CN113900717B - 一种设备型号的推荐方法、装置及设备 - Google Patents
一种设备型号的推荐方法、装置及设备 Download PDFInfo
- Publication number
- CN113900717B CN113900717B CN202111155053.7A CN202111155053A CN113900717B CN 113900717 B CN113900717 B CN 113900717B CN 202111155053 A CN202111155053 A CN 202111155053A CN 113900717 B CN113900717 B CN 113900717B
- Authority
- CN
- China
- Prior art keywords
- target
- equipment
- model
- networking
- candidate
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/4401—Bootstrapping
- G06F9/4411—Configuring for operating with peripheral devices; Loading of device drivers
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供一种设备型号的推荐方法、装置及设备,该方法包括:获取用于实现组网功能的指定设备类型;针对指定设备类型对应的目标设备的任一设备型号,基于所述设备型号对应的目标设备支持的参考组网资源值以及已获取的目标组网资源值,确定所述设备型号是否为候选设备型号;若存在一个候选设备型号,则将该候选设备型号确定为所述目标设备对应的目标设备型号,并推荐所述目标设备型号;或者,若存在至少两个候选设备型号,则从至少两个候选设备型号中选取一个候选设备型号作为所述目标设备对应的目标设备型号,并推荐所述目标设备型号。通过本申请的技术方案,避免人工选取合适型号的设备,减少大量的人力和时间成本,提升客户需求的响应时间。
Description
技术领域
本申请涉及安全技术领域,尤其是一种设备型号的推荐方法、装置及设备。
背景技术
在视频管理系统中,通常会部署大量前端设备(如IPC(IP Camera,网络摄像机)、球机、鱼眼摄像机等),并为这些前端设备部署配套的后端设备(例如,NVR(Network VideoRecorder,网络录像机)、DVR(Digital Video Recorder,硬盘录像机)、CVR(Central VideoRecorder,存储录像机)等)。由于设备库中通常具有多种型号的后端设备,那么,应该向客户提供哪种型号的后端设备,相关技术中,通常由解决方案提供者(如售前人员)基于客户需求,为客户选取合适型号的后端设备。但是,由于个人掌握的经验知识有限,解决方案提供者可能无法为客户选取合适型号的后端设备,导致客户使用体验较差,并且,需要投入大量人力和时间成本,对客户的需求响应时间过长。
发明内容
本申请提供一种设备型号的推荐方法,所述方法包括:
获取用于实现组网功能的指定设备类型;
针对所述指定设备类型对应的目标设备的任一设备型号,基于所述设备型号对应的目标设备支持的参考组网资源值以及已获取的目标组网资源值,确定所述设备型号是否为候选设备型号;其中,所述参考组网资源值是所述目标设备上用于实现组网功能的资源对应的资源值,所述目标组网资源值是与所述目标设备连接的前端设备上用于实现组网功能的资源对应的资源值;
若存在一个候选设备型号,则将该候选设备型号确定为所述目标设备对应的目标设备型号,并推荐所述目标设备型号;或者,
若存在至少两个候选设备型号,则从至少两个候选设备型号中选取一个候选设备型号作为所述目标设备对应的目标设备型号,并推荐所述目标设备型号。
本申请提供一种设备型号的推荐装置,所述装置包括:
获取模块,用于获取用于实现组网功能的指定设备类型;
确定模块,用于针对所述指定设备类型对应的目标设备的任一设备型号,基于所述设备型号对应的目标设备支持的参考组网资源值以及已获取的目标组网资源值,确定所述设备型号是否为候选设备型号;其中,所述参考组网资源值是所述目标设备上用于实现组网功能的资源对应的资源值,所述目标组网资源值是与目标设备连接的前端设备上用于实现组网功能的资源对应的资源值;
推荐模块,用于若存在一个候选设备型号,则将该候选设备型号确定为所述目标设备对应的目标设备型号,并推荐所述目标设备型号;或者,若存在至少两个候选设备型号,则从至少两个候选设备型号中选取一个候选设备型号作为所述目标设备对应的目标设备型号,并推荐所述目标设备型号。
本申请提供一种设备型号的推荐设备,包括:处理器和机器可读存储介质,所述机器可读存储介质存储有能够被所述处理器执行的机器可执行指令;其中,所述处理器用于执行机器可执行指令,以实现上述的设备型号的推荐方法。
本申请提供一种机器可读存储介质,所述机器可读存储介质存储有能够被处理器执行的机器可执行指令;其中,所述处理器用于执行所述机器可执行指令,以实现上述的设备型号的推荐方法。
本申请提供一种计算机程序,所述计算机程序存储于机器可读存储介质,当处理器执行所述计算机程序时,促使处理器实现上述的设备型号的推荐方法。
由以上技术方案可见,本申请实施例中,针对每个设备型号,可以基于该设备型号对应的目标设备支持的参考组网资源值(用于实现组网功能的资源对应的资源值)以及目标组网资源值(即前端设备上用于实现组网功能的资源对应的资源值),确定该设备型号是否为候选设备型号,从而从所有设备型号中选取出候选设备型号,然后,从所有候选设备型号中选取一个候选设备型号作为目标设备对应的目标设备型号,并推荐目标设备型号。在上述方式中,可以基于前端设备的目标组网资源值,为客户选取合适型号的设备(如后端设备或者交换机设备等),不需要解决方案提供者为客户选取合适型号的设备,减少解决方案提供者的主观因素,增强客观因素,避免人工选取合适型号的设备,减少了大量的人力和时间成本,提升客户需求的响应时间,客户使用体验较好。
附图说明
图1是本申请一种实施方式中的设备型号的推荐方法的流程示意图;
图2是本申请一种实施方式中的设备型号的推荐方法的流程示意图;
图3是本申请一种实施方式中的设备型号的推荐方法的流程示意图;
图4A是本申请一种实施方式中的三层网络结构的示意图;
图4B是本申请一种实施方式中的二层网络结构的示意图;
图5是本申请一种实施方式中的设备型号的推荐装置的结构示意图。
具体实施方式
在本申请实施例使用的术语仅仅是出于描述特定实施例的目的,而非限制本申请。本申请和权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其它含义。还应当理解,本文中使用的术语“和/或”是指包含一个或多个相关联的列出项目的任何或所有可能组合。应当理解,尽管在本申请实施例可能采用术语第一、第二、第三等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本申请范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。取决于语境,此外,所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
在视频管理系统中,通常会部署大量前端设备(如IPC、球机、鱼眼摄像机等),并为这些前端设备部署后端设备(如NVR、DVR、CVR等)。前端设备用于采集视频图像,将视频图像发送给后端设备,由后端设备存储这些视频图像。在某些应用场景下,视频管理系统还包括交换机设备,前端设备可以将视频图像发送给交换机设备,由交换机设备将视频图像发送给后端设备。后端设备具有录像存储、预览、回放等功能,交换机设备具有数据传输和转发等功能。
由于设备库中具有多种型号的后端设备,具有多种型号的交换机设备,那么,应该向客户提供哪种型号的后端设备,向客户提供哪种型号的交换机设备。针对上述需求,本申请实施例提出一种设备型号的推荐方法,可以基于后端设备支持的参考组网资源值(用于实现组网功能的资源对应的资源值)以及前端设备支持的目标组网资源值(用于实现组网功能的资源对应的资源值),从后端设备的所有设备型号中选取出目标设备型号,并向客户推荐目标设备型号,即向客户提供目标设备型号的后端设备。或者,可以基于交换机设备支持的参考组网资源值以及前端设备支持的目标组网资源值,从交换机设备的所有设备型号中选取出目标设备型号,并向客户推荐目标设备型号的交换机设备。
参见图1所示,为该设备型号的推荐方法的流程示意图,该方法包括:
步骤101、获取用于实现组网功能的指定设备类型。
示例性的,用于实现组网功能的指定设备类型可以是组网存储后端类型,即由组网存储后端设备实现组网功能,用于实现组网功能的指定设备类型也可以是交换机类型,即由交换机设备实现组网功能。当然,用于实现组网功能的指定设备类型也可以是其它类型,本实施例中对此不做限制。
步骤102、针对该指定设备类型对应的目标设备的任一设备型号,基于该设备型号对应的目标设备支持的参考组网资源值以及已获取的目标组网资源值,确定该设备型号是否为候选设备型号。示例性的,该参考组网资源值可以是目标设备上用于实现组网功能的资源对应的资源值,该目标组网资源值可以是与目标设备连接的前端设备上用于实现组网功能的资源对应的资源值。
步骤103、若存在一个候选设备型号,则将该候选设备型号确定为目标设备对应的目标设备型号,并推荐该目标设备型号;或者,若存在至少两个候选设备型号,则从至少两个候选设备型号中选取一个候选设备型号作为目标设备对应的目标设备型号,并推荐目标设备型号,即向客户推荐目标设备型号。
示例性的,在从至少两个候选设备型号中选取一个候选设备型号作为目标设备对应的目标设备型号时,可以采用第一目标算法从至少两个候选设备型号中选取一个候选设备型号作为目标设备对应的目标设备型号,也可以采用第二目标算法从至少两个候选设备型号中选取一个候选设备型号作为目标设备对应的目标设备型号。其中,第一目标算法可以是熵权算法和TOPSIS(Technique for Order Preference by Similarity to an IdealSolution,基于与理想解相似性的排序技术)算法,比如说,采用熵权算法确定决策指标对应的权重值,基于决策指标对应的权重值,采用TOPSIS算法从所有候选设备型号中选取一个候选设备型号作为目标设备型号。或者,第二目标算法可以是AHP(Analytic HierarchyProcess,层次分析法)和TOPSIS算法,比如说,采用AHP确定决策指标对应的权重值,基于决策指标对应的权重值,采用TOPSIS算法从所有候选设备型号中选取一个候选设备型号作为目标设备型号。当然,也可以采用其它算法从所有候选设备型号中选取一个候选设备型号作为目标设备型号,对此不做限制。
在一种可能的实施方式中,可以指定组网存储后端设备实现组网功能,即,用于实现组网功能的指定设备类型是组网存储后端类型,且目标设备是组网存储后端设备。在该情况下,针对步骤102,针对该指定设备类型对应的组网存储后端设备的任一设备型号,若该设备型号对应的组网存储后端设备支持的参考组网资源值不小于该目标组网资源值,则确定该设备型号是候选设备型号。
比如说,针对任一设备型号,若该设备型号对应的组网存储后端设备支持的参考组网资源值不小于该目标组网资源值,且该设备型号对应的组网存储后端设备支持的参考存储资源值(组网存储后端设备上用于实现存储功能的资源对应的资源值)不小于已获取的目标存储资源值(与组网存储后端设备连接的前端设备上用于实现存储功能的资源对应的资源值),则确定该设备型号是候选设备型号。又例如,若该设备型号对应的组网存储后端设备支持的参考组网资源值不小于该目标组网资源值,且该设备型号对应的组网存储后端设备支持的参考存储资源值小于目标存储资源值,则确定该设备型号是候选设备型号。
针对步骤103,若存在至少两个候选设备型号,基于各候选设备型号对应的组网存储后端设备支持的参考组网资源值和参考存储资源值,可以采用第一目标算法,从至少两个候选设备型号中选取一个候选设备型号作为组网存储后端设备对应的目标设备型号。第一目标算法可以是熵权算法和TOPSIS算法。
在一种可能的实施方式中,可以指定组网存储后端设备实现组网功能,即,用于实现组网功能的指定设备类型是组网存储后端类型,且目标设备是组网存储后端设备。在该情况下,针对步骤102,若所有设备型号对应的组网存储后端设备支持的参考组网资源值均小于目标组网资源值,针对该指定设备类型对应的组网存储后端设备的任一设备型号,可以确定该设备型号是候选设备型号。
比如说,若所有设备型号对应的组网存储后端设备支持的参考组网资源值均小于目标组网资源值,且所有设备型号对应的组网存储后端设备支持的参考存储资源值均小于已获取的目标存储资源值,针对该指定设备类型对应的组网存储后端设备的任一设备型号,可以确定该设备型号是候选设备型号。
又例如,若所有设备型号对应的组网存储后端设备支持的参考组网资源值均小于目标组网资源值,且所有设备型号对应的组网存储后端设备支持的参考存储资源值未均小于已获取的目标存储资源值,针对该指定设备类型对应的组网存储后端设备的任一设备型号,可以确定该设备型号是候选设备型号。
针对步骤103,若存在至少两个候选设备型号,基于各候选设备型号对应的组网存储后端设备支持的参考组网资源值和参考存储资源值,可以采用第二目标算法,从至少两个候选设备型号中选取一个候选设备型号作为组网存储后端设备对应的目标设备型号。第二目标算法可以是AHP算法和TOPSIS算法。
示例性的,在步骤103之后,还可以基于目标设备型号对应的组网存储后端设备支持的参考组网资源值确定第一设备数量,且第一设备数量个参考组网资源值之和不小于目标组网资源值,并推荐第一设备数量。
比如说,若所有设备型号对应的组网存储后端设备支持的参考组网资源值均小于目标组网资源值,且所有设备型号对应的组网存储后端设备支持的参考存储资源值均小于目标存储资源值,则可以推荐第一设备数量个目标设备型号的组网存储后端设备,并采用如下方式确定第一设备数量:基于目标设备型号对应的组网存储后端设备支持的参考组网资源值和目标组网资源值确定第一设备数量,例如,对该目标组网资源值除以该参考组网资源值向上取整。
示例性的,在步骤103之后,还可以基于目标设备型号对应的组网存储后端设备支持的参考组网资源值和参考存储资源值确定第一设备数量,且第一设备数量个参考组网资源值之和不小于目标组网资源值,且第一设备数量个参考存储资源值之和不小于目标存储资源值,并推荐第一设备数量。
比如说,若所有设备型号对应的组网存储后端设备支持的参考组网资源值均小于目标组网资源值,且所有设备型号对应的组网存储后端设备支持的参考存储资源值未均小于目标存储资源值,则可以推荐第一设备数量个目标设备型号的组网存储后端设备,并采用如下方式确定第一设备数量:基于目标设备型号对应的组网存储后端设备支持的参考组网资源值和参考存储资源值,以及目标组网资源值和目标存储资源值,确定第一设备数量,如对该目标组网资源值除以该参考组网资源值向上取整得到数值a,对该目标存储资源值除以该参考存储资源值向上取整得到数值b,将数值a和数值b的较大值作为第一设备数量。
在一种可能的实施方式中,若所有设备型号对应的组网存储后端设备支持的参考存储资源值均小于目标存储资源值,还可以推荐第二设备数量个存储后端设备,比如说,可以采用如下方式推荐第二设备数量个存储后端设备:
基于各存储后端型号对应的存储后端设备支持的参考存储资源值,从存储后端型号中选取一个存储后端型号作为存储后端设备对应的目标存储后端型号。比如说,可以将参考存储资源值最大的存储后端型号作为目标存储后端型号。
然后,基于目标存储后端型号对应的存储后端设备支持的参考存储资源值以及目标存储资源值,确定第二设备数量,且第二设备数量个参考存储资源值之和不小于目标存储资源值。比如说,对该目标存储资源值除以该参考存储资源值进行向上取整,将向上取整后的数值作为第二设备数量。
然后,推荐目标存储后端型号和第二设备数量,也就是说,推荐第二设备数量个目标存储后端型号的存储后端设备,对此推荐过程不再赘述。
在一种可能的实施方式中,采用第一目标算法,从至少两个候选设备型号中选取一个候选设备型号作为组网存储后端设备对应的目标设备型号,可以包括但不限于:基于候选设备型号对应的组网存储后端设备支持的参考组网资源值和参考存储资源值确定决策指标对应的熵值,基于决策指标对应的熵值确定该决策指标对应的权重值;其中,若参考组网资源值包括参考带宽、参考供电功率、参考端口数目、参考通道数目中的至少一个,则决策指标包括带宽指标、供电功率指标、端口数目指标、通道数目指标、存储指标中的至少一个。然后,基于各候选设备型号对应的组网存储后端设备支持的参考组网资源值和参考存储资源值,以及各决策指标对应的权重值,确定评分矩阵;基于该评分矩阵确定最优指标矩阵和最差指标矩阵;基于该评分矩阵、该最优指标矩阵和该最差指标矩阵确定各候选设备型号对应的最优距离和最差距离,基于各候选设备型号对应的最优距离和最差距离确定该候选设备型号对应的相对接近度,并将相对接近度最大的候选设备型号作为目标设备型号。
