CN114500290B - 云平台网关节点探测拓扑生成的方法、装置、设备及介质 - Google Patents
云平台网关节点探测拓扑生成的方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN114500290B CN114500290B CN202111572385.5A CN202111572385A CN114500290B CN 114500290 B CN114500290 B CN 114500290B CN 202111572385 A CN202111572385 A CN 202111572385A CN 114500290 B CN114500290 B CN 114500290B
- Authority
- CN
- China
- Prior art keywords
- nodes
- gateway node
- detection
- node
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 175
- 238000000034 method Methods 0.000 title claims abstract description 51
- 230000000977 initiatory effect Effects 0.000 claims abstract description 77
- 239000000523 sample Substances 0.000 claims description 28
- 238000012217 deletion Methods 0.000 claims description 23
- 230000037430 deletion Effects 0.000 claims description 23
- 238000012545 processing Methods 0.000 claims description 14
- 238000010276 construction Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 5
- 238000003491 array Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000012360 testing method Methods 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
- H04L41/12—Discovery or management of network topologies
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0803—Configuration setting
- H04L41/0806—Configuration setting for initial configuration or provisioning, e.g. plug-and-play
-
- 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
- H04L67/10—Protocols in which an application is distributed across nodes in the network
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种云平台网关节点探测拓扑生成的方法、装置、设备及介质，拓扑生成的方法包括：基于已获取的节点数据和边数据构建有向图，以各个网关节点作为待探测的节点，根据有向图得到各个网关节点的入向度，确定云平台下的各个可用区中用于对各个网关节点发起探测的节点总数量；根据各个网关节点的入向度和发起探测的节点总数量生成探测关系数据，利用探测关系数据生成云平台网关节点探测拓扑。本发明基于有向图确定网关节点的入向度，通过入向度和对网关节点发起探测的节点总数量生成探测关系数据，以生成云平台网关节点探测拓扑。可见本发明能够极大提高拓扑生成效率、减少了拓扑生成耗时，相比于现有技术对硬件资源的要求更低。
Description
技术领域
本发明涉及云计算虚拟网络技术领域，更为具体地，本发明能够提供一种云平台网关节点探测拓扑生成的方法、装置、设备及介质。
背景技术
云计算是分布式计算的一种，以IAAS(Infrastructure AsA Service，基础设施即服务)为例，其计算节点为用户提供云主机服务，网关节点为用户提供流量转发服务，网关服务通过分布式方式集群部署在网关节点上。由于云计算技术中往往会使用大量的网关节点，例如几千几万个网关节点甚至可能更多，所以在云平台下合理地布置网关节点就显得尤为重要。但由于现有云计算技术存在的技术局限，常规生成云平台网关节点探测拓扑的方法复杂、低效、耗时长，亟待需要改进或优化。
发明内容
为解决现有生成云平台网关节点探测拓扑的方法存在较复杂、效率低、耗时长等问题，本发明实施例能够提供一种云平台网关节点探测拓扑生成的方法、装置、设备及介质，以解决现有技术存在的至少一个问题。
为实现上述的技术目的，本发明提供了一种云平台网关节点探测拓扑生成的方法，该方法可包括但不限于如下的一个或多个步骤。
基于已获取的节点数据和边数据构建有向图。
