[发明专利]检测报文心跳周期的自适应方法和装置

说明书

技术领域

本发明涉及通信技术领域，尤其涉及一种检测报文心跳周期的自适应方法和装置。

背景技术

对于网络管理系统，网络链路检测是一个必不可少的功能。网元设备(简称网元)通过主动响应网管服务器(简称网管)的轮询检查、或者网元定期向网管发送检测报文的心跳周期的方式保证链路通畅。如图1所示，网络管理系统通过检测报文的心跳周期进行周期性的信息交流，网元向网管发送检测报文的心跳周期，在链路正常的情况下，网管接收到该检测报文的心跳周期则认为网管与网元之间的链路正常；若由网元异常或者链路异常导致网管未收到网元的检测报文的心跳周期，则表明网元与网管之间的通讯链路发生故障。

现有心跳探测主要存在以下问题。

1、心跳周期难以设定

心跳周期一般设定为固定的长度，但这个周期往往很难满足各种不同的应用场景。

2、心跳周期算法缺乏自学习功能

某些网络管理系统采用心跳周期动态计算方法，也往往采用的固定的计算公式，很难适应复杂多变的网络环境。

发明内容

本发明要解决的技术问题是提供一种检测报文心跳周期的自适应方法和装置，以解决现有检测报文心跳周期的计算方法适应性差的问题。

为解决以上技术问题，本发明提供了一种检测报文心跳周期的自适应方法，该方法包括：

构建步骤，构建神经网络模型，所述神经网络模型的输入层节点为影响心跳周期的心跳周期参数，其输出层节点为心跳周期，所述神经网络模型的样本集包括心跳周期的样本参数和心跳周期样本值的映射关系；

自学习触发步骤，判断符合自学习的触发条件时，触发所述神经网络模型根据所述样本集进行自学习；

计算触发步骤，判断符合计算心跳周期的触发条件时，采集心跳周期计算参数输入所述神经网络模型，得到心跳周期计算值；

心跳周期更新步骤，判断符合心跳周期更新的触发条件时，根据所述心跳周期计算值更新当前心跳周期，否则执行样本集更新步骤；

样本集更新步骤，更新所述样本集，返回自学习步骤。

进一步地，所述参数包括以下一个或多个：网元个数、网络拥塞系数、网络流量、设备使用率、CPU占用率、平均心跳周期、当前心跳周期、调整值。

进一步地，所述神经网络模型进行自学习的过程包括：

提取样本集中的某个样本参数作为神经网络模型的输入层节点，得到输出层节点的心跳周期样本计算值；

计算该心跳周期样本计算值与所述样本中对应的心跳周期样本值之间的误差；

若该误差值小于预设阈值，则流程结束，若该误差值大于预设阈值，则根据该误差值修正该神经网络模型的连接权值，直到重新计算的心跳周期样本计算值与对应的心跳周期样本值之间的误差小于预设阈值。

进一步地，所述神经网路根据误差梯度下降的方向修正所述连接权值，并按比列叠加前次的连接权值变化量。

优选地，所述样本集更新步骤中，将所述心跳周期计算参数和心跳周期计算值的映射关系更新入原样本集，或，将原样本集中与新得到的映射关系相似的映射关系进行加权合并后加入原样本集。

可选地，所述心跳周期更新的触发条件为：所述心跳周期计算值与之前得到的n-1个心跳周期计算值之间的偏差都大于第一阈值，且所述心跳周期计算值与之前得到的n-1个心跳周期计算值的平均值的偏差大于第二阈值。

进一步地，所述计算心跳周期的触发条件、自学习的触发条件或所述心跳周期更新的触发条件为定时触发或事件触发。

为解决以上技术问题，本发明还提供了一种检测报文心跳周期的自适应装置，该装置包括：

神经网络模型模块，用于计算心跳周期，其输入层节点为影响心跳周期的心跳周期参数，其输出层节点为心跳周期，所述神经网络模型的样本集包括心跳周期的样本参数和心跳周期样本值的映射关系，该方法包括：

自学习触发模块，用于在判断符合自学习触发条件时，触发所述神经网络模型根据所述样本集进行自学习；

计算触发模块，用于在判断符合计算心跳周期的触发条件时，采集心跳周期计算参数输入所述神经网络模型，触发所述神经网络模型计算得到心跳周期计算值；

心跳周期更新模块，用于在判断符合心跳周期的更新条件时，根据所述神经网络模型输出的心跳周期计算值更新当前心跳周期；

样本集更新模块，用于更新所述神经网络模型的样本集。