用于使用机器学习进行网络流量生成的方法、系统和计算机可读介质技术方案

用于使用机器学习进行网络流量生成的方法、系统和计算机可读介质。示例方法包括收集来自生产数据中心环境的第一流量。所述第一流量的至少一部分包括通过所述生产数据中心环境的实时计算机网络流量。所述方法包括收集来自仿真数据中心测试台装置的第二流量。所述第二流量的至少一部分包括测试台流量，所述测试台流量通过所述仿真数据中心测试台装置的仿真数据中心交换组构。所述方法包括使用所述第一流量和所述第二流量来训练流量生成推理引擎。所述方法包括使用所述流量生成推理引擎来生成测试流量以测试或激发被测网络系统(SUT)。(SUT)。

【技术实现步骤摘要】
用于使用机器学习进行网络流量生成的方法、系统和计算机可读介质
[0001]优先权声明
[0002]本申请要求于2021年7月2日提交的罗马尼亚专利申请序列号2021 10035的权益，所述罗马尼亚专利申请通过引用以其整体并入本文。


[0003]本文描述的主题涉及网络测试。更具体地说，本主题涉及用于使用机器学习进行网络流量生成的方法、系统和计算机可读介质。

技术介绍

[0004]数据中心环境通常提供高可靠性和高安全性，并且通常包括可由数据中心运营商的多个客户端共享的联网资源(例如，经由网络交换机连接的虚拟服务器或物理服务器)。大数据中心是工业规模的运营，用电量相当于一个小镇。各种数据中心可以利用虚拟化。
[0005]当测试数据中心设备时，重要的是确保测试模拟现实世界的场景和条件。例如，当测试数据中心服务器或相关应用程序时，可能需要模拟或仿真数据中心中的资源。例如，当测试数据中心服务器或相关应用程序时，可能需要模拟或仿真数据中心中的交换组构或其他资源，并且可能需要仿真或近似各种设备或系统相关状态，例如通过使用各种测试系统配置或设置和/或实现各种减损。
[0006]因此，需要用于激发或测试网络系统的网络流量生成的方法、系统和计算机可读介质。

