CN113837570B - 多模网络健康度评估方法及装置 - Google Patents

多模网络健康度评估方法及装置 Download PDF

Info

Publication number
CN113837570B
CN113837570B CN202111055090.0A CN202111055090A CN113837570B CN 113837570 B CN113837570 B CN 113837570B CN 202111055090 A CN202111055090 A CN 202111055090A CN 113837570 B CN113837570 B CN 113837570B
Authority
CN
China
Prior art keywords
network
capacity
multimode
multimode network
flow
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
CN202111055090.0A
Other languages
English (en)
Other versions
CN113837570A (zh
Inventor
肖荣
吴舸
张明华
金道临
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.)
Shanghai Ideal Information Industry Group Co Ltd
Original Assignee
Shanghai Ideal Information Industry Group 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 Shanghai Ideal Information Industry Group Co Ltd filed Critical Shanghai Ideal Information Industry Group Co Ltd
Priority to CN202111055090.0A priority Critical patent/CN113837570B/zh
Publication of CN113837570A publication Critical patent/CN113837570A/zh
Application granted granted Critical
Publication of CN113837570B publication Critical patent/CN113837570B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462—Approximate or statistical queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2477—Temporal data queries

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computational Linguistics (AREA)
  • Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Fuzzy Systems (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Databases & Information Systems (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Strategic Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明公开了一种多模网络健康度评估方法及装置。一种多模网络健康度评估方法，包括定时从出口设备上采集进出流量信息，得到每次采集间隔时间内的进出流量信息，并存储；基于存储的进出流量信息，分别计算在预设时间段内整体应用的多模网络流量特征因子以及整体应用容量与网络容量特征因子，并存储在多模网络流量特征表；根据多模网络流量特征表中存储的多模网络流量特征数据评估在预设时间段内多模网络健康度。本发明通过定期采集出口设备的端口流量信息，对已采集数据根据业务要求进行分时段处理，分析整体应用的多模网络流量利用特征，并结合当前网络容量进行多模网络健康度的估，为多模网络容量变更提供依据。

Description

多模网络健康度评估方法及装置
技术领域
本发明涉及网络监控技术领域，尤其涉及一种多模网络健康度评估方法及装置。
背景技术
云网MSP服务是一项以成熟的3+1平台为基础，即：多云聚合平台、混合多云管理平台、云网监控平台、服务支撑平台。以一站式服务为核心能力，为客户提供全生命周期服务。
然而，现有技术在为客户提供多模网络健康度评估时，一般采用统计最大值结合人工经验值的方式对网络的容量变更给出依据，这种方式的缺陷是无法反映网络中所有应用的整体网络容量特征，只反映了峰值容量特征。为了解决这一问题，需要根据网络内所有应用的整体网路容量特征，对多模网络的健康度进行评估。
发明内容
本发明提供一种多模网络健康度评估方法、装置及存储介质，以现有的多模网络健康度评估方法无法反映网络中所有应用的整体网络容量特征的问题。
第一方面，本发明实施例提供了一种多模网络健康度评估方法，包括：
定时从出口设备上采集进出流量信息，得到每次采集间隔时间内的进出流量信息，并存储，其中，所述进出流量信息包括进流量和出流量；
基于存储的进出流量信息，分别计算在预设时间段内整体应用的多模网络流量特征因子以及整体应用容量与网络容量特征因子，并存储在多模网络流量特征表；
根据多模网络流量特征表中存储的多模网络流量特征数据评估在预设时间段内多模网络健康度。
优选的，所述得到每次采集间隔时间内的进出流量信息，并存储，具体包括：得到每次采集间隔时间内的进出流量信息，并存储到应用流量表中，所述应用流量表包括设备ID、端口ID、进流量、出流量、数据采集间隔和数据采集时间。
优选的，按照网络保障要求将每天划分为多个时间段作为所述预设时间段。
优选的，所述得到每次采集间隔时间内的进出流量信息，具体为：基于每次采集的进出流量信息与前次采集的进出流量信息，得到每次采集间隔时间内的进出流量信息。
优选的，所述根据多模网络流量特征表中存储的多模网络流量特征数据评估在预设时间段内多模网络健康度，具体包括：从多模网络流量特征表中获取一个统计周期内多个预设时间段的多模网络流量特征数据集ATi{A1,A2…An}，BTi{B1,B2…Bn}，(Ti∈{T1,T2…Tn})其中，A是整体应用的多模网络流量特征因子，B是整体应用容量与网络容量特征因子，Ti是第i个预设时间段；
数据集转换为健康度数据集Ci＝α×CAi+β×CBi，其中α、β均为正数系数。
优选的，在评估得到健康度数据之后，还包括：
当β≤C_i≤α+β且连续出现时，多模网络容量需要扩容至IfSpeed×max(B_i)；
当C_i集合中所有元素均满足0≤C_i≤α时，多模网络容量可以缩容至IfSpeed×max(B_i)，其中，max(B_i)为该统计周期内的所有整体应用进出容量与网络容量关联特征因子的最大值。
优选的，所述整体应用的进出流量特征因子所述整体应用进出容量与网络容量关联特征因子/>其中：IfSpeed为整体应用进出容量与网络容量、μ为每天的端口进出流量的均值、σ为标准差、θ为网络容量冗余系数,ΔT为采集间隔时间。
优选的，所述多模网络流量特征表包括设备ID、端口ID、进流量均值、出流量均值、进流量标准差值、出流量标准差值、进多模网络流量特征因子、出多模网络流量特征因子、整体应用出容量与网络容量关联特征因子、整体应用进容量与网络容量特征因子和数据所属时间段。
第二方面，本发明实施例还提供了一种多模网络健康度评估装置，定时数据采集模块，用于定时从出口设备上采集进出流量信息，得到每次采集间隔时间内的进出流量信息，并存储，其中，所述进出流量信息包括进流量和出流量；
定时数据处理模块，用于基于存储的进出流量信息，分别计算在预设时间段内整体应用的多模网络流量特征因子以及整体应用容量与网络容量特征因子，并存储在多模网络流量特征表；
多模网络健康度评估模块，用于根据多模网络流量特征表中存储的多模网络流量特征数据评估在预设时间段内多模网络健康度。
第三方面，本发明实施例还提供了一种计算机存储介质，存储介质中存储有指令，所述指令运行时执行第一方面的一种多模网络健康度评估方法。
本发明具有以下有益效果：
1本发明定时记录应用整体进出流量信息，形成历史应用流量信息集，为后续多模网络健康度评估提供依据。
2、本发明通过把应用整体进出流量数据经过规则计算后实时存储到数据库，能够丰富数据库的数据，提供大量的参考信息。
3、本发明通过多模网络健康度评估模块，能够根据历史采集应用整体进出流量，通过应用整体流量变异度以及应用整体容量与网络容量的稳定性特征得出多模网络容量变更依据，确保多模网络健康度，提升多模网络利用效率，节约网络成本投入。
附图说明
图1为本发明实施例一中一种多模网络健康度评估方法的流程图；
图2是本发明实施例二中一种多模网络健康度评估方法的流程图；
图3是本发明实施例三中一种多模网络健康度评估装置的结构框图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
图1为本发明实施例一提供的一种多模网络健康度评估方法的流程图，本实施例可适用于多云聚合平台、混合多云管理平台、云网监控平台、服务支撑平台等多模网络平台，该方法可以由服务器、云计算平台、计算机等来执行，多模网络健康度评估方法可以反映网络中所有应用的整体网络容量特征，具体包括如下步骤：
步骤110、定时从出口设备上采集进出流量信息，得到每次采集间隔时间内的进出流量信息，并存储，其中，所述进出流量信息包括进流量和出流量。
较佳地，得到每次采集间隔时间内的进出流量信息，并存储到应用流量表中，所述应用流量表包括设备ID、端口ID、进流量、出流量、数据采集间隔和数据采集时间。
到每次采集间隔时间内的进出流量信息，具体为：基于每次采集的进出流量信息与前次采集的进出流量信息，得到每次采集间隔时间内的进出流量信息。
具体地，从出口设备上采集进出流量信息(IfInOctetsn、IfOutOctetsn)，与前次采集的进出流量信息(IfInOctetsn-1、IfOutOctetsn-1)进行计算得到本次采集间隔时间内([tn-1,tn])的进出流量信息(IfInOctetsn-IfInOctetsn-1、IfOutOctetsn-IfOutOctetsn-1)并存储到应用流量表中。
步骤120、基于存储的进出流量信息，分别计算在预设时间段内整体应用的多模网络流量特征因子A以及整体应用容量与网络容量特征因子B，并存储在多模网络流量特征表。
较佳地，按照网络保障要求将每天划分为多个时间段作为预设时间段{T_1,T_2…T_n}，且所有划分的时间段之和等于24小时。
较佳地，整体应用的进出流量特征因子所述整体应用进出容量与网络容量关联特征因子/>其中：μ为每天的端口进出流量的均值、σ为标准差、θ为网络容量冗余系数,ΔT为采集间隔时间。
步骤130、根据多模网络流量特征表中存储的多模网络流量特征数据评估在预设时间段内多模网络健康度。
