CN109558987B - 基于匡算模型预测用户及流量的dc资源处理方法 - Google Patents
基于匡算模型预测用户及流量的dc资源处理方法 Download PDFInfo
- Publication number
- CN109558987B CN109558987B CN201811515111.0A CN201811515111A CN109558987B CN 109558987 B CN109558987 B CN 109558987B CN 201811515111 A CN201811515111 A CN 201811515111A CN 109558987 B CN109558987 B CN 109558987B
- Authority
- CN
- China
- Prior art keywords
- special hardware
- hardware equipment
- users
- frame
- area
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/04—Network management architectures or arrangements
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Telephonic Communication Services (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明涉及一种基于匡算模型预测用户及流量的DC资源处理方法,具体包括以下步骤:(1)对地市的用户数及城域网流量进行预测,提供基础数据;(2)定制专用硬件设备的匡算模型:根据现用专用硬件设备的机架数及面积的现状,专用硬件设备处理性能及流量收敛再通过匡算公式进行预测;(3)定制虚拟化网元匡算模型;(4)制定地方预测方案:根据步骤(1)提供的地市的用户数及城域网流量数据,选择步骤(2)和步骤(3)提供的匡算模型,并结合各地网行政划分及用户现状,制定出预测方案;(5)获得出匡算结果:根据步骤(4)制定的预测方案,计算出DC资源的匡算结果,得到虚拟设备机架数量、专用硬件设备机架数量、总和机架数。
Description
技术领域
本发明涉及通讯运营资源管理技术领域,尤其涉及一种基于匡算模型预测用户及流量的DC资源处理方法。
背景技术
目前,电信运营商正面临从传统网络向SDN/NFV为代表的新型网络变革的挑战和机遇,DC(数据中心)将成为未来电信网络的核心载体之一。现网中存在的大量通信机房和通信设备如何改造,如何能够既充分利用现有的机房资源,又逐步实现传统网络向SDN/NFV新网络的转型,成为摆在运营商面前的一道难题,CO(Central Office)机房重构因此成为当前运营商研究的重点课题。
在这种大趋势下提出的CO重构方案以边缘DC为中心,可实现对现有城域网架构进行重构,实现控制与转发分离、BNG/CPE/OLT等控制面功能实现虚拟化,集中部署到边缘DC;vCDN和vEPC-U下沉至边缘DC;DC内的转发面采用高性能通用转发设备,并实现资源池化,既满足未来超大带宽的处理需求,又通过资源共享,大幅降低设备数量,节省网络建设和维护成本。
目前,现有各大运营商使用的SDN/NFV网络将以三级DC架构(中心DC、区域DC和边缘DC)为基础,已经成为国内运营商的共识。与互联网公司相比,数量众多、接近用户的属地化边缘DC是电信运营商的核心优势和重要资产。边缘DC主要覆盖本地网层面,满足本地业务接入,关注低时延和用户体验提升。边缘DC建设的重点就是对现有的本地网CO进行重构。
这就促使着运营商将大规模开展全网建设和传统机房退网后的再利旧,维护、建设部门需要提前匡算DC资源,根据匡算结果得出目标DC资源需求,分配符合条件的机房,开展规模化的DC化改造方案,尽快形成一定的体量,抢占业务先机。
当前,运营商在布局和规划时,普遍会对全网大规模网络机房(CO)进行现状调查、评估、选址布局、匹配预留等规划工作,以现有excel表格的汇总处理方式不仅效率低、差错率高、相关数据难以维护、数据的一致性得不到保证,而且难以对相关数据做进一步的深入分析和挖掘利用。
因此,现在有必要开发一种基于匡算模型预测用户及流量的DC资源处理方法,该方法采用专用硬件算法模型和虚拟网元算法模型,提出一种针对不同层级目标网络DC机房的资源匡算方法,实现对未来DC资源需求的预测,从而能够简化资源规划流程、降低规划难度、提高规划效率,达到全网资源共享的目的。
