用于优化网络的方法、设备和计算机可读存储介质与流程

1.本公开内容涉及区块链领域，并且具体地涉及提高超级账本fabric网络的吞吐量。


背景技术：

2.区块链技术最近几年的发展很迅猛，这得益于比特币的成功。区块链也被称为分布式账本，其是一种由一组相互信任的节点保存数据的结构。区块链中所有节点同意区块的顺序，每个区块包含若干交易信息。因此，区块链可以被看做许多排好序的交易。目前存在若干种区块链框架，例如公有链，私有链，联盟链。
3.在传统的方法中，很难对联盟区块链框架、也称为fabric网络的性能进行监控和瓶颈分析。当fabric网络处理交易的速率变慢的时候，由于无法知道具体原因，因此无法对网络进行优化。此外，fabric网络性能也受到网络配置的影响。网络参数的配置是否合理影响了网络性能。


技术实现要素：

4.在下文中给出了关于本公开内容的简要概述，以便提供关于本公开内容的某些方面的基本理解。应当理解，这个概述并不是关于本公开内容的穷举性概述。它并不是意图确定本公开内容的关键或重要部分，也不是意图限定本公开内容的范围。其目的仅仅是以简化的形式给出某些概念，以此作为稍后论述的更详细描述的前序。
5.根据本发明的一个方面，提供了一种用于优化网络的方法，包括：以预定的时间间隔定期地监控所述网络的异常性能；确定与所述网络的异常性能相对应的异常状况类型；和如果所确定的异常状况类型与网络参数有关，则动态地调整所述网络参数以提高所述网络的最大吞吐量。
6.根据本发明的另一个方面，提供了一种用于优化网络的设备，包括：监控装置，其被配置成以预定的时间间隔定期地监控所述网络的异常性能；确定装置，其被配置成确定与所述网络的异常性能相对应的异常状况类型；和调整装置，其被配置成如果所确定的异常状况类型与网络参数有关，则动态地调整所述网络参数以提高所述网络的最大吞吐量。
7.根据本发明的其它方面，还提供了相应的计算机程序代码、计算机可读存储介质和计算机程序产品。
8.通过本发明的用于优化网络的方法和设备，使得能够提高网络的最大吞吐量，从而进一步优化网络性能。
9.通过以下结合附图对本发明的优选实施方式的详细说明，本发明的这些以及其他优点将更加明显。
附图说明
10.为了进一步阐述本公开内容的以上和其它优点和特征，下面结合附图对本公开内
容的具体实施方式作进一步详细的说明。所述附图连同下面的详细说明一起包含在本说明书中并且形成本说明书的一部分。具有相同的功能和结构的元件用相同的参考标号表示。应当理解，这些附图仅描述本公开内容的典型示例，而不应看作是对本公开内容的范围的限定。在附图中：
11.图1示意性地示出了根据本发明的原理的系统结构图；
12.图2是根据一个实施方式的用于优化网络的方法200的流程图；
13.图3示出了fabric网络的最大吞吐量随着网络配置特征变化而变化的曲线图；
14.图4示意性地示出了与不同类型的dapp相对应的性能异常场景和性能度量指标；
15.图5是根据一个实施方式的动态调整网络参数的流程图；
16.图6示意性地示出了交易到达率的性能瓶颈拐点；
17.图7是根据一个实施方式的用于优化网络的设备700的框图；和
18.图8是其中可以实现根据本发明的实施方式的方法和/或设备的通用个人计算机的示例性结构的框图。
具体实施方式
19.在下文中将结合附图对本公开的示范性实施方式进行描述。为了清楚和简明起见，在说明书中并未描述实际实施方式的所有特征。然而，应该了解，在开发任何这种实际实施方式的过程中必须做出很多特定于实施方式的决定，以便实现开发人员的具体目标，例如，符合与系统及业务相关的那些限制条件，并且这些限制条件可能会随着实施方式的不同而有所改变。此外，还应该了解，虽然开发工作有可能是非常复杂和费时的，但对得益于本公开内容的本领域技术人员来说，这种开发工作仅仅是例行的任务。
20.在此，还需要说明的一点是，为了避免因不必要的细节而模糊了本公开，在附图中仅仅示出了与根据本公开的方案密切相关的设备结构和/或处理步骤，而省略了与本公开关系不大的其他细节。
21.目前，在传统的方法中，dapp(去中心化应用)的开发人员基于经验设置网络配置参数，以此提高网络性能。但是，fabric网络的运行环境比较复杂，并且不同的环境需要不同的参数配置才能使得网络性能达到最优状态。因此，仅基于经验来设定网络配置参数使得无法自适应地修改网络配置参数以提高网络性能，从而无法使网络性能达到最佳状态。
