CN110535670B - 一种nfv容量规划方法及电子设备 - Google Patents
一种nfv容量规划方法及电子设备 Download PDFInfo
- Publication number
- CN110535670B CN110535670B CN201810501802.9A CN201810501802A CN110535670B CN 110535670 B CN110535670 B CN 110535670B CN 201810501802 A CN201810501802 A CN 201810501802A CN 110535670 B CN110535670 B CN 110535670B
- Authority
- CN
- China
- Prior art keywords
- planning
- capacity
- layer
- virtual
- index
- 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
-
- 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
-
- 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
-
- 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
-
- 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
- H04L41/147—Network analysis or design for predicting network behaviour
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明实施例提供一种NFV容量规划方法及电子设备。所述方法包括:根据多种容量需求,建立自上而下的多层规划模型,其中所述多种容量需求包括NFV网络中的业务、虚拟网元VNF、虚拟IT资源和物理IT资源的容量需求中的多种;基于所述多层规划模型中的目标层,根据所述目标层的上一层的规划结果对所述目标层的容量需求进行容量规划。本发明实施例所述方法采用系统的量化的方式进行预测和规划,打通了规划各环节,比依靠人工经验更科学和准确,相比原来物理网元下相对静态的容量规划,能够进行实时监控和动态调整。
Description
技术领域
本发明实施例涉及移动通信技术领域,尤其涉及一种NFV容量规划方法及电子设备。
背景技术
NFV(Network Functions Virtualisation)是一种新兴的移动通信虚拟化技术,硬件由通用的IT基础设施实现,网元的功能通过软件虚拟化后运行在通用的IT基础设施实现的硬件上,从而实现物理网元功能和硬件的解耦,为移动网络的运营带来极大的灵活性,提高了资源利用率和运维效率。
目前全球各大运营商正在进行NFV的测试和探索,大规模商用尚未形成,但是因为NFV为运营商带来的诸多益处,这是未来移动网络发展的必然趋势,通过NFV与SDN(Software Defined Network)的运用实现ICT(Information Technology和Communications Technology)融合,实现业务敏捷性,快速构建和提供更多丰富多彩的移动应用。
NFV的出现同样也带来一些新的挑战,将深刻影响现有的网络规划建设、运营模式乃至组织架构。传统物理网元的规划、建设、维护、运营相对来说是独立明确的,传统方式是由规划部门及业务部门进行先期调研规划,确定项目规模,由建设部门进行物理网元的安装部署,网元上线后则交由维护部门进行网元的日常监控优化和故障处理。网元的扩容或新业务上线都需要通过这一套步骤实现。然而在NFV模式下,这些步骤之间的界限将变得模糊。由于虚拟网元可以根据业务需求进行弹性扩缩容,只需提供足够的IT资源池,理论上来说NFV模式下不需要进行频繁的资源扩容。但由于不同虚拟网元可以共享IT资源,不同虚拟网元对资源的特性要求也不一样,因而当虚拟资源进行弹性扩容时需要先规划好哪些资源可为其所用,然后进行资源的预占和实际分配,实现弹性扩容完毕后,需要对新扩容出来的虚拟网元模块进行监控。因此虚拟网元扩容的规划、建设和维护将变得动态,传统的规划模式将无法适应这种动态要求。此外,传统物理网元一旦扩容后很少进行缩容,而虚拟网元会根据业务需求进行缩容。NFV规范已将弹性扩缩容实现了自动化,因而无需对此进行额外管理。
以上是假设IT资源池足够大,能够满足扩容需求的情况。当IT资源池无法满足虚拟网元扩容需求时,则需考虑对IT资源池进行扩容。传统物理网元采用专有硬件无法通用,因此物理网元的规划相对较单一,只需针对特定厂商特定网元进行规划即可。而虚拟网元共享统一的IT资源池,此时需综合考虑IT资源池所承载的不同网元、不同厂商的需求,此外还要考虑各个虚拟网元弹性扩缩容的情况,因而规划将变得更复杂。
NFV商用之后即将面临网络规划、维护、运营等问题,尤其是规划,必须走在前面。NFV软件功能与硬件的解耦提高了资源利用率和自动化程度,但同样也使容量规划变得复杂。业务与网络,网络和虚拟层,虚拟层和硬件,硬件和数据中心之间的层次依赖关系及动态变化是NFV容量规划变得复杂的原因。
目前,NFV容量规划尚未有成熟的经验。传统NFV容量规划主要通过支持的用户数来推算出所需物理网元及相关设备的需求,计算主要依赖于人工及经验,缺乏系统性的方法进行准确和动态的容量规划和管理。
发明内容
针对现有技术存在的问题,本发明实施例提供一种NFV容量规划方法及电子设备,采用系统的量化的方式进行预测和规划,打通了规划各环节,比依靠人工经验更科学和准确。
第一方面,本发明实施例提供一种NFV容量规划方法,包括:
根据多种容量需求,建立自上而下的多层规划模型,其中所述多种容量需求包括NFV网络中的业务、虚拟网元VNF、虚拟IT资源和物理IT资源的容量需求中的多种;
基于所述多层规划模型中的目标层,根据所述目标层的上一层的规划结果对所述目标层的容量需求进行容量规划。
第二方面,本发明实施例提供了一种电子设备,包括:
至少一个处理器;以及
与所述处理器通信连接的至少一个存储器,其中:
所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令能够执行本发明实施例第一方面所述NFV容量规划方法及其任一可选实施例所述的方法。