在一种可能的实施方式中,采用第二目标算法,从至少两个候选设备型号中选取一个候选设备型号作为组网存储后端设备对应的目标设备型号,可以包括但不限于:基于不同决策指标之间的重要程度构造比较判别矩阵,并基于该比较判别矩阵确定出各决策指标对应的权重值;其中,若参考组网资源值包括参考带宽、参考供电功率、参考端口数目、参考通道数目中的至少一个,则决策指标包括带宽指标、供电功率指标、端口数目指标、通道数目指标、存储指标中的至少一个。然后,基于各候选设备型号对应的组网存储后端设备支持的参考组网资源值和参考存储资源值,以及各决策指标对应的权重值,确定评分矩阵;基于该评分矩阵确定最优指标矩阵和最差指标矩阵;基于该评分矩阵、最优指标矩阵和最差指标矩阵确定各候选设备型号对应的最优距离和最差距离,基于各候选设备型号对应的最优距离和最差距离确定该候选设备型号对应的相对接近度,并将相对接近度最大的候选设备型号作为目标设备型号。
在一种可能的实施方式中,可以指定交换机设备实现组网功能,即,用于实现组网功能的指定设备类型是交换机类型,且目标设备是交换机设备。在该情况下,针对步骤102,针对该指定设备类型对应的交换机设备的任一设备型号,基于该设备型号对应的交换机设备支持的参考组网资源值和目标组网资源值,该参考组网资源值可以包括参考带宽和参考属性值,该目标组网资源值可以包括目标带宽和目标属性值,若该参考带宽不小于该目标带宽与预留带宽之和,且该参考属性值不小于该目标属性值,则确定该设备型号是候选设备型号。
针对步骤103,若存在至少两个候选设备型号,基于各候选设备型号对应的交换机设备支持的参考组网资源值,可以采用第一目标算法,从至少两个候选设备型号中选取一个候选设备型号作为交换机设备对应的目标设备型号。
在一种可能的实施方式中,可以指定交换机设备实现组网功能,即,用于实现组网功能的指定设备类型是交换机类型,且目标设备包括二层交换机设备。在该情况下,针对步骤102,针对该指定设备类型对应的交换机设备的任一设备型号,基于该设备型号对应的交换机设备支持的参考组网资源值和目标组网资源值,该参考组网资源值可以包括但不限于参考带宽、参考属性值、参考千兆网口数目,该目标组网资源值可以包括但不限于目标带宽和目标属性值,若该参考带宽小于该目标带宽与预留带宽之和,和/或,该参考属性值小于该目标属性值,则可以基于该目标带宽确定目标千兆网口数目;若该参考千兆网口数目不小于该目标千兆网口数目,则确定该设备型号是候选设备型号。
针对步骤103,若存在至少两个候选设备型号,基于各候选设备型号对应的交换机设备支持的参考组网资源值,可以采用第一目标算法,从至少两个候选设备型号中选取一个候选设备型号作为二层交换机设备对应的目标设备型号。
在一种可能的实施方式中,可以指定交换机设备实现组网功能,即,用于实现组网功能的指定设备类型是交换机类型,且目标设备包括一层交换机设备。在该情况下,针对步骤102,针对该指定设备类型对应的交换机设备的任一设备型号,基于该设备型号对应的交换机设备支持的参考组网资源值和目标组网资源值,该参考组网资源值可以包括但不限于参考带宽和参考属性值,该目标组网资源值可以包括但不限于目标带宽和目标属性值,若该参考带宽小于该目标带宽与预留带宽之和,和/或,该参考属性值小于该目标属性值,则可以基于目标组网资源值确定一层交换机设备的总数量;然后,基于目标组网资源值和该总数量确定单个一层交换机设备对应的组网资源平均值;基于此,若该参考组网资源值不小于该组网资源平均值,则确定该设备型号是候选设备型号。
针对步骤103,若存在至少两个候选设备型号,基于各候选设备型号对应的交换机设备支持的参考组网资源值,可以采用第一目标算法,从至少两个候选设备型号中选取一个候选设备型号作为一层交换机设备对应的目标设备型号。
在上述实施例中,预留带宽可以为0,也可以是根据经验配置的带宽值,如配置参考带宽的k%作为预留带宽,k%可以如50%等,对此不做限制。
在上述实施例中,目标属性值包括目标端口数目和目标通道数目,基于目标组网资源值确定一层交换机设备的总数量,包括但不限于:基于目标带宽确定一层交换机设备的第一最小数量;基于目标端口数目确定一层交换机设备的第二最小数量;基于目标通道数目确定一层交换机设备的第三最小数量;基于第一最小数量、第二最小数量和第三最小数量,确定一层交换机设备的总数量。
在一种可能的实施方式中,用于实现组网功能的指定设备类型是交换机类型,且目标设备是交换机设备时,还可以推荐第三设备数量个组网存储后端设备,比如说,可以采用如下方式推荐第三设备数量个组网存储后端设备:
基于各组网存储后端型号对应的组网存储后端设备支持的参考存储资源值,从组网存储后端型号中选取一个组网存储后端型号作为组网存储后端设备对应的目标组网存储后端型号。比如说,将参考存储资源值最大的组网存储后端型号作为目标组网存储后端型号,当然,也可以采用其它方式,对此不做限制,
然后,可以基于目标组网存储后端型号对应的组网存储后端设备支持的参考存储资源值确定第三设备数量,且第三设备数量个参考存储资源值之和不小于目标存储资源值,比如说,对该目标存储资源值除以该参考存储资源值进行向上取整,并将向上取整后的数值作为第三设备数量。
然后,推荐目标组网存储后端型号和第三设备数量,也就是说,推荐第三设备数量个目标组网存储后端型号的组网存储后端设备,对此过程不再赘述。
在一种可能的实施方式中,基于各候选设备型号对应的交换机设备支持的参考组网资源值,采用第一目标算法,从至少两个候选设备型号中选取一个候选设备型号作为交换机设备对应的目标设备型号(或二层交换机设备对应的目标设备型号,或一层交换机设备对应的目标设备型号),可以包括但不限于:
基于候选设备型号对应的交换机设备支持的参考组网资源值确定决策指标对应的熵值,基于决策指标对应的熵值确定该决策指标对应的权重值;其中,若参考组网资源值包括参考带宽、参考供电功率、参考端口数目、参考通道数目中的至少一个,则决策指标包括带宽指标、供电功率指标、端口数目指标、通道数目指标中的至少一个。然后,基于各候选设备型号对应的交换机设备支持的参考组网资源值,以及各决策指标对应的权重值,确定评分矩阵;基于该评分矩阵确定最优指标矩阵和最差指标矩阵;基于该评分矩阵、该最优指标矩阵和该最差指标矩阵确定各候选设备型号对应的最优距离和最差距离,基于各候选设备型号对应的最优距离和最差距离确定该候选设备型号对应的相对接近度,并将相对接近度最大的候选设备型号作为目标设备型号。
由以上技术方案可见,本申请实施例中,针对每个设备型号,基于该设备型号对应的目标设备支持的参考组网资源值及目标组网资源值,确定该设备型号是否为候选设备型号,从而从所有设备型号中选取候选设备型号,从所有候选设备型号中选取一个候选设备型号作为目标设备型号。在上述方式中,基于前端设备的目标组网资源值,为客户选取合适型号的设备(如后端设备或者交换机设备等),不需要解决方案提供者为客户选取合适型号的设备,减少解决方案提供者的主观因素,增强客观因素,避免人工选取合适型号的设备,减少了大量的人力和时间成本,提升客户需求的响应时间,客户使用体验较好。
以下结合具体应用场景,对本申请实施例的技术方案进行说明。
在一种可能的实施方式中,组网存储后端设备是用于实现组网和存储功能的后端设备,可以是NVR设备,也可以是DVR设备,对此不做限制,在后续实施例中,以NVR设备为例进行说明,NVR设备也可以替换为其它类型的组网存储后端设备(如DVR设备等),且NVR设备的设备类型称为NVR类型。存储后端设备是用于实现存储功能的后端设备,可以是CVR设备,对此不做限制,在后续实施例中,以CVR设备为例进行说明,CVR设备也可以替换为其它类型的存储后端设备,且CVR设备的设备类型称为CVR类型。
在某些应用场景下,可以指定NVR设备实现组网功能,即,用于实现组网功能的指定设备类型是NVR类型,在该应用场景下,不需要额外部署交换机设备,组网功能由NVR设备实现。NVR设备实现组网功能主要是指:NVR设备为前端设备供电(即NVR设备具有供电功能),NVR设备与前端设备连接(即NVR设备具有通信功能,需要有网络带宽、端口和IP通道实现通信)。
比如说,在前端设备数量比较少的应用场景,可以使用NVR设备对前端设备进行供电,且NVR设备自身可以提供存储功能,如果存储要求比较高(即待存储数据占用的存储空间比较大),还可以考虑CVR设备提供存储功能。综上所述,在前端设备数量比较少的应用场景,可以使用NVR设备实现组网功能。
在由NVR设备实现组网功能的应用场景下,本申请实施例中的设备型号的推荐方法,可以参见图2所示,为该方法的流程示意图,该方法可以包括:
步骤201、获取目标组网资源值和目标存储资源值。目标组网资源值是前端设备(所有前端设备)上用于实现组网功能的资源对应的资源值,目标存储资源值是前端设备(所有前端设备)上用于实现存储功能的资源对应的资源值。
目标组网资源值可以包括但不限于以下至少一种:目标带宽、目标供电功率(如POE供电功率)、目标端口数目(如POE端口数目)、目标通道数目(如目标IP通道数目)。目标存储资源值可以包括但不限于目标存储容量。
比如说,可以基于前端设备的型号和前端设备的数量统计出目标带宽、目标供电功率、目标端口数目、目标通道数目、目标存储容量等资源指标。
例如,假设视频管理系统包括5个型号a1的前端设备,3个型号a2的前端设备,若型号a1的前端设备的带宽是b11,型号a2的前端设备的带宽是b12,则目标带宽是b11*5+b12*3,即目标带宽是所有前端设备的带宽之和。若型号a1的前端设备的供电功率是b21,型号a2的前端设备的供电功率是b22,则目标供电功率是b21*5+b22*3,即目标供电功率是所有前端设备的供电功率之和。同理,还可以得到目标端口数目(即所有前端设备的端口数目之和)、目标通道数目(即所有前端设备的通道数目之和)、目标存储容量(即所有前端设备的存储容量之和)等资源指标,在此不再重复赘述。
示例性的,目标存储容量用于表示所有前端设备需要占用多少存储资源,单位可以是TB,也可以是其它单位,对此不做限制,本文记为目标存储容量P1。目标带宽用于表示所有前端设备需要占用多少带宽,单位可以是Mbps,也可以是其它单位,对此不做限制,本文记为目标带宽P2。目标供电功率用于表示对所有前端设备的供电功率,单位可以是W,也可以是其它单位,对此不做限制,本文记为目标供电功率P3。目标端口数目用于表示所有前端设备一共存在多少个端口,本文记为目标端口数目P4。目标通道数目用于表示所有前端设备一共存在多少个通道(IP通道),本文记为目标通道数目P5。
在实际应用中,由于POE有供电标准,硬件设计生产的POE端口要满足这些标准,因此,目标供电功率P3和目标端口数目P4存在一定关联性,当目标端口数目P4越多时,目标供电功率P3越大,当目标端口数目P4越少时,目标供电功率P3越小,这是由于单个端口的供电功率有限,如12.95W、30W等,因此,目标端口数目P4与单个端口的供电功率的乘积是目标供电功率P3。
步骤202、针对NVR设备的任一NVR型号(即设备型号),获取该NVR型号对应的NVR设备支持的参考组网资源值和参考存储资源值。该参考组网资源值可以是该NVR设备(一个)上用于实现组网功能的资源对应的资源值,该参考存储资源值可以是该NVR设备上用于实现存储功能的资源对应的资源值。
参考组网资源值可以包括但不限于以下至少一种:参考带宽、参考供电功率(如POE供电功率)、参考端口数目(如POE端口数目)、参考通道数目(如目标IP通道数目)。参考存储资源值可以包括但不限于参考存储容量。
比如说,针对每个NVR型号的NVR设备,基于该NVR设备对应的相关配置,可以直接查询到该NVR设备的参考带宽、参考供电功率、参考端口数目、参考通道数目、参考存储容量等资源指标。示例性的,参考存储容量用于表示NVR设备能够提供多少存储资源,单位可以是TB,本文记为参考存储容量V1。参考带宽用于表示NVR设备能够提供多少带宽,单位可以是Mbps,本文记为参考带宽V2。参考供电功率用于表示NVR设备能够提供的供电功率,单位可以是W,本文记为参考供电功率V3。参考端口数目用于表示NVR设备存在多少个端口,本文记为参考端口数目V4。参考通道数目用于表示NVR设备存在多少个通道(IP通道),本文记为参考通道数目V5。
步骤203、确定是否只需要推荐一个NVR设备。
如果是,则执行步骤204,如果否,则执行步骤205。
比如说,若存在至少一种NVR型号的NVR设备,单个NVR设备的参考组网资源值和参考存储资源值已经满足目标组网资源值和目标存储资源值的需求,则只需要推荐一个NVR设备,由一个NVR设备实现组网功能和存储功能,执行步骤204。若所有NVR型号的NVR设备,单个NVR设备的参考组网资源值和参考存储资源值无法同时满足目标组网资源值和目标存储资源值的需求,则需要推荐多个NVR设备,由多个NVR设备实现组网功能和存储功能,执行步骤205。或者,需要推荐至少一个NVR设备和至少一个CVR设备,由至少一个NVR设备和至少一个CVR设备实现组网功能和存储功能,执行步骤205。
步骤204、从所有NVR型号中选择一个NVR型号作为目标NVR型号,并推荐目标NVR型号,即,向客户推荐一种目标NVR型号,由客户选取这种目标NVR型号的一个NVR设备,就可以实现组网功能和存储功能。
在一种可能的实施方式中,关于步骤204,可以通过以下步骤实现:
步骤2041、针对NVR设备的每个NVR型号,若该NVR型号对应的NVR设备支持的参考组网资源值不小于目标组网资源值,且该NVR型号对应的NVR设备支持的参考存储资源值不小于目标存储资源值,则可以确定该NVR型号是候选NVR型号。在对所有NVR型号进行上述处理后,可以从所有NVR型号中选取出候选NVR型号,即得到候选NVR型号。若候选NVR型号的数量为一个,则执行步骤2042,若候选NVR型号的数量为至少两个,则执行步骤2043。
比如说,针对每个NVR型号,基于该NVR型号对应的NVR设备支持的参考组网资源值和参考存储资源值,以及,目标组网资源值和目标存储资源值,若同时满足以下5个条件,则确定该NVR型号是候选NVR型号,若以下5个条件的至少一个条件不满足,则确定该NVR型号不是候选NVR型号。
条件1、参考存储容量V1不小于目标存储容量P1;
条件2、参考带宽V2不小于目标带宽P2;
条件3、参考供电功率V3不小于目标供电功率P3;
条件4、参考端口数目V4不小于目标端口数目P4;
条件5、参考通道数目V5不小于目标通道数目P5。
步骤2042、若候选NVR型号为一个,则将该候选NVR型号作为NVR设备对应的目标NVR型号,并推荐目标NVR型号,即推荐一种目标NVR型号。
步骤2043、若候选NVR型号为至少两个,即存在至少两个候选NVR型号,则基于每个候选NVR型号对应的NVR设备支持的参考组网资源值和参考存储资源值,从所有候选NVR型号中选取一个候选NVR型号作为NVR设备对应的目标NVR型号,并推荐目标NVR型号,即,向客户推荐一种目标NVR型号。
在步骤2043中,可以基于熵权算法和TOPSIS算法,从所有候选NVR型号中选取一个候选NVR型号作为目标NVR型号。熵权算法用于确定决策指标对应的权重值,TOPSIS算法用于选取一个候选NVR型号作为目标NVR型号。关于熵权算法和TOPSIS算法的相关内容,参见后续实施例,在此不再赘述。
示例性的,每个NVR型号还可以对应星级信息,如3星级的NVR型号、2星级的NVR型号、1星级的NVR型号等,当然,星级数量可以更多(如4星级、5星级等),星级数量也可以更少,对此不做限制。在此基础上,
步骤2043中,若候选NVR型号为至少两个,先确定是否存在最高星级(如3星级)的候选NVR型号,若存在3星级的候选NVR型号,且3星级的候选NVR型号为一个,则将一个3星级的候选NVR型号作为目标NVR型号,若3星级的候选NVR型号为至少两个,则基于熵权算法和TOPSIS算法,从所有3星级的候选NVR型号中选取一个候选NVR型号作为目标NVR型号。
若不存在最高星级的候选NVR型号,则确定是否存在次高星级(如2星级)的候选NVR型号,若存在2星级的候选NVR型号,且2星级的候选NVR型号为一个,则将一个2星级的候选NVR型号作为目标NVR型号,若2星级的候选NVR型号为至少两个,则基于熵权算法和TOPSIS算法,从所有2星级的候选NVR型号中选取一个候选NVR型号作为目标NVR型号。
以此类推,一直到确定是否存在最低星级(如1星级)的候选NVR型号,若存在1星级的候选NVR型号,且1星级的候选NVR型号为一个,则将一个1星级的候选NVR型号作为目标NVR型号,若1星级的候选NVR型号为至少两个,则基于熵权算法和TOPSIS算法,从所有1星级的候选NVR型号中选取一个候选NVR型号作为目标NVR型号,至此,完成步骤2043。
或者,先基于最高星级(如3星级)的NVR型号执行步骤2041,若存在最高星级的候选NVR型号,则从最高星级的候选NVR型号中选出目标NVR型号,选取方式参见上述实施例。若不存在最高星级的候选NVR型号,则基于次高星级(如2星级)的NVR型号执行步骤2041,若存在次高星级的候选NVR型号,则从次高星级的候选NVR型号中选出目标NVR型号,以此类推。
针对每个NVR型号,关于该NVR型号对应的星级信息,可以根据经验配置,对此不做限制。比如说,若某NVR型号的NVR设备的库存压力较大,希望能够减小该NVR型号的库存压力,则为该NVR型号配置3星级。若某NVR型号的NVR设备正常销售即可,则为该NVR型号配置2星级。若某NVR型号的NVR设备处于小批量生产阶段,则为该NVR型号配置1星级。