22.本发明提出了一种对fabric网络性能进行自适应动态优化的方法。开发人员预先基于各种dapp对fabric网络进行性能测试，例如benchmark基准测试，来总结网络在各种性能异常发生的情况下性能指标所满足的规则，并且基于测试数据训练性能预测模型，然后对动态运行的fabric网络进行实时性能监控并定位性能异常的原因，最后动态自适应修改网络参数配置来提高网络性能，此外，还可以向dapp开发人员对交易提案(proposal)和对等(peer)节点资源给出优化建议。
23.图1示意性地示出了本发明的原理的系统结构图。如图1所示，根据本发明的方案包括网络性能分析和fabric网络优化。
24.具体地，对于网络性能分析，可以预先基于各种异常场景对fabric网络进行大量性能测试、总结性能异常分析规则、构建性能异常规则库并且基于测试数据训练性能预测模型。然后，实时监控fabric网络运行时的性能，并且基于规则分析并定位性能瓶颈产生的
原因。
25.对于fabric网络优化，可以根据性能异常的场景，给dapp开发人员推荐性能优化的方法，这包括基于网络环境自适应改进参数，为交易提案和对等节点资源提供改进的建议，以及分析优化后性能提升的程度。
26.下面结合图2至图6来详细描述根据一个实施方式的用于优化网络的方法200。
27.方法200开始于步骤201。在步骤201中，以预定的时间间隔定期地监控网络的异常性能。具体地，在本实施方式中，所述网络是超级账本fabric网络。
28.优选地，在监控网络的异常性能的步骤201之前，方法200还包括事先收集与网络的不同异常状况相对应的异常性能数据的步骤201’。具体地，在本实施方式中，例如，基于四种异常性能场景来模拟fabric网络性能异常的环境、对fabric网络性能进行大量的测试、搜集并且总结与各种异常性能场景对应的性能异常规则，如下表1所示。
[0029][0030]
表1
[0031]
优选地，方法200还包括利用网络的性能数据和网络参数来训练性能预测模型的步骤201”。已知地，fabric网络性能与网络配置参数有关，并且随着网络配置的变化而变化。如图3所示，网络配置特征不同，网络的最大吞吐量也发生变化。在本实施方式中，例如使用回归模型来预测最大吞吐量。下面的公式1和公式2是用于预测最大吞吐量的回归模型，其使用逻辑回归算法。
[0032]
最大吞吐量＝回归模型(网络特征)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0033]
网络特征＝(交易到达率,组织个数,对等节点个数,区块大小,
[0034]
出块时间,状态数据库类型,资源占用率,交易有效率)
ꢀꢀꢀꢀꢀꢀ
(2)
[0035]
优选地，可以基于在步骤201’中进行的性能测试所生成的大量数据，对回归模型中的各个特征参数的权重进行训练。训练好的回归模型的应用将在下文中详细描述。
[0036]
接着，在步骤202中，确定与网络的异常性能相对应的异常状况类型。具体地，在本实施方式中，通过对运行时的fabric网络和dapp进行性能监控和异常场景的分析，来确定异常状况类型。
[0037]
优选地，如图4和下面的表2所示，对于每种dapp的类型，可以仅分析该类型的dapp所覆盖的异常场景。例如，金融类dapp可能会由于频繁的i/o、对等节点重负载和读写冲突这三种场景引起性能异常。因此，在监控金融类dapp性能时，可以仅分析这三种异常场景是否出现。
[0038]
下面的表2列出了与不同的dapp类型相对应的异常场景。可以例如基于表2来过滤掉不相关的场景分析。由于监控分析程序也会消耗资源，因此事先进行这样的过滤可以减轻监控程序对fabric网络的性能影响。
[0039]
dapp类型频繁的i/o业务逻辑对等节点重负载交易读写冲突数据存证
○ꢀꢀꢀ
供应链
○○ꢀꢀ
金融
○ꢀ○○
[0040]
表2
[0041]
如表2所示，可以按照dapp的类型，仅仅监控与dapp相关的场景的性能指标数据并进行分析，然后基于性能异常规则分析是哪几种异常场景引起了网络的性能瓶颈。
[0042]
