预测交换机端口实时流量的方法、系统、设备和存储介质技术方案

本发明专利技术提供了一种预测交换机端口实时流量的方法、系统、设备和存储介质，方法包括：周期性获取交换机网络端口的指标参数，并将获取到的所述指标参数记录到数据库中；基于当前周期的指标参数在所述数据库中进行匹配以得到相似的历史周期；以及根据所述相似的历史周期后多个周期的指标参数确定所述当前周期的下一时刻的流量。本发明专利技术通过神经网络算法计算并精确预测出当前时刻的网络传输流量，增加了隐藏层中卷积、激活和池化层训练方法，并通过多并发的方式同时从性能、网络延迟等方面对数据进行分析和判断，提升网络拓扑的精确化；在运算模型的建立过程中利用快速矩阵乘法运算和激活函数的导数做训练，反复迭代后提高了精确度。度。度。

【技术实现步骤摘要】
预测交换机端口实时流量的方法、系统、设备和存储介质


[0001]本领域涉及交换机领域，更具体地，特别是指一种预测交换机端口实时流量的方法、系统、设备和存储介质。

技术介绍

[0002]交换机类型分为TOR(TOP OF RACK，顶式)和EOR(END OF RACK，底式)，在网络拓扑中，交换机可以通过不同的类型来自动生成端口之间的链路，其中端口实时流量可以根据端口接收字节数、端口发送字节数、端口接收单播包数、端口发送单播包数、端口发送丢包数、端口接收丢包数，端口网络发送速率、端口网络接收速率等指标来通过神经网络算法综合计算得出。目前我们通过snmp协议去请求这些性能数据本身会有延迟，再加上性能数据的采集本身也有请求周期，目前服务器管理软件周期为5分钟，只能利用过去五分钟的网络端口数据来计算实时流量，由于获取的数据并不是此刻即时的流量，这样必然会导致偏差。

技术实现思路

[0003]有鉴于此，本专利技术实施例的目的在于提出一种预测交换机端口实时流量的方法、系统、计算机设备及计算机可读存储介质，本专利技术通过神经网络算法计算并精确出即时网络传输流量，相比于zabbix算法增加了隐藏层中卷积、激活和池化层训练方法，并通过多并发的方式同时从性能、网络延迟等方面对数据进行分析和判断，提升网络拓扑的精确化，能够快速响应网络拓扑中网口和电口的动态变化，在运算模型的建立过程中利用numty中快速矩阵乘法运算和激活函数sigmoid的导数做训练，反复迭代后提高了精确度。
[0004]基于上述目的，本专利技术实施例的一方面提供了一种预测交换机端口实时流量的方法，包括如下步骤：周期性获取交换机网络端口的指标参数，并将获取到的所述指标参数记录到数据库中；基于当前周期的指标参数在所述数据库中进行匹配以得到相似的历史周期；以及根据所述相似的历史周期后多个周期的指标参数确定所述当前周期的下一时刻的流量。
[0005]在一些实施方式中，所述将当前周期的所述指标参数去所述数据库中进行匹配以得到相似的历史周期包括：将当前周期的第一指标参数与每个历史周期的第二指标参数进行比对，根据比对结果计算相似度，并将相似度高于阈值的历史周期记为所述当前周期的相似的历史周期。
[0006]在一些实施方式中，所述根据所述相似的历史周期后多个周期的指标参数确定所述当前周期的下一时刻的流量包括：计算每个所述相似的历史周期后多个周期的指标参数的第一平均值；以及计算所有所述第一平均值的第二平均值以作为所述当前周期的下一时刻的流量。
[0007]在一些实施方式中，所述根据所述相似的历史周期后多个周期的指标参数确定所述当前周期的下一时刻的流量包括：对相似的每一历史周期的指标参数的长度、顺序和词干类型利用多并发方式和搜索模型算法进行处理，并通过快速矩阵乘法运算和激活函数的
导数迭代运算处理后的指标参数以得到单一历史周期的预测量；以及计算所述单一历史周期的预测量的平均值以得到所述当前周期的下一时刻的流量。
[0008]本专利技术实施例的另一方面，提供了一种预测交换机端口实时流量的系统，包括：采集模块，配置用于周期性获取交换机网络端口的指标参数，并将获取到的所述指标参数记录到数据库中；匹配模块，配置用于基于当前周期的指标参数在所述数据库中进行匹配以得到相似的历史周期；以及计算模块，配置用于根据所述相似的历史周期后多个周期的指标参数确定所述当前周期的下一时刻的流量。
[0009]在一些实施方式中，所述匹配模块配置用于：将当前周期的第一指标参数与每个历史周期的第二指标参数进行比对，根据比对结果计算相似度，并将相似度高于阈值的历史周期记为所述当前周期的相似的历史周期。
[0010]在一些实施方式中，所述计算模块配置用于：计算每个所述相似的历史周期后多个周期的指标参数的第一平均值；以及计算所有所述第一平均值的第二平均值以作为所述当前周期的下一时刻的流量。
[0011]在一些实施方式中，所述计算模块配置用于：对相似的每一历史周期的指标参数的长度、顺序和词干类型利用多并发方式和搜索模型算法进行处理，并通过快速矩阵乘法运算和激活函数的导数迭代运算处理后的指标参数以得到单一历史周期的预测量；以及计算所述单一历史周期的预测量的平均值以得到所述当前周期的下一时刻的流量。
[0012]本专利技术实施例的又一方面，还提供了一种计算机设备，包括：至少一个处理器；以及存储器，所述存储器存储有可在所述处理器上运行的计算机指令，所述指令由所述处理器执行时实现如上方法的步骤。
[0013]本专利技术实施例的再一方面，还提供了一种计算机可读存储介质，计算机可读存储介质存储有被处理器执行时实现如上方法步骤的计算机程序。
[0014]本专利技术具有以下有益技术效果：通过神经网络算法计算并精确出即时网络传输流量，相比于zabbix算法增加了隐藏层中卷积、激活和池化层训练方法，并通过多并发的方式同时从性能、网络延迟等方面对数据进行分析和判断，提升网络拓扑的精确化，能够快速响应网络拓扑中网口和电口的动态变化，在运算模型的建立过程中利用numty中快速矩阵乘法运算和激活函数sigmoid的导数做训练，反复迭代后提高了精确度。
附图说明
[0015]为了更清楚地说明本专利技术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专利技术的一些实施例，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。
[0016]图1为本专利技术提供的预测交换机端口实时流量的方法的实施例的示意图；
[0017]图2为本专利技术提供的预测交换机端口实时流量的系统的实施例的示意图；
[0018]图3为本专利技术提供的预测交换机端口实时流量的计算机设备的实施例的硬件结构示意图；
[0019]图4为本专利技术提供的预测交换机端口实时流量的计算机存储介质的实施例的示意图。
具体实施方式
[0020]为使本专利技术的目的、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，对本专利技术实施例进一步详细说明。
[0021]需要说明的是，本专利技术实施例中所有使用“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，不应理解为对本专利技术实施例的限定，后续实施例对此不再一一说明。
[0022]本专利技术实施例的第一个方面，提出了一种预测交换机端口实时流量的方法的实施例。图1示出的是本专利技术提供的预测交换机端口实时流量的方法的实施例的示意图。如图1所示，本专利技术实施例包括如下步骤：
[0023]S1、周期性获取交换机网络端口的指标参数，并将获取到的所述指标参数记录到数据库中；
[0024]S2、基于当前周期的指标参数在所述数据库中进行匹配以得到相似的历史周期；以及
[0025]S3、根据所述相似的历史周期后多个周期的指标参数确定所述当前周期的下一时刻的流量。
[0026]本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种预测交换机端口实时流量的方法，其特征在于，包括如下步骤：周期性获取交换机网络端口的指标参数，并将获取到的所述指标参数记录到数据库中；基于当前周期的指标参数在所述数据库中进行匹配以得到相似的历史周期；以及根据所述相似的历史周期后多个周期的指标参数确定所述当前周期的下一时刻的流量。2.根据权利要求1所述的方法，其特征在于，所述基于当前周期的所述指标参数在所述数据库中进行匹配以得到相似的历史周期包括：将当前周期的第一指标参数与每个历史周期的第二指标参数进行比对，根据比对结果计算相似度，并将相似度高于阈值的历史周期记为所述当前周期的相似的历史周期。3.根据权利要求1所述的方法，其特征在于，所述根据所述相似的历史周期后多个周期的指标参数确定所述当前周期的下一时刻的流量包括：计算每个所述相似的历史周期后多个周期的指标参数的第一平均值；以及计算所有所述第一平均值的第二平均值以作为所述当前周期的下一时刻的流量。4.根据权利要求1所述的方法，其特征在于，所述根据所述相似的历史周期后多个周期的指标参数确定所述当前周期的下一时刻的流量包括：对相似的每一历史周期的指标参数的长度、顺序和词干类型利用多并发方式和搜索模型算法进行处理，并通过快速矩阵乘法运算和激活函数的导数迭代运算处理后的指标参数以得到单一历史周期的预测量；以及计算所述单一历史周期的预测量的平均值以得到所述当前周期的下一时刻的流量。5.一种预测交换机端口实时流量的系统，其特征在于，包括：采集模块，配置用于周期性获取交换机网络端口的指标参数，并将获取到的所述指标参数记录到数...

【专利技术属性】
技术研发人员：赵相如，贾伟，
申请(专利权)人：济南浪潮数据技术有限公司，
类型：发明
国别省市：