一种网络资源数据处理方法、装置、设备及存储介质与流程

1.本技术涉及通信技术领域，尤其涉及一种网络资源数据处理方法、装置、设备及存储介质。


背景技术：

2.光传送网(optical transport network，otn)技术由于能够满足各种新型业务需求，逐渐成为传送网发展的主要方向。otn是指在光域内实现业务信号的传送、复用、路由选择、监控，并且保证其性能指标和生存性的传送网络。otn网络中的设备可以称为otn设备。
3.在实际应用中，为了保证otn设备的正常运行，需要对otn设备的资源进行监控预警。现有技术中一般采用人工从网管设备中获取资源的信息报表的方法，通过人工参与以便发现消耗殆尽的资源并及时扩容。也即，整个操作过程基本均为人工手动操作，效率低，不能及时的发现otn设备资源的短缺，影响网络性能。


技术实现要素：

4.本技术提供一种网络资源数据处理方法、装置、设备及存储介质，实现对otn设备的网络资源的实时监控预警。
5.第一方面，本技术提供一种网络资源数据处理方法，该方法包括：确定光传送网otn设备的网络资源数据的利用率；根据局部异常因子(local outlier factor，lof)算法对利用率处理，得到异常的网络资源数据。
6.本技术提供的网络资源数据处理方法，处理装置确定光传送网otn设备的网络资源数据的利用率，利用lof算法对利用率进行处理，可以得到异常的网络资源数据，以达到对otn设备的网络资源进行监控和预警的目的，方便用户及时对即将耗尽的网络资源进行扩容，优化了网络结构，提升用户体验。与传统的方法相比，本技术可以实现网络资源数据的自动监控预警，无需进行复杂的人工操作，提高了效率。
7.一种可能实现的方式，网络资源数据的利用率包括多个数据；根据lof算法对利用率进行处理，得到异常的网络资源数据，包括：针对多个数据中的每个数据，确定目标数据的第k距离邻域；第k距离邻域包括：多个数据中与目标数据的距离小于预设距离的数据；根据预设距离，确定目标数据到第k距离邻域内每个数据的可达距离；根据可达距离确定局部离群点因子；局部离群点因子用于指示目标数据是否异常；根据多个数据中每个数据的局部离群点因子，得到异常的网络资源数据。
8.又一种可能实现的方式，根据多个数据中每个数据的局部离群点因子，得到异常的网络资源数据，包括：确定多个数据中，局部离群点因子大于1的数据为异常的网络资源数据。
9.另一种可能实现的方式，根据可达距离确定局部离群点因子，包括：根据可达距离，确定目标数据的局部可达密度；根据局部可达密度，确定目标数据的局部离群点因子。
10.另一种可能实现的方式，根据可达距离，确定目标数据的局部可达密度，包括：采
用如下表达式确定目标数据的局部可达密度：
[0011][0012]
其中，lrdk(p)表示目标数据的局部可达密度，nk(p)表示目标数据的第k距离邻域，|nk(p)|表示目标数据的第k距离邻域内所有数据的个数，reach-distk(p,o)表示第k距离邻域内一个数据到目标数据的可达距离。
[0013]
另一种可能实现的方式，根据局部可达密度，确定目标数据的局部离群点因子，包括：采用如下表达式确定目标数据的局部离群点因子：
[0014][0015]
其中，lofk(p)表示目标数据的局部离群点因子，lrdk(o)表示第k距离邻域内一个数据的局部可达密度，lrdk(p)表示目标数据的局部可达密度。
[0016]
另一种可能实现的方式，网络资源数据包括：波道资源数据、槽位资源数据以及端口资源数据。
[0017]
另一种可能实现的方式，方法还包括：将利用率和异常的网络资源数据在可视化平台显示。
[0018]
第二方面，本技术提供一种网络资源数据处理装置，该装置包括：确定模块和处理模块。确定模块用于，确定光传送网otn设备的网络资源数据的利用率；处理模块用于，根据lof算法对利用率进行处理，得到异常的网络资源数据。
[0019]
一种可能实现的方式，网络资源数据的利用率包括多个数据；确定模块具体用于，针对多个数据中的每个数据，确定目标数据的第k距离邻域；根据预设距离，确定目标数据到第k距离邻域内每个数据的可达距离；根据可达距离确定局部离群点因子；局部离群点因子用于指示目标数据是否异常；根据多个数据中每个数据的局部离群点因子，得到异常的网络资源数据。
[0020]
又一种可能实现的方式，确定模块具体用于，确定多个数据中，局部离群点因子大于1的数据为异常的网络资源数据。
[0021]
另一种可能实现的方式，确定模块具体用于，根据可达距离，确定目标数据的局部可达密度；根据局部可达密度，确定目标数据的局部离群点因子。
