CN106658727B - 一种基于多种相关属性的业务重要性确定与资源分配方法 - Google Patents

Abstract

本发明属于网络资源分配技术领域，尤其涉及一种基于多种相关属性的业务重要性确定与资源分配方法。本发明方法为服务器节点对业务重要性计算所涉及的三个因素分别进行配置，确定所述三个因素各自涉及的属性，并分别计算属性值，建立模糊一致判断矩阵，计算权重值，生成三维业务重要性表，用户终端节点确定任务类型、用户类型和业务类型的取值，并向服务器节点发送携带所述三个因素取值的查询请求信息，服务器节点接收查询请求，并根据三个因素的取值在业务重要性表中查找对应的业务重要性规范值，并分配与业务重要性规范值相匹配的资源，同时将查询结果和分配信息返回用户节点。本发明综合性强，类型及数量可调整，属性侧重可调整，计算方法简单。

Description

一种基于多种相关属性的业务重要性确定与资源分配方法

技术领域

本发明属于网络资源分配技术领域，尤其涉及一种适用于多业务网络的资源分配。

背景技术

在业务复杂多变、带宽资源有限的无线网络中，需要根据业务的特性，快速地建立起一套对业务重要性进行评估的方法，以便有效分配有限的带宽等资源。传统对业务进行评估的方法中，并没有提出业务重要性的概念，而多是使用业务优先级来代替。评估的依据一般根据业务类型或用户类型等单方面的因素。如业务类型大致可分为会话类、流类、交互类和背景类，用户类型可分为高级与低级等。

其中典型的业务优先级评定方法有：区分服务模型评估方法、MLPP模型评估方法和静态表的方法。这些业务优先级评估方法中，区分服务模型具有有效、易于实现和扩展性强等特点，但是灵活性和对带宽的利用率差，且其关注的是网络层的调度保障，而对业务的具体属性与参数没有更多的分析。MLPP模型在上层对业务实现了更严格的分类，但是其分类的依据仅仅是业务的用户优先级，而忽略了业务的其它属性。静态表方法的优点是实现上简单，消耗系统资源少，效率高，但是缺点是不能随着系统和业务的特性变化而变化，可扩展性差。在现有的业务优先级评估方法中，没有明确业务重要性的概念，业务重要性在概念上是不应该等同于业务优先级的，业务重要性的概念应该比优先级包含更多的内容。

发明内容

本发明的目的在于针对现有技术的不足，提供一种基于多种相关属性的业务重要性确定与资源分配方法，该方法在融合任务类型、用户类型和业务类型及与之相关的属性等方面的基础上，快速确定业务重要性程度值，并分配与业务重要性规范值相匹配的资源。

为了方便对本发明进行描述，现在对本发明所涉及的属性进行介绍。

任务类型涉及的属性包括：带宽需求、可靠性、响应时间和任务级别；

用户类型涉及的属性包括：用户服务等级和用户安全策略；

业务类型划分为会话类、流类、交互类和背景类，其中，会话类和流类属于实时业务，实时业务在进行业务重要性计算时主要涉及传输时延、时延抖动和丢包率等属性；交互类和背景类为非实时业务，进行业务重要性计算时主要考虑业务优先级属性。

本发明的技术方案是：

服务器节点对业务重要性计算所涉及的三个因素分别进行配置，确定所述三个因素各自涉及的属性，并分别对业务重要性中所需的任务属性值、用户属性值和业务属性值进行计算，服务器节点根据任务类型、用户类型和业务类型3个影响因素的相对重要程度，建立模糊一致判断矩阵，并计算权重值，生成三维业务重要性表，用户终端节点确定任务类型、用户类型和业务类型的取值，并向服务器节点发送携带所述三个因素取值的查询请求信息，服务器节点接收查询请求，并根据三个因素的取值在业务重要性表中查找对应的业务重要性规范值，并分配与业务重要性规范值相匹配的资源，同时将查询结果和分配信息返回用户节点。

一种基于多种相关属性的业务重要性确定与资源分配方法，具体步骤如下：

S1、服务器节点对业务重要性计算所涉及的三个因素分别进行配置，其中，所述三个因素为：任务类型、用户类型和业务类型，用标识符i对任务类型进行标记，用标识符j对用户类型进行标记，用标识符k对业务类型进行标记；