发明内容
本发明要解决的技术问题是,提供一种基于匡算模型预测用户及流量的DC资源处理方法,该方法采用专用硬件算法模型和虚拟网元算法模型,提出一种针对不同层级目标网络DC机房的资源匡算方法,实现对未来DC资源需求的预测,从而能够简化资源规划流程、降低规划难度、提高规划效率,达到全网资源共享的目的。
为了解决上述技术问题,本发明采用的技术方案是:该基于匡算模型预测用户及流量的DC资源处理方法,具体包括以下步骤:
(1)对地市的用户数及城域网流量进行预测,提供基础数据;
(2)定制专用硬件设备的匡算模型:根据现用专用硬件设备的机架数及面积的现状,专用硬件设备处理性能及流量收敛再通过匡算公式进行预测;
(3)定制虚拟化网元匡算模型:定制虚拟云化设备组网及性能模型,通过虚拟化目标及硬件处理性能再通过匡算公式进行预测;
(4)制定地方预测方案:根据步骤(1)提供的地市的用户数及城域网流量数据,选择步骤(2)和步骤(3)提供的匡算模型,并结合各地网行政划分及用户现状,制定出预测方案;
(5)获得出匡算结果:根据步骤(4)制定的预测方案,计算出DC资源的匡算结果,得到虚拟设备机架数量、专用硬件设备机架数量、总和机架数。
采用上述技术方案,基于用户及流量基础数据,采用专用硬件算法模型和虚拟网元算法模型,通过DC(数据中心)资源匡算方法,实现对未来DC资源需求的预测,从而能够简化资源规划流程、降低规划难度、提高规划效率,达到全网资源共享的目的;通过本发明中提出的DC资源匡算方法,计算出的预测结果能够帮助运营商规划未来DC资源的改造计划,能够提前制定改造方案,节省运营商投运的成本和效率。本发明中介绍的不同层级网络DC主要分为区域DC、核心DC、边缘DC三层架构。区域DC以多个省为覆盖点,主要为近几年建设的超大型数据中心;核心DC以省内为覆盖点,主要为现有的DC、IDC直接利用;边缘DC主要为上述4类CO机房转换而来,采用分布式部署。本发明介绍的用户和流量分类如下:公众客户宽带用户、政企客户宽带用户、视听业务用户、视听业务用户、5G移动用户;公众客户宽带城域网流量预测、政企客户宽带城域网流量预测、视听业务城域网流量预测、3G/4G移动用户总流量、5G移动用户总流量、5G移动视频(电信CDN)总流量。
作为本发明的优选技术方案,所述步骤(2)中的机架数的匡算公式为:预测年专用硬件设备主机架数估算值=现年专用硬件设备主机架*(城域网接入流量增长倍数*分层流量收敛增长系数/专用硬件设备处理性能平均增长倍数–1)。
作为本发明的优选技术方案,所述步骤(2)中根据专用硬件设备的机架数进行预测时需对不同层级网络DC的专用硬件设备的机架数进行单独匡算;不同层级网络DC的专用硬件设备机架数的匡算公式为:
S21-1城域边缘层主机房机架数估算值=城域边缘层机架现状数*(城域网接入流量增长倍数*边缘层增长系数/专用硬件处理性能提升平均倍数–1);
S21-2地市核心层主机房机架数估算值=地市核心层机架现状数*(城域网接入流量增长倍数*地市核心层增长系数/专用硬件处理性能提升平均倍数–1);
S21-3省干层主机房机架数估算值=省干层机架现状数*(城域网接入流量增长倍数*省干层增长系数/专用硬件处理性能提升平均倍数–1)。
作为本发明的优选技术方案,所述步骤(2)中面积的匡算公式为:预测年专用硬件设备主机房面积估算值=现年专用硬件设备主机房单机架面积*预测年专用硬件设备主机架数估算值。
作为本发明的优选技术方案,所述步骤(2)中根据专用硬件设备的面积进行预测时需对不同层级网络DC的专用硬件设备的面积进行单独匡算;不同层级网络DC的专用硬件设备的面积的匡算公式为:
S22-1城域边缘层主机房面积估算值=专用硬件设备主机房单机架面积*城域边缘层主机房机架数估算值;
S22-2地市核心层主机房面积估算值=专用硬件设备主机房单机架面积*地市核心层主机房机架数估算值;
S22-3省干层主机房面积估算值=专用硬件设备主机房单机架面积*省干层主机房机架数估算值。
作为本发明的优选技术方案,所述步骤(3)中预测年的虚拟云化机架数的估算值的公式为:
∑不同类型的用户和流量预测值*(相应边缘系数+相应核心系数+相应区域系数)其中,计算某一用户或流量类型时,设置该用户或者流量类型为1,其余设置为0,通过虚拟化网元匡算模型得出相应的边缘系数、核心系数、区域系数。
