CN113347641B - 网络部署方法、装置和计算机可读存储介质 - Google Patents
网络部署方法、装置和计算机可读存储介质 Download PDFInfo
- Publication number
- CN113347641B CN113347641B CN202010133784.0A CN202010133784A CN113347641B CN 113347641 B CN113347641 B CN 113347641B CN 202010133784 A CN202010133784 A CN 202010133784A CN 113347641 B CN113347641 B CN 113347641B
- Authority
- CN
- China
- Prior art keywords
- network
- network slice
- slice
- deployment
- demand information
- 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
- 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
-
- 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
-
- 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
- H04L41/50—Network service management, e.g. ensuring proper service fulfilment according to agreements
- H04L41/5003—Managing SLA; Interaction between SLA and QoS
-
- 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
- H04W16/22—Traffic simulation tools or models
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/16—Central resource management; Negotiation of resources or communication parameters, e.g. negotiating bandwidth or QoS [Quality of Service]
- H04W28/24—Negotiating SLA [Service Level Agreement]; Negotiating QoS [Quality of Service]
Abstract
本发明公开了一种网络部署方法、装置和计算机可读存储介质,涉及移动通信领域。网络部署方法包括:将获取的多个用户的网络切片需求信息进行聚类;根据聚类结果中每个类别中的网络切片需求信息,为每个类别建立部署模板;根据每个部署模板,为相应的用户部署相应的网络切片资源。本发明通过对用户的需求对应的网络切片需求信息聚类,进而为同一类用户按照相同的部署模板部署网络切片,可以节约网络资源、提高部署效率。
Description
技术领域
本发明涉及移动通信领域,特别涉及一种网络部署方法、装置和计算机可读存储介质。
背景技术
网络切片是一种按需组网的方式,可以令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。不同的网络切片进行逻辑隔离,以适配各种各样类型的应用。在5G移动网络中,运营商可根据用户对网络的需求,为每个用户部署相应的网络切片。
发明内容
发明人经过分析后发现,不同用户之间的需求差异很大。如果严格按照每个用户的需求进行部署,会耗费较多的网络资源。
本发明实施例所要解决的一个技术问题是:如何实现网络切片部署过程中对网络资源的消耗。
根据本发明一些实施例的第一个方面,提供一种网络部署方法,包括:将获取的多个用户的网络切片需求信息进行聚类;根据聚类结果中每个类别中的网络切片需求信息,为每个类别建立部署模板;根据每个部署模板,为相应的用户部署相应的网络切片资源。
在一些实施例中,网络部署方法还包括:确定与聚类结果中的各个类别的关联性低于预设程度的网络切片需求信息,作为差异化网络切片需求信息;根据差异化网络切片需求信息,为相应的用户部署相应的网络切片资源。
在一些实施例中,网络部署方法还包括:对已部署的网络切片的网络资源进行调整。
在一些实施例中,对已部署的网络切片的网络资源进行调整包括:获取使用同一网络切片的用户的更新的网络切片需求信息;根据更新的网络切片需求信息,对相应的网络切片的网络资源进行调整。