[0022]
另一种可能实现的方式，确定模块具体用于，采用如下表达式确定目标数据的局部可达密度：
[0023][0024]
其中，lrdk(p)表示目标数据的局部可达密度，nk(p)表示目标数据的第k距离邻域，|nk(p)|表示目标数据的第k距离邻域内所有数据的个数，reach-distk(p,o)表示第k距离邻域内一个数据到目标数据的可达距离。
[0025]
另一种可能实现的方式，确定模块具体用于，采用如下表达式确定目标数据的局部离群点因子：
[0026][0027]
其中，lofk(p)表示目标数据的局部离群点因子，lrdk(o)表示第k距离邻域内一个数据的局部可达密度，lrdk(p)表示目标数据的局部可达密度。
[0028]
另一种可能实现的方式，网络资源数据包括：波道资源数据、槽位资源数据以及端口资源数据。
[0029]
另一种可能实现的方式，还包括显示模块；显示模块用于，将利用率和异常的网络资源数据在可视化平台显示。
[0030]
第三方面，本技术提供一种电子设备，该电子设备包括：处理器和存储器；存储器存储有处理器可执行的指令；处理器被配置为执行指令时，使得电子设备实现上述第一方面的方法。
[0031]
第四方面，本技术提供一种计算机可读存储介质，该计算机可读存储介质包括：计算机软件指令；当计算机软件指令在电子设备中运行时，使得电子设备实现上述第一方面的方法。
[0032]
第五方面，本技术提供一种计算机程序产品，当该计算机程序产品在计算机上运行时，使得计算机执行上述第一方面描述的相关方法的步骤，以实现上述第一方面的方法。
[0033]
上述第二方面至第五方面的有益效果可以参考第一方面的对应描述，不再赘述。
附图说明
[0034]
图1为本技术提供的一种网络资源数据处理方法的应用环境示意图；
[0035]
图2为本技术提供的一种网络资源数据处理方法流程示意图；
[0036]
图3为本技术提供的另一种网络资源数据处理方法流程示意图；
[0037]
图4为本技术提供的又一种网络资源数据处理方法流程示意图；
[0038]
图5为本技术提供的又一种网络资源数据处理方法流程示意图；
[0039]
图6为本技术提供的又一种网络资源数据处理方法流程示意图；
[0040]
图7为本技术提供的一种网络资源数据处理装置的组成示意图；
[0041]
图8为本技术提供的一种电子设备的组成示意图。
具体实施方式
[0042]
下面将结合本技术实施例中的附图，对本技术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技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，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，都属于本技术保护的范围。
[0043]
需要说明的是，本技术实施例中，“示例性地”或者“例如”等词用于表示作例子、例证或说明。本技术实施例中被描述为“示例性地”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用“示例性地”或者“例如”等词旨在以具体方式呈现相关概念。
[0044]
为了便于清楚描述本技术实施例的技术方案，在本技术的实施例中，采用了“第
一”、“第二”等字样对功能和作用基本相同的相同项或相似项进行区分，本领域技术人员可以理解“第一”、“第二”等字样并不是在对数量和执行次序进行限定。
[0045]
目前，运营商在长途骨干传送网以及部分本地传送网中广泛地应用otn网络。在实际应用中，为了保证otn设备(例如分光器、光线路终端等)的正常运行，需要对otn设备的网络资源数据进行监控和预警。当前主要对otn设备的三种网络资源数据进行监控和预警，波道、槽位以及端口。具体是统计两台otn设备之间波道带宽的占用百分比，即波道利用率；统计每台otn设备上已安装板卡的槽位所占全部槽位的百分比，即槽位利用率；统计otn设备每一块板卡上正在使用的端口占全部端口的百分比，即端口利用率；根据三者的利用率进行监控和预警。目前对otn设备的网络资源数据监控和预警的方法基本均为人工操作，从网络资源数据的导出到计算，每一个步骤需要人工手动完成，过程繁琐枯燥，耗费大量的人力资源和时间，效率低；并且难以实现实时的监控和预警，只能以一周甚至更长时间的周期进行统计，不能及时对耗尽的网络资源进行扩容等操作，影响网络性能和客户体验。
[0046]
