CN113038488B - 网络切片的链路规划方法、装置、计算机设备和存储介质 - Google Patents

网络切片的链路规划方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN113038488B
CN113038488B CN202110254694.1A CN202110254694A CN113038488B CN 113038488 B CN113038488 B CN 113038488B CN 202110254694 A CN202110254694 A CN 202110254694A CN 113038488 B CN113038488 B CN 113038488B
Authority
CN
China
Prior art keywords
network slice
disaster tolerance
sequence
network
link
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
Application number
CN202110254694.1A
Other languages
English (en)
Other versions
CN113038488A (zh
Inventor
叶全南
刘津羽
李清亮
莫景画
陈为
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong Haige Icreate Technology Co ltd
Original Assignee
Guangdong Haige Icreate Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangdong Haige Icreate Technology Co ltd filed Critical Guangdong Haige Icreate Technology Co ltd
Priority to CN202110254694.1A priority Critical patent/CN113038488B/zh
Publication of CN113038488A publication Critical patent/CN113038488A/zh
Application granted granted Critical
Publication of CN113038488B publication Critical patent/CN113038488B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/18—Network planning tools
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/06—Testing, supervising or monitoring using simulated traffic

Abstract

本申请涉及一种网络切片的链路规划方法、装置、计算机设备和存储介质。所述方法包括：根据网络切片的被启用顺序生成网络切片序列；根据所述网络切片序列中各网络切片的顺序和预设的粒子群算法，获取各网络切片的最优链路；所述预设的粒子群算法的适应度函数为取各网络切片的容灾性参数值的最大值。采用本方法能够保证每个网络切片在规划时所需考虑的影响因素处于稳定可控的状态，提高了链路规划的可靠性。

Description

网络切片的链路规划方法、装置、计算机设备和存储介质
技术领域
本申请涉及无线通讯技术领域，特别是涉及一种网络切片的链路规划方法、装置、计算机设备和存储介质。
背景技术
网络切片是一种专有网络，在逻辑上彼此隔离。链路计算作为网络切片资源分配管理技术的核心一直是网络切片研究中的重中之重。传统移动通信网是一个确定的、故障依赖关系确定的网络，网管进行运维所面临的故障探测、定位和恢复问题一般都是基于确定性映射约束，但虚拟化环境中的网络是动态且充满不确定性的，网络切片的可靠性会随着网络切片的增多而下降。因此，对虚拟网络故障状态进行实时探测，发现网络异常需要迅速对虚拟网络故障进行准确定位，进而快速高效地将恢复业务服务的正常服务，保证网络切片的鲁棒性、可生存性和可管理性是亟待解决的问题。
传统技术中，对网络切片进行链路规划时，通常采用基于贪婪算法的链路规划方法。基于贪婪算法的链路规划方法虽然能够保证链路规划效率，但却存在着可靠性不足的问题。
发明内容
基于此，有必要针对上述技术问题，提供一种能够同时兼顾链路规划效率和链路可靠性的网络切片的链路规划方法、装置、计算机设备和存储介质。
一种网络切片的链路规划方法，所述方法包括：
根据网络切片的被启用顺序生成网络切片序列；
根据所述网络切片序列中各网络切片的顺序和预设的粒子群算法，获取各切片的最优链路；所述预设的粒子群算法的适应度函数为取各切片的容灾性参数值的最大值。
在其中一个实施例中，还包括：分别为所述网络切片序列中的网络切片各节点之间的通路设定可靠系数；其中，所述可靠系数是用于表征所述网络切片中各节点之间通路的可靠程度的参数；
根据所述网络切片序列中各网络切片的顺序，通过预设的粒子群算法对所述可靠系数和容灾性参数值进行优化，获取各网络切片的最优链路；各网络切片中初始的可靠系数是通过多次仿真各网络切片的可靠系数的均值中出现概率最高的数值。
在其中一个实施例中，还包括：初始化粒子群中每个粒子的速度和位置，确定所述每个粒子的适应度值；所述适应度值为每个网络切片的容灾性参数值；
根据所述适应度值的大小，对所述粒子群中各个粒子的适应度值进行排序，并由排序结果中选择适应度值最大的粒子位置作为当前最优位置；
根据当前最优位置的容灾性参数值和历史最优位置的容灾性参数值，获取容灾性参数值最大的粒子位置作为粒子最优位置；所述历史最优位置是所述粒子在历史迭代过程中生成的最优位置；
在满足预设的结束条件时，将当前的粒子最优位置作为各网络切片的最优链路。
在其中一个实施例中，还包括：判断所述网络切片序列中各网络切片的容灾性参数值是否均趋于稳定，不再发生改变；
若所述网络切片序列中各网络切片的容灾性参数值均趋于稳定，不再发生改变，将当前的粒子最优位置作为各网络切片的最优链路。
在其中一个实施例中，还包括：获取当所述粒子的位置在当前最优位置时所述粒子对应的网络切片的容灾性参数值；
根据所述容灾性参数值和预设的容灾阈值对所述切片重新进行链路规划。
在其中一个实施例中，还包括：判断所述容灾性参数值是否小于预设的容灾阈值；
若所述容灾性参数值小于所述容灾阈值，将所述网络切片在网络切片序列中的位置提至序列顶端，以使得所述网络切片能够被重新规划最优链路。
在其中一个实施例中，还包括：若所述网络切片被重新进行链路规划的次数超过预设的规划次数阈值，且所述网络切片的容灾性参数值仍小于所述容灾阈值，将所述网络切片进行链路规划的信息发送至管理人员处进行预警。
一种网络切片的链路规划装置，所述装置包括：
序列生成模块，用于根据网络切片的被启用顺序生成网络切片序列；
链路规划模块，用于根据所述网络切片序列中各网络切片的顺序和预设的粒子群算法，获取各切片的最优链路；所述预设的粒子群算法的适应度函数为取各切片的容灾性参数值的最大值。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
根据网络切片的被启用顺序生成网络切片序列；
根据所述网络切片序列中各网络切片的顺序和预设的粒子群算法，获取各切片的最优链路；所述预设的粒子群算法的适应度函数为取各切片的容灾性参数值的最大值。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
根据网络切片的被启用顺序生成网络切片序列；
根据所述网络切片序列中各网络切片的顺序和预设的粒子群算法，获取各切片的最优链路；所述预设的粒子群算法的适应度函数为取各切片的容灾性参数值的最大值。
上述网络切片的链路规划方法、装置、计算机设备和存储介质，根据网络切片的被启用顺序生成网络切片序列；根据所述网络切片序列中各网络切片的顺序和预设的粒子群算法，获取各切片的最优链路；所述预设的粒子群算法的适应度函数为取各切片的容灾性参数值的最大值。通过生成网络切片序列，并依据队列的形式规划网络切片链路，保证每个网络切片在规划时所需考虑的影响因素处于稳定可控的状态，提高了链路规划的可靠性。
附图说明
图1为一个实施例中网络切片的链路规划方法的应用环境图；
图2为一个实施例中网络切片的链路规划方法的流程示意图；
图3a、图3b、图3c、图3d、图3e和图3f为另一个实施例中网络切片的链路规划方法的流程示意图；
图4为一个实施例中网络切片的链路规划装置的结构框图；
图5为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的网络切片的链路规划方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信。终端102和服务器104可分别单独用于执行本申请提供的网络切片的链路规划方法。终端102和服务器104也可用于协同执行本申请提供的网络切片的链路规划方法。例如，服务器104用于根据网络切片的被启用顺序生成网络切片序列；根据所述网络切片序列中各网络切片的顺序和预设的粒子群算法，获取各切片的最优链路；所述预设的粒子群算法的适应度函数为取各切片的容灾性参数值的最大值。
其中，终端102可以但不限于是包括网络切片的设备，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中，如图2所示，提供了一种网络切片的链路规划方法，以该方法应用于图1中的终端为例进行说明，包括以下步骤：
步骤202，根据网络切片的被启用顺序生成网络切片序列。
其中，网络切片是一种按需组网的方式，可以让运营商在统一的基础设施上分离出多个虚拟的端到端网络，每个网络切片从无线接入网承载网再到核心网上进行逻辑隔离，以适配各种各样类型的应用。在一个网络切片中，至少可分为无线网子切片、承载网子切片和核心网子切片三部分。网络切片是基于逻辑的概念，是对资源进行的重组，重组是根据服务等级协议(Service Level Agreement，SLA)为特定的通信服务类型选定所需要的虚拟机和物理资源。
网络切片的启用顺序是指用户使用网络切片的顺序；生成的网络切片序列中，包括不少于1个网络切片，网络切片序列中的网络切片状态涉及生成、消亡、切换共三种转态。其中生成状态包括网络切片生成的时刻以及网络切片生成后正常运行的状态；消亡状态是指网络切片租期到达后切片删除的状态；切换状态是指网络切片进行移动性切换或者容灾性参数值低于容灾阈值后所进行的链路调整的状态。
具体地，根据网络切片的被启用顺序生成网络切片序列，启用在先的网络切片在网络切片序列中的位置比启用在后的网络切片在网络切片序列中的位置靠前。网络切片序列是一个动态的不断变化的序列；网络切片序列中的每一个网络切片都可能处于生成、消亡、切换共三种转态，即网络切片序列中随时可能有网络切片生成、消亡或切换。
步骤204，根据所述网络切片序列中各网络切片的顺序和预设的粒子群算法，获取各切片的最优链路；所述预设的粒子群算法的适应度函数为取各切片的容灾性参数值的最大值。
其中，最优链路是通过粒子群算法，根据网络切片序列中的网络切片的顺序，将网络切片中的各节点的相关参数输入至粒子群算法中进行迭代处理生成的。其中，相关参数包括各节点所能提供的CPU容量、带宽和节点之间通路的可靠系数。
具体地，实际环境中由于网络切片资源池中的网络切片数量庞大，为了使网络切片不会在高并发的状态切换中使链路资源的计算误差增大，采用网络切片队列的形式监控链路中的每条切片。将切片资源池中的物理节点表征为ni，节点之间的通路定义为lmn，即从节点m到节点n的通路，l为与通路长度相关的常数。节点间通信的可靠系数为λmn，即节点m与节点n之间的可靠系数。节点m所能提供的CPU容量为Cm，带宽Bm，切片的容灾性参数值为Z。
在限定的资源池范围内，单位时间点最多仅处理一个切片。采用网络切片中的队列的方式处理网络切片后，在后续的可靠系数λ计算以及切片的容灾性Z评估中，每个时间节点链路中的λ值都处于稳定的状态，各个切片的容灾性Z也处于稳定的状态。在队列更新了资源池的状态后，可靠系数λ值会先更新为下一个状态，然后再更新各切片容灾性参数值Z，直至网络切片序列中所有的网络切片的容灾性参数值均趋于稳定。
上述网络切片的链路规划方法中，根据网络切片的被启用顺序生成网络切片序列；根据所述网络切片序列中各网络切片的顺序和预设的粒子群算法，获取各切片的最优链路；所述预设的粒子群算法的适应度函数为取各切片的容灾性参数值的最大值。通过生成网络切片序列，并依据队列的形式规划网络切片链路，保证每个网络切片在规划时所需考虑的影响因素处于稳定可控的状态，提高了链路规划的可靠性。
在一个实施例中，所述根据所述网络切片序列中各网络切片的顺序和预设的粒子群算法，获取各网络切片的最优链路还包括：
分别为所述网络切片序列中的网络切片各节点之间的通路设定可靠系数；其中，所述可靠系数是用于表征所述网络切片中各节点之间通路的可靠程度的参数；
具体地，首先设置一些基本参数，包括设置粒子总数为k，群数为m，随机初始化粒子的速度和位置。以网络切片的链路作为粒子，每个粒子的参数是链路中的各节点的参数，包括各节点所能提供的CPU容量、带宽和节点之间通路的可靠系数均初始化。还为网络切片序列中的网络切片各节点之间的通路设定可靠系数λ；其中的初始可靠性系数为λ0，可靠性系数λ在不受其他切片干扰的情况下为一个根据时间呈e指数函数倒数变化的系数，即随着时间t的增加，链路的可靠性会不断降低但降低的速度会越来越缓慢，之后会随着时间到达某个节点t’后处于稳定。因此对于λ的初始值采用多次统计仿真链路的可靠性均值，经过大量仿真后发现故障率均值的样本分布呈现正态分布，取用其出现概率最高的数值作为整体链路节点的初始可靠性系数。
根据所述网络切片序列中各网络切片的顺序，通过预设的粒子群算法对所述可靠系数和容灾性参数值进行优化，获取各网络切片的最优链路；各网络切片中初始的可靠系数是通过多次仿真各网络切片的可靠系数的均值中出现概率最高的数值。
具体地，根据所述网络切片序列中各网络切片的顺序和所述粒子群算法的迭代公式，所述迭代公式包括容灾性值的计算公式。对所述粒子群中每个粒子的速度和位置进行迭代更新。即根据网络切片序列中的网络切片的顺序，对每个粒子的速度和位置进行迭代更新；粒子群中的惯性权重为粒子的步长。在队列更新了资源池的状态后，λ值会先更新为下一个状态，然后再更新各网络切片容灾性参数值Z，即适应度值。
在一个实施例中，所述根据所述网络切片序列中各网络切片的顺序，通过预设的粒子群算法对所述可靠系数和容灾性参数值进行优化，获取各网络切片的最优链路包括：
初始化粒子群中每个粒子的速度和位置，确定所述每个粒子的适应度值；所述适应度值为每个网络切片的容灾性参数值；
根据所述适应度值的大小，对所述粒子群中各个粒子的适应度值进行排序，并由排序结果中选择适应度值最大的粒子位置作为当前最优位置；
具体地，根据所述网络切片序列中各网络切片的顺序和所述粒子群算法的迭代公式，所述迭代公式包括容灾性值的计算公式。对所述粒子群中每个粒子的速度和位置进行迭代更新。即根据网络切片序列中的网络切片的顺序，对每个粒子的速度和位置进行迭代更新；粒子群中的惯性权重为粒子的步长。在队列更新了资源池的状态后，λ值会先更新为下一个状态，然后再更新各网络切片容灾性参数值Z，即适应度值。
对于网络切片的容灾性参数值Z，其是作为表征网络切片稳定性的参数。其本身与该网络切片的数据流量D以及λ相关。采用Zi标识第i个切片的容灾性参数值，也即是适应度值。其计算公式为：
Figure BDA0002967611280000071
其中，其中V为控制数据流量D的常数。α、β分别为网络切片的流量系数、稳定性平衡系数。λp为该网络切片通路所有的节点间的可靠系数的均值；
Figure BDA0002967611280000072
其中，n是该网络切片所有节点间通路的数量。
根据当前最优位置的容灾性参数值和历史最优位置的容灾性参数值，获取容灾性参数值最大的粒子位置作为粒子最优位置；所述历史最优位置是所述粒子在历史迭代过程中生成的最优位置；
在满足预设的结束条件时，将当前的粒子最优位置作为各网络切片的最优链路。
具体地，在进行迭代更新的过程中，下一时刻的节点间的可靠系数表示为λi(t+1)，λi(t+1)的计算公式为：
Figure BDA0002967611280000081
其中，c、u和Δb均为一个常数，Nz为经过该网络切片链路的切片数量，lij为节点i和节点j之间的长度，节点i所能提供的CPU容量为Ci，带宽Bi；Bu和Cu均为常数；Zp为经过节点i所有切片的均值；
Figure BDA0002967611280000082
t的取值为，其中t'是网络切片中的节点间的可靠性趋于稳定时的时间点。
Figure BDA0002967611280000083
通过迭代更新，选择每个粒子在各迭代更新中适应度值最大的位置也即容灾性参数值最大的位置作为粒子最优位置。当网络切片序列中的所有网络切片均经过迭代更新以后，且预设的结束条件达成时，将最终的粒子最优位置作为各网络切片的最优链路。对于网络切片序列中的每个网络切片，按照网络切片的顺序对每个网络切片进行迭代更新，每次迭代，链路中各节点的参数如各节点所能提供的CPU容量、带宽和节点之间通路的可靠系数先更新，然后每个网络切片的容灾性参数值进行更新。
在网络切片序列中排在前列的网络切片的容灾性参数更新以后，后面的网络切片在前面网络切片的参数更新的基础上继续进行更新，直至最后一个网络切片迭代更新完毕，取各粒子群中局部最优位置中取容灾性参数值最大的粒子位置作为粒子当前最优位置；将当前最优位置的容灾性参数值和历史最优位置的容灾性参数值进行比较，历史最优位置是所述粒子在历史迭代过程中生成的最优位置，获取容灾性参数值最大的粒子位置作为粒子最优位置。
例如，如图3a、图3b和图3c所示，的网络切片序列中包括网络切片1和网络切片2；在网络切片序列中最靠前的是网络切片1；首先是网络切片1根据粒子群算法进行链路规划，并更新链路中的可靠系数；网络切片1迭代更新完毕以后，网络切片2进行迭代更新，同样更新链路中的可靠系数；链路更新的过程，即是取各粒子群中局部最优位置中取容灾性参数值最大的粒子位置作为粒子当前最优位置；将当前最优位置的容灾性参数值和历史最优位置的容灾性参数值进行比较，获取容灾性参数值最大的粒子位置作为粒子最优位置的过程。
本实施例中，通过当前最优位置的容灾性参数值和历史最优位置的容灾性参数值，获取容灾性参数值最大的粒子位置作为粒子最优位置，实现对网络切片全局的链路规划，保证了网络切片全局的可靠性。
在一个实施例中，所述在满足预设的结束条件时，将当前的粒子最优位置作为各网络切片的最优链路包括：
判断所述网络切片序列中各网络切片的容灾性参数值是否均趋于稳定，不再发生改变；
若所述网络切片序列中各网络切片的容灾性参数值均趋于稳定，不再发生改变，将当前的粒子最优位置作为各网络切片的最优链路。
具体地，当网络切片序列中，所有的网络切片均更新迭代完成以后，判断所述网络切片序列中各网络切片的容灾性参数值是否均趋于稳定，不再发生改变。当网络切片序列中各网络切片的容灾性参数值均趋于稳定，此时网络切片的链路规划已将完成，网络性能已经趋于稳定，则将当前的粒子最优位置作为各网络切片的最优链路。
本实施例中，通过对网络切片序列中的所有网络切片进行迭代更新，实现对网络切片全局的链路规划，保证了网络切片全局的可靠性。
在一个实施例中，所述在满足预设的结束条件时，将当前的粒子最优位置作为各切片的最优链路，之前还包括：
获取当所述粒子的位置在当前最优位置时所述粒子对应的网络切片的容灾性参数值；
根据所述容灾性参数值和预设的容灾阈值对所述网络切片重新进行链路规划。
具体地，当粒子的位置在当前最优位置时，粒子对应的网络切片的容灾性参数值可能不满足预设的容灾阈值，当网络切片的容灾性参数值可能不满足预设的容灾阈值可能导致网络切片的不稳定，鲁棒性差的缺陷。这时，需要对网络切片进行重新规划，以提升该网络切片的可靠性。
本实施例中，通过设置预设的容灾阈值对网络切片的容灾性参数值进行评估，并根据评估结果对网络切片重新进行链路规划，提高了网络切片链路规划的可靠性。
在一个实施例中，所述根据所述容灾性参数值和预设的容灾阈值对所述切片重新进行链路规划包括：
判断所述容灾性参数值是否小于预设的容灾阈值；
若所述容灾性参数值小于所述容灾阈值，将所述网络切片在网络切片序列中的位置提至序列顶端，以使得所述网络切片能够被重新规划最优链路。
具体地，对容灾性参数值小于预设的容灾阈值的网络切片重新进行链路规划时，需要判断网络切片的容灾性参数值是否小于预设的容灾阈值，只有当网络切片的容灾性参数值小于预设的容灾阈值时，才对该网络切片进行重新规划。重新规划时，将待重新规划的网络切片在网络切片序列中的位置提至序列顶端，使得待规划的网络切片能够优先被重新规划最优链路。
例如，如图3d、图3e和图3f所示，网络切片序列中加入了网络切片3，网络切片1和网络切片2均已生成链路，将对网络切片3进行链路规划；但此时的网络切片1中的容灾性参数值小于预设的容灾阈值z，需要对网络切片1重新进行链路规划。此时，将网络切片1在网络切片序列中的位置提至序列顶端，对网络切片1重新规划最优链路。网络切片1规划完成以后，对网络切片3进行链路规划，完毕以后网络切片序列中各网络切片的容灾性参数值均趋于稳定，不再发生改变。
本实施例中，通过在网络切片的容灾性参数值小于预设的容灾阈值时，将待重新规划的网络切片在网络切片序列中的位置提至序列顶端，使得待规划的网络切片能够优先被重新规划最优链路。提高了对网络切片重新规划了效率，并保证了规则完成后的网络切片的鲁棒性。
在一个实施例中，所述若所述容灾性参数值小于所述容灾阈值，将所述网络切片在网络切片序列中的位置提至序列顶端，以使得所述网络切片能够被重新规划最优链路，之后还包括：
若所述网络切片被重新进行链路规划的次数超过预设的规划次数阈值，且所述网络切片的容灾性参数值仍小于所述容灾阈值，将所述网络切片进行链路规划的信息发送至管理人员处进行预警。
具体地，对于容灾性参数值小于预设的容灾阈值的网络切片，重新规划的次数并不是无限的，设置一个规划次数阈值，当对该网络切片重新规划的次数达到规划次数阈值后，且该网络切片的容灾性参数值仍小于容灾阈值时，则不再对该网络切片进行重新规划。将对该网络切片进行链路规划的信息发送至设备的管理人员进行预警，以便于管理人员掌握该信息进行重点关注。
本实施例中，通过设置规划次数阈值，对规划次数达到规划次数阈值的网络切片，停止重新规划并发送规划信息给管理人员，保证了对同一个网络切片不会陷入无限重新规划的死循环，节约了规划的资源，保证了规划效率。
应该理解的是，虽然图2的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图4所示，提供了一种网络切片的链路规划装置，包括：序列生成模块401和链路规划模块402，其中：
序列生成模块401，用于根据网络切片的被启用顺序生成网络切片序列；
链路规划模块402，用于根据所述网络切片序列中各网络切片的顺序和预设的粒子群算法，获取各网络切片的最优链路；所述预设的粒子群算法的适应度函数为取各网络切片的容灾性参数值的最大值。
在一个实施例中，链路规划模块402，还用于分别为所述网络切片序列中的网络切片各节点之间的通路设定可靠系数；其中，所述可靠系数是用于表征所述网络切片中各节点之间通路的可靠程度的参数；根据所述网络切片序列中各网络切片的顺序，通过预设的粒子群算法对所述可靠系数和容灾性参数值进行优化，获取各网络切片的最优链路；各网络切片中初始的可靠系数是通过多次仿真各网络切片的可靠系数的均值中出现概率最高的数值。
在一个实施例中，链路规划模块402，还用于初始化粒子群中每个粒子的速度和位置，确定所述每个粒子的适应度值；所述适应度值为每个网络切片的容灾性参数值；根据所述适应度值的大小，对所述粒子群中各个粒子的适应度值进行排序，并由排序结果中选择适应度值最大的粒子位置作为当前最优位置；根据当前最优位置的容灾性参数值和历史最优位置的容灾性参数值，获取容灾性参数值最大的粒子位置作为粒子最优位置；所述历史最优位置是所述粒子在历史迭代过程中生成的最优位置；在满足预设的结束条件时，将当前的粒子最优位置作为各网络切片的最优链路。
在一个实施例中，链路规划模块402，还用于判断所述网络切片序列中各网络切片的容灾性参数值是否均趋于稳定，不再发生改变；若所述网络切片序列中各网络切片的容灾性参数值均趋于稳定，不再发生改变，将当前的粒子最优位置作为各网络切片的最优链路。
在一个实施例中，链路规划模块402，还用于获取当所述粒子的位置在当前最优位置时所述粒子对应的网络切片的容灾性参数值；根据所述容灾性参数值和预设的容灾阈值对所述网络切片重新进行链路规划。
在一个实施例中，链路规划模块402，还用于判断所述容灾性参数值是否小于预设的容灾阈值；若所述容灾性参数值小于所述容灾阈值，将所述网络切片在网络切片序列中的位置提至序列顶端，以使得所述网络切片能够被重新规划最优链路。
在一个实施例中，链路规划模块402，还用于在所述网络切片被重新进行链路规划的次数超过预设的规划次数阈值，且所述网络切片的容灾性参数值仍小于所述容灾阈值时，将所述网络切片进行链路规划的信息发送至管理人员处进行预警。
上述网络切片的链路规划装置，根据网络切片的被启用顺序生成网络切片序列；根据所述网络切片序列中各网络切片的顺序和预设的粒子群算法，获取各切片的最优链路；所述预设的粒子群算法的适应度函数为取各切片的容灾性参数值的最大值。通过生成网络切片序列，并依据队列的形式规划网络切片链路，保证每个网络切片在规划时所需考虑的影响因素处于稳定可控的状态，提高了链路规划的可靠性。
关于网络切片的链路规划装置的具体限定可以参见上文中对于网络切片的链路规划方法的限定，在此不再赘述。上述网络切片的链路规划装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种网络切片的链路规划方法。
本领域技术人员可以理解，图5中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
根据网络切片的被启用顺序生成网络切片序列；
根据所述网络切片序列中各网络切片的顺序和预设的粒子群算法，获取各网络切片的最优链路；所述预设的粒子群算法的适应度函数为取各网络切片的容灾性参数值的最大值。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：分别为所述网络切片序列中的网络切片各节点之间的通路设定可靠系数；其中，所述可靠系数是用于表征所述网络切片中各节点之间通路的可靠程度的参数；根据所述网络切片序列中各网络切片的顺序，通过预设的粒子群算法对所述可靠系数和容灾性参数值进行优化，获取各网络切片的最优链路；各网络切片中初始的可靠系数是通过多次仿真各网络切片的可靠系数的均值中出现概率最高的数值。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：初始化粒子群中每个粒子的速度和位置，确定所述每个粒子的适应度值；所述适应度值为每个网络切片的容灾性参数值；根据所述适应度值的大小，对所述粒子群中各个粒子的适应度值进行排序，并由排序结果中选择适应度值最大的粒子位置作为当前最优位置；根据当前最优位置的容灾性参数值和历史最优位置的容灾性参数值，获取容灾性参数值最大的粒子位置作为粒子最优位置；所述历史最优位置是所述粒子在历史迭代过程中生成的最优位置；在满足预设的结束条件时，将当前的粒子最优位置作为各网络切片的最优链路。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：判断所述网络切片序列中各网络切片的容灾性参数值是否均趋于稳定，不再发生改变；若所述网络切片序列中各网络切片的容灾性参数值均趋于稳定，不再发生改变，将当前的粒子最优位置作为各网络切片的最优链路。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取当所述粒子的位置在当前最优位置时所述粒子对应的网络切片的容灾性参数值；根据所述容灾性参数值和预设的容灾阈值对所述网络切片重新进行链路规划。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：判断所述容灾性参数值是否小于预设的容灾阈值；若所述容灾性参数值小于所述容灾阈值，将所述网络切片在网络切片序列中的位置提至序列顶端，以使得所述网络切片能够被重新规划最优链路。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：若所述网络切片被重新进行链路规划的次数超过预设的规划次数阈值，且所述网络切片的容灾性参数值仍小于所述容灾阈值，将所述网络切片进行链路规划的信息发送至管理人员处进行预警。
上述计算机设备，根据网络切片的被启用顺序生成网络切片序列；根据所述网络切片序列中各网络切片的顺序和预设的粒子群算法，获取各切片的最优链路；所述预设的粒子群算法的适应度函数为取各切片的容灾性参数值的最大值。通过生成网络切片序列，并依据队列的形式规划网络切片链路，保证每个网络切片在规划时所需考虑的影响因素处于稳定可控的状态，提高了链路规划的可靠性。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
根据网络切片的被启用顺序生成网络切片序列；
根据所述网络切片序列中各网络切片的顺序和预设的粒子群算法，获取各网络切片的最优链路；所述预设的粒子群算法的适应度函数为取各网络切片的容灾性参数值的最大值。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：分别为所述网络切片序列中的网络切片各节点之间的通路设定可靠系数；其中，所述可靠系数是用于表征所述网络切片中各节点之间通路的可靠程度的参数；根据所述网络切片序列中各网络切片的顺序，通过预设的粒子群算法对所述可靠系数和容灾性参数值进行优化，获取各网络切片的最优链路；各网络切片中初始的可靠系数是通过多次仿真各网络切片的可靠系数的均值中出现概率最高的数值。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：初始化粒子群中每个粒子的速度和位置，确定所述每个粒子的适应度值；所述适应度值为每个网络切片的容灾性参数值；根据所述适应度值的大小，对所述粒子群中各个粒子的适应度值进行排序，并由排序结果中选择适应度值最大的粒子位置作为当前最优位置；根据当前最优位置的容灾性参数值和历史最优位置的容灾性参数值，获取容灾性参数值最大的粒子位置作为粒子最优位置；所述历史最优位置是所述粒子在历史迭代过程中生成的最优位置；在满足预设的结束条件时，将当前的粒子最优位置作为各网络切片的最优链路。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：判断所述网络切片序列中各网络切片的容灾性参数值是否均趋于稳定，不再发生改变；若所述网络切片序列中各网络切片的容灾性参数值均趋于稳定，不再发生改变，将当前的粒子最优位置作为各网络切片的最优链路。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取当所述粒子的位置在当前最优位置时所述粒子对应的网络切片的容灾性参数值；根据所述容灾性参数值和预设的容灾阈值对所述网络切片重新进行链路规划。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：判断所述容灾性参数值是否小于预设的容灾阈值；若所述容灾性参数值小于所述容灾阈值，将所述网络切片在网络切片序列中的位置提至序列顶端，以使得所述网络切片能够被重新规划最优链路。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：若所述网络切片被重新进行链路规划的次数超过预设的规划次数阈值，且所述网络切片的容灾性参数值仍小于所述容灾阈值，将所述网络切片进行链路规划的信息发送至管理人员处进行预警。
