CN115314419B - 一种面向云网络自适应连通性分析方法、***、设备及存储介质 - Google Patents
一种面向云网络自适应连通性分析方法、***、设备及存储介质 Download PDFInfo
- Publication number
- CN115314419B CN115314419B CN202210707411.9A CN202210707411A CN115314419B CN 115314419 B CN115314419 B CN 115314419B CN 202210707411 A CN202210707411 A CN 202210707411A CN 115314419 B CN115314419 B CN 115314419B
- Authority
- CN
- China
- Prior art keywords
- connectivity
- data
- network
- analysis result
- connectivity analysis
- 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
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 171
- 230000008859 change Effects 0.000 claims abstract description 84
- 238000000034 method Methods 0.000 claims abstract description 12
- 230000003044 adaptive effect Effects 0.000 claims description 24
- 238000004364 calculation method Methods 0.000 claims description 23
- 238000004891 communication Methods 0.000 claims description 22
- 230000009466 transformation Effects 0.000 claims description 11
- 230000006978 adaptation Effects 0.000 claims description 9
- 230000004931 aggregating effect Effects 0.000 claims description 5
- 230000002776 aggregation Effects 0.000 claims description 5
- 238000004220 aggregation Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 10
- 230000008447 perception Effects 0.000 abstract description 3
- 206010047289 Ventricular extrasystoles Diseases 0.000 description 36
- 238000005129 volume perturbation calorimetry Methods 0.000 description 36
- RJKFOVLPORLFTN-LEKSSAKUSA-N Progesterone Chemical compound C1CC2=CC(=O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H](C(=O)C)[C@@]1(C)CC2 RJKFOVLPORLFTN-LEKSSAKUSA-N 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000001960 triggered effect Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 238000005211 surface analysis Methods 0.000 description 2
- 101000652292 Homo sapiens Serotonin N-acetyltransferase Proteins 0.000 description 1
- 102100030547 Serotonin N-acetyltransferase Human genes 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000010205 computational analysis Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