第三方面,提供一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令执行本发明实施例第一方面所述NFV容量规划方法及其任一可选实施例的方法。
本发明实施例提供的一种NFV容量规划方法,根据多种容量需求,建立自上而下的多层规划模型,其中所述多种容量需求包括NFV网络中的业务、虚拟网元VNF、虚拟IT资源和物理IT资源的容量需求中的多种,并基于所述多层规划模型中的目标层,根据所述目标层的上一层的规划结果对所述目标层的容量需求进行容量规划,从而采用系统的量化的方式进行预测和规划,打通了规划各环节,比依靠人工经验更科学和准确,相比原来物理网元下相对静态的容量规划,能够进行实时监控和动态调整。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施一种NFV容量规划方法流程示意图;
图2为本发明实施例六层规划模型示意图;
图3为本发明实施例通用的分析模型示意图;
图4为本发明实施例针对六层规划模型进行容量规划的流程示意图
图5为本发明实施例用于现有业务趋势分析的分析模型示意图;
图6为本发明实施例用于业务容量规划的分析模型示意图;
图7为本发明实施例用于现网网络质量趋势分析的分析模型示意图;
图8为本发明实施例用于移动网络容量规划的分析模型示意图;
图9为本发明实施例用于VNF容量规划的分析模型示意图;
图10为本发明实施例用于虚拟资源容量规划的分析模型示意图;
图11为本发明实施例用于物理资源容量规划的分析模型示意图;
图12为本发明实施例用于数据中心容量规划的分析模型示意图;
图13为本发明实施例电子设备的框架示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
由上述论述可知,NFV容量规划比较复杂,同时NFV容量规划也需要综合考虑国家政策、市场竞争、营销策略、业务发展、客户需求、技术选择、投资回报等因素。为解决上述技术问题,本发明实施例提出一种NFV容量规划方法、装置及设备。
图1为本发明实施一种NFV容量规划方法流程示意图,如图1所示的NFV容量规划方法,包括:
101,根据多种容量需求,建立自上而下的多层规划模型,其中所述多种容量需求包括NFV网络中的业务、虚拟网元VNF、虚拟IT资源和物理IT资源的容量需求中的多种;
需要说明的是,NVF容量规划涉及六个层面,分别为业务层面、移动网络层面、VNF层面、虚拟IT资源层面、物理IT资源层面和数据中心层面。可以根据不同的容量规划需要,对应多个不同的层面,建立自上而下的多层规划模型,例如,根据三个层面建立三层规划模型;也可以根据所有层面建立自上而下的多层规划模型,例如根据六个层面建立六层规划模型,此处不作具体限定。
具体的,业务层面中的业务是指,客户能直接感知和购买的服务,即CFS(CustomerFacing Service)。例如移动业务中的VoLTE业务、数据业务等,政企业务中的各种专线、集团短号等。
移动网络层面中的移动网络是指,用来支持和实现业务,但客户不直接感知和购买的内部网络服务,即RFS(Resource Facing Service)/NS(Network Service),包括RAN、核心交换网、VAS、传输网络等。目前NFV已经实现虚拟化的有vEPC,vIMS,vVAS,本发明实施例主要针对虚拟化的移动网络。
VNF层面的VNF是Virtualised Network Functions的缩写,指NFV中的虚拟网元。相应的传统物理网元可称为PNF(Physical Network Function)。
虚拟IT资源层面中的虚拟IT资源是指,构建NFV的虚拟IT基础设施,包括虚拟资源如虚拟机、虚拟存储、虚拟网络等。
物理IT资源层面中的物理IT资源是指,构建NFV的物理IT基础设施,包括物理资源如服务器、存储、网络等。
数据中心层面中的数据中心是指,用来放置IT基础设施资源的场所,包括空间、机架、走线、动力、环控等。
102,基于所述多层规划模型中的目标层,根据所述目标层的上一层的规划结果对所述目标层的容量需求进行容量规划。
具体的,本发明实施例多层规划模型的每一层的规划结果都可以作为下一层进行容量规划的输入数据,打通了各层之间的关联关系。上一层的预测结果或容量需求输出作为下一层进行容量规划的输入,从而实现各层的有机联系,形成一个完整的系统。进一步,也可以根据需要将外部系统的外部数据作为容量规划的输入数据,即根据上一层的容量规划结果和外部数据对目标层的容量需求进行规划。
需要说明的是,多层规划模型的最顶层不存在上一层。
需要说明的是,本发明实施例的容量规划涉及不同的用户角色,包括网络监控、网络运维、网络/资源规划、工程建设、市场营销、客户服务和运营管理,基本上可以囊括容量规划的各个方面。
具体的,网络监控主要关注当前网络容量预警以及资源占用非正常波动等信息。网络运维主要关注当前网络运行资源占用状况及发展趋势信息。网络/资源规划主要关注业务容量规划、网络容量发展趋势、网络/资源规划建议等信息。工程建设主要关注数据中心/机房资源占用信息、发展趋势等信息。市场营销主要关注目前业务量、用户量等业务容量增长趋势信息。客户服务主要关注网络容量预警区域,关联其他系统分析可能受影响的用户。运营管理主要关注汇总的现网容量状况、容量发展趋势、容量规划建议等信息。
本发明实施例根据多种容量需求,建立自上而下的多层规划模型,其中所述多种容量需求包括NFV网络中的业务、虚拟网元VNF、虚拟IT资源和物理IT资源的容量需求中的多种,并基于所述多层规划模型中的目标层,根据所述目标层的上一层的规划结果对所述目标层的容量需求进行容量规划,从而采用系统的量化的方式进行预测和规划,打通了规划各环节,比依靠人工经验更科学和准确,相比原来物理网元下相对静态的容量规划,能够进行实时监控和动态调整。本发明实施例主要从业务发展的角度,提出一种系统性的量化的NFV容量规划方法,为完整的NFV容量规划提供科学、准确的参考依据。
基于上述实施例,步骤101,所述根据NFV网络中的业务、虚拟网元、虚拟IT资源和/或物理IT资源的容量需求,建立自上而下的多层规划模型,具体包括:
根据NFV网络中的业务、虚拟网元VNF、虚拟IT资源和物理IT资源的容量需求,建立六层规划模型,所述六层规划模型包括自上而下的业务层、移动网络层、虚拟网元层、虚拟IT资源层、物理IT资源层和数据中心层,请参考图2。
其中,所述业务层,用于对未来预设时间内的业务容量进行规划,以获得业务容量规划指标;
所述移动网络层,用于根据所述业务容量规划指标,对未来预设时间内的网络容量进行规划,获得网络容量规划指标;
所述虚拟网元层,用于根据所述网络容量规划指标,对未来预设时间内的虚拟网元VNF进行规划,获得VNF容量规划指标及相应的许可License数量;
所述虚拟IT资源层,用于根据所述VNF容量规划指标,对未来预设时间内的虚拟IT资源进行规划,获得虚拟IT资源规划指标;
所述物理IT资源层,用于根据所述虚拟IT资源规划指标,对未来预设时间内的物理IT资源进行规划,获得物理IT资源规划指标;
所述数据中心层,用于根据所述物理IT资源规划指标,对未来预设时间内的NFV网络的数据中心进行规划,获得数据中心容量规划指标。
本实施例面向NFV网络的角度采用一种系统性的规划方法,自顶向下建立了业务层、移动网络层、虚拟网元层、虚拟IT资源层、物理IT资源层及数据中心层等六层的规划模型,上一层的预测结果或容量规划结果输出作为下一层进行容量规划的输入,打通了各层之间的关联关系,从而实现各层的有机联系,形成一个完整的系统。
具体的,各层的容量规划活动主要通过分析模型进行量化分析从而获得科学准确的容量需求。本发明实施例中的分析模型是可配置的,因为分析模型需要根据业务类型、网络类型、厂商类型等进行区分,例如不同业务类型对移动网络容量的资源需求是不一样,因此本发明实施例不对具体分析模型进行限定。进一步的,分析模型可以由第三方提供,例如VNF到虚拟资源的容量要求需根据VNF厂商的映射关系表进行换算。
图3为本发明实施例通用的分析模型示意图,多层规划模型的每个层的分析模型请参考图3,主要包括容量预测算法和容量规划算法,针对不同的层面进行容量规划,其配置的容量预测算法和容量规划算法可能相同,也可能不相同。分析模型还包括输入和输出,输入来自上一层的输出(例如上一层的容量需求),以及其他容量规划需要的值(例如VNF类型、厂商);输出是通过规划算法计算出未来一段时间内本层的容量需求。此外,分析模型还能与外部系统交互,从外部系统(例如性能管理系统)获取容量历史指标的变化情况进行容量变化趋势预测,并能够将预测的结果形成预警消息发送给外部系统(例如工单系统)。
分析模型的预测算法通过从外部系统获取现网容量历史变化数据进行容量趋势预测,并通过预警模型向外部系统发送预警消息。预警模型包括预警触发条件、预警级别、预警方式、预警消息内容等部分。分析模型通过综合考虑上一层的容量需求和容量趋势,调用合适的容量规划算法计算出未来一段时间内本层容量需求;进一步,还可以通过不断从外部系统获得实际容量消耗情况对分析模型进行动态变更。
另外,容量规划算法可通过自学习进行自我修正。规划算法计算出的容量需求可以反馈给容量规划算法,通过对比容量实际占用情况和计算出的容量需求,对容量规划算法本身进行自我调整和修正,以不断优化规划算法,输出更为准确的容量需求。例如分析模型可以反向对已经定式的映射关系进行优化修正,如虚拟资源与物理资源的映射关系、VNF资源需求可以根据实际网络运行分析进行调优,达到资源的最大化利用。
本发明实施例考虑到了上述不同用户角色参与各层的规划活动中的不同需求,需能够为不同用户角色提供所需的信息及视图,并能为不同用户参与规划活动提供入口。
本发明实施例步骤102所述基于所述多层规划模型中的目标层,根据所述目标层的上一层的规划结果对所述目标层的容量需求进行容量规划,主要包括现有容量分析、容量发展趋势分析、容量预测、容量预警以及容量规划等。基本思路和流程是:分析现有业务的业务量和用户增长情况,预测未来业务的发展趋势,判断未来一段时期内业务扩容需求,例如需要支持的用户数、业务量等,由此预测所需移动网络(VNF)的计算能力和配置需求,并推算出所需的虚拟资源数量,从而计算出所需物理资源数量,基于物理资源数量判断现有数据中心/机房是否有足够的机架、配电以及场地空间等。
图4为本发明实施例针对六层规划模型进行容量规划的流程示意图,包括现网业务趋势分析、现网网络质量趋势分析、业务容量规划、移动网络容量规划、VNF容量规划、虚拟资源容量规划、物理资源容量规划和数据中心容量规划。下面分别就不同的容量规划进行具体说明。
基于上述实施例,步骤102,所述基于所述多层规划模型中的目标层,根据所述目标层的上一层的规划结果对所述目标层的容量需求进行容量规划,具体包括:
基于所述多层规划模型的业务层,配置反映现有业务容量的第一关键性能指标,并根据第一预设时间间隔采集所述第一关键性能指标的相关数据;
根据所述现有业务的业务类型及所述现有业务对应的第一关键性能指标,通过预配置的趋势预测算法获取未来预设时间内的业务指标预测值;
根据所述业务指标预测值及预设业务发展目标,通过预配置的业务容量规划算法获取未来预设时间内的业务容量规划指标。
本实施例包括通过预配置的趋势预测算法获取未来预设时间内的业务指标预测值,即图4中的现网业务趋势分析;通过预配置的业务容量规划算法获取未来预设时间内的业务容量规划指标,即图4中的业务容量规划。
具体的,在进行现有业务趋势分析时,首先可以定义和配置反映现有业务容量的关键性能指标(Key Performance Indicator,KPI)。例如对于VoLTE业务,根据活跃用户数及设计最大用户数的比例,或结合容量相关的业务指标(呼叫次数、时长、接通率等);对于政企专线类数据业务,根据流量、带宽、速率等指标;然后定期(时间间隔可配置)采集业务KPI(如业务质量、业务用户数、平均业务量、业务量峰值、业务收入等),定期(时间间隔可配置)采集业务KPI(如业务质量、业务用户数、平均业务量、业务量峰值、业务收入等);然后利用业务趋势分析模型对业务KPI历史数据进行计算,输出现网业务趋势分析报告即业务指标预测值,具体的分析模型请参考图5,该分析模型包括业务趋势预测算法,其输入是,现网业务类型、需预测趋势的时间;分析模型的具体处理是,根据业务类型取得该业务对应的业务指标,从外部系统获取业务指标历史值,根据预配置的趋势预测算法(例如LocallyWeighted Linear Regression局部加权线性回归算法)对历史业务指标进行计算;输出是未来预设时间的业务指标预测值。
具体的,在进行业务容量规划时,根据现网业务趋势分析结果,预测在未来的一段时间的容量需求情况,进行业务容量规划。可以定义和配置业务容量规划算法(例如Decision Tree决策树算法)。针对不同业务类型采用合适的规划算法输出未来一段时间内业务容量需求。具体的分析模型请参考图6,该分析模型包括业务容量规划算法,其输入是业务发展趋势指标值、业务发展目标(由业务部门提供);分析模型的具体处理是,根据业务发展趋势及业务发展目标,根据业务规划算法计算出业务容量需求;输出是未来预设时间的业务容量规划指标。
本发明实施例进行业务容量规划时,首先对现有业务进行趋势预测,根据预测结果进行业务容量规划,其中预测所需要的关键性能指标、业务趋势预测算法和业务容量规划算法等,都是可以根据具体业务及供应商的不同而配置的,极大了提高了业务规划的灵活性。
基于上述实施例,步骤102,所述基于所述多层规划模型中的目标层,根据所述目标层的上一层的规划结果对所述目标层的容量需求进行容量规划,具体包括:
基于所述多层规划模型的移动网络层,配置反映网络工作负载的第二关键性能指标,并根据第二预设时间间隔采集所述第二关键性能指标的相关数据;
根据当前网络类型、所述当前网络类型对应的网络质量指标及所述第二关键性能指标,通过预配置的网络趋势预测算法获取未来预设时间内的网络质量指标趋势值;
根据当前网络类型、所述网络质量指标趋势值及所述业务容量规划指标,通过预配置的网络容量规划算法获取未来预设时间内的网络容量规划指标。
本实施例包括通过预配置的网络趋势预测算法进行现网网络质量趋势分析,即图4中的现网网络质量趋势分析;通过预配置的网络容量规划算法获取未来预设时间内的网络容量规划指标,即图4中的移动网络容量规划。
具体的,在进行网网络质量趋势分析时,首先可以定义和和计算反映网络工作负载的KPI,例如现网移动网络的资源利用率,网络告警和网络性能指标的历史变化情况等,定期(时间间隔可配置)收集网络KPI(如VNFD中指定的);然后采用合适的预测算法对KPI趋势进行预测,包括为保证网络正常运行何时需要增加多少资源以及所需资源的类型。KPI预测和TCA可用于触发自动扩展/进行操作,以确保网络得到最佳优化,并且不会发生服务降级;输出现网网络质量趋势预测结果即网络质量指标趋势值。具体的分析模型请参考图7,该分析模型包括网络质量趋势预测算法,其输入是,网络类型和未来时间;分析模型的具体处理是,根据网络类型获取相关的网络质量指标,通过网络质量趋势模型(可配置,例如Locally Weighted Linear Regression局部加权线性回归算法)计算出未来时间的网络质量指标值;输出是未来预设时间的网络质量指标趋势值。
具体的,在进行移动网络容量规划时,根据业务容量规划和现网网络质量趋势分析,预测在未来的一段时间的移动网络容量需求,进行移动网络容量规划。可以定义和配置移动网络容量预测算法(例如Locally Weighted Linear Regression局部加权线性回归算法),针对不同类型的移动网络(vIMS,vEPC等)采用合适的预测算法,分析在未来一段时间移动网络容量发展趋势,输出趋势分析报告,根据预测算法分析移动网络容量何时会超出设计容量。定义和配置移动网络容量规划算法(例如Decision Tree决策树算法),针对不同移动网络类型、不同厂商采用合适的规划算法,根据业务容量规划输出未来一段时间内移动网络容量规划建议报告。具体的分析模型请参考图8,该分析模型包括移动网络容量预测算法和移动网络容量规划算法,其输入是网络类型、业务容量需求、网络质量指标趋势值;分析模型的具体处理是,根据网络类型从外部系统获取网络容量变化情况,通过网络容量预测算法给出容量变化趋势并根据预警模型进行预警;调用规划算法,根据业务容量需求及网络质量趋势计算所需网络容量;监控网络容量变化趋势及规划的容量需求,对规划容量需求进行动态调整以输出更接近实际情况的容量需求;同时通过反馈移动网络容量需求,对移动网络容量规划算法进行自我修正;输出是未来预设时间的网络规划容量值。
本发明实施例进行移动网络容量规划时,首先对现网网络质量趋势进行分析,根据分析结果即网络质量指标趋势值进行网络容量规划,其中现网网络质量趋势分析需要的关键性能指标、网络趋势预测算法和网络容量规划算法等,都是可以根据具体业务及供应商的不同而配置的,极大了提高了移动网络规划的灵活性。
基于上述实施例,步骤102,所述基于所述多层规划模型中的目标层,根据所述目标层的上一层的规划结果对所述目标层的容量需求进行容量规划,具体包括:
基于所述多层规划模型的虚拟网元层以及VNF容量变化的历史信息,通过预配置的VNF容量预测算法获取未来预设时间内的VNF License消耗趋势值;
根据所述VNF License消耗趋势值及所述网络容量规划指标,通过预配置的VNF容量规划算法获取未来预设时间内的VNF容量规划指标及相应的License数量。
本实施例根据移动网络容量规划的结果,计算所需VNF容量及相应License数量,即图4中的VNF容量规划。
具体的,在进行VNF容量规划时,可以定义和配置VNF License预测算法(例如Locally Weighted Linear Regression局部加权线性回归算法),针对不同类型的移动网络(vIMS,vEPC等)采用合适的预测算法,分析在未来一段时间VNF License消耗量发展趋势。根据预测算法分析VNF License何时会超出已有数量;然后定义和配置VNF License规划算法(例如Decision Tree决策树算法),针对不同VNF类型和厂商选择合适的规划算法,根据移动网络容量规范计算出未来一段时间内VNF License规划建议。具体的分析模型请参考图9,该分析模型包括VNF容量预测算法和VNF容量规划算法,其输入是网络规划容量值、VNF厂商和类型;分析模型的具体处理是,根据VNF类型从外部系统获取网络容量变化情况,通过VNF容量预测算法给出容量变化趋势并根据预警模型发送预警信息;调用规划算法,根据移动网络容量需求及VNF容量趋势计算所需VNF容量需求及相应的License需求;监控VNF容量变化趋势及规划的容量需求,对规划容量需求进行动态调整以输出更接近实际情况的容量需求;同时通过反馈VNF容量需求,对VNF容量规划算法进行自我修正;输出是未来预设时间的VNF容量需求和VNF license需求。
本发明实施例进行VNF容量规划时,首先对进行VNF容量预测,根据预测结果即VNFLicense消耗趋势值进行VNF容量规划,其中VNF容量预测算法和VNF容量规划算法等,都是可以根据具体业务及供应商的不同而配置的,极大了提高了VNF规划的灵活性。
基于上述实施例,步骤102,所述基于所述多层规划模型中的目标层,根据所述目标层的上一层的规划结果对所述目标层的容量需求进行容量规划,具体包括:
基于所述多层规划模型的虚拟IT资源层,配置虚拟资源的第三关键性能指标,并根据第三预设时间间隔采集所述第三关键性能指标的相关数据;
根据所述第三关键性能指标以及虚拟资源容量变化的历史信息,通过预配置的虚拟资源容量预测算法获取未来预设时间内的虚拟资源消耗趋势值;
根据所述虚拟资源消耗趋势值、所述VNF容量规划指标、VNF厂商及VNF类型,通过预配置的虚拟资源容量规划算法获取未来预设时间内的虚拟资源容量规划指标。
本实施例根据VNF规划数量计算出需要的虚拟服务器、存储、网络资源数量,即图4中的虚拟资源容量规划。
具体的,在进行虚拟资源容量规划时,可以定义和配置虚拟资源KPI,例如如vCPU个数、利用率,虚拟内存容量、利用率等,定期采集虚拟资源的KPI(采集的时间粒度可配置);定义和配置虚拟资源预测算法(例如Locally Weighted Linear Regression局部加权线性回归算法),针对不同类型虚拟资源选择合适的预测算法,预测在未来一段时间虚拟资源消耗趋势,输出趋势分析报告,根据预测算法分析虚拟资源何时会超出配额;定义和配置虚拟资源规划算法(例如Decision Tree决策树算法),针对不同类型虚拟资源选择合适的规划算法,根据VNF容量规划输出未来一段时间内虚拟资源规划建议。具体的分析模型请参考图10,该分析模型包括虚拟资源容量预测算法和虚拟资源容量规划算法,其输入是网络规划容量值、VNF厂商和类型;分析模型的具体处理是,从外部系统获取虚拟资源容量变化情况,通过虚拟资源容量预测算法给出容量变化趋势并根据预警模型发送预警信息;调用规划算法,根据VNF容量需求及虚拟资源容量趋势计算所需虚拟资源容量需求;监控虚拟资源容量变化趋势及规划的容量需求,对规划容量需求进行动态调整以输出更接近实际情况的容量需求;同时通过反馈虚拟资源容量需求,对虚拟资源容量规划算法进行自我修正;输出是未来预设时间的虚拟资源容量规划指标。
本发明实施例进行虚拟资源容量规划时,首先对虚拟资源容量进行预测,根据预测结果即虚拟资源消耗趋势值进行虚拟资源容量规划,其中对虚拟资源容量进行预测所需要的关键性能指标、虚拟资源容量预测算法和虚拟资源容量规划算法等,都是可以根据具体业务及供应商的不同而配置的,极大了提高了虚拟资源容量规划的灵活性。
基于上述实施例,步骤102,所述基于所述多层规划模型中的目标层,根据所述目标层的上一层的规划结果对所述目标层的容量需求进行容量规划,具体包括:
基于所述多层规划模型的物理IT资源层,配置物理资源的第四关键性能指标,并根据第四预设时间间隔采集所述第四关键性能指标的相关数据;
根据所述第四关键性能指标以及物理资源容量变化的历史信息,通过预配置的物理资源容量预测算法获取未来预设时间内的物理资源消耗趋势值;
根据所述物理资源消耗趋势值、虚拟机数目、各虚拟机配置、虚拟存储容量、虚拟接口类型及虚拟接口数目,通过预配置的物理资源容量规划算法获取未来预设时间内的物理资源容量规划指标。
本实施例根据所需虚拟资源数量计算出所需的硬件服务器、存储、网络设备资源数量,即图4中的物理资源容量规划。
具体的,在进行物理资源容量规划时,可以定义和配置物理资源KPI,例如CPU个数、利用率,内存容量、利用率等,定期采集物理资源的KPI(采集的时间粒度可配置);定义和配置物理资源预测算法(例如Locally Weighted Linear Regression局部加权线性回归算法),针对不同类型物理资源选择合适的预测算法,预测在未来一段时间物理资源消耗趋势,输出趋势分析报告;根据预测算法分析物理资源何时会超出现有容量;定义和配置物理资源规划算法(例如Decision Tree决策树算法),针对不同类型物理资源选择合适的规划算法,根据虚拟资源规划输出未来一段时间内物理资源规划建议报告,根据物理资源类型分析已用物理资源和可用物理资源的历史数据对比情况。具体的分析模型请参考图11,该分析模型包括物理资源容量预测算法和物理资源容量规划算法,其输入是虚拟资源容量规划指标,包括虚拟机数目、各虚拟机配置、虚拟存储容量、虚拟接口类型及虚拟接口数目;分析模型的具体处理是,从外部系统获取物理资源容量变化情况,通过物理资源容量预测算法给出容量变化趋势并根据预警模型发送预警信息。调用规划算法,根据虚拟资源容量需求及物理资源容量趋势计算所需物理资源容量需求。监控物理资源容量变化趋势及规划的容量需求,对规划容量需求进行动态调整以输出更接近实际情况的容量需求。同时通过反馈物理资源容量需求,对物理资源容量规划算法进行自我修正;输出是未来预设时间的物理资源容量规划指标。
本发明实施例进行物理资源容量规划时,首先对物理资源容量进行预测,根据预测结果即虚拟资源消耗趋势值进行物理资源容量规划,其中对物理资源容量进行预测所需要的关键性能指标、物理资源容量预测算法和物理资源容量规划算法等,都是可以根据具体业务及供应商的不同而配置的,极大了提高了物理资源容量规划的灵活性。
基于上述实施例,步骤102,所述基于所述多层规划模型中的目标层,根据所述目标层的上一层的规划结果对所述目标层的容量需求进行容量规划,具体包括:
基于所述多层规划模型的数据中心层,获取当前数据中心的场地信息、空间信息、机架信息及动力信息;
根据所述物理资源容量规划指标,通过预配置的数据中心容量规划算法获取未来预设时间内的数据中心的容量规划指标;
根据所述数据中心的容量规划指标、所述场地信息、所述空间信息、所述机架信息及所述动力信息,分析当前数据中心资源是否满足容量规划指标和/或最佳扩容部署方案。
本实施例根据物理资源规划,分析数据中心/机房的场地、空间、机架、动力等是否能满足物理资源规划需求,并对数据中心/机房进行规划,即图4中的数据中心容量规划。
具体的,在进行数据中心容量规划时,可以从现有资源管理系统采集数据中心的场地、空间、机架、动力等资源消耗情况;定义和配置数据中心资源规划算法(例如DecisionTree决策树算法),采用合适的数据中心资源规划算法,根据物理资源规划要求,输出对数据中心场地、空间、机架、动力等规划建议报告;分析数据中心现有资源是否可以满足新业务需求,以及在多DC的情况,哪个DC是部署新VNF实例的最佳选择(根据部署时资源需求和占用趋势,以及VNF的类型)。具体的分析模型请参考图12,该分析模型包括数据中心容量规划算法,其输入是物理资源规划指标;分析模型的具体处理是,从外部系统获取现有数据中心的资源占用情况,结合物力资源容量需求,根据数据中心容量规划模型计算出数据中心容量需求;输出是未来预设时间的数据中心容量规划指标。
综上所述,本发明实施例提出一种NFV容量规划方法,针对NFV网络中引入的新的虚拟层带来的新特性和复杂性,传统物理网元的容量规划方法无法适用的问题,自顶向下建立了业务层、移动网络层、虚拟网元层、虚拟资源层、物理资源层及数据中心层等六层之间的多层规划模型,打通了各层之间的关联关系。在多层规划模型中的每一层中建立预测模型和规划模型,这些模型和算法可由系统外提供(例如VNF到虚拟资源的容量算法一般由厂商提供)并进行配置,在进行容量规划时,可自动根据规划的业务类型、网元类型和厂商,科学准确的计算出容量需求。同时,通过从外部系统获取实时监控容量变化情况,可动态调整规划建议。此外,计算出的容量需求可作为输入反馈给分析模型,根据与实际容量消耗的对比对分析模型进行自我修正。基于本发明实施例所述的多层规划模型及NFV容量规划方法,不同角色的用户可统一的进行所需的容量规划。
本发明实施例所述NFV容量规划方法,采用系统的量化的方式进行预测和规划,打通了规划各环节,比依靠人工经验更科学和准确;相比原来物理网元下相对静态的容量规划,能够进行实时监控和动态调整,不同部门的不同角色可通过统一的界面进行容量分析和规划,能够满足NFV特性的容量规划。
本发明实施例还提供一种NFV容量规划装置,包括:
多层规划模型模块,用于根据多种容量需求,建立自上而下的多层规划模型,其中所述多种容量需求包括NFV网络中的业务、虚拟网元VNF、虚拟IT资源和物理IT资源的容量需求中的多种;
容量规划模块,用于基于所述多层规划模型中的目标层,根据所述目标层的上一层的规划结果对所述目标层的容量需求进行容量规划。
本发明实施例的装置,可用于执行图1所示的NFV容量规划方法实施例的技术方案,其实现原理和技术效果类似,此处不再赘述。
图13为本发明实施例电子设备的框架示意图。请参考图13,本发明实施例提供一种电子设备,包括:处理器(processor)1310、通信接口(Communications Interface)1320、存储器(memory)1330和总线1340,其中,处理器1310,通信接口1320,存储器1330通过总线1340完成相互间的通信。处理器1310可以调用存储器1330中的逻辑指令,以执行如下方法,包括:根据多种容量需求,建立自上而下的多层规划模型,其中所述多种容量需求包括NFV网络中的业务、虚拟网元VNF、虚拟IT资源和物理IT资源的容量需求中的多种;基于所述多层规划模型中的目标层,根据所述目标层的上一层的规划结果对所述目标层的容量需求进行容量规划。
本发明实施例公开一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法实施例所提供的方法,例如包括:根据多种容量需求,建立自上而下的多层规划模型,其中所述多种容量需求包括NFV网络中的业务、虚拟网元VNF、虚拟IT资源和物理IT资源的容量需求中的多种;基于所述多层规划模型中的目标层,根据所述目标层的上一层的规划结果对所述目标层的容量需求进行容量规划。
本发明实施例提供一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行上述各方法实施例所提供的方法,例如包括:根据多种容量需求,建立自上而下的多层规划模型,其中所述多种容量需求包括NFV网络中的业务、虚拟网元VNF、虚拟IT资源和物理IT资源的容量需求中的多种;基于所述多层规划模型中的目标层,根据所述目标层的上一层的规划结果对所述目标层的容量需求进行容量规划。
本领域普通技术人员可以理解:实现上述设备实施例或方法实施例仅仅是示意性的,其中所述处理器和所述存储器可以是物理上分离的部件也可以不是物理上分离的,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如U盘、移动硬盘、ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (9)
1.一种NFV容量规划方法,其特征在于,包括:
根据多种容量需求,建立自上而下的多层规划模型,其中所述多种容量需求包括NFV网络中的业务、虚拟网元VNF、虚拟IT资源和物理IT资源的容量需求中的多种;
基于所述多层规划模型中的目标层,根据所述目标层的上一层的规划结果对所述目标层的容量需求进行容量规划;
所述根据多种容量需求,建立自上而下的多层规划模型,具体包括:
根据所述NFV网络中的业务、所述虚拟网元VNF、所述虚拟IT资源和所述物理IT资源的容量需求,建立所述多层规划模型,所述多层规划模型包括自上而下的业务层、移动网络层、虚拟网元层、虚拟IT资源层、物理IT资源层和数据中心层;
其中,所述业务层,用于对未来预设时间内的业务容量进行规划,以获得业务容量规划指标;
所述移动网络层,用于根据所述业务容量规划指标,对未来预设时间内的网络容量进行规划,获得网络容量规划指标;
所述虚拟网元层,用于根据所述网络容量规划指标,对未来预设时间内的虚拟网元VNF进行规划,获得VNF容量规划指标及相应的许可License数量;
所述虚拟IT资源层,用于根据所述VNF容量规划指标,对未来预设时间内的虚拟IT资源进行规划,获得虚拟IT资源规划指标;
所述物理IT资源层,用于根据所述虚拟IT资源规划指标,对未来预设时间内的物理IT资源进行规划,获得物理IT资源规划指标;
所述数据中心层,用于根据所述物理IT资源规划指标,对未来预设时间内的NFV网络的数据中心进行规划,获得数据中心容量规划指标。
2.根据权利要求1所述的方法,其特征在于,所述基于所述多层规划模型中的目标层,根据所述目标层的上一层的规划结果对所述目标层的容量需求进行容量规划,具体包括:
基于所述多层规划模型的业务层,配置反映现有业务容量的第一关键性能指标,并根据第一预设时间间隔采集所述第一关键性能指标的相关数据;
根据所述现有业务的业务类型及所述现有业务对应的第一关键性能指标,通过预配置的趋势预测算法获取未来预设时间内的业务指标预测值;
根据所述业务指标预测值及预设业务发展目标,通过预配置的业务容量规划算法获取未来预设时间内的业务容量规划指标。
3.根据权利要求2所述的方法,其特征在于,所述基于所述多层规划模型中的目标层,根据所述目标层的上一层的规划结果对所述目标层的容量需求进行容量规划,具体包括:
基于所述多层规划模型的移动网络层,配置反映网络工作负载的第二关键性能指标,并根据第二预设时间间隔采集所述第二关键性能指标的相关数据;
根据当前网络类型、所述当前网络类型对应的网络质量指标及所述第二关键性能指标,通过预配置的网络趋势预测算法获取未来预设时间内的网络质量指标趋势值;
根据当前网络类型、所述网络质量指标趋势值及所述业务容量规划指标,通过预配置的网络容量规划算法获取未来预设时间内的网络容量规划指标。
4.根据权利要求3所述的方法,其特征在于,所述基于所述多层规划模型中的目标层,根据所述目标层的上一层的规划结果对所述目标层的容量需求进行容量规划,具体包括:
基于所述多层规划模型的虚拟网元层以及VNF容量变化的历史信息,通过预配置的VNF容量预测算法获取未来预设时间内的VNF License消耗趋势值;
根据所述VNF License消耗趋势值及所述网络容量规划指标,通过预配置的VNF容量规划算法获取未来预设时间内的VNF容量规划指标及相应的License数量。
5.根据权利要求4所述的方法,其特征在于,所述基于所述多层规划模型中的目标层,根据所述目标层的上一层的规划结果对所述目标层的容量需求进行容量规划,具体包括:
基于所述多层规划模型的虚拟IT资源层,配置虚拟资源的第三关键性能指标,并根据第三预设时间间隔采集所述第三关键性能指标的相关数据;
根据所述第三关键性能指标以及虚拟资源容量变化的历史信息,通过预配置的虚拟资源容量预测算法获取未来预设时间内的虚拟资源消耗趋势值;
根据所述虚拟资源消耗趋势值、所述VNF容量规划指标、VNF厂商及VNF类型,通过预配置的虚拟资源容量规划算法获取未来预设时间内的虚拟资源容量规划指标。
6.根据权利要求1所述的方法,其特征在于,所述基于所述多层规划模型中的目标层,根据所述目标层的上一层的规划结果对所述目标层的容量需求进行容量规划,具体包括:
基于所述多层规划模型的物理IT资源层,配置物理资源的第四关键性能指标,并根据第四预设时间间隔采集所述第四关键性能指标的相关数据;
根据所述第四关键性能指标以及物理资源容量变化的历史信息,通过预配置的物理资源容量预测算法获取未来预设时间内的物理资源消耗趋势值;
根据所述物理资源消耗趋势值、虚拟机数目、各虚拟机配置、虚拟存储容量、虚拟接口类型及虚拟接口数目,通过预配置的物理资源容量规划算法获取未来预设时间内的物理资源容量规划指标。
7.根据权利要求6所述的方法,其特征在于,所述基于所述多层规划模型中的目标层,根据所述目标层的上一层的规划结果对所述目标层的容量需求进行容量规划,具体包括:
基于所述多层规划模型的数据中心层,获取当前数据中心的场地信息、空间信息、机架信息及动力信息;
根据所述物理资源容量规划指标,通过预配置的数据中心容量规划算法获取未来预设时间内的数据中心的容量规划指标;
根据所述数据中心的容量规划指标、所述场地信息、所述空间信息、所述机架信息及所述动力信息,分析当前数据中心资源是否满足容量规划指标和/或最佳扩容部署方案。
8.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述处理器通信连接的至少一个存储器,其中:
所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令能够执行如权利要求1至7任一所述的方法。
9.一种非暂态计算机可读存储介质,其特征在于,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行如权利要求1至7任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810501802.9A CN110535670B (zh) | 2018-05-23 | 2018-05-23 | 一种nfv容量规划方法及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810501802.9A CN110535670B (zh) | 2018-05-23 | 2018-05-23 | 一种nfv容量规划方法及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110535670A CN110535670A (zh) | 2019-12-03 |
CN110535670B true CN110535670B (zh) | 2022-05-13 |
Family
ID=68656526
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810501802.9A Active CN110535670B (zh) | 2018-05-23 | 2018-05-23 | 一种nfv容量规划方法及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110535670B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114666223B (zh) * | 2020-12-04 | 2023-11-21 | 中国移动通信集团设计院有限公司 | 云计算资源池处理方法、装置及可读存储介质 |
CN116260720A (zh) * | 2021-12-02 | 2023-06-13 | 中兴通讯股份有限公司 | 网络资源部署方法、装置、电子设备及存储介质 |
CN114172819A (zh) * | 2021-12-07 | 2022-03-11 | 中国电信股份有限公司 | Nfv网元的需求资源预测方法、系统、电子设备和存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105210337A (zh) * | 2014-03-24 | 2015-12-30 | 华为技术有限公司 | 一种nfv系统的业务实现方法及通信单元 |
CN106487553A (zh) * | 2015-08-27 | 2017-03-08 | 中兴通讯股份有限公司 | Vnf实例的处理方法、装置及vnfm |
CN106502889A (zh) * | 2016-10-13 | 2017-03-15 | 华为技术有限公司 | 预测云软件性能的方法和装置 |
CN107370835A (zh) * | 2017-09-11 | 2017-11-21 | 郑州云海信息技术有限公司 | 一种基于sdn和nfv技术的云计算中心网络架构 |
CN107544836A (zh) * | 2017-09-15 | 2018-01-05 | 中国联合网络通信集团有限公司 | 一种虚拟机的部署方法、装置及网络系统 |
CN107888425A (zh) * | 2017-11-27 | 2018-04-06 | 北京邮电大学 | 移动通信系统的网络切片部署方法和装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9806975B2 (en) * | 2014-06-12 | 2017-10-31 | Futurewei Technologies, Inc. | Methods and systems for managing capacity in a virtualized network |
-
2018
- 2018-05-23 CN CN201810501802.9A patent/CN110535670B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105210337A (zh) * | 2014-03-24 | 2015-12-30 | 华为技术有限公司 | 一种nfv系统的业务实现方法及通信单元 |
CN106487553A (zh) * | 2015-08-27 | 2017-03-08 | 中兴通讯股份有限公司 | Vnf实例的处理方法、装置及vnfm |
CN106502889A (zh) * | 2016-10-13 | 2017-03-15 | 华为技术有限公司 | 预测云软件性能的方法和装置 |
CN107370835A (zh) * | 2017-09-11 | 2017-11-21 | 郑州云海信息技术有限公司 | 一种基于sdn和nfv技术的云计算中心网络架构 |
CN107544836A (zh) * | 2017-09-15 | 2018-01-05 | 中国联合网络通信集团有限公司 | 一种虚拟机的部署方法、装置及网络系统 |
CN107888425A (zh) * | 2017-11-27 | 2018-04-06 | 北京邮电大学 | 移动通信系统的网络切片部署方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110535670A (zh) | 2019-12-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10476949B2 (en) | Predictive autoscaling in computing systems | |
TWI382318B (zh) | 協調的服務效能以及應用程式置放管理 | |
US10999216B2 (en) | Resource allocation and provisioning in a multi-tier edge-cloud virtualization environment | |
CN111132190A (zh) | 基站负荷预警方法、装置 | |
CN110535670B (zh) | 一种nfv容量规划方法及电子设备 | |
EP3454210B1 (en) | Prescriptive analytics based activation timetable stack for cloud computing resource scheduling | |
CN104123189A (zh) | 一种基于IaaS层应用感知的Web多层应用动态资源调整方法 | |
Daraghmeh et al. | Time series forecasting using facebook prophet for cloud resource management | |
US20150271023A1 (en) | Cloud estimator tool | |
EP3118784A1 (en) | Method and system for enabling dynamic capacity planning | |
CN109389518A (zh) | 关联分析方法及装置 | |
US11310125B2 (en) | AI-enabled adaptive TCA thresholding for SLA assurance | |
CN105577958B (zh) | 用于调整分流策略和分流用户请求的方法、装置及系统 | |
Tarahomi et al. | A prediction‐based and power‐aware virtual machine allocation algorithm in three‐tier cloud data centers | |
US11212173B2 (en) | Model-driven technique for virtual network function rehoming for service chains | |
Benedetti et al. | Reinforcement learning applicability for resource-based auto-scaling in serverless edge applications | |
Incerto et al. | Symbolic performance adaptation | |
KR20220028110A (ko) | 지능형 로드 밸런서 | |
US9830188B2 (en) | Methods and systems for calculating statistical quantities in a computing environment | |
CN110532156A (zh) | 一种容量预测方法及装置 | |
CN109754014A (zh) | 工业模型训练方法、装置、设备及介质 | |
CN116402318B (zh) | 面向配电网的多级算力资源分配方法、装置及网络架构 | |
Faraji-Mehmandar et al. | A self-learning approach for proactive resource and service provisioning in fog environment | |
CN116016150A (zh) | 物理网络的预警方法、装置、电子设备、存储介质 | |
Cao et al. | Online cost-rejection rate scheduling for resource requests in hybrid clouds |
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 |