[发明专利]基于动态综合权重的网络设备健康度评估方法

说明书

技术领域

本发明涉及数据中心网络性能评估技术领域，尤其涉及一种基于动态综合权重的网络设备健康度评估方法。

背景技术

数据中心集中了各种资源和业务系统，是数据计算、存储的中心且是基于标准构建模块实现自动化计算与管理，并以供应链方式提供共享的基础设施、信息处理与应用环境等服务。不同于传统网络，数据中心网络具有大规模数据处理和存储，在物联网和云计算等应用中扮演着重要角色。现代数据中心网络主要具有以下特点：

①规模日益庞大，网络异构复杂。

现代数据中心通常具有上万节点的规模，随着网络规模的不断增大，除了常规的树型结构，目前还提出有一些新型的网络结构，例如Fat-tree、VL2、DCell等，该新型网络结构能够支持多路径、提供更高的带宽。

②流量行为复杂，拥塞加剧。

由于承载的服务类型多种多样，数据中心传输的流量也呈现多样化、波动大等特点，同时流量类型多样化、波动性大、传输速度快，而网络设备数量的增加会造成网络拥塞加剧，这些也都给网络性能管理带来了新的挑战。

③应用的多样化。

随着云技术的发展和成熟，数据中心网络将会承载越来越多类型的应用，如科学计算、生物制药、数学建模、天气预报、集群计算、分布式文件系统等，这些应用的出现会使资源需求和流量分布呈现极大的动态性和不平衡性。

④网络故障率的指数增加。

网络故障主要包括设备故障、链路故障和接口故障，拒统计在设备故障中，软件类故障占比约75％，硬件类故障为25％，其中，接入交换机单设备故障率约为4.5％，汇聚交换机单设备故障率更是高达11.1％；在链路故障中，接入交换机和汇聚交换机之间链路故障的比例也最高，达到58％，上述链路故障会有约18％左右的概率影响到网络的连通性，使得网络故障率的指数增加。

⑤细粒度的网络性能评估需求。

数据中心网络运行的应用通常对网络性能要求严格，需要管理者能更加实时、精确的掌握全网态势和端到端的通信性能，在网络性能下降初期能及时发现和定位网络性能瓶颈及可能故障点，给出一个快速的网络性能评估和预测方案。

数据中心网络是目前高性能计算机以及数据中心的重要组成，作为重要的基础网络设施，如何发挥更大的作用，提高网络的可用性是其中一个重要的环节。在大规模的网络中，由于其内部网络设备众多、运行程序复杂，网络中的流量多样而且具有突发性，如何让网络管理实现自动化监控管理网络，并且能够对网络性能及网络设备总体的运行情况进行快速准确的评估，已成为亟待解决的问题。

目前针对大规模网络的性能评估，常用的方法有以下几种：

(1)采用nProbe工具对大规模网络进行被动测量的方法。该类方法是通过结合历史数据得到网络延迟、吞吐率、正常连接率的偏离度，能够反映出网络的整体运行情况，但是作为评估参数的Tcpflags在Tcp连接超时后，会发生tcp重传提高正常tcp连接的比率，可能会造成评估值较大，而无法反映真实的网络情况。

(2)结合云模型和分类算法的网络性能评估方法，通过对正常样本和故障样本进行分类训练，如采用SVM分类算法，再结合云模型对网络性能进行评估，可以提高评估结果的客观性，但在选择样本和样本归一化处理过程中，如果样本的差距比较大，或归一化后的参数数据距离参数正常运行值偏离较远，都会使得评估结果不准确。

(3)基于客观权重确定对数据中心网络的网络设备进行评估的方法，基于采集网络设备的历史数据计算不同性能指标的标准差来确定指标的客观权重，再基于历史数据动态调整性能指标的阀值完成对性能指标的归一化处理。但是该类方法由于仅仅依据采集数据的计算客观权重完成对网络设备运行态性能的评估，如果初始采集到的性能指标数据差异较大，会使求出的某些指标的权重值相差悬殊，从而使最终计算出的综合评价值难以真实反映当前设备和网络的运行状况。

目前通常都是从网络链路层面对网络性能进行整体评估，而对于一个大型网络而言，网络链路的数量远远多于网络中设备的数量，且一般的大型网络为了维持网络的健壮性，通常都会建立冗余备用链路，因而对于数据中心网络，若从网络链路层面去对网络性能进行整体评估，不仅会使计算难度增加，使得计算量很大，而且由于很难精准评估网络中主要路径，会使最终建立的性能评估模型与实际的性能值差异较大。

发明内容

本发明要解决的技术问题就在于：针对现有技术存在的技术问题，本发明提供一种实现方法简单、能够实现快速自动化评估，且健康度评估的精度及可靠性高的基于动态综合权重的网络设备健康度评估方法。