运维监控网络维护方法、系统及设备技术方案

本发明专利技术涉及运维监控技术领域，提供运维监控网络维护方法、系统及设备，包括：基于运维监控网络的拓扑关系，得到网络流量序列数据和设备性能序列数据；根据网络流量序列数据，通过第一运维监控模型得到网络流量预测信息；根据设备性能序列数据，通过第二运维监控模型得到设备性能异常预测信息；根据网络流量预测信息和设备性能异常预测信息，通过第三运维监控模型预测运维监控网络的异常问题，得到运维监控网络的待维护信。本发明专利技术通过结合网络流量预测信息和设备性能异常预测信息，利用第三运维监控模型的协同作用，准确预测和诊断运维监控网络的异常问题，提供更全面的运维监控网络的待维护信息，改善网络的稳定性、性能和安全性。性能和安全性。性能和安全性。

【技术实现步骤摘要】
运维监控网络维护方法、系统及设备


[0001]本专利技术涉及运维监控
，尤其涉及运维监控网络维护方法、系统及设备。

技术介绍

[0002]随着互联网的普及和企业网络的扩张，网络规模和复杂性不断增加。现代网络涉及多个地理位置、数百甚至数千个设备的连接，包括服务器、路由器、交换机、防火墙等。监控这些设备和它们之间的交互关系，并对运维监控网络进行维护，成为保障网络稳定运行的关键。在现有网络运维监控技术中，往往需要人工分析和处理大量的网络数据，这存在着效率低下和易错的问题。再者，某些现有技术仅专注于监控和分析网络流量数据，这些现有技术使用流量监测工具或设备来收集和分析网络中的数据传输量，从而识别出网络中的拥塞情况、带宽利用率等问题。然而，单独监控流量无法实现对整个网络的全面维护。

技术实现思路

[0003]本专利技术提供一种运维监控网络维护方法、系统及设备，旨在解决现有技术无法对运维监控网络进行全面维护的缺陷。
[0004]第一方面，本专利技术提供一种运维监控网络维护方法，包括：基于运维监控网络的拓扑关系，得到网络流量序列数据和设备性能序列数据；根据所述网络流量序列数据，通过第一运维监控模型预测运维监控网络流量，得到网络流量预测信息；根据所述设备性能序列数据，通过第二运维监控模型预测运维监控网络的设备性能异常问题，得到设备性能异常预测信息；根据所述网络流量预测信息和所述设备性能异常预测信息，通过第三运维监控模型预测运维监控网络的异常问题，得到运维监控网络的待维护信息。
[0005]在一个实施例中，所述根据所述网络流量序列数据，通过第一运维监控模型预测运维监控网络流量，得到网络流量预测信息，包括：根据所述网络流量序列数据，通过第一特征提取模型得到网络流量特征；根据所述网络流量特征，通过第一预测模型预测运维监控网络流量，得到网络流量预测信息。
[0006]在一个实施例中，所述网络流量序列数据包括流量速率序列数据和流量数据包序列数据；所述根据所述网络流量序列数据，通过第一特征提取模型得到网络流量特征，包括：根据所述流量速率序列数据，通过第一特征提取子模型得到时间维度上的流量速率特征；根据所述流量数据包序列数据，通过第二特征提取子模型得到时间维度上的流量数据包特征；
利用第一注意力机制融合所述流量速率特征和所述流量数据包特征，得到网络流量特征。
[0007]在一个实施例中，所述根据所述设备性能序列数据，通过第二运维监控模型预测运维监控网络的设备性能异常问题，得到设备性能异常预测信息，包括：根据所述设备性能序列数据，通过第二特征提取模型得到设备性能特征；根据所述设备性能特征，通过第二预测模型预测运维监控网络的设备性能异常问题，得到设备性能异常预测信息。
[0008]在一个实施例中，所述设备性能序列数据包括CPU序列数据、内存序列数据和温度序列数据；所述根据所述设备性能序列数据，通过第二特征提取模型得到设备性能特征，包括：根据所述CPU序列数据，通过第三特征提取子模型得到时间维度上的CPU使用率特征；根据所述内存序列数据，通过第四特征提取子模型得到时间维度上的内存使用率特征；根据所述温度序列数据，通过第五特征提取子模型得到时间维度上的温度特征；利用第二注意力机制融合所述性能CPU使用率特征、所述性能内存使用率特征和所述性能温度特征，得到设备性能特征。
[0009]在一个实施例中，所述根据所述网络流量预测信息和所述设备性能异常预测信息，通过第三运维监控模型预测运维监控网络的异常问题，得到运维监控网络的待维护信息，包括：利用第三注意力机制融合所述网络流量预测信息和所述设备性能异常预测信息，得到运维监控特征；根据所述运维监控特征，通过所述第三运维监控模型预测运维监控网络的异常问题，得到运维监控网络的待维护信息。
[0010]在一个实施例中，在所述根据所述网络流量特征，通过第一预测模型预测运维监控网络流量，得到网络流量预测信息之后，包括：根据所述网络流量预测信息，结合预设流量预警规则，发出网络流量预警。
[0011]在一个实施例中，在所述根据所述设备性能序列数据，通过第二运维监控模型预测运维监控网络的设备性能异常问题，得到设备性能异常预测信息之后，包括：根据所述设备性能异常预测信息，结合预设性能异常预警规则，发出设备性能异常预警。
[0012]第二方面，本专利技术提供一种运维监控网络维护系统，包括：获取模块，用于：基于运维监控网络的拓扑关系，得到网络流量序列数据和设备性能序列数据；第一预测模块，用于：根据所述网络流量序列数据，通过第一运维监控模型预测运维监控网络流量，得到网络流量预测信息；第二预测模块，用于：根据所述设备性能序列数据，通过第二运维监控模型预测运维监控网络的设备性能异常问题，得到设备性能异常预测信息；
第三预测模块，用于：根据所述网络流量预测信息和所述设备性能异常预测信息，通过第三运维监控模型预测运维监控网络的异常问题，得到运维监控网络的待维护信息。
[0013]第三方面，本专利技术提供一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述计算机程序被处理器执行时实现上述任一项所述运维监控网络维护方法的步骤。
[0014]本专利技术提供的运维监控网络维护方法、系统及设备，先基于存储丰富信息的运维监控网络的拓扑关系，获取网络流量序列数据和设备性能序列数据，然后通过第一运维监控模型对运维监控网络流量进行预测，通过第二运维监控模型对运维监控网络的设备性能异常问题进行预测，再充分结合网络流量预测信息和设备性能异常预测信息，通过第三运维监控模型的协同作用，更准确地预测和诊断运维监控网络的异常问题，提供更准确和全面的运维监控网络的待维护信息，提高运维效率和质量，进一步改善网络的稳定性、性能和安全性。
附图说明
为了更清楚地说明本专利技术的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图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附图。
[0015]图1是本专利技术提供的运维监控网络维护方法的流程示意图之一；图2是本专利技术提供的运维监控网络维护方法的流程示意图之一图3是本专利技术提供的运维监控网络维护方法的第三注意力机制的原理图；图4是本专利技术提供的运维监控网络维护方法的图卷积神经网络（GCN）模型的原理图；图5是本专利技术提供的运维监控网络维护系统的结构示意图；图6是本专利技术提供的运维监控网络维护装置的结构示意图。
具体实施方式
[0016]为使本专利技术的目的、技术方案和优点更加清楚，下面将结合本专利技术中的附图，对本专利技术中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0017]本专利技术实施例提供了运维监控网络维护方法的实施例，需要本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种运维监控网络维护方法，其特征在于，包括：基于运维监控网络的拓扑关系，得到网络流量序列数据和设备性能序列数据；根据所述网络流量序列数据，通过第一运维监控模型预测运维监控网络流量，得到网络流量预测信息；根据所述设备性能序列数据，通过第二运维监控模型预测运维监控网络的设备性能异常问题，得到设备性能异常预测信息；根据所述网络流量预测信息和所述设备性能异常预测信息，通过第三运维监控模型预测运维监控网络的异常问题，得到运维监控网络的待维护信息。2.根据权利要求1所述的运维监控网络维护方法，其特征在于，所述根据所述网络流量序列数据，通过第一运维监控模型预测运维监控网络流量，得到网络流量预测信息，包括：根据所述网络流量序列数据，通过第一特征提取模型得到网络流量特征；根据所述网络流量特征，通过第一预测模型预测运维监控网络流量，得到网络流量预测信息。3.根据权利要求2所述的运维监控网络维护方法，其特征在于，所述网络流量序列数据包括流量速率序列数据和流量数据包序列数据；所述根据所述网络流量序列数据，通过第一特征提取模型得到网络流量特征，包括：根据所述流量速率序列数据，通过第一特征提取子模型得到时间维度上的流量速率特征；根据所述流量数据包序列数据，通过第二特征提取子模型得到时间维度上的流量数据包特征；利用第一注意力机制融合所述流量速率特征和所述流量数据包特征，得到网络流量特征。4.根据权利要求2所述的运维监控网络维护方法，其特征在于，所述根据所述设备性能序列数据，通过第二运维监控模型预测运维监控网络的设备性能异常问题，得到设备性能异常预测信息，包括：根据所述设备性能序列数据，通过第二特征提取模型得到设备性能特征；根据所述设备性能特征，通过第二预测模型预测运维监控网络的设备性能异常问题，得到设备性能异常预测信息。5.根据权利要求4所述的运维监控网络维护方法，其特征在于，所述设备性能序列数据包括CPU序列数据、内存序列数据和温度序列数据；所述根据所述设备性能序列数据，通过第二特征提取模型得到设备性能特征，包括：根据所述CPU序列数据，通过第三特征提取子模型得到时间维度上的CPU使用率特征；根据所述内存序列数据，通过第四特...

【专利技术属性】
技术研发人员：蔡皇伯，魏晓斌，王泳胜，苏旭，
申请(专利权)人：宏景科技股份有限公司，
类型：发明
国别省市：