一种基于虚拟化平台的网络优先级实现方法与流程

1.本发明属于人工智能及云计算技术领域，具体涉及一种基于虚拟化平台的网络优先级实现方法。


背景技术：

2.云计算服务器上部署着大量虚拟机和容器，这些虚拟机或者容器可能会运行一个或者多个服务，这些服务的业务流量最后在物理网卡聚集发送。目前商用虚拟化产品是以虚拟机或者容器为单元手动设置优先级，也即，首先对一个单元的流量进行优先级标记，然后针对该标记进行流量分类并设定对应的优先级。该模式最大的问题是不能根据流量内容进行优先级设定，只能以虚拟机或者容器为单元，而且当虚拟机或者容器数量很多时，手动设置优先级非常不便利。
3.目前流量分类技术也有很多种，大致有如下三类：基于端口的流量分类方法，基于有效载荷的分类和基于统计特征的流量分类。目前动态端口号广泛使用及协议的增多导致基于端口的分类准确率降低。基于有效载荷的分类主要是对载荷中某些特征字进行匹配，这种方式有特征选取局限性而且无法应用到加密流量。基于统计特征的分类需要人工指定特征，而且需要统计整个流的信息特征，明显不适合网络流量的实时分类。


技术实现要素：

4.本发明实施例的目的是提供一种基于虚拟化平台的网络优先级实现方法，以解决手动设置优先级不便利、网络流量无法实时分类的技术问题。
5.为了解决上述技术问题，本发明是这样实现的：
6.第一方面，本发明实施例提供了一种基于虚拟化平台的网络优先级实现方法，其特征在于，包括：
7.通过ovs网桥获取单元的目标业务流量并发送所述目标业务流量至流量分类模块；
8.所述流量分类模块对所述目标业务流量进行分类，并按照分类结果通过ovs桥的多个端口将分类后的所述目标业务流量传输至所述ovs桥；
9.所述ovs桥将分类后的所述目标业务流量传输到物理网卡；
10.所述物理网卡对分类后的所述目标业务流量进行优先级设定；
11.其中，所述单元包括虚拟机和容器中的至少一个。
12.可选地，所述ovs桥将分类后的所述目标业务流量传输到物理网卡包括：
13.所述ovs桥根据所述多个端口分别接收到的第一业务流量修改每个所述第一业务流量对应的报文tos值；
14.所述ovs桥将修改报文tos值后的每个所述第一业务流量传输到所述物理网卡；
15.所述第一业务流量为所述目标业务流量分类后的业务流量。
16.可选地，所述ovs桥根据所述多个端口分别接收到的第一业务流量修改每个所述
第一业务流量对应的报文tos值包括：
17.所述ovs桥根据所述多个端口分别接收到的第一业务流量修改每个所述第一业务流量对应的报文tos值的优先权子字段；
18.所述优先权子字段的值用于标记所述第一业务流量的类别；
19.所述物理网卡对分类后的所述目标业务流量进行优先级设定包括：
20.所述物理网卡根据所述第一业务流量的类别进行优先级设定。
21.可选地，在所述ovs桥根据所述多个端口分别接收到的第一业务流量修改每个所述第一业务流量对应的报文tos值之后，在所述ovs桥将修改报文tos值后的每个所述第一业务流量传输到所述物理网卡之前，所述方法还包括：
22.设置多个过滤器，所述多个过滤器对应不同的报文tos值。
23.可选地，所述物理网卡对分类后的所述目标业务流量进行优先级设定包括：
24.所述物理网卡通过tc指令对分类后的所述目标业务流量进行优先级设定。
25.可选地，在所述通过ovs网桥获取单元的目标业务流量后，所述方法还包括：
26.以帧为单位提取所述目标业务流量并将所述目标业务流量转换为灰度图像；
27.所述发送所述目标业务流量至流量分类模块包括：
28.所述ovs网桥发送所述灰度图像至流量分类模块；
29.所述流量分类模块对所述目标业务流量进行分类包括：
30.所述流量分类模块对所述灰度图像进行分类。
31.可选地，在所述流量分类模块对所述灰度图像进行分类之前，所述方法还包括：
32.获取目标数据集并将所述目标数据集转换为目标灰度图像；
33.将所述目标灰度图像划分为训练集、测试集和验证集以训练目标卷积神经网络；
34.根据训练后的目标卷积神经网络得到神经网络模型；
35.所述流量分类模块对所述灰度图像进行分类包括：
36.所述流量分类模块基于所述神经网络模型对所述灰度图像进行分类。
37.可选地，所述以帧为单位提取所述目标业务流量并将所述目标业务流量转换为灰度图像包括：
38.以帧为单位提取所述目标业务流量；
39.根据目标映射关系将所述目标业务流量转换为灰度图像；
40.所述目标映射关系为帧数据中的一个字节与一个像素之间的映射关系。
41.可选地，所述目标业务流量包括多个流量数据大小不同的第二业务流量；所述以帧为单位提取所述目标业务流量包括：
42.以帧为单位分别提取多个所述流量数据大小不同的第二业务流量；
43.根据目标映射关系将多个所述第二业务流量转换为多个灰度图像；
44.其中，所述多个灰度图像的长和宽的尺寸相同。
45.可选地，在以帧为单位分别提取多个所述流量数据大小不同的第二业务流量之后，在根据目标映射关系将多个所述第二业务流量转换为多个灰度图像之前，所述方法还包括：
46.获取每个所述第二业务流量的流量字节数，根据所述流量字节数确定每个所述第二业务流量对应的灰度图像的尺寸；
47.在所述灰度图像包含的字节数大于所述流量字节数的情况下，在所述灰度图像中填充预设像素。
48.第二方面，本发明实施例提供了一种基于虚拟化平台的网络优先级实现装置，其特征在于，包括：
49.ovs网桥，用于获取单元的目标业务流量并发送所述目标业务流量至流量分类模块；
50.流量分类模块，用于对所述目标业务流量进行分类，并按照分类结果通过ovs桥的多个端口将分类后的所述目标业务流量传输至所述ovs桥；
51.ovs桥，用于将分类后的所述目标业务流量传输到物理网卡；
52.物理网卡，用于对分类后的所述目标业务流量进行优先级设定；
53.其中，所述单元包括虚拟机和容器中的至少一个。
54.可选地，所述ovs桥具体用于：
55.根据所述多个端口分别接收到的第一业务流量修改每个所述第一业务流量对应的报文tos值；
56.将修改报文tos值后的每个所述第一业务流量传输到所述物理网卡；
57.所述第一业务流量为所述目标业务流量分类后的业务流量。
58.可选地，所述ovs桥还用于：
59.根据所述多个端口分别接收到的第一业务流量修改每个所述第一业务流量对应的报文tos值的优先权子字段；
60.所述优先权子字段的值用于标记所述第一业务流量的类别；
61.所述物理网卡具体用于：
62.根据所述第一业务流量的类别进行优先级设定。
63.可选地，所述基于虚拟化平台的网络优先级实现装置还包括：
64.设置模块，用于设置多个过滤器，所述多个过滤器对应不同的报文tos值。
65.可选地，所述物理网卡具体用于：
66.所述物理网卡通过tc指令对分类后的所述目标业务流量进行优先级设定。
67.可选地，所述基于虚拟化平台的网络优先级实现装置还包括：
68.转换模块，用于以帧为单位提取所述目标业务流量并将所述目标业务流量转换为灰度图像；
69.所述ovs网桥具体用于：
70.发送所述灰度图像至流量分类模块；
71.所述流量分类模块具体用于：
72.所述流量分类模块对所述灰度图像进行分类。
73.可选地，所述基于虚拟化平台的网络优先级实现装置还包括：
74.第一获取模块，用于获取目标数据集并将所述目标数据集转换为目标灰度图像；
75.划分模块，用于将所述目标灰度图像划分为训练集、测试集和验证集以训练目标卷积神经网络；
76.计算模块，用于根据训练后的目标卷积神经网络得到神经网络模型；
77.所述流量分类模块具体用于：
78.基于所述神经网络模型对所述灰度图像进行分类。
79.可选地，转换模块具体用于
80.以帧为单位提取所述目标业务流量；
81.根据目标映射关系将所述目标业务流量转换为灰度图像；
82.所述目标映射关系为帧数据中的一个字节与一个像素之间的映射关系。
83.可选地，所述目标业务流量包括多个流量数据大小不同的第二业务流量；所述转换模块具体用于：
84.以帧为单位分别提取多个所述流量数据大小不同的第二业务流量；