Images
Classifications
-
- 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
- H04L43/0805—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters by checking availability
- H04L43/0811—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters by checking availability by checking connectivity
-
- 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
- H04L41/06—Management of faults, events, alarms or notifications
- H04L41/069—Management of faults, events, alarms or notifications using logs of notifications; Post-processing of notifications
-
- 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)
- Environmental & Geological Engineering (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种自适应连通性分析方法、***、设备及存储介质,该方法包括:从预设数据库中提取网络实例的连通性数据,根据连通性数据得到分布式缓存的连通性分析结果;获取网络控制器日志中心的日志数据,根据日志数据得到变配事件数据;根据变配事件数据和连通性分析结果确定连通性分析结果的变化量,并根据变化量更新连通性分析结果;根据更新后的连通性分析结果生成云网络的自适应分析结果。大幅提升产品中连通性分析的性能,基于预计算且实时更新的连通性分析结果给出连通性结论,不需要实时的对端到端的连通性进行逐跳分析。可以支撑云网络租户级主动探测***此类业务方,帮助其实现对云网络连通性变化的实时感知和自适应。
Description
技术领域
本发明涉及自适应连通性分析技术领域,尤其涉及一种云网络自适应连通性分析方法、***、设备及存储介质。
背景技术
随着公共云计算数据中心网络的体系日渐丰富,组网方式灵活,用户的网络形态也愈发复杂。面对庞杂的云网络拓扑,云上租户、云服务商在使用网络、运营网络和排查问题时,端到端的连通性分析能力尤为关键。
此外,经典物理网络拓扑在网络搭建完成后变动小,拓扑变化要依赖物理设备之间连接的改变。但云网络得益于虚拟化技术,其拓扑变化天然就更为灵活。云上租户可以随时对云上资源、配置、路由进行变更,改变网络拓扑,进而影响网络连通性。因此,对于云服务商来说,运营云上网络,监控全网租户的云上网络质量,要能提前于用户发现、定位和解决网络问题,实时感知网络连通性是必须具备的能力。同时,为实现更精细化的网络运营,云服务商通常需要在云上网络建设租户实例级别的主动探测能力。主动探测***要保证其探测实时性和准确性,做到根据租户网络拓扑的变化实时调整探测对象和探测策略,对网络连通性变化的感知和自适应能力也必不可少。
谷歌有限责任公司提交的《云网络可达性分析》发明中,基于请求源IP地址和目的IP地址,以及云网络转发路径上的网络节点的配置信息,计算出一个或多个模拟转发路径,以确定请求目标的可达性。华为数字技术(苏州)有限公司提交的《一种网络可达性检测方法及装置》发明中,根据网络设备拓扑信息和路由表,请求报文的源和目标地址信息,得到在网络设备中进行转发后的可达性检测结果。
现有技术只解决了云网络连通性分析的基本问题,即对于云上任意两端,基于租户层面的路由配置及网络拓扑,实时地逐跳进行路由计算,分析端到端连通性。
然而,现有技术没有维护全网的连通性分析结果,都是实时触发的一次性连通性分析,每次分析都要逐跳计算。当网络拓扑结构复杂,访问链路较长时,连通性分析的时间开销不可忽视。但对云上租户和云服务商而言,进行问题排查时,高效的连通性分析能力对于缩短MTTD(Mean Time to Detect,平均检测时间)、MTTR(Mean Time to Repair,平均修复时间),提升运维效率极为重要。
云网络每天有大量租户级的变配操作,都可能对云网络连通性造成影响。现有技术因均未实时维护连通性分析结果,每次分析都是基于当前的路由和配置数据,忽略了连通性的实时变化。如何分析变配事件对连通性造成的影响,以及自适应地感知和处理连通性的变化,实时维护全网租户的连通性分析结果,是现有技术尚未解决的难题。
此外,现有技术依赖明确的源端和目的端地址作为输入,无法根据租户单个云上网络实例,自动识别该实例所有可达的连通场景。例如,现有技术可以根据两个给定的虚拟机实例,分析两者之间是否可达。但若仅指定单个虚拟机实例,现有技术无法分析该虚拟机所有的连通场景。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。
为此,本发明的目的在于提出一种面向云网络的自适应连通性分析方法、***、设备及存储介质,在解决云网络端到端连通性分析问题的基础上,还能够自适应地分析租户实例资源变更、路由变配等事件对网络连通性造成的影响,实时维护最新的全网租户连通性分析结果。
为达上述目的,本发明一方面提出了一种面向云网络的自适应连通性分析方法,包括:
从预设数据库中提取网络实例的连通性数据,根据所述连通性数据得到分布式缓存的连通性分析结果;
获取网络控制器日志中心的日志数据,根据所述日志数据得到变配事件数据;
根据所述变配事件数据和所述连通性分析结果确定连通性分析结果的变化量,并根据所述变化量更新所述连通性分析结果;
根据所述更新后的连通性分析结果生成云网络的自适应分析结果。
根据本发明实施例的面向云网络的自适应连通性分析方法还可以具有以下附加技术特征:
进一步地,在本发明的一个实施例中,所述方法还包括:查询所述更新后的连通性分析结果,以根据查询结果实时触发对所述连通性数据的分析;其中,所述查询结果包括查询的连通性分析结果未保存在所述分布式缓存中。
进一步地,在本发明的一个实施例中,所述从预设数据库中提取不同类型网络实例的连通性数据,根据所述连通性数据得到分布式缓存的连通性分析结果,包括:对所述数据库进行模式匹配,根据网络ID识别所述数据库中不同类型网络实例;通过所述数据库中存储的资源关系数据和路由数据,得到当前类型网络实例的连通场景识别结果;基于所述连通场景识别结果,并根据所述路由数据计算连通路径得到所述连通性分析结果。
进一步地,在本发明的一个实施例中,所述根据所述变配事件数据和所述连通性分析结果确定连通性分析结果的变化量,并根据所述变化量更新所述连通性分析结果,包括:根据所述资源关系数据,得到所述变配事件数据和所述不同类型网络实例的关联数据;按照实例维度聚合所述关联数据得到变化实例数据;根据所述变化实例数据的整体连通性数据,更新所述变化实例数据的连通性分析结果。
为达到上述目的,本发明另一方面提出了一种面向云网络的自适应连通性分析***,包括:
连通性分析模块,用于从预设数据库中提取网络实例的连通性数据,根据所述连通性数据得到分布式缓存的连通性分析结果;
数据获取模块,用于获取网络控制器日志中心的日志数据,根据所述日志数据得到变配事件数据;
变配自适应模块,用于根据所述变配事件数据和所述连通性分析结果确定连通性分析结果的变化量,并根据所述变化量更新所述连通性分析结果;
计算分析模块,用于根据所述更新后的连通性分析结果生成云网络的自适应分析结果。
本发明第三方面提出了一种计算机设备,包括处理器和存储器;
其中,所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序,以用于实现面向云网络的自适应连通性分析方法。
本发明第四方面提出了一种非临时性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面向云网络的自适应连通性分析方法。
本发明实施例的自适应连通性分析方法、***、设备及存储介质,在解决云网络端到端连通性分析问题的基础上,还能够自适应地分析租户实例资源变更、路由变配等事件对网络连通性造成的影响,实时维护最新的全网租户连通性分析结果。
本发明附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1为根据本发明实施例的面向云网络的自适应连通性分析方法的流程图;
图2为根据本发明实施例的面向云网络的自适应连通性分析架构图;
图3为根据本发明实施例的连通性分析示意图;
图4为根据本发明实施例的变配自适应流程图;
图5为根据本发明实施例的面向云网络的自适应连通性分析***结构示意图;
图6为根据本发明实施例的连通性分析模块结构示意图;
图7为根据本发明实施例的变配自适应模块结构示意图;
图8为根据本发明实施例的计算机设备。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
下面参照附图描述根据本发明实施例提出的面向云网络的自适应连通性分析方法、***、设备及存储介质。
图1是本发明一个实施例的面向云网络的自适应连通性分析方法的流程图。
如图1所示,该方法包括但不限于以下步骤:
S1,从预设数据库中提取网络实例的连通性数据,根据连通性数据得到分布式缓存的连通性分析结果;
S2,获取网络控制器日志中心的日志数据,根据日志数据得到变配事件数据;
S3,根据变配事件数据和连通性分析结果确定连通性分析结果的变化量,并根据变化量更新所述连通性分析结果;
S4,根据更新后的连通性分析结果生成云网络的自适应分析结果。
根据本发明实施例的面向云网络的自适应连通性分析方法,在解决云网络端到端连通性分析问题的基础上,还能够自适应地分析租户实例资源变更、路由变配等事件对网络连通性造成的影响,实时维护最新的全网租户连通性分析结果。
进一步地,查询更新后的连通性分析结果,以根据查询结果实时触发对连通性数据的分析;其中,查询结果包括查询的连通性分析结果未保存在分布式缓存中。
进一步地,上述S1中,对数据库进行模式匹配,根据网络ID识别所述数据库中不同类型网络实例;通过数据库中存储的资源关系数据和路由数据,得到当前类型网络实例的连通场景识别结果;基于连通场景识别结果,并根据路由数据计算连通路径得到连通性分析结果。
进一步地,上述S3中,根据资源关系数据,得到变配事件数据和不同类型网络实例的关联数据;按照实例维度聚合关联数据得到变化实例数据;根据变化实例数据的整体连通性数据,更新变化实例数据的连通性分析结果。
进一步地,本发明的面向云网络的自适应连通性分析架构如图2所示。
作为一种示例,该架构主要包含连通性查询、资源订阅、变配自适应、连通性分析和数据采集5个部分。本发明***启动后,连通性分析对全网所有实例资源的连通性进行全量初始化。基于通用运维数据库中存储的云网络资源关系数据和路由配置数据,计算所有网络实例的连通性分析结果,并写入分布式缓存。变配自适应会实时消费来自数据采集投递的网络资源和路由变配事件,并将事件转义成连通性结果的变化,将连通性结果的更新推送给资源订阅方,并将最新的连通性结果写入缓存,以此实现了网络连通性的自适应分析。
具体地,连通性查询。直接查询分布式缓存中由变配自适应实时更新的连通性分析结果,给用户提供了指定端到端或单个网络实例的连通性分析能力。当查询实例的连通性结果未保存在分布式缓存中,才会触发一次相对耗时的实时逐跳连通性分析。通过预先计算且实时更新的连通性结果缓存,将连通性分析的计算过程,和查询过程解耦,大幅提升分析效率,分析平均耗时毫秒级。
端到端:用户输入云网络中的两端(负载均衡器实例、虚拟机实例),分析两端是否可达。例如,用户指定源端VM1和目的端VM2,返回VM1和VM2之间存在的连通路径,包含路径上的云网络节点,如虚拟路由器VRT及其路由表和具体匹配的路由表项。
单实例:用户输入云网络中的端或网络实例,给出该实例所有的连通场景。网络实例包含了虚拟专用网VPC和划分子网的虚拟交换机VSW。例如,用户指定单个VPC实例,该部分返回该VPC所有可达的连通场景,如云上私网互访,云上私网和公网互访,云上私网访问云下IDC等。每个场景都包含实际连通的网段地址。
资源订阅。提供给用户订阅云上资源连通性变化的能力,支持以VPC粒度订阅。当用户成功订阅指定VPC实例后,变配自适应感知到变配引起的连通性更新,且包含已订阅VPC的连通性变化,会通过异步回调的方式,将连通性变化的内容推送给订阅方。通过该部分,订阅方能够实现对于云上网络连通性变化的实时感知。
进一步地,如图3所示,为连通性分析示意图。在***启动时和每天的固定时刻,会从通用运维数据库中拉取全网所有租户网络数据,进行全量的连通性分析,并将结果写入分布式缓存中。当连通性查询未命中缓存时,也会触发一次实时的连通性分析。该部分包含对象识别、场景识别、路径计算以及端点解析4个关键步骤。
对象识别。通过模式匹配,根据网络ID识别出网络类型为VPC(租户数据中心网络,以下简称VPC)或跨地域网络。不同类型的实例具有不同的连通场景。例如,云上同私网内部互访场景,是仅属于VPC实例的连通场景,和跨地域网络无关,跨地域网络只涉及云上不同私网间互访。
场景识别。根据通用运维数据库中存储的资源关系数据和路由数据,识别出当前分析实例存在的所有连通场景。资源关系数据包含如VPC和虚拟交换机、VPC和NAT网关、VPC和跨地域网络、虚拟交换机和路由表、虚拟交换机和VM、VM和公网IP等网络资源之间的关联关系。路由数据包含VPC下的虚拟路由器、跨地域网络下的跨地域路由器、物理专线相连的虚拟边界路由器的所有路由表项。连通场景包括云上同私网内部互访、云上私网和公网互访、云上不同私网(相同地域或跨地域)互访和云上私网和线下IDC互访。识别的方式如,VM绑定了公网IP,则该VM和公网连通;虚拟路由器里路由下一跳为虚拟边界路由器时,说明该虚拟路由器对应的VPC和线下IDC连通,具体连通网段要在路径计算中进一步分析。
路径计算。根据场景识别的结果,对每个场景,都基于路由数据逐跳计算连通路径,最终得到所有场景下的连通性结果。结果中包含了连通两端的网段地址,以及对应的连通路径(记录了路径上的每跳路由节点)。例如,场景识别结果中显示,虚拟路由器路由下一跳指向了跨地域路由器,说明该虚拟路由器关联的VPC可能经跨地域网络和其他VPC连通,用虚拟路由器指向跨地域网络路由表表项的目的CIDR,去尝试匹配虚拟路由器的路由表项,得到虚拟路由器的路由下一跳,同样对虚拟路由器的路由下一跳执行上述路由匹配操作,直至路由匹配失败或到达了网络中的端,即虚拟机或负载均衡器,说明完成单向的路径计算,且通过逐跳路由匹配得到一个最终目的CIDR。但此时仅说明该路径单向连通,需要再以路径计算的终点出发往源端实例再进行一次路径计算,从而得到回路的连通性。双向计算得到的最终目的CIDR组成了一个不同私网两端网段的连通对,即一个连通性结果,且对应了一条以中间路由节点(虚拟路由器/虚拟边界路由器/跨地域网络路由器)组成的连通路径。
端点解析。路径计算得到连通性结果是以一对网段地址CIDR和其所属网络实例VPC来描述的,为提升结果可读性,要对连通性结果中的两端进行解析。通过通用运维数据库资源关系数据中VPC的CIDR,虚拟交换机的CIDR,VM的IP,负载均衡器的IP等信息,可以将连通性结果中的两端从CIDR,解析为VPC实例、虚拟交换机实例,VM实例和负载均衡器实例。
进一步地,如图4所示为变配自适应流程图。该部分输入为数据采集投递的全网资源和路由变配事件,包含事件影响面分析、关联网络实例、事件聚合、连通性变化计算、连通性差异分析、变化推送订阅方、更新分布式缓存共7个步骤。最终将已订阅实例的连通性变化推送给订阅方,并将最新的连通性结果更新到分布式缓存中,实现了对于变配事件导致连通性变化的自适应。
事件影响面分析。变配事件包含ADD、UPDATE、DELETE三种类型,且每条变配事件都能对应到通用运维数据库中一张数据表。如用户新分配了一个子网,即新增一个虚拟交换机实例,相应的就会产生一条虚拟交换机实例表的ADD事件。通过对变配事件类型、变配事件对应的数据表及具体变配信息的分析,可以确定当前事件对连通性的影响。对于不影响连通性的变配事件,会被过滤。例如,一条ADD类型的变配事件,对应的数据表为VPC路由表,且该变配信息为下一跳为公网NAT网关的VPC路由,该条变配事件会导致VPC的连通性发生改变,需要进入后续流程。若一条UPDATE类型的变配事件,提升了公网IP的带宽包规格,那么该变配事件显然不会直接影响网路连通性,需要过滤。
关联网络实例。前文中提到连通性分析的基本对象是VPC和跨地域网络实例,而变配事件是细粒度的,具体到通用运维数据库表级别的信息。因此,需要基于通用运维数据库中的资源关联关系数据,将变配事件和VPC、跨地域网络实例关联,供后续分析使用。例如,一个NAT网关新增了一条SNAT规则,那么通过变配事件自身携带的信息,可以得到NAT网关实例。通过NAT网关和VPC实例的资源关系数据,可以将该变配事件和VPC实例进行关联。
事件聚合。短时间内同VPC或同跨地域网络实例发生大量变配,会导致对相同实例频繁进行连通性变化计算,因此该部分在处理变配事件时设置了5秒的时间窗口,以减少相同实例的重复计算,节约***算力。同个时间窗口内到达的多条变配事件,根据上一步骤关联到的VPC或跨地域网络实例,按实例维度进行聚合。例如,5秒内产生了1000条变配事件,但按实例聚合后只对应到30个VPC实例。将原本频繁且冗余的计算的算力消耗降到最低,还能缩短整体的处理耗时。
连通性变化计算。上一步骤已将变配事件按VPC和跨地域网络实例维度聚合,得到了发生变化的实例。当前步骤复用了连通性分析的能力,直接对发生变化的VPC和跨地域网络实例的整体连通性进行计算,得到这些实例最新的连通性分析结果。
连通性差异分析。计算得到的最新连通性分析结果在更新分布式缓存前,需要和当前分布式缓存中已有的连通性结果进行差异分析,得到连通性变化的部分。在连通性分析中,已介绍过连通性结果是以一对连通的CIDR和其所属的VPC实例来描述的,其中CIDR也可能被解析为VPC、虚拟交换机、VM或负载均衡器等具体的网络中作为端的实例。连通性差异分析方式为直接对比两个连通性结果数据的两端VPC以及CIDR(或作为端的实例)是否相同,最终得到连通性的变化,包含了新增的连通性和删除的连通性。
变化推送订阅方。差异分析完成后,检查用户通过资源订阅部分订阅的实例,不同用户有不同的订阅组。对每个订阅组,确定该用户已订阅且在当前变配事件处理时间窗口内发生变化的VPC和跨地域网络实例,将连通性的变化以VPC和跨地域网络实例的维度,通过用户指定的异步回调接口进行推送。
更新分布式缓存。将发生了变配的实例计算得到的最新连通性结果更新缓存,以此实现了缓存中连通性结果的实时更新,并做到了变配事件对连通性变化影响的自适应处理。
进一步地,云网络在发生资源或路由变配操作时,必然依赖网络控制器进行操作指令的下发。在变配操作执行后,网络控制器会以通用运维数据库中数据表的维度发出一条或多条变配事件日志。该部分以云网络控制器的变配事件日志作为输入,将从不同的网络控制器日志中心采集的变配事件,统一投递到***的变配自适应部分进行处理。
根据本发明实施例地面向云网络的自适应连通性分析方法,支持产品根据单个网络实例识别所有连通性场景,其他产品不具备该能力。大幅提升产品中连通性分析的性能,基于预计算且实时更新的连通性分析结果给出连通性结论,不需要实时的对端到端的连通性进行逐跳分析。提供资源订阅能力,已订阅实例的连通性变化实时推送。可以支撑云网络租户级主动探测***此类业务方,帮助其实现对云网络连通性变化的实时感知和自适应。
为了实现上述实施例,如图5所示,本实施例中还提供了面向云网络的自适应连通性分析***10,该***10包括:连通性分析模块100、数据获取模块200、变配自适应模块300和计算分析模块400。
连通性分析模块100,用于从预设数据库中提取网络实例的连通性数据,根据连通性数据得到分布式缓存的连通性分析结果;
数据获取模块200,用于获取网络控制器日志中心的日志数据,根据日志数据得到变配事件数据;
变配自适应模块300,用于根据变配事件数据和连通性分析结果确定连通性分析结果的变化量,并根据变化量更新连通性分析结果;
计算分析模块400,用于根据更新后的连通性分析结果生成云网络的自适应分析结果。
进一步地,上述***10,还包括:
连通性查询模块,用于查询更新后的连通性分析结果,以根据查询结果实时触发连通性分析模块100对连通性数据的分析;其中,查询结果包括查询的连通性分析结果未保存在分布式缓存中。
进一步地,如图6所示,上述连通性分析模块100,包括对象识别单元101、场景识别单元102和路径计算单元103;其中,
对象识别单元101,用于对数据库进行模式匹配,根据网络ID识别数据库中不同类型网络实例;
场景识别单元102,用于通过数据库中存储的资源关系数据和路由数据,得到当前类型网络实例的连通场景识别结果;
路径计算单元103,用于基于连通场景识别结果,并根据路由数据计算连通路径得到连通性分析结果。
进一步地,如图7所示,上述变配自适应模块300,包括:
关联网络实例单元301,用于根据资源关系数据,得到变配事件数据和不同类型网络实例的关联数据;
事件聚合单元302,用于按照实例维度聚合关联数据得到变化实例数据;
连通性变化单元303,用于根据变化实例数据的整体连通性数据,更新变化实例数据的连通性分析结果。
根据本发明实施例的面向云网络的自适应连通性分析***,支持产品根据单个网络实例识别所有连通性场景,其他产品不具备该能力。大幅提升产品中连通性分析的性能,基于预计算且实时更新的连通性分析结果给出连通性结论,不需要实时的对端到端的连通性进行逐跳分析。提供资源订阅能力,已订阅实例的连通性变化实时推送。可以支撑云网络租户级主动探测***此类业务方,帮助其实现对云网络连通性变化的实时感知和自适应。
为了实现上述实施例的方法,本发明还提供了一种计算机设备,如图8所示,该计算机设备600包括存储器601、处理器602;其中,所述处理器602通过读取所述存储器601中存储的可执行程序代码来运行与所述可执行程序代码对应的程序,以用于实现上文所述面向云网络的自适应连通性分析方法的各个步骤。
为了实现上述实施例的方法,本发明还提供了一种非临时性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面向云网络的自适应连通性分析方法。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (6)
1.一种面向云网络的自适应连通性分析方法,其特征在于,包括:
从预设数据库中提取网络实例的连通性数据,根据所述连通性数据得到分布式缓存的连通性分析结果;
获取网络控制器日志中心的日志数据,根据所述日志数据得到变配事件数据;
根据所述变配事件数据和所述连通性分析结果确定连通性分析结果的变化量,并根据所述变化量更新所述连通性分析结果;
根据所述更新后的连通性分析结果生成云网络的自适应分析结果;
所述从预设数据库中提取不同类型网络实例的连通性数据,根据所述连通性数据得到分布式缓存的连通性分析结果,包括:
对所述数据库进行模式匹配,根据网络ID识别所述数据库中不同类型网络实例;
通过所述数据库中存储的资源关系数据和路由数据,得到当前类型网络实例的连通场景识别结果;
基于所述连通场景识别结果,并根据所述路由数据计算连通路径得到所述连通性分析结果;
所述根据所述变配事件数据和所述连通性分析结果确定连通性分析结果的变化量,并根据所述变化量更新所述连通性分析结果,包括:
根据所述资源关系数据,得到所述变配事件数据和所述不同类型网络实例的关联数据;
按照实例维度聚合所述关联数据得到变化实例数据;
根据所述变化实例数据的连通性数据,更新所述变化实例数据的连通性分析结果。
2.根据权利要求1所述的方法,其特征在于,在所述根据所述变化量更新所述连通性分析结果之后,所述方法还包括:查询所述更新后的连通性分析结果,以根据查询结果实时触发对所述连通性数据的分析;其中,所述查询结果包括查询的连通性分析结果未保存在所述分布式缓存中。
3.一种面向云网络的自适应连通性分析***,其特征在于,包括:
连通性分析模块,用于从预设数据库中提取网络实例的连通性数据,根据所述连通性数据得到分布式缓存的连通性分析结果;
数据获取模块,用于获取网络控制器日志中心的日志数据,根据所述日志数据得到变配事件数据;
变配自适应模块,用于根据所述变配事件数据和所述连通性分析结果确定连通性分析结果的变化量,并根据所述变化量更新所述连通性分析结果;
计算分析模块,用于根据所述更新后的连通性分析结果生成云网络的自适应分析结果;
所述连通性分析模块,包括对象识别单元、场景识别单元和路径计算单元;其中,
所述对象识别单元,用于对所述数据库进行模式匹配,根据网络ID识别所述数据库中不同类型网络实例;
所述场景识别单元,用于通过所述数据库中存储的资源关系数据和路由数据,得到当前类型网络实例的连通场景识别结果;
所述路径计算单元,用于基于所述连通场景识别结果,并根据所述路由数据计算连通路径得到所述连通性分析结果;
所述变配自适应模块,包括:
关联网络实例单元,用于根据所述资源关系数据,得到所述变配事件数据和所述不同类型网络实例的关联数据;
事件聚合单元,用于按照实例维度聚合所述关联数据得到变化实例数据;
连通性变化单元,用于根据所述变化实例数据的连通性数据,更新所述变化实例数据的连通性分析结果。
4.根据权利要求3所述的***,其特征在于,在所述变配自适应模块之后,所述***,还包括:
连通性查询模块,用于查询所述更新后的连通性分析结果,以根据查询结果实时触发所述连通性分析模块对连通性数据的分析;其中,所述查询结果包括查询的连通性分析结果未保存在所述分布式缓存中。
5.一种计算机设备,其特征在于,包括处理器和存储器;
其中,所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序,以用于实现如权利要求1-2中任一项所述的面向云网络的自适应连通性分析方法。
6.一种非临时性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1-2中任一项所述的面向云网络的自适应连通性分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210707411.9A CN115314419B (zh) | 2022-06-21 | 2022-06-21 | 一种面向云网络自适应连通性分析方法、***、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210707411.9A CN115314419B (zh) | 2022-06-21 | 2022-06-21 | 一种面向云网络自适应连通性分析方法、***、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115314419A CN115314419A (zh) | 2022-11-08 |
CN115314419B true CN115314419B (zh) | 2023-05-16 |
Family
ID=83855498
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210707411.9A Active CN115314419B (zh) | 2022-06-21 | 2022-06-21 | 一种面向云网络自适应连通性分析方法、***、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115314419B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116248576A (zh) * | 2022-12-30 | 2023-06-09 | 天翼云科技有限公司 | 通信路径的选择方法、装置、电子设备及可读存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9823842B2 (en) * | 2014-05-12 | 2017-11-21 | The Research Foundation For The State University Of New York | Gang migration of virtual machines using cluster-wide deduplication |
US20220094614A1 (en) * | 2016-08-22 | 2022-03-24 | Vmware, Inc. | Systems for and methods of modelling, analysis and management of data networks |
CN107707377B (zh) * | 2017-06-12 | 2019-07-16 | 贵州白山云科技股份有限公司 | 一种分析网络节点可用性的方法及*** |
