[发明专利]一种预测网络亚健康状态的方法、装置、终端及存储介质

说明书

本发明公开一种预测网络亚健康状态的方法、装置、终端及存储介质，采集网口信息，形成测试样本；将测试样本输入训练好的神经网络模型得到预测结果；判断预测结果是否满足阈值，若不满足阈值，则预测网络会出现亚健康状态。本发明在网口未出现网络亚健康状态时预测出要出现问题，此时立马关闭或切换网口，使集群业务更加稳定可靠。

技术领域

本发明涉及网络检测领域，具体涉及一种预测网络亚健康状态的方法、装置、终端及存储介质。

背景技术

能够让网络正常运行、在遭受外界冲击后可以迅速恢复的状态称为健康状态;陷入瘫痪、不能正常运行的状态叫做非健康状态。许多大中型企业的网络则都处于亚健康状态。这种状态的网络平时可以正常运行,但是抵御风险的能力极其低下,在受到突发性网络风险的情况下很容易陷入瘫痪,很长时间都难以恢复，严重影响集群的整体性能。

发明内容

为解决上述问题，本发明提供一种预测网络亚健康状态的方法、装置、终端及存储介质，根据相关网口信息预测网络是否会出现亚健康状态，以便及时处理。

本发明的技术方案是：一种预测网络亚健康状态的方法，包括以下步骤：

采集网口信息，形成测试样本；

将测试样本输入训练好的神经网络模型得到预测结果；

判断预测结果是否满足阈值，若不满足阈值，则预测网络会出现亚健康状态。

进一步地，采集网口信息，形成测试样本，具体为：

将各个待测网口所在节点进行排序；

每个节点通过其待测网口向后续N个节点发送M次检测报文；

每次发送检测报文获得一组待测网口向后续N个节点发送检测报文的N个网口信息；

从每组N个网口信息中选取最优的一个网口信息作为测试样本的一个数据，M次发送共先后获得M个网口信息，按先后顺序排列的M个网口信息组成一个测试样本。

进一步地，网口信息包括网口丢包率和时延。

进一步地，神经网络为LSTM神经网络。

本发明的技术方案还包括一种预测网络亚健康状态的装置，包括，

样本形成模块：采集网口信息，形成测试样本；

样本测试模块：将测试样本输入训练好的神经网络模型得到预测结果；

结果判断模块：判断预测结果是否满足阈值，若不满足阈值，则预测网络会出现亚健康状态。

进一步地，样本形成模块包括，

节点排序单元：将各个待测网口所在节点进行排序；

报文发送单元：每个节点通过其待测网口向后续N个节点发送M次检测报文；

网口信息获取单元：每次发送检测报文获得一组待测网口向后续N个节点发送检测报文的N个网口信息；

形成样本单元：从每组N个网口信息中选取最优的一个网口信息作为测试样本的一个数据，M次发送共先后获得M个网口信息，按先后顺序排列的M个网口信息组成一个测试样本。

进一步地，网口信息包括网口丢包率和时延。

进一步地，神经网络为LSTM神经网络。

本发明的技术方案还包括一种终端，包括：

处理器；

用于存储处理器的执行指令的存储器；

其中，所述处理器被配置为执行上述的方法。