CN113612635B - 基于水平和垂直伸缩结合的网络切片实例资源分配方法 - Google Patents

基于水平和垂直伸缩结合的网络切片实例资源分配方法 Download PDF

Info

Publication number
CN113612635B
CN113612635B CN202110865846.1A CN202110865846A CN113612635B CN 113612635 B CN113612635 B CN 113612635B CN 202110865846 A CN202110865846 A CN 202110865846A CN 113612635 B CN113612635 B CN 113612635B
Authority
CN
China
Prior art keywords
cpu resource
network slice
sampling
horizontal
total cpu
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
CN202110865846.1A
Other languages
English (en)
Other versions
CN113612635A (zh
Inventor
赵力强
朱曼华
梁凯
张皓然
郑兴运
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.)
Xidian University
Original Assignee
Xidian University
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 Xidian University filed Critical Xidian University
Priority to CN202110865846.1A priority Critical patent/CN113612635B/zh
Publication of CN113612635A publication Critical patent/CN113612635A/zh
Application granted granted Critical
Publication of CN113612635B publication Critical patent/CN113612635B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • H04L41/14—Network analysis or design
    • H04L41/147—Network analysis or design for predicting network behaviour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
    • G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
    • G06F9/505—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals considering the load
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5083—Techniques for rebalancing the load in a distributed system
    • 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
    • H04L41/08—Configuration management of networks or network elements
    • H04L41/0803—Configuration setting
    • H04L41/0823—Configuration setting characterised by the purposes of a change of settings, e.g. optimising configuration for enhancing reliability
    • H04L41/0836—Configuration setting characterised by the purposes of a change of settings, e.g. optimising configuration for enhancing reliability to enhance reliability, e.g. reduce downtime
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Abstract

本发明公开一种基于水平和垂直伸缩结合的网络切片实例资源分配方法，其步骤为：用户订购业务需求的网络切片；将用户的业务需求转化为网络切片的SLA；生成网络切片实例；分发HTTP请求；对总CPU资源使用量进行采样；预测网络切片实例的总CPU资源使用量变化趋势；对网络切片实例中水平伸缩分组中副本的数目进行水平伸缩；对网络切片实例中垂直伸缩分组实际分配的CPU资源进行垂直伸缩。本发明将水平伸缩和垂直伸缩结合，采用二次指数平滑法预测网络切片实例的CPU资源使用量变化趋势，使得本发明实现了较高的资源利用率，有效地保证了网络切片服务的连续性，提升了网络的可靠性。