优选地，如果fabric网络运行时没有异常，则可以分析网络性能可改进的地方。例如，如果fabric网络没有产生性能瓶颈，那么可以分析网络参数是否合理，这包括：分析背书策略是否复杂、背书节点是否冗余、区块大小和出块时间是否合理。此外，还对对等节点资源的合理性进行分析，这包括：交易到达率的负载均衡、cpu占用率、内存占用率、磁盘i/o使用率、网络流量等。
[0043]
通过改进不合理的网络参数和对等节点资源配置，在没有产生网络瓶颈的情况下，也能进一步提升网络的性能。
[0044]
最后，在步骤203中，如果所确定的异常状况类型与网络参数有关，则动态地调整网络参数以提高网络的最大吞吐量。具体地，在本实施方式中，所确定的异常状况类型与网络参数有关是指异常状况类型为频繁的i/o，并且网络参数是区块大小。例如，可以基于从步骤201’获得的性能异常规则和从步骤201”获得的性能预测模型，来动态改进网络参数，例如区块大小、出块时间等。
[0045]
应理解，如果在监控的时间间隔内，没有性能数据产生，则可以将区块大小和出块时间设为默认值。
[0046]
优选地，在步骤203中，网络参数是基于fabric网络是否产生性能瓶颈来被调整的。图5是根据一个实施方式的、在所确定的异常状况类型与网络参数有关的情况下动态地调整网络参数的流程图。下面结合图5来详细描述如何动态调整网络参数。
[0047]
首先，在步骤2020中，确定异常状况类型是否与网络参数有关。如果是，则在步骤2030中确定fabric网络是否产生性能瓶颈。也就是说，确定fabric网络是否达到其最大吞吐量。
[0048]
如果确定fabric网络没有产生性能瓶颈，则在步骤2031中确定最大交易到达率是否小于低并发的交易到达率阈值。如果最大交易到达率小于低并发的交易到达率阈值，这表示当前网络处于低并发状态，则在步骤2033中将区块大小和出块时间设为默认值。
[0049]
相反，如果最大交易到达率大于或等于低并发的交易到达率阈值，则在步骤2035中确定最大交易到达率是否小于区块大小。如果最大交易到达率小于区块大小，这表示当前按照出块时间出块并且每次出块都需要等待相当于出块时间的时间间隔，则在步骤2037中减小区块大小。
[0050]
优选地，可以按照下面的公式3来在步骤2037中减小区块大小：
[0051]
区块大小＝(最大交易到达率)
×
浮动因子
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
[0052]
其中，最大交易到达率是指在相当于出块时间的时间间隔内出现的单位时间内的最大交易量，以及其中，浮动因子小于1。
[0053]
由此，fabric网络的排序服务会按照减小的区块大小出块，从而提高网络性能。
[0054]
相反，如果在步骤2035中确定最大交易到达率大于或等于区块大小，则在步骤2039中不作参数修改。
[0055]
另一方面，如果在步骤2030中确定fabric网络产生了性能瓶颈(如图6所示，在吞吐量饱和点处达到交易到达率的性能瓶颈拐点)，则在步骤2032中确定性能瓶颈交易到达率是否小于区块大小。
[0056]
如果性能瓶颈交易到达率小于区块大小，这表示当前网络按照出块时间出块并且每个区块都需要等待相当于出块时间的时间间隔后才能生成，则在步骤2034中减小区块大小。
[0057]
优选地，在步骤2034中可以按照下面的公式4来减小区块大小：
[0058]
区块大小＝(性能瓶颈交易到达率)
×
浮动因子
ꢀꢀꢀꢀꢀꢀꢀꢀ
(4)
[0059]
其中，浮动因子小于1。
[0060]
相反，如果性能瓶颈交易到达率大于或等于区块大小，这表示当前网络按照区块大小出块但是区块大小太小导致区块数量太多，从而增加了网络的i/o压力，则在步骤2036中增加区块大小。
[0061]
优选地，在步骤2036中可以按照下面的公式5来增加区块大小：
[0062]
区块大小＝区块大小+递增值&&区块大小小于性能瓶颈交易到达率
ꢀꢀꢀꢀꢀ
(5)
[0063]
由此，fabric网络的排序服务按照增大后的区块大小出块，并且减少区块的总量和i/o的压力。
[0064]
应理解，上述浮动因子的值可以根据需要来设定。
[0065]
返回图2，优选地，在上述调整网络参数的步骤203之后，方法200还包括基于调整后的网络参数、使用训练好的网络性能预测模型来预测网络性能是否提高的步骤203’。具体地，在本实施方式中，可以通过公式6来确定最大吞吐量是否提高：
[0066]
最大吞吐量预测＝逻辑回归模型(改进的网络特征)
ꢀꢀꢀꢀꢀꢀꢀ
(6)
[0067]
如果通过公式6预测的最大吞吐量提高，则可以例如调用用于修改网络参数的api(应用程序接口)；如果预测的最大吞吐量没有提高，则可以例如通知dapp开发人员修改网络优化方法，并且重新训练公式1和公式2的回归预测模型。
[0068]
对于表1中列出的其他异常场景，可以例如采取相对应的措施来进行优化，如下文
所述。
[0069]
对于复杂业务逻辑，可以例如建议dapp的开发人员简化fabric网络的业务逻辑。具体地，首先，建议dapp开发人员设置简单的背书策略，以及建议交易的客户端发起者选择较少的背书节点。其次，建议dapp开发人员修改chaincode，并且将和账本无关的业务逻辑移植到客户端。
[0070]
对于对等节点重负载，可以例如建议fabric网络节点维护人员对对等节点的资源进行加强，例如改进机器配置(cpu、内存或磁盘性能)或者增加网速。此外，建议交易的客户端发起者将交易均衡地发给不同的背书节点背书，以此来平衡每个对等节点的压力，从而提高网络性能。
[0071]
对于交易读写冲突，可以通过降低交易的读写冲突率来提高fabric网络性能。为此，可以例如建议dapp开发人员通过改写chaincode来避免读写冲突，并且在chaincode中尽量不要使用相同的键值。此外，建议客户端发起交易时顺序发送交易，即等前一个交易上链之后，再发送下一个交易。
[0072]
由此，通过以上结合图2至图6描述的用于优化网络的方法200，使得提高fabric网络的最大吞吐量，从而进一步优化网络性能。
[0073]
以上所讨论的方法可以完全由计算机可执行的程序来实现，也可以部分地或完全地使用硬件和/或固件来实现。当其用硬件和/或固件实现时，或者将计算机可执行的程序载入可运行程序的硬件设备时，则实现了下文将要描述的用于优化网络的设备。下文中，在不重复上文中已经讨论的一些细节的情况下给出这些设备的概要，但是应当注意，虽然这些设备可以执行前文所描述的方法，但是所述方法不一定采用所描述的设备的那些部件或不一定由那些部件执行。
[0074]
图7示出了根据一个实施方式的用于优化网络的设备700，其包括监控装置701、确定装置702和调整装置703。监控装置701用于以预定的时间间隔定期地监控所述网络的异常性能。确定装置702用于确定与所述网络的异常性能相对应的异常状况类型。调整装置703用于如果所确定的异常状况类型与网络参数有关，则动态地调整所述网络参数以提高所述网络的最大吞吐量。
[0075]
根据一个优选的实施方式，用于优化网络的设备700还包括收集装置701’，其用于事先收集与所述网络的不同异常状况相对应的异常性能数据。
[0076]
根据一个优选的实施方式，用于优化网络的设备700还包括训练装置701”，其用于利用网络的性能数据和网络参数来训练性能预测模型。
[0077]
根据一个优选的实施方式，用于优化网络的设备700还包括预测装置703’，其用于基于调整后的网络参数、使用训练好的网络性能预测模型来预测网络性能是否提高。
[0078]
图7所示的用于优化网络的设备700对应于图2所示的用于优化网络的方法200。因此，用于优化网络的设备700中的各装置的相关细节已经在对图2的用于优化网络的方法200的描述中详细给出，在此不再赘述。
[0079]
上述装置中各个组成模块、单元可通过软件、固件、硬件或其组合的方式进行配置。配置可使用的具体手段或方式为本领域技术人员所熟知，在此不再赘述。在通过软件或固件实现的情况下，从存储介质或网络向具有专用硬件结构的计算机(例如图8所示的通用计算机800)安装构成该软件的程序，该计算机在安装有各种程序时，能够执行各种功能等。
[0080]
图8是其中可以实现根据本发明的实施方式的方法和/或设备的通用个人计算机的示例性结构的框图。如图8所示，中央处理单元(cpu)801根据只读存储器(rom)802中存储的程序或从存储部分808加载到随机存取存储器(ram)803的程序执行各种处理。在ram 803中，也根据需要存储当cpu 801执行各种处理等等时所需的数据。cpu 801、rom 802和ram803经由总线804彼此连接。输入/输出接口805也连接到总线804。
[0081]