在一种可能的实施方式中,关于步骤204,可以通过以下步骤实现:
步骤S10、从所有NVR型号中遍历出3星级的NVR型号。
步骤S11、若至少一个3星级的NVR型号满足上述5个条件(如条件1、条件2、条件3、条件4和条件5),则将这个3星级的NVR型号作为候选NVR型号,执行步骤S12。若所有3星级的NVR型号未同时满足上述5个条件(即条件1、条件2、条件3、条件4和条件5中的至少一个不满足),执行步骤S13。
步骤S12、若3星级的候选NVR型号为一个,则将一个3星级的候选NVR型号作为目标NVR型号,并推荐目标NVR型号。若3星级的候选NVR型号为至少两个,则基于熵权算法和TOPSIS算法,从所有3星级的候选NVR型号中选取一个候选NVR型号作为目标NVR型号,并推荐目标NVR型号。
步骤S12之后,结束流程,成功向客户推荐3星级的目标NVR型号。
步骤S13、从所有NVR型号中遍历出2星级的NVR型号。
步骤S14、若至少一个2星级的NVR型号满足上述5个条件,则将这个2星级的NVR型号作为候选NVR型号,并可以执行步骤S15。若所有2星级的NVR型号未同时满足上述5个条件,则可以执行步骤S16。
步骤S15、若2星级的候选NVR型号为一个,则将一个2星级的候选NVR型号作为目标NVR型号,并推荐目标NVR型号。若2星级的候选NVR型号为至少两个,则基于熵权算法和TOPSIS算法,从所有2星级的候选NVR型号中选取一个候选NVR型号作为目标NVR型号,并推荐目标NVR型号。
步骤S15之后,结束流程,成功向客户推荐2星级的目标NVR型号。
步骤S16、从所有NVR型号中遍历出1星级的NVR型号。
步骤S17、若至少一个1星级的NVR型号满足上述5个条件,则将这个1星级的NVR型号作为候选NVR型号,并可以执行步骤S18。若所有1星级的NVR型号未同时满足上述5个条件,则可以执行步骤S19。
步骤S18、若1星级的候选NVR型号为一个,则将一个1星级的候选NVR型号作为目标NVR型号,并推荐目标NVR型号。若1星级的候选NVR型号为至少两个,则基于熵权算法和TOPSIS算法,从所有1星级的候选NVR型号中选取一个候选NVR型号作为目标NVR型号,并推荐目标NVR型号。
步骤S18之后,结束流程,成功向客户推荐1星级的目标NVR型号。
步骤S19、确定需要推荐多个NVR设备,由多个NVR设备实现组网功能和存储功能,流程结束。关于推荐多个NVR设备的情况,可以参见步骤205。
至此,完成步骤204,可以向客户推荐一种目标NVR型号。
步骤205、基于所有NVR型号的NVR设备支持的参考存储资源值,判断所有参考存储资源值是否均小于目标存储资源值,若是,表明存储资源导致无法由一个NVR设备实现组网功能和存储功能,执行步骤206,若否,表明不是存储资源导致无法由一个NVR设备实现组网功能和存储功能,执行步骤209。
比如说,若所有NVR型号的NVR设备支持的参考存储资源值均小于目标存储资源值,则表示目标存储资源值比较大,即目标存储资源值的需求比较大,在该情况下,需要推荐CVR设备,即需要推荐NVR设备和CVR设备,由NVR设备实现组网功能,由CVR设备实现存储功能,执行步骤206。又例如,若所有NVR型号的NVR设备支持的参考存储资源值未均小于目标存储资源值,则表示目标存储资源值的需求不大,在该情况下,可以不推荐CVR设备,即只需要推荐NVR设备,由NVR设备实现组网功能和存储功能,执行步骤209。
步骤206、基于所有NVR型号的NVR设备支持的参考组网资源值,确定是否存在参考组网资源值不小于目标组网资源值的NVR设备。若是,则表明一个NVR设备就可以实现组网功能,即只需要推荐一个NVR设备(由一个NVR设备实现组网功能),且需要推荐至少一个CVR设备(由CVR设备实现存储功能),执行步骤207。若否,即所有NVR型号的NVR设备支持的参考组网资源值均小于目标组网资源值,则表明一个NVR设备无法实现组网功能,需要推荐至少两个NVR设备(由至少两个NVR设备实现组网功能),且需要推荐至少一个CVR设备(由CVR设备实现存储功能),执行步骤208。
步骤207、从所有NVR型号中选择一个NVR型号作为目标NVR型号,并推荐目标NVR型号,即向客户推荐目标NVR型号,由客户选取目标NVR型号的一个NVR设备,通过NVR设备实现组网功能。从所有CVR型号中选择一个CVR型号作为目标CVR型号,并推荐目标CVR型号,即向客户推荐目标CVR型号,由客户选取目标CVR型号的CVR设备,通过CVR设备实现存储功能。
在一种可能的实施方式中,关于步骤207,可以通过以下步骤实现:
步骤2071、针对NVR设备的任一NVR型号,若该NVR型号对应的NVR设备支持的参考组网资源值不小于目标组网资源值,则确定该NVR型号是候选NVR型号。在对所有NVR型号进行上述处理后,可以从所有NVR型号中选取出候选NVR型号,即得到候选NVR型号。若候选NVR型号的数量为一个,则执行步骤2072,若候选NVR型号的数量为至少两个,则执行步骤2073。
比如说,针对每个NVR型号,基于该NVR型号对应的NVR设备支持的参考组网资源值和参考存储资源值,若同时满足上述条件2、条件3、条件4和条件5,但是不满足上述条件1,则确定该NVR型号是候选NVR型号。若未同时满足上述条件2、条件3、条件4和条件5,则实现过程参见后续步骤。
步骤2072、若候选NVR型号为一个,则直接将该候选NVR型号作为NVR设备对应的目标NVR型号,并推荐该目标NVR型号。
步骤2073、若候选NVR型号为至少两个,即存在至少两个候选NVR型号,则基于每个候选NVR型号对应的NVR设备支持的参考组网资源值和参考存储资源值,从所有候选NVR型号中选取一个候选NVR型号作为NVR设备对应的目标NVR型号,并推荐该目标NVR型号,即,向客户推荐一种目标NVR型号。
在步骤2073中,可以基于熵权算法和TOPSIS算法,从所有候选NVR型号中选取一个候选NVR型号作为目标NVR型号。
示例性的,每个NVR型号还可以对应星级信息,如3星级、2星级、1星级等。在此基础上,针对步骤2073,还可以基于NVR型号的星级信息,从所有候选NVR型号中选取一个候选NVR型号作为NVR设备对应的目标NVR型号,具体选取方式参见步骤2043,在此不再重复赘述。
示例性的,在步骤2072或者步骤2073之后,还可以包括以下步骤(当然,如下步骤也可以在步骤2071之前执行,对此执行顺序不做限制):
步骤2074、基于每个CVR型号对应的CVR设备支持的参考存储资源值,从所有CVR型号中选取一个CVR型号作为CVR设备对应的目标CVR型号。
比如说,基于每个CVR型号对应的CVR设备支持的参考存储资源值,计算目标存储资源值与每个参考存储资源值之间的商值的向上取整值,并将最小的向上取整值对应的CVR型号,确定为目标CVR型号,也就是说,可以将参考存储资源值最大的CVR设备对应的CVR型号作为目标CVR型号。
步骤2075、基于目标CVR型号对应的CVR设备支持的参考存储资源值确定设备数量p,且设备数量p个参考存储资源值之和不小于目标存储资源值。比如说,计算目标存储资源值与目标CVR型号对应的CVR设备支持的参考存储资源值之间的商值的向上取整值,该向上取整值也就是设备数量p。
显然,在使用设备数量p个目标CVR型号对应的CVR设备时,这些CVR设备的参考存储资源值的总和不小于目标存储资源值。
步骤2076、推荐目标CVR型号和设备数量p。
综上可以看出,参见步骤2071-步骤2076,可以推荐目标NVR型号、目标CVR型号和设备数量p,也就是说,需要采用1个目标NVR型号的NVR设备,由该一个NVR设备实现组网功能,且需要采用设备数量p个目标CVR型号的CVR设备,由这些CVR设备共同实现存储功能。
步骤208、从所有NVR型号中选择一个NVR型号作为目标NVR型号,并确定目标NVR型号的NVR设备的设备数量q,并推荐目标NVR型号和设备数量q,由客户选取目标NVR型号的设备数量q个NVR设备,通过这些NVR设备共同实现组网功能。以及,从所有CVR型号中选择一个CVR型号作为目标CVR型号,并推荐目标CVR型号,即向客户推荐目标CVR型号,由客户选取目标CVR型号的CVR设备,通过CVR设备实现存储功能。
在一种可能的实施方式中,关于步骤208,可以通过以下步骤实现:
步骤2081、若所有NVR型号对应的NVR设备支持的参考组网资源值均小于目标组网资源值,则针对NVR设备的每个NVR型号,确定该NVR型号是候选NVR型号。在对所有NVR型号进行上述处理后,可以从所有NVR型号中选取出候选NVR型号,即得到候选NVR型号。若候选NVR型号的数量为一个,则执行步骤2082,若候选NVR型号的数量为至少两个,则执行步骤2083。
例如,基于每个NVR型号对应的NVR设备支持的参考组网资源值,若该参考组网资源值未同时满足上述条件2、条件3、条件4和条件5(即未满足这些条件的至少一个),则说明该NVR型号对应的NVR设备支持的参考组网资源值小于目标组网资源值。若所有NVR型号对应的NVR设备支持的参考组网资源值均未同时满足上述条件2、条件3、条件4和条件5,则说明所有NVR型号对应的NVR设备支持的参考组网资源值均小于目标组网资源值。
步骤2082、若候选NVR型号为一个,则直接将该候选NVR型号作为NVR设备对应的目标NVR型号,并推荐该目标NVR型号。
步骤2083、若候选NVR型号为至少两个,即存在至少两个候选NVR型号,则基于每个候选NVR型号对应的NVR设备支持的参考组网资源值和参考存储资源值,从所有候选NVR型号中选取一个候选NVR型号作为NVR设备对应的目标NVR型号,并推荐该目标NVR型号,即,向客户推荐一种目标NVR型号。
在步骤2083中,可以基于AHP算法和TOPSIS算法,从所有候选NVR型号中选取一个候选NVR型号作为NVR设备对应的目标NVR型号。AHP算法用于确定决策指标对应的权重值,TOPSIS算法用于选取一个候选NVR型号作为目标NVR型号。AHP算法和TOPSIS算法的相关内容,参见后续实施例。
示例性的,每个NVR型号还可以对应星级信息,如3星级、2星级、1星级等。在此基础上,针对步骤2083,还可以基于NVR型号的星级信息,从所有候选NVR型号中选取一个候选NVR型号作为NVR设备对应的目标NVR型号,具体选取方式参见步骤2043,在此不再重复赘述。
步骤2084、基于目标设备型号(即步骤2082或步骤2083确定的目标NVR型号)对应的NVR设备支持的参考组网资源值确定设备数量q,且设备数量q个参考组网资源值之和不小于目标组网资源值,并推荐设备数量q。
比如说,计算目标组网资源值与目标NVR型号对应的NVR设备支持的参考组网资源值之间的商值的向上取整值,该向上取整值也就是设备数量q。
显然,在使用设备数量q个目标NVR型号对应的NVR设备时,这些NVR设备的参考组网资源值的总和不小于目标存储资源值。
示例性的,假设目标组网资源值包括目标带宽P2、目标供电功率P3、目标端口数目P4和目标通道数目P5,参考组网资源值包括参考带宽V2、参考供电功率V3、参考端口数目V4和参考通道数目V5,则可以计算目标带宽P2与参考带宽V2之间的商值的向上取整值、计算目标供电功率P3与参考供电功率V32之间的商值的向上取整值、计算目标端口数目P4与参考端口数目V4之间的商值的向上取整值、计算目标通道数目P5与参考通道数目V5之间的商值的向上取整值,然后,将上述所有向上取整值的最大值,作为设备数量q。
综上所述,基于步骤2081-步骤2084,可以推荐目标NVR型号和设备数量q,即通过设备数量q个目标NVR型号的NVR设备共同实现组网功能。
示例性的,为了实现存储功能,在步骤2084之后,还可以包括以下步骤(当然,如下步骤也可以在步骤2081之前执行,对此执行顺序不做限制):
步骤2085、基于每个CVR型号对应的CVR设备支持的参考存储资源值,从所有CVR型号中选取一个CVR型号作为CVR设备对应的目标CVR型号。
步骤2086、基于目标CVR型号对应的CVR设备支持的参考存储资源值确定设备数量p,且设备数量p个参考存储资源值之和不小于目标存储资源值。
步骤2087、推荐目标CVR型号和设备数量p。
其中,步骤2085-2087可以参见步骤2074-2076,在此不再重复赘述。
综上可以看出,参见步骤2081-步骤2087,可以推荐目标NVR型号、设备数量q、目标CVR型号和设备数量p,也就是说,需要采用设备数量q个目标NVR型号的NVR设备,由这些NVR设备共同实现组网功能。以及,需要采用设备数量p个目标CVR型号的CVR设备,由这些CVR设备实现存储功能。
步骤209、从所有NVR型号中选择一个NVR型号作为目标NVR型号,并确定目标NVR型号的NVR设备的设备数量s,并推荐目标NVR型号和设备数量s,由客户选取目标NVR型号的设备数量s个NVR设备,通过这些NVR设备共同实现组网功能和存储功能。在步骤209中,可以不推荐目标CVR型号。
在一种可能的实施方式中,关于步骤209,可以通过以下步骤实现:
步骤2091、若所有NVR型号对应的NVR设备支持的参考组网资源值均小于目标组网资源值,但所有NVR型号对应的NVR设备支持的参考存储资源值未均小于目标存储资源值,则针对NVR设备的每个NVR型号,确定该NVR型号是候选NVR型号。在对所有NVR型号进行上述处理后,可以从所有NVR型号中选取出候选NVR型号,即得到候选NVR型号。若候选NVR型号的数量为一个,则执行步骤2092,若候选NVR型号的数量为至少两个,则执行步骤2093。
例如,基于每个NVR型号对应的NVR设备支持的参考组网资源值,若该参考组网资源值未同时满足上述条件2、条件3、条件4和条件5,则说明该NVR型号对应的NVR设备支持的参考组网资源值小于目标组网资源值,继而获知所有NVR型号对应的NVR设备支持的参考组网资源值均小于目标组网资源值。
需要说明的是,参见步骤205,需要所有NVR型号对应的NVR设备支持的参考存储资源值未均小于目标存储资源值,才会执行步骤209。
步骤2092、若候选NVR型号为一个,则直接将该候选NVR型号作为NVR设备对应的目标NVR型号,并推荐该目标NVR型号。
步骤2093、若候选NVR型号为至少两个,即存在至少两个候选NVR型号,则基于每个候选NVR型号对应的NVR设备支持的参考组网资源值和参考存储资源值,从所有候选NVR型号中选取一个候选NVR型号作为NVR设备对应的目标NVR型号,并推荐该目标NVR型号,即,向客户推荐一种目标NVR型号。
在步骤2093中,可以基于AHP算法和TOPSIS算法,从所有候选NVR型号中选取一个候选NVR型号作为NVR设备对应的目标NVR型号。
示例性的,每个NVR型号还可以对应星级信息,可以基于NVR型号的星级信息,从所有候选NVR型号中选取一个候选NVR型号作为NVR设备对应的目标NVR型号,具体选取方式参见步骤2043,在此不再重复赘述。
步骤2094、基于目标设备型号对应的NVR设备支持的参考组网资源值和参考存储资源值确定设备数量s,并推荐设备数量s。示例性的,在确定设备数量s的过程中,需要保证设备数量s个参考组网资源值之和不小于目标组网资源值,且需要保证设备数量s个参考存储资源值之和不小于目标存储资源值。
比如说,假设目标存储资源值包括目标存储容量P1,目标组网资源值包括目标带宽P2、目标供电功率P3、目标端口数目P4和目标通道数目P5,参考存储资源值包括参考存储容量V1,参考组网资源值包括参考带宽V2、参考供电功率V3、参考端口数目V4和参考通道数目V5,则可以计算目标存储容量P1与参考存储容量V1之间的商值的向上取整值、计算目标带宽P2与参考带宽V2之间的商值的向上取整值、计算目标供电功率P3与参考供电功率V32之间的商值的向上取整值、计算目标端口数目P4与参考端口数目V4之间的商值的向上取整值、计算目标通道数目P5与参考通道数目V5之间的商值的向上取整值,然后,将上述所有向上取整值的最大值,作为设备数量s。
综上所述,基于步骤2091-步骤2094,可以推荐目标NVR型号和设备数量s,通过设备数量s个目标NVR型号的NVR设备共同实现组网功能和存储功能。
在一种可能的实施方式中,关于步骤205-209,可以通过以下步骤实现:
步骤S20、分析存储容量、带宽、供电功率、端口数目和通道数目等5个指标无法达成(即上述条件1-条件5无法同时满足)的原因,并判断是否由于存储容量导致5个指标无法达成,即,是否有NVR设备同时满足条件2-条件5,但不满足条件1,若是,则说明应用场景对于存储容量有较高要求,需要重点推荐CVR设备,执行步骤S21,若否,则说明应用场景对于带宽、供电功率、端口数目和通道数目有较高要求,需要重点推荐NVR设备,执行步骤S25。
步骤S21、从所有CVR型号中选取一个CVR型号作为目标CVR型号,并计算出目标CVR型号的CVR设备的设备数量p。示例性的,可以从所有3星的CVR型号中选取一个CVR型号作为目标CVR型号。
步骤S22、从所有NVR型号中遍历出3星级的NVR型号,若至少一个3星级的NVR型号同时满足上述4个条件(如条件2、条件3、条件4和条件5),则将这个3星级的NVR型号作为候选NVR型号。若3星级的候选NVR型号为一个,则将一个3星级的候选NVR型号作为目标NVR型号,若3星级的候选NVR型号为至少两个,则基于熵权算法和TOPSIS算法,从所有3星级的候选NVR型号中选取一个候选NVR型号作为目标NVR型号。