综上所述，目前亟需一种对网络资源数据进行监控和预警的方法，基于此，本技术实施例提供一种网络资源数据处理方法，该方法中，处理装置确定光传送网otn设备的网络资源数据的利用率，利用lof算法对利用率处理，可以得到异常的网络资源数据。整个过程由处理装置自动完成，无需人工操作的参与，提高效率，并且实现了otn设备的网络资源的实时监控和预警，以便用户能够及时对即将耗尽的网络资源进行扩容，优化网络结构，提升用户体验。
[0047]
本技术提供的网络资源数据处理方法，可以应用于如图1所示的应用环境中。如图1所示，该应用环境可以包括：网络资源数据处理装置101(可以简称为处理装置)、网管设备102和前端设备103。网络资源数据处理装置101和网管设备102之间互相连接，网络资源数据处理装置101和前端设备103之间互相连接。
[0048]
其中，处理装置101可以是多个服务器组成的服务器集群、或者单个服务器、又或者计算机、又或者服务器或计算机中的处理器或处理芯片等。本技术实施例对处理装置101的具体设备形态不作限制。图1中以处理装置101为单个服务器为例示出。
[0049]
上述网管设备102也可以是多个服务器组成的服务器集群、或者单个服务器、又或者计算机、又或者服务器或计算机中的处理器或处理芯片等。本技术实施例对网管设备102的具体设备形态不作限制。图1中以网管设备102为单个服务器为例示出。
[0050]
上述前端设备103可以是一种具有无线收发功能的设备，例如手机、平板电脑、可穿戴设备、车载设备、增强现实(augmented reality，ar)/虚拟现实(virtual reality，vr)设备、笔记本电脑、超级移动个人计算机(ultra-mobile personal computer，umpc)、上网本、个人数字助理(personal digital assistant，pda)等。本技术实施例对前端设备103的具体种类不作限制，图1中以手机终端为例示出。
[0051]
在一些实施例中，在需要对otn设备的网络资源数据进行分析时，处理装置101可以从网管设备102中获取网络资源数据，计算网络资源数据的利用率并进行处理得到异常的网络资源数据。另外，处理装置101可以将异常网络数据和网络资源数据的利用率在可视化平台上进行可视化处理，并通过前端设备103显示给用户。用户可以在前端设备103查看网络资源数据的使用情况，对异常的网络资源进行处理。
[0052]
图2为本技术实施例提供的一种网络资源数据处理方法的流程示意图。如图2所
示，本技术提供的网络资源数据处理方法，可以通过上述处理装置实现，具体可以包括以下步骤：
[0053]
s201、处理装置确定光传送网otn设备的网络资源数据的利用率。
[0054]
其中，网络资源数据包括波道资源数据、槽位资源数据以及端口资源数据。
[0055]
在一些实施例中，处理装置可以从otn的网管设备中获取网络资源数据，然后对网络资源数据进行统计，得到各种网络资源数据的总数和空闲数，根据利用率的计算公式计算各种网络资源数据的利用率。其中，网络资源数据包括波道资源数据、槽位资源数据以及端口资源数据。
[0056]
示例性的，处理装置可以使用爬虫程序从otn的网管设备中爬取每两台otn设备之间的波道带宽占用情况的数据，将数据写入数据库并生成资源报表，该资源报表展示了每两台连接的otn设备之间的波道带宽划分为若干光通道数据单元(optical channel data unit，odu)的组合的情况。如表1所示。
[0057]
表1
[0058][0059]
表1中包括源网元和宿网元之间不同odu的总数、空闲数和空闲率三种参数。其中，odu是时分复用的单位，有时也叫“传输容器”，在otn网中传输时总能保持完整性，也就是odu作为一个独立的整体可以在通道中任意一点取出或者插入。源网元和宿网元分别代表两台连接的otn设备，“总数”表示两台otn设备之间的总的波道带宽可以划分为每个odu单位的数量。“空闲数”表示两台otn设备之间剩余的波道带宽可以划分为每个odu单位的数量。“空闲率”表示两台otn设备之间空闲的波道带宽所占的比例。作为一种示例，每个odu的波道带宽如表2所示。
[0060]
表2
[0061] odu0odu1odu2odu3odu4每个odu的带宽1.25g2.5g10g40g100g
[0062]