上述存储介质，根据网络切片的被启用顺序生成网络切片序列；根据所述网络切片序列中各网络切片的顺序和预设的粒子群算法，获取各切片的最优链路；所述预设的粒子群算法的适应度函数为取各切片的容灾性参数值的最大值。通过生成网络切片序列，并依据队列的形式规划网络切片链路，保证每个网络切片在规划时所需考虑的影响因素处于稳定可控的状态，提高了链路规划的可靠性。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种网络切片的链路规划方法，其特征在于，所述方法包括：
根据网络切片的被启用顺序生成网络切片序列，并依据队列的形式规划网络切片链路；所述依据队列的形式规划网络切片链路为在限定的资源池范围内，单位时间点处理一个网络切片；
分别为所述网络切片序列中的网络切片各节点之间的通路设定可靠系数；其中，所述可靠系数是用于表征所述网络切片中各节点之间通路的可靠程度的参数；
根据各网络切片通路所有节点间的可靠系数均值与各网络切片的数据流量分别为所述网络切片序列中的网络切片设定容灾性参数值；其中，所述容灾性参数值是用于表征网络切片稳定性的参数；
根据所述网络切片序列中各网络切片的顺序，通过预设的粒子群算法对所述可靠系数和容灾性参数值进行优化，获取各网络切片的最优链路；各网络切片中初始的可靠系数是通过多次仿真各网络切片的可靠系数的均值中出现概率最高的数值；所述预设的粒子群算法的适应度函数为取各网络切片的容灾性参数值的最大值。
2.根据权利要求1所述的方法，其特征在于，所述根据所述网络切片序列中各网络切片的顺序，通过预设的粒子群算法对所述可靠系数和容灾性参数值进行优化，获取各网络切片的最优链路包括：
初始化粒子群中每个粒子的速度和位置，确定所述每个粒子的适应度值；所述适应度值为每个网络切片的容灾性参数值；
根据所述适应度值的大小，对所述粒子群中各个粒子的适应度值进行排序，并由排序结果中选择适应度值最大的粒子位置作为当前最优位置；
根据当前最优位置的容灾性参数值和历史最优位置的容灾性参数值，获取容灾性参数值最大的粒子位置作为粒子最优位置；所述历史最优位置是所述粒子在历史迭代过程中生成的最优位置；
在满足预设的结束条件时，将当前的粒子最优位置作为各网络切片的最优链路。
3.根据权利要求2所述的方法，其特征在于，所述在满足预设的结束条件时，将当前的粒子最优位置作为各网络切片的最优链路包括：
判断所述网络切片序列中各网络切片的容灾性参数值是否均趋于稳定，不再发生改变；
若所述网络切片序列中各网络切片的容灾性参数值均趋于稳定，不再发生改变，将当前的粒子最优位置作为各网络切片的最优链路。
4.根据权利要求2所述的方法，其特征在于，所述在满足预设的结束条件时，将当前的粒子最优位置作为各网络切片的最优链路，之前还包括：
获取当所述粒子的位置在当前最优位置时所述粒子对应的网络切片的容灾性参数值；
根据所述容灾性参数值和预设的容灾阈值对所述网络切片重新进行链路规划。
5.根据权利要求4所述的方法，其特征在于，所述根据所述容灾性参数值和预设的容灾阈值对所述网络切片重新进行链路规划包括：
判断所述容灾性参数值是否小于预设的容灾阈值；
若所述容灾性参数值小于所述容灾阈值，将所述网络切片在网络切片序列中的位置提至序列顶端，以使得所述网络切片能够被重新规划最优链路。
6.根据权利要求5所述的方法，其特征在于，所述若所述容灾性参数值小于所述容灾阈值，将所述网络切片在网络切片序列中的位置提至序列顶端，以使得所述网络切片能够被重新规划最优链路，之后还包括：
若所述网络切片被重新进行链路规划的次数超过预设的规划次数阈值，且所述网络切片的容灾性参数值仍小于所述容灾阈值，将所述网络切片进行链路规划的信息发送至管理人员处进行预警。
7.一种网络切片的链路规划装置，其特征在于，所述装置包括：
序列生成模块，用于根据网络切片的被启用顺序生成网络切片序列，并依据队列的形式规划网络切片链路；所述依据队列的形式规划网络切片链路为在限定的资源池范围内，单位时间点处理一个网络切片；
链路规划模块，用于分别为所述网络切片序列中的网络切片各节点之间的通路设定可靠系数；其中，所述可靠系数是用于表征所述网络切片中各节点之间通路的可靠程度的参数；
根据各网络切片通路所有节点间的可靠系数均值与各网络切片的数据流量分别为所述网络切片序列中的网络切片设定容灾性参数值；其中，所述容灾性参数值是用于表征网络切片稳定性的参数；
根据所述网络切片序列中各网络切片的顺序，通过预设的粒子群算法对所述可靠系数和容灾性参数值进行优化，获取各网络切片的最优链路；各网络切片中初始的可靠系数是通过多次仿真各网络切片的可靠系数的均值中出现概率最高的数值；所述预设的粒子群算法的适应度函数为取各网络切片的容灾性参数值的最大值。
8.根据权利要求7所述的装置，其特征在于，所述链路规划模块，还用于判断所述容灾性参数值是否小于预设的容灾阈值；若所述容灾性参数值小于所述容灾阈值，将所述网络切片在网络切片序列中的位置提至序列顶端，以使得所述网络切片能够被重新规划最优链路。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
CN202110254694.1A 2021-03-09 2021-03-09 网络切片的链路规划方法、装置、计算机设备和存储介质 Active CN113038488B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110254694.1A CN113038488B (zh) 2021-03-09 2021-03-09 网络切片的链路规划方法、装置、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110254694.1A CN113038488B (zh) 2021-03-09 2021-03-09 网络切片的链路规划方法、装置、计算机设备和存储介质

Publications (2)

Publication Number Publication Date
CN113038488A CN113038488A (zh) 2021-06-25
CN113038488B true CN113038488B (zh) 2022-10-11

Family

ID=76467168

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110254694.1A Active CN113038488B (zh) 2021-03-09 2021-03-09 网络切片的链路规划方法、装置、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN113038488B (zh)

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106657194B (zh) * 2015-11-02 2020-05-08 中兴通讯股份有限公司 一种网络切片能力开放的方法、装置及系统
CN105871724B (zh) * 2016-03-21 2018-12-25 广州供电局有限公司 电力通信网线路优化方法及系统
CN108174394A (zh) * 2018-01-12 2018-06-15 西安邮电大学 一种5g网络切片的编排算法
EP3777340A1 (en) * 2018-03-27 2021-02-17 NEC Laboratories Europe GmbH Isolated network slice selection
CN109995580B (zh) * 2019-03-13 2022-08-16 北京工业大学 5g网络切片中基于ga_pso混合算法的vn映射方法
CN110881199A (zh) * 2019-12-06 2020-03-13 国网河南省电力公司许昌供电公司 一种网络切片资源的动态分配方法、装置及系统

Also Published As

Publication number Publication date
CN113038488A (zh) 2021-06-25

Similar Documents

Publication Publication Date Title
US11657256B2 (en) Datacenter level utilization prediction without operating system involvement
US10902062B1 (en) Artificial intelligence system providing dimension-level anomaly score attributions for streaming data
US20200169485A1 (en) Traffic measurement method, device, and system
WO2018076791A1 (zh) 一种资源负载均衡控制方法及集群调度器
CN109189736B (zh) 一种告警关联规则的生成方法和装置
US20130212578A1 (en) Optimizing traffic load in a communications network
EP3247089A1 (en) Method, apparatus and system for adjusting deployment position of virtual machine
US9400731B1 (en) Forecasting server behavior
US20210152454A1 (en) Network Flow Measurement Method, Network Measurement Device, and Control Plane Device
WO2021238305A1 (zh) 一种基于强化学习的通用分布式图处理方法及系统
CN110414569A (zh) 聚类实现方法及装置
CN113328869A (zh) 一种告警聚合的方法和装置
CN113038488B (zh) 网络切片的链路规划方法、装置、计算机设备和存储介质
EP2797260A2 (en) Risk mitigation in data center networks
JP6389811B2 (ja) 物理リソース割当装置、物理リソース割当方法、及びプログラム
KR102277554B1 (ko) 소프트웨어 정의 네트워크에서의 스위치 마이그레이션을 제공하는 컨트롤러 및 방법
CN111917589B (zh) 一种电力通信网络资源备份方法及相关装置
US11836365B2 (en) Automatically adjusting storage system configurations in a storage-as-a-service environment using machine learning techniques
CN112953781B (zh) 网络切片下基于粒子群的虚拟业务故障恢复方法及装置
WO2020139072A1 (en) A method of migrating virtual machines
CN111240577B (zh) 基于mpp数据库的数据多分片存储方法及装置
CN112333102A (zh) 基于知识图谱的软件定义网络路由选择方法和系统
CN112783673A (zh) 一种调用链的确定方法、装置、计算机设备及存储介质
CN112866009A (zh) 一种综合服务站虚拟网络故障诊断方法及装置
KR102537023B1 (ko) 인공지능 기반의 트래픽 분석을 사용한 네트워크 트래픽 제어 방법 및 이러한 방법을 수행하는 장치

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