85.根据目标映射关系将多个所述第二业务流量转换为多个灰度图像；
86.其中，所述多个灰度图像的长和宽的尺寸相同。
87.可选地，所述基于虚拟化平台的网络优先级实现装置还包括：
88.第二获取模块，用于获取每个所述第二业务流量的流量字节数，根据所述流量字节数确定每个所述第二业务流量对应的灰度图像的尺寸；
89.填充模块，用于在所述灰度图像包含的字节数大于所述流量字节数的情况下，在所述灰度图像中填充预设像素。
90.在本发明实施例中，通过ovs网桥获取单元的目标业务流量并发送所述目标业务流量至流量分类模块，所述流量分类模块对所述目标业务流量进行分类，并按照分类结果通过ovs桥的多个端口将分类后的所述目标业务流量传输至所述ovs桥，所述ovs桥将分类后的所述目标业务流量传输到物理网卡，所述物理网卡对分类后的所述目标业务流量进行优先级设定，其中，所述单元包括虚拟机和容器中的至少一个。本发明实施例将发往物理网卡的流量进行分类，然后针对分类结果，送入不同的优先级队列。可以进行流量实时分类，并针对整个服务器流量进行优先级设定，无须对虚拟机或者容器进行设置，方便管理。
附图说明
91.图1是本发明实施例提供的一种基于虚拟化平台的网络优先级实现方法的流程示意图；
92.图2是本发明实施例提供的一种流量分类模块示意图；
93.图3是本发明实施例提供的一种基于虚拟化平台的网络优先级实现装置的结构示意图。
94.本发明目的的实现、功能特点及优点将结合实施例、参照附图做进一步说明。
具体实施方式
95.为使本发明的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
96.本发明的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象，而不用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施，且“第一”、“第二”等所区分的对象通常为一类，并不限定对象的个数，例如第一对象可以是一个，也可以是多个。
97.下面结合附图，通过具体的实施例及其应用场景对本发明实施例提供的卫星地图的显示方法进行详细地说明。
98.实施例一
99.参照图1，示出了本发明实施例提供的一种基于虚拟化平台的网络优先级实现方法的流程示意图。
100.本发明提供的种基于虚拟化平台的网络优先级实现方法，包括：
101.s101:通过ovs网桥获取单元的目标业务流量并发送所述目标业务流量至流量分类模块；
102.s102:所述流量分类模块对所述目标业务流量进行分类，并按照分类结果通过ovs桥的多个端口将分类后的所述目标业务流量传输至所述ovs桥；
103.举例来说，流量分类模块获取分类结果后，按照分类将流量送到ovs桥的8个不同的端口，如图1所示。在ovs桥内部用流表修改对应端口流量的tos值，例如ovs-ofctl-o openflow13 add-flow brytest in_port＝14,ip,priority＝1000,actions＝mod_nw_tos:0x40,normal。
104.s103:所述ovs桥将分类后的所述目标业务流量传输到物理网卡；
105.一种可能的实施方式中，所述ovs桥将分类后的所述目标业务流量传输到物理网卡包括：
106.所述ovs桥根据所述多个端口分别接收到的第一业务流量修改每个所述第一业务流量对应的报文tos值；
107.所述ovs桥将修改报文tos值后的每个所述第一业务流量传输到所述物理网卡；
108.所述第一业务流量为所述目标业务流量分类后的业务流量。
109.具体来说，tos是ip报文中一个字段，tos即为服务类型，只有当网络设备能够支持(能够识别ip首部中的tos字段)识别tos字段时，这个字段设置才有意义。
110.一种可能的实施方式中，所述ovs桥根据所述多个端口分别接收到的第一业务流量修改每个所述第一业务流量对应的报文tos值包括：
111.所述ovs桥根据所述多个端口分别接收到的第一业务流量修改每个所述第一业务流量对应的报文tos值的优先权子字段；
112.所述优先权子字段的值用于标记所述第一业务流量的类别；
113.所述物理网卡对分类后的所述目标业务流量进行优先级设定包括：
114.所述物理网卡根据所述第一业务流量的类别进行优先级设定。
115.具体来说，tos字段的前3bit字段为优选权子字段，现在已经废弃，这个字段默认值是000。利用该3bit字段，可以给流量做标记，分成多种类别，如8种类别以设置不同的网络优先级。
116.本发明实施例中，采用前3bit值，大部分ip报文tos前3bit默认是0，只有个别特殊场景才使用前3bit值，在服务器内部用前3bit值标记流量没有任何影响。
117.s104:所述物理网卡对分类后的所述目标业务流量进行优先级设定；
118.其中，所述单元包括虚拟机和容器中的至少一个。
119.具体来说，所述物理网卡对分类后的所述目标业务流量进行优先级设定包括：
120.所述物理网卡通过tc(traffic control)指令对分类的所述目标业务流量进行优先级设定。
121.例如添加类别1:13，设置了最小600m，最大1000m的带宽。
122.本发明实施例将发往物理网卡的流量进行分类，然后针对分类结果，送入不同的优先级队列。可以进行流量实时分类，并针对整个服务器流量进行优先级设定，无须对虚拟机或者容器进行设置，方便管理。
123.一种可能的实施方式中，在所述ovs桥根据所述多个端口分别接收到的第一业务流量修改每个所述第一业务流量对应的报文tos值之后，在所述ovs桥将修改报文tos值后的每个所述第一业务流量传输到所述物理网卡之前，所述方法还包括：
124.设置多个过滤器，所述多个过滤器对应不同的报文tos值。
125.例如添加filter，针对tos值0
×
40，分配到1:13队列。
126.可选地，在步骤101后，所述方法还包括：
127.s105：以帧为单位提取所述目标业务流量并将所述目标业务流量转换为灰度图像；
128.步骤101具体由步骤1011执行：
129.s1011：所述ovs网桥发送所述灰度图像至流量分类模块；
130.步骤102具体由步骤1021执行：
131.s1021：所述流量分类模块对所述灰度图像进行分类。
132.如图2是本发明实施例提供的一种流量分类模块示意图，一种可能的实施方式中，在所述流量分类模块对所述灰度图像进行分类之前，所述方法还包括：
133.获取目标数据集并将所述目标数据集转换为目标灰度图像；
134.将所述目标灰度图像划分为训练集、测试集和验证集以训练目标卷积神经网络；
135.根据训练后的目标卷积神经网络得到神经网络模型；
136.所述流量分类模块对所述灰度图像进行分类包括：
137.所述流量分类模块基于所述神经网络模型对所述灰度图像进行分类。
138.举例来说，可以采用开源数据集，将数据集分成8种类别，然后将数据集转换成灰度图像数据，设置好训练集，测试集和验证集后训练卷积神经网络，制作成神经网络分类模型。在应用环境中，将待分类流量按帧提取，转换成灰度图像，送入分类模型进行分类，获取分类结果。其中，卷积神经网络采用目前成熟的图像分类网络即可。如果实时性要求高，可以用目前成熟的神经网络处理器做分类处理。
139.本发明实施例采用卷积神经网络对流量进行分类处理，可以自动提取数据的负载及头部特征，避免人工设定特征的局限性，提高分类准确率。进一步，将神经网络和现有技术结合：ovs，linuxtc，可以方便部署到应用场景中。采用神经网络对流量进行分类，按照分类结果送到ovs桥的8个端口，由该ovs桥创建流表修改tos，然后依据tos值，在物理网卡上分成不同的优先级队列，队列由linuxtc负责实现。该方法结合了神经网络，ovs功能和linuxtc功能。
140.一种可能的实施方式中，所述以帧为单位提取所述目标业务流量并将所述目标业务流量转换为灰度图像包括：
141.以帧为单位提取所述目标业务流量；
142.根据目标映射关系将所述目标业务流量转换为灰度图像；
143.所述目标映射关系为帧数据中的一个字节与一个像素之间的映射关系。
144.举例来说，帧数据的大小在几百字节到几千字节之间，灰度图一个像素值大小在0到255之间，可以将一个字节数据对应一个像素值，通过这种映射，可以将帧数据映射成灰度图。例如，40
×
40的灰度图可以映射1600字节的数据，帧大小1500的流量数据映射到图像中间即可。
145.一种可能的实施方式中，所述目标业务流量包括多个流量数据大小不同的第二业务流量；所述以帧为单位提取所述目标业务流量包括：
146.以帧为单位分别提取多个所述流量数据大小不同的第二业务流量；
147.根据目标映射关系将多个所述第二业务流量转换为多个灰度图像；
148.其中，所述多个灰度图像的长和宽的尺寸相同。
149.一种可能的实施方式中，在以帧为单位分别提取多个所述流量数据大小不同的第二业务流量之后，在根据目标映射关系将多个所述第二业务流量转换为多个灰度图像之前，所述方法还包括：
150.获取每个所述第二业务流量的流量字节数，根据所述流量字节数确定每个所述第二业务流量对应的灰度图像的尺寸；
151.在所述灰度图像包含的字节数大于所述流量字节数的情况下，在所述灰度图像中填充预设像素。
152.具体来说，大小不同的流量数据转换成不同大小的灰度图，灰度图长宽尺寸相同，灰度图尺寸是所包含的字节数大于待转换的流量字节数的最小尺寸，流量数据填充后剩余的像素采用随机方式填充。举例如，40
×
40的灰度图可以映射1600字节的数据，帧大小1500的流量数据映射到图像中间即可，对于灰度图多余的部分，可以采用随机填充的方式将像素填充至剩余空间。
153.实施例二
154.参照图3，示出了本发明实施例提供的一种基于虚拟化平台的网络优先级实现装置30的结构示意图。
155.基于虚拟化平台的网络优先级实现装置30，包括：
156.ovs网桥301，用于获取单元的目标业务流量并发送所述目标业务流量至流量分类模块；
157.流量分类模块302，用于对所述目标业务流量进行分类，并按照分类结果通过ovs桥的多个端口将分类后的所述目标业务流量传输至所述ovs桥；
158.ovs桥303，用于将分类后的所述目标业务流量传输到物理网卡；
159.物理网卡304，用于对分类后的所述目标业务流量进行优先级设定；
160.其中，所述单元包括虚拟机和容器中的至少一个。
161.可选地，所述ovs桥303具体用于：
162.根据所述多个端口分别接收到的第一业务流量修改每个所述第一业务流量对应的报文tos值；
163.将修改报文tos值后的每个所述第一业务流量传输到所述物理网卡304；
164.所述第一业务流量为所述目标业务流量分类后的业务流量。
165.可选地，所述ovs桥303还用于：
166.根据所述多个端口分别接收到的第一业务流量修改每个所述第一业务流量对应的报文tos值的优先权子字段；
167.所述优先权子字段的值用于标记所述第一业务流量的类别；
168.所述物理网卡304具体用于：
169.根据所述第一业务流量的类别进行优先级设定。
170.可选地，所述基于虚拟化平台的网络优先级实现装置30还包括：
171.设置模块305，用于设置多个过滤器，所述多个过滤器对应不同的报文tos值。
172.可选地，所述物理网卡304具体用于：
173.所述物理网卡304通过tc指令对分类后的所述目标业务流量进行优先级设定。
174.可选地，所述基于虚拟化平台的网络优先级实现装置30还包括：
175.转换模块306，用于以帧为单位提取所述目标业务流量并将所述目标业务流量转换为灰度图像；
176.所述ovs网桥301具体用于：
177.发送所述灰度图像至流量分类模块302；
178.所述流量分类模块302具体用于：
179.所述流量分类模块302对所述灰度图像进行分类。
180.可选地，所述基于虚拟化平台的网络优先级实现装置30还包括：
181.第一获取模块307，用于获取目标数据集并将所述目标数据集转换为目标灰度图像；
182.划分模块308，用于将所述目标灰度图像划分为训练集、测试集和验证集以训练目标卷积神经网络；
183.计算模块309，用于根据训练后的目标卷积神经网络得到神经网络模型；
184.所述流量分类模块302具体用于：
185.基于所述神经网络模型对所述灰度图像进行分类。
186.可选地，转换模块306具体用于
187.以帧为单位提取所述目标业务流量；
188.根据目标映射关系将所述目标业务流量转换为灰度图像；
189.所述目标映射关系为帧数据中的一个字节与一个像素之间的映射关系。
190.可选地，所述目标业务流量包括多个流量数据大小不同的第二业务流量；所述转换模块306具体用于：
191.以帧为单位分别提取多个所述流量数据大小不同的第二业务流量；
192.根据目标映射关系将多个所述第二业务流量转换为多个灰度图像；
193.其中，所述多个灰度图像的长和宽的尺寸相同。
194.可选地，所述基于虚拟化平台的网络优先级实现装置30还包括：
195.第二获取模块310，用于获取每个所述第二业务流量的流量字节数，根据所述流量字节数确定每个所述第二业务流量对应的灰度图像的尺寸；
196.填充模块311，用于在所述灰度图像包含的字节数大于所述流量字节数的情况下，
在所述灰度图像中填充预设像素。
197.本发明实施例提供的基于虚拟化平台的网络优先级实现装置30能够实现上述方法实施例中实现的各个过程，为避免重复，这里不再赘述。
198.本发明实施例中，基于虚拟化平台的网络优先级实现装置包括：ovs网桥用于获取单元的目标业务流量并发送所述目标业务流量至流量分类模块，流量分类模块用于对所述目标业务流量进行分类并按照分类结果通过ovs桥的多个端口将分类后的所述目标业务流量传输至所述ovs桥，ovs桥用于将分类后的所述目标业务流量传输到物理网卡，物理网卡用于对分类后的所述目标业务流量进行优先级设定，其中，所述单元包括虚拟机和容器中的至少一个。本发明实施例将发往物理网卡的流量进行分类，然后针对分类结果，送入不同的优先级队列。可以进行流量实时分类，并针对整个服务器流量进行优先级设定，无须对虚拟机或者容器进行设置，方便管理。
199.本发明实施例中的虚拟系统可以是装置，也可以是终端中的部件、集成电路、或芯片。
200.此外，需要说明的是，以上所描述的装置实施例仅仅是示意性的，并不对本发明的保护范围构成限定，在实际应用中，本领域的技术人员可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的，此处不做限制。
201.另外，未在本实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的智能认知方法和系统，此处不再赘述。
202.以上仅为本发明的较佳实施方式而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

技术特征：
1.一种基于虚拟化平台的网络优先级实现方法，其特征在于，包括：通过ovs网桥获取单元的目标业务流量并发送所述目标业务流量至流量分类模块；所述流量分类模块对所述目标业务流量进行分类，并按照分类结果通过ovs桥的多个端口将分类后的所述目标业务流量传输至所述ovs桥；所述ovs桥将分类后的所述目标业务流量传输到物理网卡；所述物理网卡对分类后的所述目标业务流量进行优先级设定；其中，所述单元包括虚拟机和容器中的至少一个。2.根据权利要求1所述的基于虚拟化平台的网络优先级实现方法，其特征在于，所述ovs桥将分类后的所述目标业务流量传输到物理网卡包括：所述ovs桥根据所述多个端口分别接收到的第一业务流量修改每个所述第一业务流量对应的报文tos值；所述ovs桥将修改报文tos值后的每个所述第一业务流量传输到所述物理网卡；所述第一业务流量为所述目标业务流量分类后的业务流量。3.根据权利要求2所述的基于虚拟化平台的网络优先级实现方法，其特征在于，所述ovs桥根据所述多个端口分别接收到的第一业务流量修改每个所述第一业务流量对应的报文tos值包括：所述ovs桥根据所述多个端口分别接收到的第一业务流量修改每个所述第一业务流量对应的报文tos值的优先权子字段；所述优先权子字段的值用于标记所述第一业务流量的类别；所述物理网卡对分类后的所述目标业务流量进行优先级设定包括：所述物理网卡根据所述第一业务流量的类别进行优先级设定。4.根据权利要求2所述的基于虚拟化平台的网络优先级实现方法，其特征在于，在所述ovs桥根据所述多个端口分别接收到的第一业务流量修改每个所述第一业务流量对应的报文tos值之后，在所述ovs桥将修改报文tos值后的每个所述第一业务流量传输到所述物理网卡之前，所述方法还包括：设置多个过滤器，所述多个过滤器对应不同的报文tos值。5.根据权利要求1所述的基于虚拟化平台的网络优先级实现方法，其特征在于，所述物理网卡对分类后的所述目标业务流量进行优先级设定包括：所述物理网卡通过tc指令对分类后的所述目标业务流量进行优先级设定。6.根据权利要求1所述的基于虚拟化平台的网络优先级实现方法，其特征在于，在所述通过ovs网桥获取单元的目标业务流量后，所述方法还包括：以帧为单位提取所述目标业务流量并将所述目标业务流量转换为灰度图像；所述发送所述目标业务流量至流量分类模块包括：所述ovs网桥发送所述灰度图像至流量分类模块；所述流量分类模块对所述目标业务流量进行分类包括：所述流量分类模块对所述灰度图像进行分类。7.根据权利要求6所述的基于虚拟化平台的网络优先级实现方法，其特征在于，在所述流量分类模块对所述灰度图像进行分类之前，所述方法还包括：获取目标数据集并将所述目标数据集转换为目标灰度图像；
将所述目标灰度图像划分为训练集、测试集和验证集以训练目标卷积神经网络；根据训练后的目标卷积神经网络得到神经网络模型；所述流量分类模块对所述灰度图像进行分类包括：所述流量分类模块基于所述神经网络模型对所述灰度图像进行分类。8.根据权利要求6所述的基于虚拟化平台的网络优先级实现方法，其特征在于，所述以帧为单位提取所述目标业务流量并将所述目标业务流量转换为灰度图像包括：以帧为单位提取所述目标业务流量；根据目标映射关系将所述目标业务流量转换为灰度图像；所述目标映射关系为帧数据中的一个字节与一个像素之间的映射关系。9.根据权利要求8所述的基于虚拟化平台的网络优先级实现方法，其特征在于，所述目标业务流量包括多个流量数据大小不同的第二业务流量；所述以帧为单位提取所述目标业务流量包括：以帧为单位分别提取多个所述流量数据大小不同的第二业务流量；根据目标映射关系将多个所述第二业务流量转换为多个灰度图像；其中，所述多个灰度图像的长和宽的尺寸相同。10.根据权利要求9所述的基于虚拟化平台的网络优先级实现方法，其特征在于，在以帧为单位分别提取多个所述流量数据大小不同的第二业务流量之后，在根据目标映射关系将多个所述第二业务流量转换为多个灰度图像之前，所述方法还包括：获取每个所述第二业务流量的流量字节数，根据所述流量字节数确定每个所述第二业务流量对应的灰度图像的尺寸；在所述灰度图像包含的字节数大于所述流量字节数的情况下，在所述灰度图像中填充预设像素。

技术总结
本发明公开了一种基于虚拟化平台的网络优先级实现方法，属于人工智能及云计算技术领域，包括：通过ovs网桥获取单元的目标业务流量并发送目标业务流量至流量分类模块；流量分类模块对目标业务流量进行分类，并按照分类结果通过ovs桥的多个端口将分类后的目标业务流量传输至ovs桥；ovs桥将分类后的目标业务流量传输到物理网卡；物理网卡对分类后的目标业务流量进行优先级设定；其中，单元包括虚拟机和容器中的至少一个。本发明实施例将发往物理网卡的流量进行分类，然后针对分类结果，送入不同的优先级队列。可以进行流量实时分类，并针对整个服务器流量进行优先级设定，无须对虚拟机或者容器进行设置，方便管理。方便管理。方便管理。


技术研发人员：晏海龙 张磊 任维春 杨经纬 陈相如
受保护的技术使用者：中电信数智科技有限公司
技术研发日：2022.12.26
技术公布日：2023/8/5