若所有3星级的NVR型号未同时满足上述4个条件,则从所有NVR型号中遍历出2星级的NVR型号。若至少一个2星级的NVR型号同时满足上述4个条件,则将这个2星级的NVR型号作为候选NVR型号。若2星级的候选NVR型号为一个,则将一个2星级的候选NVR型号作为目标NVR型号,若2星级的候选NVR型号为至少两个,则基于熵权算法和TOPSIS算法,从所有2星级的候选NVR型号中选取一个候选NVR型号作为目标NVR型号。
若所有2星级的NVR型号未同时满足上述4个条件,则从所有NVR型号中遍历出1星级的NVR型号。若至少一个1星级的NVR型号同时满足上述4个条件,则将这个1星级的NVR型号作为候选NVR型号。若1星级的候选NVR型号为一个,则将一个1星级的候选NVR型号作为目标NVR型号,若1星级的候选NVR型号为至少两个,则基于熵权算法和TOPSIS算法,从所有1星级的候选NVR型号中选取一个候选NVR型号作为目标NVR型号。
若所有1星级的NVR型号未同时满足上述4个条件,则执行步骤S23。
步骤S23、从所有NVR型号中遍历出3星级的NVR型号(若不存在3星级的NVR型号,则遍历出2星级的NVR型号,若不存在2星级的NVR型号,则遍历出1星级的NVR型号),将所有3星级的NVR型号均作为候选NVR型号,而不需要考虑NVR型号是否满足上述4个条件。在此基础上,若3星级的候选NVR型号为一个,则将一个3星级的候选NVR型号作为目标NVR型号,若3星级的候选NVR型号为至少两个,则基于AHP算法和TOPSIS算法,从所有3星级的候选NVR型号中选取一个候选NVR型号作为目标NVR型号。
以及,计算出目标NVR型号的NVR设备的设备数量q。
步骤S24、针对步骤S22的情况,推荐目标NVR型号、目标CVR型号和设备数量p,在该情况下,可以推荐1个NVR设备和p个CVR设备。针对步骤S23的情况,推荐目标NVR型号和设备数量q、目标CVR型号和设备数量p,在该情况下,可以推荐q个NVR设备和p个CVR设备。
基于步骤S24,可以通过NVR设备(如一个NVR设备或者q个NVR设备)实现组网功能,通过CVR设备(如p个CVR设备)实现存储功能。
步骤S25、从所有NVR型号中遍历出3星级的NVR型号(若不存在3星级的NVR型号,则遍历出2星级的NVR型号,若不存在2星级的NVR型号,则遍历出1星级的NVR型号),将所有3星级的NVR型号均作为候选NVR型号,而不需要考虑NVR型号是否满足上述5个条件。在此基础上,若3星级的候选NVR型号为一个,则将一个3星级的候选NVR型号作为目标NVR型号,若3星级的候选NVR型号为至少两个,则基于AHP算法和TOPSIS算法,从所有3星级的候选NVR型号中选取一个候选NVR型号作为目标NVR型号。
以及,计算出目标NVR型号的NVR设备的设备数量s。
步骤S26、针对步骤S25的情况,推荐目标NVR型号和设备数量s,该情况可以推荐s个NVR设备,即通过s个NVR设备实现组网功能和存储功能。
在一种可能的实施方式中,DVR设备也可以实现组网功能和存储功能,即DVR设备的功能与NVR设备的功能类似,因此,上述实施例中的NVR设备还可以替换为DVR设备,即推荐的是目标DVR型号,而不是目标NVR型号。在推荐目标DVR型号时,相关实现流程与上述过程类似,只是将NVR型号替换为DVR型号,将NVR设备替换为DVR设备即可,在此不再赘述。
在上述实施例中,对于多个NVR设备(或者CVR设备)组合推荐的情况,即推荐多个NVR设备(或者CVR设备)时,以推荐同一型号的NVR设备(或者CVR设备)尽量多为目标。比如说,是推荐同一目标CVR型号的多个CVR设备(而不是推荐不同CVR型号的多个CVR设备),推荐同一目标NVR型号的多个NVR设备(而不是推荐不同CVR型号的多个NVR设备)。
显然,通过推荐同一型号的设备,使得销售能给客户一定的折扣,减少型号复杂度,避免一个解决方案出现很多型号不一样的小数量的设备。
在上述实施例中,可以采用熵权算法和TOPSIS算法选择目标NVR型号,也可以采用AHP算法和TOPSIS算法选择目标NVR型号。其中,熵权算法的工作原理是:根据信息熵特性,衡量一个指标的离散程度,当指标的离散程度越大,该指标对综合评价的影响越大,权重越大;熵权算法是一种依赖于数据本身离散性的客观赋值法,用于结合多种指标对样本进行综合打分,实现样本间比较。AHP算法的工作原理是:预先配置不同指标之间的重要程度,基于不同指标之间的重要程度确定各指标的权重;AHP算法具有较强的主观性,能够确定评价模型中各指标(即评价因子或者准则)的权重。TOPSIS算法的工作原理是:基于归一化后的原始数据矩阵,采用余弦法找出有限方案中的最优方案和最劣方案,然后分别计算各评价对象与最优方案和最劣方案间的距离,获得各评价对象与最优方案的相对接近程度,以此作为评价优劣的依据;TOPSIS算法是一种组内综合评价方法,其结果能精确地反映各评价方案之间的差距。
综上可以看出,采用熵权算法计算各指标(如存储容量、带宽、供电功率、端口数目、通道数目等)的权重时,不需要考虑不同指标之间的差异,能够给出相对客观的权重值,权重值的结果客观可信。在采用AHP算法计算各指标的权重时,需要考虑不同指标之间的差异,即需要给出指标之间的重要程度,如存储容量的重要程度大于带宽的重要程度,端口数目的重要程度大于存储容量的重要程度等,即AHP算法确定权重值时具有较强的主观性。
基于上述原理,本实施例中,针对步骤2043,由于所有候选NVR型号的NVR设备都满足5个指标,即这5个指标的地位等同,这样,权重值的结果就需要充分客观可信,因此,采用熵权算法和TOPSIS算法选择目标NVR型号。同理,针对步骤2073,由于所有候选NVR型号的NVR设备都满足4个指标,即这4个指标的地位等同,采用熵权算法和TOPSIS算法选择目标NVR型号。
针对步骤2083和步骤2093,由于所有候选NVR型号的NVR设备不同时满足4个指标(即组网资源的4个指标),即这4个指标的地位不等同,存在需要重点分析的指标,这个指标的重要程度会大于其它指标的重要程度,如端口数目的重要程度大于其它指标的重要程度,因此,采用AHP算法和TOPSIS算法选择目标NVR型号,AHP算法用于给出指标的重要程度。
示例性的,在采用熵权算法确定权重值时,利用了一定的信息论知识,当一组需要综合评价的设备内,某个数据的变异程度(方差)越大,就说明这个指标蕴含的信息量越大,也就越重要,但是,针对步骤2083和步骤2093,希望针对某个指标作出分析判断,如端口数目,如果待评价排序的NVR设备的端口数目差异较小,比如有22、24个端口,则指标的变异程度(方差)就很小,根据熵权算法计算得到这个指标的权重值就很小,即排序得到的设备就不合理,因此,不是采用熵权算法和TOPSIS算法选择目标NVR型号。
在一种可能的实施方式中,针对步骤2043和步骤2073来说,基于每个候选NVR型号对应的NVR设备支持的参考组网资源值和参考存储资源值,可以采用熵权算法和TOPSIS算法选择目标NVR型号,以下对该过程进行说明:
步骤S30、基于每个候选NVR型号对应的NVR设备支持的参考组网资源值和参考存储资源值,确定每个决策指标对应的熵值。示例性的,若参考组网资源值可以包括参考带宽、参考供电功率、参考端口数目、参考通道数目中的至少一个,且参考存储资源值可以包括参考存储容量,则决策指标可以包括带宽指标、供电功率指标、端口数目指标、通道数目指标、存储指标等5个指标中的至少一个,在后续实施例中,以包括这5个指标为例进行说明。
比如说,假设候选NVR型号的数量为n,n个候选NVR型号对应的NVR设备均支持5个指标(这5个指标是极大型指标,如带宽指标、供电功率指标、端口数目指标、通道数目指标、存储指标),那么,基于n个候选NVR型号对应的NVR设备支持的5个指标构建n*5的决策矩阵,参见公式(1)所示:
在公式(1)中,V用于表示决策矩阵,V11表示第1个候选NVR型号对应的NVR设备支持的参考存储容量,V12表示该NVR设备支持的参考带宽,V13表示该NVR设备支持的参考供电功率,V14表示该NVR设备支持的参考端口数目,V15表示该NVR设备支持的参考通道数目,V21表示第2个候选NVR型号对应的NVR设备支持的参考存储容量,…,以此类推,Vn1表示第n个候选NVR型号对应的NVR设备支持的参考存储容量,Vn2表示该NVR设备支持的参考带宽,Vn3表示该NVR设备支持的参考供电功率,Vn4表示该NVR设备支持的参考端口数目,Vn5表示该NVR设备支持的参考通道数目。
然后,针对该决策矩阵V中的每个指标值(如V11、V12、V21等),确定该指标值对应的比值uij,比值uij是该指标值与该指标值所处列的所有指标值之和的比值。比如说,可以采用公式(2)确定每个指标值对应的比值uij。
在公式(2)中,Vij表示决策矩阵V中第i行第j列的指标值,表示对决策矩阵V中第j列的所有指标值求和,即第j列的所有指标值之和。
然后,基于每个指标值对应的比值uij,确定每个决策指标对应的熵值ej。比如说,可以采用公式(3)计算第j个决策指标对应的熵值ej。
在公式(3)中,n表示候选NVR型号的总数量,当j为1时,可以基于决策矩阵V中第j列的所有指标值对应的比值uij,计算出第1个决策指标(即存储指标)对应的熵值,当j为2时,可以计算出第2个决策指标(即带宽指标)对应的熵值,当j为3时,可以计算出第3个决策指标(即供电功率指标)对应的熵值,当j为4时,可以计算出第4个决策指标(即端口数目指标)对应的熵值,当j为5时,可以计算出第5个决策指标(即通道数目指标)对应的熵值。
至此,完成步骤S30,可以得到每个决策指标对应的熵值。
步骤S31、基于每个决策指标对应的熵值确定每个决策指标对应的权重值。
比如说,针对每个决策指标,基于该决策指标对应的熵值计算该决策指标对应的差异程度值,如采用公式(4)计算第j个决策指标对应的差异程度值gj:
gj=1-ej公式(4)
然后,基于每个决策指标对应的差异程度值,计算每个决策指标对应的权重值,比如说,采用公式(5)计算第j个决策指标对应的权重值wj:
从公式(5)可以看出,可以先计算所有决策指标对应的差异程度值之和,然后,针对每个决策指标,该决策指标对应的权重值就是该决策指标对应的差异程度值与所有差异程度值之和之间的商。综上所述,可以得到存储指标对应的权重值w1、带宽指标对应的权重值w2、供电功率指标对应的权重值w3、端口数目指标对应的权重值w4、通道数目指标对应的权重值w5。
步骤S32、基于每个候选NVR型号对应的NVR设备支持的参考组网资源值和参考存储资源值,以及每个决策指标对应的权重值,确定评分矩阵。
比如说,基于每个候选NVR型号对应的NVR设备支持的参考组网资源值和参考存储资源值,可以构建公式(1)所示的决策矩阵。在该决策矩阵中,所有决策指标均有自身的量纲,如存储指标和带宽指标的单位不一致,供电功率指标和端口数目指标的单位不一致等,因此,可以对决策矩阵中的每一列数据进行标准化处理(即归一化处理),得到决策矩阵V中的每个指标值(如V11、V12、V21等)对应的归一化数值zij,而所有归一化数值就可以组成归一化矩阵。参见公式(6)所示,是对每个指标值进行归一化处理的示例。
在得到归一化矩阵(即每个指标值对应的归一化数值)之后,可以基于归一化矩阵和每个决策指标对应的权重值,确定评分矩阵,参见公式(7)所示。
Z*表示评分矩阵,z11表示V11对应的归一化数值,z12表示V12对应的归一化数值,以此类推。w1、w2、w3、w4和w5是5个决策指标对应的权重值。
步骤S33、基于该评分矩阵确定最优指标矩阵和最差指标矩阵。
比如说,基于该评分矩阵中每一列的最大值,可以构建最优指标矩阵,基于该评分矩阵中每一列的最小值,可以构建最差指标矩阵。参见公式(8)所示,是最优指标矩阵的示例,参见公式(9)所示,是最差指标矩阵的示例。
在公式(8)中,第一个数值表示评分矩阵中第一列的所有值中的最大值,第二个数值表示评分矩阵中第二列的所有值中的最大值,以此类推。
在公式(9)中,第一个数值表示评分矩阵中第一列的所有值中的最小值,第二个数值表示评分矩阵中第二列的所有值中的最小值,以此类推。
步骤S34、基于该评分矩阵、该最优指标矩阵和该最差指标矩阵确定每个候选NVR型号(即n个候选NVR型号)对应的最优距离和最差距离。比如说,基于该评分矩阵和该最优指标矩阵确定每个候选NVR型号对应的最优距离,基于该评分矩阵和该最差指标矩阵确定每个候选NVR型号对应的最差距离。
例如,可以采用公式(10)计算每个候选NVR型号对应的最优距离,并可以采用公式(11)计算每个候选NVR型号对应的最差距离。
比如说,当i的取值为1时,参见公式(10),可以基于评分矩阵和最优指标矩阵计算出第1个候选NVR型号对应的最优距离,参见公式(11),基于评分矩阵和最差指标矩阵计算出第1个候选NVR型号对应的最差距离,以此类推,当i的取值为n时,计算出第n个候选NVR型号对应的最优距离和最差距离。
步骤S35、基于每个候选NVR型号对应的最优距离和最差距离确定该候选NVR型号对应的相对接近度,并将相对接近度最大的候选NVR型号作为目标NVR型号。至此,基于熵权算法和TOPSIS算法选择出目标NVR型号。
比如说,针对每个候选NVR型号,基于该候选NVR型号对应的最优距离和最差距离,可以采用公式(12)确定该候选NVR型号对应的相对接近度:
例如,当i的取值为1时,计算出第1个候选NVR型号对应的相对接近度C1,以此类推,在得到每个候选NVR型号对应的相对接近度之后,就可以将相对接近度最大的候选NVR型号作为目标NVR型号。比如说,按照相对接近度从大到小的顺序,评价各候选NVR型号的优劣,相对接近度越大时,候选NVR型号越接近最优值,即将相对接近度最大的候选NVR型号作为目标NVR型号。
在一种可能的实施方式中,针对步骤2083和步骤2093来说,基于每个候选NVR型号对应的NVR设备支持的参考组网资源值和参考存储资源值,可以采用AHP算法和TOPSIS算法选择目标NVR型号,以下对该过程进行说明:
步骤S40、基于不同决策指标之间的重要程度构造比较判别矩阵。示例性的,若参考组网资源值包括参考带宽、参考供电功率、参考端口数目、参考通道数目中的至少一个,且参考存储资源值可以包括参考存储容量,则决策指标包括带宽指标、供电功率指标、端口数目指标、通道数目指标、存储指标等5个指标中的至少一个,在后续实施例中,以包括这5个指标为例进行说明。
示例性的,为了能够量化不同决策指标之间的重要程度,可以运用九分制标度来进行重要性的对比。当然,也可以采用五分制、七分制等来进行重要性的对比,对此不做限制。参见表1所示,为九分制标度的一个示例。
表1
标度 | 含义 |
1 | A与B同样重要 |
3 | A比B稍微重要 |
5 | A比B明显重要 |
7 | A比B强烈重要 |
9 | A比B极端重要 |
2 | 重要性介于1、3之间 |
4 | 重要性介于3、5之间 |
6 | 重要性介于5、7之间 |
8 | 重要性介于7、9之间 |
示例性的,在存在5个决策指标的情况下,若配置存储容量最为重要,通道数目第二重要,端口数目第三重要,供电功率第四重要,带宽最不重要,上述情况可以根据经验配置,那么,比较判别矩阵可以参见表2所示,也就是说,比较判别矩阵是一个5*5的矩阵(即表2中5行5列数值组成的矩阵)。
表2
比如说,在比较判别矩阵中,第一行的数值“9”表示存储容量比带宽极端重要,第一行的数值“7”表示存储容量比供电功率强烈重要,以此类推。
又例如,在存在5个决策指标的情况下,若配置端口数目最为重要,带宽第二重要,通道数目第三重要,供电功率第四重要,存储容量最不重要,上述情况可以根据经验配置,那么,比较判别矩阵可以参见表3所示,也就是说,比较判别矩阵是一个5*5的矩阵(即表3中5行5列数值组成的矩阵)。
表3
存储容量 | 带宽 | 供电功率 | 端口数目 | 通道数目 | |
存储容量 | 1 | 1/7 | 1/3 | 1/9 | 1/5 |
带宽 | 7 | 1 | 5 | 1/3 | 3 |
供电功率 | 3 | 1/5 | 1 | 1/7 | 1/3 |
端口数目 | 9 | 3 | 7 | 1 | 5 |
通道数目 | 5 | 1/3 | 3 | 1/5 | 1 |
又例如,在存在4个决策指标(如不存在存储容量)的情况下,若配置通道数目最为重要,端口数目第二重要,供电功率第三重要,带宽最不重要,上述情况可以根据经验配置,那么,比较判别矩阵可以参见表4所示,也就是说,比较判别矩阵是一个4*4的矩阵,即表4中4行4列数值组成的矩阵。
表4
带宽 | 供电功率 | 端口数目 | 通道数目 | |
带宽 | 1 | 1/3 | 1/5 | 1/7 |
供电功率 | 3 | 1 | 1/3 | 1/5 |
端口数目 | 5 | 3 | 1 | 1/3 |
通道数目 | 7 | 5 | 3 | 1 |
又例如,在存在4个决策指标的情况下,若配置端口数目最为重要,带宽第二重要,通道数目第三重要,供电功率最不重要,那么,比较判别矩阵可以参见表5所示,该比较判别矩阵可以是一个4*4的矩阵。
表5
带宽 | 供电功率 | 端口数目 | 通道数目 | |