Description

基于水平和垂直伸缩结合的网络切片实例资源分配方法
技术领域
本发明属于通信技术领域，更进一步涉及网络通信技术领域中的一种基于水平和垂直伸缩结合的网络切片实例资源分配方法。本发明可用于在使用容器管理器调度相应的网络切片实例CPU资源的场景下，获得更好的资源伸缩效果，以适应不断变化的用户需求。
背景技术
相比于传统一刀切的网络，网络切片技术能够充分利用有限的网络资源，为不同的业务类型灵活地划分网络资源。但由于垂直行业多样化、定制化的需求，要求网络切片管理系统拥有更完善的资源管理能力。为了使网络切片能够更全面地发挥其优势，需要为网络切片实例提供动态资源管理，即弹性伸缩功能。
广州爱浦路网络技术有限公司在其申请的专利文献“网络切片实例资源动态调整的方法”(申请日：2020年09月25日，申请号：CN202011023029.3，申请公布号：CN112152855A)中公开了一种网络切片实例资源管理的方法。该方法的具体步骤为：第一步，网络切片管理功能NSMF接收网络切片子网管理功能NSSMF上报的网络切片实例NSI的状态信息，所述NSI的状态信息包括组成所述NSI的网络切片子网实例NSSI中的网络功能NF在运行中发生的故障信息和性能信息。第二步，网络切片管理功能NSMF根据所述NSI的状态信息，分析当前网络资源是否能够满足所述网络切片实例NSI运行需求。第三步，网络切片管理功能NSMF根据分析结果，计算满足网络切片实例NSI运行需求所需要调整的网络资源数量，根据计算结果调整网络资源。该方法存在的不足之处是，由于此方法在网络切片实例运行故障时通过尽力处理故障来保证切片实例运行需求，导致资源利用率过低，网络运营成本过高。
华为技术有限公司在其申请的专利文献“一种收缩网络切片实例的方法、装置和系统”(申请日：2016年11月03日，申请号：CN201610974261.2，申请公开号：CN108024256A)中公开了一种收缩网络切片实例NSI的方法。该方法的具体步骤为：第一步，网络切片管理与编排器NSM&O向管理设备发送网络功能收缩请求消息，管理设备用于管理目标NSI的待收缩的网络功能。第二步，从所述管理设备接收收缩反馈消息，根据所述收缩反馈消息更新存储器中存储的所述目标NSI的信息。第三步，在收缩NSI时，通过区别处理通用网络功能和专属网络功能，避免在收缩通用网络功能时影响其他切片实例正在提供的服务。该方法存在的不足之处是，如果网络切片过多，而又面临突发情况时，无法及时处理网络功能资源收缩请求，导致收缩效率过低甚至有切片服务中断的可能。
发明内容
本发明的目的在于针对上述现有技术存在的缺陷，提出一种基于水平和垂直伸缩结合的网络切片实例资源分配方法，用于解决网络切片过多，而又面临突发情况时，无法及时处理网络功能资源收缩请求，导致收缩效率过低甚至有切片服务中断的可能，以及资源利用率过低，网络运营成本过高的问题。
实现本发明目的的思路是，在网络切片实例资源的管理中，水平伸缩意味着创建/删除网络功能NF，此过程需要占用较长的时间，且伸缩粒度设置过大可能导致资源浪费，伸缩粒度设置过小可能导致频繁的伸缩。而垂直伸缩意味着调整网络功能NF的资源配额，虽然伸缩速度较快，但是其资源伸缩范围受到单台云服务器最大资源量以及服务性能的限制。因此本发明针对水平伸缩以及垂直伸缩的特点，将两者结合起来，水平伸缩分组由于其扩展能力强，会其处理大部分的资源分配请求，而垂直伸缩分组由于其资源伸缩速度快且分配资源较为精确，用于辅助水平伸缩分组，仅处理少部分的资源分配请求，以此设计的水平和垂直伸缩结合的网络切片实例资源分配方法，可以解决资源利用率过低，网络运营成本过高的问题。本发明在资源分配之前，对CPU资源使用量进行采样，采用二次指数平滑法预测网络切片实例的CPU资源使用量变化趋势，实现用较少的数据就可以预测出当前采样时刻的下一采样时刻的目标CPU资源分配值，又由于垂直伸缩的高响应速度的作用，能够很快地修正实际CPU资源分配值，使得实际CPU资源分配值都可以很好的匹配当前的网络需求，解决网络切片过多，而又面临突发情况时，无法及时处理网络功能资源收缩请求，导致收缩效率过低甚至有网络切片服务中断的可能的问题。
本发明采取的技术方案包括如下步骤：
步骤1，用户订购业务需求的网络切片；
步骤2，将用户的业务需求转化为网络切片的SLA；
步骤3，生成网络切片实例：
将网络切片的SLA映射为网络切片实例配置参数，在模板管理库中寻找相应的切片模板，将找到的切片模板的业务进行模板实例化，得到网络切片实例；对没有找到切片模板的业务为其提供满足业务需求的最低配置的通用切片模板，进行模板实例化生成网络切片实例；
步骤4，分发HTTP请求：
负载均衡从收到网络切片实例的网络功能NF的部署请求中提取水平伸缩分组以及垂直伸缩分组的总CPU资源所需分配量，分发给水平伸缩分组和垂直伸缩分组；
步骤5，对总CPU资源使用量进行采样：
(5a)以每1min的采样间隔，对水平伸缩分组和垂直伸缩分组的总CPU资源使用量进行采样，组成时间序列；
(5b)将时间序列中水平伸缩分组和垂直伸缩分组的总CPU资源使用量超过集群CPU资源总量的80％的采样时刻，在该采样时刻对应的集群中增加服务器数量；
步骤6，预测网络切片实例的总CPU资源使用量变化趋势：
利用二次指数平滑法，对每个采样时刻的总CPU资源使用量估计该采样时刻的下一个采样时刻的总CPU资源预测值，将该总CPU资源预测值作为该采样时刻的下一个采样时刻的目标总CPU资源分配值；
步骤7，对网络切片实例中水平伸缩分组中副本的数目进行水平伸缩：
(7a)按照下式，计算每个采样时刻水平伸缩分组的建议NF数目：
Figure GDA0003705017680000031
其中，pk表示第k个采样时刻水平伸缩分组的建议NF的总数，
Figure GDA0003705017680000032
表示向下取整操作，rk表示第k个采样时刻的目标总CPU资源分配值，ni表示水平伸缩分组中第i个NF应分配的CPU资源；
(7b)按照下式，对每个采样时刻为网络切片实例中水平伸缩分组实际分配的CPU资源进行水平伸缩：
Figure GDA0003705017680000041
其中，hk表示第k个采样时刻为水平伸缩分组的实际分配的CPU资源；
步骤8，按照下式，对每个采样时刻为网络切片实例中垂直伸缩分组实际分配的CPU资源进行垂直伸缩：
Figure GDA0003705017680000042
其中，vk表示第k个采样时刻为垂直伸缩分组的实际分配的CPU资源。
本发明与现有技术相比具有以下优点：
第一，本发明采用对网络切片实例中水平伸缩分组中副本的数目进行水平伸缩，以及对网络切片实例中垂直伸缩分组实际分配的CPU资源进行垂直伸缩，将水平伸缩和垂直伸缩两者相结合实现网络切片实例资源分配，克服了现有技术网络切片实例资源分配过程中资源利用率较低的问题，使得本发明实现较高的资源利用率，节约了网络运营成本。
第二，本发明采用在资源分配之前，对总CPU资源使用量进行采样，预测网络切片实例的总CPU资源使用量变化趋势，克服了现有技术网络切片实例资源分配过程中面临突发情况时资源收缩效率过低甚至于网络切片服务中断的可能的问题，使得本发明有效地保证了网络切片服务的连续性，提升了网络的可靠性。
附图说明：
图1为本发明的流程图。
具体实施方式：
下面结合附图1对本发明的实现步骤做进一步的描述。
步骤1，用户订购业务需求的网络切片。
用户将业务需求提交给网络运营者，业务分为eMBB型业务、URLLC型业务、mMTC型业务和未知业务。
步骤2，将用户的业务需求转化为网络切片的SLA。
步骤3，生成网络切片实例。
将网络切片的SLA映射为网络切片实例配置参数，在模板管理库中寻找相应的切片模板，将找到的切片模板的业务进行模板实例化，得到网络切片实例；对没有找到切片模板的业务为其提供满足业务需求的最低配置的通用切片模板，进行模板实例化生成网络切片实例。
步骤4，分发HTTP请求。
负载均衡从收到网络切片实例的网络功能NF的部署请求中提取水平伸缩分组以及垂直伸缩分组的总CPU资源所需分配量，分发给水平伸缩分组和垂直伸缩分组。其中将大部分请求分发给水平伸缩分组，小部分请求分发给垂直伸缩分组。
步骤5，对总CPU资源使用量进行采样。
以每1min的采样间隔，对水平伸缩分组和垂直伸缩分组的总CPU资源使用量进行采样，组成时间序列。
在采样过程中同时计算总CPU资源使用量占集群CPU资源总量的情况下。
将时间序列中水平伸缩分组和垂直伸缩分组的总CPU资源使用量超过集群CPU资源总量的80％的采样时刻，在该采样时刻对应的集群中增加服务器数量。
步骤6，预测网络切片实例的总CPU资源使用量变化趋势。
利用二次指数平滑法，对每个采样时刻的总CPU资源使用量估计该采样时刻的下一个采样时刻的总CPU资源预测值，将该总CPU资源预测值作为该采样时刻的下一个采样时刻的目标总CPU资源分配值。
二次指数平滑法的具体步骤如下：
第1步，按照下式，对时间序列中的每个采样时刻的总CPU资源使用量进行一次指数平滑操作：
Figure GDA0003705017680000051
其中，
Figure GDA0003705017680000052
表示时间序列中的第t个采样时刻的总CPU资源使用量的一次平滑值，α表示平滑系数，0＜α＜1，Xt表示时间序列中的第t个采样时刻的总CPU资源使用量，
Figure GDA0003705017680000053
表示时间序列中的第t-1个采样时刻的总CPU资源使用量的一次平滑值。
第2步，按照下式，对一次平滑值进行二次平滑操作：
Figure GDA0003705017680000054
其中，
Figure GDA0003705017680000055
表示时间序列中的第t个采样时刻的总CPU资源使用量的二次平滑值，
Figure GDA0003705017680000061
表示时间序列中的第t-1个采样时刻的总CPU资源使用量的二次平滑值。
第3步，按照下式，计算时间序列中的每个采样时刻的CPU资源预测水平以及预测趋势：
Figure GDA0003705017680000062
其中，at表示时间序列中的第t个采样时刻的CPU资源预测水平，bt表示时间序列中的第t个采样时刻的CPU资源预测趋势。
第4步，利用下式，计算时间序列中的每个采样时刻的总CPU资源预测值：
rt+T＝at+btT
其中，rt+T表示时间序列中的第t+T个采样时刻的总CPU资源预测值，T表示CPU资源预测超前时间。
步骤7，对网络切片实例中水平伸缩分组中副本的数目进行水平伸缩。
按照下式，计算每个采样时刻水平伸缩分组的建议NF数目：
Figure GDA0003705017680000063
其中，pk表示第k个采样时刻水平伸缩分组的建议NF的总数，
Figure GDA0003705017680000064
表示向下取整操作，rk表示第k个采样时刻的目标总CPU资源分配值，ni表示水平伸缩分组中第i个NF应分配的CPU资源。
按照下式，对每个采样时刻为网络切片实例中水平伸缩分组实际分配的CPU资源进行水平伸缩：
Figure GDA0003705017680000065
其中，hk表示第k个采样时刻为水平伸缩分组的实际分配的CPU资源，水平伸缩处理大部分CPU资源分配，当目标总CPU资源分配值不足一个NF应分配的CPU资源，仍对其进行水平伸缩，此时分配的资源会有盈余，就不需要再进行垂直伸缩，当目标总CPU资源分配值超过一个NF应分配的CPU资源，此时对其分配的CPU资源是一个NF应分配的CPU资源的整数倍，此时分配的CPU资源不足，通过垂直伸缩补充。
步骤8，按照下式，对每个采样时刻为网络切片实例中垂直伸缩分组实际分配的CPU资源进行垂直伸缩：
Figure GDA0003705017680000071
其中，vk表示第k个采样时刻为垂直伸缩分组的实际分配的CPU资源，当在上一步水平伸缩分配的CPU资源有盈余的时候，垂直伸缩就不需要对CPU资源进行补充分配，当上一步水平伸缩分配的资源不足时，垂直伸缩对CPU资源进行补充分配，在每个采样时刻都进行水平伸缩和垂直伸缩的操作，保证业务的连续性，同时提高了资源利用率，运营成本也因此降低。

Claims (1)

1.一种基于水平和垂直伸缩结合的网络切片实例资源分配方法，其特征在于，对总CPU资源使用量进行采样，预测网络切片实例的总CPU资源使用量变化趋势，对网络切片实例中水平伸缩分组中副本的数目进行水平伸缩，对垂直伸缩分组的CPU资源进行垂直伸缩；该资源分配方法的具体步骤包括如下：
步骤1，用户订购业务需求的网络切片；
步骤2，将用户的业务需求转化为网络切片的SLA；
步骤3，生成网络切片实例：
将网络切片的SLA映射为网络切片实例配置参数，在模板管理库中寻找相应的切片模板，将找到的切片模板的业务进行模板实例化，得到网络切片实例；对没有找到切片模板的业务为其提供满足业务需求的最低配置的通用切片模板，进行模板实例化生成网络切片实例；
步骤4，分发HTTP请求：
负载均衡从收到网络切片实例的网络功能NF的部署请求中提取水平伸缩分组以及垂直伸缩分组的总CPU资源所需分配量，分发给水平伸缩分组和垂直伸缩分组；
步骤5，对总CPU资源使用量进行采样：
(5a)以每1min的采样间隔，对水平伸缩分组和垂直伸缩分组的总CPU资源使用量进行采样，组成时间序列；
(5b)将时间序列中水平伸缩分组和垂直伸缩分组的总CPU资源使用量超过集群CPU资源总量的80％的采样时刻，在该采样时刻对应的集群中增加服务器数量；
步骤6，预测网络切片实例的总CPU资源使用量变化趋势：
利用二次指数平滑法，对每个采样时刻的总CPU资源使用量估计该采样时刻的下一个采样时刻的总CPU资源预测值，将该总CPU资源预测值作为该采样时刻的下一个采样时刻的目标总CPU资源分配值；
所述二次指数平滑法的具体步骤如下：
第一步，按照下式，对时间序列中的每个采样时刻的总CPU资源使用量进行一次指数平滑操作：
Figure FDA0003713326120000021
其中，
Figure FDA0003713326120000022
表示时间序列中的第t个采样时刻的总CPU资源使用量的一次平滑值，α表示平滑系数，0＜α＜1，Xt表示时间序列中的第t个采样时刻的总CPU资源使用量，
Figure FDA0003713326120000023
表示时间序列中的第t-1个采样时刻的总CPU资源使用量的一次平滑值；
第二步，按照下式，对一次平滑值进行二次平滑操作：
Figure FDA0003713326120000024
其中，
Figure FDA0003713326120000025
表示时间序列中的第t个采样时刻的总CPU资源使用量的二次平滑值，
Figure FDA0003713326120000026
表示时间序列中的第t-1个采样时刻的总CPU资源使用量的二次平滑值；
第三步，按照下式，计算时间序列中的每个采样时刻的CPU资源预测水平以及预测趋势：
Figure FDA0003713326120000027
其中，at表示时间序列中的第t个采样时刻的CPU资源预测水平，bt表示时间序列中的第t个采样时刻的CPU资源预测趋势；
第四步，利用下式，计算时间序列中的每个采样时刻的总CPU资源预测值：
rt+T＝at+btT
其中，rt+T表示时间序列中的第t+T个采样时刻的总CPU资源预测值，T表示CPU资源预测超前时间；
步骤7，对网络切片实例中水平伸缩分组中副本的数目进行水平伸缩：
(7a)按照下式，计算每个采样时刻水平伸缩分组的建议NF数目：
Figure FDA0003713326120000028
其中，pk表示第k个采样时刻水平伸缩分组的建议NF的总数，
Figure FDA0003713326120000031
表示向下取整操作，rk表示第k个采样时刻的目标总CPU资源分配值，ni表示水平伸缩分组中第i个NF应分配的CPU资源；
(7b)按照下式，对每个采样时刻为网络切片实例中水平伸缩分组实际分配的CPU资源进行水平伸缩：
Figure FDA0003713326120000032
其中，hk表示第k个采样时刻为水平伸缩分组的实际分配的CPU资源，所述水平伸缩意味着创建/删除网络功能NF；
步骤8，按照下式，对每个采样时刻为网络切片实例中垂直伸缩分组实际分配的CPU资源进行垂直伸缩：
Figure FDA0003713326120000033
其中，vk表示第k个采样时刻为垂直伸缩分组的实际分配的CPU资源，所述垂直伸缩意味着调整网络功能NF的资源配额。
CN202110865846.1A 2021-07-29 2021-07-29 基于水平和垂直伸缩结合的网络切片实例资源分配方法 Active CN113612635B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110865846.1A CN113612635B (zh) 2021-07-29 2021-07-29 基于水平和垂直伸缩结合的网络切片实例资源分配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110865846.1A CN113612635B (zh) 2021-07-29 2021-07-29 基于水平和垂直伸缩结合的网络切片实例资源分配方法

Publications (2)

Publication Number Publication Date
CN113612635A CN113612635A (zh) 2021-11-05
CN113612635B true CN113612635B (zh) 2022-08-12

Family

ID=78306024

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110865846.1A Active CN113612635B (zh) 2021-07-29 2021-07-29 基于水平和垂直伸缩结合的网络切片实例资源分配方法

Country Status (1)

Country Link
CN (1) CN113612635B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11882004B1 (en) 2022-07-22 2024-01-23 Dell Products L.P. Method and system for adaptive health driven network slicing based data migration
US11811640B1 (en) * 2022-07-22 2023-11-07 Dell Products L.P. Method and system for modifying a communication network

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017214932A1 (zh) * 2016-06-16 2017-12-21 华为技术有限公司 一种网络切片的资源管理方法和装置
CN107911399A (zh) * 2017-05-27 2018-04-13 广东网金控股股份有限公司 一种基于负载预测的弹性伸缩方法及系统
CN108024256A (zh) * 2016-11-03 2018-05-11 华为技术有限公司 一种收缩网络切片实例的方法、装置和系统
CN110647392A (zh) * 2018-06-26 2020-01-03 山东北邮信息技术产业研究院有限公司 一种基于容器集群的智能弹性伸缩方法
CN111628887A (zh) * 2020-04-29 2020-09-04 北京邮电大学 物联网切片资源分配系统、方法、电子设备及存储介质
CN111638959A (zh) * 2020-06-02 2020-09-08 山东汇贸电子口岸有限公司 云环境下基于负载回归预测的弹性伸缩方法及可读存储介质
CN112152855A (zh) * 2020-09-25 2020-12-29 广州爱浦路网络技术有限公司 网络切片实例资源动态调整的方法
CN112737823A (zh) * 2020-12-22 2021-04-30 国网北京市电力公司 一种资源切片分配方法、装置及计算机设备
CN112822050A (zh) * 2021-01-05 2021-05-18 北京信息科技大学 用于部署网络切片的方法和装置
CN112867162A (zh) * 2021-01-25 2021-05-28 中国联合网络通信集团有限公司 一种切片资源配置方法及装置

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018170647A1 (zh) * 2017-03-19 2018-09-27 华为技术有限公司 一种网络切片的管理方法、单元和系统
US11805075B2 (en) * 2017-08-11 2023-10-31 Huawei Technologies Co., Ltd. Lifecycle management for NSI and CSI
US11689941B2 (en) * 2019-11-04 2023-06-27 Intel Corporation Coverage issue analysis and resource utilization analysis by MDA

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017214932A1 (zh) * 2016-06-16 2017-12-21 华为技术有限公司 一种网络切片的资源管理方法和装置
CN108024256A (zh) * 2016-11-03 2018-05-11 华为技术有限公司 一种收缩网络切片实例的方法、装置和系统
CN107911399A (zh) * 2017-05-27 2018-04-13 广东网金控股股份有限公司 一种基于负载预测的弹性伸缩方法及系统
CN110647392A (zh) * 2018-06-26 2020-01-03 山东北邮信息技术产业研究院有限公司 一种基于容器集群的智能弹性伸缩方法
CN111628887A (zh) * 2020-04-29 2020-09-04 北京邮电大学 物联网切片资源分配系统、方法、电子设备及存储介质
CN111638959A (zh) * 2020-06-02 2020-09-08 山东汇贸电子口岸有限公司 云环境下基于负载回归预测的弹性伸缩方法及可读存储介质
CN112152855A (zh) * 2020-09-25 2020-12-29 广州爱浦路网络技术有限公司 网络切片实例资源动态调整的方法
CN112737823A (zh) * 2020-12-22 2021-04-30 国网北京市电力公司 一种资源切片分配方法、装置及计算机设备
CN112822050A (zh) * 2021-01-05 2021-05-18 北京信息科技大学 用于部署网络切片的方法和装置
CN112867162A (zh) * 2021-01-25 2021-05-28 中国联合网络通信集团有限公司 一种切片资源配置方法及装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Utility Analysis of Radio Access Network Slicing;Guorong Zhou，Liqiang Zhao，Kai Liang，Gan Zheng，Lajos Hanzo;《IEEE TRANSACTIONS ON VEHICULAR TECHNOLOGY》;20200115;全文 *
基于特征选择的VNF资源需求预测方法;武静雯，江凌云，刘祥军;《计算机应用研究》;20210402;全文 *
端到端网络切片关键技术研究;朱曼华，赵力强，梁凯;《海峡科技与产业》;20200115;全文 *

Also Published As

Publication number Publication date
CN113612635A (zh) 2021-11-05

Similar Documents

Publication Publication Date Title
CN113612635B (zh) 基于水平和垂直伸缩结合的网络切片实例资源分配方法
CN107171839B (zh) 一种带宽流量成本控制方法
Ashraf et al. Stream-based admission control and scheduling for video transcoding in cloud computing
US9712448B2 (en) Proxy server, hierarchical network system, and distributed workload management method
CN107404409B (zh) 面向突变负载的容器云弹性供给容器数量预测方法与系统
CN110545258B (zh) 流媒体服务器资源配置方法、装置和服务器
CN110716808B (zh) 业务处理方法、装置、计算机设备和存储介质
CN107220108B (zh) 一种实现云数据中心负载均衡的方法和系统
CN111628887B (zh) 物联网切片资源分配系统、方法、电子设备及存储介质
EP3688938B1 (en) Predictive scheduler
CN113946436A (zh) 一种基于负载均衡的资源预调度方法
CN110896357A (zh) 流量预测方法、装置和计算机可读存储介质
CN109428950B (zh) Ip地址池自动调度方法和系统
CN106453114B (zh) 流量分配方法及装置
CN112003790B (zh) 智能学校使用网络流量的分配方法
US11811667B2 (en) Prediction apparatus, prediction method and program
CN107493485B (zh) 一种资源控制方法、装置和iptv服务器
US20150079966A1 (en) Methods for facilitating telecommunication network administration and devices thereof
CN112437015A (zh) 分流调度方法、装置、系统和计算机可读存储介质
CN115858155A (zh) 一种算力网络平台的应用资源动态扩缩容方法及装置
US20220158899A1 (en) Autonomous internet service scaling in a network
CN109639459B (zh) 一种额定带宽的调整方法、终端和可存储介质
CN114565201A (zh) 数据中心的管理系统、方法、装置和存储介质
CN111901410A (zh) 一种服务器分组方法、装置、设备及计算机可读存储介质
Yang et al. Adaptive configuration of cloud video transcoding

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