CN114363192A - 网络运行的性能指标分析方法及***、电子设备 - Google Patents
网络运行的性能指标分析方法及***、电子设备 Download PDFInfo
- Publication number
- CN114363192A CN114363192A CN202111611480.1A CN202111611480A CN114363192A CN 114363192 A CN114363192 A CN 114363192A CN 202111611480 A CN202111611480 A CN 202111611480A CN 114363192 A CN114363192 A CN 114363192A
- Authority
- CN
- China
- Prior art keywords
- data
- performance index
- network
- performance
- network operation
- 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.)
- Pending
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 63
- 238000000034 method Methods 0.000 claims abstract description 39
- 238000004590 computer program Methods 0.000 claims abstract description 21
- 238000003860 storage Methods 0.000 claims abstract description 21
- 238000009826 distribution Methods 0.000 claims description 55
- 238000007689 inspection Methods 0.000 claims description 24
- 238000012545 processing Methods 0.000 claims description 13
- 238000012360 testing method Methods 0.000 claims description 5
- 238000012423 maintenance Methods 0.000 abstract description 15
- 230000009897 systematic effect Effects 0.000 abstract description 5
- 208000018910 keratinopathic ichthyosis Diseases 0.000 description 40
- 238000010586 diagram Methods 0.000 description 11
- 238000012795 verification Methods 0.000 description 10
- 238000007726 management method Methods 0.000 description 9
- 238000013524 data verification Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000010835 comparative analysis Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000013441 quality evaluation Methods 0.000 description 3
- 230000011664 signaling Effects 0.000 description 3
- 238000007619 statistical method Methods 0.000 description 3
- 238000001276 Kolmogorov–Smirnov test Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000005315 distribution function Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Environmental & Geological Engineering (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明公开了一种网络运行的性能指标分析方法及***、电子设备、计算机可读存储介质、计算机程序产品,该分析方法基于数据特征进行性能指标的一致性分析,通过***平台实现,对不同网络运行的性能指标具有普适性。并且可定期、按需进行全面分析,以***方式代替原人工方式,使全面的网络运行的性能指标一致性检查成为可能,同时也将网络运行的性能指标分析前置,在新的性能指标纳入或者版本升级时主动进行性能指标一致性分析,在极大提高工作效率的同时,能够及时发现网络运行的性能指标问题,为网络维护提供客观数据参考。
Description
技术领域
本发明涉及网络维护技术领域,特别涉及一种网络运行的性能指标分析方法及***、电子设备。
背景技术
为做好用户服务和业务推广,网络运营商需要建设服务于不同目的的***/平台,提供客户服务、业务配置、运营分析、资产管理等能力。以运营分析、网络维护和优化为目的的***/平台,一般由设备商提供的网元管理***(EMS,Element Management System)进行区域级网元管理和网络管理,对于大型网络,会由运营商牵头第三方软件厂商建设运营支撑***(OSS,Operation Support System)实现跨设备商的网络级运营管理。
发明内容
本发明实施例提供了一种网络运行的性能指标分析方法及***、电子设备,以及实现上述方法的计算机可读存储和计算机程序产品,用以解决日常网络运行的性能指标波动后的一致性检查,可以极大提高数据一致性检查效率,能及时发现网络运行的性能指标出现的问题,为网络维护提供客观数据参考。
本发明实施例提供的一种网络运行的性能指标分析方法,包括:
提供网络运行的性能指标的标准数据;
接收所述标准数据,对用户提交的待检验的性能指标数据进行检验,并输出数据检验结果;
接收所述数据检验结果,确定用户选择检验的性能指标数据中不符合标准的性能指标数据。
在一些实施例中,所述提供网络运行的性能指标的标准数据,具体为:
采集网络运行的性能指标数据,并对所述网络运行的性能指标数据进行结构化、标准化处理,形成所述网络运行的性能指标的标准数据。
在一些实施例中,所述对用户提交的待检验的性能指标数据进行检验,具体为:
根据用户需求,对不同设备商的指定性能指标数据在相同时间段或对同一设备的相同性能指标数据在不同时间段内的数据分布进行检验。
在一些实施例中,采用K-S检验算法对不同设备商的指定性能指标数据在相同时间段的数据分布或同一设备商的相同性能指标数据在不同时间段内的数据分布进行检验。
在一些实施例中,所述输出数据检验结果,具体为:
以拟合分布曲线的方式输出所述数据检验结果。
在一些实施例中,采用PC端应用程序界面或手机APP界面的方式呈现所述拟合分布曲线和所述数据检验结果。
本发明实施例提供的一种网络运行的性能指标分析***,包括:
数据源模块,被配置为提供网络运行的性能指标的标准数据;
算法检验模块,被配置为接收所述标准数据,对用户提交的待检验的性能指标数据进行检验,并输出数据检验结果;
用户界面模块,被配置为接收所述数据检验结果,确定用户选择检验的性能指标数据中不符合标准的性能指标数据。
在一些实施例中,所述数据源模块具体被配置为:采集网络运行的性能指标数据,并对所述网络运行的性能指标数据进行结构化、标准化处理,形成所述网络运行的性能指标的标准数据。
在一些实施例中,所述算法检验模块具体被配置为:
根据用户需求,对不同设备商的指定性能指标数据在相同时间段的数据分布或同一设备商的相同性能指标数据在不同时间段内的数据分布进行检验。
在一些实施例中,所述算法检验模块采用K-S检验算法对不同设备商的指定性能指标数据在相同时间段的数据分布或同一设备商的相同性能指标数据在不同时间段内的数据分布进行检验。
在一些实施例中,所述算法检验模块以拟合分布曲线的方式输出所述数据检验结果。
在一些实施例中,所述用户界面模块具体被配置为:
采用PC端应用程序界面或手机APP界面的方式呈现所述拟合分布曲线和所述数据检验结果。
本发明实施例提供的一种电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现本发明实施例提供的网络运行的性能指标分析方法。
本发明实施例提供的一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现本发明实施例提供的网络运行的性能指标分析方法。
本发明实施例提供的一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现本发明实施例提供的网络运行的性能指标分析方法。
本发明实施例提供的网络运行的性能指标分析方法及***、电子设备、计算机可读存储介质、计算机程序产品,该分析方法基于数据特征进行性能指标的一致性分析,通过***平台实现,对不同网络运行的性能指标具有普适性。并且可定期、按需进行全面分析,以***方式代替原人工方式,使全面的网络运行的性能指标一致性检查成为可能,同时也将网络运行的性能指标分析前置,在新的性能指标纳入或者版本升级时主动进行性能指标一致性分析,在极大提高工作效率的同时,能够及时发现网络运行的性能指标问题,为网络维护提供客观数据参考。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简要介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域的普通技术人员来讲,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。
图1为本申请实施例提供的一种网络运行的性能指标分析方法的流程示意图;
图2为本申请实施例提供的一种网络运行的性能指标分析***的示意图;
图3为本申请实施例提供的又一种网络运行的性能指标分析***的示意图;
图4为本申请实施例提供的一种电子设备的示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本公开将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。
此外,所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中,提供许多具体细节从而给出对本公开的实施例的充分理解。然而,本领域技术人员将意识到,可以实践本公开的技术方案而没有特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知方法、装置、实现或者操作以避免模糊本公开的各方面。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解,而有的操作/步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
性能指标(KPI)数据是进行网络运行质量评估的数据源,网络层网管***(NMS)通过网元层网管***(EMS)的北向接口采集表征网元运行状态的告警、性能、网络配置参数等数据,可进行网络的故障监控、网元管理和维护以及运营质量评估分析。
网络运行质量通过性能指标(KPI)来表征,设备商对KPI数据采集机制不同会造成设备商间KPI的不一致,设备软件版本升级也会造成同一设备商相同KPI的波动,不同OMC(操作维护中心)由于覆盖区域及用户分布、行为差异,也会导致OMC间指标差异。
目前一般通过统计分析或者信令跟踪的方式发现此类问题,两种方式存在以下问题:
传统统计分析方法:设备商覆盖区域不同,不同区域的用户模型、业务模型、地理特征等诸多因素会造成KPI实质性的不同,平均、中位数等简单的统计分析结果既可能由于是业务模型不同导致,也可能由于设备商KPI机制不同导致,从而影响对数据一致性的判断。
信令跟踪方法:需要专业人员利用专业仪表工具在实际现网里或者实验室里进行信令捕获和分析,技术难度大,且只能针对已知问题而发生的特定流程,不具备普遍性。
由于用于评估网络运行的KPI体系较大、数据较多,现有方式以人工判断为主,一般以各种方式已暴露的问题为触发点,再将问题交付专家解决,属于有针对性的后分析。
为了解决日常网络运行的性能指标(KPI)波动后的一致性检查,并且为了提高KPI一致性检查的效率,能及时发现KPI问题,为网络维护提供客观数据参考,提出本技术方案。
本发明实施例提供了一种网络运行的性能指标分析方法,如图1所示,包括:
S101、提供网络运行的性能指标的标准数据;
S102、接收标准数据,对用户提交的待检验的性能指标数据进行检验,并输出数据检验结果;
S103、接收数据检验结果,确定用户选择检验的性能指标数据中不符合标准的性能指标数据。
本发明实施例提供的网络运行的性能指标分析方法,该分析方法基于数据特征进行性能指标的一致性分析,通过***平台实现,对不同网络运行的性能指标具有普适性。并且可定期、按需进行全面分析,以***方式代替原人工方式,使全面的网络运行的性能指标一致性检查成为可能,同时也将网络运行的性能指标分析前置,在新的性能指标纳入或者版本升级时主动进行性能指标一致性分析,在极大提高工作效率的同时,能够及时发现网络运行的性能指标问题,为网络维护提供客观数据参考。
在一些实施例中,步骤S101提供网络运行的性能指标的标准数据,具体为:
采集网络运行的性能指标数据,并对网络运行的性能指标数据进行结构化、标准化处理,形成网络运行的性能指标的标准数据。
例如,针对不同的设备商区域,每个设备商区域包括多个基站,可以先采集各基站对应的网络运行的性能指标(例如掉话率等),即采集网元(EM)数据;然后网元层网管***(EMS)汇总同一设备商区域对应的EM数据,然后将EMS数据提供至网络层网管***(NMS),最后对采集的NMS对应的网络运行的性能指标数据进行结构化、标准化处理,形成网络运行的性能指标的标准数据。
在一些实施例中,步骤S102对用户提交的待检验的性能指标数据进行检验,具体为:
根据用户需求,对不同设备商的指定性能指标数据在相同时间段或对同一设备的相同性能指标数据在不同时间段内的数据分布进行检验。
示例性地,针对不同来源相同性能指标(KPI)的分布分析:在多设备商网络中进行网络运行质量评估时,可对比不同设备商相同KPI指标的一致性,以发现不同设备商所提供的KPI指标差异。
示例性地,针对相同KPI指标不同时间域的分布分析:在设备商进行版本升级时,可对比同一设备商不同时间域的KPI指标差异,以发现KPI的波动,避免因代码BUG或其他原因造成KPI指标异常。