多模网络流量特征表包括设备ID、端口ID、进流量均值、出流量均值、进流量标准差值、出流量标准差值、进多模网络流量特征因子、出多模网络流量特征因子、整体应用出容量与网络容量关联特征因子、整体应用进容量与网络容量特征因子和数据所属时间段。
本实施例中，多模网络健康度的评估包括：根据多模网络流量特征表中存储的多模网络流量特征数据评估在预设时间段内多模网络健康度，具体包括：从多模网络流量特征表中获取一个统计周期内多个预设时间段的多模网络流量特征数据集ATi{A1,A2…An}，BTi{B1,B2…Bn}，(Ti∈{T1,T2…Tn})其中，A是整体应用的多模网络流量特征因子，B是整体应用容量与网络容量特征因子，Ti是第i个预设时间段；
数据集转换为健康度数据集Ci＝α×CAi+β×CBi，其中α、β均为正数系数。
步骤140、当β≤C_i≤α+β且连续出现时，多模网络容量需要扩容至IfSpeed×max(B_i)，IfSpeed为整体应用进出容量与网络容量；
当C_i集合中所有元素均满足0≤C_i≤α时，多模网络容量可以缩容至IfSpeed×max(B_i)，其中，max(B_i)为该统计周期内的所有整体应用进出容量与网络容量关联特征因子的最大值。
以下以为实施例二，具体阐述多模网络健康度评估方法的工作原理：
如图2所示，在本实施例中，所述监控数据采集方法应用于网管专家服务平台，其采用本发明之一种基于流量变异度的多模网络健康度评估方法在自适应超时的情况下采集14000台设备的CPU数据信息，具体步骤如下：
步骤201：使用JAVA虚拟机启动定时数据采集类com.ideal.msp.DataCollector的实例dataCollector以及定时数据处理类com.ideal.msp.DataProcessor的实例dataProcessor。
步骤202：dataCollector定时从网络出口设备获取进出应用流量信息并存储到应用流量表T_NetworkIO。
步骤203：dataProcessor定时从应用流量表T_NetworkIO获取一段时间的流量数据，分时段计算每天的端口进出流量的均值μ、标准差σ、整体应用的进出流量特征因子整体应用进出容量与网络容量(IfSpeed)关联特征因子/>(θ为网络容量冗余系数,ΔT为采集间隔时间)；将计算结果存储到多模网络流量特征表T_NetworkSpec。
步骤204：多模网络健康度评估类com.ideal.msp.NetEstimate的实例netEstimate从多模网络流量特征表T_NetworkSpec中获取一个月内分时段的多模网络流量特征数据集ATi{A1,A2…An}，BTi{B1,B2…Bn}，(Ti∈{T1,T2…Tn})，其中，A是整体应用的多模网络流量特征因子，B是整体应用容量与网络容量特征因子，Ti是第i个预设时间段；
步骤205：netEstimate将数据集转换为健康度数据集 Ci＝0.2×CAi+0.8×CBi，当0.8≤Ci≤1且连续出现时，多模网络容量需要扩容至IfSpeed×max(Bi)；当Ci集合中所有元素均满足0≤Ci≤0.2时，多模网络容量可以缩容至IfSpeed×max(Bi)(max(Bi)为一个统计周期内的所有整体应用进出容量与网络容量关联特征因子的最大值)。
综上所述，本发明一种基于流量变异度的多模网络健康度评估方法及装置引入采集超时自适应模块，能够根据历史采集应用整体进出流量，通过应用整体流量变异度以及应用整体容量与网络容量的稳定性特征得出多模网络容量变更依据，确保多模网络健康度，提升多模网络利用效率，节约网络成本投入。
如图3为本发明的实施例三还提供一种多模网络健康度评估装置的结构框图，包括定时数据采集模块310、定时数据处理模块320和多模网络健康度评估模块330。
定时数据采集模块310，用于定时从出口设备上采集进出流量信息，得到每次采集间隔时间内的进出流量信息，并存储，其中，所述进出流量信息包括进流量和出流量。
较佳地，得到每次采集间隔时间内的进出流量信息，并存储到应用流量表中，所述应用流量表包括设备ID、端口ID、进流量、出流量、数据采集间隔和数据采集时间。
到每次采集间隔时间内的进出流量信息，具体为：基于每次采集的进出流量信息与前次采集的进出流量信息，得到每次采集间隔时间内的进出流量信息。
具体地，从出口设备上采集进出流量信息(IfInOctetsn、IfOutOctetsn)，与前次采集的进出流量信息(IfInOctetsn-1、IfOutOctetsn-1)进行计算得到本次采集间隔时间内([tn-1,tn])的进出流量信息(IfInOctetsn-IfInOctetsn-1、IfOutOctetsn-IfOutOctetsn-1)并存储到应用流量表中。
定时数据处理模块320，用于基于存储的进出流量信息，分别计算在预设时间段内整体应用的多模网络流量特征因子以及整体应用容量与网络容量特征因子，并存储在多模网络流量特征表。
较佳地，按照网络保障要求将每天划分为多个时间段作为预设时间段{T_1,T_2…T_n}，且所有划分的时间段之和等于24小时。
较佳地，整体应用的进出流量特征因子所述整体应用进出容量与网络容量关联特征因子/>其中：μ为每天的端口进出流量的均值、σ为标准差、θ为网络容量冗余系数,ΔT为采集间隔时间。
多模网络健康度评估模块330，用于根据多模网络流量特征表中存储的多模网络流量特征数据评估在预设时间段内多模网络健康度。
多模网络流量特征表包括设备ID、端口ID、进流量均值、出流量均值、进流量标准差值、出流量标准差值、进多模网络流量特征因子、出多模网络流量特征因子、整体应用出容量与网络容量关联特征因子、整体应用进容量与网络容量特征因子和数据所属时间段。
本实施例中，多模网络健康度的评估包括：根据多模网络流量特征表中存储的多模网络流量特征数据评估在预设时间段内多模网络健康度，具体包括但不限于：从多模网络流量特征表中获取一个统计周期内多个预设时间段的多模网络流量特征数据集ATi{A1,A2…An}，BTi{B1,B2…Bn}，(Ti∈{T1,T2…Tn})其中，A是整体应用的多模网络流量特征因子，B是整体应用容量与网络容量特征因子，Ti是第i个预设时间段；
数据集转换为健康度数据集Ci＝α×CAi+β×CBi，其中α、β均为正数系数。
因此一种多模网络健康度评估装置也能实现一种多模网络健康度评估方法相应的技术效果，前文已经进行了详细说明，此处不再赘述。
相应的，本发明的实施例还提供一种计算机可读存储介质，所述存储介质中存储有指令，所述指令运行时执行前述实施例提供的任现一种多模网络健康度评估方法，因此也能实现相应的技术效果，前文已经进行了详细说明，此处不再赘述。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献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(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (4)

