CN117579472A - 网络资产测绘中资产连接关系配置处理方法及装置 - Google Patents
网络资产测绘中资产连接关系配置处理方法及装置 Download PDFInfo
- Publication number
- CN117579472A CN117579472A CN202311552598.0A CN202311552598A CN117579472A CN 117579472 A CN117579472 A CN 117579472A CN 202311552598 A CN202311552598 A CN 202311552598A CN 117579472 A CN117579472 A CN 117579472A
- Authority
- CN
- China
- Prior art keywords
- container
- data
- node
- micro
- nodes
- 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.)
- Pending
Links
- 238000013507 mapping Methods 0.000 title claims abstract description 63
- 238000003672 processing method Methods 0.000 title claims description 10
- 238000004458 analytical method Methods 0.000 claims abstract description 96
- 238000010586 diagram Methods 0.000 claims abstract description 88
- 238000000034 method Methods 0.000 claims abstract description 64
- 238000004891 communication Methods 0.000 claims abstract description 60
- 238000012545 processing Methods 0.000 claims abstract description 60
- 238000012544 monitoring process Methods 0.000 claims abstract description 55
- 230000007246 mechanism Effects 0.000 claims abstract description 20
- 238000011084 recovery Methods 0.000 claims abstract description 17
- 230000005856 abnormality Effects 0.000 claims abstract description 15
- 238000007405 data analysis Methods 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 11
- 238000003860 storage Methods 0.000 claims description 8
- 230000001934 delay Effects 0.000 claims description 6
- 238000007689 inspection Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000005457 optimization Methods 0.000 description 31
- 238000004422 calculation algorithm Methods 0.000 description 26
- 230000008569 process Effects 0.000 description 14
- 230000006870 function Effects 0.000 description 11
- 230000004044 response Effects 0.000 description 10
- 238000013480 data collection Methods 0.000 description 8
- 238000007726 management method Methods 0.000 description 7
- 238000012800 visualization Methods 0.000 description 6
- 239000008186 active pharmaceutical agent Substances 0.000 description 4
- 238000002360 preparation method Methods 0.000 description 4
- 230000001960 triggered effect Effects 0.000 description 4
- 238000013500 data storage Methods 0.000 description 3
- 230000008520 organization Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000005206 flow analysis Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000013468 resource allocation Methods 0.000 description 2
- 241000412611 Consul Species 0.000 description 1
- 102100038367 Gremlin-1 Human genes 0.000 description 1
- 101001032872 Homo sapiens Gremlin-1 Proteins 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000012550 audit Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000003339 best practice Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000010924 continuous production Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000013024 troubleshooting 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
- H04L41/08—Configuration management of networks or network elements
- H04L41/0876—Aspects of the degree of configuration automation
-
- 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
-
- 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
- H04L41/0654—Management of faults, events, alarms or notifications using network fault recovery
-
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Automation & Control Theory (AREA)
- Environmental & Geological Engineering (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本申请实施例提供一种网络资产测绘中资产连接关系配置处理方法及装置，方法包括：分别获取容器和微服务的数据，并将获取到的数据存储在设定图数据库中；根据所述图数据库中的数据构建对应的连接关系图，根据所述连接关系图和与所述容器和微服务的数据对应的性能分析结果，配置容器和微服务之间的连接和通信规则；持续监测所述连接关系图和所述性能分析结果，在监测到异常时触发报警和恢复机制；本申请能够确保应用程序的连通性。
