CN114826939A - 一种k8s集群的网络流量分析方法 - Google Patents
一种k8s集群的网络流量分析方法 Download PDFInfo
- Publication number
- CN114826939A CN114826939A CN202210438730.4A CN202210438730A CN114826939A CN 114826939 A CN114826939 A CN 114826939A CN 202210438730 A CN202210438730 A CN 202210438730A CN 114826939 A CN114826939 A CN 114826939A
- Authority
- CN
- China
- Prior art keywords
- pod
- network
- cluster
- analysis
- information
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 85
- 238000000034 method Methods 0.000 claims abstract description 23
- 230000005540 biological transmission Effects 0.000 claims abstract description 19
- 238000005206 flow analysis Methods 0.000 claims abstract description 19
- 238000012544 monitoring process Methods 0.000 claims description 28
- 238000012545 processing Methods 0.000 claims description 16
- 238000004891 communication Methods 0.000 claims description 15
- 230000004044 response Effects 0.000 claims description 15
- 238000007726 management method Methods 0.000 abstract description 17
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 238000004364 calculation method Methods 0.000 abstract description 3
- 238000007405 data analysis Methods 0.000 abstract description 3
- 238000012423 maintenance Methods 0.000 abstract description 2
- 230000000694 effects Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 238000006467 substitution reaction Methods 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
- H04L41/14—Network analysis or design
-
- 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
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Environmental & Geological Engineering (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明提出了一种K8S集群的网络流量分析方法,具体提出了一种将数据分析运算下放至Node节点的网络流量分析方法,由Node节点中的流量分析Pod利用Node节点内的可控的资源进行分析计算后,将得出的网络元数据发往集群外部的数据中心(云中控),数据中心收到网络元数据后存入数据库中,再对这些网络元数据进行二次分析以展现对应Node节点的网络性能。本发明方法的有益技术效果包括:相比于现有技术中的镜像流量,网络元数据是一类较原始的统计数据,其传输所需的带宽可减少90%以上,并且由于将对网络流量的分析下放到了各个对应的服务节点中,其也有效的降低了数据中心的规模,减少了后期的设备成本投入并更加方便对数据中心的维护管理。
Description
技术领域
本发明涉及网络通信技术领域,尤其涉及一种K8S集群的网络流量分析方法。
背景技术
随着K8S技术的成熟,越来越多的服务容器化,这些服务将以微服务(一般由多个Pod组成)的方式部署在K8S集群的各个服务节点(Node节点)中,容器化为各服务节点的性能分析带来了新的挑战——为了分析各服务节点的性能,需要获取Pod级别的网络流量。现有的技术方案通常是对容器化的服务节点进行引流,而后将该服务节点的网络流量镜像发送至外部专用的流量分析设备,随后由该专用的流量分析设备进行网络流量分析并提供对该服务节点的网络性能分析结果。
然而,镜像的服务节点的网络流量包括Pod进出服务节点的流量以及服务节点内部的各Pod之间的互访流量,传输这些镜像流量需要占用较大的带宽,并且对这些镜像流量的实时分析处理需要多台设备协同工作,导致由多台设备所形成的数据中心规模的较大。因此,无论是从从数据传输成本,还是从后期的设备投入成本及设备管理的方便程度上均无法达到理想。
因此,如何能够降低数据传输需求并降低数据中心规模的网络流量分析方案是目前本领域所亟需的。
发明内容
为解决上述技术问题并实现上述技术目的,在本发明的一个方面提出的一种K8S集群的网络流量分析方法,所述方法包括在所述K8S集群的每个容器化服务节点内创建流量分析Pod,并由所述流量分析Pod执行以下步骤:向数据中心发送容器化服务节点信息;接收来自所述数据中心的监控指令,并根据所述监控指令获取指定Pod的网络流量;接收来自数据中心的配置指令,并根据所述配置指令中的分析策略处理所述指定Pod的网络流量,并获得对应的处理结果;周期性的向所述数据中心返回所述对应的处理结果。
在一个或多个实施例中,所述监控指令包括指定Pod的第一个容器的ID,所述根据所述监控指令获取指定Pod的网络流量包括:响应于获取所述监控指令,根据所述第一个容器ID在节点内查询所述指定Pod的veth接口;为每个veth接口配置抓包任务并启动;通过所述抓包任务由对应的veth接口获取指定Pod的网络流量。
在一个或多个实施例中,所述分析策略包括:对所述网络流量按照网络通信协议进行分层;统计获得指定网络通信层的网络元数据。
在一个或多个实施例中,所述网络通信协议包括:TCP或UDP。
在一个或多个实施例中,所述统计获得指定网络通信层的网络元数据包括:统计获得链路层的网络元数据,包括速率、包率、平均包长、包长分布和/或2层协议的速率及包率;统计获得网络层的网络元数据,包括速率、包率、平均包长、负载包数、负载流量和TCP的建连时间、TCP的建连成功率、TCP的重传率、TCP的丢包率、TCP的零窗口数量和/或TCP的平均响应时间;统计获得应用层的网络元数据,包括服务请求类型、服务请求的url信息、服务请求的host信息、服务请求的referer信息、服务请求的user_agent信息、响应返回码、传输文件类型、传输文件名称、会话响应时间、请求传输时间、响应传输时间和/或用户体验时间。
在本发明的第二方面,本发明提出的K8S集群的网络流量分析方法包括由数据中心执行的以下步骤:获取目标K8S集群的管理平台的API接口;通过所述API接口对所述目标K8S集群的管理平台进行初始化配置;通过所述API接口获取目标K8S集群的基本信息,所述基本信息包括容器化服务节点信息、Service信息以及Pod信息;接收流量分析Pod发送的容器化服务节点信息,并与通过所述API接口获得的容器化服务节点信息进行比较以判断对应的流量分析Pod是否正常启动;响应于所述流量分析Pod正常启动,向所述流量分析Pod发送监控指令以及配置指令;接收来自所述流量分析Pod周期性返回的处理结果,并保存至本地数据库中;响应于接收性能查看请求,调取所述本地数据库中的对应的网络元数据进行二次分析并返回二次分析结果。
在一个或多个实施例中,所述通过API接口获取的Pod信息包括:Pod的第一个容器的ID。
在一个或多个实施例中,所述接收流量分析Pod发送的容器化服务节点信息,并与通过所述API接口获得的容器化服务节点信息进行比较以判断对应的流量分析Pod是否正常启动,包括:响应于接收的流量分析Pod的容器化服务节点的IP信息与通过所述API接口获得的任一容器化节点的IP信息相匹配,确定对应的流量分析Pod正常启动。
在一个或多个实施例中,所述数据中心还执行包括:通过所述API接口监听所述K8S集群的Event信息;获取所述Event信息中的Pod创建信息;将新创建的Pod的第一个容器的ID通过监控指令发送给对应的容器化服务节点中的流量分析Pod。
在本发明的第三方面,本发明提出的K8S集群的网络流量分析方法包括由K8S集群的管理平台执行的以下步骤:基于初始化配置在所述K8S集群的各个容器化服务节点中创建流量分析Pod;接收Pod创建指令,并基于所述Pod创建指令在对应的容器化服务节点中创建新的服务Pod。
本发明的有益效果包括:本发明提出了一种将数据分析运算下放至Node节点的网络流量分析方法,由Node节点中的流量分析Pod利用Node节点内可控的资源进行分析计算后,将得出的网络元数据发往集群外部的数据中心(云中控),数据中心收到网络元数据后存入数据库中,再对这些网络元数据进行二次分析以展现对应Node节点的网络性能。相比于现有技术中的镜像流量,网络元数据是一类较原始的统计数据,其传输所需的带宽可减少90%以上,并且由于将对网络流量的分析下放到了各个对应的服务节点中,其也有效的降低了数据中心的规模,减少了后期的设备成本投入并更加方便对数据中心的维护管理。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的实施例。
图1为实施本发明的K8S集群的网络流量分析方法的系统结构示意图;
图2为本发明的K8S集群的网络流量分析方法在ECU侧的工作流程图;
图3为本发明的K8S集群的网络流量分析方法在数据中心侧的工作流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本发明实施例进一步详细说明。
需要说明的是,本发明实施例中所有使用“第一”和“第二”的表述均是为了区分两个相同名称非相同的实体或者非相同的参量,可见“第一”“第二”仅为了表述的方便,不应理解为对本发明实施例的限定,后续实施例对此不再一一说明。
为了解决现有技术中通过镜像服务节点(以后简称为Node节点)的网络流量来实现对容器化的服务节点的性能分析,而存在无论是从资源利用率还是从数据传输成本上均无法达到理想的问题。本发明提出了一种将数据分析运算下放至Node节点的网络流量分析方法,由Node节点中的流量分析Pod利用Node节点内可控的资源进行分析计算后,将得出的网络元数据发往集群外部的数据中心(云中控),数据中心收到网络元数据后存入数据库中,再对这些网络元数据进行二次分析以展现对应Node节点的网络性能。相比于现有技术中的镜像流量,网络元数据是一类较原始的统计数据,其传输所需的带宽可减少90%以上,并且流量分析Pod也有助于提升其所在服务节点的资源利用率。
此外,本发明选择Pod作为对象来获取网络流量而并未直接以容器作为对象的原因是,流量分析Pod作为部署在Node节点中的微服务,其相较容器而言具有更完整的逻辑功能,能够通过对其发出的指令来实现任务的下达并执行,操作更加灵活且更加方便管理。以下将结合具体附图对本发明的方法进行更加详细的阐述。
图1为实施本发明的K8S集群的网络流量分析方法的系统结构示意图。如图1所示,本发明方法的实施主要由两部分实现,一部分是由部署在容器化服务节点中的ECU(即流量监控Pod)来实现,另一部分是设置于集群外部的数据中心(云中控)来实现。在本实施例中,K8S集群的管理平台为K8S平台,其中,K8S是kubernetes的缩写,是为容器服务而生的一个可移植容器的编排管理平台;Node节点是K8S集群中的工作负载节点,每个node节点都会被分配一些工作负载(容器),Node节点可以是一个物理机或虚拟机;Pod是所有业务类型的基础,也是K8S管理的最小单位级,Pod由一个或多个容器的组合,用于提供一种或多种微服务。
图2为本发明的K8S集群的网络流量分析方法在ECU侧的工作流程图。如图2所示,ECU侧的工作流程由对应的流量分析Pod实现,具体实现的步骤包括:步骤100、向数据中心发送容器化服务节点信息;步骤200、接收来自数据中心的监控指令,并根据监控指令获取指定Pod的网络流量;步骤300、接收来自数据中心的配置指令,并根据配置指令中的分析策略处理指定Pod的网络流量,并获得对应的处理结果;步骤400、周期性的向数据中心返回对应的处理结果。
在进一步的实施例中,监控指令包括至少包括指定Pod的第一个容器的ID,除此之外还可以包括指定Pod的UUID、指定Pod的标签信息;其中,在一个容器化服务节点中UUID与第一个容器ID一一对应;一个标签可以对应多个UUID即多个Pod,用于标明对应的服务Pod提供的服务的类型,例如数据库、HTTP等。步骤200中的根据监控指令获取指定Pod的网络流量包括:步骤201、响应于获取监控指令,根据所述第一个容器ID在节点内查询所述指定Pod的veth接口;为每个veth接口配置抓包任务并启动;步骤202、通过抓包任务由对应的veth接口获取指定Pod的网络流量。此外,监控指令中的指定Pod的第一容器ID还可能来自发生更新的Pod,相应的,流量分析Pod将为更新Pod的veth接口重新配置抓包任务并启动。
在进一步的实施例中,步骤300中的分析策略包括:对网络流量按照网络通信协议进行分层;统计获得指定网络通信层的网络元数据。具体的,对网络流量按照网络通信协议进行分层如按照7层或5层的网络通信协议来进行分层;其中,网络通信协议包括面向连接的TCP(Transmission Control Protocol,传输控制协议),或者面向非连接的UDP(UserData Protocol,用户数据报协议协议)。
在进一步的实施例中,统计获得指定网络通信层的网络元数据包括:统计获得链路层的网络元数据(如traffic元数据),包括速率、包率、平均包长、包长分布和/或2层协议的速率及包率;统计获得网络层的网络元数据(如flowStats元数据),包括速率、包率、平均包长、负载包数、负载流量和TCP的建连时间、TCP的建连成功率、TCP的重传率、TCP的丢包率、TCP的零窗口数量和/或TCP的平均响应时间;统计获得应用层的网络元数据(如appSessData元数据),包括服务请求类型、服务请求的url信息、服务请求的host信息、服务请求的referer信息、服务请求的user_agent信息、响应返回码、传输文件类型、传输文件名称、会话响应时间、请求传输时间、响应传输时间和/或用户体验时间。
图3为本发明的K8S集群的网络流量分析方法在数据中心侧的工作流程图。如图3所示,由数据中心侧的实现的步骤包括:步骤10获取目标K8S集群的管理平台的API接口;步骤20、通过所述API接口对所述目标K8S集群的管理平台进行初始化配置;步骤30、通过API接口获取目标K8S集群的基本信息,基本信息包括容器化服务节点信息、Service信息以及Pod信息;步骤40、接收流量分析Pod发送的容器化服务节点信息,并与通过API接口获得的容器化服务节点信息进行比较以判断对应的流量分析Pod是否正常启动;步骤50、响应于流量分析Pod正常启动,向流量分析Pod发送监控指令;步骤60、接收来自流量分析Pod周期性返回的处理结果(即网络元数据),并保存至本地数据库中;步骤70、响应于接收性能查看请求,调取本地数据库中的对应的网络元数据进行二次分析并返回二次分析结果。其中,二次分析结果将通过对应的K8S集群中的对应服务节点返回给请求端。其中,数据中心将根据容器化服务节点中的Service信息发送不同的监控指令以获得相应的链路层的网络元数据、网络层的网络元数据和/或应用层的网络元数据。
在进一步的实施例中,步骤30中通过API接口获取的Pod信息包括:Pod的第一个容器的ID、Pod的UUID以及Pod的标签信息。其中,在一个容器化服务节点中UUID与第一个容器ID一一对应;一个标签可以对应多个UUID即对应多个Pod,用于标明服务Pod提供的服务的类型,例如数据库、HTTP等。
在进一步的实施例中,步骤40、接收流量分析Pod发送的容器化服务节点信息,并与通过API接口获得的容器化服务节点信息进行比较以判断对应的流量分析Pod是否正常启动,包括:响应于接收的流量分析Pod的器化服务节点的IP信息与通过API接口获得的任一容器化节点的IP信息相匹配,确定对应的流量分析Pod正常启动。
在进一步的实施例中,数据中心还执行包括:步骤80、通过API接口监听K8S集群的Event信息;获取Event信息中的Pod创建信息;将新创建的Pod的第一个容器的ID通过监控指令发送给对应的容器化服务节点中的流量分析Pod,以使得流量分析Pod能够及时的实现对更新Pod的流量监控。此外,当K8S集群加入新的Node节点时,会相应的生成新的流量分析Pod,该新生成的流量分析Pod将向数据中心发送Node信息,数据中心接受到Node信息后会将该新生成的流量分析Pod纳入管理。
在上述各个实施中,流量分析Pod的创建是由K8S管理平台完成的。具体的,K8S管理平台根据数据中心的初始化配置在其管理下的每个容器化服务节点中创建流量分析Pod。其中,创建流量分析Pod的情况还包括通过K8S管理平台创建新的Node节点时,此时同样要在该新的Node节点中创建流量分析Pod。此外,K8S平台还将接收Pod创建指令,并基于Pod创建指令在对应的容器化服务节点中创建新的服务Pod。
更具体的,由上述各实施例可知,这些新创建的服务Pod将会被数据中心通过K8S管理平台的API接口监测到,从而将这些新创建的服务Pod的Pod信息,如第一容器的ID发送给该容器化服务节点中的流量分析Pod,而后该流量分析Pod即可以根据上述第一个容器的ID找到对应的Veth接口,从而实现对这些新创建的服务Pod的流量监控及分析。
以上是本发明公开的示例性实施例,但是应当注意,在不背离权利要求限定的本发明实施例公开的范围的前提下,可以进行多种改变和修改。根据这里描述的公开实施例的方法权利要求的功能、步骤和/或动作不需以任何特定顺序执行。此外,尽管本发明实施例公开的元素可以以个体形式描述或要求,但除非明确限制为单数,也可以理解为多个。
应当理解的是,在本文中使用的,在本文中使用的“和/或”是指包括一个或者一个以上相关联地列出的项目的任意和所有可能组合。
上述本发明实施例公开实施例序号仅仅为了描述,不代表实施例的优劣。
所属领域的普通技术人员应当理解:以上任何实施例的讨论仅为示例性的,并非旨在暗示本发明实施例公开的范围(包括权利要求)被限于这些例子;在本发明实施例的思路下,以上实施例或者不同实施例中的技术特征之间也可以进行组合,并存在如上的本发明实施例的不同方面的许多其它变化,为了简明它们没有在细节中提供。因此,凡在本发明实施例的精神和原则之内,所做的任何省略、修改、等同替换、改进等,均应包含在本发明实施例的保护范围之内。
Claims (10)
1.一种K8S集群的网络流量分析方法,其特征在于,所述方法包括在所述K8S集群的每个容器化服务节点内创建流量分析Pod,并由所述流量分析Pod执行以下步骤:
向数据中心发送容器化服务节点信息;
接收来自所述数据中心的监控指令,并根据所述监控指令获取指定Pod的网络流量;
接收来自数据中心的配置指令,并根据所述配置指令中的分析策略处理所述指定Pod的网络流量,并获得对应的处理结果;
周期性的向所述数据中心返回所述对应的处理结果。
2.根据权利要求1所述的K8S集群的网络流量分析方法,其特征在于,所述监控指令包括指定Pod的第一个容器的ID,所述根据所述监控指令获取指定Pod的网络流量包括:
响应于获取所述监控指令,根据所述第一个容器ID在节点内查询所述指定Pod的veth接口;
为每个veth接口配置抓包任务并启动;
通过所述抓包任务由对应的veth接口获取指定Pod的网络流量。
3.根据权利要求1所述的K8S集群的网络流量分析方法,其特征在于,所述分析策略包括:
对所述网络流量按照网络通信协议进行分层;
统计获得指定网络通信层的网络元数据。
4.根据权利要求3所述的K8S集群的网络流量分析方法,其特征在于,所述网络通信协议包括:TCP或UDP。
5.根据权利要求4所述的K8S集群的网络流量分析方法,其特征在于,所述统计获得指定网络通信层的网络元数据包括:
统计获得链路层的网络元数据,包括速率、包率、平均包长、包长分布和/或2层协议的速率及包率;
统计获得网络层的网络元数据,包括速率、包率、平均包长、负载包数、负载流量和TCP的建连时间、TCP的建连成功率、TCP的重传率、TCP的丢包率、TCP的零窗口数量和/或TCP的平均响应时间;
统计获得应用层的网络元数据,包括服务请求类型、服务请求的url信息、服务请求的host信息、服务请求的referer信息、服务请求的user_agent信息、响应返回码、传输文件类型、传输文件名称、会话响应时间、请求传输时间、响应传输时间和/或用户体验时间。
6.一种K8S集群的网络流量分析方法,其特征在于,所述方法包括由数据中心执行的以下步骤:
获取目标K8S集群的管理平台的API接口;
通过所述API接口对所述目标K8S集群的管理平台进行初始化配置;
通过所述API接口获取目标K8S集群的基本信息,所述基本信息包括容器化服务节点信息、Service信息以及Pod信息;
接收流量分析Pod发送的容器化服务节点信息,并与通过所述API接口获得的容器化服务节点信息进行比较以判断对应的流量分析Pod是否正常启动;
响应于所述流量分析Pod正常启动,向所述流量分析Pod发送监控指令以及配置指令;
接收来自所述流量分析Pod周期性返回的处理结果,并保存至本地数据库中;
响应于接收性能查看请求,调取所述本地数据库中的对应的网络元数据进行二次分析并返回二次分析结果。
7.根据权利要求6所述的K8S集群的网络流量分析方法,其特征在于,所述通过API接口获取的Pod信息包括:Pod的第一个容器的ID。
8.根据权利要求所述的K8S集群的网络流量分析方法,其特征在于,所述接收流量分析Pod发送的容器化服务节点信息,并与通过所述API接口获得的容器化服务节点信息进行比较以判断对应的流量分析Pod是否正常启动,包括:
响应于接收的流量分析Pod的容器化服务节点的IP信息与通过所述API接口获得的任一容器化节点的IP信息相匹配,确定对应的流量分析Pod正常启动。
9.根据权利要求6所述的K8S集群的网络流量分析方法,其特征在于,所述数据中心还执行包括:
通过所述API接口监听所述K8S集群的Event信息;
获取所述Event信息中的Pod创建信息;
将新创建的Pod的第一个容器的ID通过监控指令发送给对应的容器化服务节点中的流量分析Pod。
10.一种K8S集群的网络流量分析方法,其特征在于,所述方法包括由K8S集群的管理平台执行的以下步骤:
基于初始化配置在所述K8S集群的各个容器化服务节点中创建流量分析Pod;
接收Pod创建指令,并基于所述Pod创建指令在对应的容器化服务节点中创建新的服务Pod。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210438730.4A CN114826939B (zh) | 2022-04-25 | 2022-04-25 | 一种k8s集群的网络流量分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210438730.4A CN114826939B (zh) | 2022-04-25 | 2022-04-25 | 一种k8s集群的网络流量分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114826939A true CN114826939A (zh) | 2022-07-29 |
CN114826939B CN114826939B (zh) | 2024-04-23 |
Family
ID=82508318
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210438730.4A Active CN114826939B (zh) | 2022-04-25 | 2022-04-25 | 一种k8s集群的网络流量分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114826939B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104753732A (zh) * | 2013-12-27 | 2015-07-01 | 郭祖龙 | 一种基于分布式的网络流量分析系统及方法 |
US20190379590A1 (en) * | 2018-06-06 | 2019-12-12 | Servicenow, Inc. | Discovery and Mapping of Containerized Software Applications |
CN112564994A (zh) * | 2019-09-25 | 2021-03-26 | 北大方正集团有限公司 | 流量监测方法、装置、云服务器及存储介质 |
CN112925649A (zh) * | 2021-03-31 | 2021-06-08 | 中国人民解放军国防科技大学 | 一种虚拟网络功能的统一监控方法 |
CN114143203A (zh) * | 2021-11-05 | 2022-03-04 | 华东师范大学 | 一种基于动态服务拓扑映射的Kubernetes容器网络数据包指标采集的方法及系统 |
CN114138590A (zh) * | 2020-09-03 | 2022-03-04 | 中国移动通信集团湖南有限公司 | Kubernetes集群的运维处理方法、装置及电子设备 |
CN114328130A (zh) * | 2022-03-03 | 2022-04-12 | 深圳市明源云科技有限公司 | 服务器监控方法、系统、设备及计算机可读存储介质 |
-
2022
- 2022-04-25 CN CN202210438730.4A patent/CN114826939B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104753732A (zh) * | 2013-12-27 | 2015-07-01 | 郭祖龙 | 一种基于分布式的网络流量分析系统及方法 |
US20190379590A1 (en) * | 2018-06-06 | 2019-12-12 | Servicenow, Inc. | Discovery and Mapping of Containerized Software Applications |
CN112564994A (zh) * | 2019-09-25 | 2021-03-26 | 北大方正集团有限公司 | 流量监测方法、装置、云服务器及存储介质 |
CN114138590A (zh) * | 2020-09-03 | 2022-03-04 | 中国移动通信集团湖南有限公司 | Kubernetes集群的运维处理方法、装置及电子设备 |
CN112925649A (zh) * | 2021-03-31 | 2021-06-08 | 中国人民解放军国防科技大学 | 一种虚拟网络功能的统一监控方法 |
CN114143203A (zh) * | 2021-11-05 | 2022-03-04 | 华东师范大学 | 一种基于动态服务拓扑映射的Kubernetes容器网络数据包指标采集的方法及系统 |
CN114328130A (zh) * | 2022-03-03 | 2022-04-12 | 深圳市明源云科技有限公司 | 服务器监控方法、系统、设备及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114826939B (zh) | 2024-04-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3748908B1 (en) | Method, system, network device, storage medium for creating a network slice | |
CN112769938B (zh) | 一种基于QUIC的Kubernetes云边通信系统与方法 | |
EP3367627B1 (en) | Performing a specific action on a network packet identified as a message queuing telemetry transport (mqtt) packet | |
CN110048927B (zh) | 通信方法和通信装置 | |
US9225615B2 (en) | Method for managing network and for providing service QoS | |
US9379997B1 (en) | Service request management | |
US20200162345A1 (en) | Method, system and options for multi-operator service life cycle management | |
CN110326345B (zh) | 一种配置网络切片的方法、装置和系统 | |
CN102202104A (zh) | 管理网络设备内的分布式地址池 | |
CN101502144A (zh) | 无线通信网络中的元件管理系统 | |
JP7313480B2 (ja) | スライスベースネットワークにおける輻輳回避 | |
CN107528891B (zh) | 一种基于WebSocket的自动集群方法及其系统 | |
CN102281190A (zh) | 负载均衡装置组网方法以及服务器、客户端接入方法 | |
CN106201739A (zh) | 一种基于Redis的Storm的远程调用方法 | |
CN101409654B (zh) | 一种网络管理系统中处理snmp信息的方法 | |
JP2016511451A (ja) | ネットワーク機能を開くためのシステムおよび方法、ならびに関連するネットワーク要素 | |
CN108650482B (zh) | 一种视频通话服务的响应方法及设备 | |
CN106970843B (zh) | 远程调用方法和装置 | |
CN114945032A (zh) | 电力物联网终端数据接入系统、方法、装置、设备及介质 | |
CN109347930A (zh) | 一种任务处理方法和装置 | |
CN114826939A (zh) | 一种k8s集群的网络流量分析方法 | |
CA2987316A1 (en) | Local object instance discovery for metric collection on network elements | |
CN114844733A (zh) | 一种接入用户设备的接口管理方法及接入用户设备 | |
Cicconetti et al. | A preliminary evaluation of quic for mobile serverless edge applications | |
US20220052953A1 (en) | Operation of a broadband access network of a telecommunications network comprising a central office point of delivery |
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 | ||
CB02 | Change of applicant information |
Address after: 2002, block a, Fangheng International Center, No. 6, Futong East Street, Wangjing, Chaoyang District, Beijing 100102 Applicant after: SHENZHOU LINGCLOUD (BEIJING) TECHNOLOGY Co.,Ltd. Address before: 2002, block a, Fangheng International Center, No. 6, Futong East Street, Wangjing, Chaoyang District, Beijing 100102 Applicant before: SHENZHOU LINGCLOUD (BEIJING) TECHNOLOGY Co.,Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |