CN108924057B - 一种云上***的端口流量智能控制*** - Google Patents

一种云上***的端口流量智能控制*** Download PDF

Info

Publication number
CN108924057B
CN108924057B CN201810872051.1A CN201810872051A CN108924057B CN 108924057 B CN108924057 B CN 108924057B CN 201810872051 A CN201810872051 A CN 201810872051A CN 108924057 B CN108924057 B CN 108924057B
Authority
CN
China
Prior art keywords
port
flow
traffic
information
cloud system
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201810872051.1A
Other languages
English (en)
Other versions
CN108924057A (zh
Inventor
单健锋
江鹏辉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Koubei Network Technology Co Ltd
Original Assignee
Zhejiang Koubei Network Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhejiang Koubei Network Technology Co Ltd filed Critical Zhejiang Koubei Network Technology Co Ltd
Priority to CN201810872051.1A priority Critical patent/CN108924057B/zh
Publication of CN108924057A publication Critical patent/CN108924057A/zh
Application granted granted Critical
Publication of CN108924057B publication Critical patent/CN108924057B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L47/00—Traffic control in data switching networks
    • H04L47/10—Flow control; Congestion control
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H04L41/147—Network analysis or design for predicting network behaviour
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L47/00—Traffic control in data switching networks
    • H04L47/70—Admission control; Resource allocation
    • H04L47/76—Admission control; Resource allocation using dynamic resource allocation, e.g. in-call renegotiation requested by the user or requested by the network in response to changing network conditions
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/50—Reducing energy consumption in communication networks in wire-line communication networks, e.g. low power modes or reduced link rate

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本申请提供一种云上***的端口流量智能控制***以及一种应用于该***的流量特征预测方法及装置、流量数据处理方法及装置和端口流量控制方法及装置。所述***端口流量智能控制***包括：离线数据中心存储云***提供的流量数据；端口计算中心根据该流量数据预测云上***的端口流量特征，并向云***发送调整端口大小或流量指示消息，云***根据指示消息调整端口，并向端口转发中心发送调整后的端口信息，端口转发中心根据调整后的端口信息，将客户端的流量数据发送至云上***合适的端口上。所述端口流量智能控制***能够***各个端口的流量特征，从而控制各个端口根据流量的不同进行自动调节、自动限流，无需人工干预实现流量自动分配。

