一种网卡工作模式的切换方法、装置和介质与流程

1.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：

2.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。
3.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。
4.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。
5.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。


技术实现要素：

6.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。
7.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：
8.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；
9.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；
10.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。
11.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：
12.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；
13.将所有所述灰度值划分为多个通道的图像数据。
14.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：
15.统计多个所述时间窗口对应的图像数据；
16.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：
17.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。
18.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：
19.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。
20.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：
21.依据设定的数据转换规则将采集的物理链路正常运行的流量数据转换为第一图像数据，将采集的物理链路异常运行的流量数据转换为第二图像数据；
22.对所述第一图像数据和所述第二图像数据进行预处理，得到训练样本数据；
23.利用所述训练样本数据对神经网络模型进行训练，以得到满足物理链路故障检测准确性要求的神经网络模型。
24.本发明实施例还提供了一种网卡工作模式的切换装置，包括转换单元、分析单元和切换单元；
25.所述转换单元，用于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；
26.所述分析单元，用于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；
27.所述切换单元，用于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。
28.可选地，所述转换单元用于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。
29.可选地，还包括统计单元；
30.所述统计单元，用于统计多个所述时间窗口对应的图像数据；
31.相应的，所述分析单元用于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。
32.可选地，所述切换单元用于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。
33.可选地，针对于所述神经网络模型的训练过程，所述装置包括预处理单元和训练单元；
34.所述转换单元，用于依据设定的数据转换规则将采集的物理链路正常运行的流量数据转换为第一图像数据，将采集的物理链路异常运行的流量数据转换为第二图像数据；
35.所述预处理单元，用于对所述第一图像数据和所述第二图像数据进行预处理，得到训练样本数据；
36.所述训练单元，用于利用所述训练样本数据对神经网络模型进行训练，以得到满足物理链路故障检测准确性要求的神经网络模型。
37.本发明实施例还提供了一种网卡工作模式的切换装置，包括：
38.存储器，用于存储计算机程序；
39.处理器，用于执行所述计算机程序以实现如上述任意一项所述网卡工作模式的切换方法的步骤。
40.本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质上存
储有计算机程序，所述计算机程序被处理器执行时实现如上述任意一项所述网卡工作模式的切换方法的步骤。
41.由上述技术方案可以看出，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；为了提升检测的准确性，可以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。其中，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，则说明物理链路存在异常，为了保证数据的正常通信，此时可以对网卡执行bond模式的切换。在保留传统方式中基于网卡运行状态切换网卡bond模式的基础上，本技术方案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。
附图说明
42.为了更清楚地说明本发明实施例，下面将对实施例中所需要使用的附图做简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
43.图1为本发明实施例提供的一种网卡工作模式的切换方法的流程图；
44.图2为本发明实施例提供的一种网卡工作模式的切换装置的结构示意图；
45.图3为本发明实施例提供的一种网卡工作模式的切换装置的硬件结构示意图。
具体实施方式
46.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下，所获得的所有其他实施例，都属于本发明保护范围。
47.为了使本技术领域的人员更好地理解本发明方案，下面结合附图和具体实施方式对本发明作进一步的详细说明。
48.接下来，详细介绍本发明实施例所提供的一种网卡工作模式的切换方法。图1为本发明实施例提供的一种网卡工作模式的切换方法的流程图，该方法包括：
49.s101：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。
50.考虑到实际应用中，服务器无法直接对其外部连接的物理链路的状态进行评估，因此，在本发明实施例中，引出了通过流量数据来识别物理链路的状态的方案。
51.流量数据一般以二进制的形式呈现，为了便于对流量数据进行分析处理，在实际应用中，可以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；为了提升检测速度，可以将所有灰度值划分为多个通道的图像数据。
52.在实际应用中，可以将通道个数设置为3个，相应的，在将一个时间窗口内采集的流量数据转换为灰度值之后，可以将所有灰度值划分为三份数据，每份数据即为一个通道的图像数据。
53.其中，一个时间窗口对应的时间值可以依据实际需求设定，在此不做限定。
54.s102：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。
