CN114050964B - 基于数据网业务路径变化对网络异常进行预判的方法 - Google Patents
基于数据网业务路径变化对网络异常进行预判的方法 Download PDFInfo
- Publication number
- CN114050964B CN114050964B CN202111403100.5A CN202111403100A CN114050964B CN 114050964 B CN114050964 B CN 114050964B CN 202111403100 A CN202111403100 A CN 202111403100A CN 114050964 B CN114050964 B CN 114050964B
- Authority
- CN
- China
- Prior art keywords
- model
- service path
- service
- network
- data
- 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
- 238000000034 method Methods 0.000 title claims abstract description 34
- 230000008859 change Effects 0.000 title claims abstract description 33
- 230000005856 abnormality Effects 0.000 title claims abstract description 23
- 238000012545 processing Methods 0.000 claims abstract description 20
- 238000004590 computer program Methods 0.000 claims description 7
- 238000012544 monitoring process Methods 0.000 claims description 4
- 239000010410 layer Substances 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 235000008694 Humulus lupulus Nutrition 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 239000012792 core layer Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- H04L41/06—Management of faults, events, alarms or notifications
- H04L41/0631—Management of faults, events, alarms or notifications using root cause analysis; using analysis of correlation between notifications, alarms or events based on decision criteria, e.g. hierarchy, tree or time analysis
-
- 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
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/50—Reducing energy consumption in communication networks in wire-line communication networks, e.g. low power modes or reduced link rate
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本公开的实施例提供了基于数据网业务路径变化对网络异常进行预判的方法、装置、设备和计算机可读存储介质。所述方法包括获取NetStream数据；对所述NetStream数据进行处理，得到每个业务的运行数据，构建业务路径模型；将所述业务路径模型和已构建的历史模型进行比较，确定业务路径变化；基于所述业务路径变化，进行网络异常预判。以此方式，实现了。
Description
技术领域
本公开的实施例一般涉及数据分析领域，并且更具体地，涉及基于数据网业务路径变化对网络异常进行预判的方法、装置、设备和计算机可读存储介质。
背景技术
近年来，随着我国高速铁路的快速发展，中国铁路数据网逐步形成了覆盖全路的大网，数据网承载了绝大部分跨区域的业务数据。在数据网为了保障业务通常会采用主备技术来进行部署，由于网络复杂，接入节点众多，在进行业务运行中内部路径处于不透明状态，易造成出现业务故障时定位难度大的问题。
发明内容
根据本公开的实施例，提供了一种基于数据网业务路径变化对网络异常进行预判的方案。
在本公开的第一方面，提供了一种基于数据网业务路径变化对网络异常进行预判的方法。该方法包括：
获取NetStream数据；
对所述NetStream数据进行处理，得到每个业务的运行数据，构建业务路径模型；
将所述业务路径模型和已构建的历史模型进行比较，确定业务路径变化；基于所述业务路径变化，进行网络异常预判。
进一步地，所述NetStream数据包括网元信息、源地址、目的地址、入网元接口、出网元接口、方向、源掩码、和/或目的掩码。
进一步地，所述对所述NetStream数据进行处理，得到每个业务的运行数据，构建业务路径模型包括：
对所述NetStream数据进行处理，得到业务的源地址、源地址子网掩码、目的地址和目的地址子网掩码；
将所述源地址、源地址子网掩码作为业务起点，通过网元的出接口和下一跳，确定业务的后续网元，同时对后续业务数据进行监控，构建业务路径模型。
进一步地，所述将所述业务路径模型和已构建的历史模型进行比较，确定业务路径变化包括：
若所述业务模型在所述历史模型中不存在，且跳次大于所述历史模型，则对所述业务模型进行标记；
若所述业务模型在所述历史模型中不存在，且跳次小于所述历史模型，则对所述业务模型进行更新。
进一步地，所述基于所述业务路径变化，进行网络异常预判包括：
基于标记的业务模型，进行网络异常判断。
进一步地，所述基于标记的业务模型，进行网络异常判断包括：
定位模型差异位置，确定差异的网元和接口；
对所述差异的网元进行分析，判断所述差异的网元和接口是否为主备关系；
若是，则判断是否为负载原因导致业务路径变化，并根据判断结果生成告警信息，同时更新所述业务模型。
进一步地，所述判断所述差异的网元和接口是否为主备关系包括：
判断网元的物理位置是否一致。
在本公开的第二方面，提供了一种基于数据网业务路径变化对网络异常进行预判的装置。该装置包括：
获取模块，用于获取NetStream数据；
处理模块，用于对所述NetStream数据进行处理，得到每个业务的运行数据，构建业务路径模型；
预判模块，用于将所述业务路径模型和已构建的历史模型进行比较，确定业务路径变化；基于所述业务路径变化，进行网络异常预判。
在本公开的第三方面，提供了一种电子设备。该电子设备包括：存储器和处理器，所述存储器上存储有计算机程序，所述处理器执行所述程序时实现如以上所述的方法。
在本公开的第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如根据本公开的第一方面的方法。
本申请实施例提供的基于数据网业务路径变化对网络异常进行预判的方法，通过获取NetStream数据；对所述NetStream数据进行处理，得到每个业务的运行数据，构建业务路径模型；将所述业务路径模型和已构建的历史模型进行比较，确定业务路径变化；基于所述业务路径变化，进行网络异常预判，实现了对数据网承载的各个业务的可视化实时监控，在业务路径发生变化时对运行的业务进行量化分析。通过分析结果和监控结果的数据结合判断网络是否异常进行分析，从而达到对网络异常的预判。
应当理解，发明内容部分中所描述的内容并非旨在限定本公开的实施例的关键或重要特征，亦非用于限制本公开的范围。本公开的其它特征将通过以下的描述变得容易理解。
附图说明
结合附图并参考以下详细说明，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中，相同或相似的附图标记表示相同或相似的元素，其中：
图1示出了根据本公开的实施例的基于数据网业务路径变化对网络异常进行预判的方法的流程图；
图2示出了根据本公开的实施例的网络结构示意图；
图3示出了根据本公开的实施例的基于数据网业务路径变化对网络异常进行预判的装置的方框图；
图4示出了能够实施本公开的实施例的示例性电子设备的方框图。
具体实施方式
为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的全部其他实施例，都属于本公开保护的范围。
另外，本文中术语“和/或”，仅仅是一种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这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
图1示出了根据本公开实施例的基于数据网业务路径变化对网络异常进行预判的方法流程图。包括：
S110，获取NetStream数据。
其中，NetStream系统可包括NDE(网络流量采样)、NSC(网络流量采集)和NDA(网络流量分析)；
所述NDE，用于提取符合条件的流并进行统计，输出至NSC；
所述NSC通常为运行于Unix或windows的应用程序，用于存储来自NDE的报文(流)；可采集多个NDE输出的数据，并对该数据进行过滤和聚合；
所述NDA，用于提取NSE存储的数据，对该数据进行处理，生成报表；通常具有图形化用户界面，可使用户方便地获取、显示和分析收集到的数据。
在一些实施例中，获取snmp采集的数据，包括端口的流量统计值、网元的基本信息和/或网元的syslog信息等。
在一些实施例中，通过NetStream系统，对各个网元发送的数据进行处理得到所述NetStream数据；所述NetStream数据网元信息、源地址、目的地址、入网元接口、出网元接口、方向、源掩码和/或目的掩码。
S120，对所述NetStream数据进行处理，得到每个业务的运行数据，构建业务路径模型。
在一些实施例中，如图2所示，在铁路数据网上，网元的作用可分为核心层网元、汇聚层网元和接入层网元。在每个业务节点上均部署有01(主)和02(备)网元，用于做主备网元来保障业务的稳定运行，接入层业务在业务通过MPLS VPN接入层进入数据网后，根据不同的接入层的网络结构到达业务目的地的接入层网元完成业务交互，接入层的网络结构可包括图2中的三种结构，从左至右依次为本地直连双归、本地链型双归和异地链型双归，同一对业务交互路径在正常情况下是固定且为最优路径。
需要说明的是，铁路互联网有其自身特点，某业务下的某数据包的传输路径比较固定，一般有主备两条路径，该路径一般不会发生变化，不同于通用的互联网的路由策略。所以可以针对各个业务的各个数据包建立固定路径的业务模型。利用实际业务的数据包建立业务模型。初始状态，业务模型为空。当发生一个数据包的传输时，记录下其传输路径，建立业务模型。该传输路径可能是没有问题的路径，也可能是存在问题的路径。那么通过第二次传输该数据包的路径来验证之前的路径，即下述步骤S130中提到的业务模型更新。
在一些实施例中，基于所述NetStream数据，在每个网元的入口与出口对同一条业务流进行排重，并按源和目的的子网进行分组，得到如表1所示的数据项：
| 数据项 | 样例 |
| 源子网 | 192.168.1.1/25 |
| 目的子网 | 192.168.3.1/25 |
| 网元 | HuaweiDR01 |
| 下一跳网元 | HuaweiAR01 |
| 网元入接口 | GigabitEthernet5/0/0 |
| 网元出接口 | GigabitEthernet1/1/0 |
表1
对表1中的数据进行汇总，建立业务路径模型；
具体地，在业务通过接入层进入数据网时，基于所示NetStream数据，得到业务的源地址、源地址子网掩码(src_mask)、目的地址和目的地址子网掩码(dst_mask)，以源地址和子网掩码作为业务起点，通过网元的出接口和下一跳为业务找到后续网元，同时监控后续业务数据，依次类推，得到业务模型，如下所示：
源子网->网元1->网元2->……->目的子网(n跳)；
源子网->网元1->网元3->……->目的子网(n跳)；
源子网1->网元3>网元4->……->目的子网1(n跳)；
源子网1->网元3->网元5->……->目的子网1(n跳)。
S130，将所述业务路径模型和已构建的历史模型进行比较，确定业务路径变化；基于所述业务路径变化，进行网络异常预判。
其中，所示历史模型为基于历史数据和/或人工录入数据等，进行构建的模型。
在一些实施例中，将构建的业务路径模型和已构建的历史模型进行比较，若历史模型中存在于所述业务路径模型重合的模型，则不进行继续判断，即，所述业务路径模型正常，无网络异常；
若历史模型中不存在所述业务路径模型，则进行进一步判断：
若所述业务路径模型跳次大于所述历史模型，则对所述业务路径模型进行标记；存在网络异常；
若所述业务路径模型跳次小于所述历史模型，则对所述业务路径模型进行更新；无网络异常，且优于历史模型，可根据所述业务路径模型数据对所述历史模型进行更新；
进一步地，对标记的业务路径模型进行差异化分析，确定网络异常原因；
具体地，
定位模型差异位置，找到差异的网元和接口；
结合snmp采集到的网元信息、接口信息、接口包信息，对所述业务路径模型进行分析，确定差异的网元和接口是否为主备关系；所述主备关系的判断条件为：网元是否为物理位置一致的01和02网元；
若不为主备关系，则产生一条需要人工干预的业务路径变化，并对干预后的确认结果进行模型学习。
若为主备关系，则判断是否为负载原因导致的业务路径变化，并根据判断结果生成告警信息，同时更新所述业务模型；具体地，若是，则产生一条高负载导致业务路径变化的告警并更新业务模型，若不是则产生一条需要人工干预的业务路径变化告警，并对干预后的结果进行模型更新或者确认。
根据本公开的实施例，实现了以下技术效果：
通过对数据网各个网元发送的NetStream数据进行分析整理，得到每个业务在数据网内完成业务运行时出现的网元、接口、跳跃次数，然后通过统计计算得到业务的业务路径模型，将得到的业务路径模型和历史模型进行比较、分析，判断业务路径变化的原因，实现了对网络异常的预判，在出现业务故障时能够进行即时定位，大幅度提高了故障检测效率。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本公开并不受所描述的动作顺序的限制，因为依据本公开，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于可选实施例，所涉及的动作和模块并不一定是本公开所必须的。
以上是关于方法实施例的介绍，以下通过装置实施例，对本公开所述方案进行进一步说明。
图3示出了根据本公开的实施例的基于数据网业务路径变化对网络异常进行预判的装置300的方框图。如图3所示，装置300包括：
获取模块310，用于获取NetStream数据；
处理模块320，用于对所述NetStream处理，得到每个业务的运行数据，构建业务路径模型；
预判模块330，用于将所述业务路径模型和已构建的历史模型进行比较，确定业务路径变化；基于所述业务路径变化，进行网络异常预判。
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，所述描述的模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
图4示出了可以用来实施本公开的实施例的电子设备400的示意性框图。如图所示，设备400包括中央处理单元(CPU)401，其可以根据存储在只读存储器(ROM)402中的计算机程序指令或者从存储单元408加载到随机访问存储器(RAM)403中的计算机程序指令，来执行各种适当的动作和处理。在RAM 403中，还可以存储设备400操作所需的各种程序和数据。CPU 401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
设备400中的多个部件连接至I/O接口405，包括：输入单元406，例如键盘、鼠标等；输出单元407，例如各种类型的显示器、扬声器等；存储单元408，例如磁盘、光盘等；以及通信单元409，例如网卡、调制解调器、无线通信收发机等。通信单元409允许设备400通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理单元401执行上文所描述的各个方法和处理，例如方法100。例如，在一些实施例中，方法100可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元408。在一些实施例中，计算机程序的部分或者全部可以经由ROM 402和/或通信单元409而被载入和/或安装到设备400上。当计算机程序加载到RAM 403并由CPU 401执行时，可以执行上文描述的方法100的一个或多个步骤。备选地，在其他实施例中，CPU 701可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行方法100。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)等等。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
此外，虽然采用特定次序描绘了各操作，但是这应当理解为要求这样操作以所示出的特定次序或以顺序次序执行，或者要求所有图示的操作应被执行以取得期望的结果。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实现中。相反地，在单个实现的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实现中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。
Claims (9)
1.一种基于数据网业务路径变化对网络异常进行预判的方法，其特征在于，包括：
获取NetStream数据；
对所述NetStream数据进行处理，得到每个业务的运行数据，构建业务路径模型；
将所述业务路径模型和已构建的历史模型进行比较，确定业务路径变化；基于所述业务路径变化，进行网络异常预判；
所述将所述业务路径模型和已构建的历史模型进行比较，确定业务路径变化包括：
若所述业务模型在所述历史模型中不存在，且跳次大于所述历史模型，则对所述业务模型进行标记；
若所述业务模型在所述历史模型中不存在，且跳次小于所述历史模型，则对所述业务模型进行更新；
若所述历史模型中存在于所述业务路径模型重合的模型，则不进行继续判断，确定所述业务路径模型正常，无网络异常；
若所述业务路径模型跳次大于所述历史模型，则对所述业务路径模型进行标记，存在网络异常；
若所述业务路径模型跳次小于所述历史模型，则对所述业务路径模型进行更新；无网络异常，且优于历史模型，可根据所述业务路径模型数据对所述历史模型进行更新。
2.根据权利要求1所述的方法，其特征在于，所述NetStream数据包括网元信息、源地址、目的地址、入网元接口、出网元接口、方向、源掩码、和/或目的掩码。
3.根据权利要求2所述的方法，其特征在于，所述对所述NetStream数据进行处理，得到每个业务的运行数据，构建业务路径模型包括：
对所述NetStream数据进行处理，得到业务的源地址、源地址子网掩码、目的地址和目的地址子网掩码；
将所述源地址、源地址子网掩码作为业务起点，通过网元的出接口和下一跳，确定业务的后续网元，同时对后续业务数据进行监控，构建业务路径模型。
4.根据权利要求1所述的方法，其特征在于，所述基于所述业务路径变化，进行网络异常预判包括：
基于标记的业务模型，进行网络异常判断。
5.根据权利要求4所述的方法，其特征在于，所述基于标记的业务模型，进行网络异常判断包括：
定位模型差异位置，确定差异的网元和接口；
对所述差异的网元进行分析，判断所述差异的网元和接口是否为主备关系；
若是，则判断是否为负载原因导致业务路径变化，并根据判断结果生成告警信息，同时更新所述业务模型。
6.根据权利要求5所述的方法，其特征在于，所述判断所述差异的网元和接口是否为主备关系包括：
判断网元的物理位置是否一致。
7.一种基于数据网业务路径变化对网络异常进行预判的装置，其特征在于，包括：
获取模块，用于获取NetStream数据；
处理模块，用于对所述NetStream数据进行处理，得到每个业务的运行数据，构建业务路径模型；
预判模块，用于将所述业务路径模型和已构建的历史模型进行比较，确定业务路径变化；基于所述业务路径变化，进行网络异常预判；
所述将所述业务路径模型和已构建的历史模型进行比较，确定业务路径变化包括：
若所述业务模型在所述历史模型中不存在，且跳次大于所述历史模型，则对所述业务模型进行标记；
若所述业务模型在所述历史模型中不存在，且跳次小于所述历史模型，则对所述业务模型进行更新；
若所述历史模型中存在于所述业务路径模型重合的模型，则不进行继续判断，确定所述业务路径模型正常，无网络异常；
若所述业务路径模型跳次大于所述历史模型，则对所述业务路径模型进行标记，存在网络异常；
若所述业务路径模型跳次小于所述历史模型，则对所述业务路径模型进行更新；无网络异常，且优于历史模型，可根据所述业务路径模型数据对所述历史模型进行更新。
8.一种电子设备，包括存储器和处理器，所述存储器上存储有计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1~6中任一项所述的方法。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1~6中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111403100.5A CN114050964B (zh) | 2021-11-24 | 2021-11-24 | 基于数据网业务路径变化对网络异常进行预判的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111403100.5A CN114050964B (zh) | 2021-11-24 | 2021-11-24 | 基于数据网业务路径变化对网络异常进行预判的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114050964A CN114050964A (zh) | 2022-02-15 |
| CN114050964B true CN114050964B (zh) | 2024-02-23 |
Family
ID=80210723
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111403100.5A Active CN114050964B (zh) | 2021-11-24 | 2021-11-24 | 基于数据网业务路径变化对网络异常进行预判的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114050964B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7760735B1 (en) * | 2007-02-06 | 2010-07-20 | Google Inc. | Method and system for discovering network paths |
| CN102710450A (zh) * | 2012-06-21 | 2012-10-03 | 华为技术有限公司 | 一种故障定位方法及装置 |
| CN103997451A (zh) * | 2014-06-05 | 2014-08-20 | 重庆金美通信有限责任公司 | 一种有关eigrp与rip混合组网的优化方法 |
| CN107528745A (zh) * | 2016-06-22 | 2017-12-29 | 中兴通讯股份有限公司 | 一种业务路径诊断方法和装置 |
| CN110071843A (zh) * | 2019-05-08 | 2019-07-30 | 山东浪潮云信息技术有限公司 | 一种基于流路径分析的故障定位方法及装置 |
| CN110891021A (zh) * | 2018-09-11 | 2020-03-17 | 中兴通讯股份有限公司 | 一种路径计算方法、装置及计算机可读存储介质 |
| CN111600759A (zh) * | 2020-05-22 | 2020-08-28 | 中国工商银行股份有限公司 | 拓扑结构中死锁故障的定位方法和装置 |
| CN112887108A (zh) * | 2019-11-29 | 2021-06-01 | 中兴通讯股份有限公司 | 故障定位方法、装置、设备及存储介质 |
| WO2021196936A1 (zh) * | 2020-04-01 | 2021-10-07 | 深圳壹账通智能科技有限公司 | 基于区块链的业务链数据校核方法、装置、存储介质、电子设备 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB2412033B (en) * | 2004-02-12 | 2006-11-15 | Parc Technologies Ltd | Traffic flow determination in communications networks |
| US8565073B2 (en) * | 2010-08-18 | 2013-10-22 | At&T Intellectual Property I, L.P. | Dynamic rerouting of data paths in a wireless communication network |
-
2021
- 2021-11-24 CN CN202111403100.5A patent/CN114050964B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7760735B1 (en) * | 2007-02-06 | 2010-07-20 | Google Inc. | Method and system for discovering network paths |
| CN102710450A (zh) * | 2012-06-21 | 2012-10-03 | 华为技术有限公司 | 一种故障定位方法及装置 |
| CN103997451A (zh) * | 2014-06-05 | 2014-08-20 | 重庆金美通信有限责任公司 | 一种有关eigrp与rip混合组网的优化方法 |
| CN107528745A (zh) * | 2016-06-22 | 2017-12-29 | 中兴通讯股份有限公司 | 一种业务路径诊断方法和装置 |
| CN110891021A (zh) * | 2018-09-11 | 2020-03-17 | 中兴通讯股份有限公司 | 一种路径计算方法、装置及计算机可读存储介质 |
| CN110071843A (zh) * | 2019-05-08 | 2019-07-30 | 山东浪潮云信息技术有限公司 | 一种基于流路径分析的故障定位方法及装置 |
| CN112887108A (zh) * | 2019-11-29 | 2021-06-01 | 中兴通讯股份有限公司 | 故障定位方法、装置、设备及存储介质 |
