本发明涉及网络测试,尤其涉及一种智能网络分析方法、装置、设备及存储介质。
背景技术:
1、随着软件系统架构的演变和业务的飞速发展,软件的性能表现越来越受到重视。常规的性能测试生命周期由准备阶段,执行阶段,调优阶段和总结阶段组成。其中调优阶段涉及到应用、数据库、中间件、网络、存储、软硬件等各方面知识。在现有的性能测试时,对于网络波动导致性能波动的情况难以进行验证,通常是根据测试人员的经验判断,同时在验证时也难以复现当时的网络环境,从而导致影响测试效率和测试质量。
2、上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
技术实现思路
1、本发明的主要目的在于提供一种智能网络分析方法、装置、设备及存储介质,旨在解决现有技术中在性能测试时由于网络波动导致性能波动的情况难以验证,从而导致影响测试效率和测试质量的技术问题。
2、为实现上述目的,本发明提供了一种智能网络分析方法,所述方法包括以下步骤:
3、获取待测系统的网络数据;
4、对所述网络数据分析,得到网络曲线图和网络带宽参数数据;
5、将所述网络曲线图和性能曲线图之间对比,确定所述网络曲线图和所述性能曲线图的相似度;
6、在所述相似度小于相似阈值时,根据所述相似度与所述网络带宽参数数据生成网络分析结果。
7、可选地,所述获取待测系统的网络数据,包括:
8、确定所述待测系统的网络拓扑图以及所述待测系统的系统组件;
9、根据所述拓扑图确定所述系统组件的连接关系,并根据所述连接关系和数据传输方向得到所述系统组件的上下游关系;
10、根据所述系统组件的上下游关系确定所述系统组件的依赖关系;
11、基于所述依赖关系,依次获取所述依赖关系中对应的系统组件的网络数据;
12、将所述系统组件的网络数据汇总得到所述待测系统的网络数据。
13、可选地,所述将所述网络曲线图和性能曲线图之间对比,确定所述网络曲线图和所述性能曲线图的相似度,包括:
14、分别确定所述网络曲线图的时间序列和所述性能曲线图的时间序列;
15、在所述网络曲线图的时间序列与所述性能曲线图的时间序列一致时,确定所述网络曲线图和所述性能曲线图的相似点;
16、获取所述相似点的位置信息,并根据所述位置信息确定路径距离;
17、根据所述路径距离确定所述网络曲线图的时间序列与所述性能曲线图的时间序列的相似度。
18、可选地,所述将所述网络曲线图和性能曲线图之间对比,确定所述网络曲线图和所述性能曲线图的相似度,还包括:
19、在所述网络曲线图的时间序列与所述性能曲线图的时间序列不一致时,确定所述网络曲线图的特征时间序列与所述性能曲线图的特征时间序列;
20、对所述特征时间序列进行伸缩变换,使所述网络曲线图的特征时间序列与所述性能曲线图的特征时间序列一致。
21、可选地,所述对所述特征时间序列进行伸缩变换,使所述网络曲线图的特征时间序列与所述性能曲线图的特征时间序列一致,包括:
22、根据所述网络曲线图的特征时间序列与所述性能曲线图的特征时间序列得到所述网络曲线图的时间子序列与所述性能曲线图的时间子序列;
23、遍历所述网络曲线图的时间子序列与所述性能曲线图的时间子序列,依次计算相邻时间子序列的子序列距离;
24、计算目标时间子序列之间的子序列距离,根据所述目标时间子序列之间的子序列距离和所述相邻时间子序列的子序列距离中的最小值得到目标动态规划距离;
25、基于所述目标动态规划距离使所述网络曲线图的特征时间序列与所述性能曲线图的特征时间序列一致。
26、可选地,所述对所述网络数据分析,得到网络曲线图,包括:
27、对系统组件的上下游关系确定各个上下游节点;
28、获取所述各个上下游节点的ip地址;
29、对所述ip地址的网络数据检测,得到每个ip地址的延时数据,并将所述延时数据存储于当前ip地址对应的上下游节点的数据库中;
30、根据所述延时数据绘制网络曲线图。
31、可选地,所述在所述相似度小于相似阈值时,根据所述相似度与所述网络带宽参数数据生成网络分析结果之后,还包括:
32、在所述网络分析结果为异常结果时,将所述性能曲线图与每一个上下游节点对应的网络曲线图比对,得到所述性能曲线与所述每一个上下游节点对应的网络曲线图的相似关系;
33、在所述相似关系大于等于阈值时,确定网络波动曲线区间,并获取所述网络曲线波动区间的网络数据;
34、将所述网络数据输出,使测试人员根据所述网络数据分析排查。
35、此外,为实现上述目的,本发明还提出一种智能网络分析装置,所述智能网络分析装置包括:
36、网络监控模块,用于获取待测系统的网络数据;
37、数据处理模块,用于对所述网络数据分析,得到网络曲线图和网络带宽参数数据;
38、曲线对比模块,用于将所述网络曲线图和性能曲线图之间对比,确定所述网络曲线图和所述性能曲线图的相似度;
39、网络分析模块,用于在所述相似度小于相似阈值时,根据所述相似度与所述网络带宽参数数据生成网络分析结果。
40、此外,为实现上述目的,本发明还提出一种智能网络分析设备,所述智能网络分析设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的智能网络分析程序,所述智能网络分析程序配置为实现如上文所述的智能网络分析方法的步骤。
41、此外,为实现上述目的,本发明还提出一种存储介质,所述存储介质上存储有智能网络分析程序,所述智能网络分析程序被处理器执行时实现如上文所述的智能网络分析方法的步骤。
42、本发明通过获取待测系统的网络数据;对所述网络数据分析,得到网络曲线图和网络带宽参数数据;将所述网络曲线图和性能曲线图之间对比,确定所述网络曲线图和所述性能曲线图的相似度;在所述相似度小于相似阈值时,根据所述相似度与所述网络带宽参数数据生成网络分析结果,使得在性能调试过程中,能够智能根据网络数据分析,解决了现有技术中网络波动呆滞性能波动,无法对网络进行验证的本体,本发明能够根据网络分析结果来确定网络波动对于性能的影响,从而协助排查网络波动的问题,提高对系统的测试效率和测试质量。
1.一种智能网络分析方法,其特征在于,所述智能网络分析方法包括:
2.如权利要求1所述的方法,其特征在于,所述获取待测系统的网络数据,包括:
3.如权利要求1所述的方法,其特征在于,所述将所述网络曲线图和性能曲线图之间对比,确定所述网络曲线图和所述性能曲线图的相似度,包括:
4.如权利要求3所述的方法,其特征在于,所述将所述网络曲线图和性能曲线图之间对比,确定所述网络曲线图和所述性能曲线图的相似度,还包括:
5.如权利要求4所述的方法,其特征在于,所述对所述特征时间序列进行伸缩变换,使所述网络曲线图的特征时间序列与所述性能曲线图的特征时间序列一致,包括:
6.如权利要求1所述的方法,其特征在于,所述对所述网络数据分析,得到网络曲线图,包括:
7.如权利要求1所述的方法,其特征在于,所述在所述相似度小于相似阈值时,根据所述相似度与所述网络带宽参数数据生成网络分析结果之后,还包括:
8.一种智能网络分析装置,其特征在于,所述智能网络分析装置包括:
9.一种智能网络分析设备,其特征在于,所述设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的智能网络分析程序,所述智能网络分析程序配置为实现如权利要求1至7中任一项所述的智能网络分析方法的步骤。
10.一种存储介质,其特征在于,所述存储介质上存储有智能网络分析程序,所述智能网络分析程序被处理器执行时实现如权利要求1至7任一项所述的智能网络分析方法的步骤。