CN116455748B - 一种应用于网络设备运维的人工智能监控***及方法 - Google Patents
一种应用于网络设备运维的人工智能监控***及方法 Download PDFInfo
- Publication number
- CN116455748B CN116455748B CN202310712823.6A CN202310712823A CN116455748B CN 116455748 B CN116455748 B CN 116455748B CN 202310712823 A CN202310712823 A CN 202310712823A CN 116455748 B CN116455748 B CN 116455748B
- Authority
- CN
- China
- Prior art keywords
- data
- data packet
- equipment
- maintenance
- network
- 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
- 238000012423 maintenance Methods 0.000 title claims abstract description 74
- 238000012544 monitoring process Methods 0.000 title claims abstract description 58
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000004891 communication Methods 0.000 claims abstract description 25
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 19
- 230000001360 synchronised effect Effects 0.000 claims description 22
- 238000012545 processing Methods 0.000 claims description 9
- 238000010586 diagram Methods 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 6
- 230000009471 action Effects 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 4
- 208000033748 Device issues Diseases 0.000 claims description 3
- 238000009825 accumulation Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 3
- 238000011161 development Methods 0.000 claims description 3
- 230000004069 differentiation Effects 0.000 claims description 2
- 230000002087 whitening effect Effects 0.000 claims description 2
- 238000010276 construction Methods 0.000 claims 1
- 230000007246 mechanism Effects 0.000 abstract description 3
- 230000008569 process Effects 0.000 description 5
- 238000009434 installation Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
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
- H04L41/08—Configuration management of networks or network elements
- H04L41/0803—Configuration setting
- H04L41/0813—Configuration setting characterised by the conditions triggering a change of settings
- H04L41/082—Configuration setting characterised by the conditions triggering a change of settings the condition being updates or upgrades of network functionality
-
- 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
- H04L43/16—Threshold monitoring
-
- 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
- H04L43/50—Testing arrangements
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L7/00—Arrangements for synchronising receiver with transmitter
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种应用于网络设备运维的人工智能监控***及方法,属于人工智能技术领域。本***包括:服务器网络设备模块、数据分配模块、数据运维模块、人工智能监控模块以及反馈模块;所述服务器网络设备模块的输出端与所述数据分配模块的输入端相连接;所述数据分配模块的输出端与所述数据运维模块的输入端相连接;所述数据运维模块的输出端与所述人工智能监控模块的输入端相连接;所述人工智能监控模块的输出端与所述反馈模块的输入端相连接。本发明利用网络设备之间的通信链路,以及网络设备之间下发与写入只能进行一项的机制,实现网络设备之间的智能运维,大大加快了数量庞大的网络设备的更新效率。
Description
技术领域
本发明涉及人工智能技术领域,具体为一种应用于网络设备运维的人工智能监控***及方法。
背景技术
分布式网络设备是目前行业内大型工厂、写字楼等常用的业务,其能够满足工厂、写字楼等信息传输的实时性,避免信息孤岛,然而分布式网络设备必然需要软件的更新、迭代、数据存储、共享等功能,由于分布式网络设备的特殊性,这样的功能需求一般都是同步进行。
以软件更新迭代为例,在分布式网络***下,一旦涉及到某个软件的更新迭代,则整个服务器下的网络设备均要进行更新请求,目前的技术手段方式是通过各分布的网络设备分别向中心设备请求软件更新数据包,中心设备统一下下发数据包,各网络设备接收后将数据包进行写入,从而实现软件更新。这样的形式在面临大量网络设备的情况下,会极度消耗服务器资源,使服务器压力空前强大,轻微状况下,可能造成服务器网络卡顿,严重情况下,可能会导致***宕机,造成无法挽回的数据损失。
发明内容
本发明的目的在于提供一种应用于网络设备运维的人工智能监控***及方法,以解决上述背景技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:一种应用于网络设备运维的人工智能监控方法,该方法包括以下步骤:
S1、获取服务器网络的中心设备,标记所述中心设备下行通信中的网络设备数量,所述中心设备与网络设备之间连接有通信链路,所述网络设备之间存在同步链路;
S2、获取服务器分配到中心设备的软件更新数据包资源大小,构建数据运维模型,基于软件更新数据包资源大小生成数据包下发与写入的占用资源数据;
S3、手动设置服务器网络资源阈值,构建人工智能监控模型,在不超出服务器网络资源阈值的前提下输出最佳数据包需求策略,所述最佳数据包需求策略指占用时长最低;
S4、将最佳数据包需求策略反馈至中心设备,中心设备按照最佳数据包需求策略下发软件更新数据包资源,智能进行网络设备运维。
根据上述技术方案,获取服务器网络的中心设备,获取服务器分配到中心设备的软件更新数据包,标记首次传输软件更新数据包的通信链路对应的网络设备为母网络设备;
所述母网络设备随机划分为写入设备与同步设备;
所述写入设备指母网络设备根据接收到的软件更新数据包进行写入,实现软件更新;所述同步设备指母网络设备创建软件更新数据包源地址,并通过同步链路与非母网络设备建立请求,响应于同步设备请求的非母网络设备记为第一子网络设备,母网络设备将软件更新数据包源地址下发第一子网络设备;
同步设备清除请求,转为写入设备;所述第一子网络设备随机转换为新的写入设备与同步设备;
所述响应属唯一响应,同一时刻一个网络设备只与一个网络设备具备通信请求。
根据上述技术方案,所述构建数据运维模型包括:
根据历史数据库,获取历史数据下服务器分配到中心设备的软件更新数据包资源大小,并获取对应的下发至网络设备时与在网络设备内写入时占用的资源数据,记为数据集合[m0、x0、y0];其中,m0指软件更新数据包资源大小;x0指下发占用资源;y0指写入占用资源;
构建历史数据下服务器分配到中心设备的软件更新数据包资源大小的散点图,在散点图中选取最集中区域,所述最集中区域指该区域内至少包含总点数三分之二及以上,取最集中区域的中心点作为标准点,将所有散点按比例更新成标准点,同时按照对应比例输出全新的下发占用资源与写入占用资源;
利用散点方式得出软件更新数据包资源大小的核心区域部分,将数据包资源归一到核心区域的标准点内,从而实现资源上的分配,这主要是因为不同服务器处理资源的能力会有差别,因此应进行专项分析处理,来保证处理资源的准确性。
选取全新的下发占用资源或写入占用资源形成数据组,构建数据运维模型,分析数据变化趋势:
对数据组进行灰色累加生成,记为第二数据组;
利用白化微分方程对第二数据组进行处理:其中,代表第二数据组中的第i组数据;/>代表白化微分的灰作用量;k代表发展系数;