技术实现思路

[0007]用于使用机器学习进行网络流量生成的方法、系统和计算机可读介质。示例方法包括收集来自生产数据中心环境的第一流量。所述第一流量的至少一部分包括通过所述生产数据中心环境的实时计算机网络流量。所述方法包括收集来自仿真数据中心测试台装置的第二流量。所述第二流量的至少一部分包括测试台流量，所述测试台流量通过所述仿真数据中心测试台装置的仿真数据中心交换组构。所述方法包括使用所述第一流量和所述第二流量来训练流量生成推理引擎。所述方法包括使用所述流量生成推理引擎来生成测试流量以测试或激发被测网络系统(SUT)。
[0008]示例系统包括：至少一个处理器；存储器，所述存储器存储用于所述至少一个处理器的可执行指令；以及在所述至少一个处理器上实现的机器学习网络流量生成器。所述机器学习网络流量生成器被配置用于：收集来自生产数据中心环境的第一流量，其中，所述第一流量的至少一部分包括通过所述生产数据中心环境的实时计算机网络流量；收集来自仿真数据中心测试台装置的第二流量，其中，所述第二流量的至少一部分包括测试台流量，所述测试台流量通过所述仿真数据中心测试台装置的仿真数据中心交换组构；使用所述第一流量和所述第二流量来训练流量生成推理引擎；以及使用所述流量生成推理引擎来生成测
试流量以测试或激发被测网络系统(SUT)。
[0009]本文所描述的主题可以用软件结合硬件和/或固件来实施。例如，本文所描述的主题可以在由处理器执行的软件中实施。在一种示例实现方式中，本文所描述的主题可以使用其中存储有计算机可执行指令的非暂态计算机可读介质来实施，所述计算机可执行指令在由计算机的处理器执行时控制计算机执行步骤。适合于实现本文所描述的主题的示例计算机可读介质包括非瞬态装置，如磁盘存储器装置、芯片存储器装置、可编程逻辑装置、现场可编程门阵列和专用集成电路。此外，实现本文所描述的主题的计算机可读介质可以位于单个装置或计算机平台上，或者可以分布在多个装置或计算机平台上。
[0010]如本文所使用的，术语
‘
节点
’
指的是包括一个或多个处理器、网络接口和存储器的物理计算机平台。
[0011]如本文所使用的，术语
‘
功能
’
、
‘
引擎
’
和
‘
模块
’
中的每一个指的是用于实施所描述的特征的硬件，其也可包括软件和/或固件。
附图说明
[0012]现在将参考附图来解释本文中描述的主题，在附图中：
[0013]图1是展示使用减损装置来进行减损测试的环境的图；
[0014]图2是展示可用于网络测试的示例仿真交换组构环境的图；
[0015]图3是展示示例交换拓扑配置信息的图；
[0016]图4是展示示例端口映射数据的图表，所述端口映射数据用于将仿真交换机端口映射到物理交换机端口；
[0017]图5是展示用于使用机器学习进行网络流量生成的示例网络环境500的框图；
[0018]图6展示了对仿真数据中心交换组构环境的监测；
[0019]图7展示了机器学习驱动的流量生成；
[0020]图8是仿真交换组构装置的示例部署及用例；以及
[0021]图9是用于使用机器学习进行网络流量生成的示例方法的流程图。
具体实施方式
[0022]本文描述的主题包括用于使用机器学习进行网络流量生成的方法、系统和计算机可读介质。根据本文描述的主题的一些方面，测试系统(例如，一个或多个计算平台、装置或节点)可以被配置用于通过使用交换机ASIC资源和/或一个或多个物理交换机来仿真交换组构环境，诸如虚拟联网资源和/或其他数据中心相关资源。一些实施方案包括一个或多个仿真交换机，其中仿真交换机是物理交换机ASIC的逻辑上分配的部分，通过使用交换机ASIC资源分配器，使所述逻辑上分配的部分看起来像环境的独立逻辑交换机装置(例如，被测装置(DUT)、被测系统(SUT)、或控制器)。在一些实施方案中，资源分配器被适配成用于在由可见性模块进行的测试运行或会话期间，促进仿真逻辑交换机性能指标信息(例如，仿真逻辑交换机队列深度、仿真逻辑交换机等待时间等)的收集和报告。
[0023]图1是展示使用减损装置来进行减损测试的计算环境100的图。计算环境100可以包括一个或多个网络和/或一个或多个计算机平台、节点或装置。计算环境100可以包括测试系统102和/或SUT 118。
[0024]测试系统102可以代表与测试SUT 118(例如，一个或多个应用程序服务器、网络控制器或NMS)相关联的任何合适的一个或多个实体(例如，一个或多个计算平台、节点或装置)。例如，测试系统102可以生成流量并将其发送到SUT 118和/或从SUT 118接收流量，并且可以分析与SUT 118相关联的一个或多个性能方面。SUT 118可以是用于接收、处理、转发和/或发送一个或多个报文(例如，包)的任何合适的一个或多个实体(例如装置、系统或平台)。
[0025]在一些实施方案中，测试系统102可以包括独立式工具、测试装置、网络设备测试装置或平台、或在一个或多个处理器上执行的软件。在一些实施方案中，测试系统102可以是单个装置或节点，或者可以分布在多个装置或节点上。在一些实施方案中，测试系统102可以包括用于执行测试相关各种功能的一个或多个模块。例如，测试系统102可以包括流量(例如，包)生成器，用于生成测试流量和/或测试用于测试SUT 118的相关应用程序(例如，测试分析仪或测试配置管理器)。
[0026]测试系统102可以包括测试控制器(TC)104、资源分配器(RA)106、本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于使用机器学习进行网络流量生成的方法，所述方法包括：收集来自生产数据中心环境的第一流量，其中，所述第一流量的至少一部分包括通过所述生产数据中心环境的实时计算机网络流量；收集来自仿真数据中心测试台装置的第二流量，其中，所述第二流量的至少一部分包括测试台流量，所述测试台流量通过所述仿真数据中心测试台装置的仿真数据中心交换组构；使用所述第一流量和所述第二流量来训练流量生成推理引擎；以及使用所述流量生成推理引擎生成测试流量，以测试或激发被测网络系统(SUT)。2.根据权利要求1所述的方法，其中，所述仿真数据中心测试台装置包括物理专用集成电路(ASIC)交换资源，并且其中，所述仿真数据中心交换组构包括虚拟化数据中心交换组构元件。3.根据权利要求1所述的方法，其中，收集来自所述生产数据中心环境的第一流量包括收集所述生产数据中心环境内流动的多个包的副本。4.根据权利要求1所述的方法，其中，收集来自所述生产数据中心环境的第一流量包括收集所述生产数据中心环境内的多个网...

【专利技术属性】
技术研发人员：W，
申请(专利权)人：是德科技股份有限公司，
类型：发明
国别省市：