55.神经网络具有大规模并行处理、自组织、自学习的优点。在本发明实施例中，为了实现对物理链路状态快速准确的检测，可以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。
56.在实际应用中，可以按照如下步骤实现对神经网络模型的训练，依据设定的数据转换规则将采集的物理链路正常运行的流量数据转换为第一图像数据，将采集的物理链路异常运行的流量数据转换为第二图像数据；对第一图像数据和第二图像数据进行预处理，得到训练样本数据；利用训练样本数据对神经网络模型进行训练，以得到满足物理链路故障检测准确性要求的神经网络模型。
57.图像数据的预处理包括对图像数据执行归一化处理、压缩处理等，从而便于神经网络模型的训练。
58.链路故障检测准确性要求可以是对链路故障检测准确率设置阈值，当训练后的神经网络模型的准确率达到设置的阈值时，则说明神经网络训练完成。
59.s103：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。
60.物理链路检测结果可以为物理链路正常或者物理链路异常。以单个物理链路检测结果为例，当物理链路检测结果为物理链路异常时，则对网卡执行bond模式的切换。
61.bond模式的类型有多种，包括主备模式、轮询模式、平衡模式和链路聚合模式等。
62.网卡bond模式的切换可以根据实际需求设置，既可以是调整一组网卡对应的bond模式；也可以保留原有的bond模式，调整该模式下对应的网卡个数。
63.以调整一组网卡对应的bond模式为例，假设初始状态下多块物理网卡的bond模式为主备模式，有一个网卡作为主网卡，其余网卡作为备用网卡，当主网卡对应的物理链路出现异常时，则可以对主网卡设置链路不可用标识，将剩余的网卡调整为轮询模式。
64.以保留原有的bond模式，调整该模式下对应的网卡个数为例，假设初始状态下4块物理网卡的bond模式为主备模式，有一个网卡作为主网卡，其余3块网卡作为备用网卡，当主网卡对应的物理链路出现异常时，则可以对主网卡设置链路不可用标识，从剩余的备用网卡中选取一个网卡作为主网卡，此时剩余的2块网卡作为备用网卡。
65.由上述技术方案可以看出，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；为了提升检测的准确性，可以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。其中，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，则说明物理链路存在异常，为了保证数据的正常通信，此时可以对网卡执行bond模式的切换。在保留传统方式中基于网卡运行状态切换网卡bond模式的基础上，本技术方案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。
66.在本发明实施例中，为了进一步提升神经网络模型检测的准确性，可以统计多个时间窗口对应的图像数据；利用训练好的神经网络模型对多个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。
67.在实际应用中，可以当多个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。
68.其中，预设阈值的取值可以根据实际需求设置，例如，可以将预设阈值设置为80％。
69.假设，一共有10个物理链路检测结果，其中有9个物理链路检测结果为物理链路异常，物理链路异常的检测结果的占比为90％，大于80％，此时可以对网卡执行bond模式的切换。
70.在本发明实施例中，将多个时间窗口对应的检测结果进行综合评估，降低了网络波动对检测结果造成的影响，有效的提升了检测结果的准确性。
71.图2为本发明实施例提供的一种网卡工作模式的切换装置的结构示意图，包括转换单元21、分析单元22和切换单元23；
72.转换单元21，用于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；
73.分析单元22，用于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；其中，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；
74.切换单元23，用于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。
75.可选地，转换单元用于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；将所有灰度值划分为多个通道的图像数据。
76.可选地，还包括统计单元；
77.统计单元，用于统计多个时间窗口对应的图像数据；
78.相应的，分析单元用于利用训练好的神经网络模型对多个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。
79.可选地，切换单元用于当多个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。
80.可选地，针对于神经网络模型的训练过程，装置包括预处理单元和训练单元；
81.转换单元，用于依据设定的数据转换规则将采集的物理链路正常运行的流量数据转换为第一图像数据，将采集的物理链路异常运行的流量数据转换为第二图像数据；
82.预处理单元，用于对第一图像数据和第二图像数据进行预处理，得到训练样本数据；
83.训练单元，用于利用训练样本数据对神经网络模型进行训练，以得到满足物理链路故障检测准确性要求的神经网络模型。
84.图2所对应实施例中特征的说明可以参见图1所对应实施例的相关说明，这里不再一一赘述。
85.由上述技术方案可以看出，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；为了提升检测的准确性，可以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。其中，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，则说明物理链路存在异常，为了保证数据的正常通信，此时可以对网卡执行bond模式的切换。在保留传统方式中基于网卡运行状态切换网卡bond模式的基础上，本技术方案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。
86.图3为本发明实施例提供的一种网卡工作模式的切换装置30的硬件结构示意图，包括：
87.存储器31，用于存储计算机程序；
88.处理器32，用于执行计算机程序以实现如上述任意实施例所述的网卡工作模式的切换方法的步骤。
89.本发明实施例还提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现如上述任意实施例所述的网卡工作模式的切换方法的步骤。
90.以上对本发明实施例所提供的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进行了详细介绍。说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。
91.专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
92.结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(ram)、内存、只读存储器(rom)、电可编程rom、电可擦除可编程rom、寄存器、硬盘、可移动磁盘、cd
‑
rom、或技术领域内所公知的任意其它形式的存储介质中。