S2、服务器节点基于当前业务信息，确定S1所述三个因素各自涉及的属性，并分别对业务重要性中所需的任务属性值、用户属性值和业务属性值进行计算，具体为：

S21、根据任务类型，确定任务类型涉及的属性，计算任务属性值，构建任务属性参数决策矩阵A＝(a_il)_N×L，对任务属性值进行去量纲化，即将参数值归一化到[0，1]的范围内，得到规范化的决策矩阵R＝(r_il)_N×L，服务器节点根据需求对任务的各属性给予不同权重，使用加权求和计算得到任务属性值，所述任务类型表明业务所执行任务的类型，用集合S_i表示，S_i＝{1,2，…,N}，其中，所述任务类型涉及的属性包括：带宽需求、可靠性、响应时间和任务级别，所述决策矩阵A表示N个不同任务类型在L个决策属性下的取值，l＝1,2.3,...,L；

S22、根据用户类型，确定用户类型涉及的属性，计算用户属性值，用户类型表明业务终端使用者的等级，用集合S_j表示，S_j＝{1,2,…,U}，U为用户等级个数，用户属性值通过公式获得，其中，所述用户类型涉及的属性包括用户服务等级和用户安全策略，I_j为对应于用户类型j的用户属性值，β_j表示用户级别，γ_j表示用户的安全策略等级；

S23、根据业务类型，确定业务类型涉及的多种属性，计算业务属性值，所述业务类型表明业务终端产生的网络业务流的类型，用集合S_k表示，S_k＝{1,2，…,T}，将T种业务类型划分为实时业务和非实时业务，对所述实时业务，按照确定实时业务属性值，对所述非实时业务，令非实时业务属性值为I_k,nrt＝q，所述q为业务优先级属性值，分别以1至3的整数来标识，数值越小代表优先级越高，分别计算得到I_k,rt，I_k,nrt之后，计算业务属性值I_k，利用k＝1,2,3，4归一化计算得到业务属性值，其中，I_k,rt对应于实时业务类型k的业务属性值，δ_k为丢包率，η_k和T_k分别为实时业务的抖动和最大容忍时延，λ_rt和λ_nrt分别为实时和非实时业务调整权重值，I_k为对应于业务类型k的业务属性值，其中，所述业务类型的属性包括业务类型划分为会话类、流类、交互类和背景类，所述会话类和流类属于实时业务，，所述交互类和背景类为非实时业务，，进行业务重要性计算时主要考虑业务优先级属性；

S3、服务器节点根据任务类型、用户类型和业务类型3个影响因素的相对重要程度，建立模糊一致判断矩阵，并计算第s项属性的权重值ω_s，具体为：

S31、将任务类型、用户类型和业务类型3个影响因素的重要程度作两两比较，采用0.1-0.9标度的方式来标识各影响因素两两之间的重要程度，构建模糊互补判断矩阵其中，n表示影响因素数量，f_st表示第s个因素相对第t个因素具有模糊关系“…比…重要得多”的隶属度，所述F中元素满足f_st＞0,f_st+f_ts＝1(s≠t),f_ss＝0.5，s,t＝1,2,…,n；

S32、对S31所述模糊互补矩阵F＝(f_st)_n×n按行求并做数学变换得到模糊一致矩阵

S33、对S32所述模糊一致矩阵采用行和归一化计算得到影响因素的权重向量ω中的各元素其中，ω_s为第s项属性的权重值，s＝1,2,…,n；

S4、根据S21所述I_i、S22所述I_j、S23所述I_k和S3所述ω_s，通过加权求和I_v＝I_i*ω₁+I_j*ω₂+I_k*ω₃计算各个业务重要性值I_v，规范化业务重要性值I_v，生成三维业务重要性表；

S5、用户终端节点确定任务类型、用户类型和业务类型的取值，并向服务器节点发送携带所述三个因素i、j、k的取值的查询请求信息；

S6、服务器节点接收查询请求，并根据所述三个因素i、j、k的取值在业务重要性表中查找对应的业务重要性规范值，并分配与业务重要性规范值相匹配的资源，同时将查询结果和分配信息返回用户节点。

进一步地，S21所述任务属性参数决策矩阵A规范化为R的过程为

步骤A、首先将任务相关的L个属性分为效益型属性和成本型属性两种，所述效益型属性的属性值的大小与多属性决策评估结果成正比，所述成本型属性的属性值的大小与多属性决策结果成反比；

步骤B、任务相关的带宽需求和任务可靠性等作为效益型属性，用i＝1,2,…,N进行规范化处理；

步骤C、任务级别和响应时间等属性作为成本型属性，用i＝1,2,…,N进行规范化处理，得到规范化的决策矩阵R后，服务器节点根据需求对任务的各属性给予不同权重，使用加权求和计算得到任务属性值，其中，i对应于任务类型，i＝1,2,…,N，I_i为对应于任务类型i的任务属性值，L为属性个数，ω_l为第l项属性的权重值，且

进一步地，S4所述生成三维业务重要性表具体步骤如下：

S41、根据S21所述I_i、S22所述I_j、S23所述I_k和S3所述ω_s，通过加权求和I_v＝I_i*ω₁+I_j*ω₂+I_k*ω₃计算各个业务重要性值I_v；

S42、申请大小为|S_i|·|S_j|·|S_k|的整型数组C，其中，符号|·|表示求取集合的元素总个数，S_i、S_j、S_k分别表示任务类型、用户类型和业务类型的划分集合；

S43、遍历三个因素在i、j、k不同取值所对应的所有业务重要性值I_v，存入所述整型数组C中，并对整型数组C的元素值从小到大进行排序；

S44、取整型数组C中元素的所在位置为所述元素的业务重要性规范值；

S45、由三个因素的不同i、j、k取值与对应的业务重要性程度值映射表构成三维业务重要性表。

本发明的有益效果是：

综合性强。基于多种相关属性的重要性程度值确定方法可以综合业务的任务、用户、业务及与之相关的多种属性特性，综合评判出业务的重要性。而传统的方法只能根据业务的一个或两个特征进行评判。

类型及数量可调整。使用者可以根据实际需求，灵活调整任务类型、用户类型和业务类型中的种类及个数。

属性侧重可调整。使用者可以根据实际需求，调整三个因素中相关属性的侧重程度，如调整任务类型相关的带宽需求、可靠性、响应时间和任务级别等各属性的权重值等。

计算方法简便，计算速度快。该方法使用公式的计算方法，具有快速、简单的特点。

附图说明

图1为本发明的流程图。

图2为业务重要性计算相关属性关系图。

具体实施方式

下面结合实施例和附图，详细说明本发明的技术方案。

本发明用于多业务网络的资源分配，首先基于多种相关属性来确定业务重要性，再基于业务重要性实现资源分配。在确定业务重要性时，涉及任务类型、用户类型和业务类型及与之相关的各种属性：

①任务类型及与之相关的属性：任务类型根据任务的目的进行定义，目的主要包括打击、监控等；对于每个任务类型，综合考虑业务级别、带宽需求、可靠性和响应时间等属性。

②用户类型及与之相关的属性：用户优先级代表了生成业务的用户的身份，分为高优先级用户、次高优先级用户、中优先级用户和低优先级用户，优先级依次降低；对于每个用户类型，主要考虑用户服务等级和用户安全策略等级等属性。

③业务类型及与之相关的属性：业务类型是指网络业务流的类型，可分为会话类、流类、交互类和背景类等；对于每个业务类型，综合考虑传输时延、时延抖动、丢包率和优先级等属性。

S1、服务器节点对业务重要性计算所涉及的三个因素分别进行配置，其中，所述三个因素为：任务类型、用户类型和业务类型，用标识符i对任务类型进行标记，用标识符j对用户类型进行标记，用标识符k对业务类型进行标记；

S2、服务器节点基于当前业务信息，确定S1所述三个因素各自涉及的属性，并分别对业务重要性中所需的任务属性值、用户属性值和业务属性值进行计算，具体为：

S21、根据任务类型，所述任务类型表明业务所执行任务的类型，用集合S_i表示，S_i＝{1,2，…,N}，主要考虑2种任务类型，即S_i＝{1,2}，1、2分别对应打击任务、监控任务确定任务类型涉及的属性，计算任务属性值，构建任务属性参数决策矩阵N＝2，L＝4，对任务属性值进行去量纲化，即将参数值归一化到[0，1]的范围内，得到规范化的决策矩阵R＝(r_il)_N×L，服务器节点根据需求对任务的各属性给予不同权重，使用加权求和计算得到任务属性值，其中，l＝1,2.3,...,L所述任务类型涉及的属性包括：带宽需求、可靠性、响应时间和任务级别，所述决策矩阵A表示N个不同任务类型在L个决策属性下的取值，所述任务类型涉及的多种属性的参数值来自于上层对任务提出的典型要求，如表1所示，