在一些实施例中,对已部署的网络切片的网络资源进行调整包括:将已部署的网络切片的实时信息输入到预先训练的机器学习模型中,获得机器学习模型预测的、更新的网络切片需求信息;根据更新的网络切片需求信息,对相应的网络切片的网络资源进行调整。
在一些实施例中,网络切片的实时信息包括网络切片下用户的体验质量QoE。
在一些实施例中,已部署的网络切片的实时信息是从网络数据分析功能NWDAF模块获取的。
在一些实施例中,对已部署的网络切片的网络资源进行调整包括:NWDAF监视并分析用户的体验质量QoE,并向NSSF、OAM提供QoE的数据分析;NSSF根据NWDAF提供的QoE数据分析,确定切片的SLA的履行程度;NSSF确定网络切片的用户允许数量,并通过接入和移动性管理功能AMF或OAM将切片的SLA履行程度通知给RAN,以便RAN处理切片SLA的实现、并在由OAM配置的RAN资源内调度每个切片的资源;OAM利用QoE的数据分析和预先训练的机器学习模型确定机器学习模型预测的、更新的网络切片需求信息,其中,机器学习模型是使用OAM的关键绩效指标和NWDAF的QoE训练的;OAM根据更新的网络切片需求信息,对相应的网络切片的网络资源进行调整,直到网络切片的各项指标稳定;当网络切片稳定时,OAM通知NSSF更新该网络切片的允许用户数。
在一些实施例中,根据每个部署模板,为相应的用户部署相应的网络切片资源包括:切片管理功能NSMF根据部署模板中的网络切片需求信息,确定切片子网实例的网络切片需求信息,并将切片子网实例的网络切片需求信息发送给子切片管理功能NSSMF;NSSMF根据切片子网实例的网络切片需求信息,确定网络服务资源模型和业务配置,并将网络服务资源模型和业务配置发送给网络功能虚拟化编排器NFVO;NFVO根据网络服务资源模型和业务配置实现切片子网实例的部署,以为部署模板对应的用户部署相应的网络切片。
根据本发明一些实施例的第二个方面,一种网络部署装置,包括:聚类模块,被配置为将获取的多个用户的网络切片需求信息进行聚类;部署模板建立模块,被配置为根据聚类结果中每个类别中的网络切片需求信息,为每个类别建立部署模板;部署模块,被配置为根据每个部署模板,为相应的用户部署相应的网络切片资源。
根据本发明一些实施例的第三个方面,提供一种网络部署装置,包括:存储器;以及耦接至存储器的处理器,处理器被配置为基于存储在存储器中的指令,执行前述任意一种网络部署方法。
根据本发明一些实施例的第四个方面,提供一种计算机可读存储介质,其上存储有计算机程序,其中,该程序被处理器执行时实现前述任意一种网络部署方法。
上述发明中的一些实施例具有如下优点或有益效果:本发明通过对用户的需求对应的网络切片需求信息聚类,进而为同一类用户按照相同的部署模板部署网络切片,可以节约网络资源、提高部署效率。
通过以下参照附图对本发明的示例性实施例的详细描述,本发明的其它特征及其优点将会变得清楚。
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简单地介绍,显而易见地,下面描述中的附图仅仅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性的前提下,还可以根据这些附图获得其他的附图。
图1示出了根据本发明一些实施例的网络部署方法的流程示意图。
图2示出了根据本发明另一些实施例的网络部署方法的流程示意图。
图3示出了根据本发明一些实施例的切片调整方法的流程示意图。
图4示出了根据本发明一些实施例的网络切片部署和调整方法的流程示意图。
图5示出了根据本发明一些实施例的网络部署装置的结构示意图。
图6示出了根据本发明另一些实施例的网络部署装置的结构示意图。
图7示出了根据本发明又一些实施例的网络部署装置的结构示意图。
具体实施方式
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、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本发明及其应用或使用的任何限制。基于本发明中的实施例,本领域普通技术人员在没有作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。
除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
同时,应当明白,为了便于描述,附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为授权说明书的一部分。
在这里示出和讨论的所有示例中,任何具体值应被解释为仅仅是示例性的,而不是作为限制。因此,示例性实施例的其它示例可以具有不同的值。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
