基于由支持向量机确定的健康状况的路由引擎切换制造技术

本公开涉及基于由支持向量机确定的健康状况的路由引擎切换。本公开描述了包括确定包括在路由器内的一个或多个路由引擎的健康状况的技术。在一个实例中，本公开描述了一种方法，该方法包括由包括在路由器内的第一路由引擎执行路由操作，其中，路由器包括多个路由引擎，多个路由引擎包括第一路由引擎和第二路由引擎；由计算系统接收包括与第一路由引擎相关联的健康状况指标的数据；由计算系统将机器学习模型应用于数据，以根据健康状况指标确定第一路由引擎的健康状态，其中，机器学习模型已被训练成根据健康状况指标识别健康状态；并且由计算系统基于第一路由引擎的健康状态来确定是否将路由操作从第一路由引擎切换到第二路由引擎。路由引擎。路由引擎。

【技术实现步骤摘要】
基于由支持向量机确定的健康状况的路由引擎切换
[0001]相关申请的交叉引用
[0002]本申请要求于2020年12月29日提交的美国申请第17/247,891号以及于2020年6月24日提交的印度临时申请第202041026662号的优先权权益，其全部内容通过引用结合于此。


[0003]本公开涉及计算环境，并且更具体地涉及网络路由设备。

技术介绍

[0004]计算机网络是交换数据并共享资源的互连的计算设备的集合。在基于分组的网络(诸如，互联网)中，计算设备通过将数据划分成称为分组的小块来传送数据，这些小块被单独地跨越网络从源设备路由到目的地设备。目的地设备从分组提取数据，并将数据组合成其原始格式。将数据分成分组使源设备能够只重发那些在发送过程中可能丢失的单个的分组。
[0005]网络内的某些设备(例如，路由器)通过网络保持描述路由的路由信息。各个路线限定了网络上两个位置之间的路径。路由器可以根据路由信息来生成转发信息，转发信息供路由器用来通过网络中继分组流，更具体地，用来将分组流中继到下一跳。关于分组的转发，来自网络路由器的“下一跳”通常指沿指定路线的相邻设备。接收到发来的分组时，路由器对分组中的信息进行检验，以识别分组的目的地。路由器基于目的地，根据转发信息对分组进行转发。
[0006]大型计算机网络(诸如，互联网)通常包括根据限定的路由协议(诸如，边界网关协议(BGP))交换路由信息的许多路由器。当两个路由器开始连接时，路由器交换路由信息，并根据交换的路由信息生成转发信息。具体地，两个路由器发起路由通信“会话”，这两个路由器经由该会话根据限定的路由协议交换路由信息。路由器继续经由路由协议进行通信以增量更新路由信息，并且进而根据更新的路由信息中指示的网络的拓扑的改变来更新它们的转发信息。例如，路由器可以发送更新消息以通告新的可利用的路由或不再可用的路由。
[0007]在路由通信会话的一个路由器检测到会话的故障(即，会话“掉线”)的情况下，幸存的路由器可以通过网络选择一个或多个替代路由以避免故障路由器并继续转发分组流。具体而言，幸存的路由器可以更新内部路由信息以反映故障，基于更新的路由信息进行路由解析，以选择一个或多个替代路由，基于所选择的路由来更新其转发信息，并且发送一个或多个更新消息以向对等路由器(peer routers，对端路由器)通知不再可用的路由。进而，接收路由器更新它们的路由和转发信息，并向它们的对等体发送更新消息。该过程继续，并且更新信息向外传播，直到其到达网络内的所有路由器。大型网络中的路由信息在由于暂时振荡(即，在路由信息内发生的改变)引起的网络故障之后可能需要很长的时间段来收敛到稳定状态，直到它收敛到反映当前网络拓扑为止。路由信息内的这些振荡经常被称作“摆动(flap)”，并且可能引起重大问题，包括网络连接性的间歇性丢失和增加的分组丢失和延
迟。
[0008]为了减少故障的影响，一些路由器包括主路由控制单元和一个或多个辅路由控制单元。在主路由控制单元发生故障的情况下，一个辅路由控制单元承担路由责任。在一些情况下，故障路由器可以支持“不间断转发”，这是指在重新建立路由会话时继续转发分组的能力。在控制模块故障期间故障路由器中的冗余组件保持转发状态信息，使得故障路由器能够继续在网络的最后已知状态中可用的路由上转发分组。结果，可以减少对当前通过网络的分组流的影响。

技术实现思路

[0009]本公开描述了包括确定包括在路由器内的一个或多个路由引擎的健康状况的技术。在一些实例中，路由器的基于机器学习的控制系统被训练成基于指示路由引擎的健康状况的特征，来预测路由引擎或路由引擎控制板的健康状况。具有多个冗余路由引擎控制板的高可用性路由器，可以基于这种健康状态预测来确定路由器的当前主或主路由引擎是否处于不良健康状况。如果当前主路由引擎已被评估为处于不良健康状况，则路由器可以识别处于良好健康状况的新路由引擎并执行路由引擎切换操作。由经训练的机器学习模型做出的预测，可由管理员评估并被用作重新训练机器学习模型的附加训练数据。
[0010]本文所述的技术可以提供一定的技术优点。例如，管理员可能需要较少的人工干预，因为健康状态评估是通过机器学习算法执行的，而不是由管理员考虑所选参数和路由引擎的指标的状态来执行的。而且，健康状态评估可趋于更加准确，因为管理员所使用的数据通常是基于每一路由引擎的阈值检查来推断的。这种阈值并非总是可靠的，其结果是由管理员基于这种阈值做出的评估可能导致假阳性和假阴性，或者不正确的健康报告。如本文所述的路由器的基于机器学习的控制系统，可以基于不仅依赖于阈值检查的路由引擎控制板的更加综合的视图来生成健康状况预测。
[0011]另外，可避免基于规则的系统的复杂性。用于评估路由引擎健康状况的基于规则的系统倾向于难以维护和管理。例如，向基于规则的系统添加新规则可能是有风险的，因为对一个规则的改变可能打破另一规则和/或在执行健康状况预测时产生非预期的结果。因而，当添加新规则或改变或消除现有规则时，维护基于规则的系统往往需要大量资源来维护和调试。本文描述的技术避免了这种复杂性。
[0012]在一些实例中，本公开描述了根据本公开的一个或多个方面的由网络路由器或其他网络设备执行的操作。在一个特定实例中，本公开描述了一种方法，该方法包括由包括在路由器内的第一路由引擎执行路由操作，其中，路由器包括多个路由引擎，该多个路由引擎包括第一路由引擎和第二路由引擎；由计算系统接收包括与第一路由引擎相关联的健康状况指标的数据；由计算系统将机器学习模型应用于该数据以根据健康状况指标确定第一路由引擎的健康状态，其中，机器学习模型已被训练成由健康状况指标识别健康状态；以及由计算系统基于第一路由引擎的健康状态来确定是否将路由操作从第一路由引擎切换到第二路由引擎。
[0013]在另一实例中，本公开描述了一种系统，该系统包括：第一路由引擎，被配置为执行作为主路由引擎的路由操作；第二路由引擎，被配置为执行作为备用路由引擎的路由操作；以及处理电路，被配置为：接收包括与第一路由引擎相关联的健康状况指标的数据，将
机器学习模型应用于该数据以根据健康状况指标确定第一路由引擎的健康状态，其中，机器学习模型已被训练成根据健康状况指标识别健康状态，并且基于第一路由引擎的健康状态来确定是否将路由操作从第一路由引擎切换到第二路由引擎。
[0014]在另一实例中，本公开描述了一种包含指令的计算机可读存储介质，该指令在被执行时将计算系统的处理电路配置为：由第一路由引擎执行路由操作，其中，路由器包括多个路由引擎，该多个路由引擎包括第一路由引擎和第二路由引擎；接收包括与第一路由引擎相关联的健康状况指标的数据；将机器学习模型应用于数据，以根据健康状况指标确定第一路由引擎的健康状态，其中，机器学习模型已被训练成由健康状况指标识别健康状态；并且基于第一路由引擎的健康状态，确定是否将路由操作从第一路由引擎切换到第二路由引擎。
附图说明
[0015]图1是示出根据本公开的一个本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种方法，包括：由包括在路由器内的第一路由引擎执行路由操作，其中，所述路由器包括多个路由引擎，所述多个路由引擎包括所述第一路由引擎和第二路由引擎；由计算系统接收包括与所述第一路由引擎相关联的健康状况指标的数据；由所述计算系统将机器学习模型应用于所述数据，以根据所述健康状况指标确定所述第一路由引擎的健康状态，其中，所述机器学习模型已被训练成根据所述健康状况指标识别所述健康状态；并且由所述计算系统基于所述第一路由引擎的健康状态，确定是否将所述路由操作从所述第一路由引擎切换到所述第二路由引擎。2.根据权利要求1所述的方法，其中，所述数据是第一组数据，所述方法还包括：由所述计算系统接收包括与所述第二路由引擎相关联的健康状况指标的第二组数据；并且由所述计算系统将支持向量机机器学习模型应用于所述第二组数据，以根据与所述第二路由引擎相关联的健康状况指标确定所述第二路由引擎的健康状态。3.根据权利要求2所述的方法，其中，确定是否将所述路由操作切换到所述第二路由引擎包括：确定所述第一路由引擎的健康状态指示不良健康状况；并且确定所述第二路由引擎的健康状态指示良好健康状况。4.根据权利要求3所述的方法，还包括：响应于确定所述第一路由引擎的健康状态指示不良健康状况并且确定所述第二路由引擎的健康状态指示良好健康状况，将所述路由操作从所述第一路由引擎自动切换到所述第二路由引擎。5.根据权利要求3至4中任一项所述的方法，还包括：由所述计算系统输出指示所述第一路由引擎的健康状态不良的警告。6.根据权利要求4至5中任一项所述的方法，还包括：响应于接收来自管理员的输入，将所述路由操作切换到所述第二路由引擎。7.根据权利要求3所述的方法，其中，所述多个路由引擎包括第三路由引擎，并且其中，确定是否将路由操作切换到所述第二路由引擎包括：由所述计算系统接收包括与所述第三路由引擎相关联的健康状况指标的第三组数据；并且由所述计算系统将所述支持向量机机器学习模型应用于所述第三组数据，以根据与所述第三路由引擎相关联的健康状况指标来确定所述第三路由引擎的健康状态指示不良健康状况。8.根据权利要求2至7中任一项所述的方法，还包括：由所述计算系统收集与路由引擎相关联的训练数据，其中，所述训练数据包括与所述路由引擎相关联的多组健康状况指标，每一组健康状况指标具有指示所述一组健康状况指标的对应健康状态的状态标签；并且由所述计算系统基于所述训练数据来训练所述支持向量机机器学习模型，以基于与所述路由引擎相关联的健康状况指标来确定所述路由引擎的健康状态。
9.根据权利要求8所述的方法，其中，所述计算系统包括在所述路由器内，并且其中，所述训练数据足够小以便能由所述路由器处理。10.根据权利要求2至4中任一项所述的方法，还包括：由所述计算系统输出用户界面，所述用户界面呈现关于所述健康状况指标的信息和关于所述第一路由引擎的确定的健康状态的信息。11.根...

【专利技术属性】
技术研发人员：安库尔，
申请(专利权)人：瞻博网络公司，
类型：发明
国别省市：