表1任务类型相关属性参数值

所述任务属性参数决策矩阵A规范化为R的过程为：

步骤A、首先将任务相关的4个属性分为效益型属性和成本型属性两种，所述效益型属性的属性值的大小与多属性决策评估结果成正比，所述成本型属性的属性值的大小与多属性决策结果成反比；

步骤B、任务相关的带宽需求和任务可靠性等作为效益型属性，用进行规范化处理；

步骤C、任务级别和响应时间等属性作为成本型属性，用进行规范化处理，得到规范化的决策矩阵R后，服务器节点根据需求对任务的各属性给予不同权重，使用加权求和计算得到任务属性值，其中，i对应于任务类型，i＝1,2，I_i为对应于任务类型i的任务属性值，L为属性个数，ω_l为第l项属性的权重值，且如设ω₁＝ω₂＝ω₃＝ω₄＝0.25，计算后得到的任务属性值I_i，如表2所示；

表2任务类型属性值I_i

S22、根据用户类型，确定用户类型涉及的属性，计算用户属性值，用户类型表明业务终端使用者的等级，用集合S_j表示，S_j＝{1,2,…,U}，U为用户等级个数，，取U＝4，1-4分别对应高级用户、次高级用户、中级用户和低级用户；对于每种用户类型，进行业务重要性计算需要综合考虑用户服务等级β_j和用户安全策略等级γ_j等2种属性，用户级别越高，β_j越小，用户的安全策略等级越高，γ_j也越小，这两者值均自于上层对于用户属性提出的典型要求，如表3，用户属性值通过公式获得，如表4所示，其中，所述用户类型涉及的属性包括用户服务等级和用户安全策略，I_j为对应于用户类型j的用户属性值，β_j表示用户级别，γ_j表示用户的安全策略等级，这两者值均自于上层对于用户属性提出的典型要求；

表3用户类型相关属性参数值

表4用户类型属性值I_j

S23、根据业务类型，确定业务类型涉及的多种属性，计算业务属性值，所述业务类型表明业务终端产生的网络业务流的类型，用集合S_k表示，S_k＝{1,2，…,T}，将T种业务类型划分为实时业务和非实时业务，对所述实时业务，按照确定实时业务属性值，对所述非实时业务，根据上层需要设置适当的、能够体现出非实时业务之间优先级区分度，如对非实时业务设置3个子优先级，令非实时业务属性值为I_k,nrt＝q，所述q为业务优先级属性值，分别以1至3的整数来标识，数值越小代表优先级越高，分别计算得到I_k,rt，I_k,nrt之后，计算业务属性值I_k，由于I_k,rt，I_k,nrt计算方式和量纲各不相同，需要首先进行归一化，同时还可加入权值来动态调整对实时业务和非实时业务的侧重程度，利用k＝1,2,3，4归一化计算得到业务属性值，其中，I_k,rt对应于实时业务类型k的业务属性值，δ_k为丢包率，η_k和T_k分别为实时业务的抖动和最大容忍时延，λ_rt和λ_nrt分别为实时和非实时业务调整权重值，此处取λ_rt＝λ_nrt＝1，计算后的业务类型属性值I_k，如表5所示，I_k为对应于业务类型k的业务属性值如当T＝4时，1-4分别对应会话类、流类、交互类和背景类，其中，所述业务类型的属性包括业务类型划分为会话类、流类、交互类和背景类，所述会话类和流类属于实时业务，实时业务在进行业务重要性计算时主要考虑传输时延、时延抖动和丢包率等属性，所述交互类和背景类为非实时业务，对丢包率、最大容忍时延、抖动要求较低，进行业务重要性计算时主要考虑业务优先级属性，业务相关的各属性参数值均来自于上层对于业务质量提出的典型要求，如表6所示；

表5业务类型属性值I_k

表6应用类型属性参数

S3、服务器节点根据任务类型、用户类型和业务类型3个影响因素的相对重要程度，建立模糊一致判断矩阵，并计算第s项属性的权重值ω_s，具体为：

S31、将任务类型、用户类型和业务类型3个影响因素的重要程度作两两比较，采用0.1-0.9标度的方式来标识各影响因素两两之间的重要程度，如表7和表8所示，构建模糊互补判断矩阵其中，n表示影响因素数量，f_st表示第s个因素相对第t个因素具有模糊关系“…比…重要得多”的隶属度，，F中元素满足f_st＞0,f_st+f_ts＝1(s≠t),f_ss＝0.5，s,t＝1,2,…,n；

