[发明专利]Leaf-Spine交换机之间的链路的探测方法及设备

权利要求书

1.一种网络中针对Leaf-Spine交换机之间的链路的探测方法，其特征在于，所述方法包括：

在每个Leaf交换机下的一台或多台主机节点中创建探测虚拟机，所述探测虚拟机都关联到一虚拟网络；

在所有所述探测虚拟机之间进行打流探测；以及

将通过所述虚拟网络的流量镜像到后端服务器进行分析，以便进行流量异常检测。

2.如权利要求1所述的探测方法，其中，所述Leaf-Spine交换机之间的链路采用ECMP负载均衡模式，使得随着所述打流探测中的探测流的增多，则有极大的概率可以覆盖到所有的所述链路。

3.如权利要求1所述的探测方法，其中，所述打流探测中的探测流的内容是常规类型的报文或自定义的报文。

4.如权利要求3所述的探测方法，其中，所述自定义的报文包含request_id，该request_id的初始值被选择为随机值，之后依次递增。

5.如权利要求1或3所述的探测方法，其中，所述打流探测中的探测流的间隔频率根据告警时限来设置。

6.如权利要求5所述的探测方法，其中，所述间隔频率不超过1次/秒。

7.如权利要求1所述的探测方法，其中，所述网络为采用Leaf-Spine两层架构的SDN网络。

8.如权利要求7所述的探测方法，其中，将通过所述虚拟网络的流量镜像到后端服务器进行分析包括：

通过SDN交换矩阵将所述虚拟网络的流量通过ERSPAN的方式进行实时镜像到后端分析服务器，由此实现对于Leaf-Spine交换机之间的链路的有效采样。

9.如权利要求8所述的探测方法，其中，在进行镜像时，利用ERSPAN报文中的session_id字段标识具体的镜像链路，以便追溯具体的链路。

10.如权利要求1所述的探测方法，还包括：

通过正常流量的训练样本，利用机器学习算法针对多个维度获得告警阈值，其中，所述告警阈值被用于判定链路是否为异常链路。

11.如权利要求10所述的探测方法，其中，所述多个维度分别对应于链路的时 延、抖动、丢包以及负载分担比率。

12.一种网络中针对Leaf-Spine交换机之间的链路的探测设备，其特征在于，所述探测设备包括：

创建单元，所述创建单元用于在每个Leaf交换机下的一台或多台主机节点中创建探测虚拟机，所述探测虚拟机都关联到一虚拟网络；

测试单元，所述测试单元用于在所有所述探测虚拟机之间进行打流探测；以及

镜像单元，所述镜像单元用于将通过所述虚拟网络的流量镜像到后端服务器进行分析，以便进行流量异常检测。

13.一种后端服务器，其特征在于，所述后端服务器配置成从如权利要求12所述的探测设备接收镜像流量来进行分析。

14.如权利要求13所述的后端服务器，其中，所述后端服务器通过正常流量的训练样本，利用机器学习算法针对多个维度获得告警阈值，其中，所述告警阈值被用于判定链路是否为异常链路。

15.如权利要求14所述的后端服务器，其中，所述多个维度分别对应于链路的时延、抖动、丢包以及负载分担比率。