CN117834386A - 一种流量图网络监控故障自动报警***及方法 - Google Patents
一种流量图网络监控故障自动报警***及方法 Download PDFInfo
- Publication number
- CN117834386A CN117834386A CN202311759300.3A CN202311759300A CN117834386A CN 117834386 A CN117834386 A CN 117834386A CN 202311759300 A CN202311759300 A CN 202311759300A CN 117834386 A CN117834386 A CN 117834386A
- Authority
- CN
- China
- Prior art keywords
- flow
- network
- time
- service
- fault
- 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.)
- Granted
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 115
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000012423 maintenance Methods 0.000 claims abstract description 75
- 230000005856 abnormality Effects 0.000 claims abstract description 18
- 230000008859 change Effects 0.000 claims description 55
- 238000012545 processing Methods 0.000 claims description 45
- 238000010586 diagram Methods 0.000 claims description 26
- 230000002159 abnormal effect Effects 0.000 claims description 19
- 230000008569 process Effects 0.000 claims description 16
- 230000000737 periodic effect Effects 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 description 12
- 238000001514 detection method Methods 0.000 description 9
- 238000007689 inspection Methods 0.000 description 4
- 230000004927 fusion Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000001595 flow curve Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Landscapes
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明提供了一种流量图网络监控故障自动报警***及方法,其***包括:数据采集模块用于对局域网的第一实时流量或者局域网内各个网络节点的第二实时流量进行采集;图像绘制模块用于基于第一实时流量绘制第一流量图或者基于第二实时流量绘制第二流量图;流量监测模块用于基于第一流量图对局域网内的设备工作状态进行检测判断是否存在网络异常,并基于第二流量图确定网络故障设备;故障报警模块用于基于网络故障设备的设备信息,生成故障报警信号,通知运维人员进行维修;故障记录模块用于根据故障报警信息以及运维人员的实际维修信息生成故障维修记录进行存储,实现了对网络流量进行自主监测,能够实时的检测到网络设备的故障并及时自动报警提示。
Description
技术领域
本发明涉及网络监测技术领域,特别涉及一种流量图网络监控故障自动报警***及方法。
背景技术
随着宽带网络接入的普及以及个人计算机性能的不断提高,促进了用户对网络服务质量提出更高的要求。单位网络规模的不断扩大,网络设备和服务器数量也在不断的增多。随之而来的各种故障也在不断增多。即使管理人员每天花大量的时间去定时的检查各个设备的运行情况。也难免会出现不可预见的突发情况导致的故障等。传统的网络故障一般都是用户先发现后反馈给管理人员,这样有很长的延时性。有时候故障出现了半天了后才被通知到管理员手上,给用户带来了很多不便。因此本发明提出一种流量图网络监控故障自动报警***及方法。
发明内容
本发明提供一种流量图网络监控故障自动报警***及方法,通过对网络流量进行自主监测,能够实时的检测到网络设备的故障并及时自动报警提示,以便网络管理人员可以及时的采取措施,把损失降低到最低,并把网络故障信息记录下来,便于后期的管理人员分析和总结。
本发明提供一种流量图网络监控故障自动报警***,包括:
数据采集模块,用于对局域网的第一实时流量或者局域网内各个网络节点的第二实时流量进行采集;
图像绘制模块,用于基于第一实时流量绘制第一流量图或者基于第二实时流量绘制第二流量图;
流量监测模块,用于基于第一流量图对局域网内的设备工作状态进行检测,判断是否存在网络异常,并基于第二流量图,确定网络故障设备;
故障报警模块,用于基于网络故障设备的设备信息,生成故障报警信号,通知运维人员进行维修;
其中,设备信息包括设备身份信息以及设备位置信息;
故障记录模块,用于根据故障报警信息以及运维人员的实际维修信息,生成故障维修记录进行存储。
优先的,在一种流量图网络监控故障自动报警***中,数据采集模块,包括:
第一采集单元,用于采集局域网的第一实时流量;
第二采集单元,用于采集每个网络节点处的第二实时流量,并根据预设节点编号,向第二流量监测值添加身份标签后发送至图像绘制模块。
优先的,在一种流量图网络监控故障自动报警***中,流量监测模块,包括:
第一判断单元,用于基于第一流量图对局域网内的当前流量的总体变化进行特征提取,获得流量浮动特征,将所述流量浮动特征与当前时间段的对应的参考浮动特征进行对比,判断局域网的当前流量是否正常;
监测设置单元,用于用户设置重点监测网络节点或者当局域网的当前流量异常时,生成全域监测信号,控制数据采集模块对局域网内的全部网络节点进行实时流量采集;
第二判断单元,用于基于第二流量图,结合每个网络节点的业务信息,判断各个网络节点是否存在异常。
优先的,在一种流量图网络监控故障自动报警***中,第一判断单元,包括:
参考生成单元,用于获取有效时间内的局域网的历史监测流量图,并以自然日为周期将历史监测流量图划分为多个流量图段,然后根据预设时长,将流量图段分割成多个时间段;
将每个时间段对应的流量图进行对比,获取时间段的流量浮动特征,并获取每个时间段对应的平均流量,作为对应时间段对应的参考流量,基于周期,将各个时间段的对应的参考流量进行拼接,生成周期流量特征图,根据周期流量特征图,确定相邻时间段之间的参考流量的浮动变化特征;
基于所述浮动变化特征以及时间段的流量浮动特征生成局域网对应的流量特征;
参考获取单元,用于基于局域网对应的流量特征,确定当前时间段的对应的参考浮动特征;
对比判断单元,用于将所述流量浮动特征与参考浮动特征进行对比,当流量浮动特征与参考浮动特征一致时,判定局域网的当前流量正常;
否则,判定局域网的当前流量异常。
优先的,在一种流量图网络监控故障自动报警***中,第二判断单元,包括:
业务匹配单元,用于获取当前阶段内阶段业务信息,基于阶段业务信息对应的业务属性,将阶段业务进行责任划分,并根据责任划分结果对阶段业务进行分割,获得多个业务子任务,根据各个网络节点对应的业务执行特点,将网络节点与业务子任务进行匹配,确定局域网内各个网络节点对应的业务子任务;
业务筛选单元,用于对业务子任务进行特征提取,获得业务特征,基于业务特征,在所述业务子任务对应的网络节点对应任务日志中进行筛选,获得多个相似业务任务;
数据处理单元,用于获取相似业务任务对应的数量处理过程中的历史流量图,并分别在各个历史流量图上进行流量峰顶以及峰谷进行标记,获得历史标记流量图,将历史标记流量图进行对齐,确定相似业务任务处理过程的流量波动共性特征以及相似业务任务对应流量峰顶以及峰谷的分布差异特征;
基于所述分布差异特征以及流量波动共性特征,分别生成各个网络节点对应的业务处理流量分布特征。
优先的,在一种流量图网络监控故障自动报警***中,第二判断单元,还包括:
关联处理单元,用于各个网络节点对应的相似业务的任务关联性,将不同网络节点对应的相似业务进行关联,生成关联节点组,并将关联节点组对应的历史流量图根据时间轴对应关系进行对齐,根据对齐结果,获取对应时间轴上各个时间各个网络节点对应的流量变化对应关系;
对全部时间点对应的流量变化对应关系进行对比,确定各个网络节点对应的流量关联关系。
优先的,在一种流量图网络监控故障自动报警***中,第二判断单元,还包括:
特征对比单元,用于对网络节点对应的第二流量图并进行特征提取,获取网络节点对应的第一流量变化特征,将所述第一流量变化特征与网络节点对应的业务处理流量分布特征进行对比,获得所述第一流量变化特征与网络节点对应的业务处理流量分布特征的特征相似度,当特征相似度大于等于预设值时,判定网络节点流量正常;
否则,基于网络节点对应的业务子任务,确定关联网络节点,获取关联网络节点对应的第二流量变化特征,当第一流量变化特征和第二流量变化特征符合流量变化符合流量关联关系时,判定网络节点流量为正常流量浮动,判定网络节点流量正常;
否则,判定网络节点流量异常,并将网络节点对应的设备作为故障设备。
优先的,在一种流量图网络监控故障自动报警***中,故障报警模块,包括:
目标确定单元,用于基于预设设备编码,获取故障设备的设备身份信息以及设备位置信息;
信号生成单元,用于基于设备身份信息以及设备位置信息生成故障故障报警信号,发送至运维监测端,通知运维人员进行维修。
优先的,在一种流量图网络监控故障自动报警***中,数据采集模块,还包括:
超标监测单元,用于在采集到第一实时流量后,将第一实时流量与第一流量阈值进行对比;
当第一实时流量大于等于第一流量阈值时,判定局域网存在流量超标,并生成全域监测信号,对局域网内的全部网络节点进行实时流量采集;
同时,在采集到第二实时流量后,将第二实时流量与第二流量阈值进行对比,当第二实时流量大于等于第二流量阈值时,判定所述网络节点存在流量超标,并将所述网络节点作为流量超标网络节点;
超标预警单元,用于基于流量超标网络节点对应的为位置,生成流量超标信号发送至运维监测端。
本发明提供一种流量图网络监控故障自动报警方法,包括:
步骤1:对局域网的第一实时流量或者局域网内各个网络节点的第二实时流量进行采集;
步骤2:基于第一实时流量绘制第一流量图或者基于第二实时流量绘制第二流量图;
步骤3:基于第一流量图对局域网内的设备工作状态进行检测,判断是否存在网络异常,并基于第二流量图,确定网络故障设备;
步骤4:基于网络故障设备的设备信息,生成故障报警信号,通知运维人员进行维修;
其中,设备信息包括设备身份信息以及设备位置信息;
步骤5:根据故障报警信息以及运维人员的实际维修信息,生成故障维修记录进行存储。
与现有技术相比,本发明至少存在以下有益效果:
本发明通过数据采集模块,用于对局域网的第一实时流量或者局域网内各个网络节点的第二实时流量进行采集,然后通过图像绘制模块基于第一实时流量绘制第一流量图或者基于第二实时流量绘制第二流量图;并通过流量监测模块,用于基于第一流量图对局域网内的设备工作状态进行检测,判断是否存在网络异常,并基于第二流量图,确定网络故障设备,实现了局域网内流量的自主监测,减少运维人员的设备运行检查的工作量,同时也可以避免人工故障检测不及时导致的经济损失,通过故障报警模块基于网络故障设备的设备信息,生成故障报警信号,通知运维人员进行维修,在及时发现网络故障的同时及时对运维人员进行提醒,确保网络故障及时得到维修,可以最大限度的减低企业损失;并在故障发现后,通过故障记录模块根据故障报警信息以及运维人员的实际维修信息,生成故障维修记录进行存储,完成故障及其维修内容的自动整理,将网络故障信息记录下来,便于后期的管理人员分析和总结。而且同时完成了局域网的整体检测和网络节点的精准监测,在完成对局域网监测的同时还可以是针对性的局域网内的各个位置进行监测,本发明在确定局域网流量异常后再开启全部网络节点的流程采集,或者用户根据自身监测需求设置开启对应的网络节点的流量监测,有效降低网络监控的资源开销,减少企业网络监控成本。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在本申请文件中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
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为本发明一种流量图网络监控故障自动报警***的示意图;
图2为本发明一种流量图网络监控故障自动报警***数据采集模块的示意图;
图3为本发明一种流量图网络监控故障自动报警***流量监测模块的示意图;
图4为本发明一种流量图网络监控故障自动报警***故障报警模块的示意图;
图5为本发明一种流量图网络监控故障自动报警方法的流程图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
实施例1:
本发明提供一种流量图网络监控故障自动报警***,如图1所示,包括:
数据采集模块,用于对局域网的第一实时流量或者局域网内各个网络节点的第二实时流量进行采集;
图像绘制模块,用于基于第一实时流量绘制第一流量图或者基于第二实时流量绘制第二流量图;
流量监测模块,用于基于第一流量图对局域网内的设备工作状态进行检测,判断是否存在网络异常,并基于第二流量图,确定网络故障设备;
故障报警模块,用于基于网络故障设备的设备信息,生成故障报警信号,通知运维人员进行维修;
其中,设备信息包括设备身份信息以及设备位置信息;
故障记录模块,用于根据故障报警信息以及运维人员的实际维修信息,生成故障维修记录进行存储。
本实施例中,数据采集依靠SNMP(Simple Network Management Protocol,是目前最常用的一种环境管理协议)技术。
本实施例中,第一实时流量是指局域网的整体流量。第二实时流量是指局域网内各个网络节点(例如工作站、服务器、终端设备、网络设备等)的局部实时流量。
本实施例中,第一流量图是指根据局域网的第一实时流量随时间的变化绘制的动态图像。第二流量图是指根据各个网络节点的第二实时流量随时间的变化绘制的动态图像。
本实施例中,网络故障设备是指网络流量异常的目标节点对应的全部设备。
本实施例中,设备身份信息是指设备的类型以及设备在当前局域网内的编号等信息;设备位置信息是设备所在的位置信息。
本实施例中,故障报警信息是指故障报警信号中包含的网络故障设备的设备信息以及信号接收运维单位信息,实际维修信息是指在运维人员维修完成后输入的故障维修内容。
上述技术方案的有益效果:本发明通过数据采集模块,用于对局域网的第一实时流量或者局域网内各个网络节点的第二实时流量进行采集,然后通过图像绘制模块基于第一实时流量绘制第一流量图或者基于第二实时流量绘制第二流量图;并通过流量监测模块,用于基于第一流量图对局域网内的设备工作状态进行检测,判断是否存在网络异常,并基于第二流量图,确定网络故障设备,实现了局域网内流量的自主监测,减少运维人员的设备运行检查的工作量,同时也可以避免人工故障检测不及时导致的经济损失,通过故障报警模块基于网络故障设备的设备信息,生成故障报警信号,通知运维人员进行维修,在及时发现网络故障的同时及时对运维人员进行提醒,确保网络故障及时得到维修,可以最大限度的减低企业损失;并在故障发现后,通过故障记录模块根据故障报警信息以及运维人员的实际维修信息,生成故障维修记录进行存储,完成故障及其维修内容的自动整理,将网络故障信息记录下来,便于后期的管理人员分析和总结。而且同时完成了局域网的整体检测和网络节点的精准监测,在完成对局域网监测的同时还可以是针对性的局域网内的各个位置进行监测,本发明在确定局域网流量异常后再开启全部网络节点的流程采集,或者用户根据自身监测需求设置开启对应的网络节点的流量监测,有效降低网络监控的资源开销,减少企业网络监控成本。
实施例2:
在实施例1的基础上,数据采集模块,如图2所示,包括:
第一采集单元,用于采集局域网的第一实时流量;
第二采集单元,用于采集每个网络节点处的第二实时流量,并根据预设节点编号,向第二流量监测值添加身份标签后发送至图像绘制模块。
本实施例中,预设节点编码是指在对网络节点进行划分的过程中向各个节点赋予的节点身份编码。
上述技术方案的有益效果:本发明分别通过第一采集单元和第二采集单元完成了对局域网的整体网络流量以及各个网络节点的局部流量进行采集,为网络监测提供了数据支撑,并根据预设节点编号,向第二流量监测值添加身份标签后发送至图像绘制模块。
实施例3:
在实施例1的基础上,流量监测模块,如图3所示,包括:
第一判断单元,用于基于第一流量图对局域网内的当前流量的总体变化进行特征提取,获得流量浮动特征,将所述流量浮动特征与当前时间段的对应的参考浮动特征进行对比,判断局域网的当前流量是否正常;
监测设置单元,用于根据用户设置的重点监测信息生成节点监测信号,或者当局域网的当前流量异常时,生成全域监测信号,基于节点监测信号或者全域监测信号,控制数据采集模块进行第二实时流量的采集;
第二判断单元,用于基于第二流量图,结合每个网络节点的业务信息,判断各个网络节点是否存在异常。
本实施例中,流量浮动特征是指第一流量图上当前时间段的内对应的流量波动特征。
本实施例中,参考浮动特征是指当前时间段的内局域网的预测流量波动特征及其对应相邻时间段的对应的预测流量波动特征。
本实施例中,全域监测信号是指开启当前局域网内全部网络节点的流量采集的信号。在用户没有指定监测某个或某些网络节点的网络流量的情况下,在没有发现局域网网络异常时,各个网络节点的实时流量采集处于关闭状态。
本实施例中,节点监测信号是指对用户选中的网络节点进行实时流量采集监测。
本实施例中,业务信息是指每个网络节点需要处理的业务及其对应的业务数据。
上述技术方案的有益效果:本发明通过第一判断单元基于第一流量图对局域网内的当前流量的总体变化进行特征提取,获得流量浮动特征,将所述流量浮动特征与当前时间段的对应的参考浮动特征进行对比,判断局域网的当前流量是否正常,实现了对局域网的整体自主监测,可以及时发现局域网的网络流量异常问题,并在确定局域网网络异常后,通过监测设置单元,生成全域监测信号,控制数据采集模块对局域网内的全部网络节点进行第二实时流量采集,生成第二流量图,结合每个网络节点的业务信息,判断各个网络节点是否存在异常方便快速确定网络故障位置,为运维人员的维修提供依据,本发明在确定网络异常的情况下才开启全部网络节点的流量监测,或者根据用户设置的重点监测信息生成节点监测信号,对用户设置的重点监测网络节点进行针对性监测,有效降低了网络监测所需的成本。
实施例4:
在实施例3的基础上,第一判断单元,包括:
参考生成单元,用于获取有效时间内的局域网的历史监测流量图,并以自然日为周期将历史监测流量图划分为多个流量图段,然后根据预设时长,将流量图段分割成多个时间段;
将每个时间段对应的流量图进行对比,获取时间段的流量浮动特征,并获取每个时间段对应的平均流量,作为对应时间段对应的参考流量,基于周期,将各个时间段的对应的参考流量进行拼接,生成周期流量特征图,根据周期流量特征图,确定相邻时间段之间的参考流量的浮动变化特征;
基于所述浮动变化特征以及时间段的流量浮动特征生成局域网对应的流量特征;
参考获取单元,用于基于局域网对应的流量特征,确定当前时间段的对应的参考浮动特征;
对比判断单元,用于将所述流量浮动特征与参考浮动特征进行对比,当流量浮动特征与参考浮动特征一致时,判定局域网的当前流量正常;
否则,判定局域网的当前流量异常。
本实施例中,有效时间是指历史监测流图的有效保存日期,例如,3个月。
本实施例中,自然日是指24小时。
本实施例中,预设时长是指预先设定的时间段分割时长(例如,1小时)。
本实施例中,参考流量是指作为对每个时间段流量评价标准的流量值。
本实施例中,周期流量特征图是指基于时间轴,将每个时间段对应的参考流量进行拼接生成的流量波动图像。
本实施例中,浮动变化特征是指各个时间段对应的参考流量与其相邻时间段之间流量差异。
本实施例中,参考浮动特征是指局域网当前时段对应的流量特征。
上述技术方案的有益效果:本发明基于有效时间内的的历史监测流量图以自然日为周期,将历史监测流量图划分为多个流量图段,然后根据预设时长,将流量图段分割成多个时间段,然后根据对比确定每个时间段对应流量浮动特征,然后获取每个时间段对应的平均流量,作为对应时间段对应的参考流量,按照时间轴基于周期,将各个时间段的对应的参考流量进行拼接,生成周期流量特征图,然后获得相邻时间段之间的参考流量的浮动变化特征,从而预测到局域网对应的流量特征,作为局域网整体网络流量监测的依据,完成局域网的当前网络的监测判断,实现了根据监测时间的变化(即有效时间对应的时间的变化)自动完成局域网对应的流量特征的更新,确保局域网是否异常判断依据符合局域网当前网络的实际使用情况,同时将局域网的网络流量按照时间段进行判断,有利于提高局域网流量监测判断的准确度。
实施例5:
在实施例3的基础上,第二判断单元,包括:
业务匹配单元,用于获取当前阶段内阶段业务信息,基于阶段业务信息对应的业务属性,将阶段业务进行责任划分,并根据责任划分结果对阶段业务进行分割,获得多个业务子任务,根据各个网络节点对应的业务执行特点,将网络节点与业务子任务进行匹配,确定局域网内各个网络节点对应的业务子任务;
业务筛选单元,用于对业务子任务进行特征提取,获得业务特征,基于业务特征,在所述业务子任务对应的网络节点对应任务日志中进行筛选,获得多个相似业务任务;
数据处理单元,用于获取相似业务任务对应的数量处理过程中的历史流量图,并分别在各个历史流量图上进行流量峰顶以及峰谷进行标记,获得历史标记流量图,将历史标记流量图进行对齐,确定相似业务任务处理过程的流量波动共性特征以及相似业务任务对应流量峰顶以及峰谷的分布差异特征;
基于所述分布差异特征以及流量波动共性特征,分别生成各个网络节点对应的业务处理流量分布特征。
本实施例中,阶段业务信息是指当前业务进行阶段对应的任务信息,当前阶段是指当前业务进行阶段。
本实施例中,责任划分是指不用的业务要不同的业务部门处理。其中,每个业务部门对应不同的网络节点。
本实施例中,业务子任务是指根据阶段业务执行过程需要具体任务分配的业务部门,将阶段任务进行分割得到的子任务。
本实施例中,业务执行特点是指每个网络节点对应的部门的处理的业务的特点,例如,采购部门管理业务中的采购以及材料分配,财务部门管理业务中的财务支出以及收入。
本实施例中,业务特征是指业务规模及其对应的业务类型,在每个部门进行业务处理的过程中都有相应网络流量的变化,由于业务规模越大数据复杂需要的网络流量越大。
本实施例中,相似业务任务是指网络节点上与业务子任务的业务特征相似的历史业务子任务,其中,同一网络节点在同一阶段内有且仅有一个历史业务任务在进行。
本实施例中,流量峰顶以及峰谷是指历史流量图上流量波动的峰值以及峰谷。
本实施例中,流量波动共性特征是指相似业务任务处理过程中流量波动的相同的特征,例如,在业务任务分配的前期当前网络节点在等待其他网络节点对业务的处理流量波动不大,到了中期当前网络节点进入业务处理阶段流量波动较大,到了后期由于业务处理的完成在等待其他网络节点完成业务任务流量波动恢复到与前期一样的波动情况。或者,在业务任务分配的前期当前网络节点进入业务处理阶段流量波动较大,到了中期和后期由于业务处理的完成在等待其他网络节点完成业务任务流量波动恢复到与前期一样的波动情况。又或者在业务任务分配的前期和中期当前网络节点在等待其他网络节点对业务的处理流量波动不大,到了后期当前网络节点进入业务处理阶段流量波动较大。
由于不同业务特征的业务规模的不同每个阶段业务对应的各个时期的长短各不相同。
本实施例中,分布差异特征是指不同相似业务任务对应的流量峰顶以及峰谷的差异。
本实施例中,业务处理流量分布特征是指网络节点对业务子任务及其相似业务任务的在处理的过程中的流量分布特征。
上述技术方案的有益效果:本发明获取当前阶段内阶段业务信息,基于阶段业务信息对应的业务属性,将阶段业务进行责任划分,并根据责任划分结果对阶段业务进行分割,获得多个业务子任务,并根据局域网内各个网络节点对应的业务执行特点将业务子任务与网络节点进行匹配,然后根据匹配的业务子任务的业务特征对当前阶段各个网络节点的对应的业务处理过程中的流量变化进行预测获得业务处理流量分布特征,实现了业务处理与网络检测的结合,克服由于处理业务的差异导致的网络节点的流量变化差异导致的流量监测判断不准的问题,有效地提高了网络节点监测结果的准确性。
实施例6:
在实施例5的基础上,第二判断单元,还包括:
关联处理单元,用于各个网络节点对应的相似业务的任务关联性,将不同网络节点对应的相似业务进行关联,生成关联节点组,并将关联节点组对应的历史流量图根据时间轴对应关系进行对齐,根据对齐结果,获取对应时间轴上各个时间各个网络节点对应的流量变化对应关系;
对全部时间点对应的流量变化对应关系进行对比,确定各个网络节点对应的流量关联关系。
本实施例中,任务关联性是指被检测的网络节点之间的相似业务任务之间的关联关系,同一个历史阶段业务对应的相似业务任务存在关联关系。相似任务即为与业务子任务相似的历史业务任务。
本实施例中,关联节点组是指相似业务任务存在关联关系的网络节点构成的组合。
本实施例中,流量关联关系是指存在任务关联性的相似任务在当前阶段内的对应的各个网络节点对应的流量变化的关联关系,例如,网络节点的业务子任务需要双方辅助进行,在其中一个网络节点处理对应的业务子任务流量发生变化时,另一个网络节点对应的实时流量也会发生相同的变化。或两个网络节点处理业务子任务的存在顺序关系时,其中一个网络节点处理对应的业务子任务流量发生变化时,另一个网络节点对应的实时流量也不受其影响发生较大的波动。
上述技术方案的有益效果:本发明根据历史业务子任务的任务关联性,确定了不同的网络节点在处理同一阶段业务的过程的流量变化的关联性,得到了各个网络节点对应的流量关联关系,有效提升了各个网络节点流量监测的紧密性,为网络节点的流量检测的异常提供了另一依据,使得网络节点故障判断的结构更加精细准确。
实施例7:
在实施例6的基础上,第二判断单元,还包括:
特征对比单元,用于对网络节点对应的第二流量图并进行特征提取,获取网络节点对应的第一流量变化特征,将所述第一流量变化特征与网络节点对应的业务处理流量分布特征进行对比,获得所述第一流量变化特征与网络节点对应的业务处理流量分布特征的特征相似度,当特征相似度大于等于预设值时,判定网络节点流量正常;
否则,基于网络节点对应的业务子任务,确定关联网络节点,获取关联网络节点对应的第二流量变化特征,当第一流量变化特征和第二流量变化特征符合流量变化符合流量关联关系时,判定网络节点流量为正常流量浮动,判定网络节点流量正常;
否则,判定网络节点流量异常,并将网络节点对应的设备作为网络故障设备。
本实施例中,第一流量变化特征是指第二流量图上网络节点对应的流量变化特征。
本实施例中,关联网络节点是指对应的业务子任务用属于同一阶段业务的网络节点互为关联网络节点。
本实施例中,第二流量变化特征是指网络节点对应的关联网络节点对应的第二流量图上的流量变化特征。
本实施例中,当网络节点存在多个业务子任务时,分别获取同步业务子任务对应的业务处理流量分布特征,基于业务子任务对应的时间轴关系对业务处理流量分布特征进行特征融合,生成最终业务处理流量分布特征;
将第一流量变化特征与最终业务处理流量分布特征进行对比,得到特征相似度;当特征相似度大于等于预设值时,判定网络节点流量正常;
否则,基于网络节点对应的业务子任务,确定网络节点对应的多个关联网络节点,基于网络节点各个业务子任务对应的阶段业务的不同,将多个管理网络节点进行分类,获得多个节点组;
获取每个关联网络节点组对应的流量关联关系并筛选出节点组中的独立关联网络节点,并判断每个节点组是否都存在独立网络节点,若不是,则判定所述网络节点流量异常,并将网络节点对应的设备作为网络故障设备;
若是,则基于每个关联网络节点组对应的流量关联关系,结合独立关联网络节点对应的流量变化,单独预测网络节点的流量变化,并生成预测流量图,将不同节点组对应的预测流量图进行融合,生成获得融合流量图,所述融合流量图与所述网络节点对应的第二流量图进行重叠,获取两个流量曲线之间的图像面积的时间平均值,当所述时间平均值小于等于预设值时,判定所述网络节点流量正常;
否则,判定所述网络节点流量异常,并将网络节点对应的设备作为网络故障设备。
其中,节点组是指属于同一个阶段业务的关联网络节点为同一个分组。
独立关联网络节点是指每个节点组中只在当前节点分组中的任意一个关联网络节点。
预测流量图是指根据独立关联网络节点对应的流量变化,结合其与网络节点之间的流量关联关系,预测网络节点的流量变化曲线图。
融合流量图是指将网络节点对应的将是全部预测流量图进行融合后得到的流量变化曲线。
时间平均值是指两个曲线之间形成的图像面积在单位时间内的平均面积,是图像面积与融合流量图上时长的商值,此处的时长单位为秒。
上述技术方案的有益效果:本发明根据网络节点对应的业务处理流量分布特征以及关联网络节点流量关联关系对网络节点对应的流量是否异常进行判断,实现了多重标准的流量监测,减低偶然业务处理的流量变化导致的网络节点异常判断失误的概率,有效提高***网络故障监测的准确性。
实施例8:
在实施例1的基础上,故障报警模块,如图4所示,包括:
目标确定单元,用于基于预设设备编码,获取故障设备的设备身份信息以及设备位置信息;
信号生成单元,用于基于设备身份信息以及设备位置信息生成故障故障报警信号,发送至运维监测端,通知运维人员进行维修。
本实施例中,预设设备编码是指局域网中每个设备预先设定的设备身份编码。
本实施例中,故障设备是指网络节点包含的全部设备。
本实施例中,故障报警信号是指网络异常的报警信号,包含了故障设备位置信息。
上述技术方案的有益效果:本发明通过目标确定单元和信号生成单元,基于预设设备编码,获取故障设备的设备身份信息以及设备位置信息,并基于设备身份信息以及设备位置信息生成故障故障报警信号,发送至运维监测端,通知运维人员进行维修,确保在发现网络异常,并确定异常设备位置后,及时通知运维人员进行维修,有效缩短人工运维检查的时间消耗,提高运维维修效率,确保故障位置及时得到修复,尽可能的减低设备损坏导致的损失。
实施例9:
在实施例2的基础上,数据采集模块,如图2所示,还包括:
超标监测单元,用于在采集到第一实时流量后,将第一实时流量与第一流量阈值进行对比;
当第一实时流量大于等于第一流量阈值时,判定局域网存在流量超标,并生成全域监测信号,对局域网内的全部网络节点进行实时流量采集;
同时,在采集到第二实时流量后,将第二实时流量与第二流量阈值进行对比,当第二实时流量大于等于第二流量阈值时,判定所述网络节点存在流量超标,并将所述网络节点作为流量超标网络节点;
超标预警单元,用于基于流量超标网络节点对应的为位置,生成流量超标信号发送至运维监测端。
本实施例中,第一流量阈值是指预设置的局域网的最高可达实时流量值。
本实施例中,第二流量阈值是指预先设置的网络节点的最高可达实时流量值,不同的网络节点对应的第二流量阈值有所差异。
本实施例中,流量超标网络节点是指实时流量大于第二流量阈值网络节点。
本实施例中,流量超标信号是指实时流量大于预设阈值的异常通知信号。
上述技术方案的有益效果:本发明通过超标监测单元完成了局域网实时流量超标的监测,并在局域网实时流量超标后开启局域网内全部网络节点的实时流量检测,确定流量超标节点,实现了对局域网的实时监测的同时有利于及时发现流量超标问题,方便运维人员进行运维判断。
实施例10:
本发明提供一种流量图网络监控故障自动报警方法,如图5所示,包括:
步骤1:对局域网的第一实时流量或者局域网内各个网络节点的第二实时流量进行采集;
步骤2:基于第一实时流量绘制第一流量图或者基于第二实时流量绘制第二流量图;
步骤3:基于第一流量图对局域网内的设备工作状态进行检测,判断是否存在网络异常,并基于第二流量图,确定网络故障设备;
步骤4:基于网络故障设备的设备信息,生成故障报警信号,通知运维人员进行维修;
其中,设备信息包括设备身份信息以及设备位置信息;
步骤5:根据故障报警信息以及运维人员的实际维修信息,生成故障维修记录进行存储。
上述技术方案的有益效果:本发明通过数据采集模块,用于对局域网的第一实时流量或者局域网内各个网络节点的第二实时流量进行采集,然后通过图像绘制模块基于第一实时流量绘制第一流量图或者基于第二实时流量绘制第二流量图;并通过流量监测模块,用于基于第一流量图对局域网内的设备工作状态进行检测,判断是否存在网络异常,并基于第二流量图,确定网络故障设备,实现了局域网内流量的自主监测,减少运维人员的设备运行检查的工作量,同时也可以避免人工故障检测不及时导致的经济损失,通过故障报警模块基于网络故障设备的设备信息,生成故障报警信号,通知运维人员进行维修,在及时发现网络故障的同时及时对运维人员进行提醒,确保网络故障及时得到维修,可以最大限度的减低企业损失;并在故障发现后,通过故障记录模块根据故障报警信息以及运维人员的实际维修信息,生成故障维修记录进行存储,完成故障及其维修内容的自动整理,将网络故障信息记录下来,便于后期的管理人员分析和总结。而且同时完成了局域网的整体检测和网络节点的精准监测,在完成对局域网监测的同时还可以是针对性的局域网内的各个位置进行监测,本发明在确定局域网流量异常后再开启全部网络节点的流程采集,或者用户根据自身监测需求设置开启对应的网络节点的流量监测,有效降低网络监控的资源开销,减少企业网络监控成本。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种流量图网络监控故障自动报警***,其特征在于,包括:
数据采集模块,用于对局域网的第一实时流量或者局域网内各个网络节点的第二实时流量进行采集;
图像绘制模块,用于基于第一实时流量绘制第一流量图或者基于第二实时流量绘制第二流量图;
流量监测模块,用于基于第一流量图对局域网内的设备工作状态进行检测,判断是否存在网络异常,并基于第二流量图,确定网络故障设备;
故障报警模块,用于基于网络故障设备的设备信息,生成故障报警信号,通知运维人员进行维修;
其中,设备信息包括设备身份信息以及设备位置信息;
故障记录模块,用于根据故障报警信息以及运维人员的实际维修信息,生成故障维修记录进行存储。
2.根据权利要求1所述的一种流量图网络监控故障自动报警***,其特征在于,数据采集模块,包括:
第一采集单元,用于采集局域网的第一实时流量;
第二采集单元,用于采集每个网络节点处的第二实时流量,并根据预设节点编号,向第二流量监测值添加身份标签后发送至图像绘制模块。
3.根据权利要求1所述的一种流量图网络监控故障自动报警***,其特征在于,流量监测模块,包括:
第一判断单元,用于基于第一流量图对局域网内的当前流量的总体变化进行特征提取,获得流量浮动特征,将所述流量浮动特征与当前时间段的对应的参考浮动特征进行对比,判断局域网的当前流量是否正常;
监测设置单元,用于用户设置重点监测网络节点或者当局域网的当前流量异常时,生成全域监测信号,控制数据采集模块对局域网内的全部网络节点进行实时流量采集;
第二判断单元,用于基于第二流量图,结合每个网络节点的业务信息,判断各个网络节点是否存在异常。
4.根据权利要求3所述的一种流量图网络监控故障自动报警***,其特征在于,第一判断单元,包括:
参考生成单元,用于获取有效时间内的局域网的历史监测流量图,并以自然日为周期将历史监测流量图划分为多个流量图段,然后根据预设时长,将流量图段分割成多个时间段;
将每个时间段对应的流量图进行对比,获取时间段的流量浮动特征,并获取每个时间段对应的平均流量,作为对应时间段对应的参考流量,基于周期,将各个时间段的对应的参考流量进行拼接,生成周期流量特征图,根据周期流量特征图,确定相邻时间段之间的参考流量的浮动变化特征;
基于所述浮动变化特征以及时间段的流量浮动特征生成局域网对应的流量特征;
参考获取单元,用于基于局域网对应的流量特征,确定当前时间段的对应的参考浮动特征;
对比判断单元,用于将所述流量浮动特征与参考浮动特征进行对比,当流量浮动特征与参考浮动特征一致时,判定局域网的当前流量正常;
否则,判定局域网的当前流量异常。
5.根据权利要求3所述的一种流量图网络监控故障自动报警***,其特征在于,第二判断单元,包括:
业务匹配单元,用于获取当前阶段内阶段业务信息,基于阶段业务信息对应的业务属性,将阶段业务进行责任划分,并根据责任划分结果对阶段业务进行分割,获得多个业务子任务,根据各个网络节点对应的业务执行特点,将网络节点与业务子任务进行匹配,确定局域网内各个网络节点对应的业务子任务;
业务筛选单元,用于对业务子任务进行特征提取,获得业务特征,基于业务特征,在所述业务子任务对应的网络节点对应任务日志中进行筛选,获得多个相似业务任务;
数据处理单元,用于获取相似业务任务对应的数量处理过程中的历史流量图,并分别在各个历史流量图上进行流量峰顶以及峰谷进行标记,获得历史标记流量图,将历史标记流量图进行对齐,确定相似业务任务处理过程的流量波动共性特征以及相似业务任务对应流量峰顶以及峰谷的分布差异特征;
基于所述分布差异特征以及流量波动共性特征,分别生成各个网络节点对应的业务处理流量分布特征。
6.根据权利要求5所述的一种流量图网络监控故障自动报警***,其特征在于,第二判断单元,还包括:
关联处理单元,用于各个网络节点对应的相似业务的任务关联性,将不同网络节点对应的相似业务进行关联,生成关联节点组,并将关联节点组对应的历史流量图根据时间轴对应关系进行对齐,根据对齐结果,获取对应时间轴上各个时间各个网络节点对应的流量变化对应关系;
对全部时间点对应的流量变化对应关系进行对比,确定各个网络节点对应的流量关联关系。
7.根据权利要求6所述的一种流量图网络监控故障自动报警***,其特征在于,第二判断单元,还包括:
特征对比单元,用于对网络节点对应的第二流量图并进行特征提取,获取网络节点对应的第一流量变化特征,将所述第一流量变化特征与网络节点对应的业务处理流量分布特征进行对比,获得所述第一流量变化特征与网络节点对应的业务处理流量分布特征的特征相似度,当特征相似度大于等于预设值时,判定网络节点流量正常;
否则,基于网络节点对应的业务子任务,确定关联网络节点,获取关联网络节点对应的第二流量变化特征,当第一流量变化特征和第二流量变化特征符合流量变化符合流量关联关系时,判定网络节点流量为正常流量浮动,判定网络节点流量正常;
否则,判定网络节点流量异常,并将网络节点对应的设备作为故障设备。
8.根据权利要求1所述的一种流量图网络监控故障自动报警***,其特征在于,故障报警模块,包括:
目标确定单元,用于基于预设设备编码,获取故障设备的设备身份信息以及设备位置信息;
信号生成单元,用于基于设备身份信息以及设备位置信息生成故障故障报警信号,发送至运维监测端,通知运维人员进行维修。
9.根据权利要求2所述的一种流量图网络监控故障自动报警***,其特征在于,数据采集模块,还包括:
超标监测单元,用于在采集到第一实时流量后,将第一实时流量与第一流量阈值进行对比;
当第一实时流量大于等于第一流量阈值时,判定局域网存在流量超标,并生成全域监测信号,对局域网内的全部网络节点进行实时流量采集;
同时,在采集到第二实时流量后,将第二实时流量与第二流量阈值进行对比,当第二实时流量大于等于第二流量阈值时,判定所述网络节点存在流量超标,并将所述网络节点作为流量超标网络节点;
超标预警单元,用于基于流量超标网络节点对应的为位置,生成流量超标信号发送至运维监测端。
10.一种流量图网络监控故障自动报警方法,其特征在于,包括:
步骤1:对局域网的第一实时流量或者局域网内各个网络节点的第二实时流量进行采集;
步骤2:基于第一实时流量绘制第一流量图或者基于第二实时流量绘制第二流量图;
步骤3:基于第一流量图对局域网内的设备工作状态进行检测,判断是否存在网络异常,并基于第二流量图,确定网络故障设备;
步骤4:基于网络故障设备的设备信息,生成故障报警信号,通知运维人员进行维修;
其中,设备信息包括设备身份信息以及设备位置信息;
步骤5:根据故障报警信息以及运维人员的实际维修信息,生成故障维修记录进行存储。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311759300.3A CN117834386B (zh) | 2023-12-20 | 2023-12-20 | 一种流量图网络监控故障自动报警***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311759300.3A CN117834386B (zh) | 2023-12-20 | 2023-12-20 | 一种流量图网络监控故障自动报警***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117834386A true CN117834386A (zh) | 2024-04-05 |
CN117834386B CN117834386B (zh) | 2024-06-18 |
Family
ID=90510678
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311759300.3A Active CN117834386B (zh) | 2023-12-20 | 2023-12-20 | 一种流量图网络监控故障自动报警***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117834386B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1794661A (zh) * | 2005-12-26 | 2006-06-28 | 北京交通大学 | 一种基于IPv6的网络性能分析报告***及实现方法 |
CN103716180A (zh) * | 2013-12-04 | 2014-04-09 | 国网上海市电力公司 | 基于网络流量实际预测的网络异常预警方法 |
CN104869026A (zh) * | 2014-02-24 | 2015-08-26 | 大唐软件技术股份有限公司 | 用于局域网后台流量检测的方法、接入设备以及网关设备 |
CN106885606A (zh) * | 2017-03-01 | 2017-06-23 | 浙江玮策电子设备有限公司 | 一种网络智能动环监测*** |
WO2019233047A1 (zh) * | 2018-06-07 | 2019-12-12 | 国电南瑞科技股份有限公司 | 基于电网调度的运维方法 |
CN110784458A (zh) * | 2019-10-21 | 2020-02-11 | 新华三信息安全技术有限公司 | 流量异常检测方法、装置及网络设备 |
CN111341063A (zh) * | 2020-03-24 | 2020-06-26 | 洪阳伟业光电科技(苏州)有限公司 | 用电设备安全预警监测智控***、方法、装置及终端设备 |
CN111865949A (zh) * | 2020-07-09 | 2020-10-30 | 恒安嘉新(北京)科技股份公司 | 一种异常通信的检测方法、装置、服务器及存储介质 |
CN115002823A (zh) * | 2022-05-10 | 2022-09-02 | 中国科学院信息工程研究所 | 无线网络分析方法、装置、电子设备及存储介质 |
CN115174254A (zh) * | 2022-07-22 | 2022-10-11 | 科来网络技术股份有限公司 | 流量异常告警方法、装置、电子设备及存储介质 |
WO2023011160A1 (zh) * | 2021-08-06 | 2023-02-09 | 北京百度网讯科技有限公司 | 一种故障处理方法、装置、设备及存储介质 |
CN116389223A (zh) * | 2023-04-26 | 2023-07-04 | 福芯高照(上海)科技有限公司 | 一种基于大数据的人工智能可视化预警***及方法 |
-
2023
- 2023-12-20 CN CN202311759300.3A patent/CN117834386B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1794661A (zh) * | 2005-12-26 | 2006-06-28 | 北京交通大学 | 一种基于IPv6的网络性能分析报告***及实现方法 |
CN103716180A (zh) * | 2013-12-04 | 2014-04-09 | 国网上海市电力公司 | 基于网络流量实际预测的网络异常预警方法 |
CN104869026A (zh) * | 2014-02-24 | 2015-08-26 | 大唐软件技术股份有限公司 | 用于局域网后台流量检测的方法、接入设备以及网关设备 |
CN106885606A (zh) * | 2017-03-01 | 2017-06-23 | 浙江玮策电子设备有限公司 | 一种网络智能动环监测*** |
WO2019233047A1 (zh) * | 2018-06-07 | 2019-12-12 | 国电南瑞科技股份有限公司 | 基于电网调度的运维方法 |
CN110784458A (zh) * | 2019-10-21 | 2020-02-11 | 新华三信息安全技术有限公司 | 流量异常检测方法、装置及网络设备 |
CN111341063A (zh) * | 2020-03-24 | 2020-06-26 | 洪阳伟业光电科技(苏州)有限公司 | 用电设备安全预警监测智控***、方法、装置及终端设备 |
CN111865949A (zh) * | 2020-07-09 | 2020-10-30 | 恒安嘉新(北京)科技股份公司 | 一种异常通信的检测方法、装置、服务器及存储介质 |
WO2023011160A1 (zh) * | 2021-08-06 | 2023-02-09 | 北京百度网讯科技有限公司 | 一种故障处理方法、装置、设备及存储介质 |
CN115002823A (zh) * | 2022-05-10 | 2022-09-02 | 中国科学院信息工程研究所 | 无线网络分析方法、装置、电子设备及存储介质 |
CN115174254A (zh) * | 2022-07-22 | 2022-10-11 | 科来网络技术股份有限公司 | 流量异常告警方法、装置、电子设备及存储介质 |
CN116389223A (zh) * | 2023-04-26 | 2023-07-04 | 福芯高照(上海)科技有限公司 | 一种基于大数据的人工智能可视化预警***及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117834386B (zh) | 2024-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101984730B1 (ko) | 서버 장애 자동 예측 시스템 및 자동 예측 방법 | |
US20100082708A1 (en) | System and Method for Management of Performance Fault Using Statistical Analysis | |
EP3663919B1 (en) | System and method of automated fault correction in a network environment | |
Tang et al. | Recommending resolutions for problems identified by monitoring | |
CN113657461A (zh) | 基于文本分类的日志异常检测方法、***、设备及介质 | |
CN111858274B (zh) | 一种大数据评分***稳定性监控方法 | |
CN114880312B (zh) | 一种可柔性设置的应用***业务数据稽核方法 | |
CN116986246A (zh) | 一种用于对输煤皮带进行智能巡检***及巡检方法 | |
CA3173398A1 (en) | Data processing for industrial machine learning | |
CN109064211B (zh) | 营销业务数据分析方法、装置及服务器 | |
CN117834386B (zh) | 一种流量图网络监控故障自动报警***及方法 | |
CN109460311A (zh) | 固件异常状态的管理方法和装置 | |
US20230297460A1 (en) | Information providing system, information providing method and recording medium | |
CN117114412A (zh) | 一种用于危险化学品生产企业的安全预控方法及装置 | |
CN115016976B (zh) | 一种根因定位方法、装置、设备及存储介质 | |
US20210027254A1 (en) | Maintenance management apparatus, system, method, and non-transitory computer readable medium | |
CN108156061B (zh) | esb监控服务平台 | |
CN114356722A (zh) | 用于服务器集群的监控告警方法、***、设备及存储介质 | |
CN112598226B (zh) | 一种设备清查方法、装置、设备及存储介质 | |
CN110399242B (zh) | 基于Hadoop平台的信息维护管理*** | |
CN111382143A (zh) | 一种数据清洗方法、装置及计算机可读存储介质 | |
CN117540369B (zh) | 用于安全分析的数值行为安全基线生成方法及装置 | |
CN117150362B (zh) | 一种基于规则引擎的主数据标签标记方法及*** | |
CN117591321A (zh) | 异常任务处理的方法、装置、电子设备及可读存储介质 | |
CN116205614B (zh) | 一种用于分布式场景下的业务对账管理***及方法 |
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 |