表2中包括不同的odu可以传输的带宽。其中，odu0用于传输1.25g的信号。odu1是“1阶”光传输单位，用于传输2.5g信号，可以传输2个odu0信号。odu2是“2阶”光传输单位，用于传输10g信号，可以传输8个odu0的信号。odu3是“3阶”光传输单位，用于传输40g信号，可以传输32个odu0的信号。odu4是“4阶”光传输单位，用于传输100g信号，可以传输80个odu0的信号。因此，odu0是划分两台otn设备之间的波道带宽的最小单位，可以作为波道利用率的统计口径，也即在计算波道利用率时，将不同的odu的带宽转换成odu0的带宽，便于计算。
[0063]
处理装置获取波道资源数据之后，统计每两台关联的otn设备之间的波道带宽的划分为若干odu单位的总数和空闲数，将不同的odu的带宽转换为odu0带宽，进一步统计出两台关联的otn设备之间的波道带宽以odu0为单位的空闲数和总数。处理装置可以根据如下利用率计算表达式，得到每两台有关联的otn设备之间的波道利用率。
[0064][0065]
又示例性的，处理装置可以使用爬虫程序从otn的网管设备中爬取每台otn设备上槽位使用情况的数据，将槽位使用情况的数据写入数据库并生成槽位信息报表。该槽位信息报表描述了每台otn设备的基本信息，包括名称、类型、id以及其所有的槽位和安装的所有板卡的信息，如表3所示。
[0066]
表3
[0067][0068]
表3中包括每台otn设备中的网元名称、网元类型、网元id、槽位号、网元物理单板、网元逻辑单板、网元安装单板以及单板状态。其中，“网元名称”、“网元类型”、“网元id”描述了每台otn设备中的网元的基本信息。“槽位号”表示在每台otn设备上不同槽位的编号。“网元物理单板”、“网元逻辑单板”、“网管安装单板”表示在该槽位上的板卡的型号信息，不同型号的板卡上的槽位数不同，并且一种型号的板卡上的槽位数固定，可以用于确定该otn设备上的总的槽位数。由于部分板卡会占用2个槽位，难以直接统计计算槽位占用情况，可以通过“单板状态”字段计算出每台otn设备的槽位占用情况。作为一种示例，“单板状态”字段解释如表4所示。
[0069]
表4
[0070]
单板状态未安装在位不在位槽位状态解释空闲占用占用
[0071]
表4中包括单板状态为未安装、在位以及不在位时的槽位状态解释。其中，当“单板状态”为“未安装”时，该槽位处于空闲状态，当“单板状态”为“在位”或“不在位”时，该槽位处于被占用状态。
[0072]
处理装置获取槽位资源数据之后，统计每台otn设备的单板的状态为“未安装”的槽位的数量，进一步计算得出每台otn设备的处于空闲状态槽位的数量，并且一种型号的otn设备槽位数固定，处理装置可以根据如下利用率计算表达式，得到每台otn设备的槽位利用率。
[0073][0074]
又示例性的，处理装置可以使用爬虫程序从otn的网管设备中爬取每台otn设备上安装的每个板卡的信息和端口使用情况的数据，将每个板卡的信息和端口使用情况的数据写入数据库中并生成光功率管理报表，该光功率管理报表展示了otn设备上安装的板卡槽位信息、板卡的属性以及板卡上各个端口的光信号情况，如表5所示。
[0075]
表5
[0076]
网元名称槽位id单板名称端口输入光功率(dbm)
otn1////
[0077]
表5中包括网元名称、槽位id、单板名称、端口以及输入光功率(dbm)。其中，“网元名称”、“槽位id”、“单板名称”描述了otn设备上安装的板卡槽位信息和板卡的属性。“端口”即该板卡上不同端口的编号，同一型号的板卡上端口的编号与个数固定，可以用于确定该otn设备上总的端口数量。当“输入光功率”字段的值为"-60"或者"/"则表示该端口断开，即该端口处于空闲状态，可以用于确定该otn设备上处于空闲状态的端口数量。
[0078]
处理装置获取端口资源数据之后，统计每台otn设备的“输入光功率”字段的值为"-60"或者"/"的端口数量，即为断开端口的数量，并且同一型号的板卡上端口的编号与个数固定，处理装置可以根据如下利用率计算表达式，得到每台otn设备的端口利用率。
[0079][0080]
s202、处理装置根据lof算法对利用率进行处理，得到异常的网络资源数据。
[0081]
在一些实施例中，处理装置实时获取otn设备的网络资源数据，基于上述方法得到不同时刻网络资源数据的利用率，将不同时刻的网络资源数据的利用率代入到lof算法中，得出异常网络资源数据。
[0082]
需要说明的是，lof算法是一种基于密度的离群点检测方法，通过局部的数据密度进行数据异常监测。lof算法通过比较每个数据和其邻域内其他数据的密度来判断该数据是否为异常数据，如果该数据的密度越低，越可能被认定是异常数据。其中，密度是通过数据之间的距离来计算的，数据之间距离越远，密度越低，距离越近，密度越高。
