CN116016288A - 工业设备的流量监测方法、装置、设备及存储介质 - Google Patents
工业设备的流量监测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116016288A CN116016288A CN202211715703.3A CN202211715703A CN116016288A CN 116016288 A CN116016288 A CN 116016288A CN 202211715703 A CN202211715703 A CN 202211715703A CN 116016288 A CN116016288 A CN 116016288A
- Authority
- CN
- China
- Prior art keywords
- flow
- flowing
- target
- target protocol
- fitting
- 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
Images
Classifications
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Computer And Data Communications (AREA)
Abstract
本发明涉及流量监测技术领域,特别涉及一种工业设备的流量监测方法、装置、设备及存储介质。方法包括:实时获取待监测工业设备的各目标协议在每一个时刻的目标流量数据;其中,每一个目标流量数据包括流向工业设备的流量值和流向服务端的流量值;对预先训练生成的多项式系数进行解析,生成每一个目标协议的第一拟合曲线和第二拟合曲线;基于目标协议的第一拟合曲线和第二拟合曲线,对各目标协议在每一个时刻的目标流量数据进行监测。本方案存储多项式系数可以节省占用空间,降低计算资源,通过对多项式系数进行解析得到的第一拟合曲线和第二拟合曲线对各目标协议在每一个时刻的目标流量数据进行监测,可以提高监测效率。
Description
技术领域
本发明实施例涉及流量监测技术领域,特别涉及一种工业设备的流量监测方法、装置、设备及存储介质。
背景技术
随着工业互联网应用的日趋复杂化,网络流量不断增长并且呈多样化,演变性和复杂性都随着工控协议及网络协议的不断涌现而日益增长,如何更好的满足用户对各类工业设备的服务质量越来越精细的要求,这是目前面临的关键问题。
目前,现有的工业设备的流量监测是通过传统机器学习算法来实现的,然而,传统机器学习算法需要大量的训练样本,不但需要大量的***资源,而且在训练模型失效的时候,需要使用更新后的训练样本重新训练模型,这就使得传统的机器学习算法的监测效率较低。
因此,亟需一种新的工业设备的流量监测方法。
发明内容
为了解决传统机器学习算法的监测效率较低的问题,本发明实施例提供了一种工业设备的流量监测方法、装置、设备及存储介质。
第一方面,本发明实施例提供了一种工业设备的流量监测方法,包括:
实时获取待监测工业设备的各目标协议在每一个时刻的目标流量数据;其中,目标协议包括工控协议和网络协议;每一个目标流量数据包括流向所述工业设备的流量值和流向服务端的流量值;
对预先训练生成的多项式系数进行解析,生成每一个目标协议的第一拟合曲线和第二拟合曲线;其中,所述第一拟合曲线为该目标协议对应的流向所述工业设备的拟合曲线;所述第二拟合曲线为该目标协议对应的流向服务端的拟合曲线;
基于所述目标协议的所述第一拟合曲线和所述第二拟合曲线,对各目标协议在每一个时刻的目标流量数据进行监测。
第二方面,本发明实施例还提供了一种工业设备的流量监测装置,包括:
获取单元,用于实时获取待监测工业设备的各目标协议在每一个时刻的目标流量数据;其中,目标协议包括工控协议和网络协议;每一个目标流量数据包括流向所述工业设备的流量值和流向服务端的流量值;
解析单元,用于对预先训练生成的多项式系数进行解析,生成每一个目标协议的第一拟合曲线和第二拟合曲线;其中,所述第一拟合曲线为该目标协议对应的流向所述工业设备的拟合曲线;所述第二拟合曲线为该目标协议对应的流向服务端的拟合曲线;
监测单元,用于基于所述目标协议的所述第一拟合曲线和所述第二拟合曲线,对各目标协议在每一个时刻的目标流量数据进行监测。
第三方面,本发明实施例还提供了一种计算设备,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器执行所述计算机程序时,实现本说明书任一实施例所述的方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,当所述计算机程序在计算机中执行时,令计算机执行本说明书任一实施例所述的方法。
本发明实施例提供了一种工业设备的流量监测方法、装置、设备及存储介质,首先实时获取待监测工业设备的各目标协议在每一个时刻的目标流量数据;其中,每一个目标流量数据包括流向工业设备的流量值和流向服务端的流量值;然后,对预先训练生成的多项式系数进行解析,生成每一个目标协议的第一拟合曲线和第二拟合曲线;其中,第一拟合曲线为该目标协议对应的流向工业设备的拟合曲线;第二拟合曲线为该目标协议对应的流向服务端的拟合曲线;最后,基于各目标协议的第一拟合曲线和第二拟合曲线,对各目标协议在每一个时刻的目标流量数据进行监测。本方案,存储多项式系数可以节省存储空间,降低计算资源,然后通过对多项式系数进行解析得到的第一拟合曲线和第二拟合曲线对各目标协议在每一个时刻的目标流量数据进行监测,可以提高监测效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,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是本发明一实施例提供的一种工业设备的流量监测方法的流程图;
图2是本发明一实施例提供的一种计算设备的硬件架构图;
图3是本发明一实施例提供的一种工业设备的流量监测装置结构图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本发明一部分实施例,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的前提下所获得的所有其他实施例,都属于本发明保护的范围。
如前所述,现有的工业设备的流量监测是通过传统机器学习算法来实现的,然而,传统机器学习算法需要大量的训练样本,不但需要大量的***资源,而且在训练模型失效的时候,需要使用更新后的训练样本重新训练模型,这就使得传统的机器学习算法的监测效率较低。
为了解决上述技术问题,发明人可以考虑利用拟合曲线作为检测模型,不仅可以简化模型的训练过程,还可以保证监测效果。另外,为了节省存储空间,降低计算资源,可以存储拟合曲线的多项式系数,在需要时对多项式系数进行解析,就可以快速地得到拟合曲线,以此来提高对各目标协议在每一个时刻的目标流量数据的监测效率。
下面描述以上构思的具体实现方式。
请参考图1,本发明实施例提供了一种工业设备的流量监测方法,该方法包括:
步骤100,实时获取待监测工业设备的各目标协议在每一个时刻的目标流量数据;其中,目标协议包括工控协议和网络协议;每一个目标流量数据包括流向工业设备的流量值和流向服务端的流量值;
步骤102,对预先训练生成的多项式系数进行解析,生成每一个目标协议的第一拟合曲线和第二拟合曲线;其中,第一拟合曲线为该目标协议对应的流向工业设备的拟合曲线;第二拟合曲线为该目标协议对应的流向服务端的拟合曲线;
步骤104,基于目标协议的第一拟合曲线和第二拟合曲线,对各目标协议在每一个时刻的目标流量数据进行监测。
本发明实施例中,首先实时获取待监测工业设备的各目标协议在每一个时刻的目标流量数据;其中,每一个目标流量数据包括流向工业设备的流量值和流向服务端的流量值;然后,对预先训练生成的多项式系数进行解析,生成每一个目标协议的第一拟合曲线和第二拟合曲线;其中,第一拟合曲线为该目标协议对应的流向工业设备的拟合曲线;第二拟合曲线为该目标协议对应的流向服务端的拟合曲线;最后,基于各目标协议的第一拟合曲线和第二拟合曲线,对各目标协议在每一个时刻的目标流量数据进行监测。本方案,存储多项式系数可以节省存储空间,降低计算资源,然后通过对多项式系数进行解析得到的第一拟合曲线和第二拟合曲线对各目标协议在每一个时刻的目标流量数据进行监测,可以提高监测效率。
针对步骤100:
在本发明实施例中,每一个目标流量数据包括流向工业设备的流量值和流向服务端的流量值,以对各目标协议流向工业设备和流向服务端的流量值分别进行监测,由此可以全面地获得目标协议对应的相关服务的带宽占用情况,为待监测工业设备的性能评估提供流量依据。