Description

一种云上***的端口流量智能控制***
技术领域
本申请涉及***的端口流量控制领域，具体涉及一种云上***的端口流量智能控制***。本申请另外提供一种应用于云上***的端口流量控制***的流量特征预测方法及装置、流量数据处理方法及装置和端口流量控制方法及装置。
背景技术
随着互联网的发展，基于互联网的各种云服务***层出不穷，访问云服务***的流量数据也越来越多，尤其是对于餐饮行业的云服务***来说，在饭点或者活动期间访问云服务***的流量数据非常集中。在这种背景下，根据流量数据的变化情况，人为的设置云服务***端口的大小，无法满足餐饮行业流量数据访问需求。因此，在餐饮行业的云服务***中，一个核心的问题就是：如何保证云服务***的端口不被集中访问的流量数据击穿。
为了解决上述问题，申请号201610143420.4的专利文献提供一种网络流量控制方法，根据接收的流量数据的类型，确定用于传输所述流量数据的业务管道，每个管道能够按照业务类型分配带宽权重，对流量数据进行合理调度并发送至端口。虽然该方案通过流量数据分类，从而合理分配带宽，将流量数据发送至指定端口，在一定程度上实现了对集中访问的流量数据的分配，从而保证服务***的端口不被击穿，但是具体到餐饮行业仍然无法实现云服务***的端口的有效保护，从而无法保证云服务***运行的稳定性。
发明内容
本申请提供一种云上***的端口流量智能控制***，以保证云服务***运行的稳定性。本申请另外提供一种应用于云上***的端口流量控制***的流量特征预测方法及装置、流量数据处理方法及装置和端口流量控制方法及装置。
本申请提供的一种云上***的端口流量智能控制***，包括：离线数据中心、端口计算中心、云***和端口转发中心；
所述离线数据中心，用于存储所述云***提供的流量数据；
所述端口计算中心，用于获得所述离线数据中心存储的流量数据，根据所述流量数据预测云上***的端口流量特征，根据所述端口流量特征，向所述云***发送调整云上***的端口带宽和/或端口流量的指示消息；
所述云***，用于根据所述端口计算中心发送的所述指示消息，得到调整后的端口带宽信息和/或端口流量信息，向所述端口转发中心发送调整后的端口带宽信息和/或调整后的端口流量信息；
所述端口转发中心，用于根据所述云***发送的所述调整后的端口带宽信息和/或调整后的端口流量信息，将从客户端获得的流量数据发送至云上***的端口。
可选的，所述离线数据中心还用于对所述云***提供的流量数据进行流量数据清洗，向所述端口计算中心提供清洗后的流量数据；
所述端口计算中心具体用于获得所述离线数据中心提供的清洗后的流量数据，根据所述清洗后的流量数据预测云上***的端口流量特征。
可选的，所述离线数据中心具体用于根据预设的流量数据正负样本的比例以及所述云***提供的流量数据中正样本的数量，从所述云***提供的流量数据中删除在所述比例之外的负样本，得到清洗后的流量数据。
可选的，所述离线数据中心还用于对所述云***提供的流量数据进行离散化处理，获得离散化的流量数据，向所述端口计算中心提供离散化的流量数据；
所述端口计算中心具体用于获得所述离线数据中心提供的离散化的流量数据，根据所述离散化的流量数据预测云上***的端口流量特征。
可选的，所述离线数据中心具体用于利用稀疏矩阵存储所述云***提供的流量数据，获得扩充样本量后的流量数据，向所述端口计算中心提供所述扩充样本量后的流量数据，所述扩充样本量后的流量数据的数量多于所述云***提供的流量数据的数量；
所述端口计算中心具体用于获得所述离线数据中心提供的所述扩充样本量后的流量数据，根据所述扩充样本量后的流量数据预测云上***的端口流量特征。
可选的，所述柔性端口计算中心具体用于从所述离线数据中心存储的流量数据中提取流量数据时间信息和流量数据峰值信息，根据所述流量数据时间信息和所述流量数据峰值信息，利用贝叶斯网络模型，预测云上***的端口流量特征，所述贝叶斯网络模型是用于根据流量数据时间信息和流量数据峰值信息预测云上***的端口流量特征的网络模型。
可选的，所述柔性端口计算中心还用于将所述离线数据中心存储的流量数据按照时间维度和峰值维度进行统一聚类，得到统一聚类后的流量数据时间信息和流量数据峰值信息，对统一聚类后的流量数据时间信息和流量数据峰值信息进行归一化处理，得到归一化后的流量数据时间信息和流量数据峰值信息，利用归一化后的流量数据时间信息和流量数据峰值信息训练所述贝叶斯网络模型。
可选的，所述端口流量特征包括以下至少一种信息：
云上***的端口在一段时间范围内的流量峰值；
云上***的端口在一段时间范围内的流量变化信息；
云上***的端口在一段时间范围内的总流量信息；
云上***的端口在一段时间范围内的单位时间的平均流量信息。
可选的，所述端口计算中心具体用于根据所述端口流量特征，确定云上***的端口在一段时间内的端口最大带宽和/或端口最大流量阈值；
所述向所述云***发送调整云上***的端口带宽和/或端口流量的指示消息，所述指示信息包括云上***的端口在一段时间内的端口最大带宽和/或端口最大流量阈值。
可选的，所述云***具体用于根据所述端口计算中心发送的调整云上***的端口带宽和/或端口流量的指示消息，得到调整后的端口带宽信息和/或端口流量信息，向所述端口转发中心发送调整后的端口带宽信息和/或调整后的端口流量信息。
可选的，所述云上***端口用于当所述端口的流量数据达到或者超过所述可承载峰值时，向所述云***发送报警信息；
所述云***还可以用于，根据云上***端口发送的报警信息，自动调整所述端口带宽和/或端口流量，向所述端口转发中心发送调整后的端口带宽信息和/或调整后的端口流量信息。
相应的，本申请还提供一种流量特征预测方法，包括：
获取流量数据；
根据所述流量数据，预测云上***的端口流量特征；
根据所述云上***的端口流量特征，向云***发送调整所述云上***的端口带宽和/或端口流量的指示消息。
可选的，所述获取流量数据，根据所述流量数据，预测云上***的端口流量特征，具体包括：
获取清洗后的流量数据；
根据所述清洗后的流量数据，预测所述云上***的端口流量特征。
可选的，所述获取流量数据，根据所述流量数据，预测云上***的端口流量特征，具体包括：
获取离散化的流量数据；
根据所述离散化的流量数据，预测所述云上***的端口流量特征。
可选的，所述获取流量数据，根据所述流量数据，预测云上***的端口流量特征，具体包括：
获取扩充样本量后的流量数据；
根据所述扩充样本量后的流量数据，预测所述云上***的端口流量特征。
可选的，所述获取流量数据，根据所述流量数据，预测云上***的端口流量特征，具体包括：
从所述离线数据中心存储的流量数据中提取流量数据时间信息和流量数据峰值信息；
根据所述流量数据时间信息和所述流量数据峰值信息，利用贝叶斯网络模型，预测所述云上***的端口流量特征；
其中，所述贝叶斯网络模型是用于根据流量数据时间信息和流量数据峰值信息预测所述云上***的端口流量特征的网络模型。
可选的，所述云上***端口流量特征包括以下至少一种信息：
云上***的端口在一段时间范围内的流量峰值；
云上***的端口在一段时间范围内的流量变化信息；
云上***的端口在一段时间范围内的总流量信息；
云上***的端口在一段时间范围内的单位时间的平均流量信息。
可选的，所述根据所述云上***的端口流量特征，向云***发送调整云上***的端口带宽和/或端口流量的指示消息，具体包括：
根据所述端口流量特征，确定云上***的端口在一段时间内的端口最大带宽和/或端口最大流量阈值；
向所述云***发送调整云上***的端口带宽和/或端口流量的指示消息，所述指示信息包括云上***的端口在一段时间内的端口最大带宽和/或端口最大流量阈值。
相应的，本申请还提供一种流量数据处理方法，包括：
存储云***提供的流量数据；
对所述存储的流量数据进行流量数据清洗，向端口计算中心提供清洗后的流量数据。
可选的，所述对所述存储的流量数据进行流量数据清洗，向端口计算中心提供清洗后的流量数据，具体包括：
根据预设的流量数据正负样本的比例以及所述云***提供的流量数据中正样本的数量，从所述云***提供的流量数据中删除在所述比例之外的负样本，得到清洗后的流量数据，向端口计算中心提供清洗后的流量数据。
可选的，所述存储云***提供的流量数据，对所述存储的流量数据进行流量数据清洗，向端口计算中心提供清洗后的流量数据，还包括：
对所述云***提供的流量数据进行离散化处理，获得离散化的流量数据，向端口计算中心提供离散化的流量数据。
可选的，所述存储云***提供的流量数据，对所述存储的流量数据进行流量数据清洗，向端口计算中心提供清洗后的流量数据，具体包括：
利用稀疏矩阵存储所述云***提供的流量数据；
获得扩充样本量后的流量数据，向端口计算中心提供所述扩充样本量后的流量数据，所述扩充样本量后的流量数据的数量多于所述云***提供的流量数据的数量。
相应的，本申请还提供一种云上***的端口控制方法，包括：
获取云上***的端口调整的指示信息；
根据云上***的端口调整的指示信息，调整云上***的端口的带宽信息和/或端口流量指示信息，得到调整后的云上***的端口带宽信息和/或端口流量指示信息；
根据所述云上***的端口带宽信息和/或端口流量信息，向所述端口转发中心发送调整后的云上***的端口带宽信息和/或调整后的端口流量信息。
可选的，所述根据云上***的端口调整的指示信息，调整云上***的端口的带宽信息和/或端口流量信息，得到调整后的云上***的端口带宽信息和/或端口流量信息，具体包括：
所述根据所述端口计算中心发送的调整云上***的端口带宽和/或端口流量的指示消息，得到调整后的端口带宽信息和/或端口流量信息，向所述端口转发中心发送调整后的端口带宽信息和/或调整后的端口流量信息。
可选的，所述获取的调整云上***的端口带宽和/或端口流量的指示消息，具体包括：云上***的端口在一段时间内的端口最大带宽和/或端口最大流量阈值。
可选的，还包括：
接收云上***的端口发送的报警信息；
根据云上***端口发送的报警信息，自动调整所述端口带宽和/或端口流量；
向所述端口转发中心发送调整后的端口带宽信息和/或调整后的端口流量信息。
相应的，本申请还提供一种流量特征预测装置，包括：
获取单元，用于获取流量数据；
预测单元，用于根据所述流量数据，预测云上***的端口流量特征；
发送单元，根据所述云上***的端口流量特征，向云***发送调整所述云上***的端口带宽和/或端口流量的指示消息。
相应的，本申请还提供一种流量数据处理装置，包括：
存储单元，用于存储云***提供的流量数据；
清洗单元，用于对所述存储的流量数据进行流量数据清洗；
发送单元，用于向端口计算中心提供清洗后的流量数据。
相应的，本申请还提供一种云上***的端口控制装置，包括：
获取单元，用于获取云上***的端口调整的指示信息；
调整单元，用于根据云上***的端口调整的指示信息，调整云上***的端口的带宽信息和/或端口流量信息，得到调整后的云上***的端口带宽信息和/或端口流量信息；
发送单元，用于根据所述云上***的端口带宽信息和/或端口流量信息，向所述端口转发中心发送调整后的云上***的端口带宽信息和/或调整后的端口流量信息。
与现有技术相比，本申请具有以下优点:
本申请提供的一种云上***的端口流量智能控制***，具体而言，是一种根据流量的不同智能控制云上***端口柔性变化的***。所述的端口流量智能控制***包括：离线数据中心存储云***提供的流量数据；端口计算中心获得所述流量数据，根据所述流量数据预测云上***的端口流量特征，向云***发送调整云上***的端口带宽或端口流量的指示消息；云***根据指示消息，得到调整后的端口带宽信息或端口流量信息，向端口转发中心发送调整后的端口带宽信息或调整后的端口流量信息；端口转发中心根据云***发送的调整后的端口带宽信息或调整后的端口流量信息，将从客户端获得的流量数据发送至云上***的端口。所述端口流量智能控制***能够根据当前一段时间的流量数据***各个端口的流量特征，从而控制各个端口根据流量的不同进行自动调节、自动限流，无需人工干预实现流量自动分配。
本申请还提供的一种流量特征预测方法，具体而言，是一种通过智能算法预测流量特征的方法。所述的流量特征预测方法包括：获取流量数据，根据所述流量数据，利用智能算法预测云上***的端口流量特征，根据预测的云上***的端口流量特征，预测当前端口流量数据；根据预测的当前端口流量数据，向云***发送调整云上***的端口带宽或端口流量的指示消息。所述流量特征预测方法能够根据当前一段时间范围内的流量数据信息，通过智能算法预测云上***的端口当前的流量数据特征，并根据流量数据特征发送调节指令，从而实现预先对端口的带宽和流量进行调节。
附图说明
图1为本申请云上***的端口流量智能控制***的实施例示意图；
图2为本申请流量特征预测方法的实施例流程图；
图3为本申请流量数据处理方法的实施例流程图；
图4为本申请云上***的端口控制方法的实施例流程图；
图5为本申请云上***的端口流量智能控制***的实施例场景图；
图6为本申请云上***的端口流量智能控制***的完整结构图；
图7为本申请流量特征预测装置的实施例示意图；
图8为本申请流量数据处理装置的实施例示意图；
图9为本申请云上***的端口控制装置的实施例示意图。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本申请。但是本申请能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本申请内涵的情况下做类似推广，因此本申请不受下面公开的具体实施的限制。
如上所述，现有的流量数据控制方法往往是根据接收流量数据的类型，确定用于传输流量数据的业务管道，按照业务类型分配每个管道的带宽权重，对流量数据进行合理调度并通过该管道发送至指定端口。虽然该方案通过流量数据分类，合理分配带宽，将流量数据发送至指定端口，在一定程度上实现了对集中访问的流量数据的合理分配，从而保证服务***的端口不被击穿，但是具体到餐饮行业仍然无法实现针对云服务***端口的有效保护，从而无法保证云服务***运行的稳定性。
本申请提供了一种云上***的端口流量智能控制***，其核心思想是将离线数据中心作为整个云上***端口流量控制的基础，将端口计算中心作为整个云上***端口流量智能控制的核心。端口流量智能控制***能够根据当前一段时间的流量数据***各个端口的流量特征，从而控制各个端口根据流量的不同进行自动调节、自动限流，无需人工干预实现流量自动分配。
下面基于本申请的云上***的端口流量智能控制***，对其实施例进行详细描述。此外，在下面的描述中，将分别针对离线数据中心、端口计算中心及云***和端口转发中心在本***种所起的作用进行详细的说明。请参考图1，其为本申请云上***的端口流量智能控制***的实施例示意图。
本实施例中，云上***的端口流量智能控制***包括如下部分：
离线数据中心101，用于存储所述云***提供的流量数据。
在本实施例中，端口计算中心将智能算法直接应用于离线数据中心存储的流量数据时，大多情况下都无法取得理想的结果，因为实际存储的流量数据往往分布很不均匀且存在大量脏数据，离线数据中心提供的客户端流量数据并不能直接被柔性计算中心使用。因此，在向柔性计算中心发送数据之前需要通过离线数据中心对存储的流量数据进行数据清洗、正负样本配比、连续数据离散化等加工操作，使离线数据中心存储的流量数据可使用。
本实施例中，若要通过离线数据中心对存储的流量数据进行加工操作使得流量数据可被端口计算中心使用，首先需要通过数据清洗来剔除脏数据，再通过预设的流量数据正负样本的比例以及云***提供的流量数据中正样本的数量，从云***提供的流量数据中删除在预设比例值之外的负样本，得到清洗后的流量数据，进一步的通过连续数据离散化操作对清洗后的流量数据进行离散化处理，获得离散化的流量数据，利用稀疏矩阵存储对离散化后的流量数据进行样本放大处理，提高流量数据质量，获得扩充样本量后的流量数据，向端口计算中心发送扩充样本量后的流量数据。此时，可以将离线数据中心存储的流量数据应用于智能算法中进行运算，从而预测云上***的端口流量特征。
其中，在本实施例中，离线数据中心对存储的流量数据进行流量数据清洗是指流量数据中心在存储云***转发的流量数据过程中，对存入的流量数据进行实时监控，及时发现非高峰时段的脏数据并进行标记，利用离线数据中心的清洗单元对标记的脏数据进行识别清洗，对高峰时段的脏数据进行保留。需要说明的是，通常意义上的脏数据是指***中的数据不在给定范围内或对于实际业务毫无意义数据，具体到本实施例中，所述脏数据是指对于采用智能算法预测流量特征毫无意义的数据。
由于连续数据无法直接通过智能算法进行分析和处理，需要对存储的连续流量数据进行离散化处理，即将一组连续的流量数据值根据一定的规则分成若干个特定的离散化的集合的形式。在对连续数据离散化之后，通过稀疏矩阵存储扩充离散化后的流量数据，向端口计算中心提供所述扩充样本量后的离散流量数据。当然，所述样本放大的方法不限于使用稀疏矩阵存储进行样本放大，也可以采用诸如凸优化或者对抗神经网络的方法进行样本放大处理。
端口计算中心102，用于获得所述离线数据中心存储的流量数据，根据所述流量数据预测云上***的端口流量特征，根据所述端口流量特征，向所述云***发送调整云上***的端口带宽和/或端口流量的指示消息。
在本实施例中，端口计算中心是整个云上***端口流量控制***的核心，其能够根据离线数据提供的流量数据进行智能预测，具体的预测过程包括：从所述离线数据中心提供的流量数据中提取时间信息、流量数据值信息、流量数据峰值信息，采用SVM算法对提取的流量数据信息进行特征提取，将提取到的特征数据利用Kmeans算法进行聚类运算，使得时间特征、流量数据特征相似的数据统计到一起形成特征池，根据所述特征池中的流量特征信息和时间特征信息，建立贝叶斯网络模型，***所述云上***的端口当前流量数据特征。其中，需要说明的是，所述贝叶斯网络模型是用于根据流量数据时间信息和流量数据峰值信息预测所述云上***的端口流量特征的网络模型，所述聚类运算不限于使用Kmeans算法进行聚类运算，也可以采用Kmedoids算法或者Clarans算法进行聚类运算。
端口计算中心通过上述方式获得云上***的端口的当前流量数据特征，根据云上***的端口的当前流量数据特征，确定云上***的端口在当前一段时间内的端口最大带宽或端口最大流量阈值，根据当前一段时间内的端口最大带宽或端口最大流量阈值，向云***发送调整云上***的端口带宽、端口限流值以及可承载峰值的指示消息，该指示信息具体是指调整云上***的端口带宽、端口限流值以及可承载峰值的具体调节量的信息。端口流量数据特征包括云上***的端口在一段时间范围内的流量峰值信息、流量变化信息、总流量信息、单位时间的平均流量信息中的至少一种信息。
云***103，用于根据所述端口计算中心发送的所述指示消息，得到调整后的端口带宽信息和/或端口流量信息，向所述端口转发中心发送调整后的端口带宽信息和/或调整后的端口流量信息。
在本实施例中，云***在接收到端口计算中心发送的调节端口宽带或端口流量的指示信息后，根据指示信息调节云上***端口带宽或端口流量具体包括：调节云上***的端口带宽大小、端口限流值大小以及可承载峰值大小等，从而得到调整后的端口信息，在得到调整后的端口信息之后，向端口转发中心发送调整后的具体端口的端口号、该端口的当前带宽、限流值以及可承载峰值等信息。
另外，当客户端的流量数据集中访问达到或者超过云上***端口可承载峰值时，云上***端口也可以通过后台绑定的IP检测流量数据过高的异常信息并向云***发送报警信息，云***根据端口发送的报警信息调整端口带宽或端口流量，向所述端口转发中心发送调整后的端口带宽信息或调整后的端口流量信息。其中，上述云***根据端口发送的报警信息调整各个端口带宽或端口流量具体是指，根据端口发送的报警信息调整各个端口的宽带大小、限流值、可承载峰值等，使得云上***的端口能够根据流量的不同而柔性变化，从而保证云上***端口不因短时流量过大而被击穿。
端口转发中心104，用于根据所述云***发送的所述调整后的端口带宽信息和/或调整后的端口流量信息，将从客户端获得的流量数据发送至云上***的端口。
在本实施例中，端口转发中心可以直接接收访问的客户端流量数据，在将客户端流量数据转发至云上***各个端口之前，需要先接收来自云***发送的调整后的端口信息，根据接收到的端口信息，将从客户端获得的流量信息转发到合适的云上***端口。需要说明的是，上述端口信息包括具体端口的端口号、该端口调整后的带宽、限流大小、可承载峰值等信息。
本***优选地应用于餐饮行业云上***端口流量控制，请参考图5，其为本实施例的一种云上***的端口流量智能控制***的实施例场景图；
通常情况下，餐饮行业相关流量数据具有实时性高、流量数据集中、峰值较短的特点。因此，端口计算中心流量特征预测的实时性就非常重要。
首先客户端流量数据通过经典网络向商家的云上***发起请求，离线数据中心实时储存客户端涌入的流量数据并进行流量数据加工，根据餐饮行业流量数据集中和峰值较短的特点，剔除非高峰时段的脏数据，并进行正负样本配比，端口计算中心实时读取离线数据中心处理后的商家一段时间范围内的客户端访问流量数据，利用机器学习算法进行实时的运算和分析，***出当前商家的云上***端口将要访问的流量数据特征，向行业云***发出调节商家的云上***端口的指令信息，行业云***根据调节指令信息，调整端口带宽大小、限流值、可承载峰值，并向端口转发中心发送调整后的具体端口的端口号、该端口当前带宽、限流值、可承载峰值等端口信息，端口转发中心根据接收到端口流量特征信息自动寻址，将当前客户端访问的流量数据转发至合适的端口，流量数据通过该端口到达商家的云上***，商家的云上***接收到客户端访问请求后，向客户端返回请求结果。
上述的实施例中，提出一种云上***的端口流量智能控制***，请参考图6，其为本申请云上***的端口流量智能控制***的完整结构图。所述端口流量智能控制***通过离线数据中心存储云***提供的流量数据；端口计算中心获得所述流量数据，根据所述流量数据预测云上***的端口流量特征，向云***发送调整云上***的端口带宽和/或端口流量的指示消息；云***根据指示消息，得到调整后的端口带宽信息和/或端口流量信息，向端口转发中心发送调整后的端口带宽信息和/或调整后的端口流量信息；端口转发中心根据云***发送的调整后的端口带宽信息和/或调整后的端口流量信息，将从客户端获得的流量数据发送至云上***的端口。所述端口流量智能控制***能够根据当前一段时间的流量数据***各个端口的流量特征，从而控制各个端口根据流量的不同进行自动调节、自动限流，无需人工干预实现流量自动分配。
与上述的云上***的端口流量智能控制***相对应，本申请还提供一种流量特征预测方法，该方法可以应用于云上***的端口流量智能控制***，请参见图2，其为本申请流量特征预测方法的实施例流程图。由于本方法实施例相似于***实施例，所以描述的比较简单，相关之处请参见***实施例部分说明即可，下面描述的方法实施例仅是示意性的。
在本实施例中，一种流量特征预测方法包括如下步骤：
步骤S201：获取流量数据。
本步骤中端口计算中心获取的流量数据可以是数据清洗后的流量数据、正负样本配比后的流量数据、离散化后的流量数据中的至少一种流量数据，也可以是对流量数据进行脏数据清理、正负样本配比、连续数据离散化等依次处理后获得的离散化的流量数据。其中，提供一种优选的实施方式是：在获得上述处理后的流量数据后，利用系数矩阵进行存储操作，将流量数据样本放大，强化数据离散，提高端口计算中心获取流量数据的质量，从而提高预测结果的精度。
步骤S202：根据所述流量数据，预测云上***的端口流量特征。
在本实施例中，端口计算中心根据流量数据，预测云上***的端口流量特征包括；根据清洗后的流量数据，预测所述云上***的端口流量特征或者根据离散化的流量数据，预测云上***的端口流量特征。其中，一种优选地实施方式是将流量数据进行脏数据清理、正负样本配比、连续数据离散化等一系列处理操作后，再利用稀疏矩阵进行扩充样本量，强化数据离散处理，根据扩充样本量后的流量数据，预测云上***的端口流量特征。
柔性端口计算中心从离线数据中心存储的流量数据中提取流量数据时间信息和流量数据峰值信息，根据流量数据时间信息和流量数据峰值信息，利用贝叶斯网络模型，预测云上***的端口流量特征。
步骤S203：根据所述云上***的端口流量特征，向云***发送调整所述云上***的端口带宽和/或端口流量的指示消息。
在本实施例中，端口计算中心根据端口流量特征，确定云上***的端口在一段时间内的端口最大带宽或端口最大流量阈值，向云***发送调整云上***的端口带宽或端口流量的指示消息。其中，指示信息包括云上***的端口在一段时间内的端口最大带宽或端口最大流量阈值。
上述实施例中，提供一种流量特征预测方法，具体而言，是一种通过智能算法预测流量特征的方法，所述的流量特征预测方法能够根据流量的不同，通过智能算法实时预测云上***的端口当前一段时间的流量数据特征，并根据流量数据特征进行指令输出，从而可以实时的进行端口带宽调节、流量分配。
此外，本申请还提供一种流量数据处理方法，该方法可以应用于云上***的端口流量智能控制***，请参见图3，其为本申请流量数据处理方法的实施例流程图。
在本实施例中，一种流量数据处理方法包括如下步骤：
步骤S301：存储云***提供的流量数据。
步骤S302：对所述存储的流量数据进行流量数据清洗，向端口计算中心提供清洗后的流量数据。
本实施例中，离线数据中心对存储的流量数据进行流量数据清洗，将非高峰时段的脏数据剔除，然后根据预设的流量数据正负样本的比例以及所述云***提供的流量数据中正样本的数量，从云***提供的流量数据中删除预设比例之外的负样本，得到清洗后的流量数据。进一步的，离线数据中心还可以对清洗后的流量数据进行离散化处理，获得离散化的流量数据，向端口计算中心提供离散化的流量数据。
另外，本实施例提供一种优选的实施方式是离线数据中心利用稀疏矩阵存储上述离散化后的数据，从而扩充样本数量；离线数据中心获得扩充样本量后的流量数据，向端口计算中心提供所述扩充样本量后的流量数据，其中，所述的扩充样本量后的流量数据的数量多于所述离散化后的流量数据的数量。
上述实施例中，提供一种流量数据处理方法，首先存储云***提供的流量数据，然后对存储的流量数据进行流量数据清洗，向端口计算中心提供清洗后的流量数据，通过将非高峰时段的脏数据剔除，然后根据预设的流量数据正负样本的比例以及所述云***提供的流量数据中正样本的数量，从所述云***提供的流量数据中删除在预设比例之外的负样本，得到清洗后的流量数据，进一步的，对清洗后的流量数据进行离散化处理，获得离散化处理后的流量数据。所述的流量数据处理方法能够获得高质量的流量数据，从而保证计算中心预测结果的准确性。
本申请还提供一种云上***的端口控制方法，该方法也可以应用于云上***的端口流量智能控制***，请参见图4，其为本申请云上***的端口控制方法的实施例流程图。由于本方法实施例相似于***实施例，所以描述的比较简单，相关之处请参见***实施例部分的说明即可。下面描述装置实施例仅是示意性的。
本申请提供一种云上***的端口控制方法，包括如下步骤：
步骤S401：获取云上***的端口调整的指示信息。
步骤S402：根据云上***的端口调整的指示信息，调整云上***的端口的带宽信息和/或端口流量信息，得到调整后的云上***的端口带宽信息和/或端口流量信息。
本实施例中，云***根据端口计算中心发送的调整云上***的端口带宽或端口流量的指示消息，得到调整后的端口带宽信息或端口流量信息，向端口转发中心发送调整后的端口带宽信息或调整后的端口流量信息。
进一步的，所述获取的调整云上***的端口带宽和/或端口流量的指示消息，具体包括：云上***的端口在一段时间内的端口最大带宽和/或端口最大流量阈值。
步骤S403：根据所述云上***的端口带宽信息和/或端口流量信息，向所述端口转发中心发送调整后的云上***的端口带宽信息和/或调整后的端口流量信息。
在本实施例中，云***还可以接收云上***的端口发送的报警指示信息，也就是说，当云上***端口流量数据接近或者超过限流值时，云上***端口向云***发送流量数据过大的报警指示信息，云***根据该云上***端口发送的报警信息，自动调整端口带宽或端口流量，向端口转发中心发送调整后的端口带宽信息或调整后的端口流量信息。
另外，端口转发中心还可以接收客户端的流量数据，在将客户端的流量数据转发至云上***各个端口之前，需要先接收来自云***发送的调整后的端口带宽信息或调整后的端口流量信息，根据接收到的带宽信息或调整后的端口流量信息，将客户端获得的流量信息转发送到合适的云上***端口。需要说明的是，上述端口调整信息包括具体端口的端口号信息、该端口调整后的带宽信息、限流信息、可承载峰值信息等。
与上述的流量特征预测方法相对应，本申请还提供一种流量特征预测装置，请参见图7，其为本申请流量特征预测装置的实施例示意图。由于本装置实施例相似于上述一种流量特征预测方法实施例，所以描述的比较简单，相关之处请参见一种流量特征预测方法实施例部分说明即可，下面描述装置实施例仅是示意性的。
在本实施例中，一种流量特征预测装置包括如下部分：
获取单元701，用于获取流量数据。
在本实施例中，获取单元701获取的流量数据可以是数据清洗后的流量数据、正负样本配比后的流量数据、离散化后的流量数据中的至少一种流量数据，也可以是对流量数据进行脏数据清理、正负样本配比、连续数据离散化等依次处理后获得的离散化的流量数据。
预测单元702，用于根据所述流量数据，预测云上***的端口流量特征。
在本实施例中，预测单元702根据流量数据，预测云上***的端口流量特征包括：根据清洗后的流量数据，预测所述云上***的端口流量特征或者根据离散化的流量数据，预测云上***的端口流量特征。其中，一种优选地实施方式是将流量数据进行脏数据清理、正负样本配比、连续数据离散化等一系列处理操作后，再利用稀疏矩阵进行扩充样本量，强化数据离散处理，根据扩充样本量后的流量数据，预测云上***的端口流量特征。
发送单元703，根据所述云上***的端口流量特征，向云***发送调整所述云上***的端口带宽和/或端口流量的指示消息。
在本实施例中，发送单元703根据端口流量特征，确定云上***的端口在一段时间内的端口最大带宽或端口最大流量阈值，向云***发送调整云上***的端口带宽或端口流量的指示消息。
此外，本申请还提供一种流量数据处理装置，由于该装置实施例相似于上述一种流量数据处理方法实施例，所以描述的比较简单，相关之处请参见一种流量数据处理方法实施例部分，请参见图8，其为本申请流量数据处理装置的实施例示意图。
在本实施例中，一种流量数据处理装置包括如下部分：
存储单元801，用于存储云***提供的流量数据。
清洗单元802，用于对所述存储的流量数据进行流量数据清洗。
本实施例中，清洗单元802对存储的流量数据进行流量数据清洗，将非高峰时段的脏数据剔除，然后根据预设的流量数据正负样本的比例以及所述云***提供的流量数据中正样本的数量，从存储单元801提供的流量数据中删除预设比例之外的负样本，得到清洗后的流量数据
发送单元803，用于向端口计算中心提供清洗后的流量数据。
本申请还提供一种云上***的端口控制装置，由于该装置实施例相似于上述一种云上***的端口控制方法实施例，所以描述的比较简单，相关之处请参见云上***的端口控制方法实施例部分，请参见图9，其为本申请云上***的端口控制装置的实施例示意图。
在本实施例中，一种云上***的端口控制装置包括如下部分：
获取单元901，用于获取云上***的端口调整的指示信息。
调整单元902，用于根据云上***的端口调整的指示信息，调整云上***的端口的带宽信息和/或端口流量信息，得到调整后的云上***的端口带宽信息和/或端口流量信息。
本实施例中，云***根据端口计算中心发送的调整云上***的端口带宽或端口流量的指示消息，得到调整单元902调整后的端口带宽信息或端口流量信息，由调整单元902向端口转发中心发送调整后的端口带宽信息或调整后的端口流量信息。
发送单元903，用于根据所述云上***的端口带宽信息和/或端口流量信息，向所述端口转发中心发送调整后的云上***的端口带宽信息和/或调整后的端口流量信息。
在本实施例中，云***还可以接收云上***的端口发送的报警指示信息，也就是说，当云上***端口流量数据接近或者超过限流值时，云上***端口向云***发送流量数据过大的报警指示信息，云***根据该云上***端口发送的报警信息，自动调整端口带宽或端口流量，由发送单元903向端口转发中心发送调整后的端口带宽信息或调整后的端口流量信息。
本申请虽然以较佳实施例公开如上，但其并不是用来限定本申请，任何本领域技术人员在不脱离本申请的精神和范围内，都可以做出可能的变动和修改，因此本申请的保护范围应当以本申请权利要求所界定的范围为准。

Claims (29)

1.一种云上***的端口流量智能控制***，其特征在于，包括：离线数据中心、端口计算中心、云***和端口转发中心；
所述离线数据中心，用于存储所述云***提供的流量数据；
所述端口计算中心，用于获得所述离线数据中心存储的流量数据，根据所述流量数据预测云上***的端口流量特征，根据所述端口流量特征，向所述云***发送调整云上***的端口带宽和/或端口流量的指示消息，其中，所述根据所述流量数据预测云上***的端口流量特征，包括：从所述离线数据中心提供的流量数据中提取流量数据时间信息和流量数据峰值信息，根据所述流量数据时间信息和所述流量数据峰值信息预测所述云上***将要访问的端口流量特征；
所述云***，用于根据所述端口计算中心发送的所述指示消息，得到调整后的端口带宽信息和/或端口流量信息，向所述端口转发中心发送调整后的端口带宽信息和/或调整后的端口流量信息；
所述端口转发中心，用于根据所述云***发送的所述调整后的端口带宽信息和/或调整后的端口流量信息，将从客户端获得的流量数据发送至云上***的端口。
2.根据权利要求1所述的云上***的端口流量智能控制***，其特征在于，
所述离线数据中心还用于对所述云***提供的流量数据进行流量数据清洗，向所述端口计算中心提供清洗后的流量数据；
所述端口计算中心具体用于获得所述离线数据中心提供的清洗后的流量数据，根据所述清洗后的流量数据预测云上***的端口流量特征。
3.根据权利要求2所述的云上***的端口流量智能控制***，其特征在于，
所述离线数据中心具体用于根据预设的流量数据正负样本的比例以及所述云***提供的流量数据中正样本的数量，从所述云***提供的流量数据中删除在所述比例之外的负样本，得到清洗后的流量数据。
4.根据权利要求1所述的云上***的端口流量智能控制***，其特征在于，
所述离线数据中心还用于对所述云***提供的流量数据进行离散化处理，获得离散化的流量数据，向所述端口计算中心提供离散化的流量数据；
所述端口计算中心具体用于获得所述离线数据中心提供的离散化的流量数据，根据所述离散化的流量数据预测云上***的端口流量特征。
5.根据权利要求1所述的云上***的端口流量智能控制***，其特征在于，
所述离线数据中心具体用于利用稀疏矩阵存储所述云***提供的流量数据，获得扩充样本量后的流量数据，向所述端口计算中心提供所述扩充样本量后的流量数据，所述扩充样本量后的流量数据的数量多于所述云***提供的流量数据的数量；
所述端口计算中心具体用于获得所述离线数据中心提供的所述扩充样本量后的流量数据，根据所述扩充样本量后的流量数据预测云上***的端口流量特征。
6.根据权利要求1所述的云上***的端口流量智能控制***，其特征在于，所述根据所述流量数据时间信息和所述流量数据峰值信息***所述云上***的端口流量数据特征，包括：
根据所述流量数据时间信息和所述流量数据峰值信息，利用贝叶斯网络模型，预测云上***的端口流量特征，所述贝叶斯网络模型是用于根据流量数据时间信息和流量数据峰值信息预测云上***的端口流量特征的网络模型。
7.根据权利要求6所述的云上***的端口流量智能控制***，其特征在于，所述贝叶斯网络模型通过以下方式进行训练：
将所述离线数据中心存储的流量数据按照时间维度和峰值维度进行聚类，得到聚类后的流量数据时间信息和流量数据峰值信息，对聚类后的流量数据时间信息和流量数据峰值信息进行归一化处理，得到归一化后的流量数据时间信息和流量数据峰值信息，利用归一化后的流量数据时间信息和流量数据峰值信息训练所述贝叶斯网络模型。
8.根据权利要求1所述的云上***的端口流量智能控制***，其特征在于，所述端口流量特征包括以下至少一种信息：
云上***的端口在一段时间范围内的流量峰值；
云上***的端口在一段时间范围内的流量变化信息；
云上***的端口在一段时间范围内的总流量信息；
云上***的端口在一段时间范围内的单位时间的平均流量信息。
9.根据权利要求1所述的云上***的端口流量智能控制***，其特征在于，
所述端口计算中心具体用于根据所述端口流量特征，确定云上***的端口在一段时间内的端口最大带宽和/或端口最大流量阈值；
所述向所述云***发送调整云上***的端口带宽和/或端口流量的指示消息，所述指示消息包括云上***的端口在一段时间内的端口最大带宽和/或端口最大流量阈值。
10.根据权利要求1所述的云上***的端口流量智能控制***，其特征在于，所述云***具体用于根据所述端口计算中心发送的调整云上***的端口带宽和/或端口流量的指示消息，得到调整后的端口带宽信息和/或端口流量信息，向所述端口转发中心发送调整后的端口带宽信息和/或调整后的端口流量信息。
11.根据权利要求1所述的云上***的端口流量智能控制***，其特征在于，
所述云上***端口用于当所述端口的流量数据达到或者超过可承载峰值时，向所述云***发送报警信息；
所述云***还可以用于，根据云上***端口发送的报警信息，自动调整所述端口带宽和/或端口流量，向所述端口转发中心发送调整后的端口带宽信息和/或调整后的端口流量信息。
12.一种流量特征预测方法，其特征在于，包括：
获取流量数据；
根据所述流量数据，预测云上***的端口流量特征，包括：从所述流量数据中提取流量数据时间信息和流量数据峰值信息，根据所述流量数据时间信息和所述流量数据峰值信息预测所述云上***将要访问的端口流量特征；
根据所述云上***的端口流量特征，向云***发送调整所述云上***的端口带宽和/或端口流量的指示消息。
13.根据权利要求12所述的流量特征预测方法，其特征在于，所述获取流量数据，根据所述流量数据，预测云上***的端口流量特征，具体包括：
获取清洗后的流量数据；
根据所述清洗后的流量数据，预测所述云上***的端口流量特征。
14.根据权利要求12所述的流量特征预测方法，其特征在于，所述获取流量数据，根据所述流量数据，预测云上***的端口流量特征，具体包括：
获取离散化的流量数据；
根据所述离散化的流量数据，预测所述云上***的端口流量特征。
15.根据权利要求12所述的流量特征预测方法，其特征在于，所述获取流量数据，根据所述流量数据，预测云上***的端口流量特征，具体包括：
获取扩充样本量后的流量数据；
根据所述扩充样本量后的流量数据，预测所述云上***的端口流量特征。
16.根据权利要求12所述的流量特征预测方法，其特征在于，所述获取流量数据，根据所述流量数据，预测云上***的端口流量特征，具体包括：
从离线数据中心存储的流量数据中，提取流量数据时间信息和流量数据峰值信息；
根据所述流量数据时间信息和所述流量数据峰值信息，利用贝叶斯网络模型，预测所述云上***的端口流量特征；
其中，所述贝叶斯网络模型是用于根据流量数据时间信息和流量数据峰值信息预测所述云上***的端口流量特征的网络模型。
17.根据权利要求12所述的流量特征预测方法，其特征在于，所述云上***端口流量特征包括以下至少一种信息：
云上***的端口在一段时间范围内的流量峰值；
云上***的端口在一段时间范围内的流量变化信息；
云上***的端口在一段时间范围内的总流量信息；
云上***的端口在一段时间范围内的单位时间的平均流量信息。
18.根据权利要求12所述的流量特征预测方法，其特征在于，所述根据所述云上***的端口流量特征，向云***发送调整云上***的端口带宽和/或端口流量的指示消息，具体包括：
根据所述端口流量特征，确定云上***的端口在一段时间内的端口最大带宽和/或端口最大流量阈值；
向所述云***发送调整云上***的端口带宽和/或端口流量的指示消息，所述指示消息包括云上***的端口在一段时间内的端口最大带宽和/或端口最大流量阈值。
19.一种流量数据处理方法，其特征在于，包括：
存储云***提供的流量数据；
对所述存储的流量数据进行流量数据清洗，向端口计算中心提供清洗后的流量数据，所述端口计算中心用于根据所述清洗后的流量数据，预测云上***的端口流量特征，并根据所述端口流量特征，向云***发送调整所述云上***的端口带宽和/或端口流量的指示消息；
其中，所述根据所述清洗后的流量数据，预测云上***的端口流量特征，包括：从所述清洗后的流量数据中提取流量数据时间信息和流量数据峰值信息，根据所述流量数据时间信息和所述流量数据峰值信息预测所述云上***将要访问的端口流量特征。
20.根据权利要求19所述的流量数据处理方法，其特征在于，所述对所述存储的流量数据进行流量数据清洗，向端口计算中心提供清洗后的流量数据，具体包括：
根据预设的流量数据正负样本的比例以及所述云***提供的流量数据中正样本的数量，从所述云***提供的流量数据中删除在所述比例之外的负样本，得到清洗后的流量数据，向端口计算中心提供清洗后的流量数据。
21.根据权利要求19所述的流量数据处理方法，其特征在于，所述存储云***提供的流量数据，对所述存储的流量数据进行流量数据清洗，向端口计算中心提供清洗后的流量数据，还包括：
对所述云***提供的流量数据进行离散化处理，获得离散化的流量数据，向端口计算中心提供离散化的流量数据。
22.根据权利要求19所述的流量数据处理方法，其特征在于，所述存储云***提供的流量数据，对所述存储的流量数据进行流量数据清洗，向端口计算中心提供清洗后的流量数据，具体包括：
利用稀疏矩阵存储所述云***提供的流量数据；
获得扩充样本量后的流量数据，向端口计算中心提供所述扩充样本量后的流量数据，所述扩充样本量后的流量数据的数量多于所述云***提供的流量数据的数量。
23.一种云上***的端口控制方法，其特征在于，包括：
获取云上***的端口调整的指示信息；
根据云上***的端口调整的指示信息，调整云上***的端口的带宽信息和/或端口流量信息，得到调整后的云上***的端口带宽信息和/或端口流量信息；
根据所述云上***的端口带宽信息和/或端口流量信息，向所述端口转发中心发送调整后的云上***的端口带宽信息和/或调整后的端口流量信息；
其中，所述云上***的端口调整指令根据预测得到的云上***的端口流量特征获得，所述端口流量特征根据流量数据时间信息和流量数据峰值信息获得，所述流量数据时间信息和所述流量数据峰值信息从离线数据中心存储的云***提供的流量数据中获得。
24.根据权利要求23所述的云上***的端口控制方法，其特征在于，所述根据云上***的端口调整的指示信息，调整云上***的端口的带宽信息和/或端口流量信息，得到调整后的云上***的端口带宽信息和/或端口流量信息，具体包括：
所述根据所述端口计算中心发送的调整云上***的端口带宽和/或端口流量的指示消息，得到调整后的端口带宽信息和/或端口流量信息，向所述端口转发中心发送调整后的端口带宽信息和/或调整后的端口流量信息。
25.根据权利要求23所述的云上***的端口控制方法，其特征在于，所述获取的调整云上***的端口带宽和/或端口流量的指示消息，具体包括：云上***的端口在一段时间内的端口最大带宽和/或端口最大流量阈值。
26.根据权利要求23所述的云上***的端口控制方法，其特征在于，还包括：
接收云上***的端口发送的报警信息；
根据云上***端口发送的报警信息，自动调整所述端口带宽和/或端口流量；
向所述端口转发中心发送调整后的端口带宽信息和/或调整后的端口流量信息。
27.一种流量特征预测装置，其特征在于，包括：
获取单元，用于获取流量数据；
预测单元，用于根据所述流量数据，预测云上***的端口流量特征；
发送单元，根据所述云上***的端口流量特征，向云***发送调整所述云上***的端口带宽和/或端口流量的指示消息；
其中，所述根据所述流量数据预测云上***的端口流量特征，包括：从离线数据中心提供的流量数据中提取流量数据时间信息和流量数据峰值信息，根据所述流量数据时间信息和所述流量数据峰值信息预测所述云上***将要访问的端口流量特征。
28.一种流量数据处理装置，其特征在于，包括：
存储单元，用于存储云***提供的流量数据；
清洗单元，用于对所述存储的流量数据进行流量数据清洗；
发送单元，用于向端口计算中心提供清洗后的流量数据；
其中，所述端口计算中心用于根据所述清洗后的流量数据，预测云上***的端口流量特征，并根据所述端口流量特征，向云***发送调整所述云上***的端口带宽和/或端口流量的指示消息；
所述根据所述清洗后的流量数据，预测云上***的端口流量特征，包括：从所述清洗后的流量数据中提取流量数据时间信息和流量数据峰值信息，根据所述流量数据时间信息和所述流量数据峰值信息预测所述云上***将要访问的端口流量特征。
29.一种云上***的端口控制装置，其特征在于，包括：
获取单元，用于获取云上***的端口调整的指示信息；
调整单元，用于根据云上***的端口调整的指示信息，调整云上***的端口的带宽信息和/或端口流量信息，得到调整后的云上***的端口带宽信息和/或端口流量信息；
发送单元，用于根据所述云上***的端口带宽信息和/或端口流量信息，向所述端口转发中心发送调整后的云上***的端口带宽信息和/或调整后的端口流量信息；
其中，所述云上***的端口调整指令根据预测得到的云上***的端口流量特征获得，所述端口流量特征根据流量数据时间信息和流量数据峰值信息获得，所述流量数据时间信息和所述流量数据峰值信息从离线数据中心存储的云***提供的流量数据中获得。
CN201810872051.1A 2018-08-02 2018-08-02 一种云上***的端口流量智能控制*** Active CN108924057B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810872051.1A CN108924057B (zh) 2018-08-02 2018-08-02 一种云上***的端口流量智能控制***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810872051.1A CN108924057B (zh) 2018-08-02 2018-08-02 一种云上***的端口流量智能控制***

Publications (2)

Publication Number Publication Date
CN108924057A CN108924057A (zh) 2018-11-30
CN108924057B true CN108924057B (zh) 2022-06-03

Family

ID=64394277

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810872051.1A Active CN108924057B (zh) 2018-08-02 2018-08-02 一种云上***的端口流量智能控制***

Country Status (1)

Country Link
CN (1) CN108924057B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111142438B (zh) * 2019-05-06 2021-02-12 南京瑞贻电子科技有限公司 一种云平台连接端口控制装置及控制方法
CN112235152B (zh) * 2020-09-04 2022-05-10 北京邮电大学 流量大小估算方法和装置
CN112202619A (zh) * 2020-10-12 2021-01-08 浪潮云信息技术股份公司 一种智能云计算网络流量调优***和方法
CN113467525A (zh) * 2021-07-28 2021-10-01 中国银行股份有限公司 接口调用流量控制方法及装置
CN116016306A (zh) * 2022-12-15 2023-04-25 中国联合网络通信集团有限公司 数据流量的转发方法、装置、设备及存储介质
CN116915517B (zh) * 2023-09-14 2023-11-24 厦门快快网络科技有限公司 一种云服务资源风险安全管理方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105049262A (zh) * 2015-08-24 2015-11-11 中国联合网络通信集团有限公司 调整端口流量负载的方法及装置
CN106302221A (zh) * 2016-09-12 2017-01-04 中国联合网络通信集团有限公司 基于端局云化的流量调度方法和***
CN106453111A (zh) * 2015-08-11 2017-02-22 中兴通讯股份有限公司 基于聚合链路的流量管理方法及装置
CN106712899A (zh) * 2016-11-25 2017-05-24 浙江宇视科技有限公司 一种端口速率调整方法及设备
CN106878116A (zh) * 2016-12-06 2017-06-20 新华三技术有限公司 流量限速方法和装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11509501B2 (en) * 2016-07-20 2022-11-22 Cisco Technology, Inc. Automatic port verification and policy application for rogue devices

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106453111A (zh) * 2015-08-11 2017-02-22 中兴通讯股份有限公司 基于聚合链路的流量管理方法及装置
CN105049262A (zh) * 2015-08-24 2015-11-11 中国联合网络通信集团有限公司 调整端口流量负载的方法及装置
CN106302221A (zh) * 2016-09-12 2017-01-04 中国联合网络通信集团有限公司 基于端局云化的流量调度方法和***
CN106712899A (zh) * 2016-11-25 2017-05-24 浙江宇视科技有限公司 一种端口速率调整方法及设备
CN106878116A (zh) * 2016-12-06 2017-06-20 新华三技术有限公司 流量限速方法和装置

Also Published As

Publication number Publication date
CN108924057A (zh) 2018-11-30

Similar Documents

Publication Publication Date Title
CN108924057B (zh) 一种云上***的端口流量智能控制***
US11102641B2 (en) SIM card status determination method and SIM card status determination device
CN110311812B (zh) 一种网络分析方法、装置和存储介质
CN111741073B (zh) 基于5g通信网络的电力数据传输***
SG11201808770SA (en) Agent allocation method and device, server, and storage medium
CN107708152B (zh) 异构蜂窝网络的任务卸载方法
CN110830384B (zh) 业务流量的限流方法、装置及***
CN113242526A (zh) 一种云计算服务器机房实时监控***
CN109451534A (zh) 一种用于5G***会话管理中QoS流的动态控制方法和装置
CN112926791A (zh) 一种机房温度分布预测方法及***
CN106101264A (zh) 内容分发网络日志推送方法、装置和***
CN115016923A (zh) 基于边缘网关的物联网数据智能处理方法
CN107579858A (zh) 云主机的告警方法及装置、通信***
CN111901134B (zh) 一种基于循环神经网络模型rnn的预测网络质量的方法和装置
US20150289162A1 (en) Methods circuits devices systems and associated computer executable code for implementing cell congestion detection in a mobile network
Ahmed et al. Predicting high delays in mobile broadband networks
JP7019479B2 (ja) 受配電設備の監視システム
CN106789429B (zh) 一种自适应低代价sdn网络链路利用率测量方法及***
CN107634881A (zh) 一种网络或视频业务探测***及方法
CN113225824A (zh) 一种基于5g技术的不同业务需求带宽自动分配装置及方法
CN111476401A (zh) 航班时刻表优化方法及***
CN113794646B (zh) 能源行业的监控数据传输***及方法
CN106612241B (zh) 一种业务控制方法及装置
CN112838957B (zh) 一种具备智能调度的流量预测***
JP6418638B2 (ja) 通信識別方法および装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant