MB、80MB和82MB，其中82MB为基准吞吐量信息的吞吐量。为了便于描述，假设概率为20％对应的吞吐量就是在概率为(15％,20％]的吞吐量。(15％,20％]是20档中的第4档。那么在此情况下，可以确定出3个压抑比，分别为T14，T24和T34 T44，其中T14＝1-50/82＝0.39，T24＝1-75/82＝0.085，T34＝1-80/82＝0.024。
在确定了M组<档，压抑比>后，可以根据该M组<档，压抑比>确定K个流量压抑参考信息，该K个流量压抑参考信息与K档吞吐量信息一一对应，该K个流量压抑参考信息中的第j个流量压抑参考信息用于指示在吞吐量信息为第j档的情况下，丢包信息不同的网络设备对应的流量压抑信息。
例如，在一些实施例中，可以根据M组<档，压抑比>信息中的在第j档的<档，压抑比>拟合出一条曲线，该曲线可以反映在第j档的情况下，丢包率不同的网络设备对应的流量压抑信息。
例如，图6是档位为(80％,85％]时的M个压抑比示意图。图6中的(a)是在档位为(80％,85％]的多个压抑比。图6中的(b)是根据如图6中的(a)所示的多个压抑比拟合出的压抑比曲线。图6中的(a)和(b)的横轴表示对丢包率取对数后得到的值，纵轴表示压抑比。
通过拟合曲线的方式，该管理设备可以拟合出K条曲线。这样，该管理设备在获取了目标网络设备的丢包率和吞吐量后，可以根据吞吐量确定出对应的压抑比曲线。例如，假设目标网络设备的带宽为100，吞吐量为82，那么该目标网络设备的带宽利用率为82％。在此情况下，该目标网络设备对应的压抑比曲线为如图6中的(b)所示的压抑比曲线。假设该目标网络设备的丢包率为10％，那么根据图6中的(b)所示的压抑比曲线可以确定该目标网络设备的压抑比约为0.3。
在一些实施例中，该目标网络设备的压抑比可以作为该目标网络设备的状态。在此情况下，该管理设备可以直接利用压抑比曲线确定该目标网络设备的状态。在另一些实施例中，该目标网络设备的状态可以是被压抑的流量(吞吐量)。在此情况下，该管理设备可以根据确定的压抑比和基准网络设备在相应档位的吞吐量确定出被压抑的流量(吞吐量)。
例如，该管理设备可以根据以下公式确定出被压抑的流量(吞吐量)：
Tt＝Tb-Tb×SRt，
其中，Tt表示该目标网络设备被压抑的流量，Tb表示压抑比曲线对应的档位的吞吐量，SRt表示该目标网络设备的丢包率。
在另一些实施例中，该管理设备可以根据该该M个参考吞吐量信息和基准吞吐量信息拟合得到状态判决函数。
在一些实施例中，该状态判决函数可以用于确定任意吞吐量和丢包率的网络设备的状态。在此情况下，在获取了目标网络设备的吞吐量和丢包率后，可以直接将该目标网络设备的吞吐量和丢包率输入至该状态判决函数，得到的输出就是该目标网络设备的状态。
在另一些实施例中，该状态判决函数可以包括K个子函数。该K个函数与K档吞吐量一一对应。在获取了目标网络设备的吞吐量和丢包率后，可以根据该目标网络设备的吞吐量，确定对应的子函数；将该目标网络设备的丢包率输入到确定的子函数，得到输出就是该目标网络设备的状态。
在另一些实施例中，该管理设备可以将检测到的该M个参考吞吐量信息和基准吞吐量信息作为训练数据，训练该状态判决模型。
例如，该管理设备可以根据该M个参考吞吐量信息和基准吞吐量信息，确定训练数据集。该训练数据集中包括多个训练数据。该多个训练数据中的每个训练数据包括数据信息和标签信息。例如，数据信息可以包括丢包率和下行吞吐量，标签可以是压抑比、被压抑的流量或者是否需要扩容中的任一个。数据信息中的标签信息可以由人工预先确定并标记。该管理设备可以利用该训练数据集对初始状态判决模型进行训练，得到该状态判决模型。例如，该管理设备首先对初始状态判决模型中的每层的参数进行初始化(即，为每个参数赋予一个初始值)，进而该训练数据集中的训练数据对该初始状态判决模型进行训练，直到该初始状态判决模型中的损失函数收敛或者该训练数据集中所有的训练数据被用于训练，则训练完成，获得可用于本方案的状态判决模型。
初始状态判决模型可采用业界现有的一些可用于分类的机器学习模型或者深度学习模型，例如：决策树(decision tree，DT)、随机森林(random forest，RF)、逻辑回归(logistic regression，LR)、支持向量机(support vector machine，SVM)、卷积神经网络(convolutional neural network，CNN)、循环神经网络(rucurrent neural network，RNN)等中的任一个。