1.一种多模网络健康度评估方法，其特征在于，包括：
定时从出口设备上采集进出流量信息，得到每次采集间隔时间内的进出流量信息，并存储，其中，所述进出流量信息包括进流量和出流量；
基于存储的进出流量信息，分别计算在预设时间段内整体应用的多模网络流量特征因子以及整体应用容量与网络容量特征因子，并存储在多模网络流量特征表；
根据多模网络流量特征表中存储的多模网络流量特征数据评估在预设时间段内多模网络健康度；
所述多模网络流量特征表包括设备ID、端口ID、进流量均值、出流量均值、进流量标准差值、出流量标准差值、进多模网络流量特征因子、出多模网络流量特征因子、整体应用出容量与网络容量特征因子、整体应用进容量与网络容量特征因子和数据所属时间；
所述根据多模网络流量特征表中存储的多模网络流量特征数据评估在预设时间段内多模网络健康度，具体包括：从多模网络流量特征表中获取一个统计周期内多个预设时间段的多模网络流量特征数据集ATi{A1,A2…An}，BTi{B1,B2…Bn}，Ti∈{T1,T2…Tn}，其中，A是整体应用的多模网络流量特征因子，B是整体应用容量与网络容量特征因子，Ti是第i个预设时间段；
数据集转换为健康度数据集Ci＝α×CAi+β×CBi，其中α、β均为预设的正数系数；
所述整体应用的多模网络流量特征因子所述整体应用容量与网络容量特征因子/>其中：If Speed为整体应用进出容量与网络容量、μ为每天的端口进出流量的均值、σ为标准差、θ为网络容量冗余系数,ΔT为采集间隔时间；
在评估得到健康度数据之后，还包括：
当β≤Ci≤α+β且连续出现时，多模网络容量需要扩容至IfSpeed×max(Bi)，If Speed为整体应用进出容量与网络容量；
当Ci集合中所有元素均满足0≤Ci≤α时，多模网络容量可以缩容至IfSpeed×max(Bi)，其中，max(Bi)为该统计周期内的所有整体应用进出容量与网络容量关联特征因子的最大值。
2.根据权利要求1所述的方法，其特征在于，所述得到每次采集间隔时间内的进出流量信息，并存储，具体包括：得到每次采集间隔时间内的进出流量信息，并存储到应用流量表中，所述应用流量表包括设备ID、端口ID、进流量、出流量、数据采集间隔和数据采集时间。
3.根据权利要求1所述的方法，其特征在于，按照网络保障要求将每天划分为多个时间段作为所述预设时间段。
4.根据权利要求1所述的方法，其特征在于，所述得到每次采集间隔时间内的进出流量信息，具体为：基于每次采集的进出流量信息与前次采集的进出流量信息，得到每次采集间隔时间内的进出流量信息。
CN202111055090.0A 2021-09-09 2021-09-09 多模网络健康度评估方法及装置 Active CN113837570B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111055090.0A CN113837570B (zh) 2021-09-09 2021-09-09 多模网络健康度评估方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111055090.0A CN113837570B (zh) 2021-09-09 2021-09-09 多模网络健康度评估方法及装置

Publications (2)

Publication Number Publication Date
CN113837570A CN113837570A (zh) 2021-12-24
CN113837570B true CN113837570B (zh) 2024-01-23

Family

ID=78958819

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111055090.0A Active CN113837570B (zh) 2021-09-09 2021-09-09 多模网络健康度评估方法及装置

Country Status (1)

Country Link
CN (1) CN113837570B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101286937A (zh) * 2008-05-16 2008-10-15 华为技术有限公司 一种网络流量控制方法、装置及系统
CN102904780A (zh) * 2012-10-29 2013-01-30 苏州山石网络有限公司 检测网络健康度的方法及装置
CN103746852A (zh) * 2014-01-21 2014-04-23 华为技术有限公司 业务路由配置方法及网络管理设备
CN112019547A (zh) * 2020-08-28 2020-12-01 中移（杭州）信息技术有限公司 网络流量评估方法、攻击检测方法、服务器及存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101286937A (zh) * 2008-05-16 2008-10-15 华为技术有限公司 一种网络流量控制方法、装置及系统
CN102904780A (zh) * 2012-10-29 2013-01-30 苏州山石网络有限公司 检测网络健康度的方法及装置
CN103746852A (zh) * 2014-01-21 2014-04-23 华为技术有限公司 业务路由配置方法及网络管理设备
CN112019547A (zh) * 2020-08-28 2020-12-01 中移（杭州）信息技术有限公司 网络流量评估方法、攻击检测方法、服务器及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
大型网络健康度的快速评估方法;黄鹂声 等;电子科技大学学报;1374-1377 *

Also Published As

Publication number Publication date
CN113837570A (zh) 2021-12-24

Similar Documents

Publication Publication Date Title
CN103854065A (zh) 一种用于客户流失预测的方法和装置
CN110110881A (zh) 电力客户需求预测分析方法及系统
CN110223146B (zh) 客户购电服务全过程监控系统及方法
CN114039918B (zh) 一种信息年龄优化方法、装置、计算机设备及存储介质
CN105979532B (zh) 一种业务处理系统的性能容量分析预警方法及装置
CN108491255B (zh) 自助式MapReduce数据优化分配方法及系统
CN110445939B (zh) 容量资源的预测方法及装置
CN112333342B (zh) 智能语音呼叫方法、装置、设备及存储介质
CN108390793A (zh) 一种分析系统稳定性的方法及装置
CN108446853A (zh) 一种业务流程分析系统及方法
CN113837570B (zh) 多模网络健康度评估方法及装置
CN114500543A (zh) 一种基于分布式的弹性边缘采集系统及其应用方法
Li et al. A statistic-fuzzy technique for clustering load curves
CN116643844B (zh) 面向电力超算云资源自动扩展的智能化管理系统及方法
CN110769454B (zh) 流量预测方法及装置
JP4128664B2 (ja) 時系列データ変換を用いたトラヒック予測方法及びその装置
CN106817710A (zh) 一种网络问题的定位方法及装置
CN115766376A (zh) 基于物联网设备数据解析的数据分析处理方法
Liu et al. Online task dispatching and pricing for quality-of-service-aware sensing data collection for mobile edge clouds
Vujicic et al. Prediction of traffic in a public safety network
CN117395198B (zh) 一种电力通信网络拥塞报警方法及系统
CN104734898A (zh) 一种基于社交网络分析的业务推荐方法和系统
CN109377380A (zh) 一种基于大数据处理的续保提醒的方法、装置及通信设备
Dudin et al. Tandem queueing system MAP| M| N| K-N→●| M| R|∞ with impatient customers as a model of remote technical support
JP2014215715A (ja) 市場情勢変化分析装置及び方法

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