CN114257547A - 一种处理网络拥塞的方法和装置 - Google Patents
一种处理网络拥塞的方法和装置 Download PDFInfo
- Publication number
- CN114257547A CN114257547A CN202010995624.7A CN202010995624A CN114257547A CN 114257547 A CN114257547 A CN 114257547A CN 202010995624 A CN202010995624 A CN 202010995624A CN 114257547 A CN114257547 A CN 114257547A
- Authority
- CN
- China
- Prior art keywords
- internet
- communication
- things
- terminal
- things terminal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000012545 processing Methods 0.000 title claims abstract description 34
- 238000004891 communication Methods 0.000 claims abstract description 428
- 230000002159 abnormal effect Effects 0.000 claims abstract description 28
- 238000004590 computer program Methods 0.000 claims description 12
- 238000007405 data analysis Methods 0.000 abstract description 4
- 230000003993 interaction Effects 0.000 description 21
- 238000001514 detection method Methods 0.000 description 12
- 239000006185 dispersion Substances 0.000 description 9
- 230000005856 abnormality Effects 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 6
- 230000006399 behavior Effects 0.000 description 4
- 239000003245 coal Substances 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000005611 electricity Effects 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 238000007619 statistical method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000012141 concentrate Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/10—Flow control; Congestion control
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/50—Testing arrangements
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- 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
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Telephonic Communication Services (AREA)
Abstract
本发明公开了一种处理网络拥塞的方法和装置,用以解决由于终端集中访问而导致的网络拥塞。本方案包括:获取至少一个物联网终端的历史通信数据;根据历史通信数据生成物联网终端属性库;根据至少一个物联网终端的通信特征和历史通信数据预测至少一个物联网终端在执行通信的第一时刻的通信状态;当至少一个物联网终端中的目标物联网终端在第一时刻的通信状态异常时,生成用于指示目标物联网终端在第二时刻执行通信的网络拥塞处理策略。本方案根据物联网终端的历史通信数据分析确定通信特征,准确预测未来第一时刻物联网终端的通信状态,进而基于预测的通信状态指示物联网终端避免终端集中访问,有效避免网络拥塞。
Description
技术领域
本发明涉及通信领域,尤其涉及一种处理网络拥塞的方法和装置。
背景技术
物联网(The Internet of Things,IOT)是一个基于互联网、传统电信网等的信息承载体,它让所有能够被独立寻址的普通物理对象形成互联互通的网络。
目前,大多数物联网终端都是弱交互设备,为了节约设备电量,只会在其特定的时间周期内才会与服务器进行交互实现通信。如果当某一个类型的终端(如共享单车、水电煤抄表等)数量达到一定规模,且没有进行终端访问的时间离散规划,一旦终端在某个时间节点进行集中访问时,通常会导致网络拥塞。
如何有效解决由于终端集中访问而导致的网络拥塞,是本申请所要解决的技术问题。
发明内容
本申请实施例的目的是提供一种处理网络拥塞的方法和装置,用以解决由于终端集中访问而导致的网络拥塞。
第一方面,提供了一种处理网络拥塞的方法,包括:
获取至少一个物联网终端的历史通信数据,历史通信数据包括物联网终端执行通信的时刻;
根据历史通信数据生成物联网终端属性库,物联网终端属性库包括至少一个物联网终端执行通信的通信特征;
根据至少一个物联网终端的通信特征和历史通信数据预测至少一个物联网终端在执行通信的第一时刻的通信状态;
当至少一个物联网终端中的目标物联网终端在第一时刻的通信状态异常时,生成用于指示目标物联网终端在第二时刻执行通信的网络拥塞处理策略,其中,第二时刻与第一时刻不同。
第二方面,提供了一种处理网络拥塞的装置,包括:
获取模块,获取至少一个物联网终端的历史通信数据,历史通信数据包括物联网终端执行通信的时刻;
生成模块,根据历史通信数据生成物联网终端属性库,物联网终端属性库包括至少一个物联网终端执行通信的通信特征;
预测模块,根据至少一个物联网终端的通信特征和历史通信数据预测至少一个物联网终端在执行通信的第一时刻的通信状态;
处理模块,当至少一个物联网终端中的目标物联网终端在第一时刻的通信状态异常时,生成用于指示目标物联网终端在第二时刻执行通信的网络拥塞处理策略,其中,第二时刻与第一时刻不同。
第三方面,提供了一种电子设备,该电子设备包括处理器、存储器及存储在该存储器上并可在该处理器上运行的计算机程序,该计算机程序被该处理器执行时实现如第一方面该的方法的步骤。
第四方面,提供了一种计算机可读存储介质,该计算机可读存储介质上存储计算机程序,该计算机程序被处理器执行时实现如第一方面该的方法的步骤。
在本申请实施例中,通过获取至少一个物联网终端的历史通信数据并生成物联网终端属性库,进而根据至少一个物联网终端的通信特征和历史通信数据来预测物联网终端在第一时刻的通信状态,如果预测出目标物联网终端在第一时刻的通信状态异常,则生成指示目标物联网终端在第二时刻执行通信的网络拥塞处理策略,以指示目标物联网终端避开通信高峰时段,避免由于过多物联网终端集中通信而导致的网络拥塞问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本发明的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是本发明的一个实施例处理网络拥塞的方法流程示意图之一;
图2是本发明的一个实施例处理网络拥塞的方法流程示意图之二;
图3是本发明的一个实施例处理网络拥塞的方法流程示意图之三;
图4是本发明的一个实施例处理网络拥塞的方法流程示意图之四;
图5是本发明的一个实施例处理网络拥塞的方法流程示意图之五;
图6是本发明的一个实施例处理网络拥塞的方法流程示意图之六;
图7是本发明的一个实施例处理网络拥塞的装置结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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所有其他实施例,都属于本发明保护的范围。本申请中附图编号仅用于区分方案中的各个步骤,不用于限定各个步骤的执行顺序,具体执行顺序以说明书中描述为准。
在物联网领域中,物联网应用的数据产生于物联网产业链的各个环节,例如可以包括感知层、网络层、平台层和应用层中的至少一者。上述各个环节都可以产生大量的物联网数据,不同环节产生的数据类型、数据量也往往各不相同。这使得物联网应用产生的数据具有海量性、多态性等特性。每一个物联网传感节点都是一个信息源,能够流源源不断地产生数据。
另外,物联网能广泛应用于各个领域,不同领域、不同行业的物联网应用数据通常具有不同的类型和格式,因此物联网中数据多样性更为突出。当物联网传感节点数量较多时,大量的物联网传感节点可能会在同一时段内集中执行通信,由于网络资源有限,上述集中通信往往会导致网络拥塞。而如果通过人工分析来处理,则需要耗费较多的人力和时间,难以在第一时间解决网络拥塞问题。
当前大多数物联网终端都是弱交互设备,为了节约设备电量,只会在其特定的时间周期内才会与服务器进行交互。如果当某一个类型的终端(如共享单车、水电煤抄表等)数量达到一定规模,且没有进行终端访问的时间离散规划,一旦终端在某个时间节点进行集中访问时,对网络,对其云端服务器带来的影响都是巨大的。
为了解决现有技术中存在的问题,本申请实施例提供一种处理网络拥塞的方法,图1是本发明的一个实施例处理网络拥塞的方法流程示意图之一,如图1所示,包括以下步骤:
S11:获取至少一个物联网终端的历史通信数据,历史通信数据包括物联网终端执行通信的时刻。
上述历史通信数据例如可以是基于物联网终端识别库中,从电信运营商的管道数据中过滤筛选得到的全网物联网设备的网络交互数据。为了便于对历史通信数据进行读写处理,可以将上述过滤得到的物联网数据存储至数据库中。
历史通信数据除了包括物联网终端执行通信的时刻以外,还可以包括物联网终端执行通信的对象信息、数据类型、数据量等其他通信信息。
S12:根据历史通信数据生成物联网终端属性库,物联网终端属性库包括至少一个物联网终端执行通信的通信特征。
其中,可以根据上述历史通信数据分析得到物联网终端的品牌、型号等能够表征物联网终端类型的信息,以分析得到的能表征物联网终端类型的信息为维度,基于上述历史通信数据对各类物联网终端的业务行为特性、终端所在区域、交互时间周期等属性信息进行收集归类,形成物联网终端属性库。可选的,可以通过预设程序按预设周期定期获取数据并更新上述物联网终端属性库。
可选的,图2是本发明的一个实施例处理网络拥塞的方法流程示意图之二,如图2所示,上述步骤S12,根据历史通信数据生成物联网终端属性库,包括以下步骤:
S21:根据历史通信数据对至少一个物联网终端执行聚类;
S22:分别生成各类物联网终端的物联网终端子属性库。
上述物联网终端属性库可以分类存储上述至少一个物联网终端执行通信的通信特征。举例而言,假设现有物联网终端包括多辆非电动共享单车、多辆电动共享单车以及多辆共享汽车。那么,本申请实施例提供的方案中,可以先对历史通信数据执行聚类,将历史通信数据分为非电动共享单车的历史通信数据、电动共享单车的历史通信数据以及共享汽车的历史通信数据,然后分别对这三类历史通信数据进行解析处理,得到物联网终端执行通信的通信特征,进而将同类的物联网终端执行通信的通信特征归类存储,生成各类物联网终端的物联网终端子属性库。
可选的,物联网终端的通信特征包括以下至少一者:通信位置特征、通信时段特征、通信数据量特征。
上述通信位置特征例如可以包括物联网终端所在位置归属的区域,或者,物联网终端通常的移动路线等。根据通信位置特征能够确定该物联网终端在执行通信时所涉及的服务器、基站等通信设备,进而可以根据通信设备的负荷、数据量等参数预测物联网终端在未来时刻执行通信的通信状态。
上述通信时段特征例如可以包括物联网终端通常执行通信的时间,例如,共享单车可能会在每天凌晨11点-12点之间统一上报最近24小时内的业务数据,那么共享单车的通信时段特征可以包括在凌晨11点-12点高概率通信,在其他时段低概率通信。根据上述通信时段特征,可以有效预测各类物联网终端集中通信的时段,当大量物联网终端集中在同一时段执行通信时往往会导致网络拥塞,通过上述通信时段特征能有效提高预测未来时刻通信状态的准确性。
上述通信数据量特征例如可以包括物联网终端执行通信的数据量的大小。举例而言,共享单车在每天凌晨上报的业务数据可能包括骑行历程、骑行对象、支付金额等各类信息,数据量可能较大。相比较下,水电煤抄表定期上报的数据可以仅包括用户信息和抄表数值,与共享单车相比,水电煤抄表执行通信的数据量较小。通过上述通信数据量特征能提高预测未来时刻通信状态的准确性,当通信数据量较大时,导致网络拥塞的概率较高,当通信数据量较小时,导致网络拥塞的概率较低。
可选的,可以预先对物联网终端的通信特征设置多个级别。举例而言,基于地理位置预先划分市内区域和室外区域,根据物联网终端所在位置来确定该物联网终端的通信位置特征为“市内区域”或“室外区域”。或者,基于时间预先划分早9点-晚9点之间为白天时段,其余时段为夜晚时段,根据物联网终端通信时段来确定该物联网终端的通信时段特征为“白天时段”或“夜晚时段”。再或者,基于数据量的大小预先划分高数据量、中数据量、低数据量,根据物联网终端执行通信的数据量来确定该物联网终端的通信数据量特征为“高数据量”、“中数据量”或“低数据量”。
在实际应用过程中,物联网终端的通信特征还可以包括其他的类型,例如通信对象、通信数据类型等。可选的,对通信特征预设的级别数量也可以更多或更少。
下面通过实例列举出可能导致网络拥塞的情况。在本申请实施例中,通过对电信运营商的管道数据中过滤出来的物联网设备网络交互数据进行统计分析,会发现物联网终端与网络进行交互时,存在一定的规律性,例如可以有以下几种交互规律:
A、同款物联网终端集中同一时段访问
针对物联网终端的网络交互数据统计分析可以发现,物联网终端在空闲状态时,与网络没有过多的交互行为。但同一款物联网终端会被厂家设置在同一个时间段内统一上报数据给对应的服务器,存在一定的规律性,此种现象可能会导致服务器侧的资源受到冲击,导致网络拥塞,无法正常上报数据。
B、同一区域不同款的物联网终端同时段访问
不同款的物联网终端通常具有不同的网络交互行为,通过对物联网终端的网络交互数据统计分析发现,在同一个区域中,不同行业的物联网终端也可能会在同一个时间段内统一上报数据给对应的服务器,同一个区域中访问的时间过于集中,而此种现象可能会导致该区域的网络资源拥塞,无法正常上报数据。
对于上述两种可能导致网络拥塞的情况,可以根据这些可能导致网络拥塞的物联网终端的所在区域、通信时段、通信数据量等信息生成对应于物联网终端的通信特征,并存储至物联网终端属性库,以便在随后的步骤中针对这些物联网终端的通信特征来有针对性地生成网络拥塞处理策略。
S13:根据至少一个物联网终端的通信特征和历史通信数据预测至少一个物联网终端在执行通信的第一时刻的通信状态。
基于上述通信特征和历史通信数据能够解析得到物联网通信的通信规律,例如,目标共享单车往往在凌晨11点-12点执行最近24小时的业务数据上报。当第一时刻是11点30分时,根据目标共享单车的通信特征和历史通信数据能够确定上述第一时刻目标共享单车高概率执行通信。另外,可以根据通信特征中的通信位置特征、通信数据量特征等预测提供通信服务的通信设备的状态,以预测该目标共享单车在第一时刻的通信状态。
上述通信状态可以表征预测得到的物联网终端在第一时刻能否正常通信,通信状态例如可以为“正常”、“异常”等。
举例而言,假如目标共享单车所在区域内有大批量同类共享单车,这些共享单车均在11点-12点执行最近24小时的业务数据上报,则可以推断出目标共享单车在第一时刻的通信状态可以为“异常”。
S14:当至少一个物联网终端中的目标物联网终端在第一时刻的通信状态异常时,生成用于指示目标物联网终端在第二时刻执行通信的网络拥塞处理策略,其中,第二时刻与第一时刻不同。
在预测到上述至少一个物联网终端中包括在第一时刻通信状态异常的目标物联网终端时,可以根据目标物联网终端的历史通信数据、通信特征、目标物联网终端在第一时刻执行通信的相关通信设备等信息生成网络拥塞处理策略。
举例而言,预测到目标共享单车在11点30分由于所在区域的同类共享单车数量过多而通信状态异常,则可以生成推迟或提前目标共享单车执行通信的网络拥塞处理策略。比如,生成的网络拥塞处理策略可以包括指示目标共享单车于11点提前执行原定于11点30分的通信,以避开通信高峰时段,避免由于大量同类物联网终端集中通信而导致的网络拥塞问题。
通过本实施例提供的方案,获取至少一个物联网终端的历史通信数据并生成物联网终端属性库,进而根据至少一个物联网终端的通信特征和历史通信数据来预测物联网终端在第一时刻的通信状态,如果预测出目标物联网终端在第一时刻的通信状态异常,则生成指示目标物联网终端在第二时刻执行通信的网络拥塞处理策略,以指示目标物联网终端避开通信高峰时段,避免由于过多物联网终端集中通信而导致的网络拥塞问题。
在实际应用中,物联网应用提供商能够获取到物联网感知层和应用层上的数据,而电信网络运营商能够获取到物联网的网络层和平台层上的数据,这些网络层和平台层的数据不是应用层面的数据,但能够通过对这些数据的分析结果,掌握与物联网终端所属行业应用相关的网络通信行为特征。如果仅基于感知层和应用层的数据进行物联网大数据分析往往无法得到全面、完善的分析结果,本申请实施例提供的方案对物联网终端在网络中产生的数据进行分析。电信网络运营商可以通过对网络数据的分析,及时发现物联网终端的异常情况,从而保证物联网终端的正常使用,实现全面、完善的通信行为分析,能够提高预测未来第一时刻的物联网终端的通信状态的准确性,以便生成相对应的网络拥塞处理策略。
基于上述实施例提供的方案,可选的,上述步骤S11,获取至少一个物联网终端的历史通信数据,图3是本发明的一个实施例处理网络拥塞的方法流程示意图之三,如图3所示,包括以下步骤:
S31:获取物联网终端识别库中的至少一个物联网终端的标识;
S32:获取与至少一个物联网终端的标识相关联的历史通信数据。
物联网终端识别库可以包括预设的物联网终端的标识与相对应的物联网终端的信息。通过物联网终端识别库可以查询到物联网终端的品牌、种类、型号等信息。可选的,可以将批量的需要检测的物联网终端的标识和相关信息预先存入上述物联网终端识别库。举例而言,可以向共享单车商家获取共享单车的信息和标识,并关联存储至物联网终端识别库中。进而在获取历史通信数据的过程中,能够全面获取各类共享单车的历史通信数据,便于聚类存储至物联网终端属性库,提高物联网终端属性库的可读性。
基于上述实施例提供的方案,可选的,在上述步骤S13,根据至少一个物联网终端的通信特征和历史通信数据预测至少一个物联网终端在执行通信的第一时刻的通信状态之前,图4是本发明的一个实施例处理网络拥塞的方法流程示意图之四,如图4所示,还包括:
S41:根据至少一个物联网终端的通信特征生成通信异常标准;
其中,上述步骤S13,根据至少一个物联网终端的通信特征和历史通信数据预测至少一个物联网终端在执行通信的第一时刻的通信状态,包括:
S42:当至少一个物联网终端的历史通信数据表征至少一个物联网终端在第一时刻执行通信的通信数据符合通信异常标准时,预测至少一个物联网终端在第一时刻的通信状态异常。
在实际应用中,不同的物联网终端往往具有不同的通信特征,本实施例中根据物联网终端的通信特征来生成与物联网终端相对应的通信异常标准,能够使生成的通信异常标准与物联网终端的通信特征相对应,从而有针对性地判断物联网终端的通信状态是否异常。
上述通信异常标准可以包括对应于各个通信特征的通信异常子标准。例如,假设通信特征包括通信位置特征、通信时段特征以及通信数据量特征。则生成的通信异常标准则可以包括通信位置异常子标准、通信时段异常子标准和通信数据量异常子标准。
其中,通信异常子标准可以包括物联网终端通常所在的区域范围,当物联网终端位于通常所在的区域范围以外时判断物联网终端处于通信异常状态。
通信时段异常子标准可以包括物联网终端通常执行通信的时间长度,当物联网终端执行通信的时间长度超出通常执行通信的时间长度时,判断物联网终端处于通信异常状态。
通信数据量子标准可以包括物联网终端通常执行通信的数据量范围,当物联网终端执行通信的数据量超出上述数据量范围时,判断物联网终端处于通信异常状态。
另外,在实际应用中,通信异常标准还可以包括对应于其他种类的通信特征的通信异常子标准,该通信异常子标准可以根据物联网终端的实际类型和通信特征通过人工预先设置,也可以基于物联网终端的历史通信数据预先自动生成。
通过本申请实施例提供的方案能够生成与物联网终端的通信特征相对应的通信异常标准,从而针对于物联网终端的特征确定该物联网终端是否通信状态异常,有利于提高预测各类物联网终端的通信状态的准确性。
基于上述实施例提供的方案,可选的,物联网终端的通信特征包括通信位置特征和通信时段特征,图5是本发明的一个实施例处理网络拥塞的方法流程示意图之五,如图5所示,上述步骤S14中,生成用于指示目标物联网终端在第二时刻执行通信的网络拥塞处理策略,包括以下步骤:
S51:根据通信位置特征确定目标物联网终端所在的目标区域;
S52:确定目标区域内的物联网终端的通信特征;
S53:根据目标区域内的物联网终端的通信特征确定符合预设通信标准的闲时通信时段;
S54:根据闲时通信时段内生成用于指示目标物联网终端在第二时刻执行通信的网络拥塞处理策略,第二时刻在闲时通信时段内。
在本实施例中,可以以物联网终端的品牌、型号为维度基础,结合物联网终端网络交互数据的中小区维度,利用程序自动化统计分析出不同的物联网终端所在的具体目标区域。进而确定出该目标区域内的其他物联网终端,通过分析这些同在目标区域内的物联网终端的通信特征,能够确定该目标区域内物联网终端的忙时通信时段和闲时通信时段。
其中,大量物联网终端执行通信或物联网终端执行大数据量的通信的时段可以确定为忙时通信时段,而闲时通信时段则指少量物联网终端执行通信或物联网终端执行小数据量的通信的时段。在闲时通信时段内,用于提供五粮网终端通信功能的通信设备的负荷较低,目标物联网终端在闲时通信时段内执行通信的成功率较高。指示目标物联网终端在闲时通信时段内的第二时刻执行通信,能够提高目标物联网终端的通信质量,避免由于通信状态异常而导致的通信中断等情况。
基于上述实施例提供的方案,可选的,物联网终端的数量为多个,图6是本发明的一个实施例处理网络拥塞的方法流程示意图之六,如图6所示,上述步骤S13,根据至少一个物联网终端的通信特征和历史通信数据预测至少一个物联网终端在执行通信的第一时刻的通信状态,包括以下步骤:
