本發明涉及網絡帶寬分析,尤其涉及一種網絡帶寬超限分析方法、裝置、設備及存儲介質。
背景技術:
1、分組化網絡是目前通信網絡中最為普遍的網絡類型,其帶寬統計復用的承載方式大大提升了整個通信網絡的傳輸效率,得到了最為廣泛的使用。分組化網絡在承載業務時,各個業務并不會同時達到峰值帶寬,因此可使用較小的帶寬承載較多的業務。
2、在實際的分組網絡中,由于承載的各業務使用的帶寬呈隨機狀態,每個業務均有可能使用峰值帶寬,但同時使用峰值帶寬的概率非常小,這使得在運維分組網絡時,一般按照帶寬收斂比的方式配置各類業務的帶寬。例如在pon網絡中,單個gpon端口接入64個100m寬帶用戶時,將100m寬帶業務的帶寬收斂比設定為33%,這樣,平均為每個100m寬帶用戶分配的帶寬就是100m*33%=33m,64個用戶共享33m*64=2112m帶寬。由于大部分時間內用戶使用的帶寬小于33m,當有少量用戶使用的帶寬同時達到100m時,2112m的帶寬能力也可滿足所有用戶的帶寬需求。
3、然而,由于目前的業務突發性較強,雖然多用戶、多業務同時達到峰值的概率較小,但仍存在可能性。在用戶數較大、運營時間較長現網中,可能出現大量用戶使用的帶寬同時達到峰值,即網絡帶寬超限的情況,直接導致丟失大量的用戶數據包,進而影響業務質量及用戶體驗。而現有的帶寬收斂比的配置方法,無法評估現網出現超過多用戶合計配置帶寬的概率,即網絡帶寬超限概率。
4、因此,及時分析網絡帶寬超限的出現概率,以便于及時調整網絡配置提高網絡帶寬的質量和穩定性,是亟需解決的技術問題。
技術實現思路
1、本發明提供一種網絡帶寬超限分析方法、裝置、設備及存儲介質,用以解決現有技術中無法評估網絡帶寬超限概率的缺陷。
2、本發明提供一種網絡帶寬超限分析方法,包括:
3、獲取目標網絡的第一網絡指標數據,所述第一網絡指標數據表征網絡節點的帶寬情況;
4、將所述第一網絡指標數據輸入至帶寬超限分析模型,獲取所述帶寬超限分析模型輸出的帶寬超限概率信息,所述帶寬超限概率信息表征網絡節點出現帶寬超限的概率;
5、其中,所述帶寬超限分析模型由基于網絡超限數據集對人工智能模型訓練后獲取。
6、根據本發明提供的一種網絡帶寬超限分析方法,所述帶寬超限分析模型的獲取步驟包括:
7、根據采樣周期從所述目標網絡獲取第二網絡指標數據作為訓練數據集;
8、獲取所述目標網絡的網絡節點拓撲關系數據;
9、根據預設的帶寬超限標準以及所述訓練數據集,確定超限時間信息,所述超限時間信息表征網絡節點處于帶寬超限狀態的時刻和時長;
10、根據所述采樣周期以及所述超限時間信息,計算概率密度函數作為訓練標簽數據;
11、根據所述訓練數據集、所述訓練標簽數據以及所述網絡節點拓撲關系數據,對人工智能模型進行訓練,獲取所述帶寬超限分析模型。
12、根據本發明提供的一種網絡帶寬超限分析方法,所述人工智能模型包括第一網絡層、第二網絡層以及第三網絡層;所述根據所述訓練數據集、所述訓練標簽數據以及所述網絡節點拓撲關系數據,對人工智能模型進行訓練,獲取所述帶寬超限分析模型,包括:
13、將所述訓練數據集中對應同一時間點并且對應同一網絡節點的數據組合,形成第一樣本數據;
14、將所述第一樣本數據輸入至所述第一網絡層進行整合處理,以使得各個所述第一樣本數據的格式統一并且時序相鄰的所述第一樣本數據之間相互關聯,形成第二樣本數據;
15、將所述第二樣本數據以及所述網絡節點拓撲關系數據輸入至第二網絡層,以根據網絡節點之間的依賴關系構建所述第二樣本數據之間的依賴關系,形成第三樣本數據;
16、將所述第三樣本數據輸入至所述第三網絡層,以對所述第三樣本數據進行特征提取和降維處理,獲取帶寬超限概率預測結果;
17、根據預設的損失函數,計算所述帶寬超限概率預測結果與所述訓練標簽數據,獲取誤差信息;
18、根據所述誤差信息對所述第一網絡層、所述第二網絡層以及所述第三網絡層進行優化,直至模型收斂或者達到預設迭代次數,將所述人工智能模型作為所述帶寬超限分析模型。
19、根據本發明提供的一種網絡帶寬超限分析方法,所述根據所述誤差信息對所述第一網絡層、所述第二網絡層以及所述第三網絡層進行優化,包括:
20、根據鏈式法則計算損失函數關于模型參數的梯度;
21、根據所述梯度利用隨機梯度下降法更新所述第一網絡層、所述第二網絡層以及所述第三網絡層的參數。
22、根據本發明提供的一種網絡帶寬超限分析方法,所述第一網絡層包括多層雙向長短期記憶網絡,所述第二網絡層包括多層圖注意力網絡,所述第三網絡層包括多層感知器網絡。
23、根據本發明提供的一種網絡帶寬超限分析方法,所述根據采樣周期從所述目標網絡獲取第二網絡指標數據作為訓練數據集,包括:
24、獲取采樣周期以及采樣頻率;
25、在所述采樣周期內根據所述采樣頻率,記錄所述目標網絡中各個網絡節點的指標數據,形成所述第二網絡指標數據。
26、本發明還提供一種網絡帶寬超限分析裝置,包括:
27、輸入模塊,用于獲取目標網絡的第一網絡指標數據;
28、帶寬超限分析模塊,用于將所述第一網絡指標數據輸入至帶寬超限分析模型,獲取所述帶寬超限分析模型輸出的帶寬超限概率信息;
29、其中,所述帶寬超限分析模型由基于網絡超限數據集對人工智能模型訓練后獲取。
30、本發明還提供一種電子設備,包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序,所述處理器執行所述程序時實現如上述任一種所述一種網絡帶寬超限分析方法。
31、本發明還提供一種非暫態計算機可讀存儲介質,其上存儲有計算機程序,該計算機程序被處理器執行時實現如上述任一種所述一種網絡帶寬超限分析方法。
32、本發明還提供一種計算機程序產品,包括計算機程序,所述計算機程序被處理器執行時實現如上述任一種所述一種網絡帶寬超限分析方法。
33、本發明提供的一種網絡帶寬超限分析方法、裝置、設備及存儲介質,至少具有以下有益效果:在目標網絡獲取實際運行過程中,獲取反映帶寬情況的第一網絡指標數據,通過帶寬超限分析模型對第一網絡指標數據進行處理,獲取帶寬超限概率信息,能夠預測出現帶寬超限的概率,便于及時調整網絡配置以避免出現帶寬超限的問題。以此,基于目標網絡的實際帶寬情況,通過分析出現帶寬超限的概率,提前預測獲知帶寬超限的情況,根據概率的大小及時調整網絡配置,降低出現帶寬超限的概率,以避免出現帶寬超限達到提前預防的效果,有利于為網絡運行提供有效的量化分析數據,提高網絡帶寬的質量以及穩定性。
1.一種網絡帶寬超限分析方法,其特征在于,包括:
2.根據權利要求1所述的一種網絡帶寬超限分析方法,其特征在于,所述帶寬超限分析模型的獲取步驟包括:
3.根據權利要求2所述的一種網絡帶寬超限分析方法,其特征在于,所述人工智能模型包括第一網絡層、第二網絡層以及第三網絡層;所述根據所述訓練數據集、所述訓練標簽數據以及所述網絡節點拓撲關系數據,對人工智能模型進行訓練,獲取所述帶寬超限分析模型,包括:
4.根據權利要求3所述的一種網絡帶寬超限分析方法,其特征在于,所述根據所述誤差信息對所述第一網絡層、所述第二網絡層以及所述第三網絡層進行優化,包括:
5.根據權利要求3所述的一種網絡帶寬超限分析方法,其特征在于,所述第一網絡層包括多層雙向長短期記憶網絡,所述第二網絡層包括多層圖注意力網絡,所述第三網絡層包括多層感知器網絡。
6.根據權利要求2所述的一種網絡帶寬超限分析方法,其特征在于,所述根據采樣周期從所述目標網絡獲取第二網絡指標數據作為訓練數據集,包括:
7.一種網絡帶寬超限分析裝置,其特征在于,包括:
8.一種電子設備,包括存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序,其特征在于,所述處理器執行所述程序時實現如權利要求1至6任一項所述一種網絡帶寬超限分析方法。
9.一種非暫態計算機可讀存儲介質,其上存儲有計算機程序,其特征在于,所述計算機程序被處理器執行時實現如權利要求1至6任一項所述一種網絡帶寬超限分析方法。
10.一種計算機程序產品,包括計算機程序,其特征在于,所述計算機程序被處理器執行時實現如權利要求1至6任一項所述一種網絡帶寬超限分析方法。