带宽 | 1 | 5 | 1/3 | 3 |
供电功率 | 1/5 | 1 | 1/7 | 1/3 |
端口数目 | 3 | 7 | 1 | 5 |
通道数目 | 1/3 | 3 | 1/5 | 1 |
当然,上述只是比较判别矩阵的几个示例,本实施例中对此比较判别矩阵不做限制,可以根据经验配置不同决策指标之间的重要程度,基于不同决策指标之间的重要程度,就可以构造比较判别矩阵,参见表2-表5所示。
在得到比较判别矩阵后,可以基于该比较判别矩阵执行后续步骤S41,或者,还可以对该比较判别矩阵进行一致性检查。若一致性检查结果是成功,则基于该比较判别矩阵执行后续步骤S41。若一致性检查结果是失败,则需要重新配置不同决策指标之间的重要程度,基于重新配置的重要程度重新构造比较判别矩阵,对重新构造的比较判别矩阵进行一致性检查,以此类推,直到一致性检查结果是成功,得到相应的比较判别矩阵,基于该比较判别矩阵执行后续步骤S41。
示例性的,在对比较判别矩阵进行一致性检查时,可以采用如下方式:
首先,确定平均随机一致性指标RI,例如,通过查询表6所示的一致性指标表格,得到平均随机一致性指标RI,表6的表格是根据经验配置的。比如说,若决策指标的数量是4,则RI是0.89,若决策指标的数量是5,则RI是1.12。
表6
1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | … | |
RI | 0 | 0 | 0.52 | 0.89 | 1.12 | 1.26 | 1.36 | 1.41 | … |
然后,可以基于该比较判别矩阵计算出一致性指标CI,比如说,可以通过公式(13)计算出一致性指标CI。在公式(13)中,λmax用于表示该比较判别矩阵中的最大特征值,基于该比较判别矩阵中的各个数值,可以采用幂法计算出最大特征值,对此计算方式不做限制,k用于表示决策指标的数量。
CI=(λmax-k)/(k-1) 公式(13)
然后,可以基于一致性指标CI和平均随机一致性指标RI计算出一致性比率CR,比如说,可以采用如下公式计算出一致性比率CR:CR=CI/RI。
在此基础上,若一致性比率CR小于预设阈值(根据经验配置,如1等),则可以确定比较判别矩阵的一致性检查结果是成功;或者,若一致性比率CR不小于该预设阈值,则可以确定比较判别矩阵的一致性检查结果是失败。
步骤S41、基于比较判别矩阵确定出每个决策指标对应的权重值。
首先,对比较判别矩阵进行归一化处理,得到归一化矩阵,例如,针对比较判别矩阵中的每个数值(称为重要程度值),使用该数值除以其所在列的和,结果就是归一化值。假设比较判别矩阵是5*5矩阵,则归一化矩阵是5*5矩阵。
比如说,针对表4所示的比较判别矩阵,在归一化矩阵中,第一行第一列的归一化值是1/(1+3+5+7),第一行第二列的归一化值是(1/3)/(1/3+1+3+5),第一行第三列的归一化值是(1/5)/(1/5+1/3+1+3),以此类推。
然后,对归一化矩阵的每一行求和,得到求和矩阵,假设归一化矩阵是5*5矩阵,则求和矩阵是5*1矩阵,第一个数值是归一化矩阵的第一行的所有归一化值的和,第二个数值是归一化矩阵的第二行的所有归一化值的和,以此类推。
然后,基于求和矩阵中每一行的数值,使用该数值除以决策指标的总数量,就可以得到一个权重向量,该权重向量也就是决策指标对应的权重值。参见表2所示,第一行是存储容量,因此,使用求和矩阵中第一行的数值除以5,可以得到存储容量对应的权重值,同理,使用求和矩阵中第二行的数值除以5,可以得到带宽对应的权重值,以此类推,可以得到每个决策指标对应的权重值。
示例性的,基于表2所示的比较判别矩阵,在得到比较判别矩阵对应的归一化矩阵后,对归一化矩阵的每一行求和,得到求和矩阵,使用求和矩阵中每一行的数值除以5,就可以得到5个决策指标对应的权重值,参见表6所示。
表6
和/5(求和矩阵中每一行的数值除以5) | |
存储容量 | 0.503 |
带宽 | 0.035 |
供电功率 | 0.068 |
端口数目 | 0.134 |
通道数目 | 0.260 |
求和 | 0.503+0.035+0.068+0.134+0.260=1 |
综上所述,得到每个决策指标对应的权重值。比如说,得到存储指标对应的权重值w1、带宽指标对应的权重值w2、供电功率指标对应的权重值w3、端口数目指标对应的权重值w4、通道数目指标对应的权重值w5。
步骤S42、基于每个候选NVR型号对应的NVR设备支持的参考组网资源值和参考存储资源值,以及每个决策指标对应的权重值,确定评分矩阵。
比如说,假设候选NVR型号的数量为n,n个候选NVR型号对应的NVR设备均支持5个指标,则构建n*5的决策矩阵,该决策矩阵与公式(1)类似。
然后,对决策矩阵中的每一列数据进行标准化处理(即归一化处理),得到归一化矩阵,参见公式(6)所示,为进行归一化处理的示例。
然后,基于归一化矩阵和每个决策指标对应的权重值,确定评分矩阵,参见公式(7)所示。在确定评分矩阵时,归一化矩阵可以是n*5的矩阵,且每个决策指标对应的权重值,可以是5个决策指标对应的权重值。
步骤S43、基于该评分矩阵确定最优指标矩阵和最差指标矩阵。
比如说,基于该评分矩阵中每一列的最大值,可以构建最优指标矩阵,基于该评分矩阵中每一列的最小值,可以构建最差指标矩阵。
步骤S44、基于该评分矩阵、该最优指标矩阵和该最差指标矩阵确定每个候选NVR型号(即n个候选NVR型号)对应的最优距离和最差距离。比如说,基于该评分矩阵和该最优指标矩阵确定每个候选NVR型号对应的最优距离,基于该评分矩阵和该最差指标矩阵确定每个候选NVR型号对应的最差距离。
步骤S45、基于每个候选NVR型号对应的最优距离和最差距离确定该候选NVR型号对应的相对接近度,并将相对接近度最大的候选NVR型号作为目标NVR型号。至此,基于AHP算法和TOPSIS算法选择出目标NVR型号。
在某些应用场景下,可以指定交换机设备实现组网功能,即,用于实现组网功能的指定设备类型是交换机类型,在该应用场景下,需要额外部署交换机设备,组网功能由交换机设备实现。交换机设备实现组网功能主要是指:交换机设备为前端设备供电(即交换机设备具有供电功能),交换机设备与前端设备连接(即交换机设备具有通信功能,需要有网络带宽、端口和IP通道实现通信)。此外,还需要通过后端设备(如NVR设备、CVR设备、DVR设备等)实现存储功能,为了方便描述,本文以通过组网存储后端设备(如NVR设备或者DVR设备)实现存储功能为例,当然,也可以通过存储后端设备(如CVR设备)实现存储功能,为了方便描述,后续以通过NVR设备实现存储功能为例,NVR设备也可以替换为DVR设备或者CVR设备。比如说,在前端设备数量比较多的应用场景,可以使用交换机设备对前端设备进行供电,并使用NVR设备提供存储功能,提供管理前端设备、智能事件处理等功能。
在由交换机设备实现组网功能的应用场景下,本申请实施例中的设备型号的推荐方法,可以参见图3所示,为该方法的流程示意图,该方法可以包括:
步骤301、获取目标组网资源值和目标存储资源值。目标组网资源值可以包括但不限于以下至少一种:目标带宽、目标供电功率、目标端口数目、目标通道数目。目标存储资源值可以包括但不限于目标存储容量。
步骤302、针对交换机设备的任一交换机型号(设备型号),获取该交换机型号对应的交换机设备支持的参考组网资源值。参考组网资源值可以是交换机设备上用于实现组网功能的资源对应的资源值。参考组网资源值包括但不限于以下至少一种:参考带宽、参考供电功率、参考端口数目、参考通道数目。
示例性的,步骤301-302可以参见步骤201-202,在此不再重复赘述。
步骤303、确定是否只需要推荐一个交换机设备。
如果是,则执行步骤304,如果否,则执行步骤306。
比如说,若存在至少一种交换机型号的交换机设备,单个交换机设备的参考组网资源值已经满足目标组网资源值的需求,则只需要推荐一个交换机设备,由一个交换机设备实现组网功能,执行步骤304。若所有交换机型号的交换机设备,单个交换机设备的参考组网资源值无法满足目标组网资源值的需求,则需要推荐多个交换机设备,由多个交换机设备实现组网功能,执行步骤306。
步骤304、从所有交换机型号中选择一个交换机型号作为目标交换机型号,并推荐目标交换机型号,即,向客户推荐一种目标交换机型号,由客户选取这种目标交换机型号的一个交换机设备,就可以实现组网功能。
在一种可能的实施方式中,关于步骤304,可以通过以下步骤实现:
步骤3041、将参考组网资源值划分为参考带宽和参考属性值,该参考属性值包括参考供电功率、参考端口数目、参考通道数目中的至少一个,将目标组网资源值划分为目标带宽和目标属性值,该目标属性值包括目标供电功率、目标端口数目、目标通道数目中的至少一个。在此基础上,针对交换机设备的每个交换机型号,若该交换机型号对应的交换机设备支持的参考带宽不小于目标带宽与预留带宽(预留带宽可以为0,也可以是根据经验配置的带宽值,如可以是参考带宽的50%等)之和,且该交换机型号对应的交换机设备支持的参考属性值不小于目标属性值,则确定该交换机型号是候选交换机型号。在对所有交换机型号进行上述处理后,可以从所有交换机型号中选取出候选交换机型号,即得到候选交换机型号。若候选交换机型号的数量为一个,则执行步骤3042,若候选交换机型号的数量为至少两个,则执行步骤3043。
比如说,针对每个交换机型号,基于该交换机型号对应的交换机设备支持的参考带宽和参考属性值,以及,目标带宽和目标属性值,若同时满足以下4个条件,则可以确定该交换机型号是候选交换机型号,若以下4个条件的至少一个条件不满足,则可以确定该交换机型号不是候选交换机型号。
条件6、参考带宽V2不小于目标带宽P2与预留带宽之和;
条件7、参考供电功率V3不小于目标供电功率P3;
条件8、参考端口数目V4不小于目标端口数目P4;
条件9、参考通道数目V5不小于目标通道数目P5。
示例性的,在条件6中,为了防止网络峰值时的流量冲击,通常会预留一部分带宽,即将交换机设备的总带宽(即参考带宽V2)预留一部分,因此,参考带宽V2与预留带宽之差需要大于或等于目标带宽P2,即,参考带宽V2不小于目标带宽P2与预留带宽之和。预留带宽可以根据经验配置,只要预留带宽大于0,且小于参考带宽V2即可,比如说,参考带宽V2的一半作为预留带宽。在此基础上,若参考带宽V2是100Mbps,则需要预留50Mbps的带宽,即单个百兆网口最多支持50Mbps的带宽,若参考带宽V2是1000Mbps,则需要预留500Mbps的带宽,即单个千兆网口最多支持500Mbps的带宽。前端设备在H.264编码下,视频分辨率为12MP,帧率为50fps,码率为40960Kbps的条件下,所需带宽是50Mbps,所以单个前端设备是可以用百兆网口进行接入的。
步骤3042、若候选交换机型号为一个,将该候选交换机型号作为交换机设备对应的目标交换机型号,推荐目标交换机型号,即推荐一种目标交换机型号。
步骤3043、若候选交换机型号为至少两个,即存在至少两个候选交换机型号,则基于每个候选交换机型号对应的交换机设备支持的参考组网资源值,可以采用第一目标算法(如熵权算法和TOPSIS算法),从所有候选交换机型号中选取一个候选交换机型号作为交换机设备对应的目标交换机型号,并推荐目标交换机型号,即,向客户推荐一种目标交换机型号。
在步骤3043中,可以基于熵权算法和TOPSIS算法,从所有候选交换机型号中选取一个候选交换机型号作为目标交换机型号。熵权算法用于确定决策指标对应的权重值,TOPSIS算法用于选取一个候选交换机型号作为目标交换机型号。关于熵权算法和TOPSIS算法的相关内容,参见后续实施例,在此不再赘述。
示例性的,每个交换机型号还可以对应星级信息,如3星级的交换机型号、2星级的交换机型号、1星级的交换机型号等,当然,星级数量可以更多(如4星级、5星级等),星级数量也可以更少,对此不做限制。在此基础上,可以基于交换机型号的星级信息,从所有候选交换机型号中选取一个候选交换机型号作为目标交换机型号,具体选取方式参见步骤2043,在此不再重复赘述。
在一种可能的实施方式中,关于步骤304,可以通过以下步骤实现:
步骤S50、从所有交换机型号中遍历出3星级的交换机型号。
步骤S51、若至少一个3星级的交换机型号满足上述4个条件(如条件6、条件7、条件8和条件9),则将这个3星级的交换机型号作为候选交换机型号,执行步骤S52。若所有3星级的交换机型号未同时满足上述4个条件(即条件6、条件7、条件8和条件9中的至少一个不满足),执行步骤S53。
步骤S52、若3星级的候选交换机型号为一个,则将一个3星级的候选交换机型号作为目标交换机型号,并推荐目标交换机型号。若3星级的候选交换机型号为至少两个,则基于熵权算法和TOPSIS算法,从所有3星级的候选交换机型号中选取一个候选交换机型号作为目标交换机型号,并推荐目标交换机型号。
步骤S52之后,结束流程,成功向客户推荐3星级的目标交换机型号。
步骤S53、从所有交换机型号中遍历出2星级的交换机型号。
步骤S54、若至少一个2星级的交换机型号满足上述4个条件,则将这个2星级的交换机型号作为候选交换机型号,并可以执行步骤S55。若所有2星级的交换机型号未同时满足上述4个条件,则可以执行步骤S56。
步骤S55、若2星级的候选交换机型号为一个,则将一个2星级的候选交换机型号作为目标交换机型号,并推荐目标交换机型号。若2星级的候选交换机型号为至少两个,则基于熵权算法和TOPSIS算法,从所有2星级的候选交换机型号中选取一个候选交换机型号作为目标交换机型号,并推荐目标交换机型号。
步骤S55之后,结束流程,成功向客户推荐2星级的目标交换机型号。
步骤S56、从所有交换机型号中遍历出1星级的交换机型号。
步骤S57、若至少一个1星级的交换机型号满足上述4个条件,则将这个1星级的交换机型号作为候选交换机型号,并可以执行步骤S58。若所有1星级的交换机型号未同时满足上述4个条件,则可以执行步骤S59。
步骤S58、若1星级的候选交换机型号为一个,则将一个1星级的候选交换机型号作为目标交换机型号,并推荐目标交换机型号。若1星级的候选交换机型号为至少两个,则基于熵权算法和TOPSIS算法,从所有1星级的候选交换机型号中选取一个候选交换机型号作为目标交换机型号,并推荐目标交换机型号。
步骤S58之后,结束流程,成功向客户推荐1星级的目标交换机型号。
步骤S59、确定需要推荐多个交换机设备,由多个交换机设备实现组网功能,流程结束。关于推荐多个交换机设备的情况,可以参见步骤306。需要注意的是,若所有交换机型号均未满足上述4个条件,则说明单个交换机设备的参考组网资源值无法满足目标组网资源值的需求,需要推荐多个交换机设备。
至此,完成步骤304,可以向客户推荐一种目标交换机型号。
步骤305、基于每个NVR型号对应的NVR设备支持的参考存储资源值,从所有NVR型号中选取一个NVR型号作为NVR设备对应的目标NVR型号;基于目标NVR型号对应的NVR设备支持的参考存储资源值确定设备数量t,且该设备数量t个参考存储资源值之和不小于目标存储资源值;推荐目标NVR型号和该设备数量t。示例性的,步骤305可以参见步骤2074-2076,只是将CVR设备替换为NVR设备,由NVR设备实现存储功能即可,在此不再重复赘述。
基于步骤304-步骤305,可以推荐一种目标交换机型号,并推荐目标NVR型号和设备数量t,也就是说,需要采用1个目标交换机型号的交换机设备,由该一个交换机设备实现组网功能,并且,需要采用该设备数量t个目标NVR型号的NVR设备,由这些NVR设备共同实现存储功能。在实际应用中,当目标存储资源值比较大时,NVR设备可能无法满足存储需求,因此,还可以使用CVR设备满足标存储资源值的存储需求,本实施例中对此不做限制。
步骤306、从所有交换机型号中选择一个交换机型号作为二层交换机设备的目标交换机型号(后续记为目标交换机型号2),并从所有交换机型号中选择一个交换机型号作为一层交换机设备的目标交换机型号(后续记为目标交换机型号1),并推荐二层交换机设备的目标交换机型号2和一层交换机设备的目标交换机型号1,在此基础上,可以由客户选取一层交换机设备和二层交换机设备,从而通过一层交换机设备和二层交换机设备实现组网功能。比如说,若单个交换机设备的参考组网资源值无法满足目标组网资源值的需求,则需要由多个交换机设备实现组网功能,此时,需要采用两层网络结构或者三层网络结构,三层网络结构可以参见图4A所示,两层网络结构可以参见图4B所示。本实施例中,只考虑两层网络结构,关于三层网络结构的实现方式不再赘述。在该两层网络结构中,需要包括二层交换机设备(也称为汇聚层交换机设备)和一层交换机设备(也称为接入层交换机设备),二层交换机设备与后端设备连接,一层交换机设备与前端设备连接,二层交换机设备与一层交换机设备连接。
在一种可能的实施方式中,关于步骤306,可以通过以下步骤实现:
步骤3061、参考组网资源值包括交换机设备的参考带宽、参考属性值、参考千兆网口数目,目标组网资源值包括目标带宽和目标属性值,若参考带宽小于目标带宽与预留带宽之和,和/或,参考属性值小于目标属性值,则可以基于目标带宽确定目标千兆网口数目。在此基础上,针对交换机设备的每个交换机型号,若该交换机型号对应的交换机设备支持的参考千兆网口数目不小于目标千兆网口数目,则确定该交换机型号是候选交换机型号。在对所有交换机型号进行上述处理后,可以从所有交换机型号中选取出候选交换机型号,即得到候选交换机型号。若候选交换机型号的数量为一个,则执行步骤3062,若候选交换机型号的数量为至少两个,则执行步骤3063。
示例性的,若所有交换机型号的交换机设备的参考组网资源值无法满足目标组网资源值的需求,即针对每个交换机型号的交换机设备,该交换机设备的参考带宽小于目标带宽与预留带宽之和,和/或参考属性值小于目标属性值,则执行步骤3061。在步骤3061中,若交换机型号对应的交换机设备支持的参考千兆网口数目不小于目标千兆网口数目,则确定该交换机型号是候选交换机型号。
在一种可能的实施方式中,步骤3061可以通过以下步骤实现:
步骤S60、基于目标带宽确定目标千兆网口数目。
比如说,可以基于目标带宽确定数量h,并基于数量h和已配置的数量s确定目标千兆网口数目,如目标千兆网口数目为数量h与数量s之和。
比如说,假设目标带宽是2016Mbps,由于二层交换机设备的千兆网口需要有预留带宽,参见上述实施例,假设千兆网口的一半作为预留带宽,则二层交换机设备的带宽需要大于或等于4032Mbps(2016Mbps用于前端设备的带宽需求,2016Mbps用于预留带宽),因此,数量h需要大于4个,如数量h为5个。
由于二层交换机设备需要与NVR设备、CVR设备、DVR设备等连接,因此,还需要预留s个千兆网口,假设需要预留4个千兆网口,则数量s为4个。
综上所述,在目标带宽为2016Mbps的情况下,二层交换机设备的目标千兆网口数目为9个,也就是说,可以根据目标带宽计算出目标千兆网口数目。
步骤S61、针对交换机设备的每个交换机型号,若该交换机型号对应的交换机设备支持的参考千兆网口数目(即交换机设备上已存在的千兆网口的总数量)不小于目标千兆网口数目,则确定该交换机型号是候选交换机型号。
在对所有交换机型号进行上述处理后,若得到至少一个候选交换机型号,则执行步骤3062或者步骤3063,此时只需要一个交换机设备完成组网功能。
若没有得到候选交换机型号,即所有交换机设备支持的参考千兆网口数目均小于h+s,则还需要基于目标带宽重新确定目标千兆网口数目。
在基于目标带宽重新确定目标千兆网口数目时,按照同一层交换机设备采购同一交换机型号的设定,假设需要两个交换机设备完成组网功能,则基于目标带宽确定数量h/2,并基于数量h/2和数量s确定目标千兆网口数目,如h/2+s。
比如说,假设目标带宽是2016Mbps,则两个二层交换机设备的带宽需要大于或等于4032Mbps,因此,每个二层交换机设备的数量h/2需要大于2个,如数量h/2为3。由于每个二层交换机设备均需要预留4个千兆网口,因此,在目标带宽为2016Mbps的情况下,每个二层交换机设备的目标千兆网口数目为7个。
基于重新确定的目标千兆网口数目7重新执行步骤S61,若得到至少一个候选交换机型号,则执行步骤3062或3063,此时需要两个交换机设备完成组网功能。若没有得到候选交换机型号,则基于目标带宽重新确定目标千兆网口数目。
然后,在基于目标带宽重新确定目标千兆网口数目时,需要三个交换机设备完成组网功能,基于目标带宽确定数量h/3,并基于数量h/3和数量s确定目标千兆网口数目,如h/3+s。比如说,假设目标带宽是2016Mbps,则三个二层交换机设备的带宽需要大于或等于4032Mbps,因此,每个二层交换机设备的数量h/3需要大于1个,如数量h/3为2。又由于每个二层交换机设备均需要预留4个千兆网口,因此,每个二层交换机设备的目标千兆网口数目为6个(2+4)。
基于重新确定的目标千兆网口数目6重新执行步骤S61,若得到至少一个候选交换机型号,则执行步骤3062或3063,此时需要三个交换机设备完成组网功能。若没有得到候选交换机型号,则基于目标带宽重新确定目标千兆网口数目。
以此类推,一直到满足具有(h/i+4)个千兆网口数目的某型号交换机设备共i台,来组成汇聚层,即i台这样的交换机设备作为二层交换机设备。
步骤3062、若候选交换机型号为一个,将该候选交换机型号作为二层交换机设备对应的目标交换机型号,并推荐该目标交换机型号。
步骤3063、若候选交换机型号为至少两个,基于每个候选交换机型号对应的交换机设备支持的参考组网资源值,采用第一目标算法,从所有候选交换机型号中选取一个候选交换机型号作为二层交换机设备对应的目标交换机型号,推荐目标交换机型号。比如说,基于熵权算法和TOPSIS算法,从所有候选交换机型号中选取一个候选交换机型号作为二层交换机设备对应的目标交换机型号。
示例性的,每个交换机型号还可以对应星级信息,如3星级、2星级、1星级等,在此基础上,还可以基于候选交换机型号对应的星级信息,从所有候选交换机型号中选取目标交换机型号,具体实现参见步骤3043,在此不再赘述。
综上所述,基于步骤3061-3063,可以推荐二层交换机设备对应的目标交换机型号,并确定二层交换机设备的数量,在此基础上,针对步骤306,还可以采用如下步骤确定一层交换机设备对应的目标交换机型号:
步骤3064、基于目标组网资源值确定一层交换机设备的总数量。
示例性的,若所有交换机型号的交换机设备的参考组网资源值无法满足目标组网资源值的需求,即针对每个交换机型号的交换机设备,该交换机设备的参考带宽小于目标带宽与预留带宽之和,和/或参考属性值小于目标属性值,则可以执行步骤3064和后续步骤,以确定一层交换机设备对应的目标交换机型号。
比如说,目标组网资源值可以包括目标带宽、目标端口数目和目标通道数目,可以基于目标带宽确定一层交换机设备的第一最小数量,基于目标端口数目确定一层交换机设备的第二最小数量,基于目标通道数目确定一层交换机设备的第三最小数量。在此基础上,基于第一最小数量、第二最小数量和第三最小数量,确定一层交换机设备的总数量,比如说,将第一最小数量、第二最小数量和第三最小数量中的最大值,作为一层交换机设备的总数量。
其中,一层交换机设备通常具备至少一个千兆网口,通过该千兆网口与二层交换机设备连接,由于一层交换机设备均需要使用一个千兆网口与二层交换机设备连接,而千兆网口的可使用带宽是y Mbps(如500Mbps,即千兆网口的500Mbps作为预留带宽,另外500Mbps作为可使用带宽),因此,可以基于目标带宽和千兆网口的可使用带宽确定一层交换机设备的第一最小数量,即,第一最小数量与可使用带宽的乘积需要大于目标带宽,也就是说,第一最小数量为对(目标带宽/y)向上取整,假设目标带宽是2016Mbps,千兆网口的可使用带宽y是500Mbps,则一层交换机设备的第一最小数量为5个。
其中,一层交换机设备可以关注供电功率、端口数目、通道数目这三个指标的达成情况,即多台一层交换机设备要组合在一起满足供电功率、端口数目和通道数目这三个指标,又由于当端口数目满足时,通常供电功率也会满足,因此,一层交换机设备可以只关注端口数目和通道数目这两个指标。
其中,假设一层交换机设备具备x个百兆网口(如24个百兆网口),且x个百兆网口均支持供电,即均作为POE端口,因此,第二最小数量为对(目标端口数目/百兆网口数量)向上取整,假设目标端口数目是280个,则第二最小数量为对(280/24)向上取整,即第二最小数量可以为12个。
其中,第三最小数量为对(目标通道数目/百兆网口数量)向上取整,假设目标通道数目是312个,则第三最小数量为对(312/24)向上取整,即13。
综上所述,得到第一最小数量、第二最小数量和第三最小数量,将第一最小数量、第二最小数量和第三最小数量的最大值作为一层交换机设备的总数量。
步骤3065、基于目标组网资源值和一层交换机设备的总数量确定单个一层交换机设备对应的组网资源平均值,即对目标组网资源值除以总数量向上取整。
示例性的,由于一层交换机设备关注供电功率、端口数目、通道数目这三个指标的达成情况,因此,目标组网资源值可以包括目标供电功率P3、目标端口数目P4和目标通道数目P5,那么,组网资源平均值可以包括供电功率平均值P3’、端口数目平均值P4’、通道数目平均值P5’。进一步的,按照同一层交换机设备采购同一交换机型号的设定(大批量采购同一型号的交换机设备,能给客户一定折扣,减少设备型号复杂度,避免出现很多型号不一样的小数量的交换机设备),那么,供电功率平均值P3’就是对目标供电功率P3除以总数量向上取整,端口数目平均值P4’就是对目标端口数目P4除以总数量向上取整,通道数目平均值P5’就是对目标通道数目P5除以总数量向上取整。
步骤3066、针对交换机设备的每个交换机型号,若该交换机型号对应的交换机设备支持的参考组网资源值不小于组网资源平均值,则确定该交换机型号是候选交换机型号。在对所有交换机型号进行上述处理后,可以从所有交换机型号中选取出候选交换机型号。若候选交换机型号的数量为一个,则执行步骤3067,若候选交换机型号的数量为至少两个,则执行步骤3068。
比如说,参考组网资源值可以包括参考供电功率V3、参考端口数目V4和参考通道数目V5,若参考供电功率V3不小于供电功率平均值P3’、参考端口数目V4不小于端口数目平均值P4’、且参考通道数目V5不小于通道数目平均值P5’均成立,则这个交换机型号就是候选交换机型号,否则,若上述三个条件的任一条件不成立,则这个交换机型号就不是候选交换机型号。
步骤3067、若候选交换机型号为一个,将该候选交换机型号作为一层交换机设备对应的目标交换机型号,并推荐该目标交换机型号。
步骤3068、若候选交换机型号为至少两个,基于每个候选交换机型号对应的交换机设备支持的参考组网资源值,采用第一目标算法,从所有候选交换机型号中选取一个候选交换机型号作为一层交换机设备对应的目标交换机型号,推荐目标交换机型号。比如说,基于熵权算法和TOPSIS算法,从所有候选交换机型号中选取一个候选交换机型号作为一层交换机设备对应的目标交换机型号。
示例性的,每个交换机型号还可以对应星级信息,如3星级、2星级、1星级等,在此基础上,还可以基于候选交换机型号对应的星级信息,从所有候选交换机型号中选取目标交换机型号,具体实现参见步骤3043,在此不再赘述。
综上所述,基于步骤3064-3068,可以推荐一层交换机设备对应的目标交换机型号,并确定一层交换机设备的数量(步骤3064中一层交换机设备的总数量)。
在一种可能的实施方式中,在步骤3066中,若对所有交换机型号进行处理后,候选交换机型号的数量为0个,即不存在同时满足P3’、P4’和P5’的交换机型号,那么,返回步骤3064,重新确定一层交换机设备的总数量,即在原一层交换机设备的总数量的基础上加1,得到新总数量。然后,基于新总数量重新计算组网资源平均值(即组网资源平均值会变小),然后执行步骤3066。
在步骤3066中,若存在候选交换机型号,则执行步骤3067或3068,若候选交换机型号的数量为0个,返回步骤3064,重新确定一层交换机设备的总数量,即在原一层交换机设备的总数量的基础上加1,得到新总数量,以此类推,一直到在步骤3066中,存在候选交换机型号,执行步骤3067或3068。
至此,完成步骤306,可以向客户推荐一种一层交换机设备对应的目标交换机型号,及这种目标交换机型号的设备数量,并向客户推荐一种二层交换机设备对应的目标交换机型号,及这种目标交换机型号的设备数量。
步骤307、基于每个NVR型号对应的NVR设备支持的参考存储资源值,从所有NVR型号中选取一个NVR型号作为NVR设备对应的目标NVR型号;基于目标NVR型号对应的NVR设备支持的参考存储资源值确定设备数量m,且该设备数量m个参考存储资源值之和不小于目标存储资源值;推荐目标NVR型号和该设备数量m。示例性的,步骤307参见步骤2074-2076,只是将CVR设备替换为NVR设备,由NVR设备实现存储功能即可,在此不再重复赘述。
基于步骤306-步骤307,可以推荐一种一层交换机设备对应的目标交换机型号1及其设备数量(记为设备数量1),并向客户推荐一种二层交换机设备对应的目标交换机型号2及其设备数量(记为设备数量2),并推荐目标NVR型号及其设备数量m,也就是说,需要采用设备数量1个目标交换机型号1的交换机设备、采用设备数量2个目标交换机型号2的交换机设备,由设备数量1个交换机设备和设备数量2个交换机设备共同实现组网功能,并且,需要采用设备数量m个目标NVR型号的NVR设备,由这些NVR设备共同实现存储功能。
在上述实施例中,可以采用熵权算法和TOPSIS算法选择目标交换机型号,比如说,针对步骤3043、3063、3068,均采用熵权算法和TOPSIS算法选择目标交换机型号。基于每个候选交换机型号对应的交换机设备支持的参考组网资源值,采用熵权算法和TOPSIS算法选择目标交换机型号(步骤3043是交换机设备对应的目标交换机型号,步骤3063是二层交换机设备对应的目标交换机型号,步骤3068是一层交换机设备对应的目标交换机型号),以下对此进行说明:
步骤S70、基于每个候选交换机型号对应的交换机设备支持的参考组网资源值,确定每个决策指标对应的熵值。示例性的,若参考组网资源值包括参考带宽、参考供电功率、参考端口数目、参考通道数目中的至少一个,则决策指标可以包括带宽指标、供电功率指标、端口数目指标、通道数目指标等4个指标中的至少一个,在后续实施例中,以包括这4个指标为例进行说明。
步骤S71、基于每个决策指标对应的熵值确定每个决策指标对应的权重值。
步骤S72、基于每个候选交换机型号对应的交换机设备支持的参考组网资源值,以及每个决策指标对应的权重值,确定评分矩阵。
步骤S73、基于该评分矩阵确定最优指标矩阵和最差指标矩阵。
步骤S74、基于该评分矩阵、该最优指标矩阵和该最差指标矩阵,确定每个候选交换机型号对应的最优距离和最差距离。
步骤S75、基于每个候选交换机型号对应的最优距离和最差距离确定该候选交换机型号对应的相对接近度,将相对接近度最大(相对接近度最大是与最差距离最远的相对接近度,与最优距离最近的相对接近度)的候选交换机型号作为目标交换机型号。至此,基于熵权算法和TOPSIS算法选择出目标交换机型号。
步骤S70-步骤S75的实现过程与步骤S30-步骤S35的实现过程类似,只是没有存储指标,且参考数据没有参考存储资源值,在此不再重复赘述。
在上述实施例中,是以存储指标、带宽指标、供电功率指标、端口数目指标、通道数目指标等5个指标为例,在实际应用中,除了上述5个指标,还可以有其它指标,如是否支持RAID、是否支持内外网隔离等指标,其实现过程类似,只是选取的NVR设备/交换机设备也需要满足这些指标,在此不再赘述。
由以上技术方案可见,本申请实施例中,基于前端设备的目标组网资源值,为客户选取合适型号的设备(如后端设备或者交换机设备等),不需要解决方案提供者为客户选取合适型号的设备,减少解决方案提供者的主观因素,增强客观因素,避免人工选取合适型号的设备,减少了大量的人力和时间成本,提升客户需求的响应时间,客户使用体验较好。本实施例中,综合运用熵权算法、AHP算法和TOPSIS算法,根据实际情况,对需要推荐的设备进行综合各个指标考量后的排序,使得推荐的设备在各个指标上有着优秀的体现。
基于与上述方法同样的申请构思,本申请实施例中提出一种设备型号的推荐装置,参见图5所示,为所述装置的结构示意图,所述装置可以包括:
获取模块51,用于获取用于实现组网功能的指定设备类型;
确定模块52,用于针对所述指定设备类型对应的目标设备的任一设备型号,基于所述设备型号对应的目标设备支持的参考组网资源值以及已获取的目标组网资源值,确定所述设备型号是否为候选设备型号;其中,所述参考组网资源值是所述目标设备上用于实现组网功能的资源对应的资源值,所述目标组网资源值是与目标设备连接的前端设备上用于实现组网功能的资源对应的资源值;
推荐模块53,用于若存在一个候选设备型号,则将该候选设备型号确定为所述目标设备对应的目标设备型号,并推荐所述目标设备型号;或者,若存在至少两个候选设备型号,则从至少两个候选设备型号中选取一个候选设备型号作为所述目标设备对应的目标设备型号,并推荐所述目标设备型号。
可选地,在一种可能的实施方式中,若所述指定设备类型是组网存储后端类型,则所述目标设备是组网存储后端设备;所述确定模块52具体用于:若所述参考组网资源值不小于所述目标组网资源值,则确定所述设备型号是候选设备型号;所述推荐模块53具体用于:基于各候选设备型号对应的组网存储后端设备支持的参考组网资源值和参考存储资源值,采用第一目标算法,从至少两个候选设备型号中选取一个候选设备型号作为组网存储后端设备对应的目标设备型号。
可选地,在一种可能的实施方式中,若所述指定设备类型是组网存储后端类型,则所述目标设备是组网存储后端设备;所述确定模块52具体用于:若所有设备型号对应的组网存储后端设备支持的参考组网资源值均小于所述目标组网资源值,则确定所述设备型号是候选设备型号;所述推荐模块53具体用于:基于各候选设备型号对应的组网存储后端设备支持的参考组网资源值和参考存储资源值,采用第二目标算法,从至少两个候选设备型号中选取一个候选设备型号作为组网存储后端设备对应的目标设备型号;其中,所述推荐模块53还用于:基于目标设备型号对应的组网存储后端设备支持的参考组网资源值确定第一设备数量,且第一设备数量个参考组网资源值之和不小于所述目标组网资源值,并推荐所述第一设备数量。
可选地,在一种可能的实施方式中,所述推荐模块53基于目标设备型号对应的组网存储后端设备支持的参考组网资源值确定第一设备数量时具体用于:基于目标设备型号对应的组网存储后端设备支持的参考组网资源值和参考存储资源值确定所述第一设备数量,且第一设备数量个参考存储资源值之和不小于已获取的目标存储资源值。
可选地,在一种可能的实施方式中,所述推荐模块53还用于:若所有设备型号对应的组网存储后端设备支持的参考存储资源值均小于已获取的目标存储资源值,则基于各存储后端型号对应的存储后端设备支持的参考存储资源值,从存储后端型号中选取一个存储后端型号作为存储后端设备对应的目标存储后端型号;基于所述目标存储后端型号对应的存储后端设备支持的参考存储资源值以及所述目标存储资源值,确定第二设备数量;其中,所述第二设备数量个参考存储资源值之和不小于所述目标存储资源值,并推荐所述目标存储后端型号和所述第二设备数量。
可选地,在一种可能的实施方式中,所述推荐模块53采用第一目标算法,从至少两个候选设备型号中选取一个候选设备型号作为组网存储后端设备对应的目标设备型号时具体用于:基于候选设备型号对应的组网存储后端设备支持的参考组网资源值和参考存储资源值确定决策指标对应的熵值,基于决策指标对应的熵值确定所述决策指标对应的权重值;其中,若所述参考组网资源值包括参考带宽、参考供电功率、参考端口数目、参考通道数目中的至少一个,则所述决策指标包括带宽指标、供电功率指标、端口数目指标、通道数目指标、存储指标中的至少一个;基于各候选设备型号对应的组网存储后端设备支持的参考组网资源值和参考存储资源值,以及各决策指标对应的权重值,确定评分矩阵;基于所述评分矩阵确定最优指标矩阵和最差指标矩阵;基于所述评分矩阵、所述最优指标矩阵和所述最差指标矩阵确定各候选设备型号对应的最优距离和最差距离,基于各候选设备型号对应的最优距离和最差距离确定该候选设备型号对应的相对接近度,并将相对接近度最大的候选设备型号作为所述目标设备型号。
可选地,在一种可能的实施方式中,所述推荐模块53采用第二目标算法,从至少两个候选设备型号中选取一个候选设备型号作为组网存储后端设备对应的目标设备型号时具体用于:基于不同决策指标之间的重要程度构造比较判别矩阵,并基于所述比较判别矩阵确定出各决策指标对应的权重值;其中,若所述参考组网资源值包括参考带宽、参考供电功率、参考端口数目、参考通道数目中的至少一个,则所述决策指标包括带宽指标、供电功率指标、端口数目指标、通道数目指标、存储指标中的至少一个;基于各候选设备型号对应的组网存储后端设备支持的参考组网资源值和参考存储资源值,以及各决策指标对应的权重值,确定评分矩阵;基于所述评分矩阵确定最优指标矩阵和最差指标矩阵;基于所述评分矩阵、所述最优指标矩阵和所述最差指标矩阵确定各候选设备型号对应的最优距离和最差距离,基于各候选设备型号对应的最优距离和最差距离确定该候选设备型号对应的相对接近度,并将相对接近度最大的候选设备型号作为所述目标设备型号。
可选地,在一种可能的实施方式中,若所述指定设备类型是交换机类型,则所述目标设备是交换机设备;所述确定模块52具体用于:所述参考组网资源值包括参考带宽和参考属性值,所述目标组网资源值包括目标带宽和目标属性值,若所述参考带宽不小于所述目标带宽与预留带宽之和,且所述参考属性值不小于所述目标属性值,则确定所述设备型号是候选设备型号;所述推荐模块53具体用于:基于各候选设备型号对应的交换机设备支持的参考组网资源值,采用第一目标算法,从至少两个候选设备型号中选取一个候选设备型号作为交换机设备对应的目标设备型号。
可选地,在一种可能的实施方式中,若所述指定设备类型是交换机类型,则所述目标设备包括二层交换机设备;所述确定模块52具体用于:所述参考组网资源值包括参考带宽、参考属性值、参考千兆网口数目,所述目标组网资源值包括目标带宽和目标属性值,若所述参考带宽小于所述目标带宽与预留带宽之和,和/或,所述参考属性值小于所述目标属性值,则基于所述目标带宽确定目标千兆网口数目;若所述参考千兆网口数目不小于所述目标千兆网口数目,则确定所述设备型号是候选设备型号;所述推荐模块53具体用于:基于各候选设备型号对应的交换机设备支持的参考组网资源值,采用第一目标算法,从至少两个候选设备型号中选取一个候选设备型号作为二层交换机设备对应的目标设备型号。
可选地,在一种可能的实施方式中,若所述指定设备类型是交换机类型,则所述目标设备包括一层交换机设备;所述确定模块52具体用于:所述参考组网资源值包括参考带宽和参考属性值,所述目标组网资源值包括目标带宽和目标属性值,若所述参考带宽小于所述目标带宽与预留带宽之和,和/或,所述参考属性值小于所述目标属性值,则基于所述目标组网资源值确定一层交换机设备的总数量;基于所述目标组网资源值和所述总数量确定单个一层交换机设备对应的组网资源平均值;若所述参考组网资源值不小于所述组网资源平均值,则确定所述设备型号是候选设备型号;所述推荐模块53具体用于:基于各候选设备型号对应的交换机设备支持的参考组网资源值,采用第一目标算法,从至少两个候选设备型号中选取一个候选设备型号作为一层交换机设备对应的目标设备型号。
可选地,在一种可能的实施方式中,所述目标属性值包括目标端口数目和目标通道数目;所述确定模块52基于所述目标组网资源值确定一层交换机设备的总数量时具体用于:基于所述目标带宽确定一层交换机设备的第一最小数量;基于所述目标端口数目确定一层交换机设备的第二最小数量;基于所述目标通道数目确定一层交换机设备的第三最小数量;基于所述第一最小数量、所述第二最小数量和所述第三最小数量,确定一层交换机设备的总数量。
可选地,在一种可能的实施方式中,所述推荐模块53还用于:基于各组网存储后端型号对应的组网存储后端设备支持的参考存储资源值,从组网存储后端型号中选取一个组网存储后端型号作为组网存储后端设备对应的目标组网存储后端型号;基于所述目标组网存储后端型号对应的组网存储后端设备支持的参考存储资源值确定第三设备数量;其中,所述第三设备数量个参考存储资源值之和不小于已获取的目标存储资源值;推荐所述目标组网存储后端型号和所述第三设备数量。
基于与上述方法同样的申请构思,本申请实施例中提出一种设备型号的推荐设备(也可以称为电子设备),所述电子设备包括:处理器和机器可读存储介质,所述机器可读存储介质存储有能够被所述处理器执行的机器可执行指令;所述处理器用于执行机器可执行指令,以实现上述的设备型号的推荐方法。
基于与上述方法同样的申请构思,本申请实施例还提供一种机器可读存储介质,所述机器可读存储介质上存储有若干计算机指令,所述计算机指令被处理器执行时,能够实现本申请上述示例公开的设备型号的推荐方法。其中,上述机器可读存储介质可以是任何电子、磁性、光学或其它物理存储装置,可以包含或存储信息,如可执行指令、数据,等等。例如,机器可读存储介质可以是:RAM(Radom Access Memory,随机存取存储器)、易失存储器、非易失性存储器、闪存、存储驱动器(如硬盘驱动器)、固态硬盘、任何类型的存储盘(如光盘、dvd等),或者类似的存储介质,或者它们的组合。
基于与上述方法同样的申请构思,本申请实施例还提供一种计算机程序,所述计算机程序存储于机器可读存储介质,当处理器执行所述计算机程序时,促使处理器实现本申请上述示例公开的设备型号的推荐方法。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机,计算机的具体形式可以是个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件收发设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任意几种设备的组合。为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可以由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其它可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其它可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。而且,这些计算机程序指令也可以存储在能引导计算机或其它可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或者多个流程和/或方框图一个方框或者多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其它可编程数据处理设备上,使得在计算机或者其它可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其它可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (15)
1.一种设备型号的推荐方法,其特征在于,所述方法包括:
获取用于实现组网功能的指定设备类型;
针对所述指定设备类型对应的目标设备的任一设备型号,基于所述设备型号对应的目标设备支持的参考组网资源值以及已获取的目标组网资源值,确定所述设备型号是否为候选设备型号;其中,所述参考组网资源值是所述目标设备上用于实现组网功能的资源对应的资源值,所述目标组网资源值是与所述目标设备连接的前端设备上用于实现组网功能的资源对应的资源值;
若存在一个候选设备型号,则将该候选设备型号确定为所述目标设备对应的目标设备型号,并推荐所述目标设备型号;或者,
若存在至少两个候选设备型号,则从至少两个候选设备型号中选取一个候选设备型号作为所述目标设备对应的目标设备型号,并推荐所述目标设备型号;
其中,所述基于所述设备型号对应的目标设备支持的参考组网资源值以及已获取的目标组网资源值,确定所述设备型号是否为候选设备型号,包括:
所述指定设备类型是组网存储后端类型,所述目标设备是组网存储后端设备,若所述参考组网资源值不小于所述目标组网资源值,则确定所述设备型号是候选设备型号;或,若所有设备型号对应的组网存储后端设备支持的参考组网资源值均小于所述目标组网资源值,则确定所述设备型号是候选设备型号;
或者,所述指定设备类型是交换机类型,所述目标设备是交换机设备,所述参考组网资源值包括参考带宽和参考属性值,所述目标组网资源值包括目标带宽和目标属性值,若所述参考带宽不小于所述目标带宽与预留带宽之和,且所述参考属性值不小于所述目标属性值,则确定所述设备型号是候选设备型号;
或者,所述指定设备类型是交换机类型,所述目标设备包括二层交换机设备,所述参考组网资源值包括参考带宽、参考属性值、参考千兆网口数目,所述目标组网资源值包括目标带宽和目标属性值,若所述参考带宽小于所述目标带宽与预留带宽之和,和/或,所述参考属性值小于所述目标属性值,则基于所述目标带宽确定目标千兆网口数目;若所述参考千兆网口数目不小于所述目标千兆网口数目,则确定所述设备型号是候选设备型号;
或者,所述指定设备类型是交换机类型,所述目标设备包括一层交换机设备,所述参考组网资源值包括参考带宽和参考属性值,所述目标组网资源值包括目标带宽和目标属性值,若所述参考带宽小于所述目标带宽与预留带宽之和,和/或,所述参考属性值小于所述目标属性值,则基于所述目标组网资源值确定一层交换机设备的总数量;基于所述目标组网资源值和所述总数量确定单个一层交换机设备对应的组网资源平均值;若所述参考组网资源值不小于所述组网资源平均值,则确定所述设备型号是候选设备型号。
2.根据权利要求1所述的方法,其特征在于,若所述指定设备类型是组网存储后端类型,则所述目标设备是组网存储后端设备;
所述从至少两个候选设备型号中选取一个候选设备型号作为所述目标设备对应的目标设备型号,包括:基于各候选设备型号对应的组网存储后端设备支持的参考组网资源值和参考存储资源值,采用第一目标算法,从至少两个候选设备型号中选取一个候选设备型号作为组网存储后端设备对应的目标设备型号。
3.根据权利要求1所述的方法,其特征在于,若所述指定设备类型是组网存储后端类型,则所述目标设备是组网存储后端设备;
所述从至少两个候选设备型号中选取一个候选设备型号作为所述目标设备对应的目标设备型号,包括:基于各候选设备型号对应的组网存储后端设备支持的参考组网资源值和参考存储资源值,采用第二目标算法,从至少两个候选设备型号中选取一个候选设备型号作为组网存储后端设备对应的目标设备型号;
所述从至少两个候选设备型号中选取一个候选设备型号作为组网存储后端设备对应的目标设备型号之后,所述方法还包括:基于目标设备型号对应的组网存储后端设备支持的参考组网资源值确定第一设备数量,且第一设备数量个参考组网资源值之和不小于所述目标组网资源值,并推荐所述第一设备数量。
4.根据权利要求3所述的方法,其特征在于,所述基于目标设备型号对应的组网存储后端设备支持的参考组网资源值确定第一设备数量,包括:
基于目标设备型号对应的组网存储后端设备支持的参考组网资源值和参考存储资源值确定所述第一设备数量,且第一设备数量个参考存储资源值之和不小于已获取的目标存储资源值;其中,所述目标存储资源值是与所述目标设备连接的前端设备上用于实现存储功能的资源对应的资源值。
5.根据权利要求2或3所述的方法,其特征在于,
若所有设备型号对应的组网存储后端设备支持的参考存储资源值均小于已获取的目标存储资源值,所述方法还包括:
基于各存储后端型号对应的存储后端设备支持的参考存储资源值,从存储后端型号中选取一个存储后端型号作为存储后端设备对应的目标存储后端型号;
基于所述目标存储后端型号对应的存储后端设备支持的参考存储资源值以及所述目标存储资源值,确定第二设备数量;其中,所述第二设备数量个参考存储资源值之和不小于所述目标存储资源值;
推荐所述目标存储后端型号和所述第二设备数量。
6.根据权利要求2所述的方法,其特征在于,
所述基于各候选设备型号对应的组网存储后端设备支持的参考组网资源值和参考存储资源值,采用第一目标算法,从至少两个候选设备型号中选取一个候选设备型号作为组网存储后端设备对应的目标设备型号,包括:
基于候选设备型号对应的组网存储后端设备支持的参考组网资源值和参考存储资源值确定决策指标对应的熵值,基于决策指标对应的熵值确定所述决策指标对应的权重值;其中,若所述参考组网资源值包括参考带宽、参考供电功率、参考端口数目、参考通道数目中的至少一个,则所述决策指标包括带宽指标、供电功率指标、端口数目指标、通道数目指标、存储指标中的至少一个;
基于各候选设备型号对应的组网存储后端设备支持的参考组网资源值和参考存储资源值,以及各决策指标对应的权重值,确定评分矩阵;基于所述评分矩阵确定最优指标矩阵和最差指标矩阵;基于所述评分矩阵、所述最优指标矩阵和所述最差指标矩阵确定各候选设备型号对应的最优距离和最差距离,基于各候选设备型号对应的最优距离和最差距离确定该候选设备型号对应的相对接近度,并将相对接近度最大的候选设备型号作为所述目标设备型号。
7.根据权利要求3所述的方法,其特征在于,
所述基于各候选设备型号对应的组网存储后端设备支持的参考组网资源值和参考存储资源值,采用第二目标算法,从至少两个候选设备型号中选取一个候选设备型号作为组网存储后端设备对应的目标设备型号,包括:
基于不同决策指标之间的重要程度构造比较判别矩阵,并基于所述比较判别矩阵确定出各决策指标对应的权重值;其中,若所述参考组网资源值包括参考带宽、参考供电功率、参考端口数目、参考通道数目中的至少一个,则所述决策指标包括带宽指标、供电功率指标、端口数目指标、通道数目指标、存储指标中的至少一个;
基于各候选设备型号对应的组网存储后端设备支持的参考组网资源值和参考存储资源值,以及各决策指标对应的权重值,确定评分矩阵;基于所述评分矩阵确定最优指标矩阵和最差指标矩阵;基于所述评分矩阵、所述最优指标矩阵和所述最差指标矩阵确定各候选设备型号对应的最优距离和最差距离,基于各候选设备型号对应的最优距离和最差距离确定该候选设备型号对应的相对接近度,并将相对接近度最大的候选设备型号作为所述目标设备型号。
8.根据权利要求1所述的方法,其特征在于,
若所述指定设备类型是交换机类型,则所述目标设备是交换机设备;
所述从至少两个候选设备型号中选取一个候选设备型号作为所述目标设备对应的目标设备型号,包括:基于各候选设备型号对应的交换机设备支持的参考组网资源值,采用第一目标算法,从至少两个候选设备型号中选取一个候选设备型号作为交换机设备对应的目标设备型号。
9.根据权利要求1所述的方法,其特征在于,若所述指定设备类型是交换机类型,则所述目标设备包括二层交换机设备;
所述从至少两个候选设备型号中选取一个候选设备型号作为所述目标设备对应的目标设备型号,包括:基于各候选设备型号对应的交换机设备支持的参考组网资源值,采用第一目标算法,从至少两个候选设备型号中选取一个候选设备型号作为二层交换机设备对应的目标设备型号。
10.根据权利要求1所述的方法,其特征在于,若所述指定设备类型是交换机类型,则所述目标设备包括一层交换机设备;
所述从至少两个候选设备型号中选取一个候选设备型号作为所述目标设备对应的目标设备型号,包括:基于各候选设备型号对应的交换机设备支持的参考组网资源值,采用第一目标算法,从至少两个候选设备型号中选取一个候选设备型号作为一层交换机设备对应的目标设备型号。
11.根据权利要求10所述的方法,其特征在于,
所述目标属性值包括目标端口数目和目标通道数目;
所述基于所述目标组网资源值确定一层交换机设备的总数量,包括:
基于所述目标带宽确定一层交换机设备的第一最小数量;基于所述目标端口数目确定一层交换机设备的第二最小数量;基于所述目标通道数目确定一层交换机设备的第三最小数量;以及,基于所述第一最小数量、所述第二最小数量和所述第三最小数量,确定一层交换机设备的总数量。
