展开全部
已赞过
已踩过<
评论
收起
你对这个回答的评价是?
2020-06-30
展开全部
系统测试与结论
系统测试是系统正式上线前的一个重要的流程,保证了系统在生产环境运行的稳 定性,各部分的功能接口达到正常使用的标准。对于智能网络设备管理系统,最重要的是需要保证用户能够正常获取信息数据,系统测试的目的主要是保证后台服务器的信息能够正常返回。因此,具体的测试分为两个部分: 1)系统功能的可用性:测试系统不同的功能模块,保证系统运行达到预期的效果,没有影响系统正常运行的 bug,有较好的用户体验。 2)系统性能测试:这一部分是要对系统进行压力测试,保证系统在并发数量 较高的情况下,是否能正常获取到结果,以及请求的时间是否合格。
6.1 功能测试与性能测试
6.1.1功能可用性测试
本文针对监控模块进行测试,并用用例表予以表达,其他测试用例予以简略。
表6.1 设备监控测试用例表
Tab. 6.1 Equipment monitoring test case table
序号
测试功能
动作
预期结果
实际结果
是否合格
1
设备连接
前端展示连接状态
可以返回状态
可以返回状态
是
2
添加设备按钮
点击添加用户按钮
弹出输入设备信息框
弹出输入设备信息框
是
3
对监控设备输入信息
输入设备信息
可以输入字符
可以输入字符
是
4
输入流量监测
点击检测按钮
流量可视化渲染成功
流量可视化渲染成功
是
5
输出流量监测
点击检测按钮
流量可视化渲染成功
流量可视化渲染成功
是
6
流量数据结果检测
与实际流量一致
与实际流量一致
是
6.1.2性能测试
由于此系统的用户主要为网络设备管理人员使用,所以系统一般使用场 景下不会有太高的压力。本文采用 Postman 对系统进行压力测试,测试过程中共模拟用户发起请求 1000 次, 所有的测试结果都为“Pass”状态,没有出现请求结果错误的情况,平均请求延迟时间为 10.03ms。
6.2 结果分析
由功能测试与性能测试的测试结果可知,此系统的系统功能在正确测试功能动作的基础上,预期结果和测试结果一致,符合客观需求。另外,根据模拟的平均延迟时间为10.03ms,基本满足用户需求。综上所述,研究的系统具有较好的性能。
6.3本章小结
本章论述了系统测试的定义,针对系统可用性和性能两个方面进行测试,对测试结果进行了简要分析,最后得出结论,此系统功能可用性和性能均满足预期。
7 总结与展望
7.1 总结
此系统使用了Django框架、Echarts、Mysql、Vue等技术结合BP神经网络实现了具有故障诊断功能的智能网络管理系统。网络管理人员通过浏览器对网络设备进行有效管理。本文主要完成研究工作如下:
1)论述了网络管理系统的基本定义以及发展现状,详细论述了用于网络管理的SNMP协议,分析了目前常用的故障诊断方法。
2)介绍了神经网络的相关概念,其中重点阐述了BP神经网络算法,分析其训练过程以及特点。
3)探讨了网络故障诊断的相关知识,重点研究了以MIB-II中接口故障为研究对象,采集相关数据,结合BP神经网络构建了网络故障诊断模型,最后通过Matlab仿真实验证明该故障模型具有较高的准确率。
4)以上述研究为基础,对系统的功能模块进行划分,并用功能设计图和活动图进行详细说明。根据系统设计,对各个功能模块进行实现,最终实现了具有用户管理、配置管理、设备监控、故障管理的智能网络管理系统。
5)对系统的功能可用性和性能进行了相关测试,最终得出的结论符合预期目标。
7.2 展望
系统结合传统web技术和智能故障诊断技术,实现了一个用户不仅可以对网络设备进行管控而且还可以通过web界面对网络设备接口故障诊断的智能网络管理系统。随着5G时代来临,网络管理系统的未来发展方向是运用大数据技术和云计算等技术并结合人工智能,进一步促进网络管理的智能化。在网故障诊断中应可以将故障检测更趋近于自动化,运用人工智能技术和大数据技术针对不同故障类型自动下发对应策略完成故障的自动修复,使得网络管理工作更加高效。网络设备种类繁多,未来应该可以通过人工智能技术结合大数据技术开发一种信的故障诊断模式,统一应用于各类网络设备当中。
系统测试是系统正式上线前的一个重要的流程,保证了系统在生产环境运行的稳 定性,各部分的功能接口达到正常使用的标准。对于智能网络设备管理系统,最重要的是需要保证用户能够正常获取信息数据,系统测试的目的主要是保证后台服务器的信息能够正常返回。因此,具体的测试分为两个部分: 1)系统功能的可用性:测试系统不同的功能模块,保证系统运行达到预期的效果,没有影响系统正常运行的 bug,有较好的用户体验。 2)系统性能测试:这一部分是要对系统进行压力测试,保证系统在并发数量 较高的情况下,是否能正常获取到结果,以及请求的时间是否合格。
6.1 功能测试与性能测试
6.1.1功能可用性测试
本文针对监控模块进行测试,并用用例表予以表达,其他测试用例予以简略。
表6.1 设备监控测试用例表
Tab. 6.1 Equipment monitoring test case table
序号
测试功能
动作
预期结果
实际结果
是否合格
1
设备连接
前端展示连接状态
可以返回状态
可以返回状态
是
2
添加设备按钮
点击添加用户按钮
弹出输入设备信息框
弹出输入设备信息框
是
3
对监控设备输入信息
输入设备信息
可以输入字符
可以输入字符
是
4
输入流量监测
点击检测按钮
流量可视化渲染成功
流量可视化渲染成功
是
5
输出流量监测
点击检测按钮
流量可视化渲染成功
流量可视化渲染成功
是
6
流量数据结果检测
与实际流量一致
与实际流量一致
是
6.1.2性能测试
由于此系统的用户主要为网络设备管理人员使用,所以系统一般使用场 景下不会有太高的压力。本文采用 Postman 对系统进行压力测试,测试过程中共模拟用户发起请求 1000 次, 所有的测试结果都为“Pass”状态,没有出现请求结果错误的情况,平均请求延迟时间为 10.03ms。
6.2 结果分析
由功能测试与性能测试的测试结果可知,此系统的系统功能在正确测试功能动作的基础上,预期结果和测试结果一致,符合客观需求。另外,根据模拟的平均延迟时间为10.03ms,基本满足用户需求。综上所述,研究的系统具有较好的性能。
6.3本章小结
本章论述了系统测试的定义,针对系统可用性和性能两个方面进行测试,对测试结果进行了简要分析,最后得出结论,此系统功能可用性和性能均满足预期。
7 总结与展望
7.1 总结
此系统使用了Django框架、Echarts、Mysql、Vue等技术结合BP神经网络实现了具有故障诊断功能的智能网络管理系统。网络管理人员通过浏览器对网络设备进行有效管理。本文主要完成研究工作如下:
1)论述了网络管理系统的基本定义以及发展现状,详细论述了用于网络管理的SNMP协议,分析了目前常用的故障诊断方法。
2)介绍了神经网络的相关概念,其中重点阐述了BP神经网络算法,分析其训练过程以及特点。
3)探讨了网络故障诊断的相关知识,重点研究了以MIB-II中接口故障为研究对象,采集相关数据,结合BP神经网络构建了网络故障诊断模型,最后通过Matlab仿真实验证明该故障模型具有较高的准确率。
4)以上述研究为基础,对系统的功能模块进行划分,并用功能设计图和活动图进行详细说明。根据系统设计,对各个功能模块进行实现,最终实现了具有用户管理、配置管理、设备监控、故障管理的智能网络管理系统。
5)对系统的功能可用性和性能进行了相关测试,最终得出的结论符合预期目标。
7.2 展望
系统结合传统web技术和智能故障诊断技术,实现了一个用户不仅可以对网络设备进行管控而且还可以通过web界面对网络设备接口故障诊断的智能网络管理系统。随着5G时代来临,网络管理系统的未来发展方向是运用大数据技术和云计算等技术并结合人工智能,进一步促进网络管理的智能化。在网故障诊断中应可以将故障检测更趋近于自动化,运用人工智能技术和大数据技术针对不同故障类型自动下发对应策略完成故障的自动修复,使得网络管理工作更加高效。网络设备种类繁多,未来应该可以通过人工智能技术结合大数据技术开发一种信的故障诊断模式,统一应用于各类网络设备当中。
已赞过
已踩过<
评论
收起
你对这个回答的评价是?
推荐律师服务:
若未解决您的问题,请您详细描述您的问题,通过百度律临进行免费专业咨询