图1示出了根据本发明一些实施例的网络部署方法的流程示意图。如图1所示,该实施例的网络部署方法包括步骤S102~S106。
在步骤S102中,将获取的多个用户的网络切片需求信息进行聚类。网络切片需求信息例如可以使用SLA(Service-Level Agreement,服务等级协议)参数来表示。
在一些实施例中,用户在CSMF(Communication Service Management Function,通信服务管理功能)的入口站点(Portal)界面订购通信服务。CSMF将用户提交的服务需求转换成SLA等网络切片需求信息。用户的服务需求例如可以包括带宽、速率、时延等参数,每种参数对应网络切片需求信息中的一种字段。
每条网络切片需求信息中具有带宽、速率、时延等多个参数。在一些实施例中,将网络切片需求信息转换为一个向量,向量的维度与网络切片需求信息中的参数对应,然后对这些向量进行聚类。聚类算法可以参考现有的算法,例如K-means(K均值)算法。对于K-means等需要指定聚类个数的算法,可以预先设置类别数量。通过对需求对应的网络切片需求信息聚类,实现了将具有相近需求的用户划分为一类,以便进行统一的部署。
在步骤S104中,根据聚类结果中每个类别中的网络切片需求信息,为每个类别建立部署模板。
例如,建立的部署模板中各个维度的值可以是同一类中的多条网络切片需求信息的各个维度的值的平均值、中位数等统计数据。从而,部署模板中的维度的值可以近似于同一类别的各条网络切片需求信息的值。
在步骤S106中,根据每个部署模板,为相应的用户部署相应的网络切片资源。
例如,获取的用户需求有100个。如果按照现有技术的方式,可能需要部署100个网络切片。而通过本发明的方式,可以为聚类结果对应的同一类对应的多个用户部署同一个网络切片。例如,聚类的类别数量为4时,可以部署4个网络切片,每个网络切片由同一类的用户共享。
在一些实施例中,NSMF(Network Slice Management Function,切片管理功能)根据部署模板中的网络切片需求信息,确定切片子网实例的网络切片需求信息,并将切片子网实例的网络切片需求信息发送给NSSMF(Network Slice Subnet Management Function,子切片管理功能);NSSMF根据切片子网实例的网络切片需求信息,确定网络服务资源模型和业务配置,并将网络服务资源模型和业务配置发送给NFVO(Network FunctionsVirtualisation Orchestrator,网络功能虚拟化编排器);NFVO根据网络服务资源模型和业务配置实现切片子网实例的部署,以为部署模板对应的用户部署相应的网络切片。NFVO可以与VNFM(Virtualised Network Function Manager,虚拟化的网络功能管理器)、NFVI(Network Function Virtualization Infrastructure,网络功能虚拟化基础架构)协作完成最终的部署工作。
上述实施例通过对用户的需求对应的网络切片需求信息聚类,进而为同一类用户按照相同的部署模板部署网络切片,可以节约网络资源、提高部署效率。
有一些用户的需求与其他用户的差别较大。针对此类用户,可以独立为其进行网络切片的部署。下面参考图2描述本发明网络部署方法的实施例。
图2示出了根据本发明另一些实施例的网络部署方法的流程示意图。如图2所示,该实施例的网络部署方法包括步骤S202~S206。
在步骤S202中,将获取的多个用户的网络切片需求信息进行聚类,并确定典型切片的网络切片需求信息和差异化切片的差异化网络切片需求信息。
差异化网络切片需求信息是与聚类结果中的各个类别的关联性低于预设程度的网络切片需求信息,其他的网络切片需求信息为典型切片的网络切片需求信息。例如,可以将聚类结果的各个类中的离群点确定为差异化网络切片需求信息,或者在聚类开始之前将离群点筛选出来作为差异化网络切片需求信息,再对剩余的数据进行聚类。
在步骤S204中,对于聚类结果中每个类别中的网络切片需求信息,为每个类别建立部署模板,并根据每个部署模板为相应的用户部署相应的网络切片资源。
在步骤S206中,根据差异化网络切片需求信息,为相应的用户部署相应的网络切片资源。
通过上述实施例的方法,可以为大部分用户按照分类对应的部署模板部署网络切片,为少数与其他用户的需求相差较大的用户进行有针对性的部署。从而,可以在节约网络资源的同时,更合理地进行部署,提高部署结果与用户需求的匹配度。
在一些实施例中,在完成部署后,还可以对已部署的网络切片的网络资源进行调整。
一种示例性的调整方式为,获取使用同一网络切片的用户的更新的网络切片需求信息;根据更新的网络切片需求信息,对相应的网络切片的网络资源进行调整。例如,原来的部署模板中,对时延的要求为不超过20ms。在一段时间后,该切片中用户对时延的要求放宽到了不超过50ms,此时可以根据更新后的50ms时延对网络切片进行调整。