另外,本实施例中的目标协议包括工控协议和网络协议,可以对现有的网络协议和工控协议如:SMB、S7、modbus等协议的目标流量数据进行监测,广泛的适用于各种协议的流量监测需求,以此来提高扩展性。
针对步骤102:
接下来,首先对多项式系数的训练方式进行说明。
在一些实施方式中,多项式系数是通过如下步骤S1-S3所示的方式进行训练的:
步骤S1,获取每一个目标协议在每一个时刻的流量数据样本;其中,每一个流量数据样本包括对应的目标协议在该时刻流向工业设备的流量值和流向服务端的流量值;
步骤S2,基于每一个目标协议在每一个时刻的流量数据样本,分别生成每一个目标协议对应的流向工业设备的若干个时间序列和流向服务端的若干个时间序列;其中,若干个时间序列分别对应一天中的一个时间段;
步骤S3,基于最小二乘法和每一个时间序列,生成每一个目标协议对应的流向工业设备的若干个多项式系数和流向服务端的若干个多项式系数;其中,多项式系数和时间序列为一一对应关系。
在本实施例中,首先确定一个时刻为1s,那么在步骤S1中,将获取的每一个目标协议的历史流量数据按分组存放至对应的集合中,分组依据为目标协议名称、客户端地址(即待监测工业设备地址)和服务端地址,也就是说每个集合的命名为目标协议名称、客户端地址和服务端地址,且每个集合中存放的数据为1s内该目标协议流向该客户端地址的流量累加值和流向该服务端地址的流量累加值,那么一个集合为一个时刻的流量数据样本。每过1s,将每个集合中的数据保存至数据库中,然后清空集合中的数据,按时间顺序继续获取下一秒的历史流量数据,以此来获取每一个目标协议在每一个时刻的流量数据样本。
接着,在步骤S2中,将步骤S1保存至数据库中的流量数据样本按照三元组聚合,三元组的元素分别为目标协议名称、客户端地址和服务端地址,将一个小时作为一个时间段,聚合一个小时内与三元组对应的所有流量数据样本。举例来说,当三元组对应目标协议A、客户端地址A和服务端地址A,首先将0点-1点的集合名称为目标协议A、客户端地址A和服务端地址A的所有流量数据样本聚合为一个三元组,然后将1点-2点的集合名称为目标协议A、客户端地址A和服务端地址A的所有流量数据样本聚合为一个三元组,以此类推,生成分别对应一天24个小时的24个三元组。需要说明的是,每个三元组中含有60个流量数据样本,且每个流量数据样本中含有一个流向客户端(即待监测工业设备)的流量值和一个流向服务端的流量值。那么,将三元组中的60个流量数据样本按时间顺序分别生成一个流向客户端的时间序列和一个流向服务端的时间序列,以此来生成目标协议A对应的流向客户端地址A的24个时间序列和流向服务端地址A的24个时间序列,其中,每一个时间序列分别对应一天中的一个小时。
最后,在步骤S3中,将每一个时间序列,按最小二乘法生成多项式系数,以此来生成目标协议A对应的流向客户端地址A的24个多项式系数和流向服务端地址A的24个多项式系数。
另外,为了保证采样点数足够多,生成的多项式系数更准确,可以将多天的同一小时的流量数据样本压缩在同一个三元组中。若形成的时间序列的采样点存在缺失,可以对该时间序列补0点,这样可以避免采样点过少,导致拟合曲线误差过大。
需要说明的是,可以将1s作为一个时刻,1个小时作为一个时间段,也可以将5s作为一个时刻,2个小时作为一个时间段,需要根据实际需求而定,在此不作具体限定。
在一些实施方式中,每一个多项式系数包括对应时间序列的流量值方差、对应时间段和拟合系数。
具体地,多项式系数保存在数据库中的数据结构可以如下所示:
{"var":101896.49,"time":0,"params":[-1.4850720435442804e-09,
0.00017198975019778025,-6.2918061984191915,92872.72520946017]}
其中,var为该多项式系数对应时间序列的流量值方差,time为对应时间段,params为拟合系数。
至此,可以完成对多项式系数的训练。
在一些实施方式中,步骤102可以包括:
针对每一个目标协议,均执行:
获取当前目标协议对应的流向工业设备的若干个多项式系数和流向服务端的若干个多项式系数;
