一种基于以太网技术的局域网链路性能测试方法技术

本发明专利技术涉及数据处理技术领域，具体涉及一种基于以太网技术的局域网链路性能测试方法。该方法首先获取主机上行接口的突发流量和抖动分布；分别根据相邻层子网中各主机间突发流量和抖动分布的相似度得到第一关联矩阵和第二关联矩阵；合并且降维第一关联矩阵和第二关联矩阵得到对应的低维向量；基于子网层间低维向量的特征差异，对子网层进行匹配得到多个子网链路，获取子网链路的全局代价损失；根据子网链路的全局代价损失的变化得到可疑链路，自可疑链路处进行排查测试。本发明专利技术实施例通过获取得到多个子网链路的全局代价损失变化得到可疑链路，自可疑链路处进行性能检测提高了业务响应速度，实现了及时发现链路性能异常的目的。的。的。

A LAN link performance test method based on Ethernet Technology

【技术实现步骤摘要】
一种基于以太网技术的局域网链路性能测试方法


[0001]本专利技术涉及数据处理
，具体涉及一种基于以太网技术的局域网链路性能测试方法。

技术介绍

[0002]快速发展的多媒体业务拥有巨大的商业空间，其中，在软件定义的局域网中，计算机之间的连接通常呈点对点，即一种多机热备的高可用形态，一个数据资源自源主机发送到出口网络会经历多个路由的数据转发。对于一个业务来说，数据的发送及转发链路的方式是固定的，即该业务性能取决于数据每一条的链路性能。
[0003]目前，在复杂的局域网环境中对于局域网链路性能的测试方法，其人工分析的工作量大，所需的分析时效长，导致不能及时发现链路性能异常。

技术实现思路

[0004]为了解决上述技术问题，本专利技术的目的在于提供一种基于以太网技术的局域网链路性能测试方法，所采用的技术方案具体如下：获取每层子网中所有主机的上行接口的突发流量和抖动分布；选取任意层子网作为目标层子网，计算所述目标层子网和相邻的上下两层子网的各主机之间突发流量的相似度得到第一关联矩阵；计算所述目标层子网和相邻的上下两层子网的各主机之间抖动分布的相似度得到第二关联矩阵；分别展开所述第一关联矩阵和所述第二关联矩阵到一维向量，将展开后的所述第一关联矩阵和所述第二关联矩阵合并为一个高维向量；对所述高维向量进行降维得到低维向量；计算任意层子网和对应的下层子网之间的低维向量的特征差异；基于所述特征差异，利用K
‑
M算法对子网层进行匹配，得到多个子网链路，获取子网链路的全局代价损失；根据子网链路的全局代价损失的变化得到可疑链路，自所述可疑链路处进行排查测试。
[0005]优选的，所述计算所述目标层子网和相邻的上下两层子网的各主机之间突发流量的相似度得到第一关联矩阵，包括：计算目标层子网与对应的上层子网各主机之间突发流量的相似度作为第一关联函数；计算目标层子网与对应的下层子网各主机之间突发流量的相似度作为第二关联函数；由所述第一关联函数和所述第二关联函数构建第一关联矩阵。
[0006]优选的，所述计算所述目标层子网和相邻的上下两层子网的各主机之间抖动分布的相似度得到第二关联矩阵，包括：计算目标层子网与对应的上层子网各主机之间抖动分布的相似度作为第三关联函数；计算目标层子网与对应的下层子网各主机之间抖动分布的相似度作为第四关联函数；由所述第三关联函数和所述第四关联函数构建第二关联矩阵。
[0007]优选的，所述对所述高维向量进行降维得到低维向量，包括：
使用基于高斯核函数的核主成分分析法对所述高维向量进行低维变换得到低维向量。
[0008]优选的，所述计算任意层子网和对应的下层子网之间的低维向量的特征差异为：所述特征差异为任意层子网和对应的下层子网之间的低维向量的余弦距离。
[0009]优选的，所述基于所述特征差异，利用K
‑
M算法对子网层进行匹配，得到多个子网链路，包括：基于各层子网之间低维向量的特征差异，构建特征差异直方图；基于所述特征差异直方图，利用大津阈值分割法计算合并终于阈值；基于特征差异计算子网层之间的匹配距离；基于所述匹配距离利用K
‑
M算法匹配子网层，当前子网与下层子网之间的特征差异小于等于所述合并终止阈值时继续进行匹配，直至当前子网与下层子网之间的特征差异大于所述合并终止阈值时，停止当前子网和下层子网的匹配，得到子网链路。
[0010]优选的，所述基于特征差异计算子网层之间的匹配距离，包括：所述匹配距离的计算公式为：其中，为第p层子网和第q层子网之间的匹配距离；为第p层子网的特征差异；为第q层子网的特征差异；为第p层子网的层数；为第q层子网的层数；为子网系数；为特征差异和特征差异的余弦相似度。
[0011]优选的，所述子网链路的全局代价损失的获取方法为：每条子网链路中主机之间对应的边权值的损失之和为全局代价损失。
[0012]优选的，所述根据子网链路的全局代价损失的变化得到可疑链路，自所述可疑链路处进行排查测试，包括：获取同一子网链路相邻时间段内的全局代价损失，当后一时间段的全局代价损失比前一时间段的全局代价损失大时，从所述子网链路处进行内部排查检测。
[0013]本专利技术实施例至少具有如下有益效果：本专利技术实施例利用数据处理技术。该方法首先获取每层子网中所有主机的上行接口的突发流量和抖动分布；选取任意层子网作为目标层子网，计算目标层子网和相邻的上下两层子网的各主机之间突发流量的相似度得到第一关联矩阵；计算目标层子网和相邻的上下两层子网的各主机之间抖动分布的相似度得到第二关联矩阵；分别展开第一关联矩阵和第二关联矩阵到一维向量，将展开后的第一关联矩阵和第二关联矩阵合并为一个高维向量；对高维向量进行降维得到低维向量；计算任意层子网和对应的下层子网之间的低维向量的特征差异，构建特征差异直方图；基于特征差异直方图，利用大津阈值分割法计算合并终止阈值；基于合并终止阈值，利用K
‑
M算法对子网层进行匹配，得到多个子网链路，获取子网链路的全局代价损失；根据子网链路的全局代价损失的变化得到可疑链路，自可疑链路处进行排查测试。本专利技术实施例通过获取的子网中主机的上行接口的突发流量和抖动分布的特征变化情况对子网之间进行分析，并匹配得到多个子网链路，根据子网链路的全局代
价损失变化得到可疑链路，自可疑链路处进行性能检测提高了业务响应速度，以更快更方便地发现异常变化的原因。实现了及时发现链路性能异常和性能瓶颈，降低人工分析的工作量的目的。
附图说明
[0014]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和优点，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的介绍，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它附图。
[0015]图1为本专利技术一个实施例所提供的一种基于以太网技术的局域网链路性能测试方法的方法流程图。
具体实施方式
[0016]为了更进一步阐述本专利技术为达成预定专利技术目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本专利技术提出的一种基于以太网技术的局域网链路性能测试方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
[0017]除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。
[0018]本专利技术实施例提供了一种基于以太网技术的局域网链路性能测试方法的具体实施方法，该方法适用于局域网链路性能测试场景。该场景下局域网由多层子网组成，每层子网中含有固定数量的主机。为了解决在复杂局域网环境下测试局域网链路性能时，人工分析的工作量大，且时效性差的问题。本专利技术实施例通过获取的子网中主机的上行接口的突发流量和抖动分布的特征变化情况对子网之间进行分析，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于以太网技术的局域网链路性能测试方法，其特征在于，该方法包括以下步骤：获取每层子网中所有主机的上行接口的突发流量和抖动分布；选取任意层子网作为目标层子网，计算所述目标层子网和相邻的上下两层子网的各主机之间突发流量的相似度得到第一关联矩阵；计算所述目标层子网和相邻的上下两层子网的各主机之间抖动分布的相似度得到第二关联矩阵；分别展开所述第一关联矩阵和所述第二关联矩阵到一维向量，将展开后的所述第一关联矩阵和所述第二关联矩阵合并为一个高维向量；对所述高维向量进行降维得到低维向量；计算任意层子网和对应的下层子网之间的低维向量的特征差异；基于所述特征差异，利用K
‑
M算法对子网层进行匹配，得到多个子网链路，获取子网链路的全局代价损失；根据子网链路的全局代价损失的变化得到可疑链路，自所述可疑链路处进行排查测试。2.根据权利要求1所述的一种基于以太网技术的局域网链路性能测试方法，其特征在于，所述计算所述目标层子网和相邻的上下两层子网的各主机之间突发流量的相似度得到第一关联矩阵，包括：计算目标层子网与对应的上层子网各主机之间突发流量的相似度作为第一关联函数；计算目标层子网与对应的下层子网各主机之间突发流量的相似度作为第二关联函数；由所述第一关联函数和所述第二关联函数构建第一关联矩阵。3.根据权利要求1所述的一种基于以太网技术的局域网链路性能测试方法，其特征在于，所述计算所述目标层子网和相邻的上下两层子网的各主机之间抖动分布的相似度得到第二关联矩阵，包括：计算目标层子网与对应的上层子网各主机之间抖动分布的相似度作为第三关联函数；计算目标层子网与对应的下层子网各主机之间抖动分布的相似度作为第四关联函数；由所述第三关联函数和所述第四关联函数构建第二关联矩阵。4.根据权利要求1所述的一种基于以太网技术的局域网链路性能测试方法，其特征在于，所述对所述高维向量进行降维得到低维向量，包括：使用基于高斯核函数的核主成分分析法对所述高维向...

【专利技术属性】
技术研发人员：刘浩，郝健，李宁宁，王红梅，田立华，李呈宁，
申请(专利权)人：山东卓朗检测股份有限公司，
类型：发明
国别省市：