云计算在网络通信数据智能运维系统中的应用

张圣伦?张楠

摘  要：传统网络运维系统在通信数据的访问请求中，对数据的分类程度不高，导致处理时间较长，因此研究云计算在网络通信数据智能运维系统中的应用。以云计算构建网络通信数据智能运维框架，选择接收数据请求的传感器类型，设置网络通信数据智能化控制节点，基于云计算规划通信数据运维类型，完成云计算在网络通信数据智能运维系统中的应用设计。结果表明，该系统能够在2分钟内有效解决网络通信拥挤的状态，具有实际应用效果。

关键词：云计算;网络通信数据;智能运维;运维系统

中图分类号：TP18          文献标识码：A文章编号：2096-4706（2022）06-0125-04

Application of Cloud Computing in Intelligent Operation and Maintenance System of Network Communication Data

ZHANG Shenglun， ZHANG Nan

（Information Management Center of China Academy of Information and Communication， Beijing  100191， China）

Abstract： In the access request of communication data on traditional network operation and maintenance system， the degree of classification to the data is not high， resulting in a long processing time. Therefore， the application on cloud computing in the intelligent operation and maintenance system of network communication data is studied. It builds the intelligent operation and maintenance framework of network communication data by cloud computing， selects the type of sensor receiving the data request， sets up the intelligent control node of network communication data， plans the operation and maintenance type of communication data based on cloud computing， and completes the application design on cloud computing in the intelligent operation and maintenance system of network communication data. The results show that the system can effectively solve the state of network communication congestion in 2 minutes， and has practical application effect.

Keywords： cloud computing; network communication data; intelligent operation and maintenance; operation and maintenance system

0  引  言

随着网络通信的规模不断扩大，产生了多种多样的智能技术，如物联网和大数据分析技术，均能够对网络的运行状态进行管控。如何在大量的数据请求下，保证网络通信数据的准确性和安全性，是现阶段网络用户的最基础要求。通过研究网络通信数据运维系统，能够发现其采用智能化技术，将数据的传输信号进行了统一管理，在不同的感知规则和指令下，完成对网络通信的业务管理。但由于现有的运维系统，在对数据的划分标准上过于统一，直接按照数据的请求类型进行划分，存在不合理的現象，在长时间的网络拥挤状态下，无法避免网络通信崩溃的问题。一旦网络通信处于长时间的崩溃状态，是无法再进行数据请求服务的，或者是请求的数据类型被篡改，造成其他数据侵入的被动局面[1]。

云计算作为计算机中的服务供给模式，能够直接通过网络的支持，将不同地域和类型的数据进行动态分配，满足多类用户的数据需求。在网络通信的运行过程中，数据服务的准确性和安全性，需要在标准化的数据分类中完成，网络在按需分配和计量分配的模式下，对数据信息进行整合和调取。通过云计算模式能够将数据的规模，逐渐地集中化处理，在统一的调度下完成信息传输指令，提升自身网络运行过程中的分配效果。本文以此为基础，研究云计算在网络通信数据智能运维系统中的应用方法，为加强系统中的分类效果提供理论支持，保证网络通信数据的运行畅通。

1  云计算在网络通信数据智能运维系统中的硬件设计

1.1  以云计算构建网络通信数据智能运维框架

按照云计算的理论基础，将网络通信数据智能运维系统进行框架设计，通过数据总线的排列方式，实现通信讯号的结构化处理，对多种数据类型进行划分，建立不同层级的数据响应模块。在此次以云计算为基础的运维框架中，分别设置了网络通信数据的四个层级，分别为数据请求的感知层，数据处理的云计算层，以及数据管理的平台层和数据服务的应用层，具体如图1所示。5A8DB4EB-735A-4A72-BE36-985E6BA3DD25

根据图中内容所示，其中感知层主要是对不同类型的数据请求，进行不差别采集和过滤，按照云计算的分类标准，在采集处与接口设备进行分类处理。在整体框架中最中心化的层级，应为数据计算云层，主要是对各类的感知设备进行资源处置，按照横向扩展和竖向排列的方式，对进入到感知层内的数据请求进行分类标准设定，以此向上层区域进行指令发送，完成网络通信数据的请求服务[2]。

1.2  选择接收数据请求的传感器类型

在云计算的大环境中，对网络通信数据智能运维系统的管理，需要在明确的组织框架下，进行数据请求接收的装置类型选择。此次以多节点传感器为主，在不同的数据传导接口，将接收端和传输端相连接，保证整体运維系统的数据安全和稳定。根据网络通信数据的运行状态，将其分为职能部分和责任部分，以及服务部分。

通过运维系统中的职能分类，对各个接口处的传感器进行规则设定，按照统一的标准和原则，处理接收端的数据请求。并根据请求的内容进行责任划分，归属到不同的调取中心内，促使数据请求和真实信息进行匹配，从而向网络通信中的用户提供服务[3]。

2  云计算在网络通信数据智能运维系统中的软件设计

2.1  设置网络通信数据智能化控制节点

对通信数据进行智能化运维管理，能够对整体的网络运行状态起到重要作用，以云计算的理论框架设定网络通信数据智能运维系统，可以对终端数据的采集过程进行全面检测和分析，直接通过云中心完成各类数据的在线检查。云计算以云中心的基础，在网络线层内能够直接负责，中心数据的分配和部署，通过统一的调度口令，在数据存储区和业务办理区，对不同的用户请求进行分析和管理[4]。

将各个网络通信接口出的传感器，按照IT搭建的形式进行处理，依次在其中设置智能化控制节点，并对整个数据的流程过程设定要求。其中数据资源不能以单线的形式，对网络通信中的信息进行直接调配，而是在将所有数据请求进行统一管理。在多个因素的融合分配下，建立一个系统化的感知过程，对中心网络中的数据进行发布和服务。

为进一步分析网络通信数据的运行效果，在不同的运行设备中，对主要影响数据的分类因素，进行整合处理，按照云计算的自动识别技术，对网络通信数据的请求来源进行特征分类。按照不同时段内网络运行状态的特征，对多个数据来源进行分析，从而对结构化的数据进行运算，以此划分网络运行中数据请求的类型，完成智能化网络通信数据的运维[5]。如图2所示。

2.2  基于云计算规划通信数据运维类型

在设置的网络通信数据控制节点处，对网络通信起始状态的数据接收进行管控，采取各个节点接口处的数据信息，进行来源分类，具体如表1所示[6]。

根据表中内容所示，在不同的网络数据来源中，产生的数据类型各不相同，初步按照结构进行划分，基本上为两种类型，一类是结构化数据，另一类是非结构数据。其中结构化数据主要是指，直接获取的数据来源类型，而非结构性数据，指的是在经过处理后的间接数据来源类型。

通过云计算技术进行网络数据的运维管理，在不了解数据整体结构分类的情况下，需要对初始的类型进行统一处理，按照归一化处理标准，对网络通信中的来源数据进行特征处理，表达式为：

（1）

公式中：在经过归一化处理后的网络数据用QW来表示;原有的采集的数据来源信息用EW来表示;不同来源下的数据初始特征，用R来表示;各组来源数据的标准差用T来表示。将所有的来源数据进行极度简化处理，并以完成标准设定的数据为基础，对其与网络通信的接口重新连接，实现数据与机器的资源分配，直接进行数据请求服务的获取，缩短网络通信运行中数据的分类时间。至此在设置网络通信数据智能化控制节点基础上，利用云计算规划通信数据运维类型，完成云计算在网络通信数据智能运维系统中的应用设计。

3  实验测试与分析

为验证此次设计的系统具有实际应用效果，能够在网络通信数据运行中，进行智能化的运维管理，提高数据的处理速度，采用实验测试的方法进行论证。选择某一数据网络中心作为测试对象，对其一周内的数据信息进行调取，分别统计每日不同时段内的网络中的数据请求信息。其中在选择的数据请求样本中，需要保证在不同时段内，会存在网络拥挤的现象，甚至是网络崩溃状态。对调取的数据进行验证，在满足要求后直接将其上传至MATLAB测试平台中，并绘制成表格形式进行数据展示，具体如表2所示。

根据表中内容所示，在选择的数据样本中，按照每天数据运行的四个阶段进行分类，其中周末的网络通信数据明显高于工作日。并且在呈现的数据中，会发现有空白内容，说明在该时段内发生了数据拥挤现象，造成网络通信的崩溃，无法具体显示网络中的具体数据请求数量。综合表中数据，在周六的下午14：00到18：00的这个时段内，以及周日18：00到20：00时段内，连续两组数据量均没有完全显示，说明网络的崩溃现象没有被修复，符合测试设定要求。

通过选择的数据样本，将两组传统的运维系统作为对照，与本文系统进行性能比较，对上述产生的拥挤现象进行管理，对比不同系统应用下，对网络通信运行状态的改善情况。依次将三组系统连接到测试平台中，对测试内容进行统一设定，在同样的流程中对周六和周日时段内的数据，进行拥挤现象管理，以5 min为测试时间段，具体运维的状态现象描述如下：

（1）传统系统1。以硬件服务器为支撑中心，在其操作系统内，对传入的数据请求进行分类。当大规模数据请求输送时，对数据请求分类后需要进行排列队伍传输，虽然没有直接缓解起始阶段的拥挤情况，但在下一个时间段内，缓解了数据冲突现象，其中周六18：00和周日20：00时段内的数据请求量，分别为3 462 Mbps和3 852 Mbps。

（2）传统系统2。实际运维过程中，该系统对服务器的拟定特性，没有完成特殊区域分类，难以利用硬件的处理速度，将网络通信拥挤的情况进行改善。在两个测试时段内，均没有产生具体的数据信息，分析原因可能是对资源的利用效率低所致。5A8DB4EB-735A-4A72-BE36-985E6BA3DD25

（3）本文系统。云计算环境下，系统的服务器能够进行虚拟化处理，在硬件部署和软件调度过程中，能够以最快的速度完成数据分类，并按照不同的数据分类接口，在多个传感器中进行传输。其中周六14：00和18：00的时段内，数据请求量分别为3 027 Mbps和3 462 Mbps，周日18：00和20：00时段内，数据请求量分别为3 468 Mbps和3 852 Mbps 。

通過上述的系统运维效果来看，本文系统能够在规定的时间段内，完成对不同时段内网络拥挤状态的维护，保证通信数据的正常流转。但在常规模式下，只有保障网络中的运行状态，处于顺畅的数据请求和传输形式，才能完成不同类型的用户请求。以此将数据的请求量为测试条件，在不同运维系统下，对比三组系统在完成数据请求量的真实统计后，整体所用的时间量。多轮测试中，不考虑其他变量因素，直到网络通信恢复到原始状态为止，三组系统所用的运维时间具体如表3所示。

根据表中内容所示，本文系统在对选定时间段内的请求数据，进行拥挤现象运维时，总计时间均不超过2 min，两组传统系统所用的时间均超过了20 min。综合结果来看，本文设计的运维系统，能够在海量的数据请求下，对其进行分类处置，按照不同的传输通路完成服务输送，提高了数据的传输效率，保证网络通信数据的运行稳定，具有实际应用效果。

4  结  论

本文以云计算理论为基础，重新设计了网络通信数据的智能运维系统，对网络通信中出现的拥挤状态进行维护，实验结果表明：以不同时段内网络通信数据的拥挤现象为测试条件，在本文系统和两组传统系统的应用下，对比数据请求的运维效果，传统系统在数据运维过程中，耗费的时间较长，均超过了20 min，本文系统能够在2 min内完成数据请求量的统计，并进行合理的分配，有效解决网络通信拥挤的状态，具有实际应用效果。

但由于本人时间有限，在研究过程中存在一些不足之处，如数据样本的选择过少，对统计结果具有一定偏差性。后续研究过程中会针对这一问题，进行更深层次的分析和探讨，比较不同智能技术对数据运维的具体效果，保障网络通信运行的稳定。

参考文献：

[1] 郭建伟，司军民，赵梦露，等.基于全要素、全过程数据融合的城市轨道交通车辆智能运维系统 [J].城市轨道交通研究，2022，25（1）：210-215.

[2] 郝帅.基于虚拟现实技术的海上平台远程运维系统设计研究 [J].现代制造技术与装备，2021，57（12）：16-18+23.

[3] 朱雪琴，马弘历，刘小庆.蓄电池在线养护全自动运维系统在电力通信网中的应用 [J].电子产品世界，2021，28（12）：64-68.

[4] 王浩，贺倩筠，贺子洋，等.基于数字孪生技术的“四线一库”自动运维系统建设及应用 [J].工业计量，2021，31（6）：51-55.

[5] 杨业令，钟璐，杨国才.云计算环境下的双通道数据动态调度模型仿真 [J].计算机仿真，2021，38（10）：450-454.

[6] 柴晓东.一种在云基础架构中识别基于网络的攻击的新方法研究 [J].电子器件，2020，43（4）：867-872.

作者简介：张圣伦（1993—），男，汉族，北京人，初级，本科，研究方向：大数据分析，通讯行业管理数据分析。

收稿日期：2022-02-035A8DB4EB-735A-4A72-BE36-985E6BA3DD25