基于第二数据组,计算紧邻均值,形成第三数据组;根据数据组、第二数据组、第三数据组的数据,利用最小二乘法求解:T0(N+1)=(1-ek)(T0-h/k)e-kN其中,T0(N+1)指数据运维模型输出的下发占用资源或写入占用资源的分析数据;N代表数据组内数据数量;T0代表数据组内第一位数据;
获取中心设备中软件更新数据包资源大小,计算其到标准点的比例数据,将T0(N+1)按照比例数据进行处理后输出为数据包下发或写入的占用资源数据。
根据上述技术方案,所述构建人工智能监控模型包括:
获取输出的数据包下发或写入的占用资源数据,分别记为x1、y1;
则有:其中,满足/>、/>、……、/>任一个均小于手动设置的服务器网络资源阈值/>;/>+/>+……+/>=/>+/>+……+/>=/>,/>=0;其中/>代表网络设备数量;
利用计算机联立求解,取n最小值时的;/>、/>、/>输出,生成最佳数据包需求策略反馈至中心设备。
在上述技术方案中,第一层级里包括部分网络设备,即中心设备开始下发资源,但是下发过程中保证不超出负载阈值,在下发之后,第一层级内的设备实现自我分配,一部分网络设备进行自我写入更新,另一部分网络设备根据通信链路,实现下发数据转载,从而使得更多的网络设备不需接收中心设备的资源数据;紧接着实现第二层级,即原第一层级的网络设备中未写入的实现自我写入过程,其余第二层级设备中继续按照通信链路实现下发数据转载,从而完美实现数据分配,负载分流,降低网络运维过程中产生的巨大压力。
一种应用于网络设备运维的人工智能监控***,该***包括:服务器网络设备模块、数据分配模块、数据运维模块、人工智能监控模块以及反馈模块;
所述服务器网络设备模块用于获取服务器网络的中心设备,标记所述中心设备下行通信中的网络设备数量;所述数据分配模块用于与服务器建立数据连接,获取服务器分配到中心设备的软件更新数据包资源大小;所述数据运维模块用于构建数据运维模型,基于软件更新数据包资源大小生成数据包下发与写入的占用资源数据;所述人工智能监控模块用于手动设置服务器网络资源阈值,构建人工智能监控模型,在不超出服务器网络资源阈值的前提下输出最佳数据包需求策略,所述最佳数据包需求策略指占用时长最低;所述反馈模块用于将最佳数据包需求策略反馈至中心设备,中心设备按照最佳数据包需求策略下发软件更新数据包资源,智能进行网络设备运维;
所述服务器网络设备模块的输出端与所述数据分配模块的输入端相连接;所述数据分配模块的输出端与所述数据运维模块的输入端相连接;所述数据运维模块的输出端与所述人工智能监控模块的输入端相连接;所述人工智能监控模块的输出端与所述反馈模块的输入端相连接。
根据上述技术方案,所述服务器网络设备模块包括中心设备单元与网络设备单元;
所述中心设备单元用于获取服务器网络的中心设备;所述网络设备单元用于标记所述中心设备下行通信中的网络设备数量;所述中心设备与网络设备之间连接有通信链路,所述网络设备之间存在同步链路。
根据上述技术方案,所述数据分配模块包括连接单元和数据分配单元;
所述连接单元用于与服务器建立数据连接;所述数据分配单元用于获取服务器分配到中心设备的软件更新数据包资源大小;
所述连接单元的输出端与所述数据分配单元的输入端相连接。
根据上述技术方案,所述数据运维模块包括数据运维单元和数据生成单元;
所述数据运维单元根据历史数据库,获取历史数据下服务器分配到中心设备的软件更新数据包资源大小,并获取对应的下发至网络设备时与在网络设备内写入时占用的资源数据,构建数据运维模型;所述数据生成单元基于软件更新数据包资源大小生成数据包下发与写入的占用资源数据;
所述数据运维单元的输出端与所述数据生成单元的输入端相连接。
根据上述技术方案,所述人工智能监控模块包括阈值设立单元与人工智能监控单元;
所述阈值设立单元用于手动设置服务器网络资源阈值;所述人工智能监控单元基于服务器网络资源阈值构建人工智能监控模型,在不超出服务器网络资源阈值的前提下输出最佳数据包需求策略;
所述阈值设立单元的输出端与所述人工智能监控单元的输入端相连接。
根据上述技术方案,所述反馈模块包括反馈单元与执行单元;
所述反馈单元用于将最佳数据包需求策略反馈至中心设备;所述执行单元用于下发执行指令,命令中心设备按照最佳数据包需求策略下发软件更新数据包资源,智能进行网络设备运维;
所述反馈单元的输出端与所述执行单元的输入端相连接。
与现有技术相比,本发明所达到的有益效果是:本发明利用网络设备之间的通信链路,以及网络设备之间下发与写入只能进行一项的机制,实现网络设备之间的智能运维,通过一部分设备进行同级别下发数据,同时另一部分设备实现自我写入,第二阶段再保证同级别下发的设备进行自我写入,使得下发机制速度变快,同时降低全部设备同时写入带来的巨大网络负载,提高整个服务器网络的安全程度,大大加快了数量庞大的网络设备的更新效率。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明一种应用于网络设备运维的人工智能监控***及方法的流程示意图。
实施方式
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,都属于本发明保护的范围。
请参阅图1,在本实施例一中:提供一种应用于网络设备运维的人工智能监控方法,以服务器软件更新为例,设置有一安装包,大小为1000M,其应下发至服务期内所有网络设备,实现网络设备中各设备上软件的自我更新;
获取服务器网络的中心设备,标记所述中心设备下行通信中的网络设备数量,所述中心设备与网络设备之间连接有通信链路,所述网络设备之间存在同步链路;
获取服务器分配到中心设备的软件更新数据包,标记首次传输软件更新数据包的通信链路对应的网络设备为母网络设备;
所述母网络设备随机划分为写入设备与同步设备;
所述写入设备指母网络设备根据接收到的软件更新数据包进行写入,实现软件更新;所述同步设备指母网络设备创建软件更新数据包源地址,并通过同步链路与非母网络设备建立请求,响应于同步设备请求的非母网络设备记为第一子网络设备,母网络设备将软件更新数据包源地址下发第一子网络设备;
同步设备清除请求,转为写入设备;所述第一子网络设备随机转换为新的写入设备与同步设备;
所述响应属唯一响应,同一时刻一个网络设备只与一个网络设备具备通信请求。
根据历史数据库,获取历史数据下服务器分配到中心设备的软件更新数据包资源大小,并获取对应的下发至网络设备时与在网络设备内写入时占用的资源数据,记为数据集合[m0、x0、y0];其中,m0指软件更新数据包资源大小,即每次的数据包资源大小,例如本次实时的就取1000;x0指下发占用资源;y0指写入占用资源;这里的资源数据单位取同一单位进行计算;
构建历史数据下服务器分配到中心设备的软件更新数据包资源大小的散点图,在散点图中选取最集中区域,所述最集中区域指该区域内至少包含总点数三分之二及以上,取最集中区域的中心点作为标准点,将所有散点按比例更新成标准点,同时按照对应比例输出全新的下发占用资源与写入占用资源;
选取全新的下发占用资源或写入占用资源形成数据组,构建数据运维模型,分析数据变化趋势:
对数据组进行灰色累加生成,记为第二数据组;
利用白化微分方程对第二数据组进行处理:其中,代表第二数据组中的第i组数据;/>代表白化微分的灰作用量;k代表发展系数;
基于第二数据组,计算紧邻均值,形成第三数据组;根据数据组、第二数据组、第三数据组的数据,利用最小二乘法求解:T0(N+1)=(1-ek)(T0-h/k)e-kN其中,T0(N+1)指数据运维模型输出的下发占用资源或写入占用资源的分析数据;N代表数据组内数据数量;T0代表数据组内第一位数据;
获取中心设备中软件更新数据包资源大小,计算其到标准点的比例数据,将T0(N+1)按照比例数据进行处理后输出为数据包下发或写入的占用资源数据。
获取输出的数据包下发或写入的占用资源数据,分别记为x1、y1;
则有:其中,满足/>、/>、……、/>任一个均小于手动设置的服务器网络资源阈值/>;/>+/>+……+/>=/>+/>+……+/>=/>,/>=0;其中/>代表网络设备数量;利用计算机联立求解,取n最小值时的/>;/>、/>、/>输出,生成最佳数据包需求策略反馈至中心设备。
在本实施例二中,还提供一种应用于网络设备运维的人工智能监控***,该***包括:服务器网络设备模块、数据分配模块、数据运维模块、人工智能监控模块以及反馈模块;
所述服务器网络设备模块用于获取服务器网络的中心设备,标记所述中心设备下行通信中的网络设备数量;所述数据分配模块用于与服务器建立数据连接,获取服务器分配到中心设备的软件更新数据包资源大小;所述数据运维模块用于构建数据运维模型,基于软件更新数据包资源大小生成数据包下发与写入的占用资源数据;所述人工智能监控模块用于手动设置服务器网络资源阈值,构建人工智能监控模型,在不超出服务器网络资源阈值的前提下输出最佳数据包需求策略,所述最佳数据包需求策略指占用时长最低;所述反馈模块用于将最佳数据包需求策略反馈至中心设备,中心设备按照最佳数据包需求策略下发软件更新数据包资源,智能进行网络设备运维;
所述服务器网络设备模块的输出端与所述数据分配模块的输入端相连接;所述数据分配模块的输出端与所述数据运维模块的输入端相连接;所述数据运维模块的输出端与所述人工智能监控模块的输入端相连接;所述人工智能监控模块的输出端与所述反馈模块的输入端相连接。
所述服务器网络设备模块包括中心设备单元与网络设备单元;
所述中心设备单元用于获取服务器网络的中心设备;所述网络设备单元用于标记所述中心设备下行通信中的网络设备数量;所述中心设备与网络设备之间连接有通信链路,所述网络设备之间存在同步链路。
所述数据分配模块包括连接单元和数据分配单元;
所述连接单元用于与服务器建立数据连接;所述数据分配单元用于获取服务器分配到中心设备的软件更新数据包资源大小;
所述连接单元的输出端与所述数据分配单元的输入端相连接。
所述数据运维模块包括数据运维单元和数据生成单元;
所述数据运维单元根据历史数据库,获取历史数据下服务器分配到中心设备的软件更新数据包资源大小,并获取对应的下发至网络设备时与在网络设备内写入时占用的资源数据,构建数据运维模型;所述数据生成单元基于软件更新数据包资源大小生成数据包下发与写入的占用资源数据;
所述数据运维单元的输出端与所述数据生成单元的输入端相连接。
所述人工智能监控模块包括阈值设立单元与人工智能监控单元;
所述阈值设立单元用于手动设置服务器网络资源阈值;所述人工智能监控单元基于服务器网络资源阈值构建人工智能监控模型,在不超出服务器网络资源阈值的前提下输出最佳数据包需求策略;
所述阈值设立单元的输出端与所述人工智能监控单元的输入端相连接。
所述反馈模块包括反馈单元与执行单元;
所述反馈单元用于将最佳数据包需求策略反馈至中心设备;所述执行单元用于下发执行指令,命令中心设备按照最佳数据包需求策略下发软件更新数据包资源,智能进行网络设备运维;
所述反馈单元的输出端与所述执行单元的输入端相连接。
需要说明的是,在本文中,诸如第一和第二等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。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,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。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种应用于网络设备运维的人工智能监控方法,其特征在于:该方法包括以下步骤:
S1、获取服务器网络的中心设备,标记所述中心设备下行通信中的网络设备数量,所述中心设备与网络设备之间连接有通信链路,所述网络设备之间存在同步链路;
S2、获取服务器分配到中心设备的软件更新数据包资源大小,构建数据运维模型,基于软件更新数据包资源大小生成数据包下发与写入的占用资源数据;
S3、手动设置服务器网络资源阈值,构建人工智能监控模型,在不超出服务器网络资源阈值的前提下输出最佳数据包需求策略,所述最佳数据包需求策略指占用时长最低;
S4、将最佳数据包需求策略反馈至中心设备,中心设备按照最佳数据包需求策略下发软件更新数据包资源,智能进行网络设备运维;
获取服务器网络的中心设备,获取服务器分配到中心设备的软件更新数据包,标记首次传输软件更新数据包的通信链路对应的网络设备为母网络设备;
所述母网络设备随机划分为写入设备与同步设备;
所述写入设备指母网络设备根据接收到的软件更新数据包进行写入,实现软件更新;所述同步设备指母网络设备创建软件更新数据包源地址,并通过同步链路与非母网络设备建立请求,响应于同步设备请求的非母网络设备记为第一子网络设备,母网络设备将软件更新数据包源地址下发第一子网络设备;
同步设备清除请求,转为写入设备;所述第一子网络设备随机转换为新的写入设备与同步设备;
所述响应属唯一响应,同一时刻一个网络设备只与一个网络设备具备通信请求。
2.根据权利要求1所述的一种应用于网络设备运维的人工智能监控方法,其特征在于:所述构建数据运维模型包括:
根据历史数据库,获取历史数据下服务器分配到中心设备的软件更新数据包资源大小,并获取对应的下发至网络设备时与在网络设备内写入时占用的资源数据,记为数据集合[m0、x0、y0];其中,m0指软件更新数据包资源大小;x0指下发占用资源;y0指写入占用资源;
构建历史数据下服务器分配到中心设备的软件更新数据包资源大小的散点图,在散点图中选取最集中区域,所述最集中区域指该区域内至少包含总点数三分之二及以上,取最集中区域的中心点作为标准点,将所有散点按比例更新成标准点,同时按照对应比例输出全新的下发占用资源与写入占用资源;
选取全新的下发占用资源或写入占用资源形成数据组,构建数据运维模型,分析数据变化趋势:
对数据组进行灰色累加生成,记为第二数据组;
利用白化微分方程对第二数据组进行处理:
其中,/>代表第二数据组中的第i组数据;/>代表白化微分的灰作用量;k代表发展系数;
基于第二数据组,计算紧邻均值,形成第三数据组;根据数据组、第二数据组、第三数据组的数据,利用最小二乘法求解:
T0(N+1)=(1-ek)(T0-h/k)e-kN
其中,T0(N+1)指数据运维模型输出的下发占用资源或写入占用资源的分析数据;N代表数据组内数据数量;T0代表数据组内第一位数据;
获取中心设备中软件更新数据包资源大小,计算其到标准点的比例数据,将T0(N+1)按照比例数据进行处理后输出为数据包下发或写入的占用资源数据。
3.根据权利要求2所述的一种应用于网络设备运维的人工智能监控方法,其特征在于:所述构建人工智能监控模型包括:
获取输出的数据包下发或写入的占用资源数据,分别记为x1、y1;
则有:
其中,满足/>、/>、……、/>任一个均小于手动设置的服务器网络资源阈值/>;/>+/>+……+/>=/>+/>+……+/>=/>,/>=0;其中/>代表网络设备数量;
利用计算机联立求解,取n最小值时的;/>、/>、/>输出,生成最佳数据包需求策略反馈至中心设备。
4.应用如权利要求1所述的一种应用于网络设备运维的人工智能监控方法的一种应用于网络设备运维的人工智能监控***,其特征在于:该***包括:服务器网络设备模块、数据分配模块、数据运维模块、人工智能监控模块以及反馈模块;
所述服务器网络设备模块用于获取服务器网络的中心设备,标记所述中心设备下行通信中的网络设备数量;所述数据分配模块用于与服务器建立数据连接,获取服务器分配到中心设备的软件更新数据包资源大小;所述数据运维模块用于构建数据运维模型,基于软件更新数据包资源大小生成数据包下发与写入的占用资源数据;所述人工智能监控模块用于手动设置服务器网络资源阈值,构建人工智能监控模型,在不超出服务器网络资源阈值的前提下输出最佳数据包需求策略,所述最佳数据包需求策略指占用时长最低;所述反馈模块用于将最佳数据包需求策略反馈至中心设备,中心设备按照最佳数据包需求策略下发软件更新数据包资源,智能进行网络设备运维;
所述服务器网络设备模块的输出端与所述数据分配模块的输入端相连接;所述数据分配模块的输出端与所述数据运维模块的输入端相连接;所述数据运维模块的输出端与所述人工智能监控模块的输入端相连接;所述人工智能监控模块的输出端与所述反馈模块的输入端相连接。
5.根据权利要求4所述的一种应用于网络设备运维的人工智能监控***,其特征在于:所述服务器网络设备模块包括中心设备单元与网络设备单元;
所述中心设备单元用于获取服务器网络的中心设备;所述网络设备单元用于标记所述中心设备下行通信中的网络设备数量;所述中心设备与网络设备之间连接有通信链路,所述网络设备之间存在同步链路。
6.根据权利要求4所述的一种应用于网络设备运维的人工智能监控***,其特征在于:所述数据分配模块包括连接单元和数据分配单元;
所述连接单元用于与服务器建立数据连接;所述数据分配单元用于获取服务器分配到中心设备的软件更新数据包资源大小;
所述连接单元的输出端与所述数据分配单元的输入端相连接。
7.根据权利要求4所述的一种应用于网络设备运维的人工智能监控***,其特征在于:所述数据运维模块包括数据运维单元和数据生成单元;
所述数据运维单元根据历史数据库,获取历史数据下服务器分配到中心设备的软件更新数据包资源大小,并获取对应的下发至网络设备时与在网络设备内写入时占用的资源数据,构建数据运维模型;所述数据生成单元基于软件更新数据包资源大小生成数据包下发与写入的占用资源数据;
所述数据运维单元的输出端与所述数据生成单元的输入端相连接。
8.根据权利要求4所述的一种应用于网络设备运维的人工智能监控***,其特征在于:所述人工智能监控模块包括阈值设立单元与人工智能监控单元;
所述阈值设立单元用于手动设置服务器网络资源阈值;所述人工智能监控单元基于服务器网络资源阈值构建人工智能监控模型,在不超出服务器网络资源阈值的前提下输出最佳数据包需求策略;
所述阈值设立单元的输出端与所述人工智能监控单元的输入端相连接。
9.根据权利要求4所述的一种应用于网络设备运维的人工智能监控***,其特征在于:所述反馈模块包括反馈单元与执行单元;
所述反馈单元用于将最佳数据包需求策略反馈至中心设备;所述执行单元用于下发执行指令,命令中心设备按照最佳数据包需求策略下发软件更新数据包资源,智能进行网络设备运维;
所述反馈单元的输出端与所述执行单元的输入端相连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310712823.6A CN116455748B (zh) | 2023-06-16 | 2023-06-16 | 一种应用于网络设备运维的人工智能监控***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310712823.6A CN116455748B (zh) | 2023-06-16 | 2023-06-16 | 一种应用于网络设备运维的人工智能监控***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116455748A CN116455748A (zh) | 2023-07-18 |
CN116455748B true CN116455748B (zh) | 2023-08-25 |
Family
ID=87132418
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310712823.6A Active CN116455748B (zh) | 2023-06-16 | 2023-06-16 | 一种应用于网络设备运维的人工智能监控***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116455748B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107104819A (zh) * | 2017-03-23 | 2017-08-29 | 武汉邮电科学研究院 | 基于sdn的自适应自协调统一通信***及通信方法 |
CN112988198A (zh) * | 2021-04-15 | 2021-06-18 | 深圳市共进电子股份有限公司 | mesh设备多机升级方法、装置和mesh设备 |
CN113055489A (zh) * | 2021-03-23 | 2021-06-29 | 北京计算机技术及应用研究所 | 基于q学习的星地融合网络资源分配策略的实现方法 |
CN114897176A (zh) * | 2022-03-11 | 2022-08-12 | 南京鼎傲科技有限公司 | 一种基于人工智能的互联网大数据处理***及方法 |
WO2022252496A1 (zh) * | 2021-06-01 | 2022-12-08 | 苏州路之遥科技股份有限公司 | 软件定义云边协同网络能耗优化方法和*** |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111741494B (zh) * | 2015-07-14 | 2023-01-10 | Oppo广东移动通信有限公司 | 数据传输的方法、发送设备及接收设备 |
US11382113B2 (en) * | 2018-03-08 | 2022-07-05 | Qualcomm Incorporated | Systems and methods for uplink data scheduling in wireless communication systems |
-
2023
- 2023-06-16 CN CN202310712823.6A patent/CN116455748B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107104819A (zh) * | 2017-03-23 | 2017-08-29 | 武汉邮电科学研究院 | 基于sdn的自适应自协调统一通信***及通信方法 |
CN113055489A (zh) * | 2021-03-23 | 2021-06-29 | 北京计算机技术及应用研究所 | 基于q学习的星地融合网络资源分配策略的实现方法 |
CN112988198A (zh) * | 2021-04-15 | 2021-06-18 | 深圳市共进电子股份有限公司 | mesh设备多机升级方法、装置和mesh设备 |
WO2022252496A1 (zh) * | 2021-06-01 | 2022-12-08 | 苏州路之遥科技股份有限公司 | 软件定义云边协同网络能耗优化方法和*** |
CN114897176A (zh) * | 2022-03-11 | 2022-08-12 | 南京鼎傲科技有限公司 | 一种基于人工智能的互联网大数据处理***及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116455748A (zh) | 2023-07-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114417417B (zh) | 一种基于联邦学习的工业物联网隐私保护***及方法 | |
TWI786527B (zh) | 程式設計平台的使用者代碼運行方法、電子設備和電腦可讀儲存介質 | |
CN105786611A (zh) | 一种分布式集群的任务调度方法及装置 | |
CN116455748B (zh) | 一种应用于网络设备运维的人工智能监控***及方法 | |
CN110601916A (zh) | 一种基于机器学习的流量采样和应用感知的*** | |
Zhou et al. | TSEngine: Enable efficient communication overlay in distributed machine learning in WANs | |
CN105376093B (zh) | 海量数据点的分布式管理方法及*** | |
CN113873033B (zh) | 一种具有容错功能的智能边缘计算网关平台 | |
CN115543582A (zh) | 超算算力网络统一调度方法、***及设备 | |
CN115103037A (zh) | 一种实时***和非实时***之间的通讯实现方法 | |
CN112765294A (zh) | 一种气象大数据处理调度*** | |
CN115942392B (zh) | 基于时间间隙的服务质量QoS动态配置方法及*** | |
CN113918303B (zh) | 基于微服务的多任务分布调度*** | |
CN116757911B (zh) | 基于云储存的智能渲染反馈*** | |
CN115314394B (zh) | 一种面向智能电网的资源分配方法 | |
CN215222499U (zh) | 一种用于计算机群运行管理的装置 | |
CN118042492B (zh) | 一种基于5g通信的网络数据运维管理***及方法 | |
CN108449658A (zh) | 一种动态带宽分配的mas计算方法 | |
CN112702415B (zh) | 一种将Kafka长连接消费转换成服务的方法 | |
CN106817426A (zh) | 一种提示方法、数据传输方法及设备 | |
CN216437218U (zh) | 一种基于api的数据传输***及计算机存储介质 | |
CN111815475B (zh) | 一种电网联合调度的模拟装置及方法 | |
CN111680996B (zh) | 基于区块链的生活缴费数据处理方法、装置及*** | |
CN116471506A (zh) | 光网络带宽资源分配方法、装置、电子设备及介质 | |
Jing et al. | A Large-scale Distribution and Deployment of Robot Task Based on MQTT Protocol and ROS |
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 |