CN114760191A - 数据服务质量预警方法、系统、设备与可读存储介质 - Google Patents
数据服务质量预警方法、系统、设备与可读存储介质 Download PDFInfo
- Publication number
- CN114760191A CN114760191A CN202210572327.0A CN202210572327A CN114760191A CN 114760191 A CN114760191 A CN 114760191A CN 202210572327 A CN202210572327 A CN 202210572327A CN 114760191 A CN114760191 A CN 114760191A
- Authority
- CN
- China
- Prior art keywords
- data transmission
- early warning
- data
- index
- service quality
- 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 76
- 230000005540 biological transmission Effects 0.000 claims abstract description 415
- 239000013598 vector Substances 0.000 claims abstract description 141
- 230000006870 function Effects 0.000 claims description 28
- 238000012549 training Methods 0.000 claims description 15
- 230000004888 barrier function Effects 0.000 claims description 11
- 238000012795 verification Methods 0.000 claims description 10
- 238000004891 communication Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 108091026890 Coding region Proteins 0.000 description 5
- 238000010586 diagram Methods 0.000 description 2
- GNFTZDOKVXKIBK-UHFFFAOYSA-N 3-(2-methoxyethoxy)benzohydrazide Chemical compound COCCOC1=CC=CC(C(=O)NN)=C1 GNFTZDOKVXKIBK-UHFFFAOYSA-N 0.000 description 1
- FGUUSXIOTUKUDN-IBGZPJMESA-N C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 Chemical compound C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 FGUUSXIOTUKUDN-IBGZPJMESA-N 0.000 description 1
- YTAHJIFKAKIKAV-XNMGPUDCSA-N [(1R)-3-morpholin-4-yl-1-phenylpropyl] N-[(3S)-2-oxo-5-phenyl-1,3-dihydro-1,4-benzodiazepin-3-yl]carbamate Chemical compound O=C1[C@H](N=C(C2=C(N1)C=CC=C2)C1=CC=CC=C1)NC(O[C@H](CCN1CCOCC1)C1=CC=CC=C1)=O YTAHJIFKAKIKAV-XNMGPUDCSA-N 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Images
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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种数据服务质量预警方法、系统、设备与可读存储介质,该方法包括:在数据传输的过程中,获取服务端的负载指标和客户端的数据传输指标;根据负载指标和数据传输指标,确定每条数据传输链路对应的服务质量特征向量;将每条数据传输链路对应的服务质量特征向量输入预测模型,得到分数集合,并根据分数集合进行预警;本发明根据传输指标和负载指标确定对应的服务质量特征向量,避免单一性能预警会在网络轻微抖动时触发预警,提高了数据服务质量预警的准确性。
Description
技术领域
本发明涉及通讯技术领域,尤其涉及数据服务质量预警方法、系统、设备与可读存储介质。
背景技术
随着覆盖全球的零接触、远程办公的理念逐渐流行,提供高可用、高品质、超低延时的实时音视频数据传输服务越来越有价值,但是,在数据传输的过程中,可能会出现某些异常导致数据服务质量下降,因此需要对数据服务质量进行预警,现有的数据服务质量预警方法只能单独监控服务端的负载进行预警或单独监控链路的传输质量进行预警,单一的性能预警会在网络轻微抖动时触发预警,使得数据服务质量预警的准确性较低。
因此,如何提高数据服务质量预警的准确性是急需解决的问题。
发明内容
本发明的主要目的在于提出一种数据服务质量预警方法、系统、设备与可读存储介质,旨在解决如何提高数据服务质量预警的准确性的问题。
为实现上述目的,本发明提供一种数据服务质量预警方法,所述数据服务质量预警方法应用于数据服务质量预警系统,所述数据服务质量预警系统中包括至少一条数据传输链路,所述数据传输链路中包括客户端和服务端,所述数据服务质量预警方法包括如下步骤:
在数据传输的过程中,获取所述服务端的负载指标和所述客户端的数据传输指标;
根据所述负载指标和所述数据传输指标,确定每条数据传输链路对应的服务质量特征向量;
将每条数据传输链路对应的服务质量特征向量输入预测模型,得到分数集合,并根据所述分数集合进行预警。
优选地,根据所述负载指标和所述数据传输指标,确定每条数据传输链路对应的服务质量特征向量的步骤包括:
根据所述负载指标和所述数据传输指标,确定每条数据传输链路对应的数据传输指标和负载指标;
根据特征签名哈希函数和每条数据传输链路对应的数据传输指标,计算得到每条数据传输链路对应的客户端特征向量,并根据所述特征签名哈希函数和每条数据传输链路对应的负载指标,计算得到每条数据传输链路对应的服务端特征向量;
根据每条数据传输链路对应的客户端特征向量和服务端特征向量,确定每条数据传输链路对应的服务质量特征向量。
优选地,根据所述分数集合进行预警的步骤包括:
若所述分数集合中的每个分数都大于第一阈值,则不进行预警,并将每个分数对应的数据传输链路的预警值清零;
若所述分数集合中的存在小于所述第一阈值并大于第二阈值的分数,则不进行预警,将所述分数对应的数据传输链路的预警值进行更新,并根据经过更新的预警值确定是否进行预警;
若所述分数集合中的存在小于所述第二阈值的分数,则对所述分数对应的数据传输链路进行预警,并将所述分数对应的数据传输链路的预警值清零。
优选地,根据经过更新的预警值确定是否进行预警的步骤包括:
将经过更新的预警值与第三阈值进行对比,得到对比结果;
若所述对比结果为经过更新的预警值大于所述第三阈值,则对经过更新的预警值对应的数据传输链路进行预警,并对经过更新的预警值进行清零;
若所述对比结果为经过更新的预警值不大于所述第三阈值,则不进行预警。
优选地,在数据传输的过程中,获取所述服务端计算得到的负载指标和数据传输指标的步骤之前,所述数据服务质量预警方法包括:
获取历史服务质量特征向量集合,并根据所述历史服务质量特征向量集合确定训练样本和验证样本;
根据所述训练样本进行训练得到待验证预测模型,并根据所述验证样本对所述待验证预测模型进行验证,以得到预测模型。
此外,为实现上述目的,本发明还提供一种数据服务质量预警方法,所述数据服务质量预警方法应用于客户端,所述客户端至少与一个服务端构成一条数据传输链路,所述数据服务质量预警方法包括如下步骤:
在数据传输过程中,生成栅栏数据包,并向所述服务端发送所述栅栏数据包;
接收所述服务端计算出的负载指标和根据所述栅栏数据包计算出的数据传输指标,根据所述负载指标和所述数据传输指标确定每条数据传输链路对应的服务质量特征向量;
将每条数据传输链路对应的服务质量特征向量输入预测模型,得到分数集合,并根据所述分数集合进行预警。
此外,为实现上述目的,本发明还提供一种数据服务质量预警方法,所述数据服务质量预警方法应用于服务端,所述服务端至少与一个客户端构成一条数据传输链路,所述数据服务质量预警方法包括如下步骤:
在数据传输过程中,接收所述客户端发送的栅栏数据包,并根据所述栅栏数据包,计算出数据传输指标;
计算出负载指标,根据所述负载指标和所述数据传输指标,确定每条数据传输链路对应的服务质量特征向量;
将每条数据传输链路对应的服务质量特征向量输入预测模型,得到分数集合,并根据所述分数集合进行预警。
优选地,接收所述客户端发送的栅栏数据包,根据所述栅栏数据包,计算出数据传输指标的步骤包括:
接收所述客户端发送的栅栏数据包,并确定接收时间戳;
获取所述栅栏数据包中的发送时间戳,并根据所述接收时间戳和所述发送时间戳计算出延迟指标;
获取所述栅栏数据包中的数据包容量信息,根据所述数据包容量信息和所述延迟指标,计算出带宽指标;
根据所述延迟指标和所述带宽指标计算出数据传输指标。
此外,为实现上述目的,本发明还提供一种数据服务质量预警设备,所述数据服务质量预警设备包括:存储器、处理器及储存在所述存储器上并可在所述处理器上运行的数据服务质量预警程序,所述数据服务质量预警程序被所述处理器执行时实现如上所述的数据服务质量预警方法的步骤。
此外,为实现上述目的,本发明还提供一种可读存储介质,所述可读存储介质为计算机可读存储介质,所述计算机可读存储介质上储存有数据服务质量预警程序,所述数据服务质量预警程序被处理器执行时实现如上所述的数据服务质量预警方法的步骤。
本发明提出的数据服务质量预警方法,在数据传输的过程中,获取服务端的负载指标和客户端的数据传输指标,其中,数据传输指标是服务端根据客户端发送的栅栏数据包计算得到的;根据负载指标和数据传输指标,确定每条数据传输链路对应的服务质量特征向量;将每条数据传输链路对应的服务质量特征向量输入预测模型,得到分数集合,并根据分数集合进行预警;本发明通过计算每条数据数据传输链路对应的传输指标和负载指标,并确定对应的服务质量特征向量,避免了单一的性能预警会在网络轻微抖动时触发预警,并将服务质量特征向量输入预测模型,得到分数集合,并根据分数集合进行预警,提高了数据服务质量预警的准确性。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的设备结构示意图;
图2为本发明数据服务质量预警方法第一实施例的流程示意图;
图3为本发明数据服务质量预警方法第二实施例的流程示意图;
图4为本发明数据服务质量预警方法第三实施例的流程示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
如图1所示,图1是本发明实施例方案涉及的硬件运行环境的设备结构示意图。
本发明实施例设备可以是PC机或服务端设备。
如图1所示,该设备可以包括:处理器1001,例如CPU,网络接口1004,用户接口1003,存储器1005,通信总线1002。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器,也可以是稳定的存储器(non-volatile memory),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的储存装置。
本领域技术人员可以理解,图1中示出的设备结构并不构成对设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种计算机储存介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及数据服务质量预警程序。
其中,操作系统是管理和控制便携储存设备与软件资源的程序,支持网络通信模块、用户接口模块、数据服务质量预警程序以及其他程序或软件的运行;网络通信模块用于管理和控制网络接口1002;用户接口模块用于管理和控制用户接口1003。
在图1所示的储存设备中,所述储存设备通过处理器1001调用存储器1005中储存的数据服务质量预警程序,并执行下述数据服务质量预警方法各个实施例中的操作。
基于上述硬件结构,提出本发明数据服务质量预警方法实施例。
参照图2,图2为本发明数据服务质量预警方法第一实施例的流程示意图,所述方法包括:
步骤S10,在数据传输的过程中,获取所述服务端的负载指标和所述客户端的数据传输指标;
步骤S20,根据所述负载指标和所述数据传输指标,确定每条数据传输链路对应的服务质量特征向量;
步骤S30,将每条数据传输链路对应的服务质量特征向量输入预测模型,得到分数集合,并根据所述分数集合进行预警。
本实施例数据服务质量预警方法运用于通信服务机构的数据服务质量预警系统中,数据服务质量预警系统中包括至少一条数据传输链路,数据传输链路中包括客户端和服务端,该数据服务质量预警系统所有的数据传输链路中的数据传输指标和负载指标进行分析,以确定是否进行预警;为例方便描述,以数据服务质量预警系统简称为预警系统进行说明;在数据传输的过程中,预警系统获取服务端计算得到的负载指标和数据传输指标,其中,数据传输指标是服务端根据客户端发送的栅栏数据包计算得到的;预警系统根据负载指标和数据传输指标,确定每条数据传输链路对应的数据传输指标和负载指标;预警系统根据特征签名哈希函数和每条数据传输链路对应的数据传输指标,计算得到每条数据传输链路对应的客户端特征向量,并根据所述特征签名哈希函数和每条数据传输链路对应的负载指标,计算得到每条数据传输链路对应的服务端特征向量,预警系统根据每条数据传输链路对应的客户端特征向量和服务端特征向量,确定每条数据传输链路对应的服务质量特征向量;预警系统将每条数据传输链路对应的服务质量特征向量输入预测模型,得到分数集合,并根据所述分数集合进行预警。需要说明的是,每条数据传输链路一端连接客户端,另一端连接服务端,服务端通过数据传输链路向客户端提供相应的服务数据,客户端通过数据传输链路向服务端发送相应的请求数据。栅栏数据包是客户端发送的专门用于计算数据传输指标的数据包。
本实施例的数据服务质量预警方法,在数据传输的过程中,获取服务端的负载指标和客户端的数据传输指标;根据负载指标和数据传输指标,确定每条数据传输链路对应的数据传输指标和负载指标;根据每条数据传输链路对应的数据传输指标和负载指标,确定每条数据传输链路对应的服务质量特征向量;将每条数据传输链路对应的服务质量特征向量输入预测模型,得到分数集合,并根据分数集合进行预警通过计算每条数据传输链路对应的传输指标和负载指标,并确定对应的服务质量特征向量,避免了单一的性能预警会在网络轻微抖动时触发预警,并将服务质量特征向量输入预测模型,得到分数集合,并根据所述分数集合进行预警,提高了数据服务质量预警的准确性。
以下将对各个步骤进行详细说明:
步骤S10,在数据传输的过程中,获取所述服务端的负载指标和所述客户端的数据传输指标;
在本实施例中,在客户端和服务端进行数据传输的过程中,每个客户端和对应的服务端通过一条数据传输链路进行数据传输,可以理解的是,预警系统能够同时监控多条服务端与客户端之间的数据传输链路,预警系统获取服务端计算得到的负载指标和数据传输指标,其中,数据传输指标是服务端根据客户端发送的栅栏数据包计算得到的。如:预警系统在客户端接入对应的服务端时,向该客户端插入一个用于生成栅栏数据包的模块,在该客户端与服务端进行数据传输时,每间隔预设时间向服务端发送一个栅栏数据包,栅栏数据包中含有编码序号、发送时间戳、数据包容量信息,预警系统通过服务端接收该客户端发送的栅栏数据包,确定接收时间戳,并通过服务端根据接收时间戳以及栅栏数据包中的发送时间戳、数据包容量信息计算出数据传输指标,数据传输指标中包括延迟指标和带宽指标,同时服务端根据自身的会议数、与会人数、视频推流数、音频推流数等业务指标,计算出自身的负载指标,预警系统便可获取服务端计算得到的负载指标和数据传输指标。可以理解的是,预警系统能够监控多条服务端与客户端之间的数据传输链路,即,在同一时间段内,存在多个服务端与多个客户端在进行一对一、一对多,多对一的数据传输的过程,此时存在多条数据传输链路,每条数据传输链路中都会被预警系统进行监控。
具体地,步骤S10之前包括:
步骤a,获取历史服务质量特征向量集合,并根据所述历史服务质量特征向量集合确定训练样本和验证样本;
步骤b,根据所述训练样本进行训练得到待验证预测模型,并根据所述验证样本对所述待验证预测模型进行验证,以得到预测模型。
在步骤a至步骤b中,预警系统获取历史服务质量特征向量集合,并根据历史服务质量特征向量集合确定训练样本和验证样本;预警系统根据训练样本进行训练得到待验证预测模型,并根据验证样本对待验证预测模型进行验证,得到验证结果,当验证结果满足预设需求时,确定以待验证预测模型最为最终的预测模型。通过训练预测模型,通过预测模型预测每条数据传输链路的分数值,有助于提高对每条数据传输链路进行数据服务质量预警的准确性。
步骤S20,根据所述负载指标和所述数据传输指标,确定每条数据传输链路对应的服务质量特征向量;
在本实施例中,预警系统根据负载指标和数据传输指标,确定每条数据传输链路对应的数据传输指标和负载指标,并根据每条数据传输链路对应的数据传输指标和负载指标,确定每条数据传输链路对应的服务质量特征向量。如:预警系统对监控的所有数据传输链路进行编号,同时对负载指标和数据传输指标进行对应的编号,根据编号确定每条数据传输链路对应的数据传输指标和负载指标。
具体地,步骤S20包括:
步骤c,根据所述负载指标和所述数据传输指标,确定每条数据传输链路对应的数据传输指标和负载指标;
在该步骤中,预警系统根据负载指标和数据传输指标,确定每条数据传输链路对应的数据传输指标和负载指标;如:预警系统对监控的所有数据传输链路进行编号,同时对负载指标和数据传输指标进行对应的编号,根据编号确定每条数据传输链路对应的数据传输指标和负载指标。
步骤d,根据特征签名哈希函数和每条数据传输链路对应的数据传输指标,计算得到每条数据传输链路对应的客户端特征向量,并根据所述特征签名哈希函数和每条数据传输链路对应的负载指标,计算得到每条数据传输链路对应的服务端特征向量;
在该步骤中,预警系统根据特征签名哈希函数和每条数据传输链路对应的数据传输指标,计算得到每条数据传输链路对应的客户端特征向量,并根据特征签名哈希函数和每条数据传输链路对应的负载指标,计算得到每条数据传输链路对应的服务端特征向量;如,预警系统使用特征签名哈希函数H,根据每条数据传输链路对应的数据传输指标,计算得到每条数据传输链路中的客户端特征向量q=H(延迟指标,带宽指标),使用特征签名哈希函数H,根据每条数据传输链路对应的负载指标,计算得到每条数据传输链路中的服务端特征向量l=H(会议数,与会人数,视频推拉流数,音频推拉流数)。
步骤e,根据每条数据传输链路对应的客户端特征向量和服务端特征向量,确定每条数据传输链路对应的服务质量特征向量。
在该步骤中,预警系统根据每条数据传输链路中的客户端特征向量q=H(延迟指标,带宽指标)和服务端特征向量l=H(会议数,与会人数,视频推拉流数,音频推拉流数),确定每条数据传输链路对应的服务质量特征向量V=H(q,l)。
步骤S30,将每条数据传输链路对应的服务质量特征向量输入预测模型,得到分数集合,并根据所述分数集合进行预警。
在本实施例中,预警系统将每条数据传输链路对应的服务质量特征向量输入预测模型,得到分数集合,并根据分数集合进行预警;如:预警系统中的预测模型的计算公式如下:
K(V)=δ*Width/Latency*会议数·与会人数·视频推流数·音频推流数其中,K(V)代表计算得到的分数值,δ为模型参数,是通过训练得到的,Width为每条数据传输链路对应的带宽指标,Latency为每条数据传输链路对应的延迟指标,会议数,与会人数,视频推拉流数,音频推拉流数都是服务端的负载指标,预警系统将被监控的每条数据传输链路对应的服务质量特征向量输入预测模型,得到每条数据传输对应的分数,当所有数据传输链路的分数都计算完毕时,得到分数集合,预警系统根据分数集合进行预警。
具体地,根据所述分数集合进行预警的步骤包括:
步骤f,若所述分数集合中的每个分数都大于第一阈值,则不进行预警,并将每个分数对应的数据传输链路的预警值清零;
步骤g,若所述分数集合中的存在小于所述第一阈值并大于第二阈值的分数,则不进行预警,将所述分数对应的数据传输链路的预警值进行更新,并根据经过更新的预警值确定是否进行预警;
步骤h,若所述分数集合中的存在小于所述第二阈值的分数,则对所述分数对应的数据传输链路进行预警,并将所述分数对应的数据传输链路的预警值清零。
在步骤f至步骤h中,预警系统将分数集合中的每个分数分别与第一阈值和第二阈值进行对比,得到对比结果,其中第一阈值大于第二阈值,预警系统若得到对比结果为分数集合中的每个分数都大于第一阈值,则不进行预警,并将每个分数对应的数据传输链路的预警值清零;预警系统若得到对比结果为分数集合中的存在小于第一阈值并大于第二阈值的分数,则不进行预警,将小于第一阈值并大于第二阈值的分数对应的数据传输链路的预警值进行更新,并根据经过更新的预警值确定是否进行预警;预警系统若得到对比结果为分数集合中的存在小于第二阈值的分数,则对小于第二阈值的分数对应的数据传输链路进行预警,并将小于第二阈值的分数对应的数据传输链路的预警值清零。需要说明的是,预警系统在完成步骤f至步骤h后,预警系统重新获取每条数据传输链路对应的数据传输指标和负载指标,并根据数据传输指标和负载指标确定每条数据传输链路对应的服务质量特征向量,再将每条数据传输链路对应的服务质量特征向量输入预测模型,得到分数集合,并重新执行步骤f至步骤h,以对每条数据传输链路的数据服务质量进行实时监控和预警。
进一步地,根据经过更新的预警值确定是否进行预警的步骤包括:
步骤g1,将经过更新的预警值与第三阈值进行对比,得到对比结果;
步骤g2,若所述对比结果为经过更新的预警值大于所述第三阈值,则对经过更新的预警值对应的数据传输链路进行预警,并对经过更新的预警值进行清零;
步骤g3,若所述对比结果为经过更新的预警值不大于所述第三阈值,则不进行预警。
在步骤g1至步骤g3中,预警系统得到对比结果为分数集合中的存在小于第一阈值并大于第二阈值的分数后,不进行预警,将小于第一阈值并大于第二阈值的分数对应的数据传输链路的预警值进行更新,将经过更新的预警值与第三阈值进行对比,得到对比结果,预警系统若得到对比结果为经过更新的预警值大于第三阈值,则对经过更新的预警值对应的数据传输链路进行预警,并对该数据传输链路的经过更新的预警值进行清零;预警系统若得到对比结果为经过更新的预警值不大于第三阈值,则不进行预警。需要说明的是,对预警值进行更新即对预警值进行加1。
本实施例的预警系统在数据传输的过程中,预警系统获取服务端计算得到的负载指标和数据传输指标,其中,数据传输指标是服务端根据客户端发送的栅栏数据包计算得到的;预警系统根据负载指标和数据传输指标,确定每条数据传输链路对应的数据传输指标和负载指标;预警系统根据特征签名哈希函数和每条数据传输链路对应的数据传输指标,计算得到每条数据传输链路对应的客户端特征向量,并根据所述特征签名哈希函数和每条数据传输链路对应的负载指标,计算得到每条数据传输链路对应的服务端特征向量,预警系统根据每条数据传输链路对应的客户端特征向量和服务端特征向量,确定每条数据传输链路对应的服务质量特征向量;预警系统将每条数据传输链路对应的服务质量特征向量输入预测模型,得到分数集合,并根据所述分数集合进行预警;本发明通过计算每条数据数据传输链路对应的传输指标和负载指标,并确定对应的服务质量特征向量,避免了单一的性能预警会在网络轻微抖动时触发预警,并将服务质量特征向量输入预测模型,得到分数集合,并根据所述分数集合进行预警,提高了数据服务质量预警的准确性。
参照图3,图3为本发明数据服务质量预警方法第二实施例的流程示意图。
如图3所示,本发明第二实施例提出数据服务质量预警方法,所述方法应用于客户端,客户端至少与一个服务端构成一条数据传输链路。
具体地,本实施例数据服务质量预警方法包括如下步骤:
步骤S40,在数据传输过程中,生成栅栏数据包,并向所述服务端发送所述栅栏数据包;
步骤S50,接收所述服务端计算出的负载指标和根据所述栅栏数据包计算出的数据传输指标,根据所述负载指标和所述数据传输指标,确定每条数据传输链路对应的服务质量特征向量;
步骤S60,将每条数据传输链路对应的服务质量特征向量输入预测模型,得到分数集合,并根据所述分数集合进行预警。
本实施例的客户端在数据传输的过程中,生成栅栏数据包,并向服务端发送栅栏数据包,并接收服务端计算得到的负载指标和数据传输指标,其中,数据传输指标是服务端根据客户端发送的栅栏数据包计算得到的;客户端根据负载指标和数据传输指标,确定每条数据传输链路对应的数据传输指标和负载指标;客户端根据特征签名哈希函数和每条数据传输链路对应的数据传输指标,计算得到每条数据传输链路对应的客户端特征向量,并根据所述特征签名哈希函数和每条数据传输链路对应的负载指标,计算得到每条数据传输链路对应的服务端特征向量,客户端根据每条数据传输链路对应的客户端特征向量和服务端特征向量,确定每条数据传输链路对应的服务质量特征向量;客户端将每条数据传输链路对应的服务质量特征向量输入预测模型,得到分数集合,并根据所述分数集合进行预警。通过计算每条数据数据传输链路对应的传输指标和负载指标,并确定对应的服务质量特征向量,避免了单一的性能预警会在网络轻微抖动时触发预警,并将服务质量特征向量输入预测模型,得到分数集合,并根据分数集合进行预警,提高了数据服务质量预警的准确性。
以下将对各个步骤进行详细说明:
步骤S40,在数据传输过程中,生成栅栏数据包,并向所述服务端发送所述栅栏数据包;
在本实施例中,在数据传输过程中,客户端生成栅栏数据包,栅栏数据包中包括编码序号、发送时间戳、数据包容量信息,并每间隔预设时间向服务端发送栅栏数据包,服务端接收该客户端发送的栅栏数据包,确定接收时间戳,服务端根据接收时间戳以及栅栏数据包中的发送时间戳、数据包容量信息计算出数据传输指标,数据传输指标中包括延迟指标和带宽指标,同时服务端根据自身的会议数、与会人数、视频推流数、音频推流数等业务指标,计算出自身的负载指标,并向客户端发送数据传输指标和负载指标。
步骤S50,接收所述服务端计算出的负载指标和根据所述栅栏数据包计算出的数据传输指标,根据所述负载指标和所述数据传输指标,确定每条数据传输链路对应的服务质量特征向量;
在本实施例中,客户端接收服务端计算出的负载指标和根据栅栏数据包计算出的数据传输指标,根据负载指标和数据传输指标,确定每条数据传输链路对应的数据传输指标和负载指标,并根据每条数据传输链路对应的数据传输指标和负载指标,确定每条数据传输链路对应的服务质量特征向量。如:客户端对自身的所有数据传输链路进行编号,同时对负载指标和数据传输指标进行对应的编号,根据编号确定每条数据传输链路对应的数据传输指标和负载指标,客户端根据特征签名哈希函数和每条数据传输链路对应的数据传输指标,计算得到每条数据传输链路对应的客户端特征向量,并根据特征签名哈希函数和每条数据传输链路对应的负载指标,计算得到每条数据传输链路对应的服务端特征向量,再根据每条数据传输链路对应的客户端特征向量和服务端特征向量,确定每条数据传输链路对应的服务质量特征向量;如:客户端使用特征签名哈希函数H,根据每条数据传输链路对应的数据传输指标,计算得到每条数据传输链路中的客户端特征向量q=H(延迟指标,带宽指标),使用特征签名哈希函数H,根据每条数据传输链路对应的负载指标,计算得到每条数据传输链路中的服务端特征向量l=H(会议数,与会人数,视频推拉流数,音频推拉流数),客户端再根据每条数据传输链路中的客户端特征向量q=H(延迟指标,带宽指标)和服务端特征向量l=H(会议数,与会人数,视频推拉流数,音频推拉流数),确定每条数据传输链路对应的服务质量特征向量V=H(q,l)。
步骤S60,将每条数据传输链路对应的服务质量特征向量输入预测模型,得到分数集合,并根据所述分数集合进行预警。
在本实施例中,客户端将每条数据传输链路对应的服务质量特征向量输入预测模型,得到分数集合,并根据分数集合进行预警;如:客户端中的预测模型的计算公式如下:
K(V)=δ·Width/Latency*会议数·与会人数·视频推流数·音频推流数
其中,K(V)代表计算得到的分数值,δ为模型参数,是通过训练得到的,Width为每条数据传输链路对应的带宽指标,Latency为每条数据传输链路对应的延迟指标,会议数,与会人数,视频推拉流数,音频推拉流数都是服务端的负载指标,客户端将被监控的每条数据传输链路对应的服务质量特征向量输入预测模型,得到每条数据传输对应的分数,当所有数据传输链路的分数都计算完毕时,得到分数集合,客户端将分数集合中的每个分数分别与第一阈值和第二阈值进行对比,得到第一对比结果,其中第一阈值大于第二阈值,客户端若得到第一对比结果为分数集合中的每个分数都大于第一阈值,则不进行预警,并将每个分数对应的数据传输链路的预警值清零;客户端若得到第一对比结果为分数集合中的存在小于第一阈值并大于第二阈值的分数,则不进行预警,将小于第一阈值并大于第二阈值的分数对应的数据传输链路的预警值进行更新,将经过更新的预警值与第三阈值进行对比,得到第二对比结果,客户端若得到第二对比结果为经过更新的预警值大于第三阈值,则对经过更新的预警值对应的数据传输链路进行预警,并对该数据传输链路的经过更新的预警值进行清零;客户端若得到第二对比结果为经过更新的预警值不大于第三阈值,则不进行预警;客户端若得到第一对比结果为分数集合中的存在小于第二阈值的分数,则对小于第二阈值的分数对应的数据传输链路进行预警,并将小于第二阈值的分数对应的数据传输链路的预警值清零。
本实施例的客户端在数据传输的过程中,生成栅栏数据包,并向服务端发送栅栏数据包,并接收服务端计算得到的负载指标和数据传输指标,其中,数据传输指标是服务端根据客户端发送的栅栏数据包计算得到的;客户端根据负载指标和数据传输指标,确定每条数据传输链路对应的数据传输指标和负载指标;预警系统根据特征签名哈希函数和每条数据传输链路对应的数据传输指标,计算得到每条数据传输链路对应的客户端特征向量,并根据所述特征签名哈希函数和每条数据传输链路对应的负载指标,计算得到每条数据传输链路对应的服务端特征向量,客户端根据每条数据传输链路对应的客户端特征向量和服务端特征向量,确定每条数据传输链路对应的服务质量特征向量;客户端将每条数据传输链路对应的服务质量特征向量输入预测模型,得到分数集合,并根据所述分数集合进行预警。通过计算每条数据数据传输链路对应的传输指标和负载指标,并确定对应的服务质量特征向量,避免了单一的性能预警会在网络轻微抖动时触发预警,并将服务质量特征向量输入预测模型,得到分数集合,并根据分数集合进行预警,提高了数据服务质量预警的准确性。
参照图4,图4为本发明数据服务质量预警方法第三实施例的流程示意图。
如图4所示,本发明第三实施例提出数据服务质量预警方法,所述方法应用于服务端,服务端至少与一个客户端构成一条数据传输链路。
具体地,本实施例数据服务质量预警方法包括如下步骤:
步骤S70,在数据传输过程中,接收所述客户端发送的栅栏数据包,并根据所述栅栏数据包,计算出数据传输指标;
步骤S80,计算出负载指标,根据所述负载指标和所述数据传输指标,确定每条数据传输链路对应的服务质量特征向量;
步骤S90,将每条数据传输链路对应的服务质量特征向量输入预测模型,得到分数集合,并根据所述分数集合进行预警。
本实施例的服务端在数据传输的过程中,接收客户端发送的栅栏数据包,并根据栅栏数据包,计算出数据传输指标;服务端计算出负载指标,根据负载指标和数据传输指标,确定每条数据传输链路对应的数据传输指标和负载指标;服务端根据负载指标和数据传输指标,确定每条数据传输链路对应的数据传输指标和负载指标;服务端根据特征签名哈希函数和每条数据传输链路对应的数据传输指标,计算得到每条数据传输链路对应的客户端特征向量,并根据所述特征签名哈希函数和每条数据传输链路对应的负载指标,计算得到每条数据传输链路对应的服务端特征向量,服务端根据每条数据传输链路对应的客户端特征向量和服务端特征向量,确定每条数据传输链路对应的服务质量特征向量;服务端将每条数据传输链路对应的服务质量特征向量输入预测模型,得到分数集合,并根据所述分数集合进行预警。通过计算每条数据数据传输链路对应的传输指标和负载指标,并确定对应的服务质量特征向量,避免了单一的性能预警会在网络轻微抖动时触发预警,并将服务质量特征向量输入预测模型,得到分数集合,并根据分数集合进行预警,提高了数据服务质量预警的准确性。
以下将对各个步骤进行详细说明:
步骤S70,在数据传输过程中,接收所述客户端发送的栅栏数据包,并根据所述栅栏数据包,计算出数据传输指标;
在本实施例中,在数据传输过程中,客户端生成栅栏数据包,栅栏数据包中包括编码序号、发送时间戳、数据包容量信息,并每间隔预设时间向服务端发送栅栏数据包,服务端接收该客户端发送的栅栏数据包,确定接收时间戳,服务端根据接收时间戳以及栅栏数据包中的发送时间戳、数据包容量信息计算出数据传输指标。
进一步地,步骤S70包括:
步骤i,接收所述客户端发送的栅栏数据包,并确定接收时间戳;
步骤j,获取所述栅栏数据包中的发送时间戳,并根据所述接收时间戳和所述发送时间戳计算出延迟指标;
步骤k,获取所述栅栏数据包中的数据包容量信息,根据所述数据包容量信息和所述延迟指标,计算出带宽指标;
步骤l,根据所述延迟指标和所述带宽指标计算出数据传输指标。
在步骤i至步骤l中,服务端接收客户端发送的栅栏数据包,并记录接收每个客户端发送的栅栏数据包的接收时间戳,每个客户端通过不同的数据传输链路发送的栅栏数据包都不相同,栅栏数据包中含有编码序号、发送时间戳、数据包容量信息;服务端获取栅栏数据包中的发送时间戳,并根据该栅栏数据包对应的接收时间戳和发送时间戳,计算出传输该栅栏数据包的数据传输链路的延迟指标,服务端获取该栅栏数据包中的数据包容量信息,并根据数据包容量信息和延迟指标,计算出传输该栅栏数据包的数据传输链路的带宽指标,服务端根据延迟指标和带宽指标计算出传输该栅栏数据包的数据传输链路数据传输指标。如;服务端为客户端提供音视频服务,客户端通过数据传输链路接收服务端发送的音视频数据时,客户端每5秒通过数据传输链路发送一次栅栏数据包到服务器中,服务器接收该栅栏数据包,确定接收时间戳为12:00:01,并解析该栅栏数据包得到对应的编码序号、发送时间戳为12:00:00、数据包容量信息为128kb,服务器根据接收时间戳12:00:01和发送时间戳12:00:00,计算出传输该栅栏数据包的数据传输链路的延迟指标为1秒,服务器根据延迟指标为1秒和数据包容量信息为128kb,计算出传输该栅栏数据包的数据传输链路的带宽速率为128kb/s,对应的带宽指标为1Mbps,预警系统确定传输该栅栏数据包的数据传输链路的数据传输指标,数据传输指标中包括延迟指标和带宽指标。
步骤S80,计算出负载指标,根据所述负载指标和所述数据传输指标,确定每条数据传输链路对应的服务质量特征向量;
在本实施例中,服务端根据自身的会议数、与会人数、视频推流数、音频推流数等业务指标,计算出自身的负载指标,根据负载指标和数据传输指标,确定每条数据传输链路对应的数据传输指标和负载指标,并根据每条数据传输链路对应的数据传输指标和负载指标,确定每条数据传输链路对应的服务质量特征向量。如:服务端对自身的所有数据传输链路进行编号,同时对负载指标和数据传输指标进行对应的编号,根据编号确定每条数据传输链路对应的数据传输指标和负载指标,服务端根据特征签名哈希函数和每条数据传输链路对应的数据传输指标,计算得到每条数据传输链路对应的客户端特征向量,并根据特征签名哈希函数和每条数据传输链路对应的负载指标,计算得到每条数据传输链路对应的服务端特征向量,再根据每条数据传输链路对应的客户端特征向量和服务端特征向量,确定每条数据传输链路对应的服务质量特征向量;如:服务端使用特征签名哈希函数H,根据每条数据传输链路对应的数据传输指标,计算得到每条数据传输链路中的客户端特征向量q=H(延迟指标,带宽指标),使用特征签名哈希函数H,根据每条数据传输链路对应的负载指标,计算得到每条数据传输链路中的服务端特征向量l=H(会议数,与会人数,视频推拉流数,音频推拉流数),服务端再根据每条数据传输链路中的客户端特征向量q=H(延迟指标,带宽指标)和服务端特征向量l=H(会议数,与会人数,视频推拉流数,音频推拉流数),确定每条数据传输链路对应的服务质量特征向量V=H(q,l)。
步骤S90,将每条数据传输链路对应的服务质量特征向量输入预测模型,得到分数集合,并根据所述分数集合进行预警。
在本实施例中,服务端将每条数据传输链路对应的服务质量特征向量输入预测模型,得到分数集合,并根据分数集合进行预警;如:服务端中的预测模型的计算公式如下:
K(V)=δ*Width/Latency*会议数·与会人数·视频推流数·音频推流数
其中,K(V)代表计算得到的分数值,δ为模型参数,是通过训练得到的,Width为每条数据传输链路对应的带宽指标,Latency为每条数据传输链路对应的延迟指标,会议数,与会人数,视频推拉流数,音频推拉流数都是服务端的负载指标,服务端将被监控的每条数据传输链路对应的服务质量特征向量输入预测模型,得到每条数据传输对应的分数,当所有数据传输链路的分数都计算完毕时,得到分数集合,服务端将分数集合中的每个分数分别与第一阈值和第二阈值进行对比,得到第一对比结果,其中第一阈值大于第二阈值,服务端若得到第一对比结果为分数集合中的每个分数都大于第一阈值,则不进行预警,并将每个分数对应的数据传输链路的预警值清零;服务端若得到第一对比结果为分数集合中的存在小于第一阈值并大于第二阈值的分数,则不进行预警,将小于第一阈值并大于第二阈值的分数对应的数据传输链路的预警值进行更新,将经过更新的预警值与第三阈值进行对比,得到第二对比结果,服务端若得到第二对比结果为经过更新的预警值大于第三阈值,则对经过更新的预警值对应的数据传输链路进行预警,并对该数据传输链路的经过更新的预警值进行清零;服务端若得到第二对比结果为经过更新的预警值不大于第三阈值,则不进行预警;服务端若得到第一对比结果为分数集合中的存在小于第二阈值的分数,则对小于第二阈值的分数对应的数据传输链路进行预警,并将小于第二阈值的分数对应的数据传输链路的预警值清零。
本实施例的服务端在数据传输的过程中,接收客户端发送的栅栏数据包,并根据栅栏数据包,计算出数据传输指标;服务端计算出负载指标,根据负载指标和数据传输指标,确定每条数据传输链路对应的数据传输指标和负载指标;服务端根据负载指标和数据传输指标,确定每条数据传输链路对应的数据传输指标和负载指标;服务端根据特征签名哈希函数和每条数据传输链路对应的数据传输指标,计算得到每条数据传输链路对应的客户端特征向量,并根据所述特征签名哈希函数和每条数据传输链路对应的负载指标,计算得到每条数据传输链路对应的服务端特征向量,服务端根据每条数据传输链路对应的客户端特征向量和服务端特征向量,确定每条数据传输链路对应的服务质量特征向量;服务端将每条数据传输链路对应的服务质量特征向量输入预测模型,得到分数集合,并根据所述分数集合进行预警。通过计算每条数据数据传输链路对应的传输指标和负载指标,并确定对应的服务质量特征向量,避免了单一的性能预警会在网络轻微抖动时触发预警,并将服务质量特征向量输入预测模型,得到分数集合,并根据分数集合进行预警,提高了数据服务质量预警的准确性。
本发明还提供一种数据服务质量预警设备。
所述数据服务质量预警设备包括:存储器、处理器及储存在所述存储器上并可在所述处理器上运行的数据服务质量预警程序,所述数据服务质量预警程序被所述处理器执行时实现如上所述的数据服务质量预警方法的步骤。
其中,在所述处理器上运行的数据服务质量预警程序被执行时所实现的方法可参照本发明数据服务质量预警方法各个实施例,此处不再赘述。
本发明还提供一种可读存储介质。
所述可读存储介质为计算机可读存储介质,所述计算机可读存储介质上储存有数据服务质量预警程序,所述数据服务质量预警程序被处理器执行时实现如上所述的数据服务质量预警方法的步骤。
其中,在所述处理器上运行的数据服务质量预警程序被执行时所实现的方法可参照本发明数据服务质量预警方法各个实施例,此处不再赘述。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素,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、物品或者系统所固有的要素。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、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
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,该计算机软件产品储存在如上所述的一个储存介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务端,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书与附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种数据服务质量预警方法,其特征在于,所述数据服务质量预警方法应用于数据服务质量预警系统,所述数据服务质量预警系统中包括至少一条数据传输链路,所述数据传输链路中包括客户端和服务端,所述数据服务质量预警方法包括如下步骤:
在数据传输的过程中,获取所述服务端的负载指标和所述客户端的数据传输指标;
根据所述负载指标和所述数据传输指标,确定每条数据传输链路对应的服务质量特征向量;
将每条数据传输链路对应的服务质量特征向量输入预测模型,得到分数集合,并根据所述分数集合进行预警。
2.如权利要求1所述的数据服务质量预警方法,其特征在于,所述根据所述负载指标和所述数据传输指标,确定每条数据传输链路对应的服务质量特征向量的步骤包括:
根据所述负载指标和所述数据传输指标,确定每条数据传输链路对应的数据传输指标和负载指标;
根据特征签名哈希函数和每条数据传输链路对应的数据传输指标,计算得到每条数据传输链路对应的客户端特征向量,并根据所述特征签名哈希函数和每条数据传输链路对应的负载指标,计算得到每条数据传输链路对应的服务端特征向量;
根据每条数据传输链路对应的客户端特征向量和服务端特征向量,确定每条数据传输链路对应的服务质量特征向量。
3.如权利要求1所述的数据服务质量预警方法,其特征在于,所述根据所述分数集合进行预警的步骤包括:
若所述分数集合中的每个分数都大于第一阈值,则不进行预警,并将每个分数对应的数据传输链路的预警值清零;
若所述分数集合中的存在小于所述第一阈值并大于第二阈值的分数,则不进行预警,将所述分数对应的数据传输链路的预警值进行更新,并根据经过更新的预警值确定是否进行预警;
若所述分数集合中的存在小于所述第二阈值的分数,则对所述分数对应的数据传输链路进行预警,并将所述分数对应的数据传输链路的预警值清零。
4.如权利要求3中所述的数据服务质量预警方法,其特征在于,所述根据经过更新的预警值确定是否进行预警的步骤包括:
将经过更新的预警值与第三阈值进行对比,得到对比结果;
若所述对比结果为经过更新的预警值大于所述第三阈值,则对经过更新的预警值对应的数据传输链路进行预警,并对经过更新的预警值进行清零;
若所述对比结果为经过更新的预警值不大于所述第三阈值,则不进行预警。
5.如权利要求1所述的数据服务质量预警方法,其特征在于,所述在数据传输的过程中,获取所述服务端计算得到的负载指标和数据传输指标的步骤之前,所述数据服务质量预警方法包括:
获取历史服务质量特征向量集合,并根据所述历史服务质量特征向量集合确定训练样本和验证样本;
根据所述训练样本进行训练得到待验证预测模型,并根据所述验证样本对所述待验证预测模型进行验证,以得到预测模型。
6.一种数据服务质量预警方法,其特征在于,所述数据服务质量预警方法应用于客户端,所述客户端至少与一个服务端构成一条数据传输链路,所述数据服务质量预警方法包括如下步骤:
在数据传输过程中,生成栅栏数据包,并向所述服务端发送所述栅栏数据包;
接收所述服务端计算出的负载指标和根据所述栅栏数据包计算出的数据传输指标,根据所述负载指标和所述数据传输指标,确定每条数据传输链路对应的服务质量特征向量;
将每条数据传输链路对应的服务质量特征向量输入预测模型,得到分数集合,并根据所述分数集合进行预警。
7.一种数据服务质量预警方法,其特征在于,所述数据服务质量预警方法应用于服务端,所述服务端至少与一个客户端构成一条数据传输链路,所述数据服务质量预警方法包括如下步骤:
在数据传输过程中,接收所述客户端发送的栅栏数据包,并根据所述栅栏数据包,计算出数据传输指标;
计算出负载指标,根据所述负载指标和所述数据传输指标,确定每条数据传输链路对应的服务质量特征向量;
将每条数据传输链路对应的服务质量特征向量输入预测模型,得到分数集合,并根据所述分数集合进行预警。
8.如权利要求7所述的数据服务质量预警方法,其特征在于,所述接收所述客户端发送的栅栏数据包,根据所述栅栏数据包,计算出数据传输指标的步骤包括:
接收所述客户端发送的栅栏数据包,并确定接收时间戳;
获取所述栅栏数据包中的发送时间戳,并根据所述接收时间戳和所述发送时间戳计算出延迟指标;
获取所述栅栏数据包中的数据包容量信息,根据所述数据包容量信息和所述延迟指标,计算出带宽指标;
根据所述延迟指标和所述带宽指标计算出数据传输指标。
9.一种数据服务质量预警设备,其特征在于,所述数据服务质量预警设备包括:存储器、处理器及储存在所述存储器上并可在所述处理器上运行的数据服务质量预警程序,所述数据服务质量预警程序被所述处理器执行时实现如权利要求1至8中任一项所述的数据服务质量预警方法的步骤。
10.一种可读存储介质,其特征在于,所述可读存储介质为计算机可读存储介质,所述计算机可读存储介质上储存有数据服务质量预警程序,所述数据服务质量预警程序被处理器执行时实现如权利要求1至8中任一项所述的数据服务质量预警方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210572327.0A CN114760191B (zh) | 2022-05-24 | 2022-05-24 | 数据服务质量预警方法、系统、设备与可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210572327.0A CN114760191B (zh) | 2022-05-24 | 2022-05-24 | 数据服务质量预警方法、系统、设备与可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114760191A true CN114760191A (zh) | 2022-07-15 |
CN114760191B CN114760191B (zh) | 2023-09-19 |
Family
ID=82335031
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210572327.0A Active CN114760191B (zh) | 2022-05-24 | 2022-05-24 | 数据服务质量预警方法、系统、设备与可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114760191B (zh) |
Citations (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101674204A (zh) * | 2009-10-13 | 2010-03-17 | 东南大学 | 基于客户端的多媒体组播服务质量测量方法 |
CN102098301A (zh) * | 2011-01-06 | 2011-06-15 | 复旦大学 | 多链路自适应的数据传输方法与系统 |
WO2015135417A1 (en) * | 2014-03-10 | 2015-09-17 | Tencent Technology (Shenzhen) Company Limited | Method and system for monitoring quality of data transmission in idc network |
US20160197813A1 (en) * | 2014-12-19 | 2016-07-07 | Shantigram Jagannath | System and method for coordinating client-side inference of mobile network loading and capacity |
US20180198694A1 (en) * | 2017-01-06 | 2018-07-12 | Machine Zone, Inc. | System and Method for Updating Application Clients Using a Plurality of Content Delivery Networks |
US20190034937A1 (en) * | 2016-03-31 | 2019-01-31 | Alibaba Group Holding Limited | Problem Prediction Method and System |
CN109309735A (zh) * | 2018-11-27 | 2019-02-05 | 深圳市网心科技有限公司 | 连接处理方法、服务器、系统及存储介质 |
CN109347668A (zh) * | 2018-10-17 | 2019-02-15 | 网宿科技股份有限公司 | 一种服务质量评估模型的训练方法及装置 |
CN109446041A (zh) * | 2018-09-25 | 2019-03-08 | 平安普惠企业管理有限公司 | 一种服务器压力预警方法、系统及终端设备 |
CN109995562A (zh) * | 2017-12-30 | 2019-07-09 | 中国移动通信集团河北有限公司 | 网络业务量预测方法、装置、设备及介质 |
CN110324677A (zh) * | 2018-03-30 | 2019-10-11 | 武汉斗鱼网络科技有限公司 | 一种弹幕服务器连接方法、客户端及可读存储介质 |
US20190334786A1 (en) * | 2018-04-30 | 2019-10-31 | Hewlett Packard Enterprise Development Lp | Predicting Workload Patterns in a Data Storage Network |
CN110650067A (zh) * | 2019-10-16 | 2020-01-03 | 大庆石油管理局有限公司 | 一种宽带网络性能测试评估方法和系统 |
CN112600697A (zh) * | 2020-12-07 | 2021-04-02 | 中山大学 | 基于联邦学习的QoS预测方法及系统、客户端和服务端 |
CN113032251A (zh) * | 2021-03-11 | 2021-06-25 | 北京百度网讯科技有限公司 | 应用程序服务质量的确定方法、设备和存储介质 |
US20210266358A1 (en) * | 2020-02-24 | 2021-08-26 | Netapp, Inc. | Quality of service (qos) settings of volumes in a distributed storage system |
CN113554288A (zh) * | 2021-07-07 | 2021-10-26 | 山东伏羲智库互联网研究院 | 一种通用数据质量评估方法及装置 |
CN113762737A (zh) * | 2021-08-19 | 2021-12-07 | 北京邮电大学 | 网络服务质量预测的方法及系统 |
US20210383271A1 (en) * | 2020-06-04 | 2021-12-09 | Bmc Software, Inc. | Performance prediction using dynamic model correlation |
CN113904977A (zh) * | 2021-10-13 | 2022-01-07 | 中国电信股份有限公司 | 多链路网关数据传输方法、装置、电子设备和可读介质 |
US20220021595A1 (en) * | 2020-07-14 | 2022-01-20 | Juniper Networks, Inc. | Dynamic prediction and management of application service level agreements |
KR102367409B1 (ko) * | 2021-11-02 | 2022-02-24 | 주식회사 데이탄소프트 | 기 학습된 장애 예측 모델을 이용한 it 서비스의 장애 예측 방법, 서버 및 컴퓨터프로그램 |
CN114245105A (zh) * | 2021-12-14 | 2022-03-25 | 咪咕音乐有限公司 | 视频播放质量探测方法、系统、设备及存储介质 |
-
2022
- 2022-05-24 CN CN202210572327.0A patent/CN114760191B/zh active Active
Patent Citations (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101674204A (zh) * | 2009-10-13 | 2010-03-17 | 东南大学 | 基于客户端的多媒体组播服务质量测量方法 |
CN102098301A (zh) * | 2011-01-06 | 2011-06-15 | 复旦大学 | 多链路自适应的数据传输方法与系统 |
WO2015135417A1 (en) * | 2014-03-10 | 2015-09-17 | Tencent Technology (Shenzhen) Company Limited | Method and system for monitoring quality of data transmission in idc network |
US20160197813A1 (en) * | 2014-12-19 | 2016-07-07 | Shantigram Jagannath | System and method for coordinating client-side inference of mobile network loading and capacity |
US20190034937A1 (en) * | 2016-03-31 | 2019-01-31 | Alibaba Group Holding Limited | Problem Prediction Method and System |
US20180198694A1 (en) * | 2017-01-06 | 2018-07-12 | Machine Zone, Inc. | System and Method for Updating Application Clients Using a Plurality of Content Delivery Networks |
CN109995562A (zh) * | 2017-12-30 | 2019-07-09 | 中国移动通信集团河北有限公司 | 网络业务量预测方法、装置、设备及介质 |
CN110324677A (zh) * | 2018-03-30 | 2019-10-11 | 武汉斗鱼网络科技有限公司 | 一种弹幕服务器连接方法、客户端及可读存储介质 |
US20190334786A1 (en) * | 2018-04-30 | 2019-10-31 | Hewlett Packard Enterprise Development Lp | Predicting Workload Patterns in a Data Storage Network |
CN109446041A (zh) * | 2018-09-25 | 2019-03-08 | 平安普惠企业管理有限公司 | 一种服务器压力预警方法、系统及终端设备 |
CN109347668A (zh) * | 2018-10-17 | 2019-02-15 | 网宿科技股份有限公司 | 一种服务质量评估模型的训练方法及装置 |
CN109309735A (zh) * | 2018-11-27 | 2019-02-05 | 深圳市网心科技有限公司 | 连接处理方法、服务器、系统及存储介质 |
CN110650067A (zh) * | 2019-10-16 | 2020-01-03 | 大庆石油管理局有限公司 | 一种宽带网络性能测试评估方法和系统 |
US20210266358A1 (en) * | 2020-02-24 | 2021-08-26 | Netapp, Inc. | Quality of service (qos) settings of volumes in a distributed storage system |
US20210383271A1 (en) * | 2020-06-04 | 2021-12-09 | Bmc Software, Inc. | Performance prediction using dynamic model correlation |
US20220021595A1 (en) * | 2020-07-14 | 2022-01-20 | Juniper Networks, Inc. | Dynamic prediction and management of application service level agreements |
CN112600697A (zh) * | 2020-12-07 | 2021-04-02 | 中山大学 | 基于联邦学习的QoS预测方法及系统、客户端和服务端 |
CN113032251A (zh) * | 2021-03-11 | 2021-06-25 | 北京百度网讯科技有限公司 | 应用程序服务质量的确定方法、设备和存储介质 |
CN113554288A (zh) * | 2021-07-07 | 2021-10-26 | 山东伏羲智库互联网研究院 | 一种通用数据质量评估方法及装置 |
CN113762737A (zh) * | 2021-08-19 | 2021-12-07 | 北京邮电大学 | 网络服务质量预测的方法及系统 |
CN113904977A (zh) * | 2021-10-13 | 2022-01-07 | 中国电信股份有限公司 | 多链路网关数据传输方法、装置、电子设备和可读介质 |
KR102367409B1 (ko) * | 2021-11-02 | 2022-02-24 | 주식회사 데이탄소프트 | 기 학습된 장애 예측 모델을 이용한 it 서비스의 장애 예측 방법, 서버 및 컴퓨터프로그램 |
CN114245105A (zh) * | 2021-12-14 | 2022-03-25 | 咪咕音乐有限公司 | 视频播放质量探测方法、系统、设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
刘玉军: "网络服务质量评估体系研究", 计算机工程与设计, no. 05 * |
Also Published As
Publication number | Publication date |
---|---|
CN114760191B (zh) | 2023-09-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3993436B1 (en) | Data processing method and apparatus, computer-readable storage medium, and electronic device | |
US9549010B2 (en) | Method and apparatus for media session identification, tracking, and analysis | |
CN108429701B (zh) | 网络加速系统 | |
EP4362422A2 (en) | Network traffic identification method and related device | |
US20150163273A1 (en) | Media bit rate estimation based on segment playback duration and segment data length | |
US20050204046A1 (en) | Data transmitting apparatus, data receiving apparatus, data transmitting manner, and data receiving manner | |
CN111628847A (zh) | 数据传输方法及装置 | |
CN102164117B (zh) | 使用代理设备的视频转码 | |
US20230060066A1 (en) | Data transmission method and apparatus, computer readable medium, and electronic device | |
US20130311667A1 (en) | Methods and systems for dynamic policy evaluation | |
US10250660B2 (en) | Method, system and apparatus for the transmission and adaption of data | |
US20140207843A1 (en) | Data processing method, connection auditing device, and system | |
WO2013017165A1 (en) | Shaping media traffic based on manifest file in http adaptive streaming | |
CN112312427A (zh) | 一种优化网络质量的方法和电子设备 | |
CN107040615B (zh) | 媒体分片的下载方法、终端和计算机可读存储介质 | |
WO2015120766A1 (zh) | 一种视频优化系统及方法 | |
US10305955B1 (en) | Streaming decision in the cloud | |
CN117596232A (zh) | 流媒体快速启动方法、装置和系统 | |
US20160036883A1 (en) | Systems and methods for selective transport accelerator operation | |
CN113259760B (zh) | 局域网投屏的通信协议方法、系统、设备及存储介质 | |
CN114866790A (zh) | 直播流调度方法及装置 | |
Raca et al. | DASHbed: a testbed framework for large scale empirical evaluation of real-time DASH in wireless scenarios | |
CN114760191A (zh) | 数据服务质量预警方法、系统、设备与可读存储介质 | |
US20230412479A1 (en) | Local management of quality of experience in a home network | |
CN115802007A (zh) | 基于rtsp协议的监控系统控制方法、设备及可读存储介质 |
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 |