12.根据权利要求8-11任一所述的方法,其特征在于,所述方法还包括:
基于各组网存储后端型号对应的组网存储后端设备支持的参考存储资源值,从组网存储后端型号中选取一个组网存储后端型号作为组网存储后端设备对应的目标组网存储后端型号;基于所述目标组网存储后端型号对应的组网存储后端设备支持的参考存储资源值确定第三设备数量;其中,所述第三设备数量个参考存储资源值之和不小于已获取的目标存储资源值;
推荐所述目标组网存储后端型号和所述第三设备数量。
13.一种设备型号的推荐装置,其特征在于,所述装置包括:
获取模块,用于获取用于实现组网功能的指定设备类型;
确定模块,用于针对所述指定设备类型对应的目标设备的任一设备型号,基于所述设备型号对应的目标设备支持的参考组网资源值以及已获取的目标组网资源值,确定所述设备型号是否为候选设备型号;其中,所述参考组网资源值是所述目标设备上用于实现组网功能的资源对应的资源值,所述目标组网资源值是与目标设备连接的前端设备上用于实现组网功能的资源对应的资源值;
推荐模块,用于若存在一个候选设备型号,则将该候选设备型号确定为所述目标设备对应的目标设备型号,并推荐所述目标设备型号;或者,若存在至少两个候选设备型号,则从至少两个候选设备型号中选取一个候选设备型号作为所述目标设备对应的目标设备型号,并推荐所述目标设备型号;
其中,所述确定模块确定所述设备型号是否为候选设备型号时具体用于:
所述指定设备类型是组网存储后端类型,所述目标设备是组网存储后端设备,若所述参考组网资源值不小于所述目标组网资源值,则确定所述设备型号是候选设备型号;或,若所有设备型号对应的组网存储后端设备支持的参考组网资源值均小于所述目标组网资源值,则确定所述设备型号是候选设备型号;
或者,所述指定设备类型是交换机类型,所述目标设备是交换机设备,所述参考组网资源值包括参考带宽和参考属性值,所述目标组网资源值包括目标带宽和目标属性值,若所述参考带宽不小于所述目标带宽与预留带宽之和,且所述参考属性值不小于所述目标属性值,则确定所述设备型号是候选设备型号;
或者,所述指定设备类型是交换机类型,所述目标设备包括二层交换机设备,所述参考组网资源值包括参考带宽、参考属性值、参考千兆网口数目,所述目标组网资源值包括目标带宽和目标属性值,若所述参考带宽小于所述目标带宽与预留带宽之和,和/或,所述参考属性值小于所述目标属性值,则基于所述目标带宽确定目标千兆网口数目;若所述参考千兆网口数目不小于所述目标千兆网口数目,则确定所述设备型号是候选设备型号;
或者,所述指定设备类型是交换机类型,所述目标设备包括一层交换机设备,所述参考组网资源值包括参考带宽和参考属性值,所述目标组网资源值包括目标带宽和目标属性值,若所述参考带宽小于所述目标带宽与预留带宽之和,和/或,所述参考属性值小于所述目标属性值,则基于所述目标组网资源值确定一层交换机设备的总数量;基于所述目标组网资源值和所述总数量确定单个一层交换机设备对应的组网资源平均值;若所述参考组网资源值不小于所述组网资源平均值,则确定所述设备型号是候选设备型号。
14.根据权利要求13所述的装置,其特征在于,
其中,若所述指定设备类型是组网存储后端类型,则所述目标设备是组网存储后端设备;所述推荐模块具体用于:基于各候选设备型号对应的组网存储后端设备支持的参考组网资源值和参考存储资源值,采用第一目标算法,从至少两个候选设备型号中选取一个候选设备型号作为组网存储后端设备对应的目标设备型号;
其中,若所述指定设备类型是组网存储后端类型,则所述目标设备是组网存储后端设备;所述推荐模块具体用于:基于各候选设备型号对应的组网存储后端设备支持的参考组网资源值和参考存储资源值,采用第二目标算法,从至少两个候选设备型号中选取一个候选设备型号作为组网存储后端设备对应的目标设备型号;其中,所述推荐模块还用于:基于目标设备型号对应的组网存储后端设备支持的参考组网资源值确定第一设备数量,且第一设备数量个参考组网资源值之和不小于所述目标组网资源值,并推荐所述第一设备数量;
其中,所述推荐模块基于目标设备型号对应的组网存储后端设备支持的参考组网资源值确定第一设备数量时具体用于:基于目标设备型号对应的组网存储后端设备支持的参考组网资源值和参考存储资源值确定所述第一设备数量,且第一设备数量个参考存储资源值之和不小于已获取的目标存储资源值;
其中,所述推荐模块还用于:若所有设备型号对应的组网存储后端设备支持的参考存储资源值均小于已获取的目标存储资源值,则基于各存储后端型号对应的存储后端设备支持的参考存储资源值,从存储后端型号中选取一个存储后端型号作为存储后端设备对应的目标存储后端型号;基于所述目标存储后端型号对应的存储后端设备支持的参考存储资源值以及所述目标存储资源值,确定第二设备数量;其中,所述第二设备数量个参考存储资源值之和不小于所述目标存储资源值,并推荐所述目标存储后端型号和所述第二设备数量;
其中,所述推荐模块采用第一目标算法,从至少两个候选设备型号中选取一个候选设备型号作为组网存储后端设备对应的目标设备型号时具体用于:基于候选设备型号对应的组网存储后端设备支持的参考组网资源值和参考存储资源值确定决策指标对应的熵值,基于决策指标对应的熵值确定所述决策指标对应的权重值;其中,若所述参考组网资源值包括参考带宽、参考供电功率、参考端口数目、参考通道数目中的至少一个,则所述决策指标包括带宽指标、供电功率指标、端口数目指标、通道数目指标、存储指标中的至少一个;基于各候选设备型号对应的组网存储后端设备支持的参考组网资源值和参考存储资源值,以及各决策指标对应的权重值,确定评分矩阵;基于所述评分矩阵确定最优指标矩阵和最差指标矩阵;基于所述评分矩阵、所述最优指标矩阵和所述最差指标矩阵确定各候选设备型号对应的最优距离和最差距离,基于各候选设备型号对应的最优距离和最差距离确定该候选设备型号对应的相对接近度,并将相对接近度最大的候选设备型号作为所述目标设备型号;
其中,所述推荐模块采用第二目标算法,从至少两个候选设备型号中选取一个候选设备型号作为组网存储后端设备对应的目标设备型号时具体用于:基于不同决策指标之间的重要程度构造比较判别矩阵,并基于所述比较判别矩阵确定出各决策指标对应的权重值;其中,若所述参考组网资源值包括参考带宽、参考供电功率、参考端口数目、参考通道数目中的至少一个,则所述决策指标包括带宽指标、供电功率指标、端口数目指标、通道数目指标、存储指标中的至少一个;基于各候选设备型号对应的组网存储后端设备支持的参考组网资源值和参考存储资源值,以及各决策指标对应的权重值,确定评分矩阵;基于所述评分矩阵确定最优指标矩阵和最差指标矩阵;基于所述评分矩阵、所述最优指标矩阵和所述最差指标矩阵确定各候选设备型号对应的最优距离和最差距离,基于各候选设备型号对应的最优距离和最差距离确定该候选设备型号对应的相对接近度,并将相对接近度最大的候选设备型号作为所述目标设备型号;
其中,若所述指定设备类型是交换机类型,则所述目标设备是交换机设备;所述推荐模块具体用于:基于各候选设备型号对应的交换机设备支持的参考组网资源值,采用第一目标算法,从至少两个候选设备型号中选取一个候选设备型号作为交换机设备对应的目标设备型号;
其中,若所述指定设备类型是交换机类型,则所述目标设备包括二层交换机设备;所述推荐模块具体用于:基于各候选设备型号对应的交换机设备支持的参考组网资源值,采用第一目标算法,从至少两个候选设备型号中选取一个候选设备型号作为二层交换机设备对应的目标设备型号;
其中,若所述指定设备类型是交换机类型,则所述目标设备包括一层交换机设备;所述推荐模块具体用于:基于各候选设备型号对应的交换机设备支持的参考组网资源值,采用第一目标算法,从至少两个候选设备型号中选取一个候选设备型号作为一层交换机设备对应的目标设备型号;
其中,所述目标属性值包括目标端口数目和目标通道数目;所述确定模块基于所述目标组网资源值确定一层交换机设备的总数量时具体用于:基于所述目标带宽确定一层交换机设备的第一最小数量;基于所述目标端口数目确定一层交换机设备的第二最小数量;基于所述目标通道数目确定一层交换机设备的第三最小数量;以及,基于所述第一最小数量、所述第二最小数量和所述第三最小数量,确定一层交换机设备的总数量;
其中,所述推荐模块还用于:基于各组网存储后端型号对应的组网存储后端设备支持的参考存储资源值,从组网存储后端型号中选取一个组网存储后端型号作为组网存储后端设备对应的目标组网存储后端型号;基于所述目标组网存储后端型号对应的组网存储后端设备支持的参考存储资源值确定第三设备数量;其中,所述第三设备数量个参考存储资源值之和不小于已获取的目标存储资源值;推荐所述目标组网存储后端型号和所述第三设备数量。
15.一种设备型号的推荐设备,其特征在于,包括:处理器和机器可读存储介质,所述机器可读存储介质存储有能够被所述处理器执行的机器可执行指令;其中,所述处理器用于执行所述机器可执行指令,以实现权利要求1-12任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111155053.7A CN113900717B (zh) | 2021-09-29 | 2021-09-29 | 一种设备型号的推荐方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111155053.7A CN113900717B (zh) | 2021-09-29 | 2021-09-29 | 一种设备型号的推荐方法、装置及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113900717A CN113900717A (zh) | 2022-01-07 |
CN113900717B true CN113900717B (zh) | 2023-07-25 |
Family
ID=79189572
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111155053.7A Active CN113900717B (zh) | 2021-09-29 | 2021-09-29 | 一种设备型号的推荐方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113900717B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110519782A (zh) * | 2019-09-24 | 2019-11-29 | 广东电网有限责任公司 | 一种通信网多通道选择方法及装置 |
CN110875861A (zh) * | 2018-08-29 | 2020-03-10 | 中移(杭州)信息技术有限公司 | 家庭网络智能组网方法、装置和存储介质 |
CN110971865A (zh) * | 2018-09-28 | 2020-04-07 | 杭州海康威视数字技术股份有限公司 | 视频数据获取方法、装置、电子设备及可读存储介质 |
CN111917591A (zh) * | 2020-08-11 | 2020-11-10 | 深圳市欧瑞博科技股份有限公司 | 智能设备组网方案生成方法、装置及电子设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9319869B2 (en) * | 2013-02-11 | 2016-04-19 | Qualcomm Incorporated | Method for storing and sharing a history of interactions between devices in a network |
-
2021
- 2021-09-29 CN CN202111155053.7A patent/CN113900717B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110875861A (zh) * | 2018-08-29 | 2020-03-10 | 中移(杭州)信息技术有限公司 | 家庭网络智能组网方法、装置和存储介质 |
CN110971865A (zh) * | 2018-09-28 | 2020-04-07 | 杭州海康威视数字技术股份有限公司 | 视频数据获取方法、装置、电子设备及可读存储介质 |
CN110519782A (zh) * | 2019-09-24 | 2019-11-29 | 广东电网有限责任公司 | 一种通信网多通道选择方法及装置 |
CN111917591A (zh) * | 2020-08-11 | 2020-11-10 | 深圳市欧瑞博科技股份有限公司 | 智能设备组网方案生成方法、装置及电子设备 |
Non-Patent Citations (1)
Title |
---|
智能变电站VLAN配置表自动生成技术的研究和应用;李鹏;范伟;王罡;顾俊捷;夏诚;;电力工程技术(01);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113900717A (zh) | 2022-01-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107193813B (zh) | 数据表连接方式处理方法及装置 | |
JP5890629B2 (ja) | データセンター顧客費用決定メカニズム | |
KR102125119B1 (ko) | 데이터 핸들링 방법 및 장치 | |
US20100185579A1 (en) | User-based collaborative filtering recommendation system and method for amending similarity using information entropy | |
CN108351999A (zh) | 用于为零售商提供多渠道库存分配途径的系统和方法 | |
CN102461091B (zh) | 用于拥塞控制的方法和装置 | |
CN113360514B (zh) | 联合更新模型的方法、装置及系统 | |
CN105960790A (zh) | 用于高速缓存的方法 | |
Pizzuti et al. | Many-objective optimization for community detection in multi-layer networks | |
Zhao et al. | Improving the estimation of tail ratings in recommender system with multi-latent representations | |
CN113900717B (zh) | 一种设备型号的推荐方法、装置及设备 | |
CN103782290A (zh) | 建议值的生成 | |
JP4611938B2 (ja) | 主観品質推定式導出方法、主観品質推定式導出装置及びその処理用プログラム | |
US9794137B2 (en) | Method and apparatus for assigning network resource | |
CN104871547A (zh) | 用于有效地编译用于媒体点播平台的媒体内容项目的方法和系统 | |
US20160342899A1 (en) | Collaborative filtering in directed graph | |
Zhang et al. | An Approach for Web Service QoS prediction based on service using information | |
CN111428927A (zh) | 一种基于定界算法的武器装备采购供应商选择方法及装置 | |
WO2017016403A1 (zh) | 确定业务对象品牌指数信息的方法及装置 | |
CN116647879A (zh) | 基于双智能体深度强化学习的多类型任务卸载系统及方法 | |
CN115017364A (zh) | 视频业务数据区域贡献度评估方法、装置、设备及介质 | |
JP7288319B2 (ja) | レコメンド情報を生成するための装置、方法、システム及びプログラム | |
El Haddad et al. | Approximate anlysis of an unreliable M/M/c retrial queue with phase merging algorithm | |
US20150269502A1 (en) | Method and apparatus for finding process deviations and recommending repairs in a business process | |
Brun et al. | Linking collaborative filtering and social networks: Who are my mentors? |
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 |