另一种示例性的调整方式为通过分析的方式确定调整后的网络切片需求信息。下面参考图3描述本发明切片调整方法的实施例。
图3示出了根据本发明一些实施例的切片调整方法的流程示意图。如图3所示,在部署网络切片之后,该实施例的切片调整方法包括步骤S302~S304。
在步骤S302中,将已部署的网络切片的实时信息输入到预先训练的机器学习模型中,获得机器学习模型预测的、更新的网络切片需求信息。网络切片的实时信息例如可以包括用户对当前网络的反馈、网络质量指标、网络切片接入的用户数、带宽、时延以及这些参数的变化值,例如单位时间内的变化值或者相较于初始部署时刻的变化值等等。
机器学习模型可以是采用历史的切片信息作为训练数据,在该切片信息下用户反馈的满意度优于预设程度的情况下的网络参数作为标记值进行训练的。网络参数可以与网络切片需求信息中的参数一致。从而,训练后的机器学习模型可以根据当前网络切片的状况预测出令用户满意的理想网络状况。机器学习模型例如为神经网络模型、决策树模型、回归模型等等。
在一些实施例中,已部署的网络切片的实时信息是从网络数据分析功能(NetworkData Analytics Function,简称:NWDAF)模块获取的。
在步骤S304中,根据更新的网络切片需求信息,对相应的网络切片的网络资源进行调整。
通过上述实施例的方法,可以根据用户的使用情况对网络切片进行实时调整,实现了按需部署的目的,提高了用户的使用体验。
下面参考图4描述各个网元协调进行网络切片调整的实施例。
图4示出了根据本发明一些实施例的网络切片部署和调整方法的流程示意图。如图4所示,该实施例的网络切片部署和调整方法包括步骤S402~S418。
在步骤S402中,OAM(Operation Administration and Maintenance,操作管理维护)创建一个新的网络切片,并在RAN(Radio Access Network,无线接入网)和CN(CoreNetwork,核心网)中为网络切片分配初始资源。
在步骤S404中,OAM向NSSF通知用户的初始数量和网络切片的SLA要求,例如平均服务MOS(Mean Opinion Score,平均主观意见分)需求、请求的用户数量、对需求满意的用户百分比等等。
对于新创建的切片,NSSF仅允许部分用户接入该切片。
在步骤S406中,NSSF和OAM向NWDAF发送一个分析请求或订阅。例如,NSSF可以通过调用Nnwdaf_EventSubscription_Subscribe实现。在分析请求或订阅中,事件的ID为切片统计信息,事件过滤器信息包括S-NSSA(Single Network Slice Selection AssistanceInformation,单个网络切片选择辅助信息)、跟踪区域、时间窗口等等。
在步骤S408中,NWDAF监视每个用户或一组用户的QoE(Quality of Experience,体验质量),并向NSSF、OAM提供QoE数据分析,该分析例如包括估计的平均服务MOS、注册用户数量、满意的用户百分比等等。
在步骤S410中,NSSF根据NWDAF提供的QoE数据分析确定切片SLA的履行程度,例如是否过度拟合或不完全拟合或恰好拟合,分析对象包括具有SLA要求的新切片和现有切片。
在步骤S412中,NSSF确定切片的用户允许数量,并通过接入和AMF(Access andMobility Management Function,移动性管理功能)或OAM将切片SLA履行通知给RAN。RAN处理切片SLA的实现,以便在由OAM配置的RAN资源内调度每个切片的资源。
在步骤S414中,OAM利用QoE的数据分析和预先训练的机器学习模型确定机器学习模型预测的、更新的网络切片需求信息,其中,机器学习模型是使用OAM的KPI(KeyPerformance Indicator,关键绩效指标)和NWDAF的QoE训练的。
在步骤S416中,OAM根据更新的网络切片需求信息,对相应的网络切片的网络资源进行调整,直到网络切片的各项指标稳定。
在步骤S418中,当网络切片稳定时,即RAN和CN资源配置固定时,OAM会通知NSSF更新该网络切片的允许用户数,实现了网络切片的实时调整。
通过上述实施例的方法,可以利用5G网络中各个网元之间的交互获取网络切片的情况,并根据获取的信息对部署的网络切片进行实时调整。
下面描述本发明的实施例应用在5G垂直行业典型电力业务场景的实施例。
在电力业务场景中,用户较多,时延、隔离性、带宽、可靠性等方面的需求多种多样。根据不同用户的需求,使用K-means聚类算法将大部分用户分成4类,每类分别对应一种典型用户切片,并确定在各个类中均无法收敛的“差异化切片”所对应的用户。
4类用户的平均需求对应的网络切片的主要情况如下:
(1)毫秒级精准负荷控制切片:超低时延:毫秒级;高隔离:精准负荷控制属于电网I/II生产大区业务,要求和其它III/IV管理大区业务完全隔离;高可靠性:99.999%;带宽较大;
(2)分布式电源切片:海量接入:百万级~千万级终端接入;低时延:分布式电源管理包括上行数据采集和下行控制,其中下行控制流需要秒级时延;高可靠性:99.999%;
(3)低压用电信息采集切片:海量接入:千万级终端接入;高频率高并发:未来秒级~准实时数据上报;
(4)智能分布式配电自动化切片:超低时延:毫秒级;高隔离:配电自动化属于电网I/II生产大区业务,要求和其它III/IV管理大区业务完全隔离;高可靠性:99.999%;带宽较小。
根据每类用户的需求,定制四种典型切片的模板,对这些切片进行部署,按照模板进行部署,费用较低。而对“差异化切片”进行定制化部署。虽然费用相对较高,但是此类用户很少,因此整体上达到了节约部署成本、并按需部署的目的。
在部署完毕后,结合实时更新的用户需求进行分析,及时调整网络的资源,满足用户体验。
下面参考图5描述本发明网络部署装置的实施例。
图5示出了根据本发明一些实施例的网络部署装置的结构示意图。如图5所示,该实施例的网络部署装置50包括:聚类模块510,被配置为将获取的多个用户的网络切片需求信息进行聚类;部署模板建立模块520,被配置为根据聚类结果中每个类别中的网络切片需求信息,为每个类别建立部署模板;部署模块530,被配置为根据每个部署模板,为相应的用户部署相应的网络切片资源。
在一些实施例中,网络部署装置50还包括:差异化部署模块540,被配置为确定与聚类结果中的各个类别的关联性低于预设程度的网络切片需求信息,作为差异化网络切片需求信息;根据差异化网络切片需求信息,为相应的用户部署相应的网络切片资源。
在一些实施例中,网络部署装置50还包括:调整模块550,被配置为对已部署的网络切片的网络资源进行调整。
在一些实施例中,调整模块550进一步被配置为获取使用同一网络切片的用户的更新的网络切片需求信息;根据更新的网络切片需求信息,对相应的网络切片的网络资源进行调整。
在一些实施例中,调整模块550进一步被配置为将已部署的网络切片的实时信息输入到预先训练的机器学习模型中,获得机器学习模型预测的、更新的网络切片需求信息;根据更新的网络切片需求信息,对相应的网络切片的网络资源进行调整。
在一些实施例中,网络切片的实时信息包括网络切片下用户的体验质量QoE。
在一些实施例中,已部署的网络切片的实时信息是从网络数据分析功能NWDAF模块获取的。
在一些实施例中,调整模块550由NWDAF、NSSF、OAM实现。NWDAF监视并分析用户的体验质量QoE,并向NSSF、OAM提供QoE的数据分析;NSSF根据NWDAF提供的QoE数据分析,确定切片的SLA的履行程度;NSSF确定网络切片的用户允许数量,并通过接入和移动性管理功能AMF或OAM将切片的SLA履行程度通知给RAN,以便RAN处理切片SLA的实现、并在由OAM配置的RAN资源内调度每个切片的资源;OAM利用QoE的数据分析和预先训练的机器学习模型确定机器学习模型预测的、更新的网络切片需求信息,其中,机器学习模型是使用OAM的关键绩效指标和NWDAF的QoE训练的;OAM根据更新的网络切片需求信息,对相应的网络切片的网络资源进行调整,直到网络切片的各项指标稳定;当网络切片稳定时,OAM通知NSSF更新该网络切片的允许用户数。
在一些实施例中,部署模块530由NSMF、NSSMF、NFVO实现。NSMF根据部署模板中的网络切片需求信息,确定切片子网实例的网络切片需求信息,并将切片子网实例的网络切片需求信息发送给子切片管理功能NSSMF;NSSMF根据切片子网实例的网络切片需求信息,确定网络服务资源模型和业务配置,并将网络服务资源模型和业务配置发送给网络功能虚拟化编排器NFVO;NFVO根据网络服务资源模型和业务配置实现切片子网实例的部署,以为部署模板对应的用户部署相应的网络切片。
图6示出了根据本发明另一些实施例的网络部署装置的结构示意图。如图6所示,该实施例的网络部署装置60包括:存储器610以及耦接至该存储器610的处理器620,处理器620被配置为基于存储在存储器610中的指令,执行前述任意一个实施例中的网络部署方法。
其中,存储器610例如可以包括系统存储器、固定非易失性存储介质等。系统存储器例如存储有操作系统、应用程序、引导装载程序(Boot Loader)以及其他程序等。
图7示出了根据本发明又一些实施例的网络部署装置的结构示意图。如图7所示,该实施例的网络部署装置70包括:存储器710以及处理器720,还可以包括输入输出接口730、网络接口740、存储接口750等。这些接口730,740,750以及存储器710和处理器720之间例如可以通过总线760连接。其中,输入输出接口730为显示器、鼠标、键盘、触摸屏等输入输出设备提供连接接口。网络接口740为各种联网设备提供连接接口。存储接口750为SD卡、U盘等外置存储设备提供连接接口。