图4所示的方法中，该管理设备确定的该状态判决模型是根据带宽与该目标网络设备一致的网络设备的网络性能统计数据确定的。该管理设备还可以利用图4所示的方法，确定多个状态判决模型，该多个状态判决模型和多个不同的带宽一一对应。不同的状态判决模型用于确定带宽不同的网络设备的状态。该管理设备可以根据目标网络设备的带宽，确定相应的状态判决模型。
例如，该管理设备可以利用图4所示的方法确定状态判决模型1、状态判决模型2和状态判决模型3。状态判决模型1用于确定带宽为100MB的网络设备的状态，状态判决模型2用于确定带宽为200MB的网络设备的状态，状态判决模型3用于确定带宽为500MB的网络设备的状态。如果该管理设备需要确定的目标网络设备的带宽为500MB，则该管理设备可以根据状态判决模型3和该目标网络设备的网络性能数据，确定该目标网络设备的状态。
图7是根据本申请实施例提供一种网络设备扩容的方法的示意性流程图。
701，获取目标网络设备的网络性能数据。
702，根据该目标网络设备的网络性能数据，确定该目标网络设备的状态。
703，根据该目标网络设备的状态，确定是否对该目标网络设备进行扩容处理。
可选的，在一些实施例中，该根据该目标网络设备的网络性能数据，确定该目标网络设备的状态，包括：确定基准网络设备；根据该基准网络设备的网络性能统计数据，确定状态判定信息，该基准网络设备的丢包统计信息满足目标丢包信息；根据该目标网络设备的网络性能数据和该状态判定信息，确定该目标网络设备的状态。
可选的，在一些实施例中，该根据该目标网络设备的网络性能数据，确定该目标网络设备的状态，包括：根据状态判决模型和该目标网络设备的网络性能数据，确定该目标网络设备的状态。
可选的，在一些实施例中，该基准网络设备的带宽与该目标网络设备的带宽相同。
可选的，在一些实施例中，该网络性能数据包括吞吐量信息和丢包信息。
可选的，在一些实施例中，该网络性能统计数据包括吞吐量统计信息和丢包统计信息。
可选的，在一些实施例中，该目标网络设备的状态可以用于指示被压抑的流量。
可选的，在一些实施例中，该状态判决模型是通过以下方式确定的：确定N个网络设备，其中该N个网络设备的带宽与该目标网络设备的带宽相同，N为大于或等于2的正整数；获取该N个网络设备的网络性能统计数据，该网络性能统计数据包括吞吐量统计信息和丢包统计信息；根据该N个网络设备的丢包统计信息，确定基准网络设备和M组网络性能统计数据，该M组网络性能统计数据中的每组网络性能统计数据包括的多个丢包统计信息相同，该基准网络设备的丢包统计信息满足目标丢包信息，该M组网络性能统计数据中的每组网络性能统计数据包括的丢包统计信息不满足该目标丢包信息，M为大于或等于1的正整数；根据该基准网络设备的网络性能统计数据和该M组网络性能统计数据确定该状态判决模型。
可选的，在一些实施例中，该根据该基准网络设备的网络性能统计数据和该M组网络性能统计数据确定该状态判决模型，包括：根据该基准网络设备的吞吐量统计信息，确定基准吞吐量信息，该基准吞吐量信息用于指示该基准网络设备在吞吐量信息不同时的概率分布；根据该M组网络性能统计数据中的第i组网络性能统计数据中的吞吐量统计信息，确定参考吞吐量信息i，其中该参考吞吐量信息i用于指示在丢包统计信息为Ri的情况下，该第i组网络性能统计数据在吞吐量统计信息不同时的概率分布，其中Ri为该第i组网络性能统计数据中的丢包统计信息，i＝1，…，或M；根据M个参考吞吐量信息和该基准吞吐量信息，确定该状态判决模型。
可选的，在一些实施例中，该状态判决模型包括K个流量压抑参考信息，该K个流量压抑参考信息与K档吞吐量信息一一对应，该K个流量压抑参考信息中的第j个流量压抑参考信息用于指示在该吞吐量信息为第j档的情况下，丢包信息不同的网络设备对应的流量压抑信息，j＝1，…，或者K，K为大于或等于1的正整数；该根据状态判决模型和该目标网络设备的网络性能数据，确定该目标网络设备的状态，包括：根据该目标网络设备的吞吐量信息，从该K个流量压抑参考信息中确定目标流量压抑参考信息；根据该目标流量压抑参考信息和该目标网络设备的丢包信息，确定该目标网络设备的状态。
可选的，在一些实施例中，该确定基准网络设备，包括：根据多个网络设备的带宽，从该多个网络设备中确定至少一个候选网络设备，该候选网络设备为该多个网络设备中带宽与该目标网络设备带宽相同的网络设备；确定该至少一个候选网络设备的丢包统计信息；根据该至少一个候选网络设备的丢包统计信息，确定该基准网络设备。