基于流向工业设备的若干个多项式系数和流向服务端的若干个多项式系数中的对应时间段和拟合系数,得到流向工业设备的若干个第一拟合子曲线和流向服务端的若干个第二拟合子曲线;
基于若干个第一拟合子曲线和若干个第二拟合子曲线,分别确定当前目标协议的第一拟合曲线和第二拟合曲线。
举例来说,目标协议A对应的流向客户端地址A的24个多项式系数和流向服务端A的24个多项式系数。那么,基于流向客户端地址A的24个多项式系数中的对应时间段和拟合系数,可以生成流向客户端地址A的24个第一拟合子曲线,其中,多项式系数和第一拟合子曲线为一一对应关系,同理,基于流向服务端A的24个多项式系数中的对应时间段和拟合系数,可以生成流向服务端A的24个第二拟合子曲线。然后,基于24个第一拟合子曲线的对应时间段,按0点-24点的顺序生成当前目标协议的第一拟合曲线,同理,基于24个第二拟合子曲线的对应时间段,按0点-24点的顺序生成当前目标协议的第二拟合曲线。
在一些实施方式中,第一拟合子曲线是通过如下公式得到的:
f1=P[0]*x3+P[1]*x2+P[2]*x+P[3]
式中,f1为第一拟合子曲线中每一个时刻的流量值,P[i]为流向工业设备的多项式系数中拟合系数的第i个值,x为流向工业设备的多项式系数中对应时间段之间的每一个时刻值。
第二拟合子曲线是通过如下公式得到的:
举例来说,假设当前第一拟合子曲线对应时间段为1点-2点,那么1点-2点之间有3600秒,0点-1点已经经过3600秒,那么将3601代入第一拟合子曲线的计算公式中,可以计算得到1点0分1秒时的流量值,以此类推,将3602代入第一拟合子曲线的计算公式中,可以计算得到1点0分2秒时的流量值,直至将7200代入第一拟合子曲线的计算公式中,可以计算得到2点整的流量值,至此可以得到1点-2点的第一拟合子曲线。第二拟合子曲线与第一拟合子曲线同理,在此不进行赘述。
另外,在一些实施方式中,可以根据用户发起的查询拟合曲线请求,根据请求中想要查询的对应时间段的多项式系数,解析生成对应时间段的第一拟合子曲线和第二拟合子曲线来反馈给客户。
针对步骤104:
在一些实施方式中,步骤104可以包括:
针对每一个目标协议的每一个时刻的目标流量数据,均执行:
获取当前目标协议在当前时刻的当前目标流量数据;
分别确定当前目标协议对应的第一拟合曲线和第二拟合曲线中在当前时刻的流量值;
基于第一拟合曲线和第二拟合曲线中在当前时刻的流量值和当前时刻对应时间序列的流量值方差,确定当前时刻流向工业设备的第一流量值阈值范围和流向服务端的第二流量值阈值范围;
确定当前目标流量数据中流向工业设备的流量值和流向服务端的流量值是否分别位于第一流量值阈值范围和第二流量值阈值范围之间;若否,则进行上报告警。
举例来说,当前实时时间为凌晨2点整,底层组件会将目标协议A在2点整这1s内的目标流量数据上报给后台,可以理解,目标流量数据的命名为目标协议名称、客户端地址(即待监测工业设备地址)和服务端地址,且每一时刻的目标流量数据中含有1s内该目标协议流向该客户端地址的流量累加值和流向该服务端地址的流量累加值。
然后,确定目标协议A对应的第一拟合曲线和第二拟合曲线中在2点整时的流量值;那么,基于第一拟合曲线和第二拟合曲线中在当前时刻的流量值和当前时刻对应时间序列的流量值方差,确定2点整流向客户端A的第一流量值阈值范围和流向服务端A的第二流量值阈值范围;最后,判断实时上报的2点整的目标流量数据中流向客户端A的流量值和流向服务端A的流量值是否分别位于第一流量值阈值范围之间和第二流量值阈值范围之间,若否,则进行上报告警。
在一些实施方式中,第一流量值阈值范围是通过如下公式进行计算的:
式中,max_flow和min_flow分别为第一流量值阈值范围的上限和下限,f1[x′]为第一拟合曲线中在当前时刻的流量值,x′为当前时刻,a为第一设定倍数,var为在当前时刻流向工业设备的对应时间序列的流量值方差;
第二流量值阈值范围是通过如下公式进行计算的:
式中,max_flow′和min_flow′分别为第二流量值阈值范围的上限和下限,f2[x′]为第二拟合曲线中在当前时刻的流量值,x′为当前时刻,为第二设定倍数,var′为在当前时刻流向服务端的对应时间序列的流量值方差。
举例来说,假设当前实时时间为凌晨2点整,那么可以确定第一拟合曲线中在当前时刻的流量值f1[x′],根据上述的第一流量值阈值范围的计算公式,可以计算出在2点整的第一流量值阈值范围的上限和下限,以判断实时上报的2点整的目标流量数据是否超出根据第一拟合曲线确定的2点整的第一流量值阈值范围。第二流量值阈值范围与第一流量值阈值范围同理,在此不进行赘述。
如图2、图3所示,本发明实施例提供了一种工业设备的流量监测装置。装置实施例可以通过软件实现,也可以通过硬件或者软硬件结合的方式实现。从硬件层面而言,如图2所示,为本发明实施例提供的一种工业设备的流量监测装置所在计算设备的一种硬件架构图,除了图2所示的处理器、内存、网络接口、以及非易失性存储器之外,实施例中装置所在的计算设备通常还可以包括其他硬件,如负责处理报文的转发芯片等等。以软件实现为例,如图3所示,作为一个逻辑意义上的装置,是通过其所在计算设备的CPU将非易失性存储器中对应的计算机程序读取到内存中运行形成的。本实施例提供的一种工业设备的流量监测装置,包括:
获取单元301,用于实时获取待监测工业设备的各目标协议在每一个时刻的目标流量数据;其中,目标协议包括工控协议和网络协议;每一个目标流量数据包括流向工业设备的流量值和流向服务端的流量值;
解析单元302,用于对预先训练生成的多项式系数进行解析,生成每一个目标协议的第一拟合曲线和第二拟合曲线;其中,第一拟合曲线为该目标协议对应的流向工业设备的拟合曲线;第二拟合曲线为该目标协议对应的流向服务端的拟合曲线;
监测单元303,用于基于目标协议的第一拟合曲线和第二拟合曲线,对各目标协议在每一个时刻的目标流量数据进行监测。
在本发明一个实施例中,解析单元302中多项式系数是通过如下方式进行训练的:
获取每一个目标协议在每一个时刻的流量数据样本;其中,每一个流量数据样本包括对应的目标协议在该时刻流向工业设备的流量值和流向服务端的流量值;
基于每一个目标协议在每一个时刻的流量数据样本,分别生成每一个目标协议对应的流向工业设备的若干个时间序列和流向服务端的若干个时间序列;其中,若干个时间序列分别对应一天中的一个时间段;
基于最小二乘法和每一个时间序列,生成每一个目标协议对应的流向工业设备的若干个多项式系数和流向服务端的若干个多项式系数;其中,多项式系数和时间序列为一一对应关系。
在本发明一个实施例中,解析单元302中每一个多项式系数包括对应时间序列的流量值方差、对应时间段和拟合系数。
在本发明一个实施例中,解析单元302具体用于执行:
针对每一个目标协议,均执行:
获取当前目标协议对应的流向工业设备的若干个多项式系数和流向服务端的若干个多项式系数;
基于流向工业设备的若干个多项式系数和流向服务端的若干个多项式系数中的对应时间段和拟合系数,得到流向工业设备的若干个第一拟合子曲线和流向服务端的若干个第二拟合子曲线;
基于若干个第一拟合子曲线和若干个第二拟合子曲线,分别确定当前目标协议的第一拟合曲线和第二拟合曲线。
在本发明一个实施例中,解析单元302中的第一拟合子曲线是通过如下公式得到的:
f1=P[0]*x3+P[1]*x2+P[2]*x+P[3]
式中,f1为第一拟合子曲线中每一个时刻的流量值,P[i]为流向工业设备的多项式系数中拟合系数的第i个值,x为流向工业设备的多项式系数中对应时间段之间的每一个时刻值;
第二拟合子曲线是通过如下公式得到的:
在本发明一个实施例中,监测单元303用于执行:
针对每一个目标协议的每一个时刻的目标流量数据,均执行:
获取当前目标协议在当前时刻的当前目标流量数据;
分别确定当前目标协议对应的第一拟合曲线和第二拟合曲线中在当前时刻的流量值;
基于第一拟合曲线和第二拟合曲线中在当前时刻的流量值和当前时刻对应时间序列的流量值方差,确定当前时刻流向工业设备的第一流量值阈值范围和流向服务端的第二流量值阈值范围;
确定当前目标流量数据中流向工业设备的流量值和流向服务端的流量值是否分别位于第一流量值阈值范围和第二流量值阈值范围之间;若否,则进行上报告警。
在本发明一个实施例中,监测单元303中的第一流量值阈值范围是通过如下公式进行计算的:
式中,max_flow和min_flow分别为第一流量值阈值范围的上限和下限,f1[x′]为第一拟合曲线中在当前时刻的流量值,x′为当前时刻,a为第一设定倍数,var为在当前时刻流向工业设备的对应时间序列的流量值方差;
第二流量值阈值范围是通过如下公式进行计算的:
式中,max_flow′和min_flow′分别为第二流量值阈值范围的上限和下限,f2[x′]为第二拟合曲线中在当前时刻的流量值,x′为当前时刻,为第二设定倍数,var′为在当前时刻流向服务端的对应时间序列的流量值方差。
可以理解的是,本发明实施例示意的结构并不构成对一种工业设备的流量监测装置的具体限定。在本发明的另一些实施例中,一种工业设备的流量监测装置可以包括比图示更多或者更少的部件,或者组合某些部件,或者拆分某些部件,或者不同的部件布置。图示的部件可以以硬件、软件或者软件和硬件的组合来实现。
上述装置内的各模块之间的信息交互、执行过程等内容,由于与本发明方法实施例基于同一构思,具体内容可参见本发明方法实施例中的叙述,此处不再赘述。
本发明实施例还提供了一种计算设备,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器执行所述计算机程序时,实现本发明任一实施例中的一种工业设备的流量监测方法。
本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序在被处理器执行时,使所述处理器执行本发明任一实施例中的一种工业设备的流量监测方法。
具体地,可以提供配有存储介质的***或者装置,在该存储介质上存储着实现上述实施例中任一实施例的功能的软件程序代码,且使该***或者装置的计算机(或CPU或MPU)读出并执行存储在存储介质中的程序代码。
在这种情况下,从存储介质读取的程序代码本身可实现上述实施例中任何一项实施例的功能,因此程序代码和存储程序代码的存储介质构成了本发明的一部分。
用于提供程序代码的存储介质实施例包括软盘、硬盘、磁光盘、光盘(如CD-ROM、CD-R、CD-RW、DVD-ROM、DVD-RAM、DVD-RW、DVD+RW)、磁带、非易失性存储卡和ROM。可选择地,可以由通信网络从服务器计算机上下载程序代码。
此外,应该清楚的是,不仅可以通过执行计算机所读出的程序代码,而且可以通过基于程序代码的指令使计算机上操作的操作***等来完成部分或者全部的实际操作,从而实现上述实施例中任意一项实施例的功能。
此外,可以理解的是,将由存储介质读出的程序代码写到***计算机内的扩展板中所设置的存储器中或者写到与计算机相连接的扩展模块中设置的存储器中,随后基于程序代码的指令使安装在扩展板或者扩展模块上的CPU等来执行部分和全部实际操作,从而实现上述实施例中任一实施例的功能。
需要说明的是,在本文中,诸如第一和第二之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
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在计算机可读取的存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质中。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种工业设备的流量监测方法,其特征在于,包括:
实时获取待监测工业设备的各目标协议在每一个时刻的目标流量数据;其中,目标协议包括工控协议和网络协议;每一个目标流量数据包括流向所述工业设备的流量值和流向服务端的流量值;
对预先训练生成的多项式系数进行解析,生成每一个目标协议的第一拟合曲线和第二拟合曲线;其中,所述第一拟合曲线为该目标协议对应的流向所述工业设备的拟合曲线;所述第二拟合曲线为该目标协议对应的流向所述服务端的拟合曲线;
基于所述目标协议的所述第一拟合曲线和所述第二拟合曲线,对各目标协议在每一个时刻的目标流量数据进行监测。
2.根据权利要求1所述的方法,其特征在于,所述多项式系数是通过如下方式进行训练的:
获取每一个目标协议在每一个时刻的流量数据样本;其中,每一个流量数据样本包括对应的目标协议在该时刻流向所述工业设备的流量值和流向所述服务端的流量值;
基于每一个目标协议在每一个时刻的流量数据样本,分别生成每一个目标协议对应的流向所述工业设备的若干个时间序列和流向所述服务端的若干个时间序列;其中,所述若干个时间序列分别对应一天中的一个时间段;
基于最小二乘法和每一个时间序列,生成每一个目标协议对应的流向所述工业设备的若干个多项式系数和流向所述服务端的若干个多项式系数;其中,所述多项式系数和所述时间序列为一一对应关系。
3.根据权利要求2所述的方法,其特征在于,每一个多项式系数包括对应时间序列的流量值方差、对应时间段和拟合系数。
4.根据权利要求3所述的方法,其特征在于,所述对预先训练生成的多项式系数进行解析,生成每一个目标协议的第一拟合曲线和第二拟合曲线,包括:
针对每一个目标协议,均执行:
获取当前目标协议对应的流向所述工业设备的若干个多项式系数和流向所述服务端的若干个多项式系数;
基于流向所述工业设备的若干个多项式系数和流向所述服务端的若干个多项式系数中的对应时间段和拟合系数,得到流向所述工业设备的若干个第一拟合子曲线和流向所述服务端的若干个第二拟合子曲线;
基于若干个第一拟合子曲线和若干个第二拟合子曲线,分别确定当前目标协议的第一拟合曲线和第二拟合曲线。
6.根据权利要求5所述的方法,其特征在于,所述基于所述目标协议的所述第一拟合曲线和所述第二拟合曲线,对各目标协议在每一个时刻的目标流量数据进行监测,包括:
针对每一个目标协议的每一个时刻的目标流量数据,均执行:
获取当前目标协议在当前时刻的当前目标流量数据;
分别确定当前目标协议对应的所述第一拟合曲线和所述第二拟合曲线中在当前时刻的流量值;
基于所述第一拟合曲线和所述第二拟合曲线中在当前时刻的流量值和当前时刻对应时间序列的流量值方差,确定当前时刻流向所述工业设备的第一流量值阈值范围和流向所述服务端的第二流量值阈值范围;
确定当前目标流量数据中流向所述工业设备的流量值和流向所述服务端的流量值是否分别位于所述第一流量值阈值范围和所述第二流量值阈值范围之间;若否,则进行上报告警。
7.根据权利要求6所述的方法,其特征在于,
所述第一流量值阈值范围是通过如下公式进行计算的:
式中,max_flow和min_flow分别为第一流量值阈值范围的上限和下限,f1[x′]为所述第一拟合曲线中在当前时刻的流量值,x′为当前时刻,a为第一设定倍数,var为在当前时刻流向所述工业设备的对应时间序列的流量值方差;
所述第二流量值阈值范围是通过如下公式进行计算的:
8.一种工业设备的流量监测装置,其特征在于,包括:
获取单元,用于实时获取待监测工业设备的各目标协议在每一个时刻的目标流量数据;其中,目标协议包括工控协议和网络协议;每一个目标流量数据包括流向所述工业设备的流量值和流向服务端的流量值;
解析单元,用于对预先训练生成的多项式系数进行解析,生成每一个目标协议的第一拟合曲线和第二拟合曲线;其中,所述第一拟合曲线为该目标协议对应的流向所述工业设备的拟合曲线;所述第二拟合曲线为该目标协议对应的流向所述服务端的拟合曲线;
监测单元,用于基于所述目标协议的所述第一拟合曲线和所述第二拟合曲线,对各目标协议在每一个时刻的目标流量数据进行监测。
9.一种计算设备,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器执行所述计算机程序时,实现如权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质,其上存储有计算机程序,当所述计算机程序在计算机中执行时,令计算机执行权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211715703.3A CN116016288A (zh) | 2022-12-28 | 2022-12-28 | 工业设备的流量监测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211715703.3A CN116016288A (zh) | 2022-12-28 | 2022-12-28 | 工业设备的流量监测方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116016288A true CN116016288A (zh) | 2023-04-25 |
Family
ID=86020556
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211715703.3A Pending CN116016288A (zh) | 2022-12-28 | 2022-12-28 | 工业设备的流量监测方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116016288A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116757876A (zh) * | 2023-08-21 | 2023-09-15 | 埃睿迪信息技术(北京)有限公司 | 一种供水分区耗水量的确定方法、装置及设备 |
-
2022
- 2022-12-28 CN CN202211715703.3A patent/CN116016288A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116757876A (zh) * | 2023-08-21 | 2023-09-15 | 埃睿迪信息技术(北京)有限公司 | 一种供水分区耗水量的确定方法、装置及设备 |
CN116757876B (zh) * | 2023-08-21 | 2023-11-14 | 埃睿迪信息技术(北京)有限公司 | 一种供水分区耗水量的确定方法、装置及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8078913B2 (en) | Automated identification of performance crisis | |
US7936260B2 (en) | Identifying redundant alarms by determining coefficients of correlation between alarm categories | |
CN110830450A (zh) | 基于统计的异常流量监测方法、装置、设备及存储介质 | |
CN105071983A (zh) | 一种面向云计算在线业务的异常负载检测方法 | |
CN111176953B (zh) | 一种异常检测及其模型训练方法、计算机设备和存储介质 | |
CN110730099A (zh) | 基于历史流量数据时间序列的流量预测方法 | |
CN114465874B (zh) | 故障预测方法、装置、电子设备与存储介质 | |
CN109684320B (zh) | 监测数据在线清洗的方法和设备 | |
CN117041019B (zh) | 内容分发网络cdn的日志分析方法、装置及存储介质 | |
CN114169604A (zh) | 性能指标的异常检测方法、异常检测装置、电子设备和存储介质 | |
CN116016288A (zh) | 工业设备的流量监测方法、装置、设备及存储介质 | |
CN117421994A (zh) | 一种边缘应用健康度的监测方法和监测*** | |
CN114610561A (zh) | ***监测方法、装置、电子设备及计算机可读存储介质 | |
CN114513470A (zh) | 网络流量控制方法、装置、设备及计算机可读存储介质 | |
CN116319858A (zh) | 一种智能船舶物联网数据运维监控方法及*** | |
CN116566845B (zh) | 一种网络预警方法及计算机存储介质 | |
CN115883392B (zh) | 算力网络的数据感知方法、装置、电子设备及存储介质 | |
CN108521435B (zh) | 一种用户网络行为画像的方法及*** | |
CN116107854A (zh) | 一种计算机运行维护指标预测方法、***、设备及介质 | |
CN116016115A (zh) | 网络线路的流量监控方法、装置、设备、介质和程序产品 | |
CN115408182A (zh) | 业务***故障定位方法及装置 | |
CN116956174B (zh) | 用于进行冷头状态分类检测和寿命预测的分类模型和预测模型的生成方法 | |
CN109978038B (zh) | 一种集群异常判定方法及装置 | |
WO2024027127A1 (zh) | 故障检测方法、装置、电子设备及可读存储介质 | |
WO2024066331A1 (zh) | 网络异常检测方法、装置、电子设备及存储介质 |
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 |