本发明专利技术属于计算机技术领域，其目的在于提供一种业务端口识别方法、系统、电子设备及介质。本发明专利技术通过获取IPRAN网络中A设备下的各端口承载的业务信息，并得到各端口的特征向量；随后，根据预设的端口类型对各端口的特征向量采用机器学习中的聚类算法进行聚类处理，并获取k个最终聚类中心下的所有特征向量中与高值业务信息对应的特征向量，并计算得到k个与高值业务信息对应的特征向量的均值；最后，获取k个与高值业务信息对应的特征向量的均值中的最大值，并将该最大值对应的最终聚类中心下的所有特征向量对应的端口设定为业务端口。本发明专利技术可精准、快速地识别IPRAN网络中A设备下的所有业务端口，效率更高。
【技术实现步骤摘要】
本专利技术属于计算机，具体涉及一种业务端口识别方法、系统、电子设备及介质。
技术介绍
1、运营商进行网络规划建设时，需要结合已投产使用的网络设备的端口使用情况进行，也即将已投产使用的网络设备的端口使用情况作为其网络规划的重要参考依据。近年来，ipran(ip radio access network，无线接入网ip化，一种业务承载网络)网络作为中国电信运营商ip网的主要承载网络，其承载了运营商无线接入和ip接入的主要业务，具体地，ipran网络由接入层的接入路由器(业内简称其为a设备)、汇聚路由器(业内简称其为b设备和d设备)、核心层路由器(业内简称其为m设备)组成。随着业务的进一步发展，业务使用需求即将或已经大于业务端口数量，ipran设备的业务端口接入能力无法满足业务发展趋势，ipran网络需要进行网络扩容或盘活调配，这其中以处在网络的接入层的a设备的业务端口扩容或盘活需求最为常见。
2、由于ipran网络中a设备的端口通常包括上连到上一层网络的中继端口、面向无线接入的中继端口、面向运维的管理端口以及面向ipran接入业务的业务端口等，这些端口源自于网管系统自动采集或是人工界面手动创建，端口信息的完整性和规范性分别依赖于网管系统北向接口能力和标准，或是人工创建的板卡模板是否有统一的标准规范。
3、目前，由于端口数据的不规范，在从ipran网络中a设备下的所有端口中区分出业务端口时，仅能通过人工经验仅判断。
4、但是，在使用现有技术过程中，专利技术人发现现有技术中至少存在如下问题：
<
p>5、人工确定端口类型通常存在以下几个问题：a.依赖人工经验，可能存在误差；端口识别规则的制定依赖于人工经验，判定结果可能存在一定误差。b.人工识别工作量大；人工判断的手段落后，在运营商十万级端口的情况下，人工判断端口无法快速支撑网络容量预警分析和指导网络规划扩容。
技术实现思路
1、本专利技术旨在至少在一定程度上解决上述技术问题，本专利技术提供了一种业务端口识别方法、系统、电子设备及介质。
2、为了实现上述目的，本专利技术采用以下技术方案：
3、第一方面，本专利技术提供了一种业务端口识别方法，包括：
4、获取ipran网络中a设备下的各端口承载的业务信息；其中，所述业务信息包括高值业务信息和局内业务信息；
5、根据各端口承载的业务信息，得到各端口的特征向量；
6、根据预设的端口类型对各端口的特征向量采用机器学习中的聚类算法进行聚类处理，得到k个最终聚类中心以及k个最终聚类中心下的所有特征向量；其中，k为预设的端口类型的数量，k为大于1的自然数；
7、获取k个最终聚类中心下的所有特征向量中与高值业务信息对应的特征向量，并计算得到k个与高值业务信息对应的特征向量的均值；
8、获取k个与高值业务信息对应的特征向量的均值中的最大值，并将该最大值对应的最终聚类中心下的所有特征向量对应的端口设定为业务端口。
9、本专利技术可精准、快速地识别ipran网络中a设备下的所有业务端口，效率更高。具体地，本专利技术在实施过程中，首先，获取ipran网络中a设备下的各端口承载的业务信息，并根据各端口承载的业务信息，得到各端口的特征向量；随后，根据预设的端口类型对各端口的特征向量采用机器学习中的聚类算法进行聚类处理，得到k个最终聚类中心以及k个最终聚类中心下的所有特征向量；再获取k个最终聚类中心下的所有特征向量中与高值业务信息对应的特征向量，并计算得到k个与高值业务信息对应的特征向量的均值；最后，获取k个与高值业务信息对应的特征向量的均值中的最大值，并将该最大值对应的最终聚类中心下的所有特征向量对应的端口设定为业务端口。在此过程中，本专利技术采用聚类处理的形式进行各端口的特征向量的分类，省略了人工标注业务类型的步骤，进而实现端口类型的自动识别，识别准确性相比人工更高，且识别速度更快。
10、在一个可能的设计中，根据各端口承载的业务信息，得到各端口的特征向量，包括：
11、对各端口承载的局内业务信息进行数量汇总，得到各端口对应的局内业务信息总数；
12、对各端口承载的高值业务信息进行数量汇总，得到各端口对应的高值业务信息总数；
13、对各端口对应的局内业务信息总数以及各端口对应的高值业务信息总数分别进行规范化处理，得到各端口对应的局内业务信息规范化后总数以及各端口对应的高值业务信息规范化后总数；
14、将各端口对应的局内业务信息规范化后总数以及各端口对应的高值业务信息规范化后总数，分别作为各端口的特征向量。
15、在一个可能的设计中，对各端口对应的局内业务信息总数以及各端口对应的高值业务信息总数分别进行规范化处理时，采用标准化处理方法；
16、对应地，任一端口对应的局内业务信息规范化后总数为：
17、
18、式中，x为该端口的局内业务信息总数，μ1为各端口的局内业务信息总数的平均值，σ1为各端口的局内业务信息总数的标准差；
19、任一端口对应的高值业务信息规范化后总数为：
20、
21、式中，y为该端口的高值业务信息总数，μ2为各端口的高值业务信息总数的平均值，σ2为各端口的高值业务信息总数的标准差。
22、在一个可能的设计中，预设的端口类型包括业务端口和中继端口。
23、在一个可能的设计中，根据预设的端口类型对各端口的特征向量采用机器学习中的聚类算法进行聚类处理时，采用k均值聚类方法实现。
24、在一个可能的设计中，根据预设的端口类型对各端口的特征向量采用机器学习中的聚类算法进行聚类处理，得到k个最终聚类中心以及k个最终聚类中心下的所有特征向量，包括：
25、将各端口的特征向量合并为特征向量样本集，并根据预设的端口类型的数量k，从所述特征向量样本集中随机选择k个样本作为k个初始聚类中心；
26、将所述特征向量样本集中的所有特征向量分别分配至与其欧拉距离最近的初始聚类中心；
27、分别获取k个初始聚类中心下的所有特征向量的k个均值；
28、将k个初始聚类中心更新为与其对应的k个均值，然后再次将所述特征向量样本集中的所有特征向量分别分配至与其欧拉距离最近的初始聚类中心，直到k个初始聚类中心不再发生变化或达到最大迭代次数时，输出k个最终聚类中心以及k个最终聚类中心下的所有特征向量；其中，k个最终聚类中心为最后一次迭代时的k个均值。
29、第二方面，本专利技术提供了一种业务端口识别系统，用于实现如上述任一项所述的业务端口识别方法；所述业务端口识别系统包括：
30、业务信息获取模块，用于获取ipran网络中a设备下的各端口承载的业务信息；其中，所述业务信息包括高值业务信息和局内业务信息；
31、特征向量获取模块，与所述业务信息获取模块通信连接，用于根据各端口承载的业务信息，得到各端口的特征向量；...
【技术保护点】
1.一种业务端口识别方法，其特征在于：包括：
2.根据权利要求1所述的一种业务端口识别方法，其特征在于：根据各端口承载的业务信息，得到各端口的特征向量，包括：
3.根据权利要求1所述的一种业务端口识别方法，其特征在于：对各端口对应的局内业务信息总数以及各端口对应的高值业务信息总数分别进行规范化处理时，采用标准化处理方法；
4.根据权利要求1所述的一种业务端口识别方法，其特征在于：预设的端口类型包括业务端口和中继端口。
5.根据权利要求1所述的一种业务端口识别方法，其特征在于：根据预设的端口类型对各端口的特征向量采用机器学习中的聚类算法进行聚类处理时，采用K均值聚类方法实现。
6.根据权利要求5所述的一种业务端口识别方法，其特征在于：根据预设的端口类型对各端口的特征向量采用机器学习中的聚类算法进行聚类处理，得到k个最终聚类中心以及k个最终聚类中心下的所有特征向量，包括：
7.一种业务端口识别系统，其特征在于：用于实现如权利要求1至6中任一项所述的业务端口识别方法；所述业务端口识别系统包括：
8.一种电子设备，其特征在于：包括：
9.一种计算机可读存储介质，用于存储计算机可读取的计算机程序指令，其特征在于：所述计算机程序指令被配置为运行时执行如权利要求1至6中任一项所述的业务端口识别方法的操作。
...
【技术特征摘要】
1.一种业务端口识别方法，其特征在于：包括：
2.根据权利要求1所述的一种业务端口识别方法，其特征在于：根据各端口承载的业务信息，得到各端口的特征向量，包括：
3.根据权利要求1所述的一种业务端口识别方法，其特征在于：对各端口对应的局内业务信息总数以及各端口对应的高值业务信息总数分别进行规范化处理时，采用标准化处理方法；
4.根据权利要求1所述的一种业务端口识别方法，其特征在于：预设的端口类型包括业务端口和中继端口。
5.根据权利要求1所述的一种业务端口识别方法，其特征在于：根据预设的端口类型对各端口的特征向量采用机器学习中的聚类算法进行聚类处理时...
【专利技术属性】
技术研发人员：翁文君，李沛剡，余世一，黄松，
申请(专利权)人：中通服软件科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。