表7 0.1-0.9标度法

表1三种因素两两比较

S32、对S31所述模糊互补矩阵对模糊互补矩阵F＝(f_st)_n×n按行求并做数学变换得到模糊一致矩阵由模糊一致矩阵采用行和归一化计算得到影响因素的权重向量ω中的各元素ω_s为第s项属性的权重值，s＝1,2,3；

S33、对S32所述模糊一致矩阵采用行和归一化计算得到影响因素的权重向量ω＝{ω₁,ω₂,ω₃}＝{0.4,0.35,0.25}；

S4、根据S21所述I_i、S22所述I_j、S23所述I_k和S3所述ω_s，通过加权求和I_v＝I_i*ω₁+I_j*ω₂+I_k*ω₃计算各个业务重要性值I_v，规范化业务重要性值I_v，生成三维业务重要性表，所述生成三维业务重要性表具体步骤如下：

S41、根据S21所述I_i、S22所述I_j、S23所述I_k和S3所述ω_s，通过加权求和I_v＝I_i*ω₁+I_j*ω₂+I_k*ω₃计算各个业务重要性值I_v；

S42、申请大小为|S_i|·|S_j|·|S_k|的整型数组C，其中，符号|·|表示求取集合的元素总个数，S_i、S_j、S_k分别表示任务类型、用户类型和业务类型的划分集合；

S43、遍历三个因素在i、j、k不同取值所对应的所有业务重要性值I_v，存入所述整型数组C中，并对整型数组C的元素值从小到大进行排序；

S44、取整型数组C中元素的所在位置为所述元素的业务重要性规范值；

S45、由三个因素的不同i、j、k取值与对应的业务重要性程度值映射表构成三维业务重要性表；

S5、用户终端节点确定任务类型、用户类型和业务类型的取值，并向服务器节点发送携带所述三个因素i、j、k的取值的查询请求信息；

S6、服务器节点接收查询请求，并根据所述三个因素i、j、k的取值在业务重要性表中查找对应的业务重要性规范值，并分配与业务重要性规范值相匹配的资源，同时将查询结果和分配信息返回用户节点。服务器节点基于各业务的重要性取值，分配与业务的重要性程度规范值相匹配的资源。具体分配方式可以采用现有的任何具体分配方式，只要保证其业务的重要性取值越大，对应分配的资源的优先级越高即可。例如基于业务的重要性取值进行排序，优先满足重要性取值最高业务接入，再基于系统剩余资源情况，从高到低依次接入其他重要性取值的业务，当资源缺乏，当前的资源分配不能满足重要性取值最高业务接入需求时，将已接入的重要性取值低业务暂时挂起，将其资源分配给高重要性取值业务。

Claims (1)

1.一种基于多种相关属性的业务重要性确定与资源分配方法，其特征在于，具体步骤如下：

S1、服务器节点对业务重要性计算所涉及的三个因素分别进行配置，其中，所述三个因素为：任务类型、用户类型和业务类型，用标识符i对任务类型进行标记，用标识符j对用户类型进行标记，用标识符k对业务类型进行标记；

S2、服务器节点基于当前业务信息，确定S1所述三个因素各自涉及的属性，并分别对业务重要性中所需的任务属性值、用户属性值和业务属性值进行计算，具体为：

S21、根据任务类型，确定任务类型涉及的属性，计算任务属性值，构建任务属性参数决策矩阵A＝(a_il)_N×L，对任务属性值进行去量纲化，即将参数值归一化到[0，1]的范围内，得到规范化的决策矩阵R＝(r_il)_N×L，服务器节点根据需求对任务的各属性给予不同权重，使用加权求和计算得到任务属性值，所述任务类型表明业务所执行任务的类型，用集合S_i表示，S_i＝{1,2，…,N}，其中，所述任务类型涉及的属性包括：带宽需求、可靠性、响应时间和任务级别，所述决策矩阵A表示N个不同任务类型在L个决策属性下的取值，l＝1,2.3,...,L；

所述任务属性参数决策矩阵A规范化为R的过程为：

步骤A、首先将任务相关的L个属性分为效益型属性和成本型属性两种，所述效益型属性的属性值的大小与多属性决策评估结果成正比，所述成本型属性的属性值的大小与多属性决策结果成反比；

步骤B、任务相关的带宽需求和任务可靠性等作为效益型属性，用进行规范化处理；

步骤C、任务级别和响应时间等属性作为成本型属性，用进行规范化处理，得到规范化的决策矩阵R后，服务器节点根据需求对任务的各属性给予不同权重，使用加权求和计算得到任务属性值，其中，i对应于任务类型，i＝1,2,…,N，I_i为对应于任务类型i的任务属性值，L为属性个数，ω_l为第l项属性的权重值，且

S22、根据用户类型，确定用户类型涉及的属性，计算用户属性值，用户类型表明业务终端使用者的等级，用集合S_j表示，S_j＝{1,2,…,U}，U为用户等级个数，用户属性值通过公式获得，其中，所述用户类型涉及的属性包括用户服务等级和用户安全策略，I_j为对应于用户类型j的用户属性值，β_j表示用户级别，γ_j表示用户的安全策略等级；

S23、根据业务类型，确定业务类型涉及的多种属性，计算业务属性值，所述业务类型表明业务终端产生的网络业务流的类型，用集合S_k表示，S_k＝{1,2，…,T}，将T种业务类型划分为实时业务和非实时业务，对所述实时业务，按照确定实时业务属性值，对所述非实时业务，令非实时业务属性值为I_k,nrt＝q，所述q为业务优先级属性值，分别以1至3的整数来标识，数值越小代表优先级越高，分别计算得到I_k,rt，I_k,nrt之后，计算业务属性值I_k，利用归一化计算得到业务属性值，其中，I_k,rt对应于实时业务类型k的业务属性值，δ_k为丢包率，η_k和T_k分别为实时业务的抖动和最大容忍时延，λ_rt和λ_nrt分别为实时和非实时业务调整权重值，I_k为对应于业务类型k的业务属性值，其中，所述业务类型的属性包括业务类型划分为会话类、流类、交互类和背景类，所述会话类和流类属于实时业务，所述交互类和背景类为非实时业务，进行业务重要性计算时主要考虑业务优先级属性；

S3、服务器节点根据任务类型、用户类型和业务类型3个影响因素的相对重要程度，建立模糊一致判断矩阵，并计算第s项属性的权重值ω_s，具体为：

S31、将任务类型、用户类型和业务类型3个影响因素的重要程度作两两比较，采用0.1-0.9标度的方式来标识各影响因素两两之间的重要程度，构建模糊互补判断矩阵其中，n表示影响因素数量，f_st表示第s个因素相对第t个因素具有模糊关系“…比…重要得多”的隶属度，所述F中元素满足f_st>0,f_st+f_ts＝1(s≠t),f_ss＝0.5，s,t＝1,2,…,n；

S32、对S31所述模糊互补矩阵F＝(f_st)_n×n按行求并做数学变换得到模糊一致矩阵

S33、对S32所述模糊一致矩阵采用行和归一化计算得到影响因素的权重向量ω中的各元素其中，ω_s为第s项属性的权重值，s＝1,2,…,n；

S4、根据S21所述I_i、S22所述I_j、S23所述I_k和S3所述ω_s，通过加权求和I_v＝I_i*ω₁+I_j*ω₂+I_k*ω₃计算各个业务重要性值I_v，规范化业务重要性值I_v，生成三维业务重要性表；

所述生成三维业务重要性表具体步骤如下：

S41、根据S21所述I_i、S22所述I_j、S23所述I_k和S3所述ω_s，通过加权求和I_v＝I_i*ω₁+I_j*ω₂+I_k*ω₃计算各个业务重要性值I_v；

S42、申请大小为|S_i|·|S_j|·|S_k|的整型数组C，其中，符号|·|表示求取集合的元素总个数，S_i、S_j、S_k分别表示任务类型、用户类型和业务类型的划分集合；

S43、遍历三个因素在i、j、k不同取值所对应的所有业务重要性值I_v，存入所述整型数组C中，并对整型数组C的元素值从小到大进行排序；

S44、取整型数组C中元素的所在位置为所述元素的业务重要性规范值；

S45、由三个因素的不同i、j、k取值与对应的业务重要性程度值映射表构成三维业务重要性表；

S5、用户终端节点确定任务类型、用户类型和业务类型的取值，并向服务器节点发送携带所述三个因素i、j、k的取值的查询请求信息；

S6、服务器节点接收查询请求，并根据所述三个因素i、j、k的取值在业务重要性表中查找对应的业务重要性规范值，并分配与业务重要性规范值相匹配的资源，同时将查询结果和分配信息返回用户节点。