S61:根据至少一个物联网终端的通信特征和历史通信数据确定通信数量阈值;
S62:当在第一时刻执行通信的物联网终端的数量超出通信数量阈值时,预测至少一个物联网终端在第一时刻的通信状态异常。
对于大部分提供物联网通信功能的通信设备而言,大量的物联网终端在同一时段集中执行通信往往会导致网络拥塞。本申请实施例提供的方案中,根据物联网终端的通信特征和历史通信数据来确定提供物联网通信功能的通信设备的负荷能力。具体而言,可以根据物联网终端的通信特征和历史通信数据来确定通信设备最多能够保证多少数量的物联网终端在同一时刻执行正常通信。
举例而言,解析物联网终端的通信特征和历史通信数据,得到同一时刻执行通信的物联网终端的数量不足1000个时,各个物联网终端的通信状态均正常。一旦在同一时刻执行通信的物联网终端数量超过1000个时,则会出现物联网终端的通信状态异常。此时,可以确定通信设备能够在同一时刻为不超过1000个物联网终端设备提供通信服务。那么,确定的通信数量阈值可以为小于或等于1000。
随后,当在第一时刻执行通信的物联网终端的数量超出1000个时,预测物联网终端在第一时刻的通信状态异常。其中,上述预测得到的至少一个物联网终端在第一时刻的通信状态异常,具体可以指上述至少一个物联网终端中存在至少一个在第一时刻通信状态异常的物联网终端。
通过本申请实施例提供的方案,能基于通信特征和历史通信数据来确定合理的通信数量阈值,进而提高预测通信状态异常的准确性。
基于上述实施例提供的方案,可选的,基于上述物联网终端属性库还可以生成用于预测未来时段物联网终端通信状态的离散度检测模型。具体而言,可以根据时间、地点这两个维度来生成上述离散度检测模型。
(1)单位时间内访问的离散度检测模型
从服务端来看,不同行业的物联网终端业务都会有对应的服务平台,并且这些服务平台基本是固定的。根据物联网终端属性库获取该款物联网终端的具体属性,基于物联网的网络交互数据,以单位时间、终端型号、服务端IP为分析维度,通过大数据分析算法,构建单位时间内访问的离散度监控检测模型,监控同款物联网终端的网络交互数据中服务器IP维度的控制面相关指标及业务面相关指标,如检测监控发现控制面及业务面相关指标出现异常波动时,则可以触发相关告警。
例如,离散度检测模型以1分钟粒度,对燃气表在线设备数以及在该时间粒度内出现的REST(休眠状态)设备数进行监控,当在线设备数大于6000以后可能出现交互失败。那么,当检测到在线设备数接近于6000时则可以生成相关告警信息进行告警。
(2)单位区域内访问的离散度检测模型
从无线环境来看,不同行业的物联网终端在同一个区域中同时集中访问,从而会导致该区域的无线网络资源拥塞,影响网络的交互质量。根据物联网终端的属性库,获取该款物联网终端的具体属性,基于物联网的网络交互数据,以单位时间、终端型号、小区名称为分析维度,通过大数据分析算法,构建单位区域内访问的离散度监控检测模型,监控不同行业物联网终端的网络交互数据中网络小区名称维度的控制面及业务面相关指标,如检测监控发现控制面相关指标及业务面相关指标出现异常波动时,将会触发相关告警。
例如,以不同的区域为维度,发现某些住宅、高校等物联网设备较集中的区域会出现集中访问,给无线网络带来较大压力的情况,具体情况如下表:
其中,总设备数指区域内具有通信功能的数量。物联网设备数可以指具有通信功能的设备中具有物联网通信功能的物联网终端的数量,该数量可以包括处于在线状态的(正在执行通信的)物联网设备的数量以及离线状态的(未执行通信的)物联网设备的数量。TOP物联网设备可以指该区域内数量最多的两种物联网设备。集中访问次数可以指出现集中执行通信的次数。忙时可以指物联网设备的在线数量高于预设数量或通信数据的数据量大于预设数量的时间点。
基于单位时间内访问离散度检测模型,监控检测发现某类物联网终端在同一单位时间内集中访问,导致服务平台的资源受到冲击,从而影响了服务平台的业务指标,影响了服务平台的网络交互质量出现网络拥塞。本申请实施例中,可以根据模型检测并定位的原因,再利用机器学习算法或其他方式生成网络拥塞处理策略,通过该策略控制物联网终端访问服务平台时实现离散访问,从而提升了数据交互效率,提高了网络交互质量,避免网络拥塞。
另外,如果在一区域内出现大量物联网终端集中执行通信的情况,则可以根据模型检测并定位的原因,再利用机器学习算法或其他方法生成网络拥塞处理策略,以控制物联网设备离散执行通信,避免网络拥塞。另外,运营商还可根据实际情况对网络进行扩容,从而提升区域内的网络交互质量,避免网络拥塞。
本申请实施例提供的方案中,能结合物联网终端的历史通信数据,分析确定物联网终端的各类通信特征,用于提高预测未来某个时刻的物联网终端的通信状态准确性。
本申请实施例还能有效监测物联网终端的通信状态,在可能出现网络拥塞时提前告警,以便有针对性地处理网络拥塞。
本申请实施例从物联网终端类型、时间、区域等维度分析确定物联网终端执行通信的通信特征,能有效提高预测的物联网终端通信状态的准确性。
为了解决现有技术中存在的问题,图7是本发明的一个实施例处理网络拥塞的装置结构示意图,如图7所示,本申请实施例还提供一种处理网络拥塞的装置70,包括:
获取模块71,获取至少一个物联网终端的历史通信数据,历史通信数据包括物联网终端执行通信的时刻;
生成模块72,根据历史通信数据生成物联网终端属性库,物联网终端属性库包括至少一个物联网终端执行通信的通信特征;
预测模块73,根据至少一个物联网终端的通信特征和历史通信数据预测至少一个物联网终端在执行通信的第一时刻的通信状态;
处理模块74,当至少一个物联网终端中的目标物联网终端在第一时刻的通信状态异常时,生成用于指示目标物联网终端在第二时刻执行通信的网络拥塞处理策略,其中,第二时刻与第一时刻不同。
可选的,基于上述实施例提供的装置,物联网终端的通信特征包括以下至少一者:
通信位置特征、通信时段特征、通信数据量特征。
可选的,基于上述实施例提供的装置,物联网终端的通信特征包括通信位置特征和通信时段特征,上述处理模块74用于:
根据通信位置特征确定目标物联网终端所在的目标区域;
确定目标区域内的物联网终端的通信特征;
根据目标区域内的物联网终端的通信特征确定符合预设通信标准的闲时通信时段;
根据闲时通信时段内生成用于指示目标物联网终端在第二时刻执行通信的网络拥塞处理策略,第二时刻在闲时通信时段内。
可选的,基于上述实施例提供的装置,上述获取模块71用于:
获取物联网终端识别库中的至少一个物联网终端的标识;
获取与至少一个物联网终端的标识相关联的通信数据。
可选的,基于上述实施例提供的装置,还包括异常标准生成模块72,用于:
在根据至少一个物联网终端的通信特征和历史通信数据预测至少一个物联网终端在执行通信的第一时刻的通信状态之前,
根据至少一个物联网终端的通信特征生成通信异常标准;
其中,上述预测模块73用于:
当至少一个物联网终端的历史通信数据表征至少一个物联网终端在第一时刻执行通信的通信数据符合通信异常标准时,预测至少一个物联网终端在第一时刻的通信状态异常。
可选的,基于上述实施例提供的装置,物联网终端的数量为多个,上述预测模块73用于:
根据至少一个物联网终端的通信特征和历史通信数据确定通信数量阈值;
当在第一时刻执行通信的物联网终端的数量超出通信数量阈值时,预测至少一个物联网终端在第一时刻的通信状态异常。
可选的,基于上述实施例提供的装置,上述生成模块72用于:
根据历史通信数据对至少一个物联网终端执行聚类;
分别生成各类物联网终端的物联网终端子属性库。
通过本实施例提供的方案,获取至少一个物联网终端的历史通信数据并生成物联网终端属性库,进而根据至少一个物联网终端的通信特征和历史通信数据来预测物联网终端在第一时刻的通信状态,如果预测出目标物联网终端在第一时刻的通信状态异常,则生成指示目标物联网终端在第二时刻执行通信的网络拥塞处理策略,以指示目标物联网终端避开通信高峰时段,避免由于过多物联网终端集中通信而导致的网络拥塞问题。
优选的,本发明实施例还提供一种电子设备,包括处理器,存储器,存储在存储器上并可在处理器上运行的计算机程序,该计算机程序被处理器执行时实现上述一种处理网络拥塞的方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
本发明实施例还提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现上述一种处理网络拥塞的方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。其中,的计算机可读存储介质,如只读存储器(Read-Only Memory,简称ROM)、随机存取存储器(Random AccessMemory,简称RAM)、磁碟或者光盘等。
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(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的方法。
上面结合附图对本发明的实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式,均属于本发明的保护之内。
Claims (10)
1.一种处理网络拥塞的方法,其特征在于,包括:
获取至少一个物联网终端的历史通信数据,历史通信数据包括物联网终端执行通信的时刻;
根据历史通信数据生成物联网终端属性库,物联网终端属性库包括至少一个物联网终端执行通信的通信特征;
根据至少一个物联网终端的通信特征和历史通信数据预测至少一个物联网终端在执行通信的第一时刻的通信状态;
当至少一个物联网终端中的目标物联网终端在第一时刻的通信状态异常时,生成用于指示目标物联网终端在第二时刻执行通信的网络拥塞处理策略,其中,第二时刻与第一时刻不同。
2.如权利要求1的方法,其特征在于,物联网终端的通信特征包括以下至少一者:
通信位置特征、通信时段特征、通信数据量特征。
3.如权利要求2的方法,其特征在于,物联网终端的通信特征包括通信位置特征和通信时段特征,生成用于指示目标物联网终端在第二时刻执行通信的网络拥塞处理策略,包括:
根据通信位置特征确定目标物联网终端所在的目标区域;
确定目标区域内的物联网终端的通信特征;
根据目标区域内的物联网终端的通信特征确定符合预设通信标准的闲时通信时段;
根据闲时通信时段内生成用于指示目标物联网终端在第二时刻执行通信的网络拥塞处理策略,第二时刻在闲时通信时段内。
4.如权利要求1的方法,其特征在于,获取至少一个物联网终端的历史通信数据,包括:
获取物联网终端识别库中的至少一个物联网终端的标识;
获取与至少一个物联网终端的标识相关联的历史通信数据。
5.如权利要求1的方法,其特征在于,在根据至少一个物联网终端的通信特征和历史通信数据预测至少一个物联网终端在执行通信的第一时刻的通信状态之前,还包括:
根据至少一个物联网终端的通信特征生成通信异常标准;
其中,根据至少一个物联网终端的通信特征和历史通信数据预测至少一个物联网终端在执行通信的第一时刻的通信状态,包括:
当至少一个物联网终端的历史通信数据表征至少一个物联网终端在第一时刻执行通信的通信数据符合通信异常标准时,预测至少一个物联网终端在第一时刻的通信状态异常。
6.如权利要求1的方法,其特征在于,物联网终端的数量为多个,根据至少一个物联网终端的通信特征和历史通信数据预测至少一个物联网终端在执行通信的第一时刻的通信状态,包括:
根据至少一个物联网终端的通信特征和历史通信数据确定通信数量阈值;