以各个网关节点作为待探测的节点，根据所述有向图得到各个网关节点的入向度。
确定云平台下的各个可用区中用于对所述各个网关节点发起探测的节点总数量。
根据所述各个网关节点的入向度和所述发起探测的节点总数量生成探测关系数据，所述探测关系数据包括边删除数据、边添加数据中的至少一种。
利用所述探测关系数据生成云平台网关节点探测拓扑。
进一步地，所述根据所述各个网关节点的入向度和所述发起探测的节点总数量生成探测关系数据包括：
根据所述网关节点的入向度大于所述发起探测的节点总数量，则生成边删除数据。
根据所述网关节点的入向度小于所述发起探测的节点总数量，则生成边添加数据。
进一步地，所述生成边删除数据包括：确定由所述可用区中的节点至网关节点的待删除边的第一数量，所述第一数量为所述网关节点的入向度与所述发起探测的节点总数量的差。
所述生成边添加数据包括：确定由所述可用区中的节点至网关节点的待添加边的第二数量，所述第二数量为所述发起探测的节点总数量与所述网关节点的入向度的差。
进一步地，所述确定由所述可用区中的节点至网关节点的待删除边的第一数量包括：根据出向度对与网关节点关联的可用区中的节点进行大顶堆处理，以基于堆顶确定第一数量的待删除边对应的节点。
所述确定由所述可用区中的节点至网关节点的待添加边的第二数量包括：根据出向度对可用区中所有节点进行大顶堆处理，以基于堆底确定第二数量的待添加边对应的节点。
进一步地，所述确定云平台下的各个可用区中用于对所述各个网关节点发起探测的节点总数量包括：
从可用区中节点数量、预设最少节点数量中选取最小值。
从所述最小值、预设比例的可用区中节点数量中选取最大值。
以所述最大值作为所述发起探测的节点总数量。
进一步地，所述根据所述有向图得到各个网关节点的入向度包括：
基于所述边数据确定用于作为目的节点的网关节点的字段数据，所述边数据包括源节点的字段数据和目的节点的字段数据。
利用所述作为目的节点的网关节点的字段数据得到所述网关节点的入向度。
为实现上述的技术目的，本发明还能够提供一种云平台网关节点探测拓扑生成的装置，该装置可包括但不限于有向图构建模块、入向度确定模块、探测数确定模块、探测关系生成模块以及探测拓扑生成模块。
有向图构建模块，用于基于已获取的节点数据和边数据构建有向图。
入向度确定模块，用于以各个网关节点作为待探测的节点，根据所述有向图得到各个网关节点的入向度。
探测数确定模块，用于确定云平台下的各个可用区中用于对所述各个网关节点发起探测的节点总数量。
探测关系生成模块，用于根据所述各个网关节点的入向度和所述发起探测的节点总数量生成探测关系数据，所述探测关系数据包括边删除数据、边添加数据中的至少一种。
探测拓扑生成模块，用于利用所述探测关系数据生成云平台网关节点探测拓扑。
为实现上述的技术目的，本发明还能够提供一种计算机设备，计算机设备包括存储器和处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行本发明任一实施例中所述云平台网关节点探测拓扑生成的方法的步骤。
为实现上述的技术目的，本发明还可提供一种存储有计算机可读指令的存储介质，所述计算机可读指令被一个或多个处理器执行时，使得所述一个或多个处理器执行本发明任一实施例中的所述云平台网关节点探测拓扑生成的方法的步骤。
为实现上述的技术目的，本发明还能够提供一种计算机程序产品，当所述计算机程序产品中的指令由处理器执行时，执行本发明任一实施例中所述云平台网关节点探测拓扑生成的方法的步骤。
本发明的有益效果为：
本发明基于有向图确定网关节点的入向度，通过网关节点的入向度和对网关节点发起探测的节点总数量生成探测关系数据，进而通过探测关系数据生成云平台网关节点探测拓扑。可见本发明能够极大提高云平台网关节点探测拓扑生成效率、减少了拓扑生成耗时，本发明相比于现有技术对硬件资源要求更低。本发明能够实现在不同可用区中选取一定数量的探测节点，进而具体构造不同可用区中计算节点到网关节点、网关节点到网关节点的探测拓扑。
本发明可根据配置动态在不同可用区中选取探测节点，探测节点可以配置比例或配置最少数量，存量探测关系每次均可重新加载，拓扑生成的流程可反复执行且可中断。本发明选取增加探测关系节点时，通过堆排序获取可用区中探测目标最少的节点，而选取删除探测关系节点时，通过堆排序获取可用区中探测目标最多的节点，在不添加新节点的情况下同可用区中探测目标数相差不会超过2，添加新节点的情况下也会逐步收敛。
附图说明
图1示出了本发明一个或多个实施例中的云平台网关节点探测拓扑生成的方法的流程示意图。
图2示出了本发明一个或多个实施例中的结合入向度和发起探测的节点数量的网关节点探测拓扑生成的方法的流程示意图。
图3示出了本发明一个或多个实施例中基于搜索服务器的网关节点探测拓扑生成的方法的流程示意图。
图4示出了本发明一个或多个实施例中的云平台网关节点探测拓扑生成的装置的结构组成示意图。
图5示出了本发明一个或多个实施例中的计算机设备的内部结构的组成示意图。
具体实施方式
下面结合说明书附图对本发明提供的一种云平台网关节点探测拓扑生成的方法、装置、设备及介质进行详细的解释和说明。
如图1所示，并可结合图2和图3，本发明一个或多个实施例可提供一种云平台网关节点探测拓扑生成的方法，该方法可包括但不限于如下的一个或多个步骤。
本发明实施例采用node(节点)数据结构标识网关节点和计算节点，采用az字段标识节点所属可用区(Availability Zone)。网关节点可以是源节点或目的节点，计算节点可以是源节点或目的节点。本发明实施例的节点间探测关系使用edge(边)数据结构进行标识，节点间探测关系包括但不限于非网关节点向网关节点的探测关系，当然并不限于此。
首先，基于已获取的节点数据和边数据构建有向图。节点数据可包括但不限于网关节点数据和计算节点数据，边数据包括源节点的字段数据和目的节点的字段数据。其中，本发明实施例源节点ID可使用src_id字段标识，目的节点ID可使用dst_id字段标识。本发明实施例中的节点数据和边数据存储在搜索服务器(Elasticsearch)中。
具体地，本发明实施例从搜索服务器中获取全量的节点数据和全量的边数据，即获取到当前云平台下的所有节点数据和所有边数据。然后，本发明实施例加载已获取的节点数据和边数据，构造节点为点、探测关系为有向边的有向图；其中，发起探测的节点为源节点，被探测的节点为目的节点。
其次，以各个网关节点作为待探测的节点，根据有向图得到各个网关节点的入向度m。
如图2、3所示，本发明实施例根据有向图得到各个网关节点的入向度包括：基于边数据确定用于作为目的节点的网关节点的字段数据，边数据包括源节点的字段数据src_id字段和目的节点的字段数据dst_id字段；利用作为目的节点的网关节点的字段数据得到网关节点的入向度，本发明具体能够确定网关节点被不同可用区探测的节点数量，本实施例具体实施时可以采用HashMap方式对节点的入向度和出向度进行存储，以src_id字段和dst_id字段为key(密钥)获取存储的数据，当然并不限于此。
再次，确定云平台下的各个可用区中用于对各个网关节点发起探测的节点总数量。本发明实施例根据可用区对节点进行分组，即一个可用区内的所有节点为一组，以保证每个可用区中都有一定数量节点探测网关节点。
可选地，本发明一个或多个实施例确定云平台下的各个可用区中用于对各个网关节点发起探测的节点总数量包括：从可用区中节点数量、预设最少节点数量中选取最小值，从最小值、预设比例的可用区中节点数量中选取最大值，以最大值作为发起探测的节点总数量；本实施例各个可用区中用于对各个网关节点发起探测的节点总数量n具体通过如下公式表示。
n＝max{min(可用区中节点数量，预设最少节点数)，可用区中节点数量*预设比例)}
然后，根据各个网关节点的入向度和发起探测的节点总数量生成探测关系数据，探测关系数据可包括边删除数据、边添加数据中的至少一种。对于各个网关节点的入向度m和可用区中用于对各个网关节点发起探测的节点总数量n，本发明实施例逐个可用区生成对网关节点的探测关系，以得到各个可用区对网关节点的探测关系数据，并可使用edge(边)数据结构进行标识。
如图3所示，本发明实施例根据各个网关节点的入向度和发起探测的节点总数量生成探测关系数据包括：对于任一个网关节点，根据网关节点的入向度大于发起探测的节点总数量，即m＞n，则生成边删除数据；以及根据网关节点的入向度小于发起探测的节点总数量，即m＜n，则生成边添加数据。如果网关节点的入向度等于发起探测的节点总数量，则跳过当前的网关节点，对下一个待探测网关节点进行判断。可见本发明对任一待探测的网关节点，都能够得到各个可用区对网关节点的探测关系数据。
具体地，本发明实施例生成边删除数据包括：确定由可用区中的节点至网关节点的待删除边的第一数量，第一数量为网关节点的入向度与发起探测的节点总数量的差m-n，并更新节点的出向度、入向度等信息，以及记录待删除边相关信息。本发明实施例生成边添加数据包括：确定由可用区中的节点至网关节点的待添加边的第二数量，第二数量可为发起探测的节点总数量与网关节点的入向度的差n-m，并更新节点的出向度、入向度等信息，以及记录待添加边相关信息。
更为具体地，本发明实施例确定由可用区中的节点至网关节点的待删除边的第一数量包括：根据出向度对与网关节点关联的可用区中的节点进行大顶堆处理，以基于堆顶确定第一数量的待删除边对应的节点。具体地，本实施例以源节点出向度为值构建节点大顶堆，添加节点过程中，源节点与目的节点相同时跳过，源节点与目的节点已存在时跳过，然后从大顶堆堆顶选取m-n个节点，以用于删除这些节点至待探测网关节点之间的探测关系。本实施例确定由可用区中的节点至网关节点的待添加边的第二数量包括：根据出向度对可用区中所有节点进行大顶堆处理，以基于堆底确定第二数量的待添加边对应的节点。具体地，本实施例以源节点出向度为值构建节点大顶堆，添加节点过程中，源节点与目的节点相同时跳过，源节点与目的节点已存在时跳过，具体构建大顶堆时，本实施例每次添加源节点后判断堆长度是否大于n-m，大于时从堆顶取出多于的n-m个节点，在所有源节点都添加完成后，得到的大顶堆中的节点为待添加节点，该过程实现了基于堆底确定n-m个待添加边对应的节点。因此，本发明选取增加探测关系节点时，通过堆排序获取可用区中探测目标最少的节点，而选取删除探测关系节点时，通过堆排序获取可用区中探测目标最多的节点，在不添加新节点的情况下同可用区中的探测目标数相差不会超过2，添加新节点的情况下也会逐步收敛；可见本发明使得可用区内作为源节点的节点出向度更均匀，实现对节点资源的均匀利用，提升云平台整体性能。
最后，利用探测关系数据生成云平台网关节点探测拓扑。本实施例针对租户内网，可生成计算节点到网关节点的探测拓扑；针对租户外网，本实施例生成外部网关节点到外部网关节点的探测拓扑；当然并不限于此。本发明实施例可汇总云平台下各个可用区的待添加边、待删除边数据，并可将待添加的边的相关数据和待删除的边的相关数据持久化到搜索服务器中，实现对生成的云平台网关节点探测拓扑的存储，使用时直接调用即可，本发明实施例不再进行赘述。
本发明能够用于需要探测节点连通性的场景，生成探测拓扑。在测试环境下，本实施例模拟3个资源池，每个资源池有5k台计算节点，2个网关资源池，每个500台网关节点，每台网关节点可被0.1*3*5k个节点探测，探测关系总共150w个，1个Elasticsearch节点，一次全量拓扑生成需要50s，有存量数据时，一次全量拓扑生成仅需要20s。
如图4所示，与云平台网关节点探测拓扑生成的方法基于相同的技术构思，本发明一个或多个实施例还能够提供一种云平台网关节点探测拓扑生成的装置。该探测拓扑生成的装置可以包括但不限于有向图构建模块、入向度确定模块、探测数确定模块、探测关系生成模块以及探测拓扑生成模块，具体说明如下。
有向图构建模块，用于基于已获取的节点数据和边数据构建有向图。
入向度确定模块，用于以各个网关节点作为待探测的节点，根据有向图得到各个网关节点的入向度。
可选地，入向度确定模块用于基于边数据确定用于作为目的节点的网关节点的字段数据，并用于利用作为目的节点的网关节点的字段数据得到网关节点的入向度；边数据包括源节点的字段数据和目的节点的字段数据。
探测数确定模块，用于确定云平台下的各个可用区中用于对各个网关节点发起探测的节点总数量。
可选地，探测数确定模块用于从可用区中节点数量、预设最少节点数量中选取最小值，并用于从最小值、预设比例的可用区中节点数量中选取最大值，以及用于以最大值作为发起探测的节点总数量。
探测关系生成模块，用于根据各个网关节点的入向度和发起探测的节点总数量生成探测关系数据，探测关系数据包括边删除数据、边添加数据中的至少一种。
可选地，探测关系生成模块用于根据网关节点的入向度大于发起探测的节点总数量，则生成边删除数据；探测关系生成模块用于根据网关节点的入向度小于发起探测的节点总数量，则生成边添加数据。
可选地，探测关系生成模块可用于确定由可用区中的节点至网关节点的待删除边的第一数量，第一数量为网关节点的入向度与发起探测的节点总数量的差。探测关系生成模块可用于确定由可用区中的节点至网关节点的待添加边的第二数量，第二数量为发起探测的节点总数量与网关节点的入向度的差。
可选地，探测关系生成模块可用于根据出向度对与网关节点关联的可用区中的节点进行大顶堆处理，以基于堆顶确定第一数量的待删除边对应的节点；探测关系生成模块可用于根据出向度对可用区中所有节点进行大顶堆处理，以基于堆底确定第二数量的待添加边对应的节点。
探测拓扑生成模块，用于利用探测关系数据生成云平台网关节点探测拓扑。
如图5所示，与云平台网关节点探测拓扑生成的方法基于相同的技术构思，本发明一个或多个实施例还能够提供一种计算机设备，计算机设备包括存储器和处理器，存储器中存储有计算机可读指令，计算机可读指令被处理器执行时，使得处理器执行本发明任一实施例中的云平台网关节点探测拓扑生成的方法的步骤。其中云平台网关节点探测拓扑生成的方法可包括但不限于如下的步骤：首先，基于已获取的节点数据和边数据构建有向图。其次，以各个网关节点作为待探测的节点，根据有向图得到各个网关节点的入向度。可选地，本发明实施例根据有向图得到各个网关节点的入向度包括：基于边数据确定用于作为目的节点的网关节点的字段数据，边数据包括源节点的字段数据和目的节点的字段数据；利用作为目的节点的网关节点的字段数据得到网关节点的入向度。再次，确定云平台下的各个可用区中用于对各个网关节点发起探测的节点总数量。可选地，本发明一个或多个实施例确定云平台下的各个可用区中用于对各个网关节点发起探测的节点总数量包括：从可用区中节点数量、预设最少节点数量中选取最小值，从最小值、预设比例的可用区中节点数量中选取最大值，以最大值作为发起探测的节点总数量。然后，根据各个网关节点的入向度和发起探测的节点总数量生成探测关系数据，探测关系数据包括边删除数据、边添加数据中的至少一种。可选地，本发明实施例根据各个网关节点的入向度和发起探测的节点总数量生成探测关系数据包括：根据网关节点的入向度大于发起探测的节点总数量，则生成边删除数据；根据网关节点的入向度小于发起探测的节点总数量，则生成边添加数据。具体地，本发明实施例生成边删除数据包括：确定由可用区中的节点至网关节点的待删除边的第一数量，第一数量为网关节点的入向度与发起探测的节点总数量的差；本发明实施例生成边添加数据包括：确定由可用区中的节点至网关节点的待添加边的第二数量，第二数量为发起探测的节点总数量与网关节点的入向度的差。更为具体地，本发明实施例确定由可用区中的节点至网关节点的待删除边的第一数量包括：根据出向度对与网关节点关联的可用区中的节点进行大顶堆处理，以基于堆顶确定第一数量的待删除边对应的节点；本发明实施例确定由可用区中的节点至网关节点的待添加边的第二数量包括：根据出向度对可用区中所有节点进行大顶堆处理，以基于堆底确定第二数量的待添加边对应的节点。最后，利用探测关系数据生成云平台网关节点探测拓扑。
如图5所示，与云平台网关节点探测拓扑生成的方法基于相同的技术构思，本发明一个或多个实施例还能够提供一种存储有计算机可读指令的存储介质，计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行本发明任一实施例中云平台网关节点探测拓扑生成的方法的步骤。其中云平台网关节点探测拓扑生成的方法可包括但不限于如下的步骤：首先，基于已获取的节点数据和边数据构建有向图。其次，以各个网关节点作为待探测的节点，根据有向图得到各个网关节点的入向度。可选地，本发明实施例根据有向图得到各个网关节点的入向度包括：基于边数据确定用于作为目的节点的网关节点的字段数据，边数据包括源节点的字段数据和目的节点的字段数据；利用作为目的节点的网关节点的字段数据得到网关节点的入向度。再次，确定云平台下的各个可用区中用于对各个网关节点发起探测的节点总数量。可选地，本发明一个或多个实施例确定云平台下的各个可用区中用于对各个网关节点发起探测的节点总数量包括：从可用区中节点数量、预设最少节点数量中选取最小值，从最小值、预设比例的可用区中节点数量中选取最大值，以最大值作为发起探测的节点总数量。然后，根据各个网关节点的入向度和发起探测的节点总数量生成探测关系数据，探测关系数据包括边删除数据、边添加数据中的至少一种。可选地，本发明实施例根据各个网关节点的入向度和发起探测的节点总数量生成探测关系数据包括：根据网关节点的入向度大于发起探测的节点总数量，则生成边删除数据；根据网关节点的入向度小于发起探测的节点总数量，则生成边添加数据。具体地，本发明实施例生成边删除数据包括：确定由可用区中的节点至网关节点的待删除边的第一数量，第一数量为网关节点的入向度与发起探测的节点总数量的差；本发明实施例生成边添加数据包括：确定由可用区中的节点至网关节点的待添加边的第二数量，第二数量为发起探测的节点总数量与网关节点的入向度的差。更为具体地，本发明实施例确定由可用区中的节点至网关节点的待删除边的第一数量包括：根据出向度对与网关节点关联的可用区中的节点进行大顶堆处理，以基于堆顶确定第一数量的待删除边对应的节点；本发明实施例确定由可用区中的节点至网关节点的待添加边的第二数量包括：根据出向度对可用区中所有节点进行大顶堆处理，以基于堆底确定第二数量的待添加边对应的节点。最后，利用探测关系数据生成云平台网关节点探测拓扑。
与云平台网关节点探测拓扑生成的方法基于相同的技术构思，本发明还有一个或多个实施例能够提供一种计算机程序产品，当计算机程序产品中的指令由处理器执行时，执行本发明任一实施例中云平台网关节点探测拓扑生成的方法的步骤。其中云平台网关节点探测拓扑生成的方法可包括但不限于如下的步骤：首先，基于已获取的节点数据和边数据构建有向图。其次，以各个网关节点作为待探测的节点，根据有向图得到各个网关节点的入向度。可选地，本发明实施例根据有向图得到各个网关节点的入向度包括：基于边数据确定用于作为目的节点的网关节点的字段数据，边数据包括源节点的字段数据和目的节点的字段数据；利用作为目的节点的网关节点的字段数据得到网关节点的入向度。再次，确定云平台下的各个可用区中用于对各个网关节点发起探测的节点总数量。可选地，本发明一个或多个实施例确定云平台下的各个可用区中用于对各个网关节点发起探测的节点总数量包括：从可用区中节点数量、预设最少节点数量中选取最小值，从最小值、预设比例的可用区中节点数量中选取最大值，以最大值作为发起探测的节点总数量。然后，根据各个网关节点的入向度和发起探测的节点总数量生成探测关系数据，探测关系数据包括边删除数据、边添加数据中的至少一种。可选地，本发明实施例根据各个网关节点的入向度和发起探测的节点总数量生成探测关系数据包括：根据网关节点的入向度大于发起探测的节点总数量，则生成边删除数据；根据网关节点的入向度小于发起探测的节点总数量，则生成边添加数据。具体地，本发明实施例生成边删除数据包括：确定由可用区中的节点至网关节点的待删除边的第一数量，第一数量为网关节点的入向度与发起探测的节点总数量的差；本发明实施例生成边添加数据包括：确定由可用区中的节点至网关节点的待添加边的第二数量，第二数量为发起探测的节点总数量与网关节点的入向度的差。更为具体地，本发明实施例确定由可用区中的节点至网关节点的待删除边的第一数量包括：根据出向度对与网关节点关联的可用区中的节点进行大顶堆处理，以基于堆顶确定第一数量的待删除边对应的节点；本发明实施例确定由可用区中的节点至网关节点的待添加边的第二数量包括：根据出向度对可用区中所有节点进行大顶堆处理，以基于堆底确定第二数量的待添加边对应的节点。最后，利用探测关系数据生成云平台网关节点探测拓扑。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读存储介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读存储介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读存储介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM，Random Access Memory)，只读存储器(ROM，Read-Only Memory)，可擦除可编辑只读存储器(EPROM，Erasable Programmable Read-Only Memory，或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM，Compact Disc Read-Only Memory)。另外，计算机可读存储介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA，Programmable Gate Array)，现场可编程门阵列(FPGA，Field Programmable Gate Array)等。