本发明实施例基于数据特征进行KPI指标一致性分析通过***平台实现,对不同网络不同KPI指标具有普适性。可定期、按需进行全面分析,以***方式代替原人工方式,使全面的KPI一致性检查成为可能,同时也将分析前置,在新KPI纳入或者版本升级时主动进行一致性分析,在极大提高工作效率的同时,能够及时发现KPI问题,为网络维护提供客观数据参考。
在一些实施例中,可以采用K-S检验算法对不同设备商的指定性能指标数据在相同时间段的数据分布或同一设备商的相同性能指标数据在不同时间段内的数据分布进行检验。
具体地,K-S检验算法是基于累计分布函数的,用于检验一个分布是否符合某种理论分布或比较两个经验分布是否有显著差异。本发明实施例检验的性能指标与标准数据进行对比,将其中与标准数据差异较大的性能指标数据判定为不符合网络运行质量的数据,后续需要对这些不符合网络运行质量的数据进行修复,然后接着采用本发明实施例提供的分析方法进行检查性能指标一致性,直至与标准数据差异较大的性能指标数据的数量符合标准为止。
本发明提出利用指标分布特征进行一致性检验的大数据思路不仅可采用K-S检验算法,也可采用其他检验算法,具有可算法的优化和可替代性。可以适配当下主流算法无监督Lof、Z-score、四分位差,及监督算法One Class SVM、PCA、KNN、iForest等,通过对比分析,目前采用K-S检验算法进行一致性分析,算法精度高,与专家***及现场核验给出建议一致性高,并且可省去人工及专家***维护工作。
在一些实施例中,步骤S102输出数据检验结果,具体为:
以拟合分布曲线的方式输出数据检验结果。
示例性的,采用K-S检验算法对不同设备商的指定性能指标数据在相同时间段的数据分布或同一设备商的相同性能指标数据在不同时间段内的数据分布进行检验,并将数据检验结果以拟合分布曲线的方式输出,从该拟合分布曲线即可查出不符合网络运行质量的性能指标。
在一些实施例中,可以采用PC端应用程序界面或手机APP界面的方式呈现拟合分布曲线和数据检验结果。具体地,根据该拟合分布曲线和数据检验结果可以提示用户网络运行的性能指标特征相同或不同。
基于同一发明构思,本申请实施例还提供了一种网络运行的性能指标分析***,如图2所示,包括:
数据源模块101,被配置为提供网络运行的性能指标的标准数据;
算法检验模块102,被配置为接收标准数据,对用户提交的待检验的性能指标数据进行检验,并输出数据检验结果;
用户界面模块103,被配置为接收数据检验结果,确定用户选择检验的性能指标数据中不符合标准的性能指标数据。
本发明实施例提供的网络运行的性能指标分析***,该分析***基于数据特征进行性能指标的一致性分析,通过***平台实现,对不同网络运行的性能指标具有普适性。并且可定期、按需进行全面分析,以***方式代替原人工方式,使全面的网络运行的性能指标一致性检查成为可能,同时也将网络运行的性能指标分析前置,在新的性能指标纳入或者版本升级时主动进行性能指标一致性分析,在极大提高工作效率的同时,能够及时发现网络运行的性能指标问题,为网络维护提供客观数据参考。
在一些实施例中,数据源模块101具体被配置为:采集网络运行的性能指标数据,并对网络运行的性能指标数据进行结构化、标准化处理,形成网络运行的性能指标的标准数据。
如图3所示,针对不同的设备商区域(例如A和B),每个设备商区域包括多个基站,例如设备商区域A包括基站A1和A2,设备商区域B包括基站B1和B2,可以先采集各基站对应的网络运行的性能指标(例如掉话率等),即采集网元(EM)数据;然后网元层网管***(EMS)汇总同一设备商区域对应的EM数据,然后将EMS数据提供至网络层网管***(NMS)(例如NMS采集的是全国所有小区),最后对采集的NMS对应的网络运行的性能指标数据进行结构化、标准化处理,形成网络运行的性能指标的标准数据,然后将标准数据提供至算法检验模块102。
在一些实施例中,算法检验模块102具体被配置为:
根据用户需求,对不同设备商的指定性能指标数据在相同时间段的数据分布或同一设备商的相同性能指标数据在不同时间段内的数据分布进行检验。
示例性地,针对不同来源相同性能指标(KPI)的分布分析:算法检验模块102在多设备商网络中进行网络运行质量评估时,可对比不同设备商相同KPI指标的一致性,以发现不同设备商所提供的KPI指标差异。
示例性地,针对相同KPI指标不同时间域的分布分析:算法检验模块102在设备商进行版本升级时,可对比同一设备商不同时间域的KPI指标差异,以发现KPI的波动,避免因代码BUG或其他原因造成KPI指标异常。
本发明实施例基于数据特征进行KPI指标一致性分析通过***平台实现,对不同网络不同KPI指标具有普适性。可定期、按需进行全面分析,以***方式代替原人工方式,使全面的KPI一致性检查成为可能,同时也将分析前置,在新KPI纳入或者版本升级时主动进行一致性分析,在极大提高工作效率的同时,能够及时发现KPI问题,为网络维护提供客观数据参考。
在一些实施例中,算法检验模块102可以采用K-S检验算法对不同设备商的指定性能指标数据在相同时间段的数据分布或同一设备商的相同性能指标数据在不同时间段内的数据分布进行检验。
具体地,K-S检验算法是基于累计分布函数的,用于检验一个分布是否符合某种理论分布或比较两个经验分布是否有显著差异。本发明实施例检验的性能指标与标准数据进行对比,将其中与标准数据差异较大的性能指标数据判定为不符合网络运行质量的数据,后续需要对这些不符合网络运行质量的数据进行修复,然后接着采用本发明实施例提供的分析方法进行检查性能指标一致性,直至与标准数据差异较大的性能指标数据的数量符合标准为止。
本发明提出利用指标分布特征进行一致性检验的大数据思路不仅可采用K-S检验算法,也可采用其他检验算法,具有可算法的优化和可替代性。可以适配当下主流算法无监督Lof、Z-score、四分位差,及监督算法One Class SVM、PCA、KNN、iForest等,通过对比分析,目前采用K-S检验算法进行一致性分析,算法精度高,与专家***及现场核验给出建议一致性高,并且可省去人工及专家***维护工作。
在一些实施例中,算法检验模块102可以以拟合分布曲线的方式输出数据检验结果。
示例性的,算法检验模块102采用K-S检验算法对不同设备商的指定性能指标数据在相同时间段的数据分布或同一设备商的相同性能指标数据在不同时间段内的数据分布进行检验,并将数据检验结果以拟合分布曲线的方式输出,从该拟合分布曲线即可查出不符合网络运行质量的性能指标。
在一些实施例中,用户界面模块103具体被配置为:
采用PC端应用程序界面或手机APP界面的方式呈现拟合分布曲线和数据检验结果。具体地,用户界面模块103根据该拟合分布曲线和数据检验结果可以提示用户网络运行的性能指标特征相同或不同。
综上所述,利用本发明提出的网络运行的性能指标分析方法和***可应用于电信运营商网络,用于检测不同设备商相同KPI指标的机制是否相同,有利于大型运营商进行全网运营质量、网络建设规划的一致性评估。利用本发明提出的分析方法和***应用于电信运营商网络,用于检测设备商不同版本中相同KPI指标的异动,有助于运营商和设备商及时发现版本导致的BUG。
利用本发明提出的网络运行的性能指标分析方法和***可适用于不同网络(移动网/传输网等)、不同技术体制(3G/4G/5G)和不同专业(无线/核心/传输等)的KPI指标,具有普遍适用性。
本发明提出利用性能指标分布特征进行一致性检验的大数据思路不仅可采用K-S检验算法,也可采用其他检验算法,具有可算法的优化和可替代性。可以适配当下主流算法无监督Lof、Z-score、四分位差,及监督算法OneClassSVM、PCA、KNN、iForest,K-S,通过对比分析目前K-S检验算法进行一致性分析,算法精度高,与专家***及现场核验给出建议一致性高,但可省去人工及专家***维护工作。
本发明改变传统的人工方式,解决人工方式的效率、专业、局限性等诸多问题,并可解决两个业务场景面临的问题,有利于集团一级***建立,可模糊不同厂家、不同专业性能指标本身差异,专注于性能指标异常检测。
基于同一发明构思,本申请实施例还提供了一种电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,当一个或多个程序被一个或多个处理器执行时,使得一个或多个处理器实现本申请实施例提供的网络运行的性能指标分析方法。
该电子设备具体可以为桌面计算机、便携式计算机、智能手机、平板电脑、个人数字助理(Personal Digital Assistant,PDA)、服务器等。在一些实施例中,存储装置例如为存储器,如图4所示,该电子设备可以包括处理器201和存储器202。
处理器201可以是通用处理器,例如中央处理器(CPU)、数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件,可以实现或者执行本申请实施例中公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
存储器202作为一种非易失性计算机可读存储介质,可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块。存储器可以包括至少一种类型的存储介质,例如可以包括闪存、硬盘、多媒体卡、卡型存储器、随机访问存储器(Random Access Memory,RAM)、静态随机访问存储器(Static Random Access Memory,SRAM)、可编程只读存储器(Programmable Read Only Memory,PROM)、只读存储器(Read Only Memory,ROM)、带电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,EEPROM)、磁性存储器、磁盘、光盘等等。存储器是能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。本申请实施例中的存储器202还可以是电路或者其它任意能够实现存储功能的装置,用于存储程序指令和/或数据。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;上述计算机存储介质可以是计算机能够存取的任何可用介质或数据存储设备,包括但不限于:移动存储设备、随机存取存储器(RAM,Random Access Memory)、磁性存储器(例如软盘、硬盘、磁带、磁光盘(MO)等)、光学存储器(例如CD、DVD、BD、HVD等)、以及半导体存储器(例如ROM、EPROM、EEPROM、非易失性存储器(NAND FLASH)、固态硬盘(SSD))等各种可以存储程序代码的介质。
