[发明专利]拓扑数据处理方法、装置、设备及存储介质在审

专利信息
申请号: 202210402175.X 申请日: 2022-04-18
公开(公告)号: CN114726739A 公开(公告)日: 2022-07-08
发明(设计)人: 崔洪民;许海浩 申请(专利权)人: 深圳市智象科技有限公司
主分类号: H04L41/12 分类号: H04L41/12;H04L41/16
代理公司: 深圳汉林汇融知识产权代理事务所(普通合伙) 44850 代理人: 刘临利
地址: 518000 广东省深圳市南山区粤海街道高*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 拓扑 数据处理 方法 装置 设备 存储 介质
【说明书】:

发明涉及数据处理领域,公开了一种拓扑数据处理方法、装置、设备及存储介质,用于提高拓扑数据处理的效率。所述拓扑数据处理方法包括:通过预置的资源配置中心实时监听拓扑数据流,得到初始数据信息,并对所述初始数据信息进行配置信息提取,得到目标配置;根据所述资源配置中心创建配置模型,得到初始模型,并对所述初始模型进行属性配置,得到拓扑模型;通过所述拓扑模型获取所述目标配置的拓扑信息,得到拓扑信息;根据所述拓扑信息和所述拓扑模型生成目标拓扑图。

技术领域

本发明涉及数据处理领域,尤其涉及一种拓扑数据处理方法、装置、设备及存储介质。

背景技术

云计算平台,是指基于硬件资源和软件资源的服务,提供计算、网络和存储能力的平台。云计算平台中各种功能的实现,是借助于云计算平台中各个设备间的协作来实现的。云计算平台的部署,通常需要基于云计算平台的拓扑图来实现,在云计算平台的拓扑图中,可以清晰而直观的展示出云计算平台中各个设备之间的连接关系和设置位置。

现有方案通过拓扑反映系统中应用与资源的关系,从而使云管理者能直面查看与管理,但是现有方案绘制周期长,即现有方案的效率低。

发明内容

本发明提供了一种拓扑数据处理方法、装置、设备及存储介质,用于提高拓扑数据处理的效率。

本发明第一方面提供了一种拓扑数据处理方法,所述拓扑数据处理方法包括:通过预置的资源配置中心实时监听拓扑数据流,得到初始数据信息,并对所述初始数据信息进行配置信息提取,得到目标配置;根据所述资源配置中心创建配置模型,得到初始模型,并对所述初始模型进行属性配置,得到拓扑模型;通过所述拓扑模型获取所述目标配置的拓扑信息,得到拓扑信息;根据所述拓扑信息和所述拓扑模型生成目标拓扑图。

可选的,在本发明第一方面的第一种实现方式中,所述根据所述资源配置中心创建配置模型,得到初始模型,并对所述初始模型进行属性配置,得到拓扑模型,包括:通过所述资源配置中心构建模型的参数配置,其中,所述参数配置包括模型分组,名称和图标;基于所述参数配置生成初始模型;基于所述初始模型创建字段和字段对应的属性,得到拓扑模型。

可选的,在本发明第一方面的第二种实现方式中,所述根据所述拓扑信息和所述拓扑模型生成目标拓扑图,包括:根据所述拓扑信息确定拓扑节点,得到多个拓扑节点,并根据所述拓扑节点确定所述拓扑节点对应的节点信息;基于所述节点信息和所述拓扑模型生成目标拓扑图。

可选的,在本发明第一方面的第三种实现方式中,所述基于所述节点信息和所述拓扑模型生成目标拓扑图,包括:根据所述节点信息确定每个拓扑节点对应的匹配信息,并根据所述匹配信息确定每个拓扑节点对应的位置信息;根据所述匹配信息和所述位置信息生成目标拓扑图。

可选的,在本发明第一方面的第四种实现方式中,所述根据所述匹配信息和所述位置信息生成目标拓扑图,包括:将所述匹配信息和所述位置信息输入预置的图卷积网络模型,其中,所述图卷积网络模型包括特征提取层和生成网络;通过所述特征提取层对所述匹配信息和所述位置信息进行特征提取,得到低维向量;将所述低纬向量输入所述生成网络进行拓扑图生成,得到目标拓扑图。

可选的,在本发明第一方面的第五种实现方式中,所述将所述低纬向量输入所述生成网络进行拓扑图生成,得到目标拓扑图,包括:将所述低纬向量输入所述生成网络,其中,所述生成网络包括上采样层、卷积神经网络和输出层;通过所述上采样层对所述低纬向量进行上采样处理,得到邻接矩阵;将所述邻接矩阵输入所述卷积神经网络进行卷积处理,生成初始概率值;通过所述输出层对所述初始概率值进行映射处理,生成目标拓扑图。

可选的,在本发明第一方面的第六种实现方式中,所述拓扑数据处理方法还包括:通过预置的数据交换接口对所述目标拓扑图进行数据交换并建立所述目标拓扑图对应的展示模型;根据所述展示模型对所述目标拓扑图进行画布展示。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳市智象科技有限公司,未经深圳市智象科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202210402175.X/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top