可选的，在一些实施例中，该至少一个候选网络设备的吞吐量统计信息满足目标吞吐量信息。
可选的，在一些实施例中，该吞吐量统计信息为第一时间段内采集的吞吐量信息，该丢包统计信息为第二时间段内采集的丢包信息。
图7所示方法的各个步骤的具体实现方式可以参见图1、图3或图4的描述，为了简洁，在此就不再赘述。
图8是根据本申请实施例提供的一种管理设备的示意性结构框图。如图8所示的管理设备包括获取单元801和处理单元802。
获取单元801，用于获取目标网络设备的网络性能数据。
处理单元802，用于根据获取单元801获取的该目标网络设备的网络性能数据，确定该目标网络设备的状态。
处理单元802，还用于根据该目标网络设备的状态，确定是否对该目标网络设备进行扩容处理。
可选的，在一些实施例中，处理单元802，具体用于：确定基准网络设备；根据该基准网络设备的网络性能统计数据，确定状态判定信息，该基准网络设备的丢包统计信息满足目标丢包信息；根据该目标网络设备的网络性能数据和该状态判定信息，确定该目标网络设备的状态。
可选的，在一些实施例中，处理单元802，具体用于：根据状态判决模型和该目标网络设备的网络性能数据，确定该目标网络设备的状态。
可选的，在一些实施例中，该基准网络设备的带宽与该目标网络设备的带宽相同。
可选的，在一些实施例中，该网络性能数据包括吞吐量信息和丢包信息。
可选的，在一些实施例中，该网络性能统计数据包括吞吐量统计信息和丢包统计信息。
可选的，在一些实施例中，该目标网络设备的状态可以用于指示被压抑的流量。
可选的，在一些实施例中，该状态判决模型是通过以下方式确定的：确定N个网络设备，其中该N个网络设备的带宽与该目标网络设备的带宽相同，N为大于或等于2的正整数；获取该N个网络设备的网络性能统计数据，该网络性能统计数据包括吞吐量统计信息和丢包统计信息；根据该N个网络设备的丢包统计信息，确定基准网络设备和M组网络性能统计数据，该M组网络性能统计数据中的每组网络性能统计数据包括的多个丢包统计信息相同，该基准网络设备的丢包统计信息满足目标丢包信息，该M组网络性能统计数据中的每组网络性能统计数据包括的丢包统计信息不满足该目标丢包信息，M为大于或等于1的正整数；根据该基准网络设备的网络性能统计数据和该M组网络性能统计数据确定该状态判决模型。
可选的，在一些实施例中，处理单元802，具体用于：根据该基准网络设备的吞吐量统计信息，确定基准吞吐量信息，该基准吞吐量信息用于指示该基准网络设备在吞吐量信息不同时的概率分布；根据该M组网络性能统计数据中的第i组网络性能统计数据中的吞吐量统计信息，确定参考吞吐量信息i，其中该参考吞吐量信息i用于指示在丢包统计信息为Ri的情况下，该第i组网络性能统计数据在吞吐量统计信息不同时的概率分布，其中Ri为该第i组网络性能统计数据中的丢包统计信息，i＝1，…，或M；根据M个参考吞吐量信息和该基准吞吐量信息，确定该状态判决模型。
可选的，在一些实施例中，该状态判决模型包括K个流量压抑参考信息，该K个流量压抑参考信息与K档吞吐量信息一一对应，该K个流量压抑参考信息中的第j个流量压抑参考信息用于指示在该吞吐量信息为第j档的情况下，丢包信息不同的网络设备对应的流量压抑信息，j＝1，…，或者K，K为大于或等于1的正整数。处理单元802，具体用于：根据该目标网络设备的吞吐量信息，从该K个流量压抑参考信息中确定目标流量压抑参考信息；根据该目标流量压抑参考信息和该目标网络设备的丢包信息，确定该目标网络设备的状态。
可选的，在一些实施例中，处理单元802，具体用于：根据多个网络设备的带宽，从该多个网络设备中确定至少一个候选网络设备，该候选网络设备为该多个网络设备中带宽与该目标网络设备带宽相同的网络设备；确定该至少一个候选网络设备的丢包统计信息；根据该至少一个候选网络设备的丢包统计信息，确定该基准网络设备。
可选的，在一些实施例中，该至少一个候选网络设备的吞吐量统计信息满足目标吞吐量信息。
可选的，在一些实施例中，该吞吐量统计信息为第一时间段内采集的吞吐量信息，该丢包统计信息为第二时间段内采集的丢包信息。
获取单元801和处理单元802的具体功能和有益效果可以参见上述实施例，为了简洁，在此就不再赘述。
图9是根据本申请实施例提供的一种管理设备的示意性结构框图。管理设备900包括总线901、处理器902、通信接口903和存储器904。处理器902、存储器904和通信接口903之间通过总线901通信。其中，处理器902可以是编程门阵列(field programmable gatearray，FPGA)，可以是专用集成芯片(application specific integrated circuit，ASIC)，还可以是系统芯片(system on chip，SoC)，还可以是中央处理器(central processorunit，CPU)，还可以是网络处理器(network processor，NP)，还可以是数字信号处理电路(digital signal processor，DSP)，还可以是微控制器(micro controller unit，MCU)，还可以是可编程控制器(programmable logic device，PLD)、其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件，或其他集成芯片。存储器904中存储执行上述方法的可执行代码，处理器602读取存储器604中的该可执行代码以执行如图1，图3，图4或者图7所述的方法。存储器604中还可以包括操作系统等其他运行进程所需的软件模块。操作系统可以为LINUXTM,UNIXTM,WINDOWSTM等。
管理设备800中的获取单元801可以由管理设备900中的通信接口903实现。管理设备800中的处理单元902可以由管理设备900中的处理器902实现。
本申请实施例还提供一种芯片系统，包括：逻辑电路，该逻辑电路用于与输入/输出接口耦合，通过该输入/输出接口传输数据，以执行如图1，图3，图4或者图7所述的方法。
在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。结合本申请实施例所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。为避免重复，这里不再详细描述。
应注意，本申请实施例中的处理器可以是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法实施例的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。
可以理解，本申请实施例中的存储器可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(read-only memory，ROM)、可编程只读存储器(programmable ROM，PROM)、可擦除可编程只读存储器(erasable PROM，EPROM)、电可擦除可编程只读存储器(electrically EPROM，EEPROM)或闪存。易失性存储器可以是随机存取存储器(random access memory，RAM)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(static RAM，SRAM)、动态随机存取存储器(dynamic RAM，DRAM)、同步动态随机存取存储器(synchronous DRAM，SDRAM)、双倍数据速率同步动态随机存取存储器(double data rateSDRAM，DDR SDRAM)、增强型同步动态随机存取存储器(enhanced SDRAM，ESDRAM)、同步连接动态随机存取存储器(synchlink DRAM，SLDRAM)和直接内存总线随机存取存储器(directrambus RAM，DR RAM)。应注意，本文描述的系统和方法的存储器旨在包括但不限于这些和任意其它适合类型的存储器。
根据本申请实施例提供的方法，本申请还提供一种计算机程序产品，该计算机程序产品包括：计算机程序代码，当该计算机程序代码在计算机上运行时，使得该计算机执行图1，图3，图4或者图7所示实施例中任意一个实施例的方法。
根据本申请实施例提供的方法，本申请还提供一种计算机可读介质，该计算机可读介质存储有程序代码，当该程序代码在计算机上运行时，使得该计算机执行图1，图3，图4或者图7所示实施例中任意一个实施例的方法。
根据本申请实施例提供的方法，本申请还提供一种系统，其包括前述的管理设备，该系统还包括多个网络设备。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)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(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。

Claims (15)

1.一种网络设备扩容的方法，其特征在于，包括：
获取目标网络设备的网络性能数据；
根据所述目标网络设备的网络性能数据，确定所述目标网络设备的状态，包括：根据状态判决模型和所述目标网络设备的网络性能数据，确定所述目标网络设备的状态，所述目标网络设备的状态用于指示被压抑的流量；
根据所述目标网络设备的状态，确定是否对所述目标网络设备进行扩容处理；
所述状态判决模型是通过以下方式确定的：
确定N个网络设备，其中所述N个网络设备的带宽与所述目标网络设备的带宽相同，N为大于或等于2的正整数；
获取所述N个网络设备的网络性能统计数据，所述网络性能统计数据包括吞吐量统计信息和丢包统计信息；
根据所述N个网络设备的丢包统计信息，确定基准网络设备和M组网络性能统计数据，所述M组网络性能统计数据中的每组网络性能统计数据包括的多个丢包统计信息相同，所述基准网络设备的丢包统计信息满足目标丢包信息，所述M组网络性能统计数据中的每组网络性能统计数据包括的丢包统计信息不满足所述目标丢包信息，M为大于或等于1的正整数；
根据所述基准网络设备的网络性能统计数据和所述M组网络性能统计数据确定所述状态判决模型。
2.如权利要求1所述的方法，其特征在于，所述根据所述基准网络设备的网络性能统计数据和所述M组网络性能统计数据确定所述状态判决模型，包括：
根据所述基准网络设备的吞吐量统计信息，确定基准吞吐量信息，所述基准吞吐量信息用于指示所述基准网络设备在吞吐量信息不同时的概率分布；
根据所述M组网络性能统计数据中的第i组网络性能统计数据中的吞吐量统计信息，确定参考吞吐量信息i，其中所述参考吞吐量信息i用于指示在丢包统计信息为Ri的情况下，所述第i组网络性能统计数据在吞吐量统计信息不同时的概率分布，其中Ri为所述第i组网络性能统计数据中的丢包统计信息，i＝1，…，或M；
根据M个参考吞吐量信息和所述基准吞吐量信息，确定所述状态判决模型。
3.如权利要求2所述的方法，其特征在于，所述状态判决模型包括K个流量压抑参考信息，所述K个流量压抑参考信息与K档吞吐量信息一一对应，所述K个流量压抑参考信息中的第j个流量压抑参考信息用于指示在所述吞吐量信息为第j档的情况下，丢包信息不同的网络设备对应的流量压抑信息，j＝1，…，或者K，K为大于或等于1的正整数；
所述根据状态判决模型和所述目标网络设备的网络性能数据，确定所述目标网络设备的状态，包括：
根据所述目标网络设备的吞吐量信息，从所述K个流量压抑参考信息中确定目标流量压抑参考信息；
根据所述目标流量压抑参考信息和所述目标网络设备的丢包信息，确定所述目标网络设备的状态。
4.如权利要求1至3中任一项所述的方法，其特征在于，所述确定基准网络设备，包括：
根据多个网络设备的带宽，从所述多个网络设备中确定至少一个候选网络设备，所述候选网络设备为所述多个网络设备中带宽与所述目标网络设备带宽相同的网络设备；
确定所述至少一个候选网络设备的丢包统计信息；
根据所述至少一个候选网络设备的丢包统计信息，确定所述基准网络设备。
5.如权利要求4所述的方法，其特征在于，所述至少一个候选网络设备的吞吐量统计信息满足目标吞吐量信息。
6.如权利要求1至3中任一项所述的方法，其特征在于，所述吞吐量统计信息为第一时间段内采集的吞吐量信息，所述丢包统计信息为第二时间段内采集的丢包信息。
7.一种管理设备，其特征在于，包括：
获取单元，用于获取目标网络设备的网络性能数据；
处理单元，用于根据状态判决模型和所述目标网络设备的网络性能数据，确定所述目标网络设备的状态，所述目标网络设备的状态用于指示被压抑的流量；
所述处理单元，还用于根据所述目标网络设备的状态，确定是否对所述目标网络设备进行扩容处理；
所述状态判决模型是通过以下方式确定的：
确定N个网络设备，其中所述N个网络设备的带宽与所述目标网络设备的带宽相同，N为大于或等于2的正整数；
获取所述N个网络设备的网络性能统计数据，所述网络性能统计数据包括吞吐量统计信息和丢包统计信息；
