CN112887142B - 一种虚拟化无线接入边缘云中web应用切片生成方法 - Google Patents

Abstract

本发明提供一种虚拟化无线接入边缘云中web应用切片生成方法，包括以下步骤，S1构建虚拟化无线接入网络切片的逻辑映射，把网络应用的定性需求翻译成虚拟服务的网络功能、各个功能的性能、各个功能的关联关系、各个功能的各个性能的资源定量需求；S2把虚拟化网络功能编排、虚拟化网络资源编排转化为优化问题，实现虚拟化无线接入网络切片的编排；S3构建虚拟化无线接入网络切片的物理映射，实现网络资源的动态分配。本发明实现异构多基站联合映射的虚拟化网络资源迁徙，打破小区边界限制，提高虚拟小区与终端之间始终有较好的链路质量。

Description

一种虚拟化无线接入边缘云中web应用切片生成方法

技术领域

本发明属于移动通信领域，尤其涉及一种虚拟化无线接入边缘云中web应用切片生成方法。

背景技术

随着信息化发展的进程，新应用海量涌现；网络业务的扩展性修正性也越来越快，网络业务的生命周期越来越短；随着社会分工的明确化，人类活动的区域成现不同特征性(如学校、工厂、商业区、野外空旷区域……)，从而导致各区域对网络通信要求是不一样。因此，基于人类生活区域特征而建立的接入边缘云具有异质性。同时，未来网络的发展趋势有以下特点：

新业务快速度涌现反推网络管理平台变革成必然：随着网络技术的发展，通信网络不再是只满足人与人通信，而是延伸到人与物、物与物通信。然而，不同通信方式对网络需求的性能指标差异很大，各种业务都需要一种垂直的专有网络提供服务，比如自动驾驶的车联网需要提供实时、高可靠服务，而监测物联网则需要低带宽、超海量的连接。千变万化应用涌现，万物互联需求程度的增强，接入方式和网络功能定位发生了巨大的改变，烟囱式的移动接入网络架构在一定程度上无法满足业务的发展需求。烟囱式的无线接入技术难以通过统一的空口和网络控制协议实现高效的业务支撑，新的业务类型也难以快速部署。多样化的网络节点和组网形态不仅造成用户体验的不一致性，也给网络运行维护工作带来沉重的负担。未来无线网络需要在统一的公用平台上支持eMBB、mMTC、URLLC、及他们之间的各种组合需求等多样化应用场景。然而，各种应用或业务对网络指标的需求存在极大的差异。为了满足各业务不同指标的需求，未来的虚拟化无线网络管理平台需要具备灵活的自主理能力及快捷的伸缩能力。同时，未来的无线网络不单服务于个人，还会服务于一些商业模式差异化显著垂直行业(如公共安全，智能工厂，智能医疗，V2X等)。商业模式的差异化，要求未来的无线网络软硬件解耦、网络功能虚拟化和软件化、支持网络功能可编排和可定制、以统一的架构为不同行业用户提供不同的网络服务。

网络管理平台资源配置因地制宜变革新动向：社会分工的明确化，人类活动区域逐渐形成不同的特征，如学校区、商业区、生活区、工业区等等。不同特征的人类活动区域对网络通信要求是不一样的。因人类活动特征而进行的网络接入云的资源配置需要找准刚需，撬动供需雪球作为发力点，才能使得效益最大化。各个地方再以相同的统一的架构来管理接入网络的资源导致巨大的浪费，针对人类活动特征区域而建立的异构网络接入边缘云管理平台具有很大的差异性。然而，人类活动带有很大的流动性、潮汐性、群聚性，因地制宜、因势利导，基于“松散联邦”制的虚拟化网络接入边缘云成为新的动向。

网络服务智能自主管理成新趋势：千变万化的应用飞速涌现，具有地域特色的网络基础设施的建立，必然会导致业务、管理、设施的解耦，在标准的接口下各自独立的发展。网络管理系统能够智能自主管理成新趋势。它能够提供快速业务创新、快速响应客户需求、快速实现业务上线，将过去以年为单位才能开通的新业务，缩短到以月或天为周期，甚至以小时为单位开通新业务的更高要求；它能够提供基础施设的智能管理、配置、优化、修复和重配置等，降低高额的运维成本，减少时间上的延迟，实现绿色通信节能环保。

针对人类活动区域特征及网络业务的不同需求，研究虚拟化边缘接入网络自主管理，为应用提供“恰当好处”的服务，为基础设施提供高效利用，具有重大理论意义及工程价值。

现有技术不能实现异构多基站联合映射的虚拟化网络资源迁徙，存在小区边界限制，虚拟小区与终端之间始终有较好的链路质量较低

发明内容

本发明的目的是解决无线接入网络切片的“应用的性能需求与切片的功能组合式提供服务的表达不一致性问题”、“虚拟化网络功能与资源自动编排问题”、“动态环境下物理资源分配问题”三大问题之一，提供在虚拟化无线接入边缘云中web应用的切片自动生成方法。

本发明提供一种虚拟化无线接入边缘云中web应用切片生成方法，包括以下步骤，

S1构建虚拟化无线接入网络切片的逻辑映射，把网络应用的定性需求翻译成虚拟服务的网络功能、各个功能的性能、各个功能的关联关系、各个功能的各个性能的资源定量需求，包括以下子步骤：

S101采用形式化语言对应用的特征进行离散化，对各个异构的网络进行深度学习，通过语义分析把应用需要的网络环境编译成场景规则，通过语法分析完成场景规则中各网络功能的逻辑关系，通过词法分析把应用的各个特征翻译成逻辑网络功能，通过场景规则、关联规则、逻辑网络功能共同优化生成逻辑网络切片及应用特征与自动翻译系统规则对应的先验概率模型；

S102根据先验概率模型，基于生成对抗网络法则，当应用到来时，先采用词法分析方法，生成应用所需要的虚拟化网络功能、每个网络功能的相关性能、每个网络功能的每个性能指标所需小号的网络资源，接着采用语法分析方法，编排各个网络功能的先后链接关系及添加各个网络功能之间的过渡联接功能，最后采用语义分析方法生成应用的场景；

S103采用深度强化学习技术，建立新应用与逻辑切片的翻译模型，同时，对逻辑网络切片集进行聚类分析，分别求解切片粒度问题及资源粒度问题，生成应用对应的虚拟请求，虚拟请求包括应用所需要的网络场景，各个虚拟化网络功能，每个网络功能达到的性能，每个网络功能的每个网络性能所需要消耗的网络资源数量，每个网络功能的关联关系；

S2把虚拟化网络功能编排、虚拟化网络资源编排转化为优化问题，实现虚拟化无线接入网络切片的编排，包括以下子步骤：

S201对虚拟请求与虚拟服务集中的二叉树匹配模型进行匹配；

S202采用模糊理论、智能优化理论，把虚拟化网络功能编排转化为优化问题；

S3在动态环境下，基于虚拟化无线接入网络切片的物理映射中的访问控制、拓扑结构、服务质量因素，分析物理网络拓扑结构的特性及预测应用的态势，构建虚拟化无线接入网络切片的物理映射，实现网络资源的动态分配，包括以下子步骤：

S301基于虚拟网络映射成本收益比以及系统能耗,对无线通信接入网络多目标决策的虚拟网络映射模型进行改进，实现在降低系统能耗的情况下，优化映射收益成本；

S302在不改变网络的结构上，根据网络的不同负载量，构建以网络吞吐量、用户的QoE、基础设施的能量消耗为目标函数的多目标优化模型，采用虚拟化映射技术通过资源的动态调配，实现多目标优化模型的改进；

S303对虚拟区域进行低层的感知虚拟请求量，根据感知量进行初步预测处理，分辨各种特征，建立虚拟化网络资源在时间维度的请求量进行预测模型；

S304采用机器学习的方法，结合超密集环境下以节能为目标的无线虚拟化网络资源映射方法及异构网络虚拟资源多目标映射方法设计动态环境下虚拟化网络资源映射的优化方案，实现动态环境下虚拟化网络资源预测及分配策略；

S305采用步态认证的原理，根据用户的速度进行分析，当速度小于某个值时，判定此用户为静止的，根据用户请求的业务及所处的位置分配相应的基站的资源，当速度大于某个值时，判定此用户在快速移动，根据用户请求的业务，虚拟资源随用户移动而迁徙，当速度取于以上二值之间时或来回移动时，分析多基站的协作，把相同的资源同时分配给多个协作的基站。

本发明的有益效果是，实现异构多基站联合映射的虚拟化网络资源迁徙，打破小区边界限制，提高虚拟小区与终端之间始终有较好的链路质量。

附图说明

图1为本发明流程图。

具体实施方式

在运营商运维中，网络的变化和资源的调整往往来源于业务层面，同时业务的控制和分析也离不开对物理网络资源层面的了解，两者有着复杂的联系。虚拟化无线接入网络自主切片需要实现两个目标：为应用的功能实现“量身定制”，为基础设施的经济效益最大化。有鉴于此，在未来的业务管理系统及底层的基础设施都是开放的情况下，新应用快速涌现、生命周期短，各业务需求指标差异大；虚拟化边缘接入云平台建立在不同特征的人类活动区域上；旨在解决各个独立发展的无线接入边缘云，根据应用的需求指标，自主将网络划分为若干个不同的切片，服务于不同的业务类别或终端用户群的问题。

如图1所示，本发明提供一种虚拟化无线接入边缘云中web应用切片生成方法，包括以下步骤，

S1引入人工智能中的语义分析及深度强化学习技术，构建虚拟化无线接入网络切片的逻辑映射方法，把网络应用的定性需求(安全性、带宽、上行、下行、时延、速率、带宽时延积、吞吐量)翻译成虚拟服务的网络功能、各个功能的性能、各个功能的关联关系、各个功能的各个性能的资源(通信资源、计算资源、存储资源)定量需求。

S2引入模糊理论、智能优化理论，把虚拟化网络功能编排、虚拟化网络资源编排转化为优化问题，实现虚拟化无线接入网络切片的编排。

S3在动态环境下，基于虚拟化无线接入网络切片的物理映射中的访问控制、拓扑结构、服务质量因素，引入复杂网络理论去分析物理网络拓扑结构的特性及预测应用的态势，构建虚拟化无线接入网络切片的物理映射方法，实现网络资源的动态分配。

步骤S1包括以下子步骤：

S101采用形式化语言对应用的特征(应用的适应场景、安全性、带宽、上行、下行、时延、速率、带宽时延积、吞吐量)进行离散化。基于深度学习方法，对现存的各个异构的网络(各种IoT、视频、电话语音、流媒体、车联网、卫星接入、通用数据通信、FTP文件上传)进行深度学习。通过语义分析把应用需要的网络环境编译成场景规则(高带宽、低延迟、俱链接、三者之间的组合场景)；通过语法分析完成场景规则中各网络功能的逻辑关系；通过词法分析把应用的各个特征翻译成逻辑网络功能；通过场景规则、关联规则、逻辑网络功能共同优化生成逻辑网络切片及应用特征与自动翻译系统规则对应的先验概率模型。

S102根据先验概率模型，基于生成对抗网络法则，当应用到来时，先采用词法分析方法，生成应用所需要的虚拟化网络功能、每个网络功能的相关性能、每个网络功能的每个性能指标所需小号的网络资源。接着采用语法分析方法，编排各个网络功能的先后链接关系及添加各个网络功能之间的过渡联接功能。最后采用语义分析方法生成应用的场景。

S103基于深度强化学习，建立新应用与逻辑切片的最优翻译模型；同时，对逻辑网络切片集进行聚类分析，分别求解切片粒度问题及资源粒度问题，生成应用对应的虚拟请求。虚拟请求包括应用所需要的网络场景，各个虚拟化网络功能，每个网络功能达到的性能，每个网络功能的每个网络性能所需要消耗的网络资源数量，每个网络功能的关联关系。

所述步骤S2包括以下子步骤：

S201对虚拟请求与虚拟服务集中的二叉树匹配模型进行匹配，匹配方法如S2011-S2013所示。

S2011先从虚拟请求中查找虚拟服务集中的二叉树匹配模型的根结点相同的虚拟化网络功能，如果存在则进行S2012，否则进入编排队列进行价值对比。

S2012接着从虚拟请求中查找是否存在虚拟服务集中的二叉树匹配模型的根结点的相应子节点，直到找到对应的叶子节点为止。如果存在相关的虚拟服务，直接匹配队列中进行物理映射，否则进入编排队列进行价值对比。

S2013价值对比函数如(1)式所示，

其中,i表示虚拟请求的第i个虚拟化网络功能，N表示虚拟化网络功能的总数，j表示虚拟请求的虚拟化网络功能的第j个性能，M表示虚拟化网络功能的总的性能个数，k表示第k类资源，在本专利中考虑通信资源、存储资源、计算资源三类，x表示虚拟请求的第i个功能第j个性能第k类资源的价值。≥？表示价值对比符号，x’表示从现有的虚拟服务中选择某个服务的第i个功能第j个性能第k类资源的实际价值。

S202引入模糊理论、智能优化理论，把虚拟化网络功能编排转化为优化问题，具体的优化过程如S2021-S2022所示。

S2021当(1)式大于等于“0”时，说明现有的虚拟服务能够满足虚拟请求的需求，只需要从现有的虚拟服务调用经济成本最低的虚拟服务即可。由于每一个虚拟服务带有多个虚拟化网络功能，每个功能带有多个性能，每个功能的每个性能可能由多个或者一个或者几分之一个物理设备提供。因此，这种选择问题属于模糊理论中的上下界问题，采用粗糙集求解与精确算法结合优化方法，减少虚拟服务编排时间，提高应用“量身定制”的比例。其中现有的虚拟服务中被选择某个服务的某个功能的某个性能的实际价值如(2)式所示。

Cost_i,j,k表示物理设备提供第i个功能第j个性能第k类资源的成本，Num表示由多少个物理设备组合完成此虚拟功能，Com_i,j,k表示当物理设备大于1个时的组合成本，LCom_i,j,k表示当物理设备少于1个时的组合成本。other表示其他情况，如1.3，4.2等等，即当设备大于1个时只能为整数。

S2022当(1)式少于“0”时，说明现有的虚拟服务不能够满足虚拟请求的需求，只能重新编排一个新的虚拟服务。把虚拟服务编排问题转化为图论中的最大子图选择问题，是一个NP难问题，采用智能算法(机器学习)与启发式算法结合优化方法进行编排。

所述步骤S3包括以下子步骤：

S301根据虚拟资源映射特点，考虑虚拟网络映射成本收益比以及系统能耗,对无线通信接入网络多目标决策的虚拟网络映射模型进行研究，实现在降低系统能耗的情况下，使得映射收益成本比近似最大化。

S302在不改变网络的结构上，根据网络的不同负载量，构建以网络吞吐量、用户的QoE、基础设施的能量消耗为目标函数的多目标优化模型，借助虚拟化映射技术通过资源的动态调配，实现多目标的共赢。

S303对虚拟区域进行低层的感知虚拟请求量，根据感知量进行初步预测处理，分辨各种特征，建立虚拟化网络资源在时间维度的请求量进行预测模型。

S304基于机器学习的方法，结合超密集环境下以节能为目标的无线虚拟化网络资源映射方法及异构网络虚拟资源多目标映射方法设计动态环境下虚拟化网络资源映射的优化方案，实现动态环境下虚拟化网络资源预测及分配策略。

S305基于步态认证的原理，根据用户的速度来进行研究。当速度小于某个值时，可以认为此用户为基本静止的，所以根据用户请求的业务及所处的位置分配相应的基站的资源。当速度大于某个值时，可以认为此用户在快速移动，根据用户请求的业务，虚拟资源随用户移动而迁徙。当速度取于以上二值之间时或来回移动时，研究多基站的协作，把相同的资源同时分配给多个协作的基站，实现异构多基站联合映射的虚拟化网络资源迁徙，打破小区边界限制，提高虚拟小区与终端之间始终有较好的链路质量

本发明的有益效果是，实现异构多基站联合映射的虚拟化网络资源迁徙，打破小区边界限制，提高虚拟小区与终端之间始终有较好的链路质量。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (1)

1.一种虚拟化无线接入边缘云中web应用切片生成方法，其特征在于，包括以下步骤，

S1构建虚拟化无线接入网络切片的逻辑映射，把网络应用的定性需求翻译成虚拟服务的网络功能、各个功能的性能、各个功能的关联关系、各个功能的各个性能的资源定量需求，包括以下子步骤：

S101采用形式化语言对应用的特征进行离散化，对各个异构的网络进行深度学习，通过语义分析把应用需要的网络环境编译成场景规则，通过语法分析完成场景规则中各网络功能的逻辑关系，通过词法分析把应用的各个特征翻译成逻辑网络功能，通过场景规则、关联规则、逻辑网络功能共同优化生成逻辑网络切片及应用特征与自动翻译系统规则对应的先验概率模型；

S102根据先验概率模型，基于生成对抗网络法则，当应用到来时，先采用词法分析方法，生成应用所需要的虚拟化网络功能、每个网络功能的相关性能、每个网络功能的每个性能指标所需小号的网络资源，接着采用语法分析方法，编排各个网络功能的先后链接关系及添加各个网络功能之间的过渡联接功能，最后采用语义分析方法生成应用的场景；

S103采用深度强化学习技术，建立新应用与逻辑切片的翻译模型，同时，对逻辑网络切片集进行聚类分析，分别求解切片粒度问题及资源粒度问题，生成应用对应的虚拟请求，虚拟请求包括应用所需要的网络场景，各个虚拟化网络功能，每个网络功能达到的性能，每个网络功能的每个网络性能所需要消耗的网络资源数量，每个网络功能的关联关系；

S2把虚拟化网络功能编排、虚拟化网络资源编排转化为优化问题，实现虚拟化无线接入网络切片的编排，包括以下子步骤：

S201对虚拟请求与虚拟服务集中的二叉树匹配模型进行匹配；

S202采用模糊理论、智能优化理论，把虚拟化网络功能编排转化为优化问题；

S3在动态环境下，基于虚拟化无线接入网络切片的物理映射中的访问控制、拓扑结构、服务质量因素，分析物理网络拓扑结构的特性及预测应用的态势，构建虚拟化无线接入网络切片的物理映射，实现网络资源的动态分配，包括以下子步骤：

S301基于虚拟网络映射成本收益比以及系统能耗,对无线通信接入网络多目标决策的虚拟网络映射模型进行改进，实现在降低系统能耗的情况下，优化映射收益成本；

S302在不改变网络的结构上，根据网络的不同负载量，构建以网络吞吐量、用户的QoE、基础设施的能量消耗为目标函数的多目标优化模型，采用虚拟化映射技术通过资源的动态调配，实现多目标优化模型的改进；

S303对虚拟区域进行低层的感知虚拟请求量，根据感知量进行初步预测处理，分辨各种特征，建立虚拟化网络资源在时间维度的请求量进行预测模型；

S304采用机器学习的方法，结合超密集环境下以节能为目标的无线虚拟化网络资源映射方法及异构网络虚拟资源多目标映射方法设计动态环境下虚拟化网络资源映射的优化方案，实现动态环境下虚拟化网络资源预测及分配策略；

S305采用步态认证的原理，根据用户的速度进行分析，当速度小于某个值时，判定此用户为静止的，根据用户请求的业务及所处的位置分配相应的基站的资源，当速度大于某个值时，判定此用户在快速移动，根据用户请求的业务，虚拟资源随用户移动而迁徙，当速度取于以上二值之间时或来回移动时，分析多基站的协作，把相同的资源同时分配给多个协作的基站。

Images