网络控制器切换的数据预同步方法、装置及电子设备与流程

本发明涉及网络控制器领域，特别是涉及一种网络控制器切换的数据预同步方法、装置及电子设备。

背景技术：

1、在当前的冗余网络控制器系统中，当网络状态发生变化需要控制器切换时，往往存在数据同步的延迟，这可能导致数据不一致的风险，影响网络的稳定性和可靠性，同时，传统的网络控制器的切换通常是故障发生后才触发，这种方法无法有效减少切换时的延迟和数据不一致问题。

技术实现思路

1、基于此，有必要针对当网络状态发生变化需要控制器切换时，往往存在数据同步的延迟，这可能导致数据不一致的风险，影响网络的稳定性和可靠性的问题，提供一种网络控制器切换的数据预同步方法、装置及电子设备。

2、本发明提供的一种网络控制器切换的数据预同步方法，该方法包括：

3、获取网络运行的历史数据，并提取包括流量高峰时段与节点故障历史的特征，组成代表网络状态的特征集，所述历史数据包括网络流量模式、数据传输延迟以及错误率的信息；

4、基于特征集，识别网络状态，并输出网络状态的预测结果；

5、响应于预测结果达到切换阈值，输出预警信号，并触发预同步机制；

6、响应于网络状态在正常范围内或控制器切换未真实发生，触发回滚机制。

7、在其中一个实施例中，所述获取网络运行的历史数据，并提取包括流量高峰时段与节点故障历史的特征，包括：

8、获取监控下的网络关键节点的性能指标数据；

9、对历史数据进行清洗和格式化，得到预处理后的历史数据；

10、基于预处理后的历史数据，分析流量模式，并识别出流量高峰时段；

11、分析节点故障历史，并输出未来可能出现的故障点；

12、对预处理后的历史数据进行数学转换。

13、在其中一个实施例中，所述对预处理后的历史数据进行数学转换，包括：

14、基于傅里叶变换技术识别预处理后的历史数据的周期性信号；

15、或，计算预处理后的历史数据的基本统计量，所述基本统计量包括均值和方差。

16、在其中一个实施例中，所述基于特征集，识别网络状态，并输出网络状态的预测结果，包括：

17、获取代表网络状态的特征集；

18、将所述特征集输入ai预测模型，输出网络状态的预测结果，所述ai预测模型是以正常运行的网络状态样本与非正常运行的网络状态样本为训练数据训练得到的。

19、在其中一个实施例中，所述ai预测模型为时间序列模型或深度学习模型，所述时间序列模型用于处理线性和周期性强的数据，所述深度学习模型用于处理长期依赖和非线性关系的复杂数据。

20、在其中一个实施例中，所述触发预同步机制，包括：

21、确定需要同步的数据和状态信息；

22、执行数据同步，计算公式如下：

23、数据同步＝f(主节点数据,备份节点)，

24、其中，f代表同步函数；

25、对备份节点的数据进行验证。

26、在其中一个实施例中，所述触发回滚机制，包括：

27、停止数据同步进程，并回滚备份数据库到指定的时间点；

28、更新内部状态管理信息，将备份节点上的数据标记为无效或非活跃；

29、指令相关的网络组件和控制器撤销由于错误预测而触发的任何切换操作；

30、记录回滚操作的详细信息，所述详细信息包括触发原因、执行步骤和结果；

31、基于错误原因，更新ai预测模型。

32、本发明还提供了一种网络控制器切换的数据预同步装置，包括：

33、获取模块，用于获取网络运行的历史数据，并提取包括流量高峰时段与节点故障历史的特征，组成代表网络状态的特征集，所述历史数据包括网络流量模式、数据传输延迟以及错误率的信息；

34、识别模块，用于基于特征集，识别网络状态，并输出网络状态的预测结果；

35、响应模块，用于响应于预测结果达到切换阈值，输出预警信号，并触发预同步机制；

36、触发模块，用于响应于网络状态在正常范围内或控制器切换未真实发生，触发回滚机制。

37、本发明还提供了一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现如上述任一种所述的网络控制器切换的数据预同步方法。

38、本发明还提供了一种计算机可读存储介质，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一种所述的网络控制器切换的数据预同步方法。

39、上述网络控制器切换的数据预同步方法、装置及电子设备，通过智能预测网络状态变化并提前进行数据同步，从而减少网络控制器切换时的延迟和数据不一致的风险，提高网络的稳定性和可靠性，同时，通过判断网络控制器切换是否真实发生而提供补救的回滚机制，将备份控制器的状态恢复到同步之前，能够确保系统的数据一致性和稳定性。

技术特征：

1.一种网络控制器切换的数据预同步方法，其特征在于，所述方法包括：

2.根据权利要求1所述的网络控制器切换的数据预同步方法，其特征在于，所述获取网络运行的历史数据，并提取包括流量高峰时段与节点故障历史的特征，包括：

3.根据权利要求2所述的网络控制器切换的数据预同步方法，其特征在于，所述对预处理后的历史数据进行数学转换，包括：

4.根据权利要求1所述的网络控制器切换的数据预同步方法，其特征在于，所述基于特征集，识别网络状态，并输出网络状态的预测结果，包括：

5.根据权利要求4所述的网络控制器切换的数据预同步方法，其特征在于，所述ai预测模型为时间序列模型或深度学习模型，所述时间序列模型用于处理线性和周期性强的数据，所述深度学习模型用于处理长期依赖和非线性关系的复杂数据。

6.根据权利要求1至5任意一项所述的网络控制器切换的数据预同步方法，其特征在于，所述触发预同步机制，包括：

7.根据权利要求6所述的网络控制器切换的数据预同步方法，其特征在于，所述触发回滚机制，包括：

8.一种网络控制器切换的数据预同步装置，其特征在于，包括：

9.一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。

10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。

技术总结本发明涉及一种网络控制器切换的数据预同步方法、装置及电子设备，该方法包括：获取网络运行的历史数据，并提取包括流量高峰时段与节点故障历史的特征，组成代表网络状态的特征集；基于特征集，识别网络状态，并输出网络状态的预测结果；响应于预测结果达到切换阈值，输出预警信号，并触发预同步机制；响应于网络状态在正常范围内或控制器切换未真实发生，触发回滚机制。该发明通过智能预测网络状态变化并提前进行数据同步，从而减少网络控制器切换时的延迟和数据不一致的风险，提高网络的稳定性和可靠性，同时，通过提供补救的回滚机制，将备份控制器的状态恢复到同步之前，能够确保系统的数据一致性和稳定性。技术研发人员：张惠影,刘胜杰,徐金涛,柳卯受保护的技术使用者：北京中航通用科技有限公司技术研发日：技术公布日：2025/1/6