US11108805B2 (en) * | 2018-06-27 | 2021-08-31 | Amazon Technologies, Inc. | Automated packetless network reachability analysis |
CN113572657A (zh) * | 2021-07-23 | 2021-10-29 | 中信银行股份有限公司 | 一种***链路连通性补偿方法及*** |
-
2022
- 2022-06-21 CN CN202210707411.9A patent/CN115314419B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115314419A (zh) | 2022-11-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10565001B2 (en) | Distributed virtual network controller | |
US10491519B2 (en) | Routing method, device, and system | |
EP2882150B1 (en) | Physical path determination for virtual network packet flows | |
JP6193473B2 (ja) | コンピュータ実施方法、コンピュータプログラム製品及びコンピュータ | |
CN105024844A (zh) | 一种计算跨域路由的方法、服务器以及*** | |
US10530669B2 (en) | Network service aware routers, and applications thereof | |
US10411911B2 (en) | Network as service service cross-domain orchestration method, orchestration device, and control device | |
WO2021147320A1 (zh) | 路由异常检测方法、装置及***、计算机存储介质 | |
CN113452561A (zh) | 一种拓扑生成方法、装置、设备及可读存储介质 | |
CN115314419B (zh) | 一种面向云网络自适应连通性分析方法、***、设备及存储介质 | |
CN110971702A (zh) | 服务调用方法、装置、计算机设备及存储介质 | |
CN108924011A (zh) | 用于ospf+路由协议的监测***、相关设备、方法及介质 | |
US10536368B2 (en) | Network-aware routing in information centric networking | |
US8964596B1 (en) | Network service aware routers, and applications thereof | |
CN114124890A (zh) | 一种确定方法、虚拟路由器、控制设备及域名解析*** | |
Marques et al. | Responding to network failures at data-plane speeds with network programmability | |
CN111818134A (zh) | 变电站数据中心内基于雾计算的数据传输方法及装置 | |
CN112468600B (zh) | 一种基于网络矩阵的应用消息通知方法、***及存储介质 | |
CN115622900B (zh) | 数据处理方法、装置、设备和存储介质 | |
US8578013B2 (en) | Donor/borrower incident notification for daemons | |
Shukla et al. | Software defined underlay-aware structured peer-to-peer overlay | |
Masuda et al. | Splitable: Toward routing scalability through distributed bgp routing tables | |
CN115834461A (zh) | 一种基于路由分析生成bgp全域连接图的方法及装置 | |
CN118250066A (zh) | 云内外通信方法、装置、电子设备及计算机可读存储介质 | |
CN117527893A (zh) | 通信方法、服务代理和通信*** |
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 |