Description
技术领域
本申请涉及数据处理领域，具体涉及一种网络资产测绘中资产连接关系配置处理方法及装置。
背景技术
在网络资产测绘过程中，资产连接关系配置是指确定和记录网络中不同资产之间的连接方式和关系的过程，包括了资产之间的物理连接和逻辑连接，以及它们如何相互依赖和交互的信息，这个过程的目的是帮助组织更好地理解其网络拓扑，确保网络的稳定性、安全性和效率，它可以帮助组织更好地理解其网络环境，及时识别问题，并支持规划和决策过程，因此对于网络管理、故障排除、性能优化和安全审计都至关重要。资产连接关系配置在面对不断发展的网络和技术环境时可能会遇到一些技术问题，例如：容器化和微服务架构已经成为应用程序开发和部署的主流方法，资产连接关系配置需要跟踪容器和微服务之间的连接关系，以确保应用程序的连通性和性能。
发明内容
针对现有技术中的问题，本申请提供一种网络资产测绘中资产连接关系配置处理方法及装置，能够确保应用程序的连通性。
为了解决上述问题中的至少一个，本申请提供以下技术方案：
第一方面，本申请提供一种网络资产测绘中资产连接关系配置处理方法，包括：
分别获取容器和微服务的数据，并将获取到的数据存储在设定图数据库中；
根据所述图数据库中的数据构建对应的连接关系图，根据所述连接关系图和与所述容器和微服务的数据对应的性能分析结果，配置容器和微服务之间的连接和通信规则；
持续监测所述连接关系图和所述性能分析结果，在监测到异常时触发报警和恢复机制。
进一步地，所述根据所述图数据库中的数据构建对应的连接关系图，包括：
在预设图数据库中分别定义节点和边，其中，节点类型包括容器、微服务和应用程序组件，节点属性包括容器ID、微服务名称、应用程序组件名称，边类型表示不同节点之间的连接关系，边属性包括网络延迟和带宽；
根据所述图数据库中的数据创建并填充所述图数据库中的节点和边，并根据所述图数据库中的数据的容器质检的网络连接关系和/或微服务之间的依赖关系确定所述图数据库的连接关系图。
进一步地，在所述根据所述连接关系图和与所述容器和微服务的数据对应的性能分析结果之前，包括：
根据所述容器和微服务的数据构建对应的网络拓扑图；
根据所述网络拓扑图进行连通性分析，确定容器和微服务之间的通信效率。
进一步地，在所述根据所述连接关系图和与所述容器和微服务的数据对应的性能分析结果之前，还包括：
将所述容器和微服务的网络拓扑表示为图形结构，其中节点表示容器，边表示容器之间的网络连接，为每个边分配权重，权重作为边的属性存储在所述图形结构中；
从起始节点出发，选择起始节点作为当前节点，对于当前节点，计算从起始节点到其邻居节点的距离，遍历所有邻居节点，对于每个邻居节点，计算从起始节点经当前节点到邻居节点的总距离，如果计算得到的总距离小于邻居节点的当前最短距离，更新邻居节点的最短距离为新计算得到的总距离，标记当前节点为已访问，从未访问的节点中选择下一个当前节点，选择的节点应该是未访问节点中距离最小的节点，重复上述步骤直到所有节点都被访问或没有可访问的节点为止，得到每个节点到起始节点的最短路径距离；
根据所述最短路径距离确定容器和微服务之间的通信效率，其中较短的路径表示更低的延迟和更高的通信效率。
进一步地，在所述根据所述连接关系图和与所述容器和微服务的数据对应的性能分析结果之前，还包括：
根据所述容器和微服务的数据构建对应的网络拓扑图；
根据所述网络拓扑图进行深度优先遍历，确定容器和微服务之间的依赖关系。
进一步地，在所述根据所述连接关系图和与所述容器和微服务的数据对应的性能分析结果之前，还包括：
将所述容器和微服务的网络拓扑表示为图形结构，其中节点表示容器，边表示容器之间的网络连接，为每个边分配权重，权重作为边的属性存储在所述图形结构中；
选择一个起始微服务节点作为依赖关系分析的起点，创建一个数据结构来跟踪已访问的节点，创建一个数据结构栈来存储待访问的节点；
执行深度优先节点遍历，确定容器和微服务之间的依赖关系。
进一步地，所述根据所述连接关系图和与所述容器和微服务的数据对应的性能分析结果，配置容器和微服务之间的连接和通信规则，包括：
根据所述连接关系图和与所述容器和微服务的数据对应的性能分析结果确定对应的自动化配置规则；
使用容器编排工具配置容器和微服务的部署，将所述自动化配置规则应用于所述容器编排工具中，以进行容器和微服务之间的连接和通信规则自动化配置。
进一步地，所述持续监测所述连接关系图和所述性能分析结果，在监测到异常时触发报警和恢复机制，包括：
配置监控工具持续监测所述连接关系图和所述性能分析结果；
若所述性能分析结果中的平均延迟大于阈值，则触发警报，若所述连接关系图中的容器负载大于阈值，则自动扩展副本数。
第二方面，本申请提供一种网络资产测绘中资产连接关系配置处理装置，包括：
数据获取模块，用于分别获取容器和微服务的数据，并将获取到的数据存储在设定图数据库中；
数据分析模块，用于根据所述图数据库中的数据构建对应的连接关系图，根据所述连接关系图和与所述容器和微服务的数据对应的性能分析结果，配置容器和微服务之间的连接和通信规则；
异常监测模块，用于持续监测所述连接关系图和所述性能分析结果，在监测到异常时触发报警和恢复机制。
进一步地，所述数据分析模块包括：
节点边定义单元，用于在预设图数据库中分别定义节点和边，其中，节点类型包括容器、微服务和应用程序组件，节点属性包括容器ID、微服务名称、应用程序组件名称，边类型表示不同节点之间的连接关系，边属性包括网络延迟和带宽；
节点边填充单元，用于根据所述图数据库中的数据创建并填充所述图数据库中的节点和边，并根据所述图数据库中的数据的容器质检的网络连接关系和/或微服务之间的依赖关系确定所述图数据库的连接关系图。
进一步地，所述数据分析模块还包括：
网络拓扑确定单元，用于根据所述容器和微服务的数据构建对应的网络拓扑图；
连通性分析单元，用于根据所述网络拓扑图进行连通性分析，确定容器和微服务之间的通信效率。
进一步地，所述数据分析模块还包括：
图形转换单元，用于将所述容器和微服务的网络拓扑表示为图形结构，其中节点表示容器，边表示容器之间的网络连接，为每个边分配权重，权重作为边的属性存储在所述图形结构中；
节点计算单元，用于从起始节点出发，选择起始节点作为当前节点，对于当前节点，计算从起始节点到其邻居节点的距离，遍历所有邻居节点，对于每个邻居节点，计算从起始节点经当前节点到邻居节点的总距离，如果计算得到的总距离小于邻居节点的当前最短距离，更新邻居节点的最短距离为新计算得到的总距离，标记当前节点为已访问，从未访问的节点中选择下一个当前节点，选择的节点应该是未访问节点中距离最小的节点，重复上述步骤直到所有节点都被访问或没有可访问的节点为止，得到每个节点到起始节点的最短路径距离；
通信效率确定单元，用于根据所述最短路径距离确定容器和微服务之间的通信效率，其中较短的路径表示更低的延迟和更高的通信效率。
进一步地，所述数据分析模块还包括：
网络拓扑构建单元，用于根据所述容器和微服务的数据构建对应的网络拓扑图；
依赖关系确定单元，用于根据所述网络拓扑图进行深度优先遍历，确定容器和微服务之间的依赖关系。
进一步地，所述数据分析模块还包括：
图形结构确定单元，用于将所述容器和微服务的网络拓扑表示为图形结构，其中节点表示容器，边表示容器之间的网络连接，为每个边分配权重，权重作为边的属性存储在所述图形结构中；
节点分析预备单元，用于选择一个起始微服务节点作为依赖关系分析的起点，创建一个数据结构来跟踪已访问的节点，创建一个数据结构栈来存储待访问的节点；
节点遍历单元，用于执行深度优先节点遍历，确定容器和微服务之间的依赖关系。
进一步地，所述数据分析模块还包括：
配置规则确定单元，用于根据所述连接关系图和与所述容器和微服务的数据对应的性能分析结果确定对应的自动化配置规则；
自动化配置单元，用于使用容器编排工具配置容器和微服务的部署，将所述自动化配置规则应用于所述容器编排工具中，以进行容器和微服务之间的连接和通信规则自动化配置。
进一步地，所述异常监测模块包括：
持续监测单元，用于配置监控工具持续监测所述连接关系图和所述性能分析结果；
阈值判断单元，用于若所述性能分析结果中的平均延迟大于阈值，则触发警报，若所述连接关系图中的容器负载大于阈值，则自动扩展副本数。
第三方面，本申请提供一种电子设备，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，所述处理器执行所述程序时实现所述的网络资产测绘中资产连接关系配置处理方法的步骤。
第四方面，本申请提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现所述的网络资产测绘中资产连接关系配置处理方法的步骤。
第五方面，本申请提供一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现所述的网络资产测绘中资产连接关系配置处理方法的步骤。
由上述技术方案可知，本申请提供一种网络资产测绘中资产连接关系配置处理方法及装置，通过分别获取容器和微服务的数据，并将获取到的数据存储在设定图数据库中；根据所述图数据库中的数据构建对应的连接关系图，根据所述连接关系图和与所述容器和微服务的数据对应的性能分析结果，配置容器和微服务之间的连接和通信规则；持续监测所述连接关系图和所述性能分析结果，在监测到异常时触发报警和恢复机制，由此能够确保应用程序的连通性。
附图说明
为了更清楚地说明本申请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，下面描述中的附图是本申请的一些实施例，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附图。
图1为本申请实施例中的网络资产测绘中资产连接关系配置处理方法的流程示意图之一；
图2为本申请实施例中的网络资产测绘中资产连接关系配置处理方法的流程示意图之二；
图3为本申请实施例中的网络资产测绘中资产连接关系配置处理方法的流程示意图之三；
图4为本申请实施例中的网络资产测绘中资产连接关系配置处理方法的流程示意图之四；
图5为本申请实施例中的网络资产测绘中资产连接关系配置处理方法的流程示意图之五；
图6为本申请实施例中的网络资产测绘中资产连接关系配置处理方法的流程示意图之六；
图7为本申请实施例中的网络资产测绘中资产连接关系配置处理方法的流程示意图之七；
图8为本申请实施例中的网络资产测绘中资产连接关系配置处理方法的流程示意图之八；
图9为本申请实施例中的网络资产测绘中资产连接关系配置处理装置的结构图之一；
图10为本申请实施例中的网络资产测绘中资产连接关系配置处理装置的结构图之二；
图11为本申请实施例中的网络资产测绘中资产连接关系配置处理装置的结构图之三；
图12为本申请实施例中的网络资产测绘中资产连接关系配置处理装置的结构图之四；
图13为本申请实施例中的网络资产测绘中资产连接关系配置处理装置的结构图之五；
图14为本申请实施例中的网络资产测绘中资产连接关系配置处理装置的结构图之六；
图15为本申请实施例中的网络资产测绘中资产连接关系配置处理装置的结构图之七；
图16为本申请实施例中的网络资产测绘中资产连接关系配置处理装置的结构图之八；
图17为本申请实施例中的电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
本申请技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
考虑到现有技术中存在的问题，本申请提供一种网络资产测绘中资产连接关系配置处理方法及装置，通过分别获取容器和微服务的数据，并将获取到的数据存储在设定图数据库中；根据所述图数据库中的数据构建对应的连接关系图，根据所述连接关系图和与所述容器和微服务的数据对应的性能分析结果，配置容器和微服务之间的连接和通信规则；持续监测所述连接关系图和所述性能分析结果，在监测到异常时触发报警和恢复机制，由此能够确保应用程序的连通性。
为了能够确保应用程序的连通性，本申请提供一种网络资产测绘中资产连接关系配置处理方法的实施例，参见图1，所述网络资产测绘中资产连接关系配置处理方法具体包含有如下内容：
步骤S101：分别获取容器和微服务的数据，并将获取到的数据存储在设定图数据库中；
可选的，本实施例中，收集有关容器化和微服务架构的数据，包括容器、微服务、应用程序组件、网络配置等信息。这可以使用监控工具、容器编排工具和应用程序性能管理工具来完成。
可选的，本实施例中，可以将收集到的数据存储在预设图数据库中。
步骤S102：根据所述图数据库中的数据构建对应的连接关系图，根据所述连接关系图和与所述容器和微服务的数据对应的性能分析结果，配置容器和微服务之间的连接和通信规则；
可选的，本实施例中，可以使用图数据库中的数据构建连接关系图。在这个图中，节点表示容器、微服务或应用程序组件，边表示它们之间的连接关系。可以使用以下方式表示连接关系：
容器节点之间的边表示它们之间的网络连接。
微服务节点之间的边表示它们之间的依赖关系。
边上可以附加属性，如网络延迟、带宽等信息。
可选的，本实施例中，可以使用图算法来分析容器和微服务之间的连通性。可以使用最短路径算法来计算容器之间的最短网络路径，以评估通信的效率和延迟。
可选的，本实施例中，可以利用图算法来分析微服务之间的依赖关系。可以使用图遍历算法来确定哪些微服务对应用程序的连通性至关重要，以便进行容错和优化。
可选的，本实施例中，可以基于图算法的分析结果，可以提出性能优化建议，例如调整容器部署位置、重新路由网络流量或添加冗余连接以提高可用性。
可选的，本实施例中，可以根据图数据库中的连接关系图和性能分析结果，可以自动配置容器和微服务之间的连接和通信规则。这可以通过自动化工具来实现，例如网络编排工具。
步骤S103：持续监测所述连接关系图和所述性能分析结果，在监测到异常时触发报警和恢复机制。
可选的，本实施例中，可以建立实时监控系统，持续监测容器和微服务之间的连接和性能。如果出现问题，可以自动触发报警和恢复机制。
从上述描述可知，本申请实施例提供的网络资产测绘中资产连接关系配置处理方法，能够通过分别获取容器和微服务的数据，并将获取到的数据存储在设定图数据库中；根据所述图数据库中的数据构建对应的连接关系图，根据所述连接关系图和与所述容器和微服务的数据对应的性能分析结果，配置容器和微服务之间的连接和通信规则；持续监测所述连接关系图和所述性能分析结果，在监测到异常时触发报警和恢复机制，由此能够确保应用程序的连通性。
在本申请的网络资产测绘中资产连接关系配置处理方法的一实施例中，参见图2，还可以具体包含如下内容：
步骤S201：在预设图数据库中分别定义节点和边，其中，节点类型包括容器、微服务和应用程序组件，节点属性包括容器ID、微服务名称、应用程序组件名称，边类型表示不同节点之间的连接关系，边属性包括网络延迟和带宽；
步骤S202：根据所述图数据库中的数据创建并填充所述图数据库中的节点和边，并根据所述图数据库中的数据的容器质检的网络连接关系和/或微服务之间的依赖关系确定所述图数据库的连接关系图。
可选的，在本实施例中，在图数据库中，需要定义节点(Vertices)和边(Edges)的模型，以便正确表示连接关系，包括确定节点和边的类型以及它们的属性。
节点类型：在图中，容器、微服务和应用程序组件都可以作为节点类型，每个类型可以有不同的属性，例如容器ID、微服务名称、应用程序组件名称等。
边类型：边类型表示不同节点之间的连接关系，例如容器之间的网络连接或微服务之间的依赖关系。边可以具有属性，例如网络延迟、带宽等。
可选的，在本实施例中，可以将从数据收集阶段获得的数据导入图数据库中。这些数据将用于创建节点和边，并填充节点和边的属性。
对于容器数据，每个容器可以映射为一个节点，并根据其属性创建节点。
对于微服务和应用程序组件数据，每个微服务或组件也可以映射为一个节点，并根据其属性创建节点。
连接关系数据可以用于创建边，表示容器之间的网络连接或微服务之间的依赖关系。
在本申请的网络资产测绘中资产连接关系配置处理方法的一实施例中，参见图3，还可以具体包含如下内容：
步骤S301：根据所述容器和微服务的数据构建对应的网络拓扑图；
步骤S302：根据所述网络拓扑图进行连通性分析，确定容器和微服务之间的通信效率。
在本申请的网络资产测绘中资产连接关系配置处理方法的一实施例中，参见图4，还可以具体包含如下内容：
步骤S401：将所述容器和微服务的网络拓扑表示为图形结构，其中节点表示容器，边表示容器之间的网络连接，为每个边分配权重，权重作为边的属性存储在所述图形结构中；