或者,本申请上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台电子设备(可以是个人计算机、服务器、或者网络设备等)执行本申请各个实施例方法的全部或部分。而前述的存储介质包括:移动存储设备、随机存取存储器(RAM,Random Access Memory)、磁性存储器(例如软盘、硬盘、磁带、磁光盘(MO)等)、光学存储器(例如CD、DVD、BD、HVD等)、以及半导体存储器(例如ROM、EPROM、EEPROM、非易失性存储器(NAND FLASH)、固态硬盘(SSD))等各种可以存储程序代码的介质。
在一些可能的实施方式中,本公开提供的方法的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当程序产品在电子设备上运行时,程序代码用于使电子设备执行本说明书上述描述的根据本公开各种示例性实施方式的方法中的步骤,例如,电子设备可以执行本公开实施例所记载的网络运行的性能指标分析方法。程序产品可以采用一个或多个可读介质的任意组合。
综上所述,本发明实施例提供的网络运行的性能指标分析方法及***、电子设备、计算机可读存储介质、计算机程序产品,该分析方法基于数据特征进行性能指标的一致性分析,通过***平台实现,对不同网络运行的性能指标具有普适性。并且可定期、按需进行全面分析,以***方式代替原人工方式,使全面的网络运行的性能指标一致性检查成为可能,同时也将网络运行的性能指标分析前置,在新的性能指标纳入或者版本升级时主动进行性能指标一致性分析,在极大提高工作效率的同时,能够及时发现网络运行的性能指标问题,为网络维护提供客观数据参考。
本领域内的技术人员应明白,本申请的实施例可提供为方法、***、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (15)
1.一种网络运行的性能指标分析方法,其特征在于,包括:
提供网络运行的性能指标的标准数据;
接收所述标准数据,对用户提交的待检验的性能指标数据进行检验,并输出数据检验结果;
接收所述数据检验结果,确定用户选择检验的性能指标数据中不符合标准的性能指标数据。
2.如权利要求1所述的网络运行的性能指标分析方法,其特征在于,所述提供网络运行的性能指标的标准数据,具体为:
采集网络运行的性能指标数据,并对所述网络运行的性能指标数据进行结构化、标准化处理,形成所述网络运行的性能指标的标准数据。
3.如权利要求1所述的网络运行的性能指标分析方法,其特征在于,所述对用户提交的待检验的性能指标数据进行检验,具体为:
根据用户需求,对不同设备商的指定性能指标数据在相同时间段或对同一设备的相同性能指标数据在不同时间段内的数据分布进行检验。
4.如权利要求3所述的网络运行的性能指标分析方法,其特征在于,采用K-S检验算法对不同设备商的指定性能指标数据在相同时间段的数据分布或同一设备商的相同性能指标数据在不同时间段内的数据分布进行检验。
5.如权利要求1所述的网络运行的性能指标分析方法,其特征在于,所述输出数据检验结果,具体为:
以拟合分布曲线的方式输出所述数据检验结果。
6.如权利要求5所述的网络运行的性能指标分析方法,其特征在于,采用PC端应用程序界面或手机APP界面的方式呈现所述拟合分布曲线和所述数据检验结果。
7.一种网络运行的性能指标分析***,其特征在于,包括:
数据源模块,被配置为提供网络运行的性能指标的标准数据;
算法检验模块,被配置为接收所述标准数据,对用户提交的待检验的性能指标数据进行检验,并输出数据检验结果;
用户界面模块,被配置为接收所述数据检验结果,确定用户选择检验的性能指标数据中不符合标准的性能指标数据。
8.如权利要求7所述的网络运行的性能指标分析***,其特征在于,所述数据源模块具体被配置为:采集网络运行的性能指标数据,并对所述网络运行的性能指标数据进行结构化、标准化处理,形成所述网络运行的性能指标的标准数据。
9.如权利要求7所述的网络运行的性能指标分析***,其特征在于,所述算法检验模块具体被配置为:
根据用户需求,对不同设备商的指定性能指标数据在相同时间段的数据分布或同一设备商的相同性能指标数据在不同时间段内的数据分布进行检验。
10.如权利要求9所述的网络运行的性能指标分析***,其特征在于,所述算法检验模块采用K-S检验算法对不同设备商的指定性能指标数据在相同时间段的数据分布或同一设备商的相同性能指标数据在不同时间段内的数据分布进行检验。
11.如权利要求7所述的网络运行的性能指标分析***,其特征在于,所述算法检验模块以拟合分布曲线的方式输出所述数据检验结果。
12.如权利要求11所述的网络运行的性能指标分析***,其特征在于,所述用户界面模块具体被配置为:
采用PC端应用程序界面或手机APP界面的方式呈现所述拟合分布曲线和所述数据检验结果。
13.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如权利要求1~6任一项所述的网络运行的性能指标分析方法。
14.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1~6任一项所述的网络运行的性能指标分析方法。
15.一种计算机程序产品,包括计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1~6任一项所述的网络运行的性能指标分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111611480.1A CN114363192A (zh) | 2021-12-27 | 2021-12-27 | 网络运行的性能指标分析方法及***、电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111611480.1A CN114363192A (zh) | 2021-12-27 | 2021-12-27 | 网络运行的性能指标分析方法及***、电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114363192A true CN114363192A (zh) | 2022-04-15 |
Family
ID=81100785
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111611480.1A Pending CN114363192A (zh) | 2021-12-27 | 2021-12-27 | 网络运行的性能指标分析方法及***、电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114363192A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117596176A (zh) * | 2024-01-17 | 2024-02-23 | 苏州元脑智能科技有限公司 | 一种网络状态测量方法、装置、设备及存储介质 |
CN118037105A (zh) * | 2024-02-04 | 2024-05-14 | 睿冠(广东)信息科技有限公司 | 一种基于大数据的信息工程质量检测方法以及检测*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009082941A1 (fr) * | 2007-12-26 | 2009-07-09 | Huawei Technologies Co., Ltd. | Procédé de réalisation, système et appareil pour un index de fonctionnement de réseau |
CN111212330A (zh) * | 2018-11-22 | 2020-05-29 | 华为技术有限公司 | 一种网络性能瓶颈值的确定方法及装置 |
CN112596975A (zh) * | 2020-12-15 | 2021-04-02 | 中国建设银行股份有限公司 | 对网络设备进行监控处理的方法、***、设备和存储介质 |
CN112862232A (zh) * | 2020-12-22 | 2021-05-28 | 国网浙江省电力有限公司绍兴供电公司 | 一种电力无线异构网络的一体化监控方法及装置 |
CN113301589A (zh) * | 2016-12-22 | 2021-08-24 | 华为技术有限公司 | 业务kpi的获取方法和网络设备 |
-
2021
- 2021-12-27 CN CN202111611480.1A patent/CN114363192A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009082941A1 (fr) * | 2007-12-26 | 2009-07-09 | Huawei Technologies Co., Ltd. | Procédé de réalisation, système et appareil pour un index de fonctionnement de réseau |
CN113301589A (zh) * | 2016-12-22 | 2021-08-24 | 华为技术有限公司 | 业务kpi的获取方法和网络设备 |
CN111212330A (zh) * | 2018-11-22 | 2020-05-29 | 华为技术有限公司 | 一种网络性能瓶颈值的确定方法及装置 |
CN112596975A (zh) * | 2020-12-15 | 2021-04-02 | 中国建设银行股份有限公司 | 对网络设备进行监控处理的方法、***、设备和存储介质 |
CN112862232A (zh) * | 2020-12-22 | 2021-05-28 | 国网浙江省电力有限公司绍兴供电公司 | 一种电力无线异构网络的一体化监控方法及装置 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117596176A (zh) * | 2024-01-17 | 2024-02-23 | 苏州元脑智能科技有限公司 | 一种网络状态测量方法、装置、设备及存储介质 |
CN117596176B (zh) * | 2024-01-17 | 2024-04-19 | 苏州元脑智能科技有限公司 | 一种网络状态测量方法、装置、设备及存储介质 |
CN118037105A (zh) * | 2024-02-04 | 2024-05-14 | 睿冠(广东)信息科技有限公司 | 一种基于大数据的信息工程质量检测方法以及检测*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114363192A (zh) | 网络运行的性能指标分析方法及***、电子设备 | |
US8001068B2 (en) | System and method for calibrating and extrapolating management-inherent complexity metrics and human-perceived complexity metrics of information technology management | |
CN109960635B (zh) | 实时计算平台的监控和报警方法、***、设备及存储介质 | |
CN110149653A (zh) | 一种云手机故障监控方法和*** | |
CN117009243A (zh) | 芯片性能自动化测试方法、装置、计算机设备及存储介质 | |
CN109818808B (zh) | 故障诊断方法、装置和电子设备 | |
CN112184072B (zh) | 机房设备管理方法及装置 | |
CN109992408B (zh) | 一种资源分配方法、装置、电子设备和存储介质 | |
RU2532714C2 (ru) | Способ получения данных при оценке ресурсов сети и устройство для осуществления способа | |
CN115480948A (zh) | 硬盘故障预测方法及相关设备 | |
CN115757169A (zh) | 基于接口自动化测试的判断方法、装置以及存储介质 | |
FI128274B (en) | Prioritization of diagnostic tests based on collected diagnostic reports | |
CN109344047B (zh) | ***回归测试方法、计算机可读存储介质和终端设备 | |
CN111045849A (zh) | 核对异常原因的识别方法、装置、服务器和存储介质 | |
CN111382068A (zh) | 一种大批量数据的层次测试方法及装置 | |
CN117290257B (zh) | 一种基于插件调用的软件生命周期规范化管理方法及*** | |
CN117951529B (zh) | 用于硬盘数据故障预测的样本获取方法、装置、设备 | |
CN113836012B (zh) | 算法测试方法、装置、电子设备及存储介质 | |
CN113872947B (zh) | 数据上报方法及装置、电子设备和计算机可读存储介质 | |
CN114564853B (zh) | 一种基于fmea数据的评价报告的生成方法及电子设备 | |
CN117708835B (zh) | 一种用于汽车升级的策略引擎***及方法 | |
US11768753B2 (en) | System and method for evaluating and deploying data models having improved performance measures | |
CN114676855B (zh) | 工单归档处理方法、装置及电子设备 | |
CN113435609B (zh) | 线损异常检测方法、装置及终端设备 | |
CN117750419A (zh) | 异常能耗基站的识别方法、装置、电子设备和存储介质 |
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 |