【技术实现步骤摘要】
一种基于高速缓存的工业白名单学习方法和系统
本专利技术涉及通信
，具体地涉及一种基于高速缓存的工业白名单学习方法及系统。
技术介绍
在项目开发中，实现白名单学习虽在处理字符串方面，Python有着优势，但其性能瓶颈也很明显，尤其在白名单学习时间持续比较久，白名单数量巨大的时候，就会出现学习加载慢，开启和结束的过程慢，学习过程中时时展示学习结果的时候慢的问题，并且随着学习进行会慢慢消耗系统资源，最终导致无法学习的问题；除此之外，当白名单数据很大，加载速度变慢，就会导致前后台学习倒计时时间不一致，出现学习状态不一致的问题，导致后台崩溃。在传统模式下，白名单加载和入库都需要与Mysql进行交互，当突然有白名单结束的信号传递过来时，进程会立即退出，这样，这些与数据库交互的线程也会立刻退出，对于Mysql而言，client没有关闭连接而突然退出Mysql是无法识别的，而这样的连接仍会被保留到最大等待时间而成为异常连接，用户在这种情况下如果重复操作将会产生大量的失效连接，并且使用ORM框架去操动数据库时，如果连接池使用了这...
【技术保护点】
1.一种基于高速缓存的工业白名单学习方法，其特征在于，包括如下步骤：/n步骤1:启动白名单学习监控程序；/n步骤2：白名单学习监控程序监控由端口发送的白名单学习指令信号；/n步骤3：解析白名单学习指令信号，判断该白名单学习指令信号指示开启还是关闭，如果指示开启则执行步骤4，否则向入库的队列发送关闭白名单学习指令，执行步骤11：/n步骤4：启动白名单学习的进程；/n步骤5：从Redis中获取白名单学习的配置信息；/n步骤6：启动定时器，对白名单学习的时间计时，同时加载Redis中的规则hash；/n步骤7：开启消息队列，接收底层解析的报文；/n步骤8：从报文中根据不同的协议提...
【技术特征摘要】
1.一种基于高速缓存的工业白名单学习方法，其特征在于，包括如下步骤：
步骤1:启动白名单学习监控程序；
步骤2：白名单学习监控程序监控由端口发送的白名单学习指令信号；
步骤3：解析白名单学习指令信号，判断该白名单学习指令信号指示开启还是关闭，如果指示开启则执行步骤4，否则向入库的队列发送关闭白名单学习指令，执行步骤11：
步骤4：启动白名单学习的进程；
步骤5：从Redis中获取白名单学习的配置信息；
步骤6：启动定时器，对白名单学习的时间计时，同时加载Redis中的规则hash；
步骤7：开启消息队列，接收底层解析的报文；
步骤8：从报文中根据不同的协议提取关键字段拼接成白名单规则；
步骤9：对海量的白名单规则去重，生成规则的hash更新至hash字典中，放入队列；
步骤10:入库程序，对队列里的规则进行入库；
步骤11：启动第二白名单学习监控程序，当第二白名单学习监控程序监控到白名单学习停止的指令后，停止入库程序，将学习到的规则hash更新到Redis，退出白名单学习进程，否则继续执行步骤9。
2.基于权利要求1所述的一种基于高速缓存的工业白名单学习方法，其特征在于，步骤5具体为，当白名单学习进程启动时，白名单学习的配置信息被写入Redis，白名单学习进程启动后，读取白名单学习的配置信息。
3.根据权利要求2所述的一种基于高速缓存的工业白名单学习方法，其特征在于，所述白名单学习的配置信息包括白名单学习时长、等待时长和学习状态。
4.根据权利要求3所述的一种基于高速缓存的工业白名单学习方法，其特征在于，步骤6中，定时器基于学习时长对白名单学习的时间计时，当达到学习时长后退出白名单学习进程。
5.根据权利要求4所述的一种基于高速缓存的工业白名单学习方法，其特征在于，步骤6中，保存在redis中的hash以Python字典对象的形式保存，在保存前将字典转成json数据，在获取hash后转换为字典使用。
6.根据权利要求1所述的一种基于高速缓存的工业白名单学习方法，其特征在于，还包括Redis热数据处理步骤，具体为：
当白名单被删除，则重新获取白名单数据库中的白名单数据，包括获取最新的白名单规则hash值，将最新的hash值更新到Redis中...
【专利技术属性】
技术研发人员：张卫强，管玉梅，
申请(专利权)人：长扬科技北京有限公司，
类型：发明
国别省市：北京;11
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。