步骤S402：从起始节点出发，选择起始节点作为当前节点，对于当前节点，计算从起始节点到其邻居节点的距离，遍历所有邻居节点，对于每个邻居节点，计算从起始节点经当前节点到邻居节点的总距离，如果计算得到的总距离小于邻居节点的当前最短距离，更新邻居节点的最短距离为新计算得到的总距离，标记当前节点为已访问，从未访问的节点中选择下一个当前节点，选择的节点应该是未访问节点中距离最小的节点，重复上述步骤直到所有节点都被访问或没有可访问的节点为止，得到每个节点到起始节点的最短路径距离；
步骤S403：根据所述最短路径距离确定容器和微服务之间的通信效率，其中较短的路径表示更低的延迟和更高的通信效率。
可选的，本实施例中，可以使用图算法来分析容器和微服务之间的连通性。可以使用最短路径算法来计算容器之间的最短网络路径，以评估通信的效率和延迟包括：
数据准备：
将容器和微服务架构的网络拓扑图表示为图形结构，其中节点表示容器，边表示容器之间的网络连接。
为每个边分配权重，通常使用网络延迟或其他性能指标来表示连接的延迟。这些权重可以作为边的属性存储在图中。
初始化数据结构：
创建一个数据结构来存储节点之间的最短距离。可以使用一个字典或数组来表示每个节点的最短距离，最初将它们初始化为无穷大，除了起始节点，起始节点的距离初始化为0。
创建一个数据结构来跟踪已访问的节点，以确保每个节点仅计算一次最短路径。
算法执行：
开始从起始节点出发。选择起始节点作为当前节点。
对于当前节点，计算从起始节点到其邻居节点的距离。遍历所有邻居节点。
对于每个邻居节点，计算从起始节点经当前节点到邻居节点的总距离(当前节点的距离加上当前节点到邻居节点的边的权重)。
如果计算得到的总距离小于邻居节点的当前最短距离，更新邻居节点的最短距离为新计算得到的总距离。
标记当前节点为已访问。
从未访问的节点中选择下一个当前节点，选择的节点应该是未访问节点中距离最小的节点。
重复上述步骤，直到所有节点都被访问或没有可访问的节点为止。
结果分析：
一旦算法执行完毕，将得到每个节点到起始节点的最短路径距离。
评估通信效率和延迟：
使用计算得到的最短路径距离来评估容器之间的通信效率和延迟。较短的路径通常表示更低的延迟和更高的通信效率。
通过逐步计算节点之间的最短路径距离来评估容器之间的连通性，它从起始节点开始，逐步扩展到其他节点，直到所有节点都被访问，这种方式可以帮助理解容器之间的通信效率，以便进行性能优化和决策制定。
在本申请的网络资产测绘中资产连接关系配置处理方法的一实施例中，参见图5，还可以具体包含如下内容：
步骤S501：根据所述容器和微服务的数据构建对应的网络拓扑图；
步骤S502：根据所述网络拓扑图进行深度优先遍历，确定容器和微服务之间的依赖关系。
在本申请的网络资产测绘中资产连接关系配置处理方法的一实施例中，参见图6，还可以具体包含如下内容：
步骤S601：将所述容器和微服务的网络拓扑表示为图形结构，其中节点表示容器，边表示容器之间的网络连接，为每个边分配权重，权重作为边的属性存储在所述图形结构中；
步骤S602：选择一个起始微服务节点作为依赖关系分析的起点，创建一个数据结构来跟踪已访问的节点，创建一个数据结构栈来存储待访问的节点；
步骤S603：执行深度优先节点遍历，确定容器和微服务之间的依赖关系。
可选的，本实施例中，可以利用图算法来分析微服务之间的依赖关系，可以使用图遍历算法来确定哪些微服务对应用程序的连通性至关重要，以便进行容错和优化包括：
选择起始节点：选择一个起始微服务节点，作为依赖关系分析的起点。
初始化数据结构：
创建一个数据结构来跟踪已访问的节点，以防止无限循环。
创建一个数据结构(例如栈)来存储待访问的节点。
开始DFS遍历：
将起始节点入栈，并标记为已访问。
从起始节点开始，深度优先遍历其邻居节点。
对于每个邻居节点，检查是否已经访问。如果未访问，将其入栈并标记为已访问。
重复此过程，不断深入图中，直到无法找到未访问的邻居节点，或者栈为空。
依赖关系分析：
在DFS过程中，可以收集信息，例如微服务之间的调用关系或依赖关系路径。
可以记录每个微服务的依赖关系，以了解哪些微服务被其他微服务所依赖，以及它们之间的关系。
可视化或分析结果：
将依赖关系结果可视化成图形或记录下来，以便进一步分析。
可以使用这些信息来进行容错分析、性能优化或决策制定。
遍历其他起始节点：
如果有多个微服务作为潜在的起始节点，可以重复上述DFS遍历过程，以分析不同微服务之间的依赖关系。
在本申请的网络资产测绘中资产连接关系配置处理方法的一实施例中，参见图7，还可以具体包含如下内容：
步骤S701：根据所述连接关系图和与所述容器和微服务的数据对应的性能分析结果确定对应的自动化配置规则；
步骤S702：使用容器编排工具配置容器和微服务的部署，将所述自动化配置规则应用于所述容器编排工具中，以进行容器和微服务之间的连接和通信规则自动化配置。
可选的，本实施例中，自动化配置是将性能优化策略应用于实际容器和微服务环境的关键步骤，可以使用网络编排工具(例如Kubernetes)来实现，以下是具体的实施步骤：
容器编排工具配置：使用容器编排工具配置容器和微服务的部署。
自动规则生成：根据性能优化策略生成自动化规则，这可以基于图数据库中的连接关系图和性能数据，例如，如果要优化容器之间的网络连接，可以生成路由规则来指定流量如何路由。
规则应用：将生成的规则应用于容器编排工具中，以实现自动化配置，这需要使用工具的API或命令行界面来进行配置。
在本申请的网络资产测绘中资产连接关系配置处理方法的一实施例中，参见图8，还可以具体包含如下内容：
步骤S801：配置监控工具持续监测所述连接关系图和所述性能分析结果；
步骤S802：若所述性能分析结果中的平均延迟大于阈值，则触发警报，若所述连接关系图中的容器负载大于阈值，则自动扩展副本数。
可选的，本实施例中，实时监控是持续监测容器和微服务之间的连接和性能的关键，这可以使用监控工具和实时数据流来实现，以下是具体的实施步骤：
监控工具配置：选择和配置监控工具，以监测容器和微服务的性能，常见的工具包括Prometheus、Grafana、ELKStack等。
数据流采集：设置监控工具以定期或实时收集容器和微服务的性能数据，如延迟、带宽利用率、资源利用率等。
数据流分析：使用监控工具来分析实时数据流，以识别潜在问题或性能下降，可以定义警报规则，例如，当延迟超过某个阈值时触发警报。
自动化响应：设置自动化响应机制，以应对监控到的问题，这可以包括自动扩展、重新路由流量或触发故障转移。
性能可视化：使用监控工具来创建性能仪表板，以实时可视化容器和微服务的性能数据，以便团队可以随时了解系统状态。
性能数据分析公式：根据收集到的性能数据计算平均延迟、带宽利用率、资源利用率等指标。
警报规则公式：定义警报规则，例如，如果延迟大于阈值X，则触发警报。
自动化响应规则公式：根据监控数据和性能分析结果，定义自动化响应规则，例如，如果容器负载大于阈值Y，则自动扩展副本数。
为了能够确保应用程序的连通性，本申请提供一种用于实现所述网络资产测绘中资产连接关系配置处理方法的全部或部分内容的网络资产测绘中资产连接关系配置处理装置的实施例，参见图9，所述网络资产测绘中资产连接关系配置处理装置具体包含有如下内容：
数据获取模块10，用于分别获取容器和微服务的数据，并将获取到的数据存储在设定图数据库中；
数据分析模块20，用于根据所述图数据库中的数据构建对应的连接关系图，根据所述连接关系图和与所述容器和微服务的数据对应的性能分析结果，配置容器和微服务之间的连接和通信规则；
异常监测模块30，用于持续监测所述连接关系图和所述性能分析结果，在监测到异常时触发报警和恢复机制。
从上述描述可知，本申请实施例提供的网络资产测绘中资产连接关系配置处理装置，能够通过分别获取容器和微服务的数据，并将获取到的数据存储在设定图数据库中；根据所述图数据库中的数据构建对应的连接关系图，根据所述连接关系图和与所述容器和微服务的数据对应的性能分析结果，配置容器和微服务之间的连接和通信规则；持续监测所述连接关系图和所述性能分析结果，在监测到异常时触发报警和恢复机制，由此能够确保应用程序的连通性。
在本申请的网络资产测绘中资产连接关系配置处理装置的一实施例中，参见图10，所述数据分析模块20包括：
节点边定义单元21，用于在预设图数据库中分别定义节点和边，其中，节点类型包括容器、微服务和应用程序组件，节点属性包括容器ID、微服务名称、应用程序组件名称，边类型表示不同节点之间的连接关系，边属性包括网络延迟和带宽；
节点边填充单元22，用于根据所述图数据库中的数据创建并填充所述图数据库中的节点和边，并根据所述图数据库中的数据的容器质检的网络连接关系和/或微服务之间的依赖关系确定所述图数据库的连接关系图。
在本申请的网络资产测绘中资产连接关系配置处理装置的一实施例中，参见图11，所述数据分析模块20还包括：
网络拓扑确定单元23，用于根据所述容器和微服务的数据构建对应的网络拓扑图；
连通性分析单元24，用于根据所述网络拓扑图进行连通性分析，确定容器和微服务之间的通信效率。
在本申请的网络资产测绘中资产连接关系配置处理装置的一实施例中，参见图12，所述数据分析模块20还包括：
图形转换单元241，用于将所述容器和微服务的网络拓扑表示为图形结构，其中节点表示容器，边表示容器之间的网络连接，为每个边分配权重，权重作为边的属性存储在所述图形结构中；
节点计算单元242，用于从起始节点出发，选择起始节点作为当前节点，对于当前节点，计算从起始节点到其邻居节点的距离，遍历所有邻居节点，对于每个邻居节点，计算从起始节点经当前节点到邻居节点的总距离，如果计算得到的总距离小于邻居节点的当前最短距离，更新邻居节点的最短距离为新计算得到的总距离，标记当前节点为已访问，从未访问的节点中选择下一个当前节点，选择的节点应该是未访问节点中距离最小的节点，重复上述步骤直到所有节点都被访问或没有可访问的节点为止，得到每个节点到起始节点的最短路径距离；
通信效率确定单元243，用于根据所述最短路径距离确定容器和微服务之间的通信效率，其中较短的路径表示更低的延迟和更高的通信效率。
在本申请的网络资产测绘中资产连接关系配置处理装置的一实施例中，参见图13，所述数据分析模块20还包括：
网络拓扑构建单元25，用于根据所述容器和微服务的数据构建对应的网络拓扑图；
依赖关系确定单元26，用于根据所述网络拓扑图进行深度优先遍历，确定容器和微服务之间的依赖关系。
在本申请的网络资产测绘中资产连接关系配置处理装置的一实施例中，参见图14，所述数据分析模块20还包括：
图形结构确定单元261，用于将所述容器和微服务的网络拓扑表示为图形结构，其中节点表示容器，边表示容器之间的网络连接，为每个边分配权重，权重作为边的属性存储在所述图形结构中；
节点分析预备单元262，用于选择一个起始微服务节点作为依赖关系分析的起点，创建一个数据结构来跟踪已访问的节点，创建一个数据结构栈来存储待访问的节点；
节点遍历单元263，用于执行深度优先节点遍历，确定容器和微服务之间的依赖关系。
在本申请的网络资产测绘中资产连接关系配置处理装置的一实施例中，参见图15，所述数据分析模块20还包括：
配置规则确定单元27，用于根据所述连接关系图和与所述容器和微服务的数据对应的性能分析结果确定对应的自动化配置规则；
自动化配置单元28，用于使用容器编排工具配置容器和微服务的部署，将所述自动化配置规则应用于所述容器编排工具中，以进行容器和微服务之间的连接和通信规则自动化配置。
在本申请的网络资产测绘中资产连接关系配置处理装置的一实施例中，参见图16，所述异常监测模块30包括：
持续监测单元31，用于配置监控工具持续监测所述连接关系图和所述性能分析结果；
阈值判断单元32，用于若所述性能分析结果中的平均延迟大于阈值，则触发警报，若所述连接关系图中的容器负载大于阈值，则自动扩展副本数。
为了更进一步说明本方案，本申请还提供一种应用上述网络资产测绘中资产连接关系配置处理装置实现网络资产测绘中资产连接关系配置处理方法的具体应用实例，具体包含有如下内容：
步骤1：数据收集和建模
步骤1.1数据收集：首先，收集有关容器化和微服务架构的数据，包括容器、微服务、应用程序组件、网络配置等信息。这可以使用监控工具、容器编排工具和应用程序性能管理工具来完成。
步骤1.2数据存储：将收集到的数据存储在图数据库中。
步骤2：建立连接关系图
使用图数据库中的数据构建连接关系图。在这个图中，节点表示容器、微服务或应用程序组件，边表示它们之间的连接关系。可以使用以下方式表示连接关系：
容器节点之间的边表示它们之间的网络连接。
微服务节点之间的边表示它们之间的依赖关系。
边上可以附加属性，如网络延迟、带宽等信息。
步骤3：图算法分析
步骤3.1连通性分析：使用图算法来分析容器和微服务之间的连通性。可以使用最短路径算法来计算容器之间的最短网络路径，以评估通信的效率和延迟。
步骤3.2依赖关系分析：利用图算法来分析微服务之间的依赖关系。可以使用图遍历算法来确定哪些微服务对应用程序的连通性至关重要，以便进行容错和优化。
步骤3.3性能优化：基于图算法的分析结果，可以提出性能优化建议，例如调整容器部署位置、重新路由网络流量或添加冗余连接以提高可用性。
步骤4：自动化配置和监控
步骤4.1自动化配置：根据图数据库中的连接关系图和性能分析结果，可以自动配置容器和微服务之间的连接和通信规则。这可以通过自动化工具来实现，例如网络编排工具。
步骤4.2实时监控：建立实时监控系统，持续监测容器和微服务之间的连接和性能。如果出现问题，可以自动触发报警和恢复机制。
本方法利用图数据库和图算法可以更有效地处理容器化和微服务架构中复杂的连接关系，实现连接关系的自动化管理和性能优化。
具体的，步骤1包括：
步骤1.1数据收集：
在数据收集阶段，需要获取与容器化和微服务架构相关的各种数据，包括容器、微服务、应用程序组件和网络配置，以下是数据源和数据收集方法：
容器数据：使用容器编排工具(如Kubernetes、Docker Swarm)或容器管理平台(如Docker)来获取容器的信息。
微服务和应用程序组件数据：通过应用程序性能监控工具(如Prometheus、Grafana、AppDynamics)或应用程序日志来收集微服务和应用程序组件的信息。这些工具通常提供API或插件，可用于自动化数据收集。
网络配置数据：可以使用网络配置管理工具(如Consul、Etcd)来收集网络配置信息，包括服务发现、路由规则和负载均衡配置。
日志数据：应用程序日志和容器日志可以提供有关容器和微服务之间的通信和问题的信息。使用日志管理工具(如ELKStack)来集中收集和分析日志数据。
步骤1.2数据存储：
将收集到的数据存储在图数据库中，以便后续的连接关系建模和分析。
将数据存储到图数据库的过程涉及以下步骤：
创建数据库模式：定义节点和边的类型，以及属性；
导入数据：使用数据库支持的导入工具或API将收集到的数据导入图数据库；
建立索引：为了加速查询，创建适当的索引；
数据清洗和转换：根据需要清洗和转换数据，确保数据的一致性和准确性；
图数据库的选择和数据存储过程将根据组织的具体需求和技术栈而异，一旦数据存储在图数据库中，就可以开始建立连接关系图并执行各种分析。
具体的，步骤2包括：
步骤2.1创建图数据库模型：在图数据库中，需要定义节点(Vertices)和边(Edges)的模型，以便正确表示连接关系，包括确定节点和边的类型以及它们的属性。
节点类型：在图中，容器、微服务和应用程序组件都可以作为节点类型，每个类型可以有不同的属性，例如容器ID、微服务名称、应用程序组件名称等。
边类型：边类型表示不同节点之间的连接关系，例如容器之间的网络连接或微服务之间的依赖关系。边可以具有属性，例如网络延迟、带宽等。
步骤2.2导入数据：将从数据收集阶段获得的数据导入图数据库中。这些数据将用于创建节点和边，并填充节点和边的属性。
对于容器数据，每个容器可以映射为一个节点，并根据其属性创建节点。
对于微服务和应用程序组件数据，每个微服务或组件也可以映射为一个节点，并根据其属性创建节点。
连接关系数据可以用于创建边，表示容器之间的网络连接或微服务之间的依赖关系。
步骤2.3构建连接关系图：一旦数据导入完成，可以使用数据库查询语言(如Cypher、Gremlin等)来执行查询，构建连接关系图，这些查询可以包括以下操作：
创建节点和边：根据数据创建节点和边，并将它们添加到图中；
查询连接关系：使用查询语言查找容器之间的网络连接或微服务之间的依赖关系；
添加边属性：边属性(如网络延迟、带宽)可以使用查询语言来为边添加属性。
步骤2.4可视化连接关系图：为了更好地理解连接关系，可以使用可视化工具或库来呈现图形化的连接关系图，这有助于可视化容器、微服务和应用程序组件之间的关系以及相关属性。
步骤2.5更新和维护图：在容器和微服务环境中，连接关系可能会不断变化。因此，需要定期更新图数据库，以反映新的连接和变化，这可以通过定期的数据同步和更新操作来实现。
具体的，步骤3包括：
步骤3.1连通性分析：使用图算法来分析容器和微服务之间的连通性。可以使用最短路径算法来计算容器之间的最短网络路径，以评估通信的效率和延迟包括：
数据准备：
将容器和微服务架构的网络拓扑图表示为图形结构，其中节点表示容器，边表示容器之间的网络连接。
为每个边分配权重，通常使用网络延迟或其他性能指标来表示连接的延迟。这些权重可以作为边的属性存储在图中。
初始化数据结构：创建一个数据结构来存储节点之间的最短距离。可以使用一个字典或数组来表示每个节点的最短距离，最初将它们初始化为无穷大，除了起始节点，起始节点的距离初始化为0。创建一个数据结构来跟踪已访问的节点，以确保每个节点仅计算一次最短路径。
算法执行：开始从起始节点出发。选择起始节点作为当前节点。对于当前节点，计算从起始节点到其邻居节点的距离。遍历所有邻居节点。对于每个邻居节点，计算从起始节点经当前节点到邻居节点的总距离(当前节点的距离加上当前节点到邻居节点的边的权重)。如果计算得到的总距离小于邻居节点的当前最短距离，更新邻居节点的最短距离为新计算得到的总距离。标记当前节点为已访问。从未访问的节点中选择下一个当前节点，选择的节点应该是未访问节点中距离最小的节点。
重复上述步骤，直到所有节点都被访问或没有可访问的节点为止。
结果分析：一旦算法执行完毕，将得到每个节点到起始节点的最短路径距离。
评估通信效率和延迟：使用计算得到的最短路径距离来评估容器之间的通信效率和延迟。较短的路径通常表示更低的延迟和更高的通信效率。
通过逐步计算节点之间的最短路径距离来评估容器之间的连通性，它从起始节点开始，逐步扩展到其他节点，直到所有节点都被访问，这种方式可以帮助理解容器之间的通信效率，以便进行性能优化和决策制定。
步骤3.2依赖关系分析：利用图算法来分析微服务之间的依赖关系，可以使用图遍历算法来确定哪些微服务对应用程序的连通性至关重要，以便进行容错和优化包括：
选择起始节点：选择一个起始微服务节点，作为依赖关系分析的起点。初始化数据结构：创建一个数据结构来跟踪已访问的节点，以防止无限循环。创建一个数据结构(例如栈)来存储待访问的节点。开始DFS遍历：将起始节点入栈，并标记为已访问。从起始节点开始，深度优先遍历其邻居节点。对于每个邻居节点，检查是否已经访问。如果未访问，将其入栈并标记为已访问。重复此过程，不断深入图中，直到无法找到未访问的邻居节点，或者栈为空。
依赖关系分析：在DFS过程中，可以收集信息，例如微服务之间的调用关系或依赖关系路径。可以记录每个微服务的依赖关系，以了解哪些微服务被其他微服务所依赖，以及它们之间的关系。可视化或分析结果：将依赖关系结果可视化成图形或记录下来，以便进一步分析。可以使用这些信息来进行容错分析、性能优化或决策制定。遍历其他起始节点：如果有多个微服务作为潜在的起始节点，可以重复上述DFS遍历过程，以分析不同微服务之间的依赖关系。
步骤3.3性能优化：基于图算法的分析结果，可以提出性能优化建议，例如调整容器部署位置、重新路由网络流量或添加冗余连接以提高可用性包括：
分析图数据：基于之前的步骤，已经建立了连接关系图，了解了容器和微服务之间的依赖关系以及网络拓扑。使用分析工具或查询数据库，检查图中的性能数据和连接关系，如延迟、带宽利用率、容器资源利用率等。
性能瓶颈识别：基于图数据的分析结果，识别潜在的性能瓶颈。这可能包括网络延迟过高、容器资源不足、微服务之间的高负载等问题。
性能优化策略：根据性能瓶颈的识别，制定性能优化策略。以下是一些可能的性能优化策略示例：容器部署调整：根据依赖关系和性能要求，将相关的容器部署在物理主机或云实例上，以减少网络延迟。网络流量路由优化：重新路由网络流量，以减少瓶颈或拥塞。这可能涉及到负载均衡策略的调整。资源分配优化：调整容器资源分配，以确保每个容器都具有足够的计算、内存和存储资源来处理工作负载。容器冗余和容错：增加容器的冗余，以提高可用性和容错性。例如，使用Kubernetes中的ReplicaSets。
实施性能优化：根据性能优化策略，实施相应的改进。这可能涉及修改容器部署配置、更新网络路由规则、调整资源配额等操作。
性能监控和反馈：在性能优化实施后，持续监控系统性能。使用监控工具和指标来跟踪改进的效果。如果性能瓶颈仍然存在或新问题出现，重新分析数据并调整性能优化策略。
文档和知识分享：记录性能优化的步骤、策略和结果，以便团队成员了解系统的性能特征和最佳实践。分享知识，以确保团队可以共同维护和改进性能优化策略。
性能优化是一个持续的过程，需要不断地监控和调整以适应系统的变化和需求，通过基于图数据的分析，可以更好地理解系统中的性能问题，并有针对性地采取行动来改进性能。
具体的，步骤4包括：
4.1自动化配置：
自动化配置是将性能优化策略应用于实际容器和微服务环境的关键步骤，可以使用网络编排工具(例如Kubernetes)来实现，以下是具体的实施步骤：容器编排工具配置：使用容器编排工具配置容器和微服务的部署。自动规则生成：根据性能优化策略生成自动化规则，这可以基于图数据库中的连接关系图和性能数据，例如，如果要优化容器之间的网络连接，可以生成路由规则来指定流量如何路由。规则应用：将生成的规则应用于容器编排工具中，以实现自动化配置，这需要使用工具的API或命令行界面来进行配置。
4.2实时监控：
实时监控是持续监测容器和微服务之间的连接和性能的关键，这可以使用监控工具和实时数据流来实现，以下是具体的实施步骤：监控工具配置：选择和配置监控工具，以监测容器和微服务的性能，常见的工具包括Prometheus、Grafana、ELKStack等。数据流采集：设置监控工具以定期或实时收集容器和微服务的性能数据，如延迟、带宽利用率、资源利用率等。数据流分析：使用监控工具来分析实时数据流，以识别潜在问题或性能下降，可以定义警报规则，例如，当延迟超过某个阈值时触发警报。自动化响应：设置自动化响应机制，以应对监控到的问题，这可以包括自动扩展、重新路由流量或触发故障转移。性能可视化：使用监控工具来创建性能仪表板，以实时可视化容器和微服务的性能数据，以便团队可以随时了解系统状态。性能数据分析公式：根据收集到的性能数据计算平均延迟、带宽利用率、资源利用率等指标。警报规则公式：定义警报规则，例如，如果延迟大于阈值X，则触发警报。自动化响应规则公式：根据监控数据和性能分析结果，定义自动化响应规则，例如，如果容器负载大于阈值Y，则自动扩展副本数。
有上述内容可知，本方法利用图数据库和自动化工具，可以自动化地收集、建模、分析和配置资产连接关系，这样就能够应对容器和微服务环境的快速变化，而无需手动干预，从而提高了可扩展性和效率，通过使用图算法，本方法能够综合性地分析容器和微服务之间的连通性、依赖关系和性能数据，有助于更全面地了解应用程序的性能特征。
通过实时监控和自动化响应机制，本方法可以及时检测到性能问题，并根据性能警报触发自动化响应来应对问题，有助于提高系统的可用性和稳定性。由于专门针对容器化和微服务架构设计，本方法能够更好地理解和处理容器之间的连接关系，包括微服务之间的依赖关系，这使得它更适合这些现代架构模式。
由于容器化和微服务架构在不断演进，本方法可以根据新的需求和技术变化进行扩展和适应，它提供了一个灵活的框架，可以随着技术的发展进行更新和改进。
综上所述，与传统的手动配置和监控方法相比，设计的网络资产测绘中资产连接关系配置处理方法在容器化和微服务架构背景下更具自动化、智能化和综合性能分析的特点，有助于提高系统的可维护性、可用性和性能，对于应对现代应用程序开发和部署的挑战至关重要。
图17为本申请实施例的电子设备9600的系统构成的示意框图。如图17所示，该电子设备9600可以包括中央处理器9100和存储器9140；存储器9140耦合到中央处理器9100。值得注意的是，该图17是示例性的；还可以使用其他类型的结构，来补充或代替该结构，以实现电信功能或其他功能。
一实施例中，网络资产测绘中资产连接关系配置处理方法功能可以被集成到中央处理器9100中。其中，中央处理器9100可以被配置为进行如下控制：
步骤S101：分别获取容器和微服务的数据，并将获取到的数据存储在设定图数据库中；
步骤S102：根据所述图数据库中的数据构建对应的连接关系图，根据所述连接关系图和与所述容器和微服务的数据对应的性能分析结果，配置容器和微服务之间的连接和通信规则；
步骤S103：持续监测所述连接关系图和所述性能分析结果，在监测到异常时触发报警和恢复机制。
从上述描述可知，本申请实施例提供的电子设备，通过分别获取容器和微服务的数据，并将获取到的数据存储在设定图数据库中；根据所述图数据库中的数据构建对应的连接关系图，根据所述连接关系图和与所述容器和微服务的数据对应的性能分析结果，配置容器和微服务之间的连接和通信规则；持续监测所述连接关系图和所述性能分析结果，在监测到异常时触发报警和恢复机制，由此能够确保应用程序的连通性。
在另一个实施方式中，网络资产测绘中资产连接关系配置处理装置可以与中央处理器9100分开配置，例如可以将网络资产测绘中资产连接关系配置处理装置配置为与中央处理器9100连接的芯片，通过中央处理器的控制来实现网络资产测绘中资产连接关系配置处理方法功能。
如图17所示，该电子设备9600还可以包括：通信模块9110、输入单元9120、音频处理器9130、显示器9160、电源9170。值得注意的是，电子设备9600也并不是必须要包括图17中所示的所有部件；此外，电子设备9600还可以包括图17中没有示出的部件，可以参考现有技术。
如图17所示，中央处理器9100有时也称为控制器或操作控件，可以包括微处理器或其他处理器装置和/或逻辑装置，该中央处理器9100接收输入并控制电子设备9600的各个部件的操作。
其中，存储器9140，例如可以是缓存器、闪存、硬驱、可移动介质、易失性存储器、非易失性存储器或其它合适装置中的一种或更多种。可储存上述与失败有关的信息，此外还可存储执行有关信息的程序。并且中央处理器9100可执行该存储器9140存储的该程序，以实现信息存储或处理等。
输入单元9120向中央处理器9100提供输入。该输入单元9120例如为按键或触摸输入装置。电源9170用于向电子设备9600提供电力。显示器9160用于进行图像和文字等显示对象的显示。该显示器例如可为LCD显示器，但并不限于此。
该存储器9140可以是固态存储器，例如，只读存储器(ROM)、随机存取存储器(RAM)、SIM卡等。还可以是这样的存储器，其即使在断电时也保存信息，可被选择性地擦除且设有更多数据，该存储器的示例有时被称为EPROM等。存储器9140还可以是某种其它类型的装置。存储器9140包括缓冲存储器9141(有时被称为缓冲器)。存储器9140可以包括应用/功能存储部9142，该应用/功能存储部9142用于存储应用程序和功能程序或用于通过中央处理器9100执行电子设备9600的操作的流程。
存储器9140还可以包括数据存储部9143，该数据存储部9143用于存储数据，例如联系人、数字数据、图片、声音和/或任何其他由电子设备使用的数据。存储器9140的驱动程序存储部9144可以包括电子设备的用于通信功能和/或用于执行电子设备的其他功能(如消息传送应用、通讯录应用等)的各种驱动程序。
通信模块9110即为经由天线9111发送和接收信号的发送机/接收机9110。通信模块(发送机/接收机)9110耦合到中央处理器9100，以提供输入信号和接收输出信号，这可以和常规移动通信终端的情况相同。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
Claims (15)
1.一种网络资产测绘中资产连接关系配置处理方法，其特征在于，所述方法包括：
分别获取容器和微服务的数据，并将获取到的数据存储在设定图数据库中；
根据所述图数据库中的数据构建对应的连接关系图，根据所述连接关系图和与所述容器和微服务的数据对应的性能分析结果，配置容器和微服务之间的连接和通信规则；
持续监测所述连接关系图和所述性能分析结果，在监测到异常时触发报警和恢复机制。
2.根据权利要求1所述的网络资产测绘中资产连接关系配置处理方法，其特征在于，所述根据所述图数据库中的数据构建对应的连接关系图，包括：
在预设图数据库中分别定义节点和边，其中，节点类型包括容器、微服务和应用程序组件，节点属性包括容器ID、微服务名称、应用程序组件名称，边类型表示不同节点之间的连接关系，边属性包括网络延迟和带宽；
根据所述图数据库中的数据创建并填充所述图数据库中的节点和边，并根据所述图数据库中的数据的容器质检的网络连接关系和/或微服务之间的依赖关系确定所述图数据库的连接关系图。
3.根据权利要求1所述的网络资产测绘中资产连接关系配置处理方法，其特征在于，在所述根据所述连接关系图和与所述容器和微服务的数据对应的性能分析结果之前，包括：
根据所述容器和微服务的数据构建对应的网络拓扑图；
根据所述网络拓扑图进行连通性分析，确定容器和微服务之间的通信效率。
4.根据权利要求3所述的网络资产测绘中资产连接关系配置处理方法，其特征在于，在所述根据所述连接关系图和与所述容器和微服务的数据对应的性能分析结果之前，还包括：
将所述容器和微服务的网络拓扑表示为图形结构，其中节点表示容器，边表示容器之间的网络连接，为每个边分配权重，权重作为边的属性存储在所述图形结构中；
从起始节点出发，选择起始节点作为当前节点，对于当前节点，计算从起始节点到其邻居节点的距离，遍历所有邻居节点，对于每个邻居节点，计算从起始节点经当前节点到邻居节点的总距离，如果计算得到的总距离小于邻居节点的当前最短距离，更新邻居节点的最短距离为新计算得到的总距离，标记当前节点为已访问，从未访问的节点中选择下一个当前节点，选择的节点应该是未访问节点中距离最小的节点，直到所有节点都被访问或没有可访问的节点为止，得到每个节点到起始节点的最短路径距离；
根据所述最短路径距离确定容器和微服务之间的通信效率，其中较短的路径表示更低的延迟和更高的通信效率。
5.根据权利要求1所述的网络资产测绘中资产连接关系配置处理方法，其特征在于，在所述根据所述连接关系图和与所述容器和微服务的数据对应的性能分析结果之前，还包括：
根据所述容器和微服务的数据构建对应的网络拓扑图；
根据所述网络拓扑图进行深度优先遍历，确定容器和微服务之间的依赖关系。
6.根据权利要求5所述的网络资产测绘中资产连接关系配置处理方法，其特征在于，在所述根据所述连接关系图和与所述容器和微服务的数据对应的性能分析结果之前，还包括：
将所述容器和微服务的网络拓扑表示为图形结构，其中节点表示容器，边表示容器之间的网络连接，为每个边分配权重，权重作为边的属性存储在所述图形结构中；
选择一个起始微服务节点作为依赖关系分析的起点，创建一个数据结构来跟踪已访问的节点，创建一个数据结构栈来存储待访问的节点；
执行深度优先节点遍历，确定容器和微服务之间的依赖关系。
7.根据权利要求1所述的网络资产测绘中资产连接关系配置处理方法，其特征在于，所述根据所述连接关系图和与所述容器和微服务的数据对应的性能分析结果，配置容器和微服务之间的连接和通信规则，包括：
根据所述连接关系图和与所述容器和微服务的数据对应的性能分析结果确定对应的自动化配置规则；
使用容器编排工具配置容器和微服务的部署，将所述自动化配置规则应用于所述容器编排工具中，以进行容器和微服务之间的连接和通信规则自动化配置。
8.根据权利要求1所述的网络资产测绘中资产连接关系配置处理方法，其特征在于，所述持续监测所述连接关系图和所述性能分析结果，在监测到异常时触发报警和恢复机制，包括：
配置监控工具持续监测所述连接关系图和所述性能分析结果；
若所述性能分析结果中的平均延迟大于阈值，则触发警报，若所述连接关系图中的容器负载大于阈值，则自动扩展副本数。
9.一种网络资产测绘中资产连接关系配置处理装置，其特征在于，所述装置包括：
数据获取模块，用于分别获取容器和微服务的数据，并将获取到的数据存储在设定图数据库中；
数据分析模块，用于根据所述图数据库中的数据构建对应的连接关系图，根据所述连接关系图和与所述容器和微服务的数据对应的性能分析结果，配置容器和微服务之间的连接和通信规则；
异常监测模块，用于持续监测所述连接关系图和所述性能分析结果，在监测到异常时触发报警和恢复机制。
10.根据权利要求9所述的网络资产测绘中资产连接关系配置处理装置，其特征在于，所述数据分析模块包括：
节点边定义单元，用于在预设图数据库中分别定义节点和边，其中，节点类型包括容器、微服务和应用程序组件，节点属性包括容器ID、微服务名称、应用程序组件名称，边类型表示不同节点之间的连接关系，边属性包括网络延迟和带宽；
节点边填充单元，用于根据所述图数据库中的数据创建并填充所述图数据库中的节点和边，并根据所述图数据库中的数据的容器质检的网络连接关系和/或微服务之间的依赖关系确定所述图数据库的连接关系图。
11.根据权利要求9所述的网络资产测绘中资产连接关系配置处理装置，其特征在于，所述数据分析模块还包括：
网络拓扑确定单元，用于根据所述容器和微服务的数据构建对应的网络拓扑图；
连通性分析单元，用于根据所述网络拓扑图进行连通性分析，确定容器和微服务之间的通信效率。
12.根据权利要求11所述的网络资产测绘中资产连接关系配置处理装置，其特征在于，所述数据分析模块还包括：
图形转换单元，用于将所述容器和微服务的网络拓扑表示为图形结构，其中节点表示容器，边表示容器之间的网络连接，为每个边分配权重，权重作为边的属性存储在所述图形结构中；
节点计算单元，用于从起始节点出发，选择起始节点作为当前节点，对于当前节点，计算从起始节点到其邻居节点的距离，遍历所有邻居节点，对于每个邻居节点，计算从起始节点经当前节点到邻居节点的总距离，如果计算得到的总距离小于邻居节点的当前最短距离，更新邻居节点的最短距离为新计算得到的总距离，标记当前节点为已访问，从未访问的节点中选择下一个当前节点，选择的节点应该是未访问节点中距离最小的节点，直到所有节点都被访问或没有可访问的节点为止，得到每个节点到起始节点的最短路径距离；
通信效率确定单元，用于根据所述最短路径距离确定容器和微服务之间的通信效率，其中较短的路径表示更低的延迟和更高的通信效率。
13.一种电子设备，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，其特征在于，所述处理器执行所述程序时实现权利要求1至8任一项所述的网络资产测绘中资产连接关系配置处理方法的步骤。
14.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至8任一项所述的网络资产测绘中资产连接关系配置处理方法的步骤。
15.一种计算机程序产品，包括计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现权利要求1至8任一项所述的网络资产测绘中资产连接关系配置处理方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311552598.0A CN117579472A (zh) | 2023-11-20 | 2023-11-20 | 网络资产测绘中资产连接关系配置处理方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311552598.0A CN117579472A (zh) | 2023-11-20 | 2023-11-20 | 网络资产测绘中资产连接关系配置处理方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117579472A true CN117579472A (zh) | 2024-02-20 |
Family
ID=89893118
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311552598.0A Pending CN117579472A (zh) | 2023-11-20 | 2023-11-20 | 网络资产测绘中资产连接关系配置处理方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117579472A (zh) |
-
2023
- 2023-11-20 CN CN202311552598.0A patent/CN117579472A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Almasan et al. | Digital twin network: Opportunities and challenges | |
| US8862744B2 (en) | Optimizing traffic load in a communications network | |
| US10805171B1 (en) | Understanding network entity relationships using emulation based continuous learning | |
| US10756976B2 (en) | Data network and execution environment replication for network automation and network applications | |
| US9172614B2 (en) | Network capacity management system and method | |
| US8996341B2 (en) | Generating and evaluating expert networks | |
| CN109194707B (zh) | 分布式图嵌入的方法及装置 | |
| CN110022230B (zh) | 基于深度强化学习的服务链并行部署方法及装置 | |
| US11539590B2 (en) | Detect impact of network maintenance in software defined infrastructure | |
| US20190268234A1 (en) | Capacity engineering in distributed computing systems | |
| JP2005234705A (ja) | システムの自動構成を実現するシステムレイアウト設計プログラム、システムレイアウト設計装置、およびシステムレイアウト設計方法 | |
| WO2017007727A1 (en) | Parallelized network traffic flow availability simulation using stochastic process and traffic engineering algorithms | |
| Nguyen et al. | High performance peer-to-peer distributed computing with application to obstacle problem | |
| US11811614B2 (en) | Assigning routing paths based on interior gateway protocol metric optimization | |
| WO2023089350A1 (en) | An architecture for a self-adaptive computation management in edge cloud | |
| US11388039B1 (en) | Identifying problem graphs in an information technology infrastructure network | |
| Taherizadeh et al. | Incremental learning from multi-level monitoring data and its application to component based software engineering | |
| WO2013191807A1 (en) | Efficient evaluation of network robustness with a graph | |
| US20230246969A1 (en) | Bottleneck structures for capacity planning | |
| CN117579472A (zh) | 网络资产测绘中资产连接关系配置处理方法及装置 | |
| de Almeida et al. | Bigdatanetsim: A simulator for data and process placement in large big data platforms | |
| CN116418664A (zh) | 自动化网络设备模型创建的方法及设备、系统及存储介质 | |
| Werth et al. | Surrogate-assisted microscopic traffic simulation-based optimisation of routing parameters | |
| KR102184286B1 (ko) | 분산 ＩｏＴ 환경을 위한 공간-응집 서비스 검색 및 동적 서비스 이양 | |
| US12052166B2 (en) | Predicting impending change to interior gateway protocol (IGP) metrics |
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 |