本发明的实施例还提供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,该程序被处理器执行时实现前述任意一种网络部署方法。
本领域内的技术人员应当明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用非瞬时性存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解为可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,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 (9)
1.一种网络部署方法,包括:
将获取的多个用户的网络切片需求信息进行聚类;
根据聚类结果中每个类别中的网络切片需求信息,为每个类别建立部署模板;
根据每个部署模板,为相应的用户部署相应的网络切片资源;
对已部署的网络切片的网络资源进行调整,包括:
将已部署的网络切片的实时信息输入到预先训练的机器学习模型中,获得所述机器学习模型预测的、更新的网络切片需求信息,包括:
NWDAF监视并分析用户的体验质量QoE,并向NSSF、
OAM提供QoE的数据分析;
NSSF根据NWDAF提供的QoE数据分析,确定切片的SLA的履行程度;
NSSF确定网络切片的用户允许数量,并通过接入和移动性管理功能AMF或OAM将切片的SLA履行程度通知给RAN,以便RAN处理切片SLA的实现、并在由OAM配置的RAN资源内调度每个切片的资源;和
OAM利用所述QoE的数据分析和预先训练的机器学习模型确定所述机器学习模型预测的、更新的网络切片需求信息,其中,所述机器学习模型是使用OAM的关键绩效指标和NWDAF的QoE训练的;
根据所述更新的网络切片需求信息,对相应的网络切片的网络资源进行调整,包括:
OAM根据所述更新的网络切片需求信息,对相应的网络切片的网络资源进行调整,直到网络切片的各项指标稳定;和
当所述网络切片稳定时,OAM通知NSSF更新该所述网络切片的允许用户数。
2.根据权利要求1所述的网络部署方法,还包括:
确定与所述聚类结果中的各个类别的关联性低于预设程度的网络切片需求信息,作为差异化网络切片需求信息;
根据所述差异化网络切片需求信息,为相应的用户部署相应的网络切片资源。
3.根据权利要求1所述的网络部署方法,其中,所述对已部署的网络切片的网络资源进行调整包括:
获取使用同一网络切片的用户的更新的网络切片需求信息;
根据所述更新的网络切片需求信息,对相应的网络切片的网络资源进行调整。
4.根据权利要求1所述的网络部署方法,其中,所述网络切片的实时信息包括所述网络切片下用户的体验质量QoE。
5.根据权利要求1或4所述的网络部署方法,其中,所述已部署的网络切片的实时信息是从网络数据分析功能NWDAF模块获取的。
6.根据权利要求1所述的网络部署方法,其中,所述根据每个部署模板,为相应的用户部署相应的网络切片资源包括:
切片管理功能NSMF根据部署模板中的网络切片需求信息,确定切片子网实例的网络切片需求信息,并将所述切片子网实例的网络切片需求信息发送给子切片管理功能NSSMF;
所述NSSMF根据所述切片子网实例的网络切片需求信息,确定网络服务资源模型和业务配置,并将所述网络服务资源模型和业务配置发送给网络功能虚拟化编排器NFVO;
所述NFVO根据所述网络服务资源模型和业务配置实现所述切片子网实例的部署,以为所述部署模板对应的用户部署相应的网络切片。
7.一种网络部署装置,包括:
聚类模块,被配置为将获取的多个用户的网络切片需求信息进行聚类;
部署模板建立模块,被配置为根据聚类结果中每个类别中的网络切片需求信息,为每个类别建立部署模板;
部署模块,被配置为根据每个部署模板,为相应的用户部署相应的网络切片资源;
调整模块,包括NWDAF、NSSF和OAM,被配置为对已部署的网络切片的网络资源进行调整,包括:
将已部署的网络切片的实时信息输入到预先训练的机器学习模型中,获得机器学习模型预测的、更新的网络切片需求信息,包括:
NWDAF监视并分析用户的体验质量QoE,并向NSSF、
OAM提供QoE的数据分析;
NSSF根据NWDAF提供的QoE数据分析,确定切片的SLA的履行程度;
NSSF确定网络切片的用户允许数量,并通过接入和移动性管理功能AMF或OAM将切片的SLA履行程度通知给RAN,以便RAN处理切片SLA的实现、并在由OAM配置的RAN资源内调度每个切片的资源;和
OAM利用所述QoE的数据分析和预先训练的机器学习模型确定所述机器学习模型预测的、更新的网络切片需求信息,其中,所述机器学习模型是使用OAM的关键绩效指标和NWDAF的QoE训练的;
根据更新的网络切片需求信息,对相应的网络切片的网络资源进行调整,包括:
OAM根据所述更新的网络切片需求信息,对相应的网络切片的网络资源进行调整,直到网络切片的各项指标稳定;和
当所述网络切片稳定时,OAM通知NSSF更新该所述网络切片的允许用户数。
8.一种网络部署装置,包括:
存储器;以及
耦接至所述存储器的处理器,所述处理器被配置为基于存储在所述存储器中的指令,执行如权利要求1~6中任一项所述的网络部署方法。
9.一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现权利要求1~6中任一项所述的网络部署方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010133784.0A CN113347641B (zh) | 2020-03-02 | 2020-03-02 | 网络部署方法、装置和计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010133784.0A CN113347641B (zh) | 2020-03-02 | 2020-03-02 | 网络部署方法、装置和计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113347641A CN113347641A (zh) | 2021-09-03 |
CN113347641B true CN113347641B (zh) | 2023-05-16 |
Family
ID=77467160
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010133784.0A Active CN113347641B (zh) | 2020-03-02 | 2020-03-02 | 网络部署方法、装置和计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113347641B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115987795A (zh) * | 2021-10-13 | 2023-04-18 | 中兴通讯股份有限公司 | 网络切片资源编排方法、网络设备及存储介质 |
CN114158073B (zh) * | 2021-11-29 | 2024-01-09 | 中国联合网络通信集团有限公司 | 网络切片部署方法、装置、设备及存储介质 |
CN114285750A (zh) * | 2021-12-21 | 2022-04-05 | 中国电信股份有限公司 | 用于提供切片服务的方法、系统和计算机可读存储介质 |
CN114302478A (zh) * | 2021-12-28 | 2022-04-08 | 广州爱浦路网络技术有限公司 | 用户终端与网络切片的匹配方法、计算机装置和存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108599994A (zh) * | 2018-03-26 | 2018-09-28 | 华南理工大学 | 一种基于流量聚类的sdn切片构造方法 |
CN109560952A (zh) * | 2017-09-27 | 2019-04-02 | 华为技术有限公司 | 一种网络切片管理方法及设备 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180113748A1 (en) * | 2016-10-21 | 2018-04-26 | Hewlett Packard Enterprise Development Lp | Automated configuration of virtual infrastructure |
US11039321B2 (en) * | 2017-07-05 | 2021-06-15 | Huawei Technologies Co., Ltd. | Methods and systems for network slicing |
-
2020
- 2020-03-02 CN CN202010133784.0A patent/CN113347641B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109560952A (zh) * | 2017-09-27 | 2019-04-02 | 华为技术有限公司 | 一种网络切片管理方法及设备 |
CN108599994A (zh) * | 2018-03-26 | 2018-09-28 | 华南理工大学 | 一种基于流量聚类的sdn切片构造方法 |
Non-Patent Citations (2)
Title |
---|
《Slice SLA Guarantee from Control plane》;China Mobile 等;《SA WG5 Meeting #129,S2-1810600》;20181019;第2-3,16-19页 * |
《TS 28.533 Network management architecture interaction with NFV-MANO》;Huawei;《3GPP TSG SA WG5 (Telecom Management) Meeting #118 S5-182126》;20180413;第3.1节 * |
Also Published As
Publication number | Publication date |
---|---|
CN113347641A (zh) | 2021-09-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113347641B (zh) | 网络部署方法、装置和计算机可读存储介质 | |
D’Oro et al. | Orchestran: Network automation through orchestrated intelligence in the open ran | |
Koo et al. | Deep reinforcement learning for network slicing with heterogeneous resource requirements and time varying traffic dynamics | |
CN110324170B (zh) | 数据分析设备、多模型共决策系统及方法 | |
CN108028803B (zh) | 用于确定网络中的服务方案的拓扑的方法、控制器和系统 | |
CN110381541A (zh) | 一种基于强化学习的智能电网切片分配方法及装置 | |
CN112929187B (zh) | 网络切片管理方法、装置和系统 | |
CN111836291A (zh) | 一种切片资源调度方法及网元 | |
CN111126621B (zh) | 在线模型训练方法及装置 | |
EP3035619B1 (en) | A method and system for scaling and a telecommunications network | |
US11843516B2 (en) | Federated learning in telecom communication system | |
CN105703927A (zh) | 一种资源分配方法、网络设备和网络系统 | |
CN112365366A (zh) | 一种基于智能化5g切片的微电网管理方法及系统 | |
CN110471671A (zh) | 应用部署方法、装置、系统、设备及计算机可读存储介质 | |
US11310125B2 (en) | AI-enabled adaptive TCA thresholding for SLA assurance | |
CN113543160B (zh) | 5g切片资源配置方法、装置、计算设备及计算机存储介质 | |
D'Oro et al. | OrchestRAN: Orchestrating network intelligence in the open RAN | |
CN112423312A (zh) | 信息处理方法、装置、系统以及计算机可读存储介质 | |
CN115460700A (zh) | 基于联邦学习的网络资源配置方法、装置、电子设备及介质 | |
CN110688623B (zh) | 高阶lr模型的训练优化方法、装置、设备及存储介质 | |
CN109298933B (zh) | 基于边缘计算网络的无线通信网络设备及系统 | |
Ramachandran et al. | 5G network management system with machine learning based analytics | |
CN111949246A (zh) | 新能源电力行业应用的创建方法及装置 | |
Motlagh et al. | Quality of Monitoring for Cellular Networks | |
CN112506063A (zh) | 数据分析方法、系统、电子设备和存储介质 |
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 |