下述部件连接到输入/输出接口805：输入部分806(包括键盘、鼠标等等)、输出部分807(包括显示器，比如阴极射线管(crt)、液晶显示器(lcd)等，和扬声器等)、存储部分808(包括硬盘等)、通信部分809(包括网络接口卡比如lan卡、调制解调器等)。通信部分809经由网络比如因特网执行通信处理。根据需要，驱动器810也可连接到输入/输出接口805。可移除介质811比如磁盘、光盘、磁光盘、半导体存储器等等根据需要被安装在驱动器810上，使得从中读出的计算机程序根据需要被安装到存储部分808中。
[0082]
在通过软件实现上述系列处理的情况下，从网络比如因特网或存储介质比如可移除介质811安装构成软件的程序。
[0083]
本领域的技术人员应当理解，这种存储介质不局限于图8所示的其中存储有程序、与设备相分离地分发以向用户提供程序的可移除介质811。可移除介质811的例子包含磁盘(包含软盘(注册商标))、光盘(包含光盘只读存储器(cd-rom)和数字通用盘(dvd))、磁光盘(包含迷你盘(md)(注册商标))和半导体存储器。或者，存储介质可以是rom 802、存储部分808中包含的硬盘等等，其中存有程序，并且与包含它们的设备一起被分发给用户。
[0084]
本发明还提出了相应的计算机程序代码、一种存储有机器可读取的指令代码的计算机程序产品。所述指令代码由机器读取并执行时，可执行上述根据本发明实施方式的方法。
[0085]
相应地，被配置为承载上述存储有机器可读取的指令代码的程序产品的存储介质也包括在本发明的公开中。所述存储介质包括但不限于软盘、光盘、磁光盘、存储卡、存储棒等等。
[0086]
通过以上描述，本公开的实施方式提供了以下的技术方案，但不限于此。
[0087]
附记1.一种用于优化网络的方法，包括：
[0088]
以预定的时间间隔定期地监控所述网络的异常性能；
[0089]
确定与所述网络的异常性能相对应的异常状况类型；和
[0090]
如果所确定的异常状况类型与网络参数有关，则动态地调整所述网络参数以提高所述网络的最大吞吐量。
[0091]
附记2.根据附记1的方法，还包括事先收集与所述网络的不同异常状况相对应的异常性能数据，其中，确定异常状况类型包括基于事先收集的异常性能数据来确定所述异常状况类型。
[0092]
附记3.根据附记1或2的方法，其中，所述网络是超级账本fabric网络，所述网络参数是区块大小，并且动态地调整所述网络参数以提高所述网络的最大吞吐量包括：
[0093]
改变所述区块大小；
[0094]
基于改变后的区块大小，利用性能预测模型来确定所述最大吞吐量是否增加；和
[0095]
如果所述最大吞吐量没有增加则重复以上步骤，直到所述最大吞吐量增加。
[0096]
附记4.根据附记3的方法，其中，在当前监控的网络中没有达到所述最大吞吐量的
情况下，改变所述区块大小包括：
[0097]
如果最大交易到达率小于预定阈值，则将所述区块大小设为默认值；
[0098]
如果所述最大交易到达率小于所述区块大小，则减小所述区块大小；和
[0099]
如果所述最大交易到达率大于所述区块大小，则不作任何改变，
[0100]
其中，所述最大交易到达率是在所述预定的时间间隔内出现的单位时间内的最大交易量。
[0101]
附记5.根据附记4的方法，其中，减小所述区块大小包括使所述区块大小等于所述最大交易到达率乘以浮动因子，其中所述浮动因子小于1。
[0102]
附记6.根据附记3的方法，其中，在当前监控的网络中达到最大吞吐量的情况下，改变所述区块大小包括：
[0103]
如果所述最大吞吐量小于所述区块大小，则减小所述区块大小；和
[0104]
如果所述最大吞吐量大于所述区块大小，则增加所述区块大小。
[0105]
附记7.根据附记6的方法，其中：
[0106]
减小所述区块大小包括使所述区块大小等于所述最大吞吐量乘以浮动因子，其中所述浮动因子小于1；以及
[0107]
增加所述区块大小包括使所述区块大小加上递增值，其中，递增后的区块大小小于所述最大吞吐量。
[0108]
附记8.根据附记3的方法，还包括事先利用所述网络的性能数据和所述网络参数来训练所述性能预测模型。
[0109]
附记9.根据附记1或2的方法，其中，定期地监控所述网络的性能还包括针对与特定应用相关的异常状况类型来进行监控。
[0110]
附记10.根据附记1或2的方法，其中，与所述网络参数有关的异常状况类型包括频繁的输入/输出，其中，所述方法还包括如果所确定的异常状况类型与所述网络参数无关，则对于不同的异常状况类型而提供相应的优化建议，其中，与所述网络参数无关的异常状况类型包括复杂的业务逻辑、高资源负载和高冲突率交易，以及其中，所述优化建议包括：简化背书策略、减少背书对等节点数量、提高链码效率、改进对等节点资源、基于负载均衡来发起交易、修改链码以避免读写冲突和延长发起交易的时间间隔。
[0111]
附记11.一种用于优化网络的设备，包括：
[0112]
监控装置，其被配置成以预定的时间间隔定期地监控所述网络的异常性能；
[0113]
确定装置，其被配置成确定与所述网络的异常性能相对应的异常状况类型；和
[0114]
调整装置，其被配置成如果所确定的异常状况类型与网络参数有关，则动态地调整所述网络参数以提高所述网络的最大吞吐量。
[0115]
附记12.根据附记11的设备，还包括收集装置，其被配置成事先收集与所述网络的不同异常状况相对应的异常性能数据，其中，确定异常状况类型包括基于事先收集的异常性能数据来确定所述异常状况类型。
[0116]
附记13.根据附记11或12的设备，其中，所述网络是超级账本fabric网络，所述网络参数是区块大小，并且动态地调整所述网络参数以提高所述网络的最大吞吐量包括：
[0117]
改变所述区块大小；
[0118]
基于改变后的区块大小，利用性能预测模型来确定所述最大吞吐量是否增加；和
[0119]
如果所述最大吞吐量没有增加则重复以上步骤，直到所述最大吞吐量增加。
[0120]
附记14.根据附记13的设备，其中，在当前监控的网络中没有达到所述最大吞吐量的情况下，改变所述区块大小包括：
[0121]
如果最大交易到达率小于预定阈值，则将所述区块大小设为默认值；
[0122]
如果所述最大交易到达率小于所述区块大小，则减小所述区块大小；和
[0123]
如果所述最大交易到达率大于所述区块大小，则不作任何改变，
[0124]
其中，所述最大交易到达率是在所述预定的时间间隔内出现的单位时间内的最大交易量。
[0125]
附记15.根据附记14的设备，其中，减小所述区块大小包括使所述区块大小等于所述最大交易到达率乘以浮动因子，其中所述浮动因子小于1。
[0126]
附记16.根据附记13的设备，其中，在当前监控的网络中达到最大吞吐量的情况下，改变所述区块大小包括：
[0127]
如果所述最大吞吐量小于所述区块大小，则减小所述区块大小；和
[0128]
如果所述最大吞吐量大于所述区块大小，则增加所述区块大小。
[0129]
附记17.根据附记16的设备，其中：
[0130]
减小所述区块大小包括使所述区块大小等于所述最大吞吐量乘以浮动因子，其中所述浮动因子小于1；以及
[0131]
增加所述区块大小包括使所述区块大小加上递增值，其中，递增后的区块大小小于所述最大吞吐量。
[0132]
附记18.根据附记13的设备，还包括训练装置，其被配置成利用所述网络的性能数据和所述网络参数来训练所述性能预测模型。
[0133]
附记19.根据附记11或12的设备，其中，定期地监控所述网络的性能还包括针对与特定应用相关的异常状况类型来进行监控。
[0134]
附记20.一种计算机可读存储介质，所述计算机可读存储介质存储有能够由处理器运行来执行以下操作的程序：
[0135]
以预定的时间间隔定期地监控所述网络的异常性能；
[0136]
确定与所述网络的异常性能相对应的异常状况类型；和
[0137]
如果所确定的异常状况类型与网络参数有关，则动态地调整所述网络参数以提高所述网络的最大吞吐量。
[0138]
最后，还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。此外，在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0139]
以上虽然结合附图详细描述了本发明的实施方式，但是应当明白，上面所描述的实施方式只是被配置为说明本发明，而并不构成对本发明的限制。对于本领域的技术人员来说，可以对上述实施方式作出各种修改和变更而没有背离本发明的实质和范围。因此，本发明的范围仅由所附的权利要求及其等效含义来限定。