根据所述N个网络设备的丢包统计信息，确定基准网络设备和M组网络性能统计数据，所述M组网络性能统计数据中的每组网络性能统计数据包括的多个丢包统计信息相同，所述基准网络设备的丢包统计信息满足目标丢包信息，所述M组网络性能统计数据中的每组网络性能统计数据包括的丢包统计信息不满足所述目标丢包信息，M为大于或等于1的正整数；
根据所述基准网络设备的网络性能统计数据和所述M组网络性能统计数据确定所述状态判决模型。
8.如权利要求7所述的管理设备，其特征在于，所述处理单元，具体用于：
根据所述基准网络设备的吞吐量统计信息，确定基准吞吐量信息，所述基准吞吐量信息用于指示所述基准网络设备在吞吐量信息不同时的概率分布；
根据所述M组网络性能统计数据中的第i组网络性能统计数据中的吞吐量统计信息，确定参考吞吐量信息i，其中所述参考吞吐量信息i用于指示在丢包统计信息为Ri的情况下，所述第i组网络性能统计数据在吞吐量统计信息不同时的概率分布，其中Ri为所述第i组网络性能统计数据中的丢包统计信息，i＝1，…，或M；
根据M个参考吞吐量信息和所述基准吞吐量信息，确定所述状态判决模型。
9.如权利要求8所述的管理设备，其特征在于，所述状态判决模型包括K个流量压抑参考信息，所述K个流量压抑参考信息与K档吞吐量信息一一对应，所述K个流量压抑参考信息中的第j个流量压抑参考信息用于指示在所述吞吐量信息为第j档的情况下，丢包信息不同的网络设备对应的流量压抑信息，j＝1，…，或者K，K为大于或等于1的正整数；
所述处理单元，具体用于：根据所述目标网络设备的吞吐量信息，从所述K个流量压抑参考信息中确定目标流量压抑参考信息；
根据所述目标流量压抑参考信息和所述目标网络设备的丢包信息，确定所述目标网络设备的状态。
10.如权利要求7至9中任一项所述的管理设备，其特征在于，所述处理单元，具体用于：
根据多个网络设备的带宽，从所述多个网络设备中确定至少一个候选网络设备，所述候选网络设备为所述多个网络设备中带宽与所述目标网络设备带宽相同的网络设备；
确定所述至少一个候选网络设备的丢包统计信息；
根据所述至少一个候选网络设备的丢包统计信息，确定所述基准网络设备。
11.如权利要求10所述的管理设备，其特征在于，所述至少一个候选网络设备的吞吐量统计信息满足目标吞吐量信息。
12.如权利要求7至9中任一项所述的管理设备，其特征在于，所述吞吐量统计信息为第一时间段内采集的吞吐量信息，所述丢包统计信息为第二时间段内采集的丢包信息。
13.一种管理设备，其特征在于，包括：处理器，所述处理器用于与存储器耦合，读取并执行所述存储器中的指令和/或程序代码，以执行如权利要求1-6中任一项所述的方法。
14.一种芯片系统，其特征在于，包括：逻辑电路，所述逻辑电路用于与输入/输出接口耦合，通过所述输入/输出接口传输数据，以执行如权利要求1-6中任一项所述的方法。
15.一种计算机可读介质，其特征在于，所述计算机可读介质存储有程序代码，当所述计算机程序代码在计算机上运行时，使得计算机执行如权利要求1-6中任一项所述的方法。
CN202010162242.6A 2020-03-10 2020-03-10 网络设备的扩容方法和相关装置 Active CN113381873B (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN202010162242.6A CN113381873B (zh) 2020-03-10 2020-03-10 网络设备的扩容方法和相关装置
PCT/CN2021/079993 WO2021180127A1 (zh) 2020-03-10 2021-03-10 网络设备的扩容方法和相关装置
EP21768129.5A EP4099636A4 (en) 2020-03-10 2021-03-10 CAPACITY EXPANSION METHOD FOR NETWORK DEVICE AND ASSOCIATED APPARATUS
US17/941,789 US20230007508A1 (en) 2020-03-10 2022-09-09 Network device capacity expansion method and related apparatus

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010162242.6A CN113381873B (zh) 2020-03-10 2020-03-10 网络设备的扩容方法和相关装置

Publications (2)

Publication Number Publication Date
CN113381873A CN113381873A (zh) 2021-09-10
CN113381873B true CN113381873B (zh) 2023-02-03

Family

ID=77568781

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010162242.6A Active CN113381873B (zh) 2020-03-10 2020-03-10 网络设备的扩容方法和相关装置

Country Status (4)

Country Link
US (1) US20230007508A1 (zh)
EP (1) EP4099636A4 (zh)
CN (1) CN113381873B (zh)
WO (1) WO2021180127A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2605795B (en) * 2021-04-13 2023-05-17 British Telecomm Algorithm selection for processor-controlled device

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102447579A (zh) * 2011-12-23 2012-05-09 广东电网公司电力科学研究院 基于SP Guru的电力调度数据网扩容仿真预演方法
WO2016095162A1 (zh) * 2014-12-18 2016-06-23 华为技术有限公司 一种确定虚拟机数量调整操作的装置和方法
CN108259225A (zh) * 2017-12-20 2018-07-06 中国联合网络通信集团有限公司 一种网络扩容评估方法、装置和服务器

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10097372B2 (en) * 2014-01-09 2018-10-09 Ciena Corporation Method for resource optimized network virtualization overlay transport in virtualized data center environments
CN106209484A (zh) * 2015-04-29 2016-12-07 中兴通讯股份有限公司 一种深度网路分析系统的测试方法和装置
CN106549806B (zh) * 2016-10-26 2019-06-18 清华大学 一种网络切片管理器及其管理方法
CN110248369B (zh) * 2019-04-03 2022-05-13 中国联合网络通信集团有限公司 一种小区容量的调整方法及装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102447579A (zh) * 2011-12-23 2012-05-09 广东电网公司电力科学研究院 基于SP Guru的电力调度数据网扩容仿真预演方法
WO2016095162A1 (zh) * 2014-12-18 2016-06-23 华为技术有限公司 一种确定虚拟机数量调整操作的装置和方法
CN108259225A (zh) * 2017-12-20 2018-07-06 中国联合网络通信集团有限公司 一种网络扩容评估方法、装置和服务器

Also Published As

Publication number Publication date
WO2021180127A1 (zh) 2021-09-16
CN113381873A (zh) 2021-09-10
EP4099636A1 (en) 2022-12-07
EP4099636A4 (en) 2023-08-02
US20230007508A1 (en) 2023-01-05

Similar Documents

Publication Publication Date Title
US10142252B2 (en) Server intelligence for network speed testing control
CN111147395B (zh) 一种网络资源调整方法及装置
CN104584497A (zh) 管理具有流控制的二维网络中的饥饿和阻塞
CN111277640B (zh) 用户请求处理方法、装置、系统、计算机设备和存储介质
CN108184270B (zh) 一种基于tdma系统的资源调度方法及系统
CN103248622B (zh) 一种自动伸缩的在线视频服务质量保障方法及系统
CN106817314A (zh) 大数据采集方法、装置以及系统
EP3310093A1 (en) Traffic control method and apparatus
CN113381873B (zh) 网络设备的扩容方法和相关装置
CN118400269A (zh) 用于带宽分配的方法及装置
CN111866902A (zh) 资源利用率的评估方法和装置
CN109041236B (zh) 一种不同权重业务的无线资源分配方法及装置
CN102845028B (zh) 一种资源分配的方法及装置
CN108848040B (zh) 报文发送方法、设备及计算机可读存储介质
CN108901078B (zh) 一种电力物联网业务的随机接入优化方法及装置
CN112448897B (zh) 一种基于强化学习的交换机共享缓存分配方法及装置
CN114936089A (zh) 资源调度方法、系统、设备及存储介质
CN112637904B (zh) 负载均衡方法、装置及计算设备
CN114116214A (zh) Flink任务处理的资源调整方法、装置、设备和存储介质
CN113205231A (zh) 一种离网预测方法及装置
CN112714037A (zh) 一种线上服务质量的保障性能评估方法、装置及设备
Tayan A proposed model for optimizing the flow of pilgrims between Holy sites during Hajj using traffic congestion control
US20230362976A1 (en) Method and electronic device for determining scheduling priority of user equipment
CN112118012A (zh) 译码器迭代次数确定方法及装置
WO2018011097A1 (en) Managing medium access of an access point and associated devices in a wireless network

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