[0083]
上述实施例提供的技术方案至少带来以下有益效果，本技术实施例提供的网络资源数据处理方法，处理装置可以自动获取otn的网管设备中的网络资源数据，确定网络资源数据的利用率，根据lof算法对利用率进行处理，最终得到异常的网络资源数据，实现了网络资源数据的自动监控和预警，使得用户可以及时对异常的网络资源进行处理，优化了网络结构，提升用户体验。并且无需人工计算繁琐的数据，提高了效率。
[0084]
以下结合具体实施例与说明书附图对本技术实施例提供的网络资源数据处理方法进行详细说明。
[0085]
如图3所示，本技术提供的网络资源数据处理方法具体可以包括以下步骤：
[0086]
s301、处理装置确定光传送网otn设备的网络资源数据的利用率。
[0087]
其中，网络资源数据包括波道资源数据、槽位资源数据以及端口资源数据。
[0088]
上述s301的相关描述可以参见前述s201的描述，在此不再重复赘述。
[0089]
s302、处理装置根据lof算法对利用率进行处理，得到异常的网络资源数据。
[0090]
在一些实施例中，上述网络资源数据的利用率包括多个数据，处理装置根据lof算法对利用率进行处理，得到异常的网络资源数据。具体的，如图4所示，s302具体可以实现为如下s3021-s3024。
[0091]
s3021、处理装置针对多个数据中的每个数据，确定目标数据的第k距离邻域。
[0092]
其中，第k距离邻域包括：多个数据中与目标数据的距离小于预设距离的数据。
[0093]
在一些实施例中，目标数据的预设距离，即为距离目标数据最近的第k个数据的距离。其中，k为正整数，目标数据的预设距离可记作k-distance
§
。在多个数据中，存在一个数
据o，它与目标数据之间的距离记作d(p,o)(用字母p表示目标数据)。如果满足以下两个条件，则可以认为k-distance
§
＝d(p,o)：在多个数据中，至少存在k个数据q，使得d(p,q)≤d(p,o)；在多个数据中，至多存在k-1个数据q，使得d(p,q)《d(p,o)。因此数据o和目标数据的最大距离即目标数据的预设距离的最大距离，也即k-distance
§
＝max||p-o||。
[0094]
显然易见，如果使用k-distance
§
来量化目标数据的局部空间区域范围，那么对于数据密度较大的区域，k-distance
§
值较小，而数据密度较小的区域，k-distance
§
值较大。
[0095]
目标数据的第k距离邻域为与目标数据之间距离小于等于k-distance
§
的数据集合，记作nk(p)。目标数据的第k距离邻域是以目标数据为中心，k-distance
§
为半径的区域内所有数据的集合(其中不包括目标数据本身)。由于可能同时存在多个预设距离的数据，因此该集合至少包括k个数据。故离群度越大的数据的范围往往比较大，而离群度比较小的数据范围小。
[0096]
处理装置针对多个数据中的每个数据，基于上述方法确定目标数据的预设距离，进一步确定目标数据的第k距离邻域。
[0097]
s3022、处理装置根据预设距离，确定目标数据到第k距离邻域内每个数据的可达距离。
[0098]
在一些实施例中，目标数据相对于数据o的可达距离公式为：reach-dist(p,o)＝max{k-distance
§
,||p-o||}，其中reach-dist(p,o)表示目标数据相对于数据o的可达距离，k-distance
§
表示目标数据的预设距离，||p-o||表示目标数据和数据o之间的距离。
[0099]
如果数据o在目标数据的第k距离邻域内，则目标数据相对于数据o的可达距离就是k-distance
§
的距离。如果数据o不在目标数据的第k距离邻域内，则目标数据相对于数据o的可达距离就是实际距离，也就是这两点之间的距离||p-o||。
[0100]
处理装置基于上述可达距离公式和预设距离确定目标数据到第k距离邻域内每个数据的可达距离。
[0101]
s3023、处理装置根据可达距离确定局部离群点因子。
[0102]
其中，局部离群点因子用于指示目标数据是否异常。
[0103]
在一些实施例中，处理装置根据可达距离确定局部离群点因子包括：处理装置根据可达距离，确定目标数据的局部可达密度；处理装置根据局部可达密度，确定目标数据的局部离群点因子。因此，如图5所示，s3023可以实现为如下s3023a-s3023b。
[0104]
s3023a、处理装置根据可达距离，确定目标数据的局部可达密度。
[0105]