当在第一时刻执行通信的物联网终端的数量超出通信数量阈值时,预测至少一个物联网终端在第一时刻的通信状态异常。
7.如权利要求1的方法,其特征在于,根据历史通信数据生成物联网终端属性库,包括:
根据历史通信数据对至少一个物联网终端执行聚类;
分别生成各类物联网终端的物联网终端子属性库。
8.一种处理网络拥塞的装置,其特征在于,包括:
获取模块,获取至少一个物联网终端的历史通信数据,历史通信数据包括物联网终端执行通信的时刻;
生成模块,根据历史通信数据生成物联网终端属性库,物联网终端属性库包括至少一个物联网终端执行通信的通信特征;
预测模块,根据至少一个物联网终端的通信特征和历史通信数据预测至少一个物联网终端在执行通信的第一时刻的通信状态;
处理模块,当至少一个物联网终端中的目标物联网终端在第一时刻的通信状态异常时,生成用于指示目标物联网终端在第二时刻执行通信的网络拥塞处理策略,其中,第二时刻与第一时刻不同。
9.一种电子设备,其特征在于,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,计算机程序被处理器执行时实现如权利要求1至7中任一项的方法的步骤。
10.一种计算机可读存储介质,其特征在于,计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现如权利要求1至7中任一项的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010995624.7A CN114257547B (zh) | 2020-09-21 | 2020-09-21 | 一种处理网络拥塞的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010995624.7A CN114257547B (zh) | 2020-09-21 | 2020-09-21 | 一种处理网络拥塞的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114257547A true CN114257547A (zh) | 2022-03-29 |
CN114257547B CN114257547B (zh) | 2023-11-10 |
Family
ID=80789008
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010995624.7A Active CN114257547B (zh) | 2020-09-21 | 2020-09-21 | 一种处理网络拥塞的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114257547B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012151805A1 (zh) * | 2011-05-06 | 2012-11-15 | 中兴通讯股份有限公司 | 控制终端接入的方法及系统、移动管理单元 |
CN103702344A (zh) * | 2013-12-30 | 2014-04-02 | 中国联合网络通信集团有限公司 | 一种无线m2m终端的通信控制方法及系统 |
WO2015035573A1 (zh) * | 2013-09-11 | 2015-03-19 | 华为技术有限公司 | 一种网络传输方法和装置 |
CN105119769A (zh) * | 2015-07-01 | 2015-12-02 | 北京梅泰诺通信技术股份有限公司 | 一种对周期性数据上报进行时间散列的系统 |
CN106101238A (zh) * | 2016-06-22 | 2016-11-09 | 深圳市慧云物联网技术有限公司 | 一种物联网终端通信管控的方法和装置 |
CN107360217A (zh) * | 2017-06-21 | 2017-11-17 | 深圳市盛路物联通讯技术有限公司 | 一种基于地理位置和时间的数据上报方法及系统 |
CN109617765A (zh) * | 2019-01-02 | 2019-04-12 | 中国联合网络通信集团有限公司 | 一种物联网连接质量的预测方法和装置 |
CN110267351A (zh) * | 2018-03-12 | 2019-09-20 | 华为技术有限公司 | 通信方法和装置 |
CN110831168A (zh) * | 2018-08-09 | 2020-02-21 | 中国电信股份有限公司 | 通信方法、系统、物联网平台和计算机可读存储介质 |
CN110831065A (zh) * | 2020-01-09 | 2020-02-21 | 武汉慧联无限科技有限公司 | 一种拥塞控制方法和物联网平台 |
CN112702219A (zh) * | 2019-10-22 | 2021-04-23 | 中国移动通信有限公司研究院 | 物联网网络监测方法、装置、设备及存储介质 |
-
2020
- 2020-09-21 CN CN202010995624.7A patent/CN114257547B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012151805A1 (zh) * | 2011-05-06 | 2012-11-15 | 中兴通讯股份有限公司 | 控制终端接入的方法及系统、移动管理单元 |
WO2015035573A1 (zh) * | 2013-09-11 | 2015-03-19 | 华为技术有限公司 | 一种网络传输方法和装置 |
CN103702344A (zh) * | 2013-12-30 | 2014-04-02 | 中国联合网络通信集团有限公司 | 一种无线m2m终端的通信控制方法及系统 |
CN105119769A (zh) * | 2015-07-01 | 2015-12-02 | 北京梅泰诺通信技术股份有限公司 | 一种对周期性数据上报进行时间散列的系统 |
CN106101238A (zh) * | 2016-06-22 | 2016-11-09 | 深圳市慧云物联网技术有限公司 | 一种物联网终端通信管控的方法和装置 |
CN107360217A (zh) * | 2017-06-21 | 2017-11-17 | 深圳市盛路物联通讯技术有限公司 | 一种基于地理位置和时间的数据上报方法及系统 |
CN110267351A (zh) * | 2018-03-12 | 2019-09-20 | 华为技术有限公司 | 通信方法和装置 |
CN110831168A (zh) * | 2018-08-09 | 2020-02-21 | 中国电信股份有限公司 | 通信方法、系统、物联网平台和计算机可读存储介质 |
CN109617765A (zh) * | 2019-01-02 | 2019-04-12 | 中国联合网络通信集团有限公司 | 一种物联网连接质量的预测方法和装置 |
CN112702219A (zh) * | 2019-10-22 | 2021-04-23 | 中国移动通信有限公司研究院 | 物联网网络监测方法、装置、设备及存储介质 |
CN110831065A (zh) * | 2020-01-09 | 2020-02-21 | 武汉慧联无限科技有限公司 | 一种拥塞控制方法和物联网平台 |
Non-Patent Citations (3)
Title |
---|
FEYZULLAH KALYONCU: "\"A Data Analysis Methodology for Obtaining Network Slices Towards 5G Cellular Networks\"", 《 IEEE》 * |
李鸿健: ""一种可变周期反馈的动态负载均衡算法"", 《电子测量与仪器学报》 * |
陈伟玲: "\"物联网通信服务平台保障系统的设计与实现\"", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Also Published As
Publication number | Publication date |
---|---|
CN114257547B (zh) | 2023-11-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109684179B (zh) | 系统故障的预警方法、装置、设备及存储介质 | |
US8161058B2 (en) | Performance degradation root cause prediction in a distributed computing system | |
US7519860B2 (en) | System, device and method for automatic anomaly detection | |
CN109918279B (zh) | 电子装置、基于日志数据识别用户异常操作的方法及存储介质 | |
CN107423205B (zh) | 一种用于数据防泄漏系统的系统故障预警方法及系统 | |
CN105550100A (zh) | 一种信息系统故障自动恢复的方法及系统 | |
CN109687993A (zh) | 一种基于区块链的物联网告警管理系统和方法 | |
CN110765189A (zh) | 互联网产品的异常管理方法和系统 | |
CN109995558B (zh) | 故障信息处理方法、装置、设备及存储介质 | |
CN113672939A (zh) | 一种终端行为告警溯源分析的方法、装置、设备及介质 | |
CN115421950A (zh) | 一种基于机器学习的自动化系统运维管理方法及系统 | |
CN115001989A (zh) | 一种设备预警方法、装置、设备及可读存储介质 | |
CN114138601A (zh) | 一种业务告警方法、装置、设备及存储介质 | |
CN111078503B (zh) | 一种异常监控方法及系统 | |
CN114257547B (zh) | 一种处理网络拥塞的方法和装置 | |
CN107590008A (zh) | 一种通过加权熵判断分布式集群可靠度的方法和系统 | |
WO2023111392A1 (en) | Method and system for modifying state of device using detected anomalous behavior | |
CN114860543A (zh) | 异常检测方法、装置、设备与计算机可读存储介质 | |
CN114861909A (zh) | 模型质量监控方法、装置、电子设备以及存储介质 | |
CN114356737A (zh) | 模型监测方法、设备、存储介质及计算机程序产品 | |
CN112398706B (zh) | 数据评估标准确定方法、装置及存储介质、电子设备 | |
CN111327442B (zh) | 基于控制图的投诉预警阈值获取方法及装置 | |
CN111669294A (zh) | 监控系统配置方法、装置、监控系统和存储介质 | |
CN105099819A (zh) | 一种监控网站状态的系统和方法 | |
CN114422332B (zh) | 网络切片控制方法、装置、处理设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |