CN116389313B - 可实时、远程检测线路的检测系统 - Google Patents
可实时、远程检测线路的检测系统 Download PDFInfo
- Publication number
- CN116389313B CN116389313B CN202310608203.8A CN202310608203A CN116389313B CN 116389313 B CN116389313 B CN 116389313B CN 202310608203 A CN202310608203 A CN 202310608203A CN 116389313 B CN116389313 B CN 116389313B
- Authority
- CN
- China
- Prior art keywords
- flow
- line
- time
- flow data
- historical
- 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 46
- 238000004891 communication Methods 0.000 claims abstract description 109
- 230000005856 abnormality Effects 0.000 claims abstract description 45
- 230000002159 abnormal effect Effects 0.000 claims abstract description 43
- 238000012360 testing method Methods 0.000 claims description 6
- 238000007689 inspection Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 238000000034 method Methods 0.000 abstract description 23
- 238000004590 computer program Methods 0.000 description 7
- 238000012423 maintenance Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 5
- 230000002776 aggregation Effects 0.000 description 4
- 238000004220 aggregation Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000012935 Averaging Methods 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Classifications
-
- 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
- H04L43/0805—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters by checking availability
- H04L43/0811—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters by checking availability by checking connectivity
-
- 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
- H04L41/142—Network analysis or design using statistical or mathematical methods
-
- 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)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Algebra (AREA)
- Environmental & Geological Engineering (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Pure & Applied Mathematics (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明涉及可实时、远程检测线路的检测系统，通过历史流量数据建立每一个线路分组的流量模型，然后基于当前时间的流量数据、以及流量模型判断当前时间是否存在流量异常的线路分组；当存在流量异常的线路分组时，对流量异常的线路分组内的多根通信线路进行流量异常检测。本申请通过对每一根线路的历史流量数据进行分析，建立起时间与流量对应关系的流量模型，然后根据当前时间的流量数据来判断线路分组是否存在流量异常，最后对流量异常的线路分组中的每一根通信线路进行检测，从而完成对线路的自动检测，可远程检测线路的同时，检测效率高。
Description
技术领域
本发明涉及网络运维技术领域，具体是可实时、远程检测线路的检测系统。
背景技术
通信机房为安装有通信设备、设施，并能满足运行条件的场地或场所。 般可分为专用机房、综合性机房。专用机房是指集中安装运行中的电力通信设备的专用场所，又分为独立通信机房和变电站、电厂内通信机房。综合性机房是指电力通信设备与其他二次设备共用的机房或二次设备室。
通信机房其内部存在大量的通信线路，如光缆、同轴线缆、网线等。为了保证机房的正常运行，需要定期对通信线路进行检查。对于通信线路的检测，一般是由维护人员携带测试仪到现在对通信线路进行连通性检测，检测效率低且需要维护人员到现场作业，费时费力。
发明内容
有鉴于此，本发明的目的是提供可实时、远程检测线路的检测系统，以解决现有技术中检测线路时，检测效率低且需要维人员到现场作业的问题。
为了实现上述目的，本发明采用了如下技术方案：
本发明的可实时、远程检测线路的检测系统，包括：
获取模块，用于获取多个线路分组的历史流量数据和在当前时间的流量数据，其中，每一个线路分组中包括多根通信线路，且同一个线路分组中的多根通信线路的流量分布特征相同；
模型建立模块，用于基于所述历史流量数据建立每一个线路分组的流量模型，其中，每个流量模型表征了对应线路分组的流量与时间的对应关系；
第一检测模块，用于基于所述当前时间的流量数据、以及所述流量模型判断当前时间是否存在流量异常的线路分组；
第二检测模块，用于当存在所述流量异常的线路分组时，对所述流量异常的线路分组内的多根通信线路进行流量异常检测。
在本申请一实施例中，还包括如下方法对多根通信线路进行分组：
获取多根通信线路的历史流量数据，其中，所述历史流量数据包括历史时间点和历史时间点对应的流量数据；
基于所述历史时间点和历史时间点对应的流量数据构建每一根通信线路的流量分布特征，其中，所述流量分布特征表征了通信线路的流量与时间的关系；
基于所述流量分布特征对多根通信线路进行分组，得到多个线路分组。
在本申请一实施例中，基于所述历史时间点和历史时间点对应的流量数据构建每一根通信线路的流量分布特征，包括：
将所述历史时间点和历史时间点对应的流量数据映射至多个时间周期内，得到多个周期流量数据，其中，每一个时间周期包括多个时间段；
对所述多个时间周期对应的流量数据进行汇总，得到多个时间周期中每个时间段对应的所有历史时间点的流量数据的平均值和方差；
将方差小于预设阈值的时间段作为目标时间段，并基于所述目标时间段的流量数据的平均值和方差构建所述目标时间段对应的流量范围；
基于每个目标时间段、以及每个目标时间段对应的流量范围构建通信线路的流量分布特征。
在本申请一实施例中，所述目标时间段对应的流量范围的数学表达式为：，其中，/>为第/>个目标时间段的流量数据的平均值，/>为第/>个目标时间段的流量数据的方差。
在本申请一实施例中，同一个线路分组中的多条通信线路对应的目标时间段分布情况一致。
在本申请一实施例中，基于所述历史流量数据建立每一个线路分组的流量模型，包括：
将每一个线路分组中多根通信线路对应的相同目标时间段的流量范围进行求和，得到所有目标时间段的总体流量范围；
确认多个目标时间段的总体流量范围的下限值，并基于所述下限值构建多个目标时间段的异常告警值；
基于多个目标时间段、以及多个目标时间段的异常告警值得到流量模型。
在本申请一实施例中，所述异常告警值，其中，/>为比例因子，/>小于或者等于1，/>为所述下限值，/>为调节参数。
在本申请一实施例中，基于所述当前时间的流量数据、以及所述流量模型判断当前时间是否存在流量异常的线路分组，包括：
确定所述当前时间的流量数据对应的时间段；
在所述当前时间的流量数据对应的时间段为目标时间段，且所述当前时间的流量数据的值小于对应线路分组的目标时间段的异常告警值时，判定对应线路分组存在流量异常；否则，则判定对应线路分组不存在流量异常。
在本申请一实施例中，对所述流量异常的线路分组内的多根通信线路进行流量异常检测，包括：
获取所述流量异常的线路分组中每一根通信线路在当前时间的流量数据；
将所述流量异常的线路分组中每一根通信线路在当前时间的流量数据与预设的流量阈值进行对比，并在任意一根通信线路在当前时间的流量数据的值小于预设的流量阈值时，判定该通信线路存在流量异常。
在本申请一实施例中，还包括：
在任意一根通信线路存在流量异常时，对存在流量异常的通信线路进行连通性测试。
本申请还提供可实时、远程检测线路的检测方法，包括步骤：
获取多个线路分组的历史流量数据和在当前时间的流量数据，其中，每一个线路分组中包括多根通信线路，且同一个线路分组中的多根通信线路的流量分布特征相同；
基于所述历史流量数据建立每一个线路分组的流量模型，其中，每个流量模型表征了对应线路分组的流量与时间的对应关系；
基于所述当前时间的流量数据、以及所述流量模型判断当前时间是否存在流量异常的线路分组；
当存在所述流量异常的线路分组时，对所述流量异常的线路分组内的多根通信线路进行流量异常检测。
本申请的另一方面，还提供一种服务器，包括：
处理器；以及
存储程序的存储器，
其中，所述程序包括指令，所述指令在由所述处理器执行时使所述处理器执行如上任一项所述的方法。
本申请的另一方面，还提供一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使计算机执行如上任一项所述的方法。
本发明的有益效果是：本发明的可实时、远程检测线路的检测系统，通过历史流量数据建立每一个线路分组的流量模型，然后基于当前时间的流量数据、以及流量模型判断当前时间是否存在流量异常的线路分组；当存在流量异常的线路分组时，对流量异常的线路分组内的多根通信线路进行流量异常检测。本申请通过对每一根线路的历史流量数据进行分析，建立起时间与流量对应关系的流量模型，然后根据当前时间的流量数据来判断线路分组是否存在流量异常，最后对流量异常的线路分组中的每一根通信线路进行检测，从而完成对线路的自动检测，可远程检测线路的同时，检测效率高。
附图说明
下面结合附图和实施例对本发明作进一步描述：
图1为本申请中的可实时、远程检测线路的检测系统的应用场景图；
图2是本申请一实施例中示出的可实时、远程检测线路的检测系统的结构图；
图3为本申请一实施例中示出的对多根通信线路进行分组的流程图；
图4为本申请一实施例中示出的流量分布特征的构建的流程图；
图5为本申请一实施例中示出的建立流量模型的流程图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的层而非按照实际实施时的层数目、形状及尺寸绘制，其实际实施时各层的型态、数量及比例可为一种随意的改变，且其层布局型态也可能更为复杂。
在下文描述中，探讨了大量细节，以提供对本发明实施例的更透彻的解释，然而，对本领域技术人员来说，可以在没有这些具体细节的情况下实施本发明的实施例是显而易见的。
本申请中的可实时、远程检测线路的检测系统，应用在计算机管理领域，执行对象可以为计算机、移动终端或者服务器。
图1为本申请中的可实时、远程检测线路的检测系统的应用场景图，如图1所示，本场景中展示了一个通信机房的通信结构，主要包括核心交换机110、汇聚交换机120和接入层交换机130。其中核心交换机通过防火墙（如网关设备）连接至互联网，同时与数据库服务器等设备连接。每一个核心交换机110与多个汇聚交换机120连接，每一个汇聚交换机120与多个接入层交换机130连接。然后以每个接入层交换机130为节点连接多个用户设备140。也就是说，核心交换机110的每一个网络接口、汇聚交换机120的每一个网络接口、以及接入层交换机130的每一个网络接口都会连接多个用户设备。
本申请可以运用于此场景，对核心交换机的每一个网络接口、汇聚交换机的每一个网络接口、以及接入层交换机的每一个网络接口对应的通信线路进行自动检测。
图2是本申请一实施例中示出的可实时、远程检测线路的检测系统的结构图，如图2所示：本实施例的可实时、远程检测线路的检测系统，包括：
获取模块210，用于获取多个线路分组的历史流量数据和在当前时间的流量数据，其中，每一个线路分组中包括多根通信线路，且同一个线路分组中的多根通信线路的流量分布特征相同；
其中，预先通过对机房内每一根通信线路的流量分布特征进行分析，并将流量分布特征相同的通信线路划分至同一个线路分组中，从而得到多个线路分组。流量分布特征包含了时间与流量的对应关系。例如，以每个自然日为时间周期，每天21:00-22:00为流量高峰期，其流量可达到nGB/s，这里的21:00-22:00，nGB/s即为流量分布特征的一部分，完整的流量分布特征应包括一个时间周期内完整的流量分布情况。
本实施例中，通过将流量分布特征相同的通信线路划分到同一个线路分组中，可以使得线路分组的流量变化是有规律的。以便于后续处理。
图3为本申请一实施例中示出的对多根通信线路进行分组的流程图，如图3所示，通过步骤S310至步骤S330对多根通信线路进行分组：
步骤S310，获取多根通信线路的历史流量数据，其中，所述历史流量数据包括历史时间点和历史时间点对应的流量数据；
其中，历史时间电点对应的流量数据是指每秒可达的数据量。通过对每一条通信线路对应的多个历史时间点对应的流量数据进行采集，即可对每一条通信线路对应的时间与流量数据的关系进行分析，以得到流量分布特征。
步骤S320，基于所述历史时间点和历史时间点对应的流量数据构建每一根通信线路的流量分布特征，其中，所述流量分布特征表征了通信线路的流量与时间的关系；
其中，流量分布特征由于是对每一根通信线路的流量与时间的分布规律进行体现。因此，如果某个时间段内，流量不存在规律，那么则说明这个时间段不存在响应的规律。
图4为本申请一实施例中示出的流量分布特征的构建的流程图，如图4所示，基于上述思想，流量分布特征的构建方法包括：
步骤S410，将所述历史时间点和历史时间点对应的流量数据映射至多个时间周期内，得到多个周期流量数据，其中，每一个时间周期包括多个时间段；
其中，每一个时间周期可以为一个星期或者一天，时间段可以是1-3个小时的时间连续区间，例如21:00-23:00的时间段。
步骤S420，对所述多个时间周期对应的流量数据进行汇总，得到多个时间周期中每个时间段对应的所有历史时间点的流量数据的平均值和方差；
本实施例中，对多个时间周期对应的流量数据进行汇总后，便可以得到每个时间段对应的多个数据样本。对每个时间段的多个数据样本进行求平均值和方差后，便可以对其进行规律性分析。例如，所有时间周期（如自然日）中21:00-23:00的数据样本有200个，通过对这个200个数据样本求平均值和方差，得到平均的流量数据为xGB/s，方差为y。
步骤S430，将方差小于预设阈值的时间段作为目标时间段，并基于所述目标时间段的流量数据的平均值和方差构建所述目标时间段对应的流量范围；
其中，方差可以反映每个时间段对应的数据样本的稳定性，当任意一个时间段的方差小于预设阈值，则认为这个时间段内的流量数据足够稳定，具有规律性。这时，将这个时间段作为存在规律的目标时间段，其平均值可以大致反映其规律特征。
步骤S440，基于每个目标时间段、以及每个目标时间段对应的流量范围构建通信线路的流量分布特征。
其中，所述目标时间段对应的流量范围的数学表达式为：，其中，/>为第/>个目标时间段的流量数据的平均值，/>为第/>个目标时间段的流量数据的方差。
本实施例中，利用标准差和平均值来构建对应目标时间段的流量范围，基于时间段和时间段对应的流量范围来构建流量分布特征。
步骤S330，基于所述流量分布特征对多根通信线路进行分组，得到多个线路分组。
其中，同一个线路分组中的多条通信线路对应的目标时间段分布情况一致。
由于同一个线路分组中的多条通信线路对应的目标时间段一致，那么当时间到达目标时间段内时，对应的流量数据应该是处于一个稳定的范围区间的。因此可以通过这个范围区间来判定对应线路分组是否存在流量异常，如果存在流量异常，那么进而可以判定内部一根或者多根通信线路存在流量异常。从而对存在流量异常的线路分组进行定位，帮助维护人员发现故障点。
此外，本申请通过划分多个线路分组，每一个线路分组包含多个流量分布特征相同的通信线路，可以降低检测的复杂度，可以实现以更少的设备对所有的通信线路进行自动检测。极大地提高了检测效率以及自动化水平。
模型建立模块220，用于基于所述历史流量数据建立每一个线路分组的流量模型，其中，每个流量模型表征了对应线路分组的流量与时间的对应关系；
其中，流量模型反映了每个线路分组的流量与时间的对应关系，每一个线路分组都基于其流量分布特征来建立对应的流量模型。从而对每一个线路分组进行一一对应。
图5为本申请一实施例中示出的建立流量模型的流程图，如图5所示，建立流量模型的过程可以包括：
步骤S510，将每一个线路分组中多根通信线路对应的相同目标时间段的流量范围进行求和，得到所有目标时间段的总体流量范围；
其中，由于每一个线路分组的通信线路的流量分布特征是相同的，即目标时间段的分布情况时一致的。因此将线路分组中每一个目标时间段对应流量范围进行求和，即可得到这个线路分组的每一个目标时间段对应的总体流量范围，且这个范围是稳定的。例如，某个目标时间段对应的流量范围包括（a1,b1）、（a2，b2）、（a3，b3），那么对应的总体流量范围应该是（a1+a2+a3，b1+b2+b3）。
步骤S520，确认多个目标时间段的总体流量范围的下限值，并基于所述下限值构建多个目标时间段的异常告警值；其中，所述异常告警值，其中，/>为比例因子，/>小于或者等于1，/>为所述下限值，/>为调节参数。
其中，本实施例中，由于个体数据容易出现特异性，例如，十分接近下限值甚至略低于下限值，但是此时并没有存在流量异常。因此，本实施例中，为了规避上述情形，通过设置小于或者等于1的比例因子来增加异常告警值的判断准确度。同时增加一个调节参数，便于维护人员根据实际情况来调节异常告警值。
在本实施例中，只考虑通信线路的流量突降的情况，因此在通信线路存在故障时，一般只会存在流量下降甚至无法连通的情况。因此本申请中，以总体流量范围的下限值来构建一个异常告警值，并将异常告警值作为对应时间段的基准值。
步骤S530，基于多个目标时间段、以及多个目标时间段的异常告警值得到流量模型。
其中，最后的到的流量模型即包括了一个或者多个目标时间段、以及目标时间段的异常告警值。
第一检测模块230，用于基于所述当前时间的流量数据、以及所述流量模型判断当前时间是否存在流量异常的线路分组；
其中，基于当前时间来判定流量数据的所属目标时间段、以及对应的异常告警值。基于对应的异常告警值来判断线路分组是否存在流量异常。
具体地，判断过程包括：
基于当前时间的流量数据、以及流量模型判断当前时间是否存在流量异常的线路分组，包括：
确定当前时间的流量数据对应的时间段；
在当前时间的流量数据对应的时间段为目标时间段，且当前时间的流量数据的值小于对应线路分组的目标时间段的异常告警值时，判定对应线路分组存在流量异常；否则，则判定对应线路分组不存在流量异常。
第二检测模块240，用于当存在所述流量异常的线路分组时，对所述流量异常的线路分组内的多根通信线路进行流量异常检测。
其中，对存在流量异常的线路分组内的多根通信线缆进行检测的过程包括如下过程：
获取所述流量异常的线路分组中每一根通信线路在当前时间的流量数据；
将所述流量异常的线路分组中每一根通信线路在当前时间的流量数据与预设的流量阈值进行对比，并在任意一根通信线路在当前时间的流量数据的值小于预设的流量阈值时，判定该通信线路存在流量异常。
其中，在通信线路存在连通性异常时，流量数据会突然下降至一个非常低的水平，甚至接近于零。因此，本实施例中，通过设定一个流量阈值来对通信线路进行判定。可以快速有效地对通信线路是否存在流量异常进行判断。
在本申请一实施例中，还包括：
在任意一根通信线路存在流量异常时，对存在流量异常的通信线路进行连通性测试。
其中，连通性测试可以包括PING相关网络地址、发送测试包以测试传输速度等测试手段。在确定通信线路存在流量异常后，可以采用上述或者其他手段来确定具体的问题。从而自动判定一些显然的问题。如果无法判断，再发送相关信息至维护人员，以通知维护人员到现场进行手段排查。
上述过程可以帮助维护人员进行日常例行检查，自动化程度较高，节省人力。同时，存在问题时对简单问题进行初步判断，遇到不能判断的问题时，也能帮助维护人员进行定位，以缩小维护人员的排查范围。
本发明的可实时、远程检测线路的检测系统，通过历史流量数据建立每一个线路分组的流量模型，然后基于当前时间的流量数据、以及流量模型判断当前时间是否存在流量异常的线路分组；当存在流量异常的线路分组时，对流量异常的线路分组内的多根通信线路进行流量异常检测。本申请通过对每一根线路的历史流量数据进行分析，建立起时间与流量对应关系的流量模型，然后根据当前时间的流量数据来判断线路分组是否存在流量异常，最后对流量异常的线路分组中的每一根通信线路进行检测，从而完成对线路的自动检测，可远程检测线路的同时，检测效率高。
本申请还提供可实时、远程检测线路的检测方法，包括步骤：
获取多个线路分组的历史流量数据和在当前时间的流量数据，其中，每一个线路分组中包括多根通信线路，且同一个线路分组中的多根通信线路的流量分布特征相同；
基于所述历史流量数据建立每一个线路分组的流量模型，其中，每个流量模型表征了对应线路分组的流量与时间的对应关系；
基于所述当前时间的流量数据、以及所述流量模型判断当前时间是否存在流量异常的线路分组；
当存在所述流量异常的线路分组时，对所述流量异常的线路分组内的多根通信线路进行流量异常检测。
本发明的可实时、远程检测线路的检测方法，通过历史流量数据建立每一个线路分组的流量模型，然后基于当前时间的流量数据、以及流量模型判断当前时间是否存在流量异常的线路分组；当存在流量异常的线路分组时，对流量异常的线路分组内的多根通信线路进行流量异常检测。本申请通过对每一根线路的历史流量数据进行分析，建立起时间与流量对应关系的流量模型，然后根据当前时间的流量数据来判断线路分组是否存在流量异常，最后对流量异常的线路分组中的每一根通信线路进行检测，从而完成对线路的自动检测，可远程检测线路的同时，检测效率高。
本实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本实施例中的任一项方法，其中，所述方法即为本系统的执行逻辑。
本实施例还提供一种电子终端，包括：处理器及存储器；
存储器用于存储计算机程序，处理器用于执行存储器存储的计算机程序，以使终端执行本实施例中任一项方法。
本实施例中的计算机可读存储介质，本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过计算机程序相关的硬件来完成。前述的计算机程序可以存储于一计算机可读存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
本实施例提供的电子终端，包括处理器、存储器、收发器和通信接口，存储器和通信接口与处理器和收发器连接并完成相互间的通信，存储器用于存储计算机程序，通信接口用于进行通信，处理器和收发器用于运行计算机程序，使电子终端执行如上方法的各个步骤。
在本实施例中，存储器可能包含随机存取存储器(Random Access Memory，简称RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital Signal Processing，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field－Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在上述实施例中，尽管已经结合了本发明的具体实施例对本发明进行了描述，但是根据前面的描述，这些实施例的很多替换、修改和变形对本领域普通技术人员来说将是显而易见的。本发明的实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。
Claims (10)
1.可实时、远程检测线路的检测系统，其特征在于，包括：
获取模块，用于获取多个线路分组的历史流量数据和在当前时间的流量数据，其中，每一个线路分组中包括多根通信线路，且同一个线路分组中的多根通信线路的流量分布特征相同；
模型建立模块，用于基于所述历史流量数据建立每一个线路分组的流量模型，其中，每个流量模型表征了对应线路分组的流量与时间的对应关系；
第一检测模块，用于基于所述当前时间的流量数据、以及所述流量模型判断当前时间是否存在流量异常的线路分组；
第二检测模块，用于当存在所述流量异常的线路分组时，对所述流量异常的线路分组内的多根通信线路进行流量异常检测。
2.根据权利要求 1 所述的可实时、远程检测线路的检测系统，其特征在于，还包括如下方法对多根通信线路进行分组：
获取多根通信线路的历史流量数据，其中，所述历史流量数据包括历史时间点和历史时间点对应的流量数据；
基于所述历史时间点和历史时间点对应的流量数据构建每一根通信线路的流量分布特征，其中，所述流量分布特征表征了通信线路的流量与时间的关系；
基于所述流量分布特征对多根通信线路进行分组，得到多个线路分组。
3.根据权利要求 2 所述的可实时、远程检测线路的检测系统，其特征在于，基于所述历史时间点和历史时间点对应的流量数据构建每一根通信线路的流量分布特征，包括：
将所述历史时间点和历史时间点对应的流量数据映射至多个时间周期内，得到多个周期流量数据，其中，每一个时间周期包括多个时间段；
对所述多个时间周期对应的流量数据进行汇总，得到多个时间周期中每个时间段对应的所有历史时间点的流量数据的平均值和方差；
将方差小于预设阈值的时间段作为目标时间段，并基于所述目标时间段的流量数据的平均值和方差构建所述目标时间段对应的流量范围；
基于每个目标时间段、以及每个目标时间段对应的流量范围构建通信线路的流量分布特征。
4.根据权利要求 3 所述的可实时、远程检测线路的检测系统，其特征在于，所述目标时间段对应的流量范围的数学表达式为：，其中，/>为第/>个目标时间段的流量数据的平均值，/>为第/>个目标时间段的流量数据的方差。
5.根据权利要求 3 所述的可实时、远程检测线路的检测系统，其特征在于，同一个线路分组中的多条通信线路对应的目标时间段分布情况一致。
6.根据权利要求 3 所述的可实时、远程检测线路的检测系统，其特征在于，基于所述历史流量数据建立每一个线路分组的流量模型，包括：
将每一个线路分组中多根通信线路对应的相同目标时间段的流量范围进行求和，得到所有目标时间段的总体流量范围；
确认多个目标时间段的总体流量范围的下限值，并基于所述下限值构建多个目标时间段的异常告警值；
基于多个目标时间段、以及多个目标时间段的异常告警值得到流量模型。
7.根据权利要求 6 所述的可实时、远程检测线路的检测系统，其特征在于，所述异常告警值，其中，/>为比例因子，/>小于或者等于1，/>为所述下限值，/>为调节参数。
8.根据权利要求 6 所述的可实时、远程检测线路的检测系统，其特征在于，基于所述当前时间的流量数据、以及所述流量模型判断当前时间是否存在流量异常的线路分组，包括：
确定所述当前时间的流量数据对应的时间段；
在所述当前时间的流量数据对应的时间段为目标时间段，且所述当前时间的流量数据的值小于对应线路分组的目标时间段的异常告警值时，判定对应线路分组存在流量异常；否则，则判定对应线路分组不存在流量异常。
9.根据权利要求 3 所述的可实时、远程检测线路的检测系统，其特征在于，对所述流量异常的线路分组内的多根通信线路进行流量异常检测，包括：
获取所述流量异常的线路分组中每一根通信线路在当前时间的流量数据；
将所述流量异常的线路分组中每一根通信线路在当前时间的流量数据与预设的流量阈值进行对比，并在任意一根通信线路在当前时间的流量数据的值小于预设的流量阈值时，判定该通信线路存在流量异常。
10.根据权利要求 9 所述的可实时、远程检测线路的检测系统，其特征在于，还包括：
在任意一根通信线路存在流量异常时，对存在流量异常的通信线路进行连通性测试。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310608203.8A CN116389313B (zh) | 2023-05-26 | 2023-05-26 | 可实时、远程检测线路的检测系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310608203.8A CN116389313B (zh) | 2023-05-26 | 2023-05-26 | 可实时、远程检测线路的检测系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116389313A CN116389313A (zh) | 2023-07-04 |
| CN116389313B true CN116389313B (zh) | 2023-08-01 |
Family
ID=86971328
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310608203.8A Active CN116389313B (zh) | 2023-05-26 | 2023-05-26 | 可实时、远程检测线路的检测系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116389313B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007013590A (ja) * | 2005-06-30 | 2007-01-18 | Oki Electric Ind Co Ltd | ネットワーク監視システム、ネットワーク監視装置及びプログラム |
| CN101842710A (zh) * | 2007-10-30 | 2010-09-22 | 爱立信股份有限公司 | 桥接/虚拟专用lan服务环境中的可缩放连通性故障管理 |
| WO2019048324A1 (en) * | 2017-09-07 | 2019-03-14 | Nokia Solutions And Networks Oy | METHOD AND DEVICE FOR MONITORING A TELECOMMUNICATION NETWORK |
| CN114285612A (zh) * | 2021-12-14 | 2022-04-05 | 北京天融信网络安全技术有限公司 | 一种异常数据检测的方法、系统、装置、设备及介质 |
-
2023
- 2023-05-26 CN CN202310608203.8A patent/CN116389313B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007013590A (ja) * | 2005-06-30 | 2007-01-18 | Oki Electric Ind Co Ltd | ネットワーク監視システム、ネットワーク監視装置及びプログラム |
| CN101842710A (zh) * | 2007-10-30 | 2010-09-22 | 爱立信股份有限公司 | 桥接/虚拟专用lan服务环境中的可缩放连通性故障管理 |
| WO2019048324A1 (en) * | 2017-09-07 | 2019-03-14 | Nokia Solutions And Networks Oy | METHOD AND DEVICE FOR MONITORING A TELECOMMUNICATION NETWORK |
| CN114285612A (zh) * | 2021-12-14 | 2022-04-05 | 北京天融信网络安全技术有限公司 | 一种异常数据检测的方法、系统、装置、设备及介质 |
Non-Patent Citations (1)
| Title |
|---|
| 一种分布式拒绝服务攻击的检测方法;李振;;电脑知识与技术(16);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116389313A (zh) | 2023-07-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111181801B (zh) | 节点集群测试方法、装置、电子设备及存储介质 | |
| EP3557819A1 (en) | Server failure detection method and system | |
| CN109146093A (zh) | 一种基于学习的电力设备现场勘查方法 | |
| CN106918764B (zh) | 基于网基矩阵型算法的配网故障定位方法 | |
| CN108923422A (zh) | 物联代理数据处理方法、系统及电网终端设备监测系统 | |
| JP2018007179A (ja) | 監視装置、監視方法および監視プログラム | |
| CN113671909A (zh) | 一种钢铁工控设备安全监测系统和方法 | |
| CN114070742A (zh) | 电力监控系统网络拓扑识别方法及平台 | |
| CN110647417B (zh) | 能源互联网异常数据处理方法、装置及系统 | |
| CN110941558B (zh) | 一种智慧办公远程运维的方法及系统 | |
| CN112770284A (zh) | 一种蓝牙Mesh网络节点状态监测装置、方法及系统 | |
| CN109412902B (zh) | 一种电力调度数据网系统的智能监测方法、存储设备、终端和系统 | |
| CN114063582A (zh) | 用于监控产品测试过程的方法和装置 | |
| CN116389313B (zh) | 可实时、远程检测线路的检测系统 | |
| WO2024088025A1 (zh) | 一种基于多维数据的5gc网元自动化纳管方法及装置 | |
| CN106707949A (zh) | 基于plc与opc的建筑能源监控平台数据采集装置 | |
| CN114511115A (zh) | 一种机房空调性能评估方法及装置 | |
| CN115684829A (zh) | 一种电力二次回路故障检测预警方法及系统 | |
| CN113300918A (zh) | 智慧灯杆的故障检测方法、终端设备及存储介质 | |
| CN113300914A (zh) | 网络质量监测方法、装置、系统、电子设备和存储介质 | |
| CN108199482B (zh) | 维护提示方法及装置 | |
| CN107426044B (zh) | 一种串线检测方法、装置及操作维护服务器 | |
| CN211577694U (zh) | 一种基于bim的楼宇管理系统 | |
| CN111917609B (zh) | 网络设备连通性监控方法及系统 | |
| CN117439899B (zh) | 一种基于大数据的通信机房巡检方法及系统 |
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 |