CN109861869B - 一种配置文件的生成方法及装置 - Google Patents

Abstract

本申请提供一种配置文件的生成方法及装置，包括：确定所述网络的拓扑结构、以及所述网络中各成员设备的设备信息；基于所述网络的拓扑结构和各成员设备的设备信息，生成所述网络的第一网络拓扑图；将所述第一网络拓扑图输入至已训练的神经网络中，以由所述神经网络对所述第一网络拓扑图进行识别，输出所述网络中各成员设备的第一配置文件；获取所述神经网络输出的各成员设备的第一配置文件。使用本申请提供的方法可以提高配置文件生成和下发的效率以及准确性。

Description

一种配置文件的生成方法及装置

技术领域

本申请涉及计算机通信领域，尤其涉及一种配置文件的生成方法及装置。

背景技术

用户网络通常由几十台甚至上百台网络设备组成。现有对于用户网络中网络设备的配置方式是：人工对用户网络中的每台网络设备进行配置。这种人工配置方式配置效率低，并且容易出错。

发明内容

有鉴于此，本申请提供一种配置文件的生成方法及装置，用以提高配置文件生成和下发的效率以及准确性。

具体地，本申请是通过如下技术方案实现的：

根据本申请的第一方面，提供一种配置文件的生成方法，所述方法应用于网络中的网管设备，包括：

确定所述网络的拓扑结构、以及所述网络中各成员设备的设备信息；

基于所述网络的拓扑结构和各成员设备的设备信息，生成所述网络的第一网络拓扑图；

将所述第一网络拓扑图输入至已训练的神经网络中，以由所述神经网络对所述第一网络拓扑图进行识别，输出所述网络中各成员设备的第一配置文件；

获取所述神经网络输出的各成员设备的第一配置文件。

可选的，所述确定所述网络的拓扑结构、以及所述网络中各成员设备的设备信息，包括：

向各成员设备发送拓扑搜集报文；

接收各成员设备返回各成员设备的拓扑信息和设备信息；

基于各成员设备的拓扑信息计算所述网络的拓扑结构。

可选的，在所述生成所述网络中各成员设备的配置文件之后，所述方法还包括：

向用户展示所述第一网络拓扑图和为各成员设备生成的第一配置文件；

若接收到用户输入的针对该第一配置文件的确认消息，则将为各成员设备生成的第一配置文件下发给各成员设备。

可选的，在向用户展示所述网络拓扑图和为各成员设备生成的配置文件之后，所述方法还包括：

若接收到用户输入的针对该第一配置文件的修改消息，则获取该修改消息中携带的第二网络拓扑图；所述第二网络拓扑图为用户在第一网络拓扑图中的指定位置添加了关键信息后形成的网络拓扑图；

将所述第二网络拓扑图输入至所述神经网络，以由所述神经网络对第二网络拓扑图进行识别，输出各成员设备的第二配置文件；

获取各成员设备的第二配置文件并下发给各成员设备。

可选的，所述神经网络通过各类型网络对应的样本标签对训练而成；每一个网络对应的样本标签对中的样本为该网络的网络拓扑图，标签为该网络中各成员设备的配置文件。

根据本申请的第二方面，提供一种配置文件的生成装置，所述装置应用于网络中的网管设备，包括：

确定单元，用于确定所述网络的拓扑结构、以及所述网络中各成员设备的设备信息；

生成单元，用于基于所述网络的拓扑结构和各成员设备的设备信息，生成所述网络的第一网络拓扑图；

输入单元，用于将所述第一网络拓扑图输入至已训练的神经网络中，以由所述神经网络对所述第一网络拓扑图进行识别，输出所述网络中各成员设备的第一配置文件；

获取单元，用于获取所述神经网络输出的各成员设备的第一配置文件。

可选的，所述确定单元，具体用于向各成员设备发送拓扑搜集报文；接收各成员设备返回各成员设备的拓扑信息和设备信息；基于各成员设备的拓扑信息计算所述网络的拓扑结构。

可选的，所述装置还包括：

下发单元，用于向用户展示所述第一网络拓扑图和为各成员设备生成的第一配置文件；若接收到用户输入的针对该第一配置文件的确认消息，则将为各成员设备生成的第一配置文件下发给各成员设备。

可选的，所述下发单元，还用于若接收到用户输入的针对该第一配置文件的修改消息，则获取该修改消息中携带的第二网络拓扑图；所述第二网络拓扑图为用户在第一网络拓扑图中的指定位置添加了关键信息后形成的网络拓扑图；将所述第二网络拓扑图输入至所述神经网络，以由所述神经网络对第二网络拓扑图进行识别，输出各成员设备的第二配置文件；获取各成员设备的第二配置文件并下发给各成员设备。

可选的，所述神经网络通过各类型网络对应的样本标签对训练而成；每一个网络对应的样本标签对中的样本为该网络的网络拓扑图，标签为该网络中各成员设备的配置文件。

由于本申请采用已训练的神经网络对网管设备自动的生成的网络拓扑图进行识别，得到各成员设备的配置文件，而无需再由人工为每个成员设备输入配置文件，所以可以大大提高配置文件的生成效率，大大减小了人工配置工作量。

此外，在生成各成员设备的配置文件后，网管设备并没有立即将配置文件下发给各成员设备，而是将配置文件展示用户，由用户进行确认，这种方法可以大大提高下发配置文件的准确性。

附图说明

图1是本申请一示例性实施例示出的一种网络拓扑图的示意图；

图2是本申请一示例性实施例示出的一种配置文件生成方法的流程图；

图3是本申请一示例性实施例示出的另一种网络拓扑图的示意图；

图4是是本申请一示例性实施例示出的一种配置文件生成装置的框图；

图5是本申请一示例性实施例示出的网管设备的硬件结构图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。

在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

应当理解，尽管在本申请可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。

通常网络中可包括：网管设备和成员设备。

1)上述网管设备可用于管理成员设备，比如发现成员设备，搜集各成员设备的网络拓扑信息(比如成员设备与哪些设备相连，连接方式、连接端口等等)、各成员设备的设备信息(比如设备型号等等)等等。

该网管设备可以是配置在该网络中的物理设备，比如，当该网络是SDN(SoftwareDefined Network，软件定义网络)网络时，该网管设备可以是SDN控制器。

当然，该网管设备也可以该网络中配置有网管软件的网络设备。这里，只是对网管设备进行示例地说明，不进行具体地限定。

2)上述成员设备(也可被称为网络设备)可包括转发设备，比如交换机、路由器等，主要用于报文转发等。

网络中的网管设备基于该网络的拓扑结构和各成员设备的设备信息生成该网络的网络拓扑图，并将该网络拓扑图输入至已训练的神经网络中，由神经网络对该网络拓扑图进行识别，得到该网络中各成员设备的配置文件。

由于本申请采用已训练的神经网络对网管设备自动的生成的网络拓扑图进行识别，得到各成员设备的配置文件，而无需再由人工为每个成员设备输入配置文件，所以可以大大提高配置文件的生成效率。

下面先对神经网络的训练进行详细地说明。

该神经网络可以搭载在电子设备上，该电子设备可以是上述网管设备，也可以是独立于网管设备的服务器、服务器集群。这里只是对神经网络搭载的电子设备进行示例性地说明，不进行具体地限定。

所述神经网络通过各类型的网络对应的样本标签对训练而成；每一个网络对应的样本标签对中的样本为该网络的网络拓扑图，标签为该网络中各成员设备的配置文件。

具体可通过如下步骤实现神经网络的训练。

步骤1：电子设备可以获取各种类型网络的网络拓扑、网络中各成员设备的设备信息以及用于表征网络属性的关键信息，以及各网络中各成员设备的配置文件，然后基于各种类型的网络的网络拓扑、网络中各成员设备的设备信息以及关键信息，生成预设格式的网络拓扑图。

首先对步骤1所涉及的概念进行解释。

1)各种类型网络可以包括：应用于不同场景的网络，比如园区网络、数据中心网络等等，当然该各种类型的网络还可以包括通过各种网络技术组建的特殊网络，比如VXLAN(Virtual eXtensible LAN，可扩展虚拟局域网络)网络、MPLS(Multi-protocol LabelSwitching，多协议标签交换)L2VPN(Layer 2 Virtual Private Network，二层虚拟专用网络)网络等等，当然，该各种类型的网络还可以包括常见的二层转发网络和三层转发网络。这里只是对网络的网络类型进行示例性地说明，不进行具体地限定。

网络类型越丰富，网络数量越多，训练出的神经网络生成配置文件的准确性就越高。

2)网络拓扑图

在实际应用中，可能会出现不同类型的网络具有相同的网络拓扑图的情形，因此在本申请实施例中，生成网络拓扑图中不仅可以包括网络中各成员设备、各成员设备的连接关系，还可以包括各成员设备的设备信息、以及该网络的关键信息。

其中，设备信息可包括设备型号等信息。由于应用于不同场景的网络通常采用的不同型号的设备。比如园区网络和数据中心网络所采用的网络设备的设备型号不同。因此可以基于设备信息来训练神经网络区分应用于不同场景的网络。

关键信息用于表征网络的属性，比如关键信息可以是用于标识该网络是特殊网络，如VXLAN网络，或者MPLS L2VPN网络。通过该关键信息训练神经网络区分基于常见网络(如常见二层网络和三层网络)和特殊网络。

此外，还需要说明的是，本申请的网络拓扑图是预设格式的网络拓扑图，进一步来说网络拓扑图中的各网络设备的图标、连线都是预设的。不同类型的网络设备对应不同的图标。比如、接入交换机、汇聚交换机、核心交换机、AP、AC等都对应不同的图标。网络设备的图标附近的指定位置还配置网络设备的设备信息。若该网络为特殊网络，整个网络拓扑图的指定位置还配置上述关键信息。

例如，本申请的网络拓扑图示意图可如图1所示。

图1中的设备101至设备104为接入交换机、设备105和设备106为汇聚交换机、设备107为核心交换机。设备101至设备107右下角配置有各设备的设备型号。图1的左上角配置有关键信息(如VXLAN)。

步骤2：电子设备针对每一个网络，以该网络中各成员设备的配置文件作为标签、以为该网络生成的预设格式的网络拓扑图作为样本，生成该网络的样本标签对。

步骤3：电子设备可采用各种类型网络对应的样本标签对训练该神经网络。

在实现时，电子设备可将各种类型网络对应的样本标签对输入至神经网络。针对每一个样本标签对，神经网络可以对样本进行识别，得到样本中的各网络设备的配置文件。然后神经网络可以计算识别得到的各网络设备的配置文件和标签中的各网络设备的配置文件的误差，并将该误差反向传播，调整该神经网络的各层参数，直至神经网络识别样本得到的各网络设备的配置文件与标签中各网络设备的配置文件的误差在一定范围内时，确定该神经网络训练完成。

下面对使用该神经网络生成配置文件的方法进行详细地说明。

参见图2，图2是本申请一示例性实施例示出的一种配置文件生成方法的流程图，该方法可应用在网络中的网管设备上，可包括如下所述步骤。

步骤201：网管设备可确定所述网络的拓扑结构、以及所述网络中各成员设备的设备信息。

在实现时，网管设备可以向各成员设备发送拓扑搜集报文。成员设备在接收到拓扑搜集报文后，可向网管设备返回该成员设备的拓扑信息和设备信息。

网管设备在接收到各成员设备返回的各成员设备的拓扑信息后，可以基于各成员设备的拓扑信息计算该网络的拓扑结构。

其中，拓扑信息包括：成员设备的接口信息、邻居信息、堆叠信息等等。这里只是对拓扑信息进行示例性地说明，不进行具体地限定。

还需要说明的是，上述拓扑搜集报文可以是基于LLDP协议的报文，也可以是其他用于搜集成员设备拓扑信息和设备信息的其他类型协议的报文，也可以是私有协议报文，这里只是对拓扑搜集报文进行示例性地说明，不进行具体地限定。

步骤202：网管设备基于所述网络的拓扑结构和各成员设备的设备信息，生成所述网络的第一网络拓扑图。

在实现时，网络设备基于计算出的网络的拓扑结构和各成员设备的设备信息，生成预设格式的第一网络拓扑图。

步骤203：网管设备将所述第一网络拓扑图输入至已训练的神经网络中，以由所述神经网络对所述第一网络拓扑图进行识别，输出所述网络中各成员设备的第一配置文件。

步骤204：网管设备可获取所述神经网络输出的各成员设备的第一配置文件。

在实现时，网管设备可将第一网络拓扑图输入至上述已训练的神经网络中。神经网络可以对该第一网络拓扑图进行识别，得到该第一网络拓扑图中的各成员设备的第一配置文件，并输出各成员设备的第一配置文件。

网管设备可以获取神经网络输出的各成员设备的第一配置文件。

在实际应用中，特殊网络(比如是VXLAN网络、MPLS L2VPN网络等)和常用网络(比如常用二层转发网络和三层转发网络等)可能具有相同的网络拓扑，而特殊网络和常见网络中各成员设备的配置文件又是不同的。因此需要网络的关键信息来区分特殊网络和常见网络。

但是，网管设备无法基于拓扑搜集报文确定该网络的关键信息，因此，在网管设备获取到神经网络输出的各成员设备的第一配置文件后，可向用户展示该各成员设备的第一配置文件以及该第一网络拓扑图，以由用户进行第一配置文件的确认操作。

当用户确定各成员设备的第一配置文件正确后，用户可以输入确认消息。当网管设备接收到用户输入的针对该第一配置文件的确认消息后，网管设备可将各成员设备的第一配置文件下发给各成员设备。

当用户确定该成员设备的第一配置文件不正确时，用户可以在网管设备展示的第一网络拓扑图的指定位置输入关键信息形成第二网络拓扑图。然后，用户可以向网管设备输入修改消息，该修改消息中携带有第二网络拓扑图。

当网管设备接收到用户针对该第一配置文件的修改消息后，可以获取该修改消息中携带的第二网络拓扑图，然后将第二网络拓扑图输入至所述神经网络。神经网络可对该第二网络拓扑图进行识别，输出各成员设备的第二配置文件。

网管设备可将获取神经网络输出的各成员设备的第二配置文件，然后将各成员设备的第二配置文件下发给各成员设备。

例如，假设该网络是VXLAN网络，但是由于网络中的网管设备基于网络中各成员设备的网络拓扑信息和设备信息无法确定出该网络的关键信息(即VXLAN)，所以网管设备基于各成员设备的网络拓扑信息和设备信息生成的第一网络拓扑图如图3所示。

网管设备将图3所示的网络拓扑图输入到神经网络，以由神经网络对图3所示的网络拓扑图进行识别，输出该网络拓扑图中各成员设备对应的第一配置文件。

然后，网管设备可以将图3所示的网络拓扑图和第一配置文件展示给用户。

用户发现第一配置文件不正确，并在图3所示的网络拓扑图的指定位置添加了关键信息(即VXLAN)，形成第二网络拓扑图(如图1所示)。然后，用户可在网管设备上输入修改消息，该修改消息携带了图1所示的网络拓扑图。

网管设备可获取该修改消息中携带图1所示的网络拓扑图，然后将图1所示的网络拓扑图输入至神经网络中，以由神经网络对图1所示的网络拓扑图进行识别，输出各成员设备的第二配置文件。网管设备可以获取神经网络输出的各成员设备的第二配置文件，并将第二配置文件下发给各成员设备。

由上述描述可知，通过用户对生成的各成员设备的配置文件进行确认，可以提高网管设备为各成员设备下发配置文件的准确性。

本申请提出一种配置文件的生成方法，网络中的网管设备基于该网络的拓扑结构和各成员设备的设备信息生成该网络的网络拓扑图，并将该网络拓扑图输入至已训练的神经网络中，由神经网络对该网络拓扑图进行识别，得到该网络中各成员设备的配置文件。

由于本申请采用已训练的神经网络对网管设备自动的生成的网络拓扑图进行识别，得到各成员设备的配置文件，而无需再由人工为每个成员设备输入配置文件，所以可以大大提高配置文件的生成效率，大大减小了人工配置工作量。

此外，在生成各成员设备的配置文件后，网管设备并没有立即将配置文件下发给各成员设备，而是将配置文件展示用户，由用户进行确认，这种方法可以大大提高下发配置文件的准确性。

此外，本申请还提供了与上述配置文件生成方法对应的配置文件生成装置。

参见图4，图4是是本申请一示例性实施例示出的一种配置文件生成装置的框图。该装置可应用在网管设备上，可包括如下所示单元。

确定单元401，用于确定所述网络的拓扑结构、以及所述网络中各成员设备的设备信息；

生成单元402，用于基于所述网络的拓扑结构和各成员设备的设备信息，生成所述网络的第一网络拓扑图；

输入单元403，用于将所述第一网络拓扑图输入至已训练的神经网络中，以由所述神经网络对所述第一网络拓扑图进行识别，输出所述网络中各成员设备的第一配置文件；

获取单元404，用于获取所述神经网络输出的各成员设备的第一配置文件。

可选的，所述确定单元401，具体用于向各成员设备发送拓扑搜集报文；接收各成员设备返回各成员设备的拓扑信息和设备信息；基于各成员设备的拓扑信息计算所述网络的拓扑结构。

可选的，所述装置还包括：

下发单元405，用于向用户展示所述第一网络拓扑图和为各成员设备生成的第一配置文件；若接收到用户输入的针对该第一配置文件的确认消息，则将为各成员设备生成的第一配置文件下发给各成员设备。

可选的，所述下发单元405，还用于若接收到用户输入的针对该第一配置文件的修改消息，则获取该修改消息中携带的第二网络拓扑图；所述第二网络拓扑图为用户在第一网络拓扑图中的指定位置添加了关键信息后形成的网络拓扑图；将所述第二网络拓扑图输入至所述神经网络，以由所述神经网络对第二网络拓扑图进行识别，输出各成员设备的第二配置文件；获取各成员设备的第二配置文件并下发给各成员设备。

可选的，所述神经网络通过各类型网络对应的样本标签对训练而成；每一个网络对应的样本标签对中的样本为该网络的网络拓扑图，标签为该网络中各成员设备的配置文件。

参见图5，图5是本申请一示例性实施例示出的网管设备的硬件结构图。

该网管设备包括：通信接口501、处理器502、机器可读存储介质503和总线504；其中，通信接口501、处理器502和机器可读存储介质503通过总线504完成相互间的通信。处理器502通过读取并执行机器可读存储介质503中与配置文件生成控制逻辑对应的机器可执行指令，可执行上文描述的配置文件生成方法。

本文中提到的机器可读存储介质503可以是任何电子、磁性、光学或其它物理存储装置，可以包含或存储信息，如可执行指令、数据，等等。例如，机器可读存储介质可以是：易失存储器、非易失性存储器或者类似的存储介质。具体地，机器可读存储介质503可以是RAM(Radom Access Memory，随机存取存储器)、闪存、存储驱动器(如硬盘驱动器)、固态硬盘、任何类型的存储盘(如光盘、DVD等)，或者类似的存储介质，或者它们的组合。

上述装置中各个单元的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程，在此不再赘述。

对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本申请方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

以上所述仅为本申请的较佳实施例而已，并不用以限制本申请，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请保护的范围之内。

Claims (6)

1.一种配置文件的生成方法，其特征在于，所述方法应用于任一类型的网络中的网管设备，包括：

确定所述网络的拓扑结构、以及所述网络中各成员设备的设备信息；

基于所述网络的拓扑结构、各成员设备的设备信息和用于表征该网络的属性的关键信息，生成所述网络预设格式的第一网络拓扑图；所述设备信息至少包括设备型号；

将所述第一网络拓扑图输入至已训练完成的神经网络中，以由所述神经网络对所述第一网络拓扑图进行识别，输出所述网络中各成员设备的第一配置文件；其中，已训练完成的神经网络是通过各类型网络对应的样本标签对训练而成；每一个网络对应的样本标签对中的样本为该网络的网络拓扑图，标签为该网络中各成员设备的配置文件；所述该网络的网络拓扑图是基于该网络的拓扑结构、各成员设备的设备信息和用于表征不同类型网络的属性的关键信息生成的；

获取所述神经网络输出的各成员设备的第一配置文件。

2.根据权利要求1所述的方法，其特征在于，所述确定所述网络的拓扑结构、以及所述网络中各成员设备的设备信息，包括：

向各成员设备发送拓扑搜集报文；

接收各成员设备返回各成员设备的拓扑信息和设备信息；

基于各成员设备的拓扑信息计算所述网络的拓扑结构。

3.根据权利要求1所述的方法，其特征在于，在所述生成所述网络中各成员设备的配置文件之后，所述方法还包括：

向用户展示所述第一网络拓扑图和为各成员设备生成的第一配置文件；

若接收到用户输入的针对该第一配置文件的确认消息，则将为各成员设备生成的第一配置文件下发给各成员设备。

4.一种配置文件的生成装置，其特征在于，所述装置应用于任一类型的网络中的网管设备，包括：

确定单元，用于确定所述网络的拓扑结构、以及所述网络中各成员设备的设备信息；

生成单元，用于基于所述网络的拓扑结构、各成员设备的设备信息和用于表征所述网络的属性的关键信息，生成所述网络预设格式的第一网络拓扑图；所述设备信息至少包括设备型号；

输入单元，用于将所述第一网络拓扑图输入至已训练完成的神经网络中，以由所述神经网络对所述第一网络拓扑图进行识别，输出所述网络中各成员设备的第一配置文件；其中，已训练完成的神经网络是通过各类型网络对应的样本标签对训练而成；每一个网络对应的样本标签对中的样本为该网络的网络拓扑图，标签为该网络中各成员设备的配置文件；所述该网络的网络拓扑图是基于该网络的拓扑结构、各成员设备的设备信息和用于表征网络的属性的关键信息生成的；

获取单元，用于获取所述神经网络输出的各成员设备的第一配置文件。

5.根据权利要求4所述的装置，其特征在于，所述确定单元，具体用于向各成员设备发送拓扑搜集报文；接收各成员设备返回各成员设备的拓扑信息和设备信息；基于各成员设备的拓扑信息计算所述网络的拓扑结构。

6.根据权利要求5所述的装置，其特征在于，所述装置还包括：

下发单元，用于向用户展示所述第一网络拓扑图和为各成员设备生成的第一配置文件；若接收到用户输入的针对该第一配置文件的确认消息，则将为各成员设备生成的第一配置文件下发给各成员设备。

Images