[发明专利]一种网卡工作模式的切换方法、装置和介质

说明书

本发明实施例公开了一种网卡工作模式的切换方法、装置和介质，依据设定的数据转换规则，将获取的流量数据转换为图像数据；利用训练好的神经网络模型对图像数据进行分析，以得到物理链路检测结果。神经网络模型可以根据物理链路正常运行的流量数据转换得到的图像数据以及物理链路异常运行的流量数据转换得到的图像数据训练得到。当物理链路检测结果满足预设条件时，则对网卡执行bond模式的切换。在保留基于网卡运行状态切换网卡bond模式的基础上，引出了对网卡的流量数据进行检测判定网卡物理链路是否正常的方式，从而在物理链路异常时对网卡bond模式进行切换，可以更加全面有效的保证数据的正常通信，实现了网卡的高可用。

技术领域

本发明涉及服务器技术领域，特别是涉及一种网卡工作模式的切换方法、装置和计算机可读存储介质。

背景技术

在云计算时代，物理服务器需要处理海量数据，为了保障网络数据的连续性和稳定性，往往使用多块物理网卡组成bond，把多块网卡当作一块使用，而且使用模式有主备模式，轮询模式，平衡模式，链路聚合模式等多种，从而保障数据通信的高可用和稳定。

网卡设置于服务器内部，服务器可以实现对内部网卡运行状态的检测，从而在检测到网卡运行状态异常时，进行bond模式的切换，从而保证数据的正常通信。

除了服务器内部网卡的运行状态外，服务器外部的网络连接状态也是影响数据通信的重要因素，当网络连接状态出现异常时也会影响数据的正常通信。传统方式中根据服务器内部网卡的运行状态，进行bond模式的切换，并不能全面有效的保证数据的正常通信。

可见，如何全面有效的保证数据的正常通信，是本领域技术人员需要解决的问题。

发明内容

本发明实施例的目的是提供一种网卡工作模式的切换方法、装置和计算机可读存储介质，可以全面有效的保证数据的正常通信。

为解决上述技术问题，本发明实施例提供一种网卡工作模式的切换方法，包括：

依据设定的数据转换规则，将获取的流量数据转换为图像数据；

利用训练好的神经网络模型对所述图像数据进行分析，以得到物理链路检测结果；其中，所述神经网络模型根据物理链路正常运行的流量数据转换得到的图像数据以及物理链路异常运行的流量数据转换得到的图像数据训练得到；

当所述物理链路检测结果满足预设条件时，则对网卡执行bond模式的切换。

可选地，所述依据设定的数据转换规则，将获取的流量数据转换为图像数据包括：

将采集的预设时间窗口内的二进制流量数据转换为十进制的灰度值；

将所有所述灰度值划分为多个通道的图像数据。

可选地，在所述利用训练好的神经网络模型对所述图像数据进行分析，以得到物理链路检测结果之前还包括：

统计多个所述时间窗口对应的图像数据；

相应的，所述利用训练好的神经网络模型对所述图像数据进行分析，以得到物理链路检测结果包括：

利用训练好的神经网络模型对多个所述时间窗口对应的图像数据进行分析，以得到多个物理链路检测结果；其中，每个时间窗口有其对应的一个物理链路检测结果。

可选地，所述当所述物理链路检测结果满足预设条件时，则对网卡执行bond模式的切换包括：

当多个所述物理链路检测结果中物理链路异常的检测结果的占比大于预设阈值时，则对网卡执行bond模式的切换。

可选地，针对于所述神经网络模型的训练过程，所述方法包括：