在一些实施例中，处理装置可以采用如下表达式确定目标数据的局部可达密度：
[0106][0107]
其中，lrdk(p)表示目标数据的局部可达密度，nk(p)表示目标数据的第k距离邻域，|nk(p)|表示目标数据的第k距离邻域内所有数据的个数，reach-distk(p,o)表示第k距离邻域内一个数据到目标数据的可达距离。
[0108]
处理装置基于上述方法确定出目标数据的第k距离邻域内每个数据到目标数据的可达距离，将可达距离代入上述表达式即可求出目标数据的局部可达密度。
[0109]
s3023b、处理装置根据局部可达密度，确定目标数据的局部离群点因子。
[0110]
在一些实施例中，处理装置可以采用如下表达式确定目标数据的局部离群点因子：
[0111][0112]
其中，lofk(p)表示目标数据的局部离群点因子，lrdk(o)表示第k距离邻域内一个数据的局部可达密度，lrdk(p)表示目标数据的局部可达密度。
[0113]
处理装置基于上述方法确定出目标数据的第k距离邻域内每个数据的局部可达密度，将局部可达密度代入上述表达式即可求出目标数据的局部离群点因子。
[0114]
s3024、处理装置根据多个数据中每个数据的局部离群点因子，得到异常的网络资源数据。
[0115]
在一些实施例中，处理装置根据上述方法确定多个数据中每个数据的局部离群点因子，其中，多个数据的局部离群点因子中，局部离群点因子大于1的数据为异常的网络资源数据。
[0116]
示例性的，处理装置根据上述方法确定多个数据中每个数据的局部离群点因子，如果局部离群点因子接近1，说明目标数据和其第k距离邻域内的数据密度差不多，目标数据可能和其第k距离邻域内的点同属一簇。如果局部离群点因子小于1，说明目标数据的密度高于其第k距离邻域内其他数据的密度，目标数据为密集点。如果局部离群点因子大于1，说明目标数据的密度小于其第k距离邻域内其他数据的密度，目标数据可能是异常点。处理装置通过上述方法能够在多个数据分布不均匀的情况下准确发现离群点，也即异常的网络资源数据。
[0117]
需要说明的是，处理装置得到异常的网络资源数据之后，还可以将异常网络数据和网络资源数据的利用率在前端设备的可视化平台上显示，用户可以在前端设备查看网络资源数据的使用情况，以便及时对异常的网络资源进行处理。
[0118]
因此，在s302之后，本技术实施例提供网络资源数据处理方法，还包括如下s303：
[0119]
s303、处理装置将利用率和异常的网络资源数据在可视化平台显示。
[0120]
在一些实施例中，处理装置可以将利用率和异常网络资源数据通过表格、折线图、柱状图或条形图在可视化平台上显示。
[0121]
示例性的，处理装置可以将利用率和异常网络资源数据在可视化平台进行可视化处理，并通过表格、折线图、柱状图或条形图将利用率在前端设备上显示，将异常网络资源数据在前端设备中突出显示，用户可以在前端设备上查看网络资源数据的使用情况，以便及时发现网络资源数据的异常情况并进行处理。其中，异常网络数据用于指示消耗殆尽或者几乎没有使用的资源。
[0122]
上述实施例提供的技术方案至少带来以下有益效果，本技术提供的网络资源数据处理方法，处理装置获取otn网管设备中的网络资源数据，确定网络资源数据的利用率，利用lof算法对利用率进行处理，可以得到异常的网络资源数据，以达到对otn设备的网络资源进行监控和预警的目的，方便用户及时对即将耗尽的网络资源进行扩容，优化了网络结构，提升用户体验。与传统的方法相比，本技术可以实现网络资源数据的自动监控预警，无需进行复杂的人工操作，提高了效率。
[0123]
进一步的，处理装置还可以将异常的网络资源数据突出显示和网络资源的利用率在可视化平台显示，用户可以通过前端设备实时查看网络资源的使用情况。与传统的方法相比，用户查看网络资源的使用情况不再受到人工操作的限制，本技术可以使用不同的数据可视化方法对网络资源的使用情况进行显示，显示网络资源的使用情况的效果较好。
[0124]
下面就一个具体的实施例对本技术实施例的网络资源数据处理方法进行介绍，本方法具体实施过程如图6所示。
[0125]
处理装置使用爬虫程序自动从otn设备的网管系统中爬取每两台otn设备之间波道带宽占用的数据，每台otn设备上槽位使用情况的数据，每台otn设备上安装的每个板卡的信息和端口使用情况的数据。将上述数据导入数据库并生成资源报表。
[0126]