| WO2021196936A1 (zh) * | 2020-04-01 | 2021-10-07 | 深圳壹账通智能科技有限公司 | 基于区块链的业务链数据校核方法、装置、存储介质、电子设备 |
| CN111600759A (zh) * | 2020-05-22 | 2020-08-28 | 中国工商银行股份有限公司 | 拓扑结构中死锁故障的定位方法和装置 |
Non-Patent Citations (2)
| Title |
|---|
| Pengfei Lin ; Woo Young Choi.Model Predictive Path Planning Based on Artificial Potential Field and Its Application to Autonomous Lane Change.2020 20th International Conference on Control,Automation and Systems.2020,全文. * |
| 基于web的远程监测系统的研究和实现;刘春玉;中国优秀硕士学位论文数据库;20070416;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114050964A (zh) | 2022-02-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP7108674B2 (ja) | 故障根本原因決定方法及び装置並びにコンピュータ記憶媒体 | |
| JP6419967B2 (ja) | ネットワーク管理のためのシステムおよび方法 | |
| US10284444B2 (en) | Visual representation of end user response time in a multi-tiered network application | |
| JP6821800B2 (ja) | 対話型ネットワーク分析プラットフォームのためのシステムおよび方法 | |
| US10454782B2 (en) | System and method for automating network management tasks | |
| US7688758B2 (en) | Node merging process for network topology representation | |
| US20170317899A1 (en) | Using traffic data to determine network topology | |
| EP3222003B1 (en) | Inline packet tracing in data center fabric networks | |
| US8245079B2 (en) | Correlation of network alarm messages based on alarm time | |
| US20200021511A1 (en) | Performance analysis for transport networks using frequent log sequence discovery | |
| KR20170049509A (ko) | 선택된 네트워크 트래픽을 수집하고 분석하는 기법 | |
| CN113938407B (zh) | 基于带内网络遥测系统的数据中心网络的故障检测方法及装置 | |
| US11894969B2 (en) | Identifying root causes of network service degradation | |
| US20100094994A1 (en) | Network structure information acquiring method and device | |
| WO2021052380A1 (zh) | 提取故障传播条件的方法、装置及存储介质 | |
| CN110071843B (zh) | 一种基于流路径分析的故障定位方法及装置 | |
| CN114070752A (zh) | 测试方法、装置、电子设备及计算机可读存储介质 | |
| CN104518896A (zh) | 基于内部网关协议路由介数的网络脆弱性分析方法和装置 | |
| US20040158780A1 (en) | Method and system for presenting neighbors of a device in a network via a graphical user interface | |
| CN114050964B (zh) | 基于数据网业务路径变化对网络异常进行预判的方法 | |
| Zhang et al. | PCA-based network-wide correlated anomaly event detection and diagnosis | |
| Aryan et al. | SDN Spotlight: A real-time OpenFlow troubleshooting framework | |
| CN115514683A (zh) | 丢包原因确定方法、装置、交换芯片及存储介质 | |
| CN114338441A (zh) | 一种基于业务流量智能识别业务链路的分析方法 | |
| JP2019145893A (ja) | トポロジ決定装置、トポロジ決定方法、トポロジ決定プログラムおよび通信システム |
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 |