CN114040272A - 一种路径确定方法、装置和存储介质 - Google Patents
一种路径确定方法、装置和存储介质 Download PDFInfo
- Publication number
- CN114040272A CN114040272A CN202111174946.6A CN202111174946A CN114040272A CN 114040272 A CN114040272 A CN 114040272A CN 202111174946 A CN202111174946 A CN 202111174946A CN 114040272 A CN114040272 A CN 114040272A
- Authority
- CN
- China
- Prior art keywords
- path
- service
- data
- target
- candidate
- 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.)
- Granted
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q11/00—Selecting arrangements for multiplex systems
- H04Q11/0001—Selecting arrangements for multiplex systems using optical switching
- H04Q11/0062—Network aspects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q11/00—Selecting arrangements for multiplex systems
- H04Q11/0001—Selecting arrangements for multiplex systems using optical switching
- H04Q11/0062—Network aspects
- H04Q11/0067—Provisions for optical access or distribution networks, e.g. Gigabit Ethernet Passive Optical Network (GE-PON), ATM-based Passive Optical Network (A-PON), PON-Ring
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q11/00—Selecting arrangements for multiplex systems
- H04Q11/0001—Selecting arrangements for multiplex systems using optical switching
- H04Q11/0062—Network aspects
- H04Q2011/0086—Network resource allocation, dimensioning or optimisation
Abstract
本申请提供一种路径确定方法、装置和存储介质,涉及通信技术领域,用于解决无法合理确定业务路径的技术问题。该方法包括:在获取用于表示目标业务的业务类型的业务信息后,可以将业务信息输入至用于预测与输入业务的业务类型对应的路径节点的节点预测模型中,以得到与业务类型对应的多个路径节点。其中,节点预测模型为基于业务数据和第一性能数据训练得到的。后续,可以获取第二性能数据,并基于第二性能数据,确定目标业务的目标传输路径。其中,第二性能数据包括目标业务的源端设备、宿端设备、多个路径节点中的每个路径节点对应的传输节点设备的性能数据。本申请提高了确定业务路径的合理性。
Description
技术领域
本申请涉及通信领域,尤其涉及一种路径确定方法、装置和存储介质。
背景技术
目前,通信网络包括互联网协议网络(internet protocol radio accessnetwork,IPRAN)和光网络(optical transport network,OTN)。IPRAN包括IP网络设备,OTN包括光传送设备。IP网络设备与对应的光传送设备连接,光传送设备之间通过光纤连接。IP网络设备之间交互的IP业务通过光纤中的光信号实现传输。
在实际应用中,当通信网络中的IP网络设备和光传送设备的数量较多时,需要为网络业务规划合理的路径。
现有的路径规划方法通常是基于最短距离法确定网络业务在通信网络中的最优路径。但是,网络业务在传输过程中的影响因素有很多,单纯的通过距离这一个因素无法合理、准确的确定出数据传输效率最高的最优路径。
发明内容
本申请提供一种路径确定方法、装置和存储介质,用于解决如何合理的确定业务路径的技术问题。
为达到上述目的,本申请采用如下技术方案:
第一方面,提供一种路径确定方法,包括:在获取用于表示目标业务的业务类型的业务信息后,可以将业务信息输入至用于预测与输入业务的业务类型对应的路径节点的节点预测模型中,以得到与业务类型对应的多个路径节点。其中,节点预测模型为基于业务数据和第一性能数据训练得到的。后续,可以获取第二性能数据,并基于第二性能数据,确定目标业务的目标传输路径。其中,第二性能数据包括目标业务的源端设备、宿端设备、多个路径节点中的每个路径节点对应的传输节点设备的性能数据。
可选的,该路径确定方法,还包括:获取业务数据和第一性能数据;业务数据包括在业务承载网络IPRAN和光传送网OTN中传输的业务的数据;第一性能数据包括IPRAN和OTN中的各个传输节点设备的拓扑数据、资源数据和能耗数据;根据业务数据、第一性能数据和预设算法,训练得到节点预测模型。
可选的,根据业务数据、第一性能数据和预设算法,训练得到节点预测模型的方法,具体包括:从业务数据和第一性能数据中,获取多个数据集合;一个数据集合用于表示一个传输节点设备在一个传输时刻的业务数据和性能数据;对多个数据集合中的每个数据集合均执行目标操作,以得到多个目标集合;目标操作用于去除每个数据集合中的噪声字段;基于聚类算法,对多个目标集合进行分类,以得到多个业务数据类别;基于相似度算法,对多个业务数据类别进行相似度计算,以得到多个相似关系;一个相似关系包括:第一业务数据类别与第二业务数据类别的相似关系;第一业务数据类别和第二业务数据类别为多个业务数据类别中的任意两个业务数据类别;基于多个相似关系和目标算法,训练得到节点预测模型。
可选的,目标操作包括:从一个数据集合中的全部字段中选取多个候选字段集合;多个候选字段集合中的每个候选字段集合包括全部字段中的至少一个字段;确定多个候选字段集合中每个候选字段集合的支持度,并将支持度大于预设阈值的候选字段集合确定为关键字段集合;将关键字段集合对应的字段组成的集合确定为一个目标集合;支持度为包含一个候选字段集合的数据集合的数量与多个数据集合的数量的比值。
可选的,第二性能数据还包括:源端设备的标识、宿端设备的标识和每个路径节点对应的传输节点设备的标识;基于第二性能数据,确定目标业务的目标传输路径的方法,具体包括:基于源端设备、宿端设备和多个路径节点,确定多个候选路径;基于第二性能数据,确定每个候选路径的路径评分,以得到与多个候选路径一一对应的多个路径评分;从多个路径评分中选取满足预设条件的目标路径评分,并将目标路径评分对应的候选路径确定为目标传输路径。
可选的,基于第二性能数据,确定每个候选路径的路径评分的方法,具体包括:对每个候选路径均执行路径评分操作,以得到每个候选路径的路径评分;路径评分操作包括:根据第二性能数据,确定第一候选路径的节点数量,第一候选路径的物理长度,第一候选路径中每个节点的带宽占用率和功耗;根据第一候选路径的节点数量和第一系数的乘积,确定第一参考值;根据第一候选路径的物理长度和第二系数的乘积,确定第二参考值;将第一参考值、第二参考值、每个节点的带宽占用率和功耗加权求和,以得到第一候选路径的路径评分。
第二方面,提供一种路径确定装置,包括:获取单元和处理单元;获取单元,用于获取目标业务的业务信息;业务信息用于表示目标业务的业务类型;处理单元,用于将获取单元获取到的业务信息输入至节点预测模型中,以得到与业务类型对应的多个路径节点;一个路径节点用于表示目标业务的传输节点设备;节点预测模型为基于业务数据和第一性能数据,预先训练至收敛状态,用于预测与输入业务的业务类型对应的路径节点的模型;获取单元,还用于获取第二性能数据;第二性能数据包括目标业务的源端设备的性能数据、宿端设备的性能数据、以及多个路径节点中,每个路径节点对应的传输节点设备的性能数据;处理单元,还用于基于获取单元获取到的第二性能数据,确定目标业务的目标传输路径。
可选的,获取单元,还用于获取业务数据和第一性能数据;业务数据包括在业务承载网络IPRAN和光传送网OTN中传输的业务的数据;第一性能数据包括IPRAN和OTN中的各个传输节点设备的拓扑数据、资源数据和能耗数据;处理单元,还用于根据获取单元获取到的业务数据、第一性能数据和预设算法,训练得到节点预测模型。
可选的,处理单元,具体用于:从业务数据和第一性能数据中,获取多个数据集合;一个数据集合用于表示一个传输节点设备在一个传输时刻的业务数据和性能数据;对多个数据集合中的每个数据集合均执行目标操作,以得到多个目标集合;目标操作用于去除每个数据集合中的噪声字段;基于聚类算法,对多个目标集合进行分类,以得到多个业务数据类别;基于相似度算法,对多个业务数据类别进行相似度计算,以得到多个相似关系;一个相似关系包括:第一业务数据类别与第二业务数据类别的相似关系;第一业务数据类别和第二业务数据类别为多个业务数据类别中的任意两个业务数据类别;基于多个相似关系和目标算法,训练得到节点预测模型。
可选的,目标操作包括:从一个数据集合中的全部字段中选取多个候选字段集合;多个候选字段集合中的每个候选字段集合包括全部字段中的至少一个字段;确定多个候选字段集合中每个候选字段集合的支持度,并将支持度大于预设阈值的候选字段集合确定为关键字段集合;将关键字段集合对应的字段组成的集合确定为一个目标集合;支持度为包含一个候选字段集合的数据集合的数量与多个数据集合的数量的比值。
可选的,第二性能数据还包括:源端设备的标识、宿端设备的标识和每个路径节点对应的传输节点设备的标识;处理单元,具体用于:基于源端设备、宿端设备和多个路径节点,确定多个候选路径;基于第二性能数据,确定每个候选路径的路径评分,以得到与多个候选路径一一对应的多个路径评分;从多个路径评分中选取满足预设条件的目标路径评分,并将目标路径评分对应的候选路径确定为目标传输路径。
可选的,处理单元,具体用于:对每个候选路径均执行路径评分操作,以得到每个候选路径的路径评分;路径评分操作包括:根据第二性能数据,确定第一候选路径的节点数量,第一候选路径的物理长度,第一候选路径中每个节点的带宽占用率和功耗;根据第一候选路径的节点数量和第一系数的乘积,确定第一参考值;根据第一候选路径的物理长度和第二系数的乘积,确定第二参考值;将第一参考值、第二参考值、每个节点的带宽占用率和功耗加权求和,以得到第一候选路径的路径评分。
第三方面,提供一种路径确定装置,包括存储器和处理器;存储器用于存储计算机执行指令,处理器与存储器通过总线连接;当路径确定装置运行时,处理器执行存储器存储的计算机执行指令,以使路径确定装置执行如第一方面的路径确定方法。
该路径确定装置可以是网络设备,也可以是网络设备中的一部分装置,例如网络设备中的芯片系统。该芯片系统用于支持网络设备实现第一方面及其任意一种可能的实现方式中所涉及的功能,例如,接收、确定、分流上述数据处理方法中所涉及的数据和/或信息。该芯片系统包括芯片,也可以包括其他分立器件或电路结构。
第四方面,提供一种计算机可读存储介质,其特征在于,计算机可读存储介质包括计算机执行指令,当计算机执行指令在计算机上运行时,使得计算机执行如第一方面的路径确定方法。
需要说明的是,上述计算机指令可以全部或者部分存储在第一计算机可读存储介质上。其中,第一计算机可读存储介质可以与路径确定装置的处理器封装在一起的,也可以与路径确定装置的处理器单独封装,本申请对此不作限定。
在本申请中,上述路径确定装置的名字对设备或功能模块本身不构成限定,在实际实现中,这些设备或功能模块可以以其他名称出现。只要各个设备或功能模块的功能和本申请类似,属于本申请权利要求及其等同技术的范围之内。
本申请的这些方面或其他方面在以下的描述中会更加简明易懂。
本申请提供的技术方案至少带来以下有益效果:
基于上述任一方面,本申请中,路径确定装置在获取目标业务的业务信息之后,可以将业务信息输入至节点预测模型中,以得到与目标业务的业务类型对应的多个路径节点。后续,可以获取第二性能数据(包括目标业务的源端设备的性能数据、宿端设备的性能数据、以及多个路径节点中,每个路径节点对应的传输节点设备的性能数据),并基于第二性能数据,确定目标业务的目标传输路径。
由于节点预测模型为基于业务数据和第一性能数据,预先训练至收敛状态,用于预测与输入业务的业务类型对应的路径节点的模型,因此节点预测模型可以快速、准确的确定出与目标业务的业务类型对应的多个路径节点,以使得后续根据多个路径节点确定目标业务的目标传输路径,从而可以利用目标业务的目标传输路径节省传输目标业务所需的网络资源,提高了网络资源利用率。
附图说明
图1为本申请实施例提供的一种路径确定系统的结构示意图;
图2A为本申请实施例提供的通信装置的一种硬件结构示意图;
图2B为本申请实施例提供的通信装置的又一种硬件结构示意图;
图3为本申请实施例提供的一种路径确定方法的流程示意图一;
图4为本申请实施例提供的一种路径确定方法的流程示意图二;
图5为本申请实施例提供的一种路径确定方法的流程示意图三;
图6为本申请实施例提供的一种路径确定方法的流程示意图四;
图7为本申请实施例提供的一种路径确定方法的流程示意图五;
图8为本申请实施例提供的一种路径确定装置的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
需要说明的是,本申请实施例中,“示例性的”或者“例如”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言,使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
为了便于清楚描述本申请实施例的技术方案,在本申请实施例中,采用了“第一”、“第二”等字样对功能和作用基本相同的相同项或相似项进行区分,本领域技术人员可以理解“第一”、“第二”等字样并不是在对数量和执行次序进行限定。
此外,本申请实施例和权利要求书及附图中的术语“包括”和“具有”不是排他的。例如,包括了一系列步骤或模块的过程、方法、系统、产品或设备没有限定于已列出的步骤或模块,还可以包括没有列出的步骤或模块。
如背景技术中所述,现有的路径规划方法通常是基于最短距离法确定网络业务在通信网络中的最优路径。但是,网络业务在传输过程中的影响因素有很多,单纯的通过距离这一个因素无法合理、准确的确定出数据传输效率最高的最优路径。
针对上述问题,本申请实施例提供了一种路径确定方法,在获取目标业务的业务信息之后,可以将业务信息输入至节点预测模型中,以得到与目标业务的业务类型对应的多个路径节点。后续,可以获取第二性能数据(包括目标业务的源端设备的性能数据、宿端设备的性能数据、以及多个路径节点中,每个路径节点对应的传输节点设备的性能数据),并基于第二性能数据,确定目标业务的目标传输路径。
由于节点预测模型为基于业务数据和第一性能数据,预先训练至收敛状态,用于预测与输入业务的业务类型对应的路径节点的模型,因此节点预测模型可以快速、准确的确定出与目标业务的业务类型对应的多个路径节点,以使得后续根据多个路径节点确定目标业务的目标传输路径,从而可以利用目标业务的目标传输路径节省传输目标业务所需的网络资源,提高了网络资源利用率。
该路径确定方法适用于路径确定系统。图1示出了该路径确定系统100的一种结构。如图1所示,该路径确定系统100包括:路径确定装置101、IP服务器102和OTN服务器103。路径确定装置101可以分别与IP服务器102和OTN服务器103之间通信连接,IP服务器102可以和OTN服务器103之间通信连接。
可选的,图1中的路径确定装置101可以是IP服务器102内部的功能模块,也可以是OTN服务器103内部的功能模块,还可以是与IP服务器102和OTN服务器103独立设置、用于对业务路径进行规划的电子设备。
为了便于理解,本申请主要以路径确定装置101、IP服务器102、OTN服务器103独立设置为例进行说明。
容易理解的是,当路径确定装置101为IP服务器102内部的功能模块时,路径确定装置101与IP服务器102之间的通信方式为服务器内部模块之间的通信。这种情况下,二者之间的通信流程与“路径确定装置101与IP服务器102相互独立的情况下,二者之间的通信流程”相同。
相应的,当路径确定装置101为OTN服务器103内部的功能模块时,路径确定装置101与OTN服务器103之间的通信方式为服务器内部模块之间的通信。这种情况下,二者之间的通信流程与“路径确定装置101与OTN服务器103相互独立的情况下,二者之间的通信流程”相同。
可选的,当路径确定装置101是与IP服务器102和OTN服务器103独立设置、用于对业务路径进行规划的电子设备时,该电子设备可以是服务器,也可以是其他用于对业务路径进行规划的电子设备。
IP服务器102分别与IPRAN中的各个IP网络设备连接。IP网络设备一般会与光传送设备连接,以进行业务的传输。在进行业务传输时,IP网络设备会产生与所传输业务相应的多种数据,可以是该业务的业务数据(例如业务类型等)、拓扑数据(例如传输该业务的上下节点信息以及连接关系等)、资源数据(例如IP网络设备传输该业务时的带宽占用率、IP网络设备的名称和端口类型等)和能耗数据(例如传输该业务时IP网络设备的功耗等)。IP服务器102用于收集各个IP网络设备在传输业务时产生的多种数据,并向路径确定装置101发送收集到的多种数据。
相应的,OTN服务器103分别与OTN中的各个光传送设备连接。光传送设备一般会与IP网络设备连接,以进行业务的传输。在进行业务传输时,光传送设备也会产生与所传输业务相应的多种数据,可以是该业务的业务数据(例如业务类型等)、拓扑数据(例如传输该业务的上下节点信息以及连接关系等)、资源数据(例如IP网络设备传输该业务时的带宽占用率、IP网络设备的名称和端口类型等)和能耗数据(例如传输该业务时IP网络设备的功耗等)。OTN服务器103用于收集各个光传送设备在传输业务时产生的多种数据,并向路径确定装置101发送收集到的多种数据。
可选的,当路径确定装置101为服务器时,路径确定装置101、IP服务器102和OTN服务器103均可以是单独的服务器,或者,也可以是由多个服务器构成的服务器集群。部分实施方式中,服务器集群还可以是分布式集群。本申请实施例对此不作任何限制。
路径确定系统100中的路径确定装置101、IP服务器102和OTN服务器103的基本硬件结构类似,都包括图2A或图2B所示通信装置所包括的元件。下面以图2A和图2B所示的通信装置为例,介绍路径确定装置101、IP服务器102和OTN服务器103的硬件结构。
如图2A所示,为本申请实施例提供的通信装置的一种硬件结构示意图。该通信装置包括处理器21,存储器22、通信接口23、总线24。处理器21,存储器22以及通信接口23之间可以通过总线24连接。
处理器21是通信装置的控制中心,可以是一个处理器,也可以是多个处理元件的统称。例如,处理器21可以是一个通用中央处理单元(central processing unit,CPU),也可以是其他通用处理器等。其中,通用处理器可以是微处理器或者是任何常规的处理器等。
作为一种实施例,处理器21可以包括一个或多个CPU,例如图2A中所示的CPU0和CPU1。
存储器22可以是只读存储器(read-only memory,ROM)或可存储静态信息和指令的其他类型的静态存储设备,随机存取存储器(random access memory,RAM)或者可存储信息和指令的其他类型的动态存储设备,也可以是电可擦可编程只读存储器(electricallyerasable programmable read-only memory,EEPROM)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。
一种可能的实现方式中,存储器22可以独立于处理器21存在,存储器22可以通过总线24与处理器21相连接,用于存储指令或者程序代码。处理器21调用并执行存储器22中存储的指令或程序代码时,能够实现本申请下述实施例提供的路径确定方法。
在本申请实施例中,对于路径确定装置101、IP服务器102和OTN服务器103而言,存储器22中存储的软件程序不同,所以路径确定装置101、IP服务器102和OTN服务器103实现的功能不同。关于各设备所执行的功能将结合下面的流程图进行描述。
另一种可能的实现方式中,存储器22也可以和处理器21集成在一起。
通信接口23,用于通信装置与其他设备通过通信网络连接,所述通信网络可以是以太网,无线接入网,无线局域网(wireless local area networks,WLAN)等。通信接口23可以包括用于接收数据的接收单元,以及用于发送数据的调度单元。
总线24,可以是工业标准体系结构(industry standard architecture,ISA)总线、外部设备互连(peripheral component interconnect,PCI)总线或扩展工业标准体系结构(extended industry standard architecture,EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。为便于表示,图2A中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
需要指出的是,图2A中示出的结构并不构成对该通信装置的限定,除图2A所示部件之外,该通信装置可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
图2B示出了本申请实施例中通信装置的另一种硬件结构。如图2B所示,通信装置可以包括处理器31以及通信接口32。处理器31与通信接口32耦合。
处理器31的功能可以参考上述处理器21的描述。此外,处理器31还具备存储功能,可以起上述存储器22的功能。
通信接口32用于为处理器31提供数据。该通信接口32可以是通信装置的内部接口,也可以是通信装置对外的接口(相当于通信接口23)。
需要指出的是,图2A(或图2B)中示出的结构并不构成对通信装置的限定,除图2A(或图2B)所示部件之外,该通信装置可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
下面结合附图对本申请实施例提供的路径确定方法进行详细介绍。
本申请实施例提供的路径确定方法包括:路径确定装置获取业务数据和第一性能数据后,根据业务数据、第一性能数据和预设算法,训练得到节点预测模型的流程(简称为“节点预测模型训练流程”)和路径确定装置根据节点预测模型和获取到的目标业务的业务信息,得到与业务类型对应的多个路径节点,并基于目标业务的源端设备的性能数据、宿端设备的性能数据、以及多个路径节点,确定目标业务的目标传输路径的流程(简称为“目标传输路径生成流程”)。
下面先对“节点预测模型训练流程”进行描述。
如图3所示,“节点预测模型训练流程”包括:S301-S302。
S301、路径确定装置获取业务数据和第一性能数据。
具体的,在训练节点预测模型时,路径确定装置可以获取业务数据和第一性能数据,并将获取到的业务数据和第一性能数据作为训练数据,用于训练得到节点预测模型。
其中,业务数据包括在IPRAN和OTN中传输的业务的数据。第一性能数据包括IPRAN和OTN中的各个传输节点设备的拓扑数据、资源数据和能耗数据。
可选的,业务数据可以包括IPRAN和OTN的各类业务数据(例如虚容器(virtualcontainer,VC)中的VC4和VC12等)。
拓扑数据可以包括IPRAN和OTN中,各个设备的节点信息以及连接关系。
资源数据可以包括IPRAN和OTN中各类资源信息(例如网元的带宽占用率、网元名称、网元类型、网元IP和端口类型等)。
能耗数据可以包括IPRAN和OTN中各个设备的功耗。
可选的,业务数据和第一性能数据可以是预设时间段内的IPRAN和OTN中的数据。
可选的,IP服务器和/或OTN服务器存储有业务数据和第一性能数据。路径确定装置在获取业务数据和第一性能数据时,可以向IP服务器和/或OTN服务器发送用于获取业务数据和第一性能数据的数据请求。IP服务器和/或OTN服务器在接收到数据请求后,从数据库中读取业务数据和第一性能数据,并向路径确定装置发送业务数据和第一性能数据。相应的,路径确定装置接收IP服务器和/或OTN服务器发送的业务数据和第一性能数据。
S302、路径确定装置根据业务数据、第一性能数据和预设算法,训练得到节点预测模型。
具体的,在获取业务数据和第一性能数据后,路径确定装置可以根据业务数据、第一性能数据和预设算法,训练得到节点预测模型。
其中,节点预测模型用于预测与输入业务的业务类型对应的路径节点。
可选的,由于业务数据和第一性能数据数量众多,且数据类型多种多样,因此,路径确定装置在根据业务数据、第一性能数据和预设算法,训练得到节点预测模型时,可以先将业务数据和第一性能数据进行数值化映射,以得到用数值表示的业务数据和第一性能数据。
并且,为了提高模型训练的效率,路径确定装置还可以对数值化映射后的业务数据和第一性能数据进行向量归一化处理,以得到类型相同的业务数据和第一性能数据,进而通过向量归一化处理后的业务数据和第一性能数据训练得到节点预测模型,提高了模型训练的效率。
示例性的,预设路径确定装置获取到一个网元的名称为A,类型为A1,另一个网元的名称为B,类型为B1,这些数据类型不同且均为字段信息。为了提高模型训练的效率,路径确定装置可以按照预设规则,先对这些数据进行数值化映射,再进行归一化,两个网元的数据可以是网元A的名称用数值1表示,类型A1用数值11表示,网元B的名称用数值2表示,类型B1用数值21表示,以用于提高节点预测模型训练的效率。
在一种可以实现的方式中,结合图3,如图4所示,在上述S302中,路径确定装置根据业务数据、第一性能数据和预设算法,训练得到节点预测模型的方法包括:S401-S405。
S401、路径确定装置从业务数据和第一性能数据中,获取多个数据集合。
其中,一个数据集合用于表示与一个传输节点设备在一个传输时刻的业务数据和性能数据。
具体的,在获取业务数据和第一性能数据后,由于业务数据包括在IPRAN和OTN中传输的业务的数据。第一性能数据包括IPRAN和OTN中的各个传输节点设备的拓扑数据、资源数据和能耗数据,因此,路径确定装置可以从业务数据和第一性能数据中,获取多个数据集合。
示例性的,预设A网元在第一时刻承载了B业务的传输,在第二时刻承载了C业务的传输,则路径确定装置可以获取第一时刻的B业务的业务数据和A网元的性能数据,并将获取到的数据确定为第一数据集合。相应的,路径确定装置还可以获取第二时刻的C业务的业务数据和A网元的性能数据,并将获取到的数据确定为第二数据集合。
S402、路径确定装置对多个数据集合中的每个数据集合均执行目标操作,以得到多个目标集合。
其中,目标操作用于去除每个数据集合中的噪声字段。
具体的,在获取多个数据集合后,路径确定装置对多个数据集合中的每个数据集合均执行目标操作,以得到多个目标集合。目标操作包括:
路径确定装置先从一个数据集合中的全部字段中选取多个候选字段集合。其中,多个候选字段集合中的每个候选字段集合包括全部字段中的至少一个字段。接着,路径确定装置确定多个候选字段集合中每个候选字段集合的支持度,并将支持度大于预设阈值的候选字段集合确定为关键字段集合。再接着,路径确定装置将关键字段集合对应的字段组成的集合确定为一个目标集合。
其中,支持度为包含一个候选字段集合的数据集合的数量与多个数据集合的数量的比值。
可选的,预设阈值的大小可以根据数据类型的不同进行设定。
具体的,路径确定装置可以根据如下支持度计算公式,确定多个候选字段集合中每个候选字段集合的支持度,从而支持度大于预设阈值的候选字段集合确定为关键字段集合。支持度计算公式为:
支持度=关联数据集合数量/多个数据集合总数量。
其中,关联数据集合数量为包含该候选字段集合的数据集合的数量,多个数据集合总数量为多个数据集合的数量之和。
可以理解的,一个目标集合为一个数据集合只保留关键特征字段集合后得到的,若一个数据集合中没有包含关键特征字段集合,则清除该数据集合。
示例性的,如表1中所示,预设A字段为业务类型,预设B字段为计数器值,预设C字段为用户标签,预设D字段为管理状态,J1、J2和J3分别为三个不同的数据集合,1表示数据集合中存在对应字段,0表示数据集合中不存在对应字段。
表1
A(业务类型) | B(计数器值) | C(用户标签) | D(管理状态) | |
J1 | 1 | 1 | 1 | 0 |
J2 | 1 | 1 | 0 | 0 |
J3 | 1 | 0 | 1 | 0 |
则候选字段集合(A,B)的支持度为:支持度(A,B)=2/3=0.67。候选字段集合(A,B,C)的支持度为:支持度(A,B,C)=1/3=0.33。若预设阈值为0.5,则确定候选字段集合(A,B)为关键特征字段集合。
可选的,路径确定装置还可以根据频繁模式树(frequent pattern tree,FP-Tree)和前缀投影的模式挖掘(prefix-projected pattern growth,Prefix Span)等相关算法提取关键特征字段集合。本申请实施例对此不作限定。
S403、路径确定装置基于聚类算法,对多个目标集合进行分类,以得到多个业务数据类别。
具体的,在确定多个目标集合后,路径确定装置可以基于聚类算法,对多个目标集合进行分类,以得到多个业务数据类别。
可选的,聚类算法可以是基于节点之间的距离进行聚类的第一算法,也可以是k均值聚类算法(k-means clustering algorithm,K-means)。本申请实施例对此不作限定。
当聚类算法为基于节点之间的距离进行聚类的第一算法时,路径确定装置可以在确定多个目标集合后,按照预设的数值化映射规则对多个目标集合中的每个目标集合均执行数值化映射。
接着,路径确定装置还可以对数值化映射后的多个目标集合进行向量归一化处理,以便于基于聚类算法,对多个目标集合进行分类。
可选的,数值化映射后的每个目标集合的特征字段可以包括很多参数值(例如日期、地址等),为了便于对多个目标集合进行聚类,还需要对数值化映射后的每个目标集合进行向量归一化处理。本申请实施例提供一种向量归一化处理方法,以表2中列举的日期参数为例进行说明。向量归一化公式为:
x=(x-min)/(max-min)。
表2
Index | 日期 |
A | 20211101050000 |
B | 20211102050000 |
C | 20211101040000 |
示例性的,预设对数值化映射后的目标集合A进行向量归一化,那A对应的日期就是x(即20211101050000),min就是这列最小值,(即20211101040000),max就是这列最大值(即20211102050000)。
在对多个目标集合进行向量归一化处理后,可以基于下述第一算法,确定向量归一化处理后的多个目标集合中的每个目标集合与中心集合的距离。
可选的,中心集合可以是多个目标集合中的一个目标集合,也可以是多个目标集合以外的任意一个随机生成的集合。
第一算法为:
其中,k为向量归一化处理后的多个目标集合的数量,x1k为向量归一化处理后的多个目标集合中的一个目标集合,x2k为与一个目标集合对应的随机类别中心点,d12为一个目标集合距离对应的随机类别中心点的距离。
在确定出与每个目标集合距离最近的中心集合后,路径确定装置可以选取与同一个中心集合的距离满足预设距离的目标集合,并将这些集合确定为同一个业务数据类别中的集合。
一般的,业务聚类是一个动态寻找的过程,一直到收敛就可以完成聚类。一条业务会经过多个IPRAN和OTN的节点,当我们以某一业务来做聚类时,就可以得到该业务的特征,以及与该业务对应的节点类别。
可选的,在得到多个业务数据类别后,路径确定装置可以输出多个业务数据类别和与多个业务数据类别一一对应的多个节点类别。工作人员可以查看多个业务数据类别和与多个业务数据类别一一对应的多个节点类别,并对多个业务数据类别和与多个业务数据类别一一对应的多个节点类别进行特征评价。后续,路径确定装置可以根据工作人员的对于不同业务数据类别和与多个业务数据类别一一对应的多个节点类别的特征评价,标记多个业务数据类别和与多个业务数据类别一一对应的多个节点类别的特征。
需要说明的是,由于每个数据集合只包含了业务数据和第一性能数据本身,而没有包含分别与业务数据和第一性能数据对应的特征信息,因此,对根据多个数据集合处理得到的多个目标集合进行业务聚类后,得到的只是哪些业务是类别相同的业务,而不知道这个类别的特性信息。因此,在得到多个业务数据类别后,路径确定装置需要接收由人工判断后的每个业务数据类别的特征信息。这样一来,路径确定装置可以根据每个业务数据类别的特征信息确定每个业务数据类别的向量信息,以便于对多个业务数据类别进行相似度计算。
S404、路径确定装置基于相似度算法,对多个业务数据类别进行相似度计算,以得到多个相似关系。
其中,一个相似关系包括:第一业务数据类别与第二业务数据类别的相似关系。第一业务数据类别和第二业务数据类别为多个业务数据类别中的任意两个业务数据类别。
具体的,在得到多个业务数据类别后,路径确定装置可以基于相似度算法,对多个业务数据类别进行相似度计算,以得到多个相似关系。
可选的,路径确定装置可以根据如下余弦相似度算法对多个业务数据类别进行相似度计算,以得到多个相似关系。余弦相似度算法为:
其中,a为第一业务数据类别,b为第二业务数据类别。
可选的,当某一业务数据类别具有新引入节点时,上述余弦相似度算法中a为任意一个业务数据类别,b为新引入节点的特征,从而将该业务数据类别与新引入节点的特征结合在一起。其中,新引入节点为与某一业务数据类别对应的节点类别以外的节点。
可选的,在得到多个相似关系后,路径确定装置标记多个相似关系的特征的方法可以参考S403中,路径确定装置接收来自工作人员的对于不同业务数据类别和与多个业务数据类别一一对应的节点类别的特征评价,并标记多个业务数据类别和与多个业务数据类别一一对应的节点类别的特征的方法,在此不再赘述。
需要说明的是,通过对多个业务数据类别进行相似度计算,只能对至少一个业务数据类别聚类为一个相似关系,但不能确定这一个相似关系的具体特征。因此,在得到多个相似关系后,路径确定装置需要接收由人工判断后的每个相似关系的特征信息。这样一来,以便于在输入业务的业务类型后,节点预测模型可以根据业务的业务类型找到对应的相似关系的特征信息,以便于确定与输入业务的业务类型对应的多个路径节点。例如,预设业务数据类别A和B是一个相似关系,但不知道A和B的相似关系的具体特征。这个时候,为业务数据类别A和B的相似关系添加大颗粒业务的特征信息,从而确业务数据类别A和B均属于大颗粒业务。
可选的,路径确定装置还可以根据Jaccard相似系数(jaccard similaritycoefficient,Jaccard index)对多个业务数据类别进行相似度计算,以得到多个相似关系。本申请实施例对此不作限定。
S405、路径确定装置基于多个相似关系和目标算法,训练得到节点预测模型。
具体的,在得到多个相似关系后,路径确定装置可以基于多个相似关系和目标算法,训练得到节点预测模型。
可选的,目标算法可以为图神经网络(graph neural network model,GNN)算法。路径确定装置基于多个相似关系和GNN算法,训练得到节点预测模型的具体实现方式为:
路径确定装置对多个相似关系中的每个相似关系均执行节点预测训练操作,直至训练得到与多个相似关系一一对应的多个当前目标结果,从而得到节点预测模型。
节点预测训练操作为:
路径确定装置根据第一相似关系的特征、第一相似关系包含的每个业务数据类别、与每个业务数据类别对应的节点类别、与每个业务数据类别对应的节点类别的特征和第一公式,确定第一目标结果。第一公式为:
hv=f(xv,xco{v},hne{v},xne{v})。
其中,hv为第一目标结果,xv为第一相似关系v的特征,xco{v}为第一相似关系v包含的每个业务数据类别,hne{v}为与每个业务数据类别对应的节点类别,xne{v}为与每个业务数据类别对应的节点类别的特征。
在确定第一目标结果后,路径确定装置根据第一相似关系的特征、与第一相似关系包含的每个业务数据类别对应的节点类别和第二公式,可以更新第一目标结果以得到第一当前目标结果。第二公式为:
ov=g(hv,xv)。
其中,ov为第一当前目标结果,xv第一相似关系v的特征,hv为与第一相似关系v包含的每个业务数据类别对应的节点类别。
示例性的,预设第一相似关系A的特征为大颗粒业务,相似关系A包含A1业务数据类别和A2业务数据类别,A1业务数据类别对应与B1节点类别,A2业务数据类别对应于B2节点类别,B1节点类别的特征为通信质量稳定,B2节点类别的特征为功耗低。则路径确定装置可以根据第一公式,确定第一目标结果为具有大颗粒业务特征的相似关系A分别与A1和A2相连,A1和特征为通信质量稳定的B1相连,A2和特征为功耗低的B2相连。进一步的,路径确定装置可以根据第二公式,确定第一当前目标结果为具有大颗粒业务特征的相似关系A分别与A1、A2、特征为通信质量稳定的B1和特征为功耗低的B2相连,A1和特征为通信质量稳定的B1相连,A2和特征为功耗低的B2相连。
进一步的,路径确定装置可以根据正确结果的向量值、第一当前目标结果的向量值和第三公式,进行对比判断是否连接正确。若不正确,则路径确定装置可以依据两者之间的差值进行参数调整,以使得第一当前目标结果与正确结果相同。其中,正确结果为已知的各节点之间的正确连接关系。第三公式为:
其中,loss为正确结果的向量值与第一当前目标结果的向量值之间的差值,i为参数调整的次数,ti为正确结果的向量值,oi为第一当前目标结果的向量值。
可选的,路径确定装置依据loss进行参数调整的方法是本领域技术人员依据现有技术可以灵活选择的(例如阶梯式调整等),在此不再赘述。
可选的,目标算法还可以是生成式对抗网络(generative adversarialnetworks,GAN)和图卷积网络(graph convolution network,GCN)等。本申请实施例对此不作限定。
接下来对“目标传输路径生成流程”进行描述。
采用上述方法训练好节点预测模型之后,可以根据节点预测模型和获取到的目标业务的业务信息,得到与业务类型对应的多个路径节点,并基于目标业务的源端设备的性能数据、宿端设备的性能数据、以及多个路径节点,确定目标业务的目标传输路径的流程多个路径节点。如图5所示,包括:S501-S504。
S501、路径确定装置获取目标业务的业务信息。
其中,业务信息用于表示目标业务的业务类型。
具体的,当目标业务需要在IP网络设备和/或光网络设备间传输时,路径确定装置可以通过IP服务器和/OTN服务器获取到目标业务的业务信息,并解析业务信息,以确定目标业务的业务类型。
可选的,目标业务可以是用户在终端(例如手机、平板电脑等)上使用第三方应用程序(application program,APP)时,需要在IP网络设备和/或光网络设备间传输的各种业务,也可以是网络设备(例如服务器、基站等)之间需要传输的各种业务。
可选的,目标业务的业务类型可以是大颗粒业务、小颗粒业务等业务类型,也可以是文本数据、音频数据和视频数据等数据类型。
可选的,IP服务器和/或OTN服务器可以接受并存储目标业务的业务信息。路径确定装置在获取目标业务的业务信息时,可以向IP服务器和/或OTN服务器发送用于获取该目标业务的业务信息的数据请求。IP服务器和/或OTN服务器在接收到数据请求后,从数据库中读取该目标业务的业务信息,并向路径确定装置发送该目标业务的业务信息。相应的,路径确定装置接收IP服务器和/或OTN服务器发送的该目标业务的业务信息。
S502、路径确定装置将业务信息输入至节点预测模型中,以得到多个路径节点。
其中,一个路径节点用于表示目标业务的传输节点设备。节点预测模型为基于业务数据和第一性能数据,预先训练至收敛状态,用于预测与输入业务的业务类型对应的路径节点的模型。
具体的,在获取到目标业务的业务信息后,路径确定装置可以将目标业务的业务信息输入至节点预测模型中。相应的,节点预测模型在接收到目标业务的业务信息后,输出多个路径节点。
示例性的,预设路径确定装置获取到目标业务A的业务信息,且解析业务信息后确定该目标业务A的业务类型为大颗粒业务。路径确定装置可以将目标业务A的业务类型,即大颗粒业务输入至节点预测模型中,并得到节点预测模型输出的与目标业务A的业务类型对应的多个路径节点。
其中,多个路径节点用于表示适合目标业务A传输的多个传输节点设备。
可选的,路径确定装置可以对目标业务的业务信息进行数值化映射,接着,再进行向量归一化处理,以得到与节点预测模型中的数据类型相同的目标业务的业务信息,再输入节点预测模型。相应的,在节点预测模型的匹配到适合目标业务的业务类型的多个路径节点后,路径确定装置可以先将多个路径节点的信息转换为正常文本类型,再输出正常文本类型的多个路径节点信息。
S503、路径确定装置获取第二性能数据。
具体的,在得到多个路径节点后,路径确定装置可以获取第二性能数据。其中,第二性能数据包括目标业务的源端设备的性能数据、宿端设备的性能数据、以及多个路径节点中,每个路径节点对应的传输节点设备的性能数据。
可选的,路径确定装置获取第二性能数据的方法可以参考S501中,路径确定装置获取目标业务的业务信息的方法,此处不再赘述。
S504、路径确定装置基于第二性能数据,确定目标业务的目标传输路径。
具体的,在获取第二性能数据后,路径确定装置可以基于第二性能数据,确定目标业务的目标传输路径。
可选的,路径确定装置基于第二性能数据,确定目标业务的目标传输路径包括以下几种实现方式:
第一种实现方式为:
路径确定装置根据源端设备信息、宿端设备信息和每个路径节点对应的传输节点设备的设备信息,先确定至少一条候选路径。
在确定至少一条候选路径后,路径确定装置可以根据第二性能数据,确定每一条候选路径的参考值,参考值包括IP网络跳数、OTN网络路径长度,每个传输节点设备的带宽占用量和功耗。
之后,路径确定装置根据获取到的每一条候选路径的参考值进行加权求和,并将最小值对应的候选路径确定为目标传输路径。
其中,IP网络跳数为每一条候选路径中的传输节点设备数量,OTN网络路径长度为每一条候选路径的实际物理长度。
第二种实现方式为:
路径确定装置根据源端设备信息、宿端设备信息和每个路径节点对应的传输节点设备的设备信息,先确定至少一条候选路径。
在确定至少一条候选路径后,路径确定装置可以确定每一条候选路径中与目标业务的需求(例如首要因素是节点的网络稳定性,次要因素是节点功耗)相匹配的参考值,再利用求乘积或其他算法计算后,再选取满足预设条件(例如多个结果的最大或最小值)的候选路径,并将选取到的候选路径确定为目标路径。本申请实施例对此不作限定。
在一种可以实现的方式中,结合图5,如图6所示,在上述S504中,路径确定装置基于第二性能数据,确定目标业务的目标传输路径的方法包括:S601-S603。
S601、路径确定装置基于源端设备、宿端设备和多个路径节点,确定多个候选路径。
具体的,第二性能数据还包括:源端设备的标识、宿端设备的标识和每个路径节点对应的传输节点设备的标识。在获取第二性能数据后,路径确定装置可以基于源端设备、宿端设备和多个路径节点,确定多个候选路径。
可选的,路径确定装置基于源端设备、宿端设备和多个路径节点,确定多个候选路径的方法可以是最短距离的路由策略,也可以是本领域现有的其他路径规划策略。本申请实施例对此不作限定。
S602、路径确定装置基于第二性能数据,确定每个候选路径的路径评分,以得到与多个候选路径一一对应的多个路径评分。
具体的,在确定多个候选路径后,路径确定装置可以基于第二性能数据,确定每个候选路径的路径评分,以得到与多个候选路径一一对应的多个路径评分。
可选的,路径确定装置可以根据第二性能数据,确定每个候选路径的多个参考值。其中,参考值可以是IP网络跳数、OTN网络路径长度,每个传输节点设备的带宽占用量和功耗等。IP网络跳数为每一条候选路径中的传输节点设备数量,OTN网络路径长度为每一条候选路径的实际物理长度。
进一步的,路径确定装置可以将获取到的每个候选路径的多个参考值进行加权求和,确定每个候选路径的路径评分,以得到与多个候选路径一一对应的多个路径评分。
可选的,路径确定装置还可以将获取到的每个候选路径的多个参考值进行求乘积运算,确定每个候选路径的路径评分,以得到与多个候选路径一一对应的多个路径评分。
S603、路径确定装置从多个路径评分中选取满足预设条件的目标路径评分,并将目标路径评分对应的候选路径确定为目标传输路径。
具体的,在得到与多个候选路径一一对应的多个路径评分后,路径确定装置可以从多个路径评分中选取满足预设条件的目标路径评分,并将目标路径评分对应的候选路径确定为目标路径。
可选的,当路径评分用于描述该路径的功耗情况时,预设条件可以是选取多个路径评分中的与最低功耗对应的最小评分值,并将与最小评分值对应的候选路径确定为目标传输路径。
示例性的,预设与目标业务A的三个候选路径A1、A2和A3一一对应的三个路径评分分别为20、30、40,且预设条件为选取多个路径评分中的最小评分值对应的候选路径为目标传输路径。则与三个路径评分中最小评分值20对应的目标业务A的候选路径为A1,选取候选路径A1作为目标业务A的目标传输路径。
在一种可以实现的方式中,结合图6,如图7所示,在上述S602中,路径确定装置基于第二性能数据,确定每个候选路径的路径评分的方法包括:S701。
S701、路径确定装置对每个候选路径均执行路径评分操作,以得到每个候选路径的路径评分。
具体的,在确定多个候选路径后,路径确定装置可以对每个候选路径均执行路径评分操作,以得到每个候选路径的路径评分。
其中,路径评分操作包括:根据第二性能数据,确定第一候选路径的节点数量,第一候选路径的物理长度,第一候选路径中每个节点的带宽占用率和功耗。根据第一候选路径的节点数量和第一系数的乘积,确定第一参考值。根据第一候选路径的物理长度和第二系数的乘积,确定第二参考值。将第一参考值、第二参考值、每个节点的带宽占用率和功耗加权求和,以得到第一候选路径的路径评分。
可选的,第一系数可以根据候选路径上的IPRAN设备是否与OTN相连和设备类型进行设定。第二系数也可以根据候选路径上的设备类型进行设定。其中,业务连接设备的类型可以包括核心层、汇聚层和接入层。第一系数和第二系数可以相同,也可以不同。
示例性的,预设第一候选路径A的节点数量由A1和A2共2个、物理长度为10km,A1节点的带宽占用率为70%和功耗为10w,A2节点的带宽占用率为80%和功耗为15w,则第一候选路径A的路径评分为:
A的路径评分=a×2+b×10+c×70%+d×10+c×80%+d×15。
其中,a、b、c和d分别为第一参考值、第二参考值、每个节点的带宽占用率和功耗的权重系数,a、b、c和d相加之和为1。
可选的,a、b、c、d四个权重系数可以依据经验设定。
上述主要从方法的角度对本申请实施例提供的方案进行了介绍。为了实现上述功能,其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,本申请能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
本申请实施例可以根据上述方法示例对终端进行功能模块的划分,例如,可以对应各个功能划分各个功能模块,也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。可选的,本申请实施例中对模块的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
如图8所示,为本申请实施例提供的一种路径确定装置的结构示意图。该路径确定装置可以用于执行如图3至图7所示的路径确定方法。图8所示路径确定装置包括:获取单元801和处理单元802。
获取单元801,用于获取目标业务的业务信息。业务信息用于表示目标业务的业务类型。例如,结合图5,获取单元801可以用于执行S501。
处理单元802,用于将获取单元801获取到的业务信息输入至节点预测模型中,以得到与业务类型对应的多个路径节点。一个路径节点用于表示目标业务的传输节点设备。节点预测模型为基于业务数据和第一性能数据,预先训练至收敛状态,用于预测与输入业务的业务类型对应的路径节点的模型。例如,结合图5,处理单元802可以用于执行S502。
获取单元801,还用于获取第二性能数据。第二性能数据包括目标业务的源端设备的性能数据、宿端设备的性能数据、以及多个路径节点中,每个路径节点对应的传输节点设备的性能数据。例如,结合图5,获取单元801可以用于执行S503。
处理单元802,还用于基于获取单元801获取到的第二性能数据,确定目标业务的目标传输路径。例如,结合图5,处理单元802可以用于执行S504。
可选的,获取单元801,还用于获取业务数据和第一性能数据。业务数据包括在业务承载网络IPRAN和光传送网OTN中传输的业务的数据。第一性能数据包括IPRAN和OTN中的各个传输节点设备的拓扑数据、资源数据和能耗数据。例如,结合图3,获取单元801可以用于执行S301。
处理单元802,还用于根据获取单元801获取到的业务数据、第一性能数据和预设算法,训练得到节点预测模型。例如,结合图3,处理单元802可以用于执行S302。
可选的,处理单元802,具体用于:
从业务数据和第一性能数据中,获取多个数据集合。一个数据集合用于表示一个传输节点设备在一个传输时刻的业务数据和性能数据。例如,结合图4,处理单元802可以用于执行S401。
对多个数据集合中的每个数据集合均执行目标操作,以得到多个目标集合。目标操作用于去除每个数据集合中的噪声字段。例如,结合图4,处理单元802可以用于执行S402。
基于聚类算法,对多个目标集合进行分类,以得到多个业务数据类别。例如,结合图4,处理单元802可以用于执行S403。
基于相似度算法,对多个业务数据类别进行相似度计算,以得到多个相似关系。一个相似关系包括:第一业务数据类别与第二业务数据类别的相似关系。第一业务数据类别和第二业务数据类别为多个业务数据类别中的任意两个业务数据类别。例如,结合图4,处理单元802可以用于执行S404。
基于多个相似关系和目标算法,训练得到节点预测模型。例如,结合图4,处理单元802可以用于执行S405。
可选的,目标操作包括:从一个数据集合中的全部字段中选取多个候选字段集合。多个候选字段集合中的每个候选字段集合包括全部字段中的至少一个字段。确定多个候选字段集合中每个候选字段集合的支持度,并将支持度大于预设阈值的候选字段集合确定为关键字段集合。将关键字段集合对应的字段组成的集合确定为一个目标集合。支持度为包含一个候选字段集合的数据集合的数量与多个数据集合的数量的比值。
可选的,第二性能数据还包括:源端设备的标识、宿端设备的标识和每个路径节点对应的传输节点设备的标识。处理单元802,具体用于:
基于源端设备、宿端设备和多个路径节点,确定多个候选路径。例如,结合图6,处理单元802可以用于执行S601。
基于第二性能数据,确定每个候选路径的路径评分,以得到与多个候选路径一一对应的多个路径评分。例如,结合图6,处理单元802可以用于执行S602。
从多个路径评分中选取满足预设条件的目标路径评分,并将目标路径评分对应的候选路径确定为目标传输路径。例如,结合图6,处理单元802可以用于执行S603。
可选的,处理单元802,具体用于:
对每个候选路径均执行路径评分操作,以得到每个候选路径的路径评分。路径评分操作包括:
根据第二性能数据,确定第一候选路径的节点数量,第一候选路径的物理长度,第一候选路径中每个节点的带宽占用率和功耗。根据第一候选路径的节点数量和第一系数的乘积,确定第一参考值。根据第一候选路径的物理长度和第二系数的乘积,确定第二参考值。将第一参考值、第二参考值、每个节点的带宽占用率和功耗加权求和,以得到第一候选路径的路径评分。例如,结合图7,处理单元802可以用于执行S701。
本领域技术人员应该可以意识到,在上述一个或多个示例中,本申请所描述的功能可以用硬件、软件、固件或它们的任意组合来实现。当使用软件实现时,可以将这些功能存储在计算机可读介质中或者作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机可读存储介质和通信介质,其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是通用或专用计算机能够存取的任何可用介质。
通过以上的实施方式的描述,所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。例如多个单元或组件可以结合或者可以集成到另一个装置,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是一个物理单元或多个物理单元,即可以位于一个地方,或者也可以分布到多个不同地方。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (14)
1.一种路径确定方法,其特征在于,包括:
获取目标业务的业务信息;所述业务信息用于表示所述目标业务的业务类型;
将所述业务信息输入至节点预测模型中,以得到与所述业务类型对应的多个路径节点;一个路径节点用于表示所述目标业务的传输节点设备;所述节点预测模型为基于业务数据和第一性能数据,预先训练至收敛状态,用于预测与输入业务的业务类型对应的路径节点的模型;
获取第二性能数据;所述第二性能数据包括所述目标业务的源端设备的性能数据、宿端设备的性能数据、以及所述多个路径节点中,每个路径节点对应的传输节点设备的性能数据;
基于所述第二性能数据,确定所述目标业务的目标传输路径。
2.根据权利要求1所述的路径确定方法,其特征在于,还包括:
获取所述业务数据和第一性能数据;所述业务数据包括在业务承载网络IPRAN和光传送网OTN中传输的业务的数据;所述第一性能数据包括所述IPRAN和所述OTN中的各个传输节点设备的拓扑数据、资源数据和能耗数据;
根据所述业务数据、所述第一性能数据和预设算法,训练得到所述节点预测模型。
3.根据权利要求2所述的路径确定方法,其特征在于,所述根据所述业务数据、所述第一性能数据和预设算法,训练得到所述节点预测模型,包括:
从所述业务数据和所述第一性能数据中,获取多个数据集合;一个数据集合用于表示一个传输节点设备在一个传输时刻的业务数据和性能数据;
对所述多个数据集合中的每个数据集合均执行目标操作,以得到多个目标集合;所述目标操作用于去除所述每个数据集合中的噪声字段;
基于聚类算法,对所述多个目标集合进行分类,以得到多个业务数据类别;
基于相似度算法,对所述多个业务数据类别进行相似度计算,以得到多个相似关系;一个相似关系包括:第一业务数据类别与第二业务数据类别的相似关系;所述第一业务数据类别和所述第二业务数据类别为所述多个业务数据类别中的任意两个业务数据类别;
基于所述多个相似关系和目标算法,训练得到所述节点预测模型。
4.根据权利要求3所述的路径确定方法,其特征在于,所述目标操作包括:从一个数据集合中的全部字段中选取多个候选字段集合;所述多个候选字段集合中的每个候选字段集合包括所述全部字段中的至少一个字段;确定所述多个候选字段集合中每个候选字段集合的支持度,并将支持度大于预设阈值的候选字段集合确定为关键字段集合;将所述关键字段集合对应的字段组成的集合确定为一个目标集合;
所述支持度为包含一个候选字段集合的数据集合的数量与所述多个数据集合的数量的比值。
5.根据权利要求1所述的路径确定方法,其特征在于,所述第二性能数据还包括:所述源端设备的标识、所述宿端设备的标识和所述每个路径节点对应的传输节点设备的标识;所述基于所述第二性能数据,确定所述目标业务的目标传输路径,包括:
基于所述源端设备、所述宿端设备和所述多个路径节点,确定多个候选路径;
基于所述第二性能数据,确定每个候选路径的路径评分,以得到与所述多个候选路径一一对应的多个路径评分;
从所述多个路径评分中选取满足预设条件的目标路径评分,并将所述目标路径评分对应的候选路径确定为所述目标传输路径。
6.根据权利要求5所述的路径确定方法,其特征在于,所述基于所述第二性能数据,确定每个候选路径的路径评分,包括:
对所述每个候选路径均执行路径评分操作,以得到所述每个候选路径的路径评分;所述路径评分操作包括:
根据所述第二性能数据,确定第一候选路径的节点数量,第一候选路径的物理长度,第一候选路径中每个节点的带宽占用率和功耗;根据所述第一候选路径的节点数量和第一系数的乘积,确定第一参考值;根据所述第一候选路径的物理长度和第二系数的乘积,确定第二参考值;将所述第一参考值、所述第二参考值、所述每个节点的带宽占用率和所述功耗加权求和,以得到所述第一候选路径的路径评分。
7.一种路径确定装置,其特征在于,包括:获取单元和处理单元;
所述获取单元,用于获取目标业务的业务信息;所述业务信息用于表示所述目标业务的业务类型;
所述处理单元,用于将所述获取单元获取到的所述业务信息输入至节点预测模型中,以得到与所述业务类型对应的多个路径节点;一个路径节点用于表示所述目标业务的传输节点设备;所述节点预测模型为基于业务数据和第一性能数据,预先训练至收敛状态,用于预测与输入业务的业务类型对应的路径节点的模型;
所述获取单元,还用于获取第二性能数据;所述第二性能数据包括所述目标业务的源端设备的性能数据、宿端设备的性能数据、以及所述多个路径节点中,每个路径节点对应的传输节点设备的性能数据;
所述处理单元,还用于基于所述获取单元获取到的所述第二性能数据,确定所述目标业务的目标传输路径。
8.根据权利要求7所述的路径确定装置,其特征在于,
所述获取单元,还用于获取所述业务数据和第一性能数据;所述业务数据包括在业务承载网络IPRAN和光传送网OTN中传输的业务的数据;所述第一性能数据包括所述IPRAN和所述OTN中的各个传输节点设备的拓扑数据、资源数据和能耗数据;
所述处理单元,还用于根据所述获取单元获取到的所述业务数据、所述第一性能数据和预设算法,训练得到所述节点预测模型。
9.根据权利要求8所述的路径确定装置,其特征在于,所述处理单元,具体用于:
从所述业务数据和所述第一性能数据中,获取多个数据集合;一个数据集合用于表示一个传输节点设备在一个传输时刻的业务数据和性能数据;
对所述多个数据集合中的每个数据集合均执行目标操作,以得到多个目标集合;所述目标操作用于去除所述每个数据集合中的噪声字段;基于聚类算法,对所述多个目标集合进行分类,以得到多个业务数据类别;
基于相似度算法,对所述多个业务数据类别进行相似度计算,以得到多个相似关系;一个相似关系包括:第一业务数据类别与第二业务数据类别的相似关系;所述第一业务数据类别和所述第二业务数据类别为所述多个业务数据类别中的任意两个业务数据类别;
基于所述多个相似关系和目标算法,训练得到所述节点预测模型。
10.根据权利要求9所述的路径确定装置,其特征在于,所述目标操作包括:从一个数据集合中的全部字段中选取多个候选字段集合;所述多个候选字段集合中的每个候选字段集合包括所述全部字段中的至少一个字段;确定所述多个候选字段集合中每个候选字段集合的支持度,并将支持度大于预设阈值的候选字段集合确定为关键字段集合;将所述关键字段集合对应的字段组成的集合确定为一个目标集合;
所述支持度为包含一个候选字段集合的数据集合的数量与所述多个数据集合的数量的比值。
11.根据权利要求7所述的路径确定装置,其特征在于,所述第二性能数据还包括:所述源端设备的标识、所述宿端设备的标识和所述每个路径节点对应的传输节点设备的标识;所述处理单元,具体用于:
基于所述源端设备、所述宿端设备和所述多个路径节点,确定多个候选路径;
基于所述第二性能数据,确定每个候选路径的路径评分,以得到与所述多个候选路径一一对应的多个路径评分;
从所述多个路径评分中选取满足预设条件的目标路径评分,并将所述目标路径评分对应的候选路径确定为所述目标传输路径。
12.根据权利要求11所述的路径确定装置,其特征在于,所述处理单元,具体用于:
对所述每个候选路径均执行路径评分操作,以得到所述每个候选路径的路径评分;所述路径评分操作包括:
根据所述第二性能数据,确定第一候选路径的节点数量,第一候选路径的物理长度,第一候选路径中每个节点的带宽占用率和功耗;根据所述第一候选路径的节点数量和第一系数的乘积,确定第一参考值;根据所述第一候选路径的物理长度和第二系数的乘积,确定第二参考值;将所述第一参考值、所述第二参考值、所述每个节点的带宽占用率和所述功耗加权求和,以得到所述第一候选路径的路径评分。
13.一种路径确定装置,其特征在于,包括存储器和处理器;所述存储器用于存储计算机执行指令,所述处理器与所述存储器通过总线连接;当所述路径确定装置运行时,所述处理器执行所述存储器存储的所述计算机执行指令,以使所述路径确定装置执行如权利要求1-6任一项所述的路径确定方法。
14.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质包括计算机执行指令,当所述计算机执行指令在计算机上运行时,使得所述计算机执行如权利要求1-6任一项所述的路径确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111174946.6A CN114040272B (zh) | 2021-10-09 | 2021-10-09 | 一种路径确定方法、装置和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111174946.6A CN114040272B (zh) | 2021-10-09 | 2021-10-09 | 一种路径确定方法、装置和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114040272A true CN114040272A (zh) | 2022-02-11 |
CN114040272B CN114040272B (zh) | 2023-05-02 |
Family
ID=80134757
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111174946.6A Active CN114040272B (zh) | 2021-10-09 | 2021-10-09 | 一种路径确定方法、装置和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114040272B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114612049A (zh) * | 2022-05-11 | 2022-06-10 | 弥费实业(上海)有限公司 | 路径生成方法、装置、计算机设备和存储介质 |
CN114900442A (zh) * | 2022-05-27 | 2022-08-12 | 中金金融认证中心有限公司 | 用于对业务数据进行预测的方法及其相关产品 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108934181A (zh) * | 2017-03-23 | 2018-12-04 | 北京嘀嘀无限科技发展有限公司 | 用于路径搜索的系统和方法 |
CN112350956A (zh) * | 2020-10-23 | 2021-02-09 | 新华三大数据技术有限公司 | 一种网络流量识别方法、装置、设备及机器可读存储介质 |
WO2021189974A1 (zh) * | 2020-10-21 | 2021-09-30 | 平安科技(深圳)有限公司 | 模型训练方法、文本分类方法、装置、计算机设备和介质 |
-
2021
- 2021-10-09 CN CN202111174946.6A patent/CN114040272B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108934181A (zh) * | 2017-03-23 | 2018-12-04 | 北京嘀嘀无限科技发展有限公司 | 用于路径搜索的系统和方法 |
WO2021189974A1 (zh) * | 2020-10-21 | 2021-09-30 | 平安科技(深圳)有限公司 | 模型训练方法、文本分类方法、装置、计算机设备和介质 |
CN112350956A (zh) * | 2020-10-23 | 2021-02-09 | 新华三大数据技术有限公司 | 一种网络流量识别方法、装置、设备及机器可读存储介质 |
Non-Patent Citations (1)
Title |
---|
张春焰;李涛;刘峥;: "基于路径选择的层次多标签分类" * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114612049A (zh) * | 2022-05-11 | 2022-06-10 | 弥费实业(上海)有限公司 | 路径生成方法、装置、计算机设备和存储介质 |
CN114900442A (zh) * | 2022-05-27 | 2022-08-12 | 中金金融认证中心有限公司 | 用于对业务数据进行预测的方法及其相关产品 |
CN114900442B (zh) * | 2022-05-27 | 2024-03-29 | 中金金融认证中心有限公司 | 用于对业务数据进行预测的方法及其相关产品 |
Also Published As
Publication number | Publication date |
---|---|
CN114040272B (zh) | 2023-05-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107659419B (zh) | 网络切片方法和系统 | |
CN107181724B (zh) | 一种协同流的识别方法、系统以及使用该方法的服务器 | |
US10555150B2 (en) | Systems and methods for generating a virtual network topology for M2M communications | |
GB2542870A (en) | Local and demand driven QoS models | |
CN114040272B (zh) | 一种路径确定方法、装置和存储介质 | |
CN109167835A (zh) | 一种基于kubernetes的物理资源调度方法及系统 | |
WO2017005223A1 (zh) | 一种智能电表的信息共享方法、智能电表及采集路由器 | |
CN110365503B (zh) | 一种指标确定方法及其相关设备 | |
EP3318009B1 (en) | Model management in a dynamic qos environment | |
CN105429879B (zh) | 流表项查询方法、设备及系统 | |
Kumar et al. | Using clustering approaches for response time aware job scheduling model for internet of things (IoT) | |
CN103036802A (zh) | 一种流量卸载的方法和系统 | |
CN115510936A (zh) | 基于联邦学习的模型训练方法及聚类分析器 | |
CN112104469A (zh) | 数据处理方法及装置 | |
CN109005126A (zh) | 数据流的处理方法和设备 | |
CN105917701A (zh) | 无线电资源管理器和频谱控制器之间的网络互连 | |
CN109495565A (zh) | 基于分布式泛在计算的高并发服务请求处理方法和设备 | |
WO2021159314A1 (zh) | 一种业务处理方法、装置以及系统 | |
JP2022503762A (ja) | セルラ電気通信ネットワーク | |
US20220094609A1 (en) | Systems and methods for generating a cognitive analytics hub and predictive actions from distributed data models | |
CN115695280A (zh) | 基于边缘节点的路由方法及装置、电子设备、存储介质 | |
Han et al. | Opportunistic coded distributed computing: An evolutionary game approach | |
US10728157B2 (en) | Local and demand driven QoS models | |
CN108075955A (zh) | 骨干网的数据处理方法及装置 | |
CN107948088B (zh) | 一种网络应用层负载均衡的方法 |
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 |