CN114567559A - 数据分析模型的训练方法、装置及存储介质 - Google Patents
数据分析模型的训练方法、装置及存储介质 Download PDFInfo
- Publication number
- CN114567559A CN114567559A CN202011358153.5A CN202011358153A CN114567559A CN 114567559 A CN114567559 A CN 114567559A CN 202011358153 A CN202011358153 A CN 202011358153A CN 114567559 A CN114567559 A CN 114567559A
- Authority
- CN
- China
- Prior art keywords
- data analysis
- information
- analysis model
- training
- instance
- 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.)
- Pending
Links
- 238000007405 data analysis Methods 0.000 title claims abstract description 280
- 238000012549 training Methods 0.000 title claims abstract description 143
- 238000000034 method Methods 0.000 title claims abstract description 118
- 238000003860 storage Methods 0.000 title claims abstract description 20
- 238000004458 analytical method Methods 0.000 claims abstract description 204
- 230000008569 process Effects 0.000 claims description 61
- 230000006870 function Effects 0.000 claims description 44
- 230000036541 health Effects 0.000 claims description 30
- 238000012545 processing Methods 0.000 claims description 23
- 230000015654 memory Effects 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 10
- 238000012517 data analytics Methods 0.000 claims 1
- 238000004891 communication Methods 0.000 abstract description 6
- 238000005516 engineering process Methods 0.000 abstract description 6
- 230000000875 corresponding effect Effects 0.000 description 50
- 238000007726 management method Methods 0.000 description 36
- 230000008676 import Effects 0.000 description 20
- 238000010586 diagram Methods 0.000 description 15
- 238000013461 design Methods 0.000 description 6
- 238000013473 artificial intelligence Methods 0.000 description 5
- 239000000470 constituent Substances 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000003068 static effect Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 230000005291 magnetic effect Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 230000003542 behavioural effect Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000013256 coordination polymer Substances 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000009267 minimal disease activity Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
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
- H04L41/08—Configuration management of networks or network elements
- H04L41/0893—Assignment of logical groups to network elements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
-
- 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
Abstract
本申请涉及通信技术领域,尤其涉及一种数据分析模型的训练方法、装置及存储介质。该方法用于MDA实体中,该方法包括:接收通知消息,通知消息携带有与NS相关的指定分析主题所需的信息;根据通知信息,对预先训练完成的基本数据分析模型进行训练得到指定分析主题对应的目标数据分析模型,基本数据分析模型是根据NFV对象的配置数据对原始模型进行训练得到的。本申请实施例通过MDA实体预先训练完成一个基本数据分析模型,基本数据分析模型被主题特定的目标数据分析模型在模型训练时进行复用,缩短了数据分析模型训练的时长,提高了模型训练效率。
Description
技术领域
本申请涉及通信技术领域,尤其涉及一种数据分析模型的训练方法、装置及存储介质。
背景技术
管理数据分析(Management Data Analytics,MDA)实体是指在网络和服务管理中使用管理分析数据的管理服务。网络功能的原始性能数据可以与其他管理数据(例如,告警数据、配置数据)一起分析,并形成一个或多个网络功能、子网络或网络切片/子网切片实例的管理分析数据。MDA提供了处理和分析与网络和服务事件及状态相关的原始数据的能力,以提供分析报告,以支持网络和服务管理的必要操作。
目前,MDA可以集成人工智能(Artificial Intelligence,AI)和/或机器学习(Machine Learning,ML)的功能为网络服务管理和编排带来智能化和自动化。比如,面向特定的分析主题,MDA实体采集相关的网络信息,根据内置的与该分析主题对应的数据分析模型(比如采用AI算法实现的分析模型),对采集到的网络信息进行分析得到分析结果,并将分析结果返回给发起主题分析的网络功能虚拟化编排器(Network FunctionsVirtualization Orchestrator,NFVO)即服务消费者,以增强NFVO在网络功能虚拟化(Network Function Virtualization,NFV)管理域内做闭环决策的能力。
在上述方法中,不同分析主题所采用的数据分析模型是不同的,而不同分析主题各自对应的数据分析模型训练均需从零开始衍生数据分析所需的各种关联关系,模型训练效率较低。
发明内容
有鉴于此,提出了一种数据分析模型的训练方法、装置及存储介质,MDA实体根据NFV对象的配置数据预先训练完成一个基本数据分析模型,使得MDA实体接收到携带有与网络服务(Network Service,NS)相关的指定分析主题所需的信息的通知信息后,可以在该基本数据分析模型的基础上进一步训练指定分析主题对应的目标数据分析模型,即不同分析主题对应的目标数据分析模型在训练时均可复用预先训练完成的基本数据分析模型,这样可以提高数据分析模型的训练效率。
第一方面,本申请的实施例提供了一种数据分析模型的训练方法,用于MDA实体中,该方法包括:
接收通知消息,通知消息携带有与NS相关的指定分析主题所需的信息;
根据通知信息,对预先训练完成的基本数据分析模型进行训练得到指定分析主题对应的目标数据分析模型,基本数据分析模型是根据NFV对象的配置数据对原始模型进行训练得到的,NFV对象为NFV管理域内的被管理对象。
在该实现方式中,MDA实体预先训练完成一个基本数据分析模型,在该基本数据分析模型的基础上,MDA实体通过接收到的携带有与NS相关的指定分析主题所需的信息的通知信息,进一步训练完成指定分析主题对应的目标数据分析模型,即基本数据分析模型被主题特定的目标数据分析模型在模型训练时进行复用,避免了相关技术中不同分析主题各自对应的数据分析模型训练均需从零开始衍生数据分析所需的各种关联关系的情况,缩短了数据分析模型训练的时长,提高了模型训练效率。
结合第一方面,在第一方面的第一种可能的实现方式中,基本数据分析模型用于指示NFV对象的属性和NFV对象之间的关联关系。
在该实现方式中,MDA实体预先训练完成的基本数据分析模型可以维护NFV对象的属性和NFV对象之间的关联关系。
结合第一方面,在第一方面的第二种可能的实现方式中,该方法还包括:根据导入的NFV对象的描述符模板信息和/或NFV对象实例化后的镜像信息,对原始模型进行训练得到基本数据分析模型。
在该实现方式中,MDA实体将NFV对象在设计态的信息模型(即NFV对象的描述符模板信息)和NFV对象在运行态的信息模型(即NFV对象实例化后的镜像信息)作为基础数据分析模型训练的输入数据,从而训练得到与分析主题无关的基本数据分析模型,以增强MDA实体动态获得NFV管理域中NFV对象之间的关联关系的能力,并提高后续基于该基本数据分析模型进一步训练目标数据分析模型的效率。
结合第一方面的第二种可能的实现方式,在第一方面的第三种可能的实现方式中,描述符模板信息包括网络服务描述符(Network Service Descriptor,NSD)模板信息和/或虚拟化网络功能描述符(Virtualized Network Function Descriptor,VNFD)模板信息;和/或,镜像信息包括NS实例镜像信息和/或虚拟化网络功能(Virtualized NetworkFunction,VNF)实例镜像信息。
在该实现方式中,基础数据分析模型训练的输入数据还可以包括NSD模板信息、VNFD模板信息、NS实例镜像信息和VNF实例镜像信息中的至少一个,进一步保证了基本数据分析模型的训练效果。
结合第一方面的第三种可能的实现方式,在第一方面的第四种可能的实现方式中,该方法还包括:在基本数据分析模型的训练过程中,建立NSD模板信息和NS的成员对象的描述符模板信息之间的关联关系。
在该实现方式中,在NSD和/或VNF数据包的上架阶段,MDA实体进行基本数据分析模型的训练,建立NSD模板信息和NS的成员对象的描述符模板信息之间的关联关系,使得预先训练完成的基本数据分析模型可以指示相对静态的对象类之间的关联关系,进一步提高了后续基于该基本数据分析模型训练目标数据分析模型的效率。
结合第一方面的第三种可能的实现方式,在第一方面的第五种可能的实现方式中,该方法还包括:在基本数据分析模型的训练过程中,建立NS实例镜像信息和NS实例的成员对象实例的镜像信息之间的关联关系。
在该实现方式中,在NS和/或VNF实例化阶段,MDA实体进行基本数据分析模型的训练,建立NS实例镜像信息和NS实例的成员对象实例的镜像信息之间的关联关系,使得预先训练完成的基本数据分析模型可以指示相对动态的对象实例之间的关联关系,进一步提高了后续基于该基本数据分析模型训练目标数据分析模型的效率。
结合第一方面的第三种可能的实现方式,在第一方面的第六种可能的实现方式中,该方法还包括:
根据修改后的NS实例镜像信息和/或修改后的VNF实例镜像信息,对基本数据分析模型进行更新。
在该实现方式中,在NS和/或VNF实例化后的运行态阶段,MDA实体根据修改后的NS实例镜像信息和/或修改后的VNF实例镜像信息对基本数据分析模型进行更新,以便动态调整基本数据分析模型。
结合第一方面及第一方面的任意一种可能的实现方式,在第一方面的第七种可能的实现方式中,该方法还包括:
将NS相关的性能数据和/或告警数据输入至与NS告警事件分析主题对应的目标数据分析模型中,输出得到第一分析结果,第一分析结果包括NS故障的根本告警和/或根本原因;或者,
将NS健康度分析所需的信息输入至与NS健康度分析主题对应的目标数据分析模型中,输出得到第二分析结果,第二分析结果包括NS的健康状态和健康状态对应的说明信息;或者,
将NS资源利用率分析所需的信息输入至与NS资源利用率分析主题对应的目标数据分析模型中,输出得到第三分析结果,第三分析结果包括对NS的资源利用情况的指示。
在该实现方式中,关于MDA实体调用指定分析主题对应的目标数据分析模型进行数据分析的过程提供了三种可能的实现方式,指定分析主题包括但不限于NS告警事件分析主题、NS健康度分析主题和NS资源利用率分析主题中的任意一种,实现了在指定分析主题下对数据的有效分析,保证了数据分析的准确度。
第二方面,本申请的实施例提供了一种数据分析模型的训练装置,用于MDA实体中,所述装置包括:
接收单元,用于接收通知消息,通知消息携带有与NS相关的指定分析主题所需的信息;
处理单元,用于根据通知信息,对预先训练完成的基本数据分析模型进行训练得到指定分析主题对应的目标数据分析模型,基本数据分析模型是根据NFV对象的配置数据对原始模型进行训练得到的,NFV对象为NFV管理域内的被管理对象。
结合第二方面,在第二方面的第一种可能的实现方式中,基本数据分析模型用于指示NFV对象的属性和NFV对象之间的关联关系。
结合第二方面,在第二方面的第二种可能的实现方式中,该处理单元还用于:
根据导入的NFV对象的描述符模板信息和/或NFV对象实例化后的镜像信息,对原始模型进行训练得到基本数据分析模型。
结合第二方面的第二种可能的实现方式,在第二方面的第三种可能的实现方式中,描述符模板信息包括NSD模板信息和/或VNFD模板信息;和/或,镜像信息包括NS实例镜像信息和/或VNF实例镜像信息。
结合第二方面的第三种可能的实现方式,在第二方面的第四种可能的实现方式中,该处理单元还用于:
在基本数据分析模型的训练过程中,建立NSD模板信息和NS的成员对象的描述符模板信息之间的关联关系。
结合第二方面的第三种可能的实现方式,在第二方面的第五种可能的实现方式中,该处理单元还用于:
在基本数据分析模型的训练过程中,建立NS实例镜像信息和NS实例的成员对象实例的镜像信息之间的关联关系。
结合第二方面的第三种可能的实现方式,在第二方面的第六种可能的实现方式中,该处理单元还用于:
根据修改后的NS实例镜像信息和/或修改后的VNF实例镜像信息,对基本数据分析模型进行更新。
结合第二方面及第二方面的任意一种可能的实现方式,在第二方面的第七种可能的实现方式中,该处理单元还用于:
将NS相关的性能数据和/或告警数据输入至与NS告警事件分析主题对应的目标数据分析模型中,输出得到第一分析结果,第一分析结果包括NS故障的根本告警和/或根本原因;或者,
将NS健康度分析所需的信息输入至与NS健康度分析主题对应的目标数据分析模型中,输出得到第二分析结果,第二分析结果包括NS的健康状态和健康状态对应的说明信息;或者,
将NS资源利用率分析所需的信息输入至与NS资源利用率分析主题对应的目标数据分析模型中,输出得到第三分析结果,第三分析结果包括对NS的资源利用情况的指示。
第三方面,本申请的实施例提供了一种数据分析模型的训练装置,用于MDA实体中,该装置包括:处理器;用于存储处理器可执行指令的存储器;其中,处理器被配置为执行指令时实现上述第一方面或第一方面中的任意一种可能的实现方式所提供的数据分析模型的训练方法。
第四方面,本申请的实施例提供了一种计算机程序产品,包括计算机可读代码,或者承载有计算机可读代码的非易失性计算机可读存储介质,当所述计算机可读代码在电子设备中运行时,所述电子设备中的处理器执行上述第一方面或第一方面中的任意一种可能的实现方式所提供的数据分析模型的训练方法。
第五方面,本申请的实施例提供了一种非易失性计算机可读存储介质,其上存储有计算机程序指令,计算机程序指令被处理器执行时实现上述第一方面或第一方面中的任意一种可能的实现方式所提供的数据分析模型的训练方法。
附图说明
包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本申请的示例性实施例、特征和方面,并且用于解释本申请的原理。
图1示出了相关技术中5G网络自动化基本框架的示意图。
图2示出了本申请一个示例性实施例提供的MDA实体的结构示意图。
图3示出了本申请一个示例性实施例提供的数据分析模型的训练方法的流程图。
图4示出了本申请一个示例性实施例提供的数据分析模型的训练和使用过程的流程图。
图5示出了本申请另一个示例性实施例提供的数据分析模型的训练方法的流程图。
图6示出了本申请另一个示例性实施例提供的数据分析模型的训练方法的流程图。
图7示出了本申请另一个示例性实施例提供的数据分析模型的训练方法的流程图。
图8示出了本申请另一个示例性实施例提供的数据分析模型的训练方法的流程图。
图9示出了本申请另一个示例性实施例提供的数据分析模型的训练方法的流程图。
图10示出了本申请另一个示例性实施例提供的数据分析模型的训练和使用过程的流程图。
图11示出了本申请一个示例性实施例提供的数据分析模型的训练装置的框图。
具体实施方式
以下将参考附图详细说明本申请的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面,但是除非特别指出,不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
另外,为了更好的说明本申请,在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解,没有某些具体细节,本申请同样可以实施。在一些实例中,对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述,以便于凸显本申请的主旨。
面向第五代移动通信技术(5th generation mobile networks,5G)的网络功能自动化的研究中,在5G核心网服务化架构(Service Based Architecture,SBA)中引入了网络数据分析功能(Network Data Analytics Function,NWDAF),如图1所示。网络功能自动化的基本原理包括:NWDAF实体10向周边控制面的网络功能(或服务)实体订阅网络数据分析所需的输入数据,经过NWDAF实体10本身的分析算法的执行(通常认为该分析算法为人工智能算法),将分析得到的结果分发给其他的网络功能(或服务)实体,比如操作维护管理(Operation Administration and Maintenance,OAM)实体11、应用功能(ApplicationFunction,AF)实体12、网络功能(Network Function,NF)实体13。又比如,策略控制功能(Policy Control Function,PCF)实体,以帮助其实现更高阶的策略下发与执行。相关技术中的用例描述和分析侧重于NWDAF实体的输入数据和输出数据,NWDAF实体内的分析算法不在标准化的范围内。
目前在5G管理面引入了管理数据分析服务(Management Data AnalyticsService,MDAS),其功能与NWDAF相似,MDAS的核心功能是管理数据分析,根据该功能内置的人工智能和/或机器学习的数据分析模型,对采集到的特定分析主题相关的网络信息进行分析,将分析结果返回至发起该特定主题分析的服务消费者,协助其进行管理面的闭环决策。
在调用数据分析模型之前,还需要对数据分析模型进行训练。数据分析模型的训练过程的目标不是为当下待分析的主题提供分析结果,而是为了使数据分析模型在后续使用时更准确、更符合服务消费者预期地提供分析结果,通过训练输入数据增强数据分析模型的分析准确度。相关技术中对管理数据分析的输入/输出信息研究较多,而对数据分析模型训练过程中的输入/输出信息流研究很少。
目前在NFV管理域中引入了管理数据分析(Management Data Analytics,MDA)的功能,其功能与MDAS相似,通过NFVO实体(即MDA功能的消费者)和MDA实体的数据分析过程的交互来增强NFVO在NFV管理域内做闭环决策的能力。
相关技术中,对数据分析模型训练过程中采用的输入数据集通常包括由网络产生的历史的性能数据、告警数据和配置数据。而不论是历史产生的还是实时采集的性能数据或告警数据,这些数据在数据分析模型训练中都是作为一种增量的输入信息对原始模型进行加固,即对这些数据进行基于概率统计或知识模型的训练分析,在原始模型基础上增加新的被管理对象的关联关系或管理事件的关联关系。而对于不同的分析主题的模型训练,MDA实体从NFV管理域中订阅的性能或告警事件的集合也各不相同。
原始模型的建立主要依赖于被管理对象的配置数据,而性能数据或告警数据通常也附着在这些被管理对象上。比如,告警数据“虚拟机A的IP地址不可达”附着在被管理对象虚拟机A上。
为了提高数据分析模型的训练效率,缩短模型训练时长,避免不同分析主题的数据分析模型训练从零开始衍生数据分析所需的各种关联关系,本申请实施例提供了一种数据分析模型的训练方法、装置及存储介质,MDA实体预先训练完成一个基本数据分析模型,在该基本数据分析模型的基础上,MDA实体通过接收到的携带有与NS相关的指定分析主题所需的信息的通知信息,进一步训练完成指定分析主题对应的目标数据分析模型,即基本数据分析模型被主题特定的目标数据分析模型在模型训练时进行复用,避免了相关技术中不同分析主题各自对应的数据分析模型训练均需从零开始衍生数据分析所需的各种关联关系的情况,缩短了数据分析模型训练的时长,提高了模型训练效率。
为了方便理解,下面对本申请实施例中涉及的名词进行解释。
NFV对象在设计态的信息模型:包括NFV对象的描述符模板信息。可选地,在NFV管理域中NFV对象的描述符模板信息包括但不限于:NSD模板信息、VNFD模板信息、虚拟化资源描述符(VR Descriptor)模板信息中的至少一种。
NSD模板信息:用于对NS使用的虚拟化资源进行描述,以及NS在部署和运行阶段的行为需求进行定义。通常建立在NS的组成成员(例如,VNF)的描述符定义的基础上。
VNFD模板信息:用于对VNF使用的虚拟化资源进行描述,以及VNF在部署和运行阶段的行为需求进行定义。VNF对虚拟化资源的需求描述可以映射至虚拟化资源的描述符定义,比如,VNFD模板信息包括虚拟计算资源、虚拟存储资源、虚拟链路、连接点或者其他虚拟网络资源的描述符模板信息。本申请实施例对此不加以限定。
虚拟化资源描述符模板信息:用于对单个虚拟化资源的特征进行描述,比如,虚拟化资源描述符模板信息包括对虚拟计算资源、虚拟存储资源、虚拟网络资源的描述信息和/或该虚拟化资源对底层物理资源的需求描述信息。
NFV对象在运行态的信息模型:包括NFV对象实例化后的镜像信息,镜像信息包括但不限于:VNF实例镜像信息(VNFInfo)和/或NS实例镜像信息(NSInfo)。
VNF实例镜像信息:为VNF实例化后的VNF实例镜像信息。可选地,VNF实例镜像信息包括VNF实例在运行态进行生命周期管理时的基本信息。
NS实例镜像信息:为NS实例化后的NS实例镜像信息。可选地,NS实例镜像信息包括NS实例在运行态进行生命周期管理时的基本信息。
需要说明的是,本申请实施例所涉及的一部分相关名词可参考3GPP协议或ETSINFV协议中对应的相关描述,本文对此不再赘述。
请参考图2,其示出了本申请一个示例性实施例提供的MDA实体的结构示意图,该MDA实体包括:处理器21、接收器22、发射器23、存储器24和总线25。
处理器21包括一个或者一个以上处理核心,处理器21通过运行软件程序以及模块,从而执行各种功能应用以及信息处理。
接收器22和发射器23可以实现为一个通信组件,该通信组件可以是一块通信芯片,通信芯片中可以包括接收模块、发射模块和调制解调模块等,用于对信息进行调制解调,并通过无线信号接收或发送该信息。
存储器24通过总线25与处理器21相连。存储器54存储有终端必要的程序指令和数据。
处理器51用于执行存储器54中的程序指令和数据以实现本申请各个方法实施例中各个步骤的功能。
处理器21通过运行存储器24中的至少一个程序指令,控制接收器22实现下述步骤401以及各个步骤中隐含的MDA实体侧的接收功能;处理器21通过运行存储器24中的至少一个程序指令,控制发射器23来实现本申请实施例各个步骤中隐含的MDA实体侧的发送功能。
此外,存储器24可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随时存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
可以理解的是,图2仅仅示出了MDA实体的简化设计。在其他的实施例中,MDA实体可以包含任意数量的发射器,接收器,处理器,控制器,存储器,通信单元等,而所有可以实现本申请的MDA实体都在本申请的保护范围之内。
请参考图3,其示出了本申请一个示例性实施例提供的数据分析模型的训练方法的流程图,该方法用于图2所示的MDA实体中。该方法包括以下几个步骤。
步骤301,接收通知消息,通知消息携带有与NS相关的指定分析主题所需的信息。
MDA实体接收通知消息,通知消息携带有与NS相关的指定分析主题所需的信息。
可选地,面向指定分析主题,MDA实体向目标实体订阅与NS相关的指定分析主题所需的信息;目标实体向MDA实体发送携带有与NS相关的指定分析主题所需的信息的通知消息。对应的,MDA实体接收该通知消息。
可选地,目标实体包括NFVO、虚拟网络功能管理器(Virtualised NetworkFunction Manager,VNFM)、虚拟化基础设施管理器(Virtualised InfrastructureManager,VIM)、容器基础设施服务管理功能(Container Infrastructure ServiceManagement,CISM)实体中的任意一种。
可选地,指定分析主题包括NS告警事件分析主题、NS健康度分析主题和NS资源利用率分析主题中的任意一种。
其中,指定分析主题所需的信息为待训练的输入数据,即为该指定分析主题对应的目标数据分析模型训练时所需的输入数据。比如,指定分析主题为NS告警事件分析主题,该指定分析主题所需的信息包括NS相关的性能数据和/或告警数据。
需要说明的是,本申请实施例对指定分析主题的类型和指定分析主题所需的信息内容不加以限定。
步骤302,根据通知信息,对预先训练完成的基本数据分析模型进行训练得到指定分析主题对应的目标数据分析模型,基本数据分析模型是根据NFV对象的配置数据对原始模型进行训练得到的,NFV对象为NFV管理域内的被管理对象。
MDA实体获取通知信息中携带的与NS相关的指定分析主题所需的信息,根据NS相关的指定分析主题所需的信息对预先训练完成的基本数据分析模型进行再训练,得到指定分析主题对应的目标数据分析模型。
其中,MDA实体在对基本数据分析模型进行训练得到目标数据分析模型之前,预先对基本数据分析模型进行训练,即MDA实体根据NFV对象的配置数据对原始模型进行训练得到的基本数据分析模型,其中NFV对象为NFV管理域内的被管理对象。
其中,NFV对象的配置数据用于指示该NFV对象的配置情况。原始模型为初始化的模型。
基本数据分析模型为基于NFV对象的配置数据对原始模型进行预训练得到的通用模型。该基本数据分析模型与分析主题无关。
可选地,基本数据分析模型为AI模型或者ML模型。本申请实施例对此不加以限定。
其中,目标数据分析模型为基于与NS相关的指定分析主题所需的信息对基本数据分析模型进行再训练得到的数据分析模型。该目标数据分析模型与分析主题相关。
目标数据分析模型是具有对分析主题所需的信息进行数据分析能力的模型。目标数据分析模型用于将输入的分析主题所需的信息转化为数据分析结果。目标数据分析模型用于表示分析主题所需的信息与数据分析结果之间的相关关系。
目标数据分析模型为预设的数学模型,该目标数据分析模型包括分析主题所需的信息与数据分析结果之间的模型系数。
可选地,MDA实体在训练完成指定分析主题对应的目标数据分析模型之后,在获取到待分析的指定分析主题所需的信息后,将该指定分析主题所需的信息输入至该目标数据分析模型,输出得到数据分析结果。
在一个示意性的例子中,如图4所示,数据分析模型的训练和使用过程包括但不限于以下几个步骤:1、MDA实体获取待训练的NFV对象的配置数据,将NFV对象的配置数据输入至原始模型中;2、对原始模型进行预训练得到基本数据分析模型;3、获取训练样本集,该训练样本集包括MDA实体接收到的通知消息中所携带的待训练的指定分析主题所需的信息,将训练样本集输入至基本数据分析模型中;4、对基本数据分析模型进行再训练得到目标数据分析模型。在训练完成目标数据分析模型后,5、当MDA实体接收到待分析的指定分析主题所需的信息,将该指定分析主题所需的信息输入至训练完成的目标数据分析模型中;6、输出得到数据分析结果。
综上所述,本申请实施例通过MDA实体预先训练完成一个基本数据分析模型,在该基本数据分析模型的基础上,MDA实体通过接收到的携带有与NS相关的指定分析主题所需的信息的通知信息,进一步训练完成指定分析主题对应的目标数据分析模型,即基本数据分析模型被主题特定的目标数据分析模型在模型训练时进行复用,避免了相关技术中不同分析主题各自对应的数据分析模型训练均需从零开始衍生数据分析所需的各种关联关系的情况,缩短了数据分析模型训练的时长,提高了模型训练效率。
需要说明的是,MDA实体根据通知信息,对预先训练完成的基本数据分析模型进行训练得到指定分析主题对应的目标数据分析模型之前,需要根据NFV对象的配置数据对原始模型进行训练得到基本数据分析模型。在一种可能的实现方式中,MDA实体根据NFV对象的配置数据对原始模型进行训练得到基本数据分析模型包括:MDA实体根据NFV对象在设计态的信息模型和在运行态的信息模型,对原始模型进行训练得到基本数据分析模型。其中,NFV对象在设计态的信息模型包括NFV对象的描述符模板信息,其中NFV对象在运行态的信息模型包括NFV对象实例化后的镜像信息。即基于上述实施例,在步骤301之前,数据分析模型的训练方法还包括如下步骤,如图5所示:
步骤501,根据导入的NFV对象的描述符模板信息和/或NFV对象实例化后的镜像信息,对原始模型进行训练得到基本数据分析模型。
MDA实体接收导入的NFV对象的描述符模板信息和/或NFV对象实例化后的镜像信息,根据NFV对象的描述符模板信息和/或NFV对象实例化后的镜像信息,对原始模型进行训练得到基本数据分析模型。
可选地,描述符模板信息包括NSD模板信息和/或VNFD模板信息;和/或,镜像信息包括NS实例镜像信息和/或VNF实例镜像信息。
其中,基本数据分析模型用于指示NFV对象的属性和NFV对象之间的关联关系。
可选地,NFV对象的属性包括NSD模板信息中的属性、VNFD模板信息中的属性、NS实例镜像模板信息中的属性、VNF实例镜像信息中的属性。
示意性的,NSD模板信息中的属性包括NSD标识、提供商、NSD名称、NSD版本、NS使用的自动伸缩(auto-scale)规则、NS使用的部署模板(Deployment Flavor)、安全签名中的至少一种。
示意性的,VNFD模板信息中的属性包括VNFD标识、VNF提供商、VNF产品名称、VNF软件版本、VNFD版本、VNF使用的自动伸缩(auto-scale)规则和VNF使用的部署模板中的至少一种。
示意性的,NS实例镜像模板信息中的属性包括NS实例标识、NS实例名称、NS实例状态、NS实例监控的性能指标、NS实例使用的NSD和部署模板中的至少一种。
示意性的,VNF实例镜像模板信息中的属性包括VNF实例标识、VNF实例名称、VNF实例状态、VNF实例监控的性能指标、VNF实例使用的VNFD和与VIM的连接信息中的至少一种。
需要说明的是,本申请实施例对NFV对象的属性的类型不加以限定。
可选地,NFV对象之间的关联关系包括垂直方向上下层NFV对象之间的关联关系和/或水平方向同层连接的NFV对象之间的关联关系。比如,NS实例中的成员对象“VNF_1”的虚拟机端口告警和成员对象“VL_1”的不可达告警强相关,即基本数据分析模型用于指示成员对象“VNF_1”的虚拟机端口和成员对象“VL_1”之间存在关联关系。
需要说明的是,描述符模板信息、镜像信息、原始模型和基本数据分析模型的相关定义可参考上述实施例中的相关描述,在此不再赘述。
可选地,基本数据分析模型的训练过程包括但不限于如下几个阶段:
第一阶段:NSD和/或VNF数据包(package)的上架(onboard)阶段,MDA实体基于NSD模板信息和/或VNFD模板信息进行基本数据分析模型训练,创建基本数据分析模型训练中相对静态的对象类的关联关系。
第二阶段:NS和/或VNF实例化阶段,MDA实体基于NS实例镜像信息和/或VNF实例镜像信息进行基本数据分析模型训练,创建基本数据分析模型训练中相对动态的对象实例的关联关系。
第三阶段:在NS和/或VNF实例化后的运行态阶段,MDA实体根据在NS更新过程中修改的NS实例镜像信息和/或修改后的VNF实例镜像信息,对基本数据分析模型中的对象实例的关联关系进行更新。
下面为了方便说明,通过几个示例性实施例对上述的三种阶段依次进行介绍说明。
第一阶段即NSD和/或VNF数据包的上架阶段,以描述符模板信息包括NSD模板信息为例,基础数据分析模型的训练过程包括但不限于如下几个步骤,如图6所示:
步骤601,运营支撑系统Operations support system,OSS)/商务支撑系统(Business support system,BSS)向NFVO发起NSD上架(onboard)过程,在NFV管理域中上架指定的NSD。
步骤602,NFVO将上架的NSD模板信息导入MDA实体。
即NFVO向MDA实体发送NSD模板信息,作为基本数据分析模型训练的输入数据。
可选地,NFVO将上架的NSD模板信息导入MDA实体,包括但不限于以下两种可能的实现方式:
在一种可能的实现方式中,NSD导入过程采用随路过程,即伴随步骤601的NSD上架过程,由OSS/BSS通过NFVO直接将NSD模板信息导入MDA实体。
在另一种可能的实现方式中,NFVO发送模型训练输入请求至MDA实体,该模型训练输入请求中携带待导入的NSD模板信息。
步骤603,MDA实体根据导入的NSD模板信息进行基本数据分析模型训练,建立NSD模板信息和NS的成员对象的描述符模板信息之间的关联关系。
MDA根据导入的NSD模板信息进行基本数据分析模型训练,在基本数据分析模型的训练过程中,MDA实体建立NSD模板信息和NS的成员对象的描述符模板信息之间的关联关系。即训练完成的基本数据分析模型用于指示NSD模板信息和NS的成员对象的描述符模板信息之间的关联关系。
可选地,MDA实体建立NSD模板信息和NS的成员对象的描述符模板信息之间的关联关系,NS的成员对象的属性与NSD模板信息的属性相对应。
可选地,在基本数据分析模型的训练过程中,MDA实体建立NS对象类和NS的成员对象的描述符模板信息所对应的对象类之间的包含关系。即训练完成的基本数据分析模型用于指示NS对象类和NS的成员对象的描述符模板信息所对应的对象类之间的包含关系。
其中,成员对象的对象类的属性与该成员对象的描述符模板信息的属性相对应。
示意性的,成员对象的对象类包括:组成NS的成员嵌套NS的对象类、成员VNF的对象类、成员PNF的对象类、服务接入点(Service Access Point,SAP)的对象类、NS外部的虚拟链路的对象类、使用的VNF转发图的对象类中的至少一种。本申请实施例对此不加以限定。
在一种可能的实现方式中,描述符模板信息包括VNFD模板信息,上述步骤601至步骤603可以被替换实现成为如下步骤:OSS/BSS向NFVO发起VNF数据包上架过程,在NFV管理域中上架指定的VNF数据包。NFVO将上架的VNFD模板信息导入MDA实体。MDA实体根据导入的VNFD模板信息进行基本数据分析模型训练。
在另一种可能的实现方式中,描述符模板信息包括NSD模板信息和VNFD模板信息,上述步骤601至步骤603可以被替换实现成为如下步骤:OSS/BSS向NFVO发起NSD上架过程,在NFV管理域中上架指定的NSD。NFVO将上架的NSD模板信息导入MDA实体。OSS/BSS向NFVO发起VNF数据包上架过程,在NFV管理域中上架指定的VNF数据包。NFVO将上架的VNFD模板信息导入MDA实体。MDA实体根据导入的NSD模板信息和VNFD模板信息进行基本数据分析模型训练,建立NSD模板信息和NS的成员对象的描述符模板信息之间的关联关系。需要说明的是,描述符模板信息包括VNFD模板信息,或者,包括NSD模板信息和VNFD模板信息时对应的基础数据分析模型的训练过程可以类比参考上述实施例中的相关描述,在此不再赘述。
第二阶段即NS和/或VNF实例化阶段,以镜像信息包括NS实例镜像信息和VNF实例镜像信息为例,基础数据分析模型的训练过程包括但不限于如下几个步骤,如图7所示:
步骤701,OSS/BSS向NFVO发起NS实例标识创建过程,创建NS实例的标识和该NS实例对应的NS实例镜像信息。
步骤702,NFVO将创建的NS实例镜像信息导入MDA实体。
即NFVO向MDA实体发送NS实例镜像信息,作为基本数据分析模型训练的输入数据。
可选地,NFVO将创建的NS实例镜像信息导入MDA实体,包括但不限于以下两种可能的实现方式:
在一种可能的实现方式中,NS实例镜像信息导入过程采用随路过程,即伴随步骤701的NS实例标识创建过程,由OSS/BSS通过NFVO直接将NS实例镜像信息导入MDA实体。
在另一种可能的实现方式中,NFVO发送模型训练输入请求至MDA实体,该模型训练输入请求中携带待导入的NS实例镜像信息。
步骤703,NFVO向VNFM发起VNF实例标识创建过程,创建VNF实例的标识和该VNF实例对应的VNF实例镜像信息。
步骤704,VNFM将创建的VNF实例镜像信息导入MDA实体。
即VNFM向MDA实体发送VNF实例镜像信息,作为基本数据分析模型训练的输入数据。
可选地,VNFM将创建的VNF实例镜像信息导入MDA实体,包括但不限于以下两种可能的实现方式:
在一种可能的实现方式中,VNF实例镜像信息导入过程采用随路过程,即伴随步骤703的VNF实例标识创建过程,由NFVO通过VNFM直接将VNF实例镜像信息导入MDA实体。
在另一种可能的实现方式中,VNFM发送模型训练输入请求至MDA实体,该模型训练输入请求中携带待导入的VNF实例镜像信息。
需要说明的是,步骤701至步骤702所介绍的NS实例镜像信息的导入过程,与步骤703至步骤704所介绍的VNF实例镜像信息的导入过程,可以并列执行,也可以先执行NS实例镜像信息的导入过程再执行VNF实例镜像信息的导入过程,还可以先执行VNF实例镜像信息的导入过程再执行NS实例镜像信息的导入过程,本实施例对执行顺序不加以限定。
步骤705,MDA实体根据导入的NS实例镜像信息和VNF实例镜像信息进行基本数据分析模型训练,建立NS实例镜像信息和NS实例的成员对象实例的镜像信息之间的关联关系。
MDA实体根据导入的NS实例镜像信息和VNF实例镜像信息进行基本数据分析模型训练,在基本数据分析模型的训练过程中,MDA实体建立NS实例镜像信息和NS实例的成员对象实例的镜像信息之间的关联关系。即训练完成的基本数据分析模型用于指示NS实例镜像信息和NS实例的成员对象实例的镜像信息之间的关联关系。
可选地,MDA实体建立NS实例镜像信息和NS实例的成员对象实例的镜像信息之间的关联关系,NS实例的成员对象实例的属性与NS实例镜像模板信息中的属性相对应。
可选地,在基本数据分析模型的训练过程中,MDA实体建立NS实例和NS的成员对象的描述符模板信息所对应的对象实例之间的包含关系。即训练完成的基本数据分析模型用于指示NS实例和NS的成员对象的描述符模板信息所对应的对象实例之间的包含关系。
其中,成员对象的对象实例的属性与该成员对象实例的镜像信息的属性相对应。
示意性的,成员对象的对象实例包括:组成NS实例的成员嵌套NS实例、成员VNF实例、成员PNF实例、SAP实例、NS外部的虚拟链路实例、使用的VNF转发图实例中的至少一种。本申请实施例对此不加以限定。
在一种可能的实现方式中,镜像信息包括NS实例镜像信息,上述步骤701至步骤705可以被替换实现成为如下步骤:OSS/BSS向NFVO发起NS实例标识创建过程,创建NS实例的标识和该NS实例对应的NS实例镜像信息。NFVO将创建的NS实例镜像信息导入MDA实体。MDA实体根据导入的NS实例镜像信息进行基本数据分析模型训练,建立NS实例镜像信息和NS实例的成员对象实例的镜像信息之间的关联关系。
在另一种可能的实现方式中,镜像信息包括VNF实例镜像信息,上述步骤701至步骤705可以被替换实现成为如下步骤:NFVO向VNFM发起VNF实例标识创建过程,创建VNF实例的标识和该VNF实例对应的VNF实例镜像信息。VNFM将创建的VNF实例镜像信息导入MDA实体。MDA实体根据导入的VNF实例镜像信息进行基本数据分析模型训练。
需要说明的是,镜像信息包括NS实例镜像信息或VNF实例镜像信息时对应的基础数据分析模型的训练过程可以类比参考上述实施例中的相关描述,在此不再赘述。
第三阶段即在NS和/或VNF实例化后的运行态阶段,以NFV对象实例更新过程中修改实例的镜像信息为VNF实例镜像信息为例,基础数据分析模型的训练过程包括但不限于如下几个步骤,如图8所示:
步骤801,OSS/BSS向NFVO发起NS更新过程。
可选地,OSS/BSS向NFVO发送请求消息,该请求消息中携带NS更新类型,NS更新类型用于指示修改组成该NS实例的VNF实例镜像信息。
步骤802,NFVO向VNFM发起VNF实例信息修改过程,修改指定的VNF实例镜像信息。
NFVO接收携带有NS更新类型的请求消息后,向VNFM发起VNF实例信息修改过程,对该NS更新类型所指示的VNF实例镜像信息进行修改,得到修改后的VNF实例镜像信息。
步骤803,VNFM将修改后的VNF实例镜像信息导入MDA实体。
即VNFM向MDA实体发送修改的VNF实例镜像信息,作为基本数据分析模型训练的输入数据,以指示对基本数据分析模型进行更新。
可选地,VNFM将修改的VNF实例镜像信息导入MDA实体,包括但不限于以下两种可能的实现方式:
在一种可能的实现方式中,修改后的VNF实例镜像信息导入过程采用随路过程,即伴随步骤802的VNF实例信息修改过程,由NFVO通过VNFM直接将修改后的VNF实例镜像信息导入MDA实体。
在另一种可能的实现方式中,VNFM发送模型训练输入请求至MDA实体,该模型训练输入请求中携带修改后的VNF实例镜像信息。
步骤804,MDA实体根据修改后的VNF实例镜像信息对基本数据分析模型进行更新。
MDA实体根据修改后的VNF实例镜像信息对基本数据分析模型进行更新,得到更新后的基本数据分析模型。相关细节可类比参考MDA实体根据VNF实例镜像信息对基本数据分析模型进行训练的相关描述,在此不再赘述。
在一种可能的实现方式中,上述步骤801至步骤804还可以被替换实现成为如下步骤:OSS/BSS向NFVO发起NS更新过程,修改NS实例镜像信息。NFVO将修改后的NS实例镜像信息导入MDA实体。MDA实体根据修改后的NS实例镜像信息对基本数据分析模型进行更新。在另一种可能的实现方式中,上述步骤801至步骤804还可以被替换实现成为如下步骤:OSS/BSS向NFVO发起NS更新过程。NFVO向VNFM发起VNF实例信息修改过程,修改指定的VNF实例镜像信息。VNFM将修改后的VNF实例镜像信息导入MDA实体。OSS/BSS向NFVO发起NS更新过程,修改NS实例镜像信息。NFVO将修改后的NS实例镜像信息导入MDA实体。MDA实体根据修改后的NS实例镜像信息和修改后的VNF实例镜像信息对基本数据分析模型进行更新。
需要说明的是,MDA实体根据修改后的NS实例镜像信息对基本数据分析模型进行更新的过程,或者,MDA实体根据修改后的NS实例镜像信息和修改后的VNF实例镜像信息对基本数据分析模型进行更新的过程可以类比参考上述实施例中的相关描述,在此不再赘述。
基于上述训练好的基本数据分析模型,请参考图9,其示出了本申请另一个示例性实施例提供的数据分析模型的训练方法的流程图,该方法用于图2所示的MDA实体中。该方法包括以下几个步骤。
步骤901,MDA实体向NFVO订阅与NS相关的指定分析主题所需的信息。
可选地,与NS相关的指定分析主题所需的信息包括指定NS实例相关的信息。比如,指定分析主题为NS告警事件分析主题时所需的信息包括NS相关的性能数据和/或告警数据。
步骤902,NFVO向MDA实体发送携带有与NS相关的指定分析主题所需的信息的通知消息。
NFVO向MDA实体发送通知消息,该通知消息携带有与NS相关的指定分析主题所需的信息。
在一种可能的实现方式中,上述步骤901和步骤902被替换实现成为如下步骤:MDA实体向VNFM订阅与NS相关的指定分析主题所需的信息。VNFM向MDA实体发送携带有与NS相关的指定分析主题所需的信息的通知消息。
可选地,在该实现方式中,与NS相关的指定分析主题所需的信息包括指定NS实例的所有成员VNF实例相关的信息。
在另一种可能的实现方式中,上述步骤901和步骤902被替换实现成为如下步骤:MDA实体向VIM订阅与NS相关的指定分析主题所需的信息。VIM向MDA实体发送携带有与NS相关的指定分析主题所需的信息的通知消息。
可选地,在该实现方式中,与NS相关的指定分析主题所需的信息包括指定NS实例的所有成员VNF实例和虚拟链路实例所使用的虚拟化资源相关的信息。
在另一种可能的实现方式中,上述步骤901和步骤902被替换实现成为如下步骤:MDA实体向CISM实体订阅与NS相关的指定分析主题所需的信息。CISM实体向MDA实体发送携带有与NS相关的指定分析主题所需的信息的通知消息。
可选地,在该实现方式中,与NS相关的指定分析主题所需的信息包括指定NS实例的所有成员VNF实例所使用的被管理的容器基础设施对象(Managed ContainerInfrastructure Object,MCIO)相关的信息。
步骤903,MDA实体接收携带有与NS相关的指定分析主题所需的信息的通知消息。
MDA实体接收通知消息,该通知消息携带有与NS相关的指定分析主题所需的信息。
步骤904,MDA实体根据通知信息,对预先训练完成的基本数据分析模型进行训练得到指定分析主题对应的目标数据分析模型。
其中,基本数据分析模型为上述训练好的基本数据分析模型。
可选地,MDA实体根据通知消息,建立NFV对象之间的关联关系和/或管理事件之间的关联关系,基于建立的关联关系扩展基本数据分析模型,形成目标数据分析模型。比如,指定分析主题为NS告警事件分析主题,MDA实体接收携带有NS相关的告警数据的通知消息,通过对接收到多个告警数据进行分析,确定NS实例中的成员对象“VNF_1”的虚拟机端口告警和成员对象“VL_2”的不可达告警强相关,从而建立起NS实例中的成员对象“VNF_1”的虚拟机端口告警和成员对象“VL_2”之间的关联关系,而在基本数据分析模型中不具备这个关联关系。
在一种可能的实现方式中,MDA实体根据通知信息,对预先训练完成的基本数据分析模型进行训练得到指定分析主题对应的目标数据分析模型之后,调用训练好的目标数据分析模型进行数据分析。基于上述实施例,步骤302或者步骤904之后,目标数据分析模型的使用过程包括但不限于如下步骤,如图10所示:
步骤1001,获取待分析的指定分析主题所需的信息。
MDA实体获取待分析的指定分析主题所需的信息。可选地,指定分析主题包括NS告警事件分析主题、NS健康度分析主题和NS资源利用率分析主题中的任意一种。比如,指定分析主题为NS告警事件分析主题,该指定分析主题所需的信息包括NS相关的性能数据和/或告警数据。
步骤1002,将该指定分析主题所需的信息输入至该目标数据分析模型,输出得到数据分析结果。
MDA实体将该指定分析主题所需的信息输入至该目标数据分析模型,输出得到数据分析结果。
在一种可能的实现方式中,MDA实体将NS相关的性能数据和/或告警数据输入至与NS告警事件分析主题对应的目标数据分析模型中,输出得到第一分析结果,第一分析结果包括NS故障的根本告警和/或根本原因。
可选地,NS相关的性能数据和/或告警数据包括NS及其组成组件/基础设施资源相关的性能数据和/或告警数据。NFVO中提供了NS相关的性能数据和/或告警数据。NFVO向MDA实体发送NS相关的性能数据和/或告警数据,以进行数据分析。MDA实体调用与NS告警事件分析主题对应的目标数据分析模型,对NS相关的性能数据和/或告警数据进行数据分析,输出得到第一分析结果,第一分析结果包括NS故障的根本告警和/或根本原因。
可选地,MDA实体将第一分析结果返回至NFVO。NFVO确认第一分析结果,并将NS相关的性能数据和/或告警数据与第一分析结果对应地分组。
在另一种可能的实现方式中,MDA实体将NS健康度分析所需的信息输入至与NS健康度分析主题对应的目标数据分析模型中,输出得到第二分析结果,第二分析结果包括NS的健康状态和健康状态对应的说明信息。
可选地,NS健康度分析所需的信息包括NS状态、NS的故障管理(FaultManagement,FM)/性能管理(Performance Management,PM)信息、VNF指标、与分析的NS相关的配置信息中的至少一种,本申请实施例对此不加以限定。
NFVO决定请求MDA实体分析其管理域中NS的运行状况。NFVO向MDA实体发送数据分析请求,该数据分析请求用于指示MDA实体对指定的NS进行健康分析。MDA实体与其他的NFV-MANO功能实体(如NFVO、VNFM和/或VIM)进行交互,以收集NS健康分析所需的信息。MDA实体调用与NS健康度分析主题对应的目标数据分析模型,对NS健康度分析所需的信息进行数据分析输出得到第二分析结果,第二分析结果包括该NS的健康状态和健康状态对应的说明信息。其中,NS的健康状态用于指示NS是健康的或者不健康的。
可选地,MDA实体将第二分析结果返回至NFVO。NFVO接收第二分析结果,获取该NS的运行状况。
在另一种可能的实现方式中,MDA实体将NS资源利用率分析所需的信息输入至与NS资源利用率分析主题对应的目标数据分析模型中,输出得到第三分析结果,第三分析结果包括对NS的资源利用情况的指示。
可选地,NS资源利用率分析所需的信息包括NS的每个组成VNF的虚拟计算相关测量信息、属于NS的SAP的网络数据量相关测量信息,属于NS的组成VNF的外部CP的网络数据量相关测量信息、NS的组成VNF的指示符中的至少一个。本申请实施例对此不加以限定。
NFVO决定对NS的资源利用率进行数据分析。NFVO向MDA实体发送数据分析请求,该数据分析请求用于指示MDA实体对指定的NS进行资源利用率分析。MDA与相应的NFV-MANO功能实体进行交互,以收集在一段时间内进行NS资源利用率分析所需的信息。MDA实体调用与NS资源利用率分析主题对应的目标数据分析模型,对NS资源利用率分析所需的信息进行数据分析输出得到第三分析结果,第三分析结果包括对NS的资源利用情况的指示。
可选地,第三分析结果包括至少一类NS资源的资源利用率和对应的建议信息,以解决分析报告中确定的资源利用率问题。比如,NS资源的类型包括计算资源、存储资源和网络资源中的至少一种。
可选地,MDA实体将分析结果返回至NFVO。NFVO获取一段时间内NS的资源利用率。
需要说明的是,本申请实施例对指定分析主题的类型以及指定分析主题所需的信息内容不加以限定。
综上所述,本申请实施例提供的数据分析模型的训练方法,基本数据分析模型基于NFV对象的配置数据动态维护NFV对象的属性和NFV对象之间的关联关系。在基本数据分析模型的基础上,通过采集分析主题特定的NS相关的性能数据和/或告警数据来进一步训练完成分析主题特定的数据分析模型。
本申请实施例还通过MDA实体将NFV对象在设计态的信息模型(即NFV对象的描述符模板信息)和NFV对象在运行态的信息模型(即NFV对象实例化后的镜像信息)作为基础数据分析模型训练的输入数据,从而训练得到与分析主题无关的基本数据分析模型,以增强MDA实体动态获得NFV管理域中NFV对象之间的关联关系的能力,并进一步提高后续训练目标数据分析模型的效率。
请参考图11,其示出了本申请一个示例性实施例提供的数据分析模型的训练装置的框图。该数据分析模型的训练装置可以通过软件、硬件或者两者的结合实现成为图2所示的MDA实体的全部或者一部分。该数据分析模型的训练装置可以包括:接收单元1110和处理单元1120。
接收单元1110,用于实现上述步骤301、903、1001的功能以及各个步骤中隐含的MDA实体侧的接收功能;
处理单元1120,用于实现上述步骤302、501、603、705、804、904和1002的功能以及各个步骤中隐含的MDA实体侧的处理功能。
相关细节可结合参考图3至图10所述的方法实施例,在此不再赘述。
本申请的实施例提供了一种数据分析模型的训练装置,用于MDA实体中,该装置包括:处理器以及用于存储处理器可执行指令的存储器;其中,处理器被配置为执行指令时实现上述由MDA实体执行的方法。
本申请的实施例提供了一种计算机程序产品,包括计算机可读代码,或者承载有计算机可读代码的非易失性计算机可读存储介质,当计算机可读代码在电子设备的处理器中运行时,电子设备中的处理器执行上述由MDA实体执行的方法。
本申请的实施例提供了一种非易失性计算机可读存储介质,其上存储有计算机程序指令,计算机程序指令被处理器执行时实现上述由MDA实体执行的方法。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RandomAccess Memory,RAM)、只读存储器(Read Only Memory,ROM)、可擦式可编程只读存储器(Electrically Programmable Read-Only-Memory,EPROM或闪存)、静态随机存取存储器(Static Random-Access Memory,SRAM)、便携式压缩盘只读存储器(Compact Disc Read-Only Memory,CD-ROM)、数字多功能盘(Digital Video Disc,DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。
这里所描述的计算机可读程序指令或代码可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本申请操作的计算机程序指令可以是汇编指令、指令集架构(Instruction Set Architecture,ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(Local Area Network,LAN)或广域网(WideArea Network,WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(Field-ProgrammableGate Array,FPGA)或可编程逻辑阵列(Programmable Logic Array,PLA),该电子电路可以执行计算机可读程序指令,从而实现本申请的各个方面。
这里参照根据本申请实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本申请的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本申请的多个实施例的装置、系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分,所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。
也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行相应的功能或动作的硬件(例如电路或ASIC(Application SpecificIntegrated Circuit,专用集成电路))来实现,或者可以用硬件和软件的组合,如固件等来实现。
尽管在此结合各实施例对本申请进行了描述,然而,在实施所要求保护的本申请过程中,本领域技术人员通过查看所述附图、公开内容、以及所附权利要求书,可理解并实现所述公开实施例的其它变化。在权利要求中,“包括”(comprising)一词不排除其他组成部分或步骤,“一”或“一个”不排除多个的情况。单个处理器或其它单元可以实现权利要求中列举的若干项功能。相互不同的从属权利要求中记载了某些措施,但这并不表示这些措施不能组合起来产生良好的效果。
以上已经描述了本申请的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (18)
1.一种数据分析模型的训练方法,其特征在于,用于管理数据分析MDA实体中,所述方法包括:
接收通知消息,所述通知消息携带有与网络服务NS相关的指定分析主题所需的信息;
根据所述通知信息,对预先训练完成的基本数据分析模型进行训练得到所述指定分析主题对应的目标数据分析模型,所述基本数据分析模型是根据网络功能虚拟化NFV对象的配置数据对原始模型进行训练得到的,所述NFV对象为所述NFV管理域内的被管理对象。
2.根据权利要求1所述的方法,其特征在于,所述基本数据分析模型用于指示所述NFV对象的属性和所述NFV对象之间的关联关系。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
根据导入的所述NFV对象的描述符模板信息和/或所述NFV对象实例化后的镜像信息,对所述原始模型进行训练得到所述基本数据分析模型。
4.根据权利要求3所述的方法,其特征在于,
所述描述符模板信息包括网络服务描述符NSD模板信息和/或虚拟化网络功能描述符VNFD模板信息;和/或,
所述镜像信息包括NS实例镜像信息和/或虚拟化网络功能VNF实例镜像信息。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
在所述基本数据分析模型的训练过程中,建立所述NSD模板信息和所述NS的成员对象的描述符模板信息之间的关联关系。
6.根据权利要求4所述的方法,其特征在于,所述方法还包括:
在所述基本数据分析模型的训练过程中,建立所述NS实例镜像信息和所述NS实例的成员对象实例的镜像信息之间的关联关系。
7.根据权利要求4所述的方法,其特征在于,所述方法还包括:
根据修改后的所述NS实例镜像信息和/或修改后的所述VNF实例镜像信息,对所述基本数据分析模型进行更新。
8.根据权利要求1至7任一所述的方法,其特征在于,所述方法还包括:
将NS相关的性能数据和/或告警数据输入至与NS告警事件分析主题对应的所述目标数据分析模型中,输出得到第一分析结果,所述第一分析结果包括所述NS故障的根本告警和/或根本原因;或者,
将NS健康度分析所需的信息输入至与NS健康度分析主题对应的所述目标数据分析模型中,输出得到第二分析结果,所述第二分析结果包括所述NS的健康状态和所述健康状态对应的说明信息;或者,
将NS资源利用率分析所需的信息输入至与NS资源利用率分析主题对应的所述目标数据分析模型中,输出得到第三分析结果,所述第三分析结果包括对所述NS的资源利用情况的指示。
9.一种数据分析模型的训练装置,其特征在于,用于管理数据分析MDA实体中,所述装置包括:
接收单元,用于接收通知消息,所述通知消息携带有与网络服务NS相关的指定分析主题所需的信息;
处理单元,用于根据所述通知信息,对预先训练完成的基本数据分析模型进行训练得到所述指定分析主题对应的目标数据分析模型,所述基本数据分析模型是根据网络功能虚拟化NFV对象的配置数据对原始模型进行训练得到的,所述NFV对象为所述NFV管理域内的被管理对象。
10.根据权利要求9所述的装置,其特征在于,所述基本数据分析模型用于指示所述NFV对象的属性和所述NFV对象之间的关联关系。
11.根据权利要求9所述的装置,其特征在于,所述处理单元还用于:
根据导入的所述NFV对象的描述符模板信息和/或所述NFV对象实例化后的镜像信息,对所述原始模型进行训练得到所述基本数据分析模型。
12.根据权利要求11所述的装置,其特征在于,
所述描述符模板信息包括网络服务描述符NSD模板信息和/或虚拟化网络功能描述符VNFD模板信息;和/或,
所述镜像信息包括NS实例镜像信息和/或