处理装置根据波道利用率、槽位利用率以及端口利用率的计算公式分别计算出每两台otn设备之间的波道利用率、每台otn设备上槽位利用率以及每台otn设备上板卡的槽位利用率，并将上述各种网络资源数据的利用率导入数据可视化平台。处理装置利用lof算法对上述利用率数据进行处理，得到异常的网络资源数据，将网络资源数据导入数据可视化平台，对异常的网络资源数据进行标记并突出显示，在不同平台上展示otn设备资源预警信息(即异常的网络资源数据)。
[0127]
在示例性的实施例中，本技术还提供一种网络资源数据处理装置。该网络资源数据处理装置可以包括一个或多个功能模块，用于实现以上方法实施例的网络资源数据处理方法。
[0128]
例如，图7为本技术实施例提供的一种网络资源数据处理装置的组成示意图。如图7所示，该网络资源数据处理装置包括：确定模块701和处理模块702。
[0129]
确定模块701用于，确定光传送网otn设备的网络资源数据的利用率。处理模块702用于，根据lof算法对利用率处理，得到异常的网络资源数据。
[0130]
在一些实施例中，网络资源数据的利用率包括多个数据，确定模块701还用于，针对多个数据中的每个数据，确定目标数据的第k距离邻域，k距离邻域包括：多个数据中与目标数据的距离小于预设距离的数据。确定模块701还用于，根据预设距离，确定目标数据到第k距离邻域内每个数据的可达距离。确定模块701还用于，根据可达距离确定局部离群点因子，局部离群点因子用于指示目标数据是否异常。确定模块701还用于，根据多个数据中每个数据的局部离群点因子，得到异常的网络资源数据。
[0131]
在另一些实施例中，确定模块701具体用于，确定多个数据中，局部离群点因子大于1的数据为异常的网络资源数据。
[0132]
在另一些实施例中，确定模块701还用于，根据可达距离，确定目标数据的局部可达密度。确定模块701还用于，根据局部可达密度，确定目标数据的局部离群点因子。
[0133]
在另一些实施例中，确定模块701具体用于，采用如下表达式确定目标数据的局部可达密度：
[0134][0135]
其中，lrdk(p)表示目标数据的局部可达密度，nk(p)表示目标数据的第k距离邻域，|nk(p)|表示目标数据的第k距离邻域内所有数据的个数，reach-distk(p,o)表示第k距离邻
域内一个数据到目标数据的可达距离。
[0136]
在另一些实施例中，确定模块701具体用于，采用如下表达式确定目标数据的局部离群点因子：
[0137][0138]
其中，lofk(p)表示目标数据的局部离群点因子，lrdk(o)表示第k距离邻域内一个数据的局部可达密度，lrdk(p)表示目标数据的局部可达密度。
[0139]
在另一些实施例中，网络资源数据包括：波道资源数据、槽位资源数据以及端口资源数据。
[0140]
在另一些实施例中，网络资源数据处理装置还包括：显示模块703。显示模块703用于，将利用率和异常的网络资源数据在可视化平台显示。
[0141]
在示例性的实施例中，本技术实施例还提供了一种电子设备，该电子设备可以是上述方法实施例中的网络资源数据处理装置。图8为本技术实施例提供的一种电子设备的组成示意图。如图8所示，该电子设备可以包括：处理器801和存储器802；存储器802存储有处理器801可执行的指令；处理器801被配置为执行指令时，使得电子设备实现如前述方法实施例中描述的方法。
[0142]
在示例性的实施例中，本技术实施例还提供一种计算机可读存储介质，其上存储有计算机程序指令；当计算机程序指令被计算机执行时，使得计算机实现如前述实施例中描述的方法。计算机可读存储介质可以是非临时性计算机可读存储介质，例如，非临时性计算机可读存储介质可以是rom、随机存取存储器(ram)、cd-rom、磁带、软盘和光数据存储设备等。
[0143]
在示例性的实施例中，本技术实施例还提供了一种计算机程序产品，当该计算机程序产品在计算机上运行时，使得计算机执行上述相关方法步骤，以实现上述实施例中的网络资源数据处理方法。
[0144]
以上，仅为本技术的具体实施方式，但本技术的保护范围并不局限于此，任何在本技术揭露的技术范围内的变化或替换，都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应该以权利要求的保护范围为准。

技术特征：