在本说明书的描述中，参考术语“本实施例”、“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明实质内容上所作的任何修改、等同替换和简单改进等，均应包含在本发明的保护范围之内。
Claims (8)
1.一种云平台网关节点探测拓扑生成的方法，其特征在于，包括：
基于已获取的节点数据和边数据构建有向图；
以各个网关节点作为待探测的节点，根据所述有向图得到各个网关节点的入向度；
确定云平台下的各个可用区中用于对所述各个网关节点发起探测的节点总数量；
根据所述各个网关节点的入向度和所述发起探测的节点总数量生成探测关系数据，所述探测关系数据包括边删除数据、边添加数据中的至少一种；所述根据所述各个网关节点的入向度和所述发起探测的节点总数量生成探测关系数据包括：根据所述网关节点的入向度大于所述发起探测的节点总数量，则生成边删除数据；根据所述网关节点的入向度小于所述发起探测的节点总数量，则生成边添加数据；所述生成边删除数据包括：确定由所述可用区中的节点至网关节点的待删除边的第一数量，所述第一数量为所述网关节点的入向度与所述发起探测的节点总数量的差；所述生成边添加数据包括：确定由所述可用区中的节点至网关节点的待添加边的第二数量，所述第二数量为所述发起探测的节点总数量与所述网关节点的入向度的差；
利用所述探测关系数据生成云平台网关节点探测拓扑。
2.根据权利要求1所述的云平台网关节点探测拓扑生成的方法，其特征在于，
所述确定由所述可用区中的节点至网关节点的待删除边的第一数量包括：根据出向度对与网关节点关联的可用区中的节点进行大顶堆处理，以基于堆顶确定第一数量的待删除边对应的节点；
所述确定由所述可用区中的节点至网关节点的待添加边的第二数量包括：根据出向度对可用区中所有节点进行大顶堆处理，以基于堆底确定第二数量的待添加边对应的节点。
3.根据权利要求1所述的云平台网关节点探测拓扑生成的方法，其特征在于，所述确定云平台下的各个可用区中用于对所述各个网关节点发起探测的节点总数量包括：
从可用区中节点数量、预设最少节点数量中选取最小值；
从所述最小值、预设比例的可用区中节点数量中选取最大值；
以所述最大值作为所述发起探测的节点总数量。
4.根据权利要求1所述的云平台网关节点探测拓扑生成的方法，其特征在于，所述根据所述有向图得到各个网关节点的入向度包括：
基于所述边数据确定用于作为目的节点的网关节点的字段数据，所述边数据包括源节点的字段数据和目的节点的字段数据；
利用所述作为目的节点的网关节点的字段数据得到所述网关节点的入向度。
5.一种云平台网关节点探测拓扑生成的装置，其特征在于，包括：
有向图构建模块，用于基于已获取的节点数据和边数据构建有向图；
入向度确定模块，用于以各个网关节点作为待探测的节点，根据所述有向图得到各个网关节点的入向度；
探测数确定模块，用于确定云平台下的各个可用区中用于对所述各个网关节点发起探测的节点总数量；
探测关系生成模块，用于根据所述各个网关节点的入向度和所述发起探测的节点总数量生成探测关系数据，所述探测关系数据包括边删除数据、边添加数据中的至少一种；探测关系生成模块用于根据网关节点的入向度大于发起探测的节点总数量，则生成边删除数据；探测关系生成模块用于根据网关节点的入向度小于发起探测的节点总数量，则生成边添加数据；探测关系生成模块用于确定由可用区中的节点至网关节点的待删除边的第一数量，第一数量为网关节点的入向度与发起探测的节点总数量的差；探测关系生成模块用于确定由可用区中的节点至网关节点的待添加边的第二数量，第二数量为发起探测的节点总数量与网关节点的入向度的差；
探测拓扑生成模块，用于利用所述探测关系数据生成云平台网关节点探测拓扑。
6.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行如权利要求1～4中任一项权利要求所述云平台网关节点探测拓扑生成的方法的步骤。
7.一种存储有计算机可读指令的存储介质，其特征在于，所述计算机可读指令被一个或多个处理器执行时，使得所述一个或多个处理器执行如权利要求1～4中任一项权利要求所述云平台网关节点探测拓扑生成的方法的步骤。
8.一种计算机程序产品，其特征在于，当所述计算机程序产品中的指令由处理器执行时，执行如权利要求1～4中任一项权利要求所述云平台网关节点探测拓扑生成的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111572385.5A CN114500290B (zh) | 2021-12-21 | 2021-12-21 | 云平台网关节点探测拓扑生成的方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111572385.5A CN114500290B (zh) | 2021-12-21 | 2021-12-21 | 云平台网关节点探测拓扑生成的方法、装置、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114500290A CN114500290A (zh) | 2022-05-13 |
| CN114500290B true CN114500290B (zh) | 2024-06-07 |
Family
ID=81493973
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111572385.5A Active CN114500290B (zh) | 2021-12-21 | 2021-12-21 | 云平台网关节点探测拓扑生成的方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114500290B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116366524B (zh) * | 2023-05-31 | 2023-08-04 | 天翼云科技有限公司 | 一种基于内容分发网络的路径计算方法及装置 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106326585A (zh) * | 2016-08-29 | 2017-01-11 | 东软集团股份有限公司 | 基于贝叶斯网络推理的预测分析方法以及装置 |
| CN108093496A (zh) * | 2017-12-23 | 2018-05-29 | 西安交通大学 | 一种基于ISA100.11a标准的一致性组网方法 |
| CN108111411A (zh) * | 2017-12-06 | 2018-06-01 | 上海神添实业有限公司 | 骨干网络及其动态路径规划系统和规划方法 |
| CN109478296A (zh) * | 2016-04-05 | 2019-03-15 | 分形工业公司 | 用于完全集成捕获和分析商业信息以产生预测决策和模拟的系统 |
| CN109564505A (zh) * | 2016-01-27 | 2019-04-02 | 伯尼塞艾公司 | 被配置为使用教学编程语言进行工作以训练经训练的人工智能模型的人工智能引擎 |
| CN110839269A (zh) * | 2019-11-26 | 2020-02-25 | 中国电子科技集团公司第五十四研究所 | 一种宽带跳频分簇多级自组织网波形设计方法 |
| CN111290948A (zh) * | 2020-01-19 | 2020-06-16 | 腾讯科技（深圳）有限公司 | 测试数据获取方法、装置、计算机设备及可读存储介质 |
| CN111510454A (zh) * | 2020-04-15 | 2020-08-07 | 中国人民解放军国防科技大学 | 一种面向模式图变化的连续子图匹配方法、系统及设备 |
| CN112272109A (zh) * | 2020-10-15 | 2021-01-26 | 上海云轴信息科技有限公司 | 一种网络拓扑图生成方法、设备及系统 |
| CN113176975A (zh) * | 2021-03-30 | 2021-07-27 | 东软集团股份有限公司 | 监控数据的处理方法、装置、存储介质和电子设备 |
| CN113705810A (zh) * | 2021-09-24 | 2021-11-26 | 广西师范大学 | 一种改进图数据拓扑结构提升图神经网络性能的方法 |
| CN113784455A (zh) * | 2021-09-18 | 2021-12-10 | 深圳市久通物联科技股份有限公司 | 一种蓝牙矩阵组网方法、系统、终端及存储介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110875829B (zh) * | 2018-08-31 | 2022-02-22 | 华为技术有限公司 | 一种在网络中划分内部网关协议区域的方法和装置 |
-
2021
- 2021-12-21 CN CN202111572385.5A patent/CN114500290B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109564505A (zh) * | 2016-01-27 | 2019-04-02 | 伯尼塞艾公司 | 被配置为使用教学编程语言进行工作以训练经训练的人工智能模型的人工智能引擎 |
| CN109478296A (zh) * | 2016-04-05 | 2019-03-15 | 分形工业公司 | 用于完全集成捕获和分析商业信息以产生预测决策和模拟的系统 |
| CN106326585A (zh) * | 2016-08-29 | 2017-01-11 | 东软集团股份有限公司 | 基于贝叶斯网络推理的预测分析方法以及装置 |
| CN108111411A (zh) * | 2017-12-06 | 2018-06-01 | 上海神添实业有限公司 | 骨干网络及其动态路径规划系统和规划方法 |
| CN108093496A (zh) * | 2017-12-23 | 2018-05-29 | 西安交通大学 | 一种基于ISA100.11a标准的一致性组网方法 |
| CN110839269A (zh) * | 2019-11-26 | 2020-02-25 | 中国电子科技集团公司第五十四研究所 | 一种宽带跳频分簇多级自组织网波形设计方法 |
| CN111290948A (zh) * | 2020-01-19 | 2020-06-16 | 腾讯科技（深圳）有限公司 | 测试数据获取方法、装置、计算机设备及可读存储介质 |
| CN111510454A (zh) * | 2020-04-15 | 2020-08-07 | 中国人民解放军国防科技大学 | 一种面向模式图变化的连续子图匹配方法、系统及设备 |
| CN112272109A (zh) * | 2020-10-15 | 2021-01-26 | 上海云轴信息科技有限公司 | 一种网络拓扑图生成方法、设备及系统 |
| CN113176975A (zh) * | 2021-03-30 | 2021-07-27 | 东软集团股份有限公司 | 监控数据的处理方法、装置、存储介质和电子设备 |
| CN113784455A (zh) * | 2021-09-18 | 2021-12-10 | 深圳市久通物联科技股份有限公司 | 一种蓝牙矩阵组网方法、系统、终端及存储介质 |
| CN113705810A (zh) * | 2021-09-24 | 2021-11-26 | 广西师范大学 | 一种改进图数据拓扑结构提升图神经网络性能的方法 |
Non-Patent Citations (2)
| Title |
|---|
| IGaaS: An IoT Gateway-as-a-Service for On-demand Provisioning of IoT Gateways;Mohammad Aminul Hoque等;《2020 IEEE 6th World Forum on Internet of Things (WF-IoT)》;20201013;全文 * |
| 物理分布与网络信息融合的摄像头网络拓扑测绘;徐旭东;《中国优秀硕士学位论文全文网》;20200215;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114500290A (zh) | 2022-05-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6892484B2 (ja) | 物体検出枠を生成する方法とその装置、機器、記憶媒体及び車両 | |
| US9942720B2 (en) | Location determination, mapping, and data management through crowdsourcing | |
| Clímaco et al. | Multicriteria path and tree problems: discussion on exact algorithms and applications | |
| CN109067725A (zh) | 网络流量异常检测方法及装置 | |
| CN114500290B (zh) | 云平台网关节点探测拓扑生成的方法、装置、设备及介质 | |
| WO2009069882A1 (en) | Sensor network managing apparatus and method thereof | |
| US9361403B2 (en) | Efficiently counting triangles in a graph | |
| CN113722409A (zh) | 空间关系的确定方法、装置、计算机设备及存储介质 | |
| CN111611144A (zh) | 用于处理性能测试数据的方法、装置、计算设备和介质 | |
| Bianchi et al. | A markov reward model based greedy heuristic for the virtual network embedding problem | |
| CN114817241A (zh) | 基于Flink引擎计算节点动态扩展的任务评价方法和装置 | |
| CN111158881A (zh) | 数据处理方法、装置、电子设备和计算机可读存储介质 | |
| JP2018073223A (ja) | 解析プログラム、解析方法、および解析装置 | |
| EP4332791A1 (en) | Blockchain address classification method and apparatus | |
| CN115617279A (zh) | 分布式云数据的处理方法、装置及存储介质 | |
| CN115292303A (zh) | 数据处理方法及装置 | |
| CN113079050B (zh) | 网络切片下基于主动探测的虚拟网资源分配方法及装置 | |
| CN116029891A (zh) | 图数据存储、访问、处理方法、训练方法、设备及介质 | |
| Nasir et al. | Fast trust computation in online social networks | |
| CN110543664B (zh) | 一种面向具有特有结构fpga的工艺映射方法 | |
| CN113837382A (zh) | 图神经网络的训练方法和系统 | |
| US8825901B2 (en) | Distributed parallel discovery | |
| CN115277437B (zh) | 网络拓扑构建方法、装置、计算机设备和存储介质 | |
| Ping et al. | Network latency prediction using high accuracy prediction tree | |
| CN111935006B (zh) | 一种数据传输方法、装置、处理设备及介质 |
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 |