【技术实现步骤摘要】
【国外来华专利技术】相关申请本申请要求由Vasseur等人于2014年1月6日递交的、题为“基于学习机器的预测性和主动性计算机联网和关联的监控(LEARNING-MACHINE-BASED PREDICTIVE AND PROACTIVE COMPUTERNETWORKING AND ASSOCIATED MONITORING)”、美国临时专利申请号为61/923,910,以及由Vasseur等人于2014年1月27日递交的、题为“使用基于早期学习机器的故障预测来触发重新路由(TRIGGERINGREROUTES USING EARLY LEARNING MACHINE-BASED PREDICTIONOF FAILURES)”、美国临时专利申请号为14/164,567的优先权的权益,其全部内容通过引用被结合于此。
本公开一般地涉及计算机网络,更具体地涉及计算机网络内使用学习机器。
技术介绍
低功率有损网络(LLN)(例如,物联网(IoT)网络)具有大量的应用(例如,传感器网络、智能电网和智能城市)。LLN面临各种挑战,例如有损链路、低带宽、低质量收发机、电池操作、低存储和/或处理能力等。大量的节点(大于“传统”IP网络的数量级)恶化了这些网络的具有挑战性的属性,因此很少提及路由、服务质量(QoS)、安全性、网络安排和极具挑战的流量工程。机器学习(ML)涉及算法的开发和设计,这些算法将经验数据(例如,网络统计和性能指标)作为输入,并且识别这些数据中的复杂模式。然后通常使用这些模式来自动做出决定(即,闭环控制)或帮助做出决
定。ML是用来处理非常难的问题(例如, ...
【技术保护点】
一种方法,包括:在具有由通信链路互连的节点的网络中,收集并分析网络度量;基于经收集并分析的网络度量来预测是否可能发生网络元件故障;以及响应于预测到可能发生网络元件故障,主动式地对所述网络中的流量进行重新路由以便在可能发生所述网络元件故障之前避免这种情况。
【技术特征摘要】
【国外来华专利技术】2014.01.06 US 61/923,910;2014.01.27 US 14/164,5671.一种方法,包括:在具有由通信链路互连的节点的网络中,收集并分析网络度量;基于经收集并分析的网络度量来预测是否可能发生网络元件故障;以及响应于预测到可能发生网络元件故障,主动式地对所述网络中的流量进行重新路由以便在可能发生所述网络元件故障之前避免这种情况。2.如权利要求1所述的方法,还包括:接收关于所述网络中的节点的替换通信路径的信息;以及基于所述节点的所述替换通信路径来对所述网络中的所述流量进行重新路由。3.如权利要求1所述的方法,还包括:将指令发送至所述网络中的一个或多个节点以对每个相应的节点计算本地替换通信路径。4.如权利要求1所述的方法,其中,对流量进行重新路由是基于以下各项中的一个或多个:流量类型、替换通信路径的路径成本和网络元件故障的概率。5.如权利要求1所述的方法,还包括:计算网络元件故障的概率;以及当所计算的概率超过预定的阈值时,预测可能发生所述网络元件故障。6.如权利要求1所述的方法,其中,所述网络元件故障包括有故障的节点和有故障的通信链路中的一个或多个。7.如权利要求1所述的方法,还包括:确定所述网络的路由拓扑;以及基于所确定的路由拓扑来对所述网络中的所述流量进行重新路由。8.如权利要求1所述的方法,还包括:基于经收集并分析的网络度量以及过去预测的结果来构建预测模型,
\t其中,所述预测是否可能发生所述网络元件故障还基于所述预测模型。9.如权利要求8所述的方法,还包括:接收关于所述预测模型的准确度的反馈;以及基于所接收的反馈来改善所述预测模型,其中,所述反馈包括实际上是否发生所预测的网络元件故障,或者响应于在预定的持续时间期满时被发送至所述网络中的节点的探测的信息。10.如权利要求1所述的方法,其中,经收集并分析的网络度量是网络元件故障的指标。11.如权利要求1所述的方法,其中,经收集并分析的网络度量包括以下各项中的一个或多个:电池寿命、天气情况、交通量、通信链路质量、信号强度、节点或通信链路的位置、通信链路的距离以及传输成功率。12.如权利要求1所述的方法,其中,所述预测是否可能发生所述网络元件故障由学习机器(LM)执行。13.一种装置,包括:一个或多个网络接口,所述一个或多个网络接口与网络进行通信;处理器,所述处理器被耦合至所述一个或多个网络接口并且被配置为执行进程;以及存储器,所述存储器被配置为存储包括可由所述处理器执行的所述进程...
【专利技术属性】
技术研发人员:让菲利普·瓦瑟尔,格雷戈瑞·莫穆德,素格力·达斯古普塔,
申请(专利权)人:思科技术公司,
类型:发明
国别省市:美国;US
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。