1.一种网络资源数据处理方法，其特征在于，所述方法包括：确定光传送网otn设备的网络资源数据的利用率；根据局部异常因子lof算法对所述利用率进行处理，得到异常的网络资源数据。2.根据权利要求1所述的方法，其特征在于，所述网络资源数据的利用率包括多个数据；所述根据局部异常因子lof算法对所述利用率处理，得到异常的网络资源数据，包括：针对所述多个数据中的每个数据，确定目标数据的第k距离邻域；所述第k距离邻域包括：所述多个数据中与所述目标数据的距离小于预设距离的数据；根据所述预设距离，确定所述目标数据到所述第k距离邻域内每个数据的可达距离；根据所述可达距离确定局部离群点因子；所述局部离群点因子用于指示所述目标数据是否异常；根据所述多个数据中每个数据的局部离群点因子，得到异常的网络资源数据。3.根据权利要求2所述的方法，其特征在于，根据所述多个数据中每个数据的局部离群点因子，得到异常的网络资源数据，包括：确定所述多个数据中，局部离群点因子大于1的数据为所述异常的网络资源数据。4.根据权利要求3所述的方法，其特征在于，所述根据所述可达距离确定局部离群点因子，包括：根据所述可达距离，确定所述目标数据的局部可达密度；根据所述局部可达密度，确定所述目标数据的局部离群点因子。5.根据权利要求4所述的方法，其特征在于，所述根据所述可达距离，确定所述目标数据的局部可达密度，包括：采用如下表达式确定所述目标数据的局部可达密度：其中，lrd
k
(p)表示所述目标数据的局部可达密度，n
k
(p)表示所述目标数据的所述第k距离邻域，|n
k
(p)|表示所述目标数据的所述第k距离邻域内所有数据的个数，reach-dist
k
(p,o)表示所述第k距离邻域内一个数据到所述目标数据的可达距离。6.根据权利要求4所述的方法，其特征在于，所述根据所述局部可达密度，确定所述目标数据的局部离群点因子，包括：采用如下表达式确定所述目标数据的局部离群点因子：其中，lof
k
(p)表示所述目标数据的局部离群点因子，lrd
k
(o)表示所述第k距离邻域内一个数据的局部可达密度，lrd
k
(p)表示所述目标数据的局部可达密度。7.根据权利要求1-6任一项所述的方法，其特征在于，所述网络资源数据包括：波道资源数据、槽位资源数据以及端口资源数据。8.根据权利要求1所述的方法，其特征在于，所述方法还包括：
将所述利用率和所述异常的网络资源数据在可视化平台显示。9.一种网络资源数据处理装置，其特征在于，所述装置包括：确定模块和处理模块；所述确定模块用于，确定光传送网otn设备的网络资源数据的利用率；所述处理模块用于，根据局部异常因子lof算法对所述利用率进行处理，得到异常的网络资源数据。10.根据权利要求9所述的网络资源数据处理装置，其特征在于，所述网络资源数据的利用率包括多个数据；所述确定模块具体用于，针对所述多个数据中的每个数据，确定目标数据的第k距离邻域；根据所述预设距离，确定所述目标数据到所述第k距离邻域内每个数据的可达距离；根据所述可达距离确定局部离群点因子；所述局部离群点因子用于指示所述目标数据是否异常；根据所述多个数据中每个数据的局部离群点因子，得到异常的网络资源数据。11.根据权利要求10所述的网络资源数据处理装置，其特征在于，所述确定模块具体用于，确定所述多个数据中，局部离群点因子大于1的数据为所述异常的网络资源数据。12.根据权利要求11所述的网络资源数据处理装置，其特征在于，所述确定模块具体用于，根据所述可达距离，确定所述目标数据的局部可达密度；根据所述局部可达密度，确定所述目标数据的局部离群点因子。13.根据权利要求12所述的网络资源数据处理装置，其特征在于，还包括显示模块；所述显示模块用于，将所述利用率和所述异常的网络资源数据在可视化平台显示。14.一种电子设备，其特征在于，所述电子设备包括：处理器和存储器；所述存储器存储有所述处理器可执行的指令；所述处理器被配置为执行所述指令时，使得所述电子设备实现如权利要求1-8任一项所述的方法。15.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括：计算机软件指令；当所述计算机软件指令的电子设备中运行时，使得所述电子设备实现如权利要求1-8任一项所述的方法。

技术总结
本申请提供一种网络资源数据处理方法、装置、设备及存储介质，涉及通信技术领域，该方法实现对网络资源数据的实时监控和预警，该方法包括：处理装置确定光传送网OTN设备的网络资源数据的利用率；处理装置根据LOF算法对利用率进行处理，得到异常的网络资源数据。本申请可用于对OTN设备的网络资源监控预警的过程中，用于解决人工对网络资源数据进行监控时效率低的问题。率低的问题。率低的问题。


技术研发人员：辛熙洋 王怡岚 刘屿舟 徐景云 黄啟志 张昱 袁雨豪 李春雨 彭国锋 肖剑鸣
受保护的技术使用者：中国联合网络通信集团有限公司
技术研发日：2023.06.08
技术公布日：2023/8/4