作为本发明的优选技术方案,所述不同层级网络DC为区域DC、核心DC和边缘DC三层架构。本发明中介绍的不同层级网络DC主要分为区域DC、核心DC、边缘DC三层架构。区域DC以多个省为覆盖点,主要为近几年建设的超大型数据中心;核心DC以省内为覆盖点,主要为现有的DC、IDC直接利用;边缘DC主要为上述4类CO机房转换而来,采用分布式部署。
作为本发明的优选技术方案,用户和流量的分类为:公众客户宽带用户、政企客户宽带用户、视听业务用户、视听业务用户、5G移动用户;公众客户宽带城域网流量预测、政企客户宽带城域网流量预测、视听业务城域网流量预测、3G/4G移动用户总流量、5G移动用户总流量和5G移动视频总流量。本发明介绍的用户和流量分类如下:公众客户宽带用户、政企客户宽带用户、视听业务用户、视听业务用户、5G移动用户;公众客户宽带城域网流量预测、政企客户宽带城域网流量预测、视听业务城域网流量预测、3G/4G移动用户总流量、5G移动用户总流量、5G移动视频(电信CDN)总流量。
与现有技术相比,本发明具有的有益效果是:该基于匡算模型预测用户及流量的DC资源处理方法基于用户及流量基础数据,采用专用硬件算法模型和虚拟网元算法模型,根据宽带用户和流量现状,匡算出虚拟云化设备和专用硬件设备所需的城域边缘层主机房、地市核心层主机房、骨干层主机房数及面积数;通过DC(数据中心)资源匡算方法,实现对未来DC资源需求的预测,从而能够简化资源规划流程、降低规划难度、提高规划效率,达到全网资源共享的目的;通过本发明中提出的DC资源匡算方法,计算出的预测结果能够帮助运营商规划未来DC资源的改造计划,能够提前制定改造方案,节省运营商投运的成本和效率;该基于匡算模型预测用户及流量的DC资源处理方法不仅可以推动CO机房重构的进度,还能支撑全网大规模DC资源的改造,也能帮助运营商充分利用现有的机房资源,避免资源浪费,为有关部门节省人力物力财力成本。
附图说明
下面结合附图进一步描述本发明的技术方案:
图1是本发明的基于匡算模型预测用户及流量的DC资源处理方法的流程示意图。
具体实施方式
为了加深对本发明的理解,下面将结合附图和实施例对本发明做进一步详细描述,该实施例仅用于解释本发明,并不对本发明的保护范围构成限定。
实施例:如图1所示,该基于匡算模型预测用户及流量的DC资源处理方法,具体包括以下步骤:
(1)对地市的用户数及城域网流量进行预测,提供基础数据;
(2)定制专用硬件设备的匡算模型:根据现用专用硬件设备的机架数及面积的现状,专用硬件设备处理性能及流量收敛再通过匡算公式进行预测;
所述步骤(2)中的机架数的匡算公式为:预测年专用硬件设备主机架数估算值=现年专用硬件设备主机架*(城域网接入流量增长倍数*分层流量收敛增长系数/专用硬件设备处理性能平均增长倍数–1);
所述步骤(2)中根据专用硬件设备的机架数进行预测时需对不同层级网络DC的专用硬件设备的机架数进行单独匡算;不同层级网络DC的专用硬件设备机架数的匡算公式为:
S21-1城域边缘层主机房机架数估算值=城域边缘层机架现状数*(城域网接入流量增长倍数*边缘层增长系数/专用硬件处理性能提升平均倍数–1);
S21-2地市核心层主机房机架数估算值=地市核心层机架现状数*(城域网接入流量增长倍数*地市核心层增长系数/专用硬件处理性能提升平均倍数–1);
S21-3省干层主机房机架数估算值=省干层机架现状数*(城域网接入流量增长倍数*省干层增长系数/专用硬件处理性能提升平均倍数–1)。
所述步骤(2)中面积的匡算公式为:预测年专用硬件设备主机房面积估算值=现年专用硬件设备主机房单机架面积*预测年专用硬件设备主机架数估算值;
所述步骤(2)中根据专用硬件设备的面积进行预测时需对不同层级网络DC的专用硬件设备的面积进行单独匡算;不同层级网络DC的专用硬件设备的面积的匡算公式为:
S22-1城域边缘层主机房面积估算值=专用硬件设备主机房单机架面积*城域边缘层主机房机架数估算值;
S22-2地市核心层主机房面积估算值=专用硬件设备主机房单机架面积*地市核心层主机房机架数估算值;
S22-3省干层主机房面积估算值=专用硬件设备主机房单机架面积*省干层主机房机架数估算值;
(3)定制虚拟化网元匡算模型:定制虚拟云化设备组网及性能模型,通过虚拟化目标及硬件处理性能再通过匡算公式进行预测;
所述步骤(3)中预测年的虚拟云化机架数的估算值的公式为:
∑不同类型的用户和流量预测值*(相应边缘系数+相应核心系数+相应区域系数)其中,计算某一用户或流量类型时,设置该用户或者流量类型为1,其余设置为0,通过虚拟化网元匡算模型得出相应的边缘系数、核心系数、区域系数;
(4)制定地方预测方案:根据步骤(1)提供的地市的用户数及城域网流量数据,选择步骤(2)和步骤(3)提供的匡算模型,并结合各地网行政划分及用户现状,制定出预测方案;
(5)获得出匡算结果:根据步骤(4)制定的预测方案,计算出DC资源的匡算结果,得到虚拟设备机架数量、专用硬件设备机架数量、总和机架数。
本发明以2017年匡算出2025年DC机房和面积的匡算方法为例进行以下介绍:例如2017年接入-城域-骨干的分层流量收敛比为5:3:2,2025年接入-城域-骨干的分层流量收敛比5:2:1,则对应增长系数为100%、67%、50%,即边缘层增长系数为100%,核心层增长系数为67%,省干层增长系数为50%。
机架匡算公式:
2025年专用硬件设备主机架数估算值=2017年专用硬件设备主机架*(城域网接入流量增长倍数*分层流量收敛增长系数/专用设备处理性能平均增长倍数–1)。
不同层的系数有所不同,具体匡算公式如下:
1、城域边缘层主机房机架数估算值=城域边缘层机架现状数*(城域网接入流量增长倍数*边缘层增长系数/专用硬件处理性能提升平均倍数–1);
2、地市核心层主机房机架数估算值=地市核心层机架现状数*(城域网接入流量增长倍数*地市核心层增长系数/专用硬件处理性能提升平均倍数–1);
3、省干层主机房机架数估算值=省干层机架现状数*(城域网接入流量增长倍数*省干层增长系数/专用硬件处理性能提升平均倍数–1);
面积匡算公式:
2025年专用硬件设备主机房面积估算值=2017年专用硬件设备主机房单机架面积*2025年专用硬件设备主机架数估算值;
不同层的2025年专用硬件设备主机架数估算值有所不同,具体匡算公式如下:
1、城域边缘层主机房面积估算值=专用硬件设备主机房单机架面积*城域边缘层主机房机架数估算值;
2、地市核心层主机房面积估算值=专用硬件设备主机房单机架面积*地市核心层主机房机架数估算值;
3、省干层主机房面积估算值=专用硬件设备主机房单机架面积*省干层主机房机架数估算值;
2025年虚拟云化机架数估算值公式如下:
∑不同类型的用户和流量预测值*(相应边缘系数+相应核心系数+相应区域系数)其中,计算某一用户或流量类型时,设置该用户或者流量类型为1,其余设置为0,通过虚拟化网元匡算模型得出相应的边缘系数、核心系数、区域系数。
该基于匡算模型预测用户及流量的DC资源处理方法,基于地市用户及城域网流量预测数据,采用专用硬件算法模型和虚拟网元算法模型,根据宽带用户和流量现状,匡算出虚拟云化设备和专用硬件设备所需的城域边缘层主机房、地市核心层主机房、骨干层主机房数及面积数;该基于匡算模型预测用户及流量的DC资源处理方法不仅可以推动CO机房重构的进度,还能支撑全网大规模DC资源的改造,也能帮助运营商充分利用现有的机房资源,避免资源浪费,为有关部门节省人力物力财力成本。
对于本领域的普通技术人员而言,具体实施例只是对本发明进行了示例性描述,显然本发明具体实现并不受上述方式的限制,只要采用了本发明的方法构思和技术方案进行的各种非实质性的改进,或未经改进将本发明的构思和技术方案直接应用于其它场合的,均在本发明的保护范围之内。
Claims (4)
1.一种基于匡算模型预测用户及流量的DC资源处理方法,其特征在于,具体包括以下步骤:
(1)对地市的用户数及城域网流量进行预测,提供基础数据;
(2)定制专用硬件设备的匡算模型:根据现用专用硬件设备的机架数及面积的现状,专用硬件设备处理性能及流量收敛再通过匡算公式进行预测;
(3)定制虚拟化网元匡算模型:定制虚拟云化设备组网及性能模型,通过虚拟化目标及硬件处理性能再通过匡算公式进行预测;
(4)制定地方预测方案:根据步骤(1)提供的地市的用户数及城域网流量数据,选择步骤(2)和步骤(3)提供的匡算模型,并结合各地网行政划分及用户现状,制定出预测方案;
(5)获得出匡算结果:根据步骤(4)制定的预测方案,计算出DC资源的匡算结果,得到虚拟设备机架数量、专用硬件设备机架数量、总和机架数;
所述步骤(2)中的机架数的匡算公式为:预测年专用硬件设备主机架数估算值=现年专用硬件设备主机架*(城域网接入流量增长倍数*分层流量收敛增长系数/专用硬件设备处理性能平均增长倍数–1);
所述步骤(2)中根据专用硬件设备的机架数进行预测时需对不同层级网络DC的专用硬件设备的机架数进行单独匡算;不同层级网络DC的专用硬件设备机架数的匡算公式为:
S21-1城域边缘层主机房机架数估算值=城域边缘层机架现状数*(城域网接入流量增长倍数*边缘层增长系数/专用硬件处理性能提升平均倍数–1);
S21-2地市核心层主机房机架数估算值=地市核心层机架现状数*(城域网接入流量增长倍数*地市核心层增长系数/专用硬件处理性能提升平均倍数–1);
S21-3省干层主机房机架数估算值=省干层机架现状数*(城域网接入流量增长倍数*省干层增长系数/专用硬件处理性能提升平均倍数–1);
所述步骤(2)中面积的匡算公式为:预测年专用硬件设备主机房面积估算值=现年专用硬件设备主机房单机架面积*预测年专用硬件设备主机架数估算值;
所述步骤(2)中根据专用硬件设备的面积进行预测时需对不同层级网络DC的专用硬件设备的面积进行单独匡算;不同层级网络DC的专用硬件设备的面积的匡算公式为:
S22-1城域边缘层主机房面积估算值=专用硬件设备主机房单机架面积*城域边缘层主机房机架数估算值;
S22-2地市核心层主机房面积估算值=专用硬件设备主机房单机架面积*地市核心层主机房机架数估算值;
S22-3省干层主机房面积估算值=专用硬件设备主机房单机架面积*省干层主机房机架数估算值。
2.根据权利要求1所述的基于匡算模型预测用户及流量的DC资源处理方法,其特征在于,所述步骤(3)中预测年的虚拟云化机架数的估算值的公式为:
∑不同类型的用户和流量预测值*(相应边缘系数+相应核心系数+相应区域系数);
其中,计算某一用户或流量类型时,设置该用户或者流量类型为1,其余设置为0,通过虚拟化网元匡算模型得出相应的边缘系数、核心系数、区域系数。
3.根据权利要求2所述的基于匡算模型预测用户及流量的DC资源处理方法,其特征在于,所述不同层级网络DC为区域DC、核心DC和边缘DC三层架构。
4.根据权利要求1-3任一项所述的基于匡算模型预测用户及流量的DC资源处理方法,其特征在于,用户和流量的分类为:公众客户宽带用户、政企客户宽带用户、视听业务用户、5G移动用户;公众客户宽带城域网流量预测、政企客户宽带城域网流量预测、视听业务城域网流量预测、5G移动用户总流量和5G移动视频总流量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811515111.0A CN109558987B (zh) | 2018-12-12 | 2018-12-12 | 基于匡算模型预测用户及流量的dc资源处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811515111.0A CN109558987B (zh) | 2018-12-12 | 2018-12-12 | 基于匡算模型预测用户及流量的dc资源处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109558987A CN109558987A (zh) | 2019-04-02 |
CN109558987B true CN109558987B (zh) | 2021-03-30 |
Family
ID=65869671
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811515111.0A Active CN109558987B (zh) | 2018-12-12 | 2018-12-12 | 基于匡算模型预测用户及流量的dc资源处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109558987B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109992913B (zh) * | 2019-04-09 | 2023-06-27 | 南京华苏科技有限公司 | 基于通信机楼资源的dc布局规划方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103200114A (zh) * | 2013-04-18 | 2013-07-10 | 湖北邮电规划设计有限公司 | 城域网规划方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10841184B2 (en) * | 2017-03-28 | 2020-11-17 | Huawei Technologies Co., Ltd. | Architecture for integrating service, network and domain management subsystems |
-
2018
- 2018-12-12 CN CN201811515111.0A patent/CN109558987B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103200114A (zh) * | 2013-04-18 | 2013-07-10 | 湖北邮电规划设计有限公司 | 城域网规划方法 |
Non-Patent Citations (3)
Title |
---|
CO机房重构推进边缘DC建设研究;张嗣宏;《无线互联科技》;20160419;全文 * |
现有资源如何应对5G网络承载;陈翠芬;《数字技术与应用》;20180505;全文 * |
网络重构城域网数据中心化解决方案;陈鼎; 张涛; 刘可; 兰强;《电信科学》;20180712;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN109558987A (zh) | 2019-04-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104158855B (zh) | 基于遗传算法的移动服务组合计算卸载方法 | |
CN109379754A (zh) | 一种无线接入网中的网络切片优化方法 | |
CN104503826B (zh) | 一种云计算数据中心的虚拟机映射方法及装置 | |
CN106027288A (zh) | 一种配电线路信息监测业务通信流量预测方法 | |
CN105071992B (zh) | 变电站配用电业务通信带宽预测方法 | |
CN103841647B (zh) | 基于基站资源池的多粒度可伸缩封装装置和方法 | |
CN107294745B (zh) | 网络拓扑自动发现方法及装置 | |
CN102904824B (zh) | 服务提供实体选择方法及装置 | |
CN112492003A (zh) | 一种基于业务编排器的云网融合业务处理方法及装置 | |
CN104468212A (zh) | 一种云计算数据中心网络智能联动配置方法及系统 | |
CN105721577A (zh) | 一种面向软件定义网络的服务器负载均衡方法 | |
CN106060851A (zh) | 异构云无线接入网络中拥塞控制下的安全资源优化方法 | |
CN110519776A (zh) | 一种雾计算系统中的均衡聚类和联合资源分配方法 | |
CN109558987B (zh) | 基于匡算模型预测用户及流量的dc资源处理方法 | |
Cao et al. | Towards tenant demand-aware bandwidth allocation strategy in cloud datacenter | |
CN107809112A (zh) | 一种特高压gil设备可靠性详细分配方法 | |
CN115460088A (zh) | 一种5g电力多业务切片资源分配与隔离方法 | |
CN110046734A (zh) | 基于营配前端融合的低压用电网网格动态划分方法及系统 | |
Frank et al. | Resource analysis and cost modeling for end-to-end 5G mobile networks | |
CN106059734B (zh) | 基于边缘用户干扰度量值的Massive MIMO系统导频分配方法 | |
CN108012275A (zh) | 超密集网络中基于动态分簇的小基站用户资源分配方法 | |
CN100556171C (zh) | 第三代移动通信系统网络层性能的快速仿真方法 | |
Xiao et al. | A dynamic and resource sharing virtual network mapping algorithm | |
St-Hilaire et al. | Efficient solution of the 3G network planning problem | |
CN105827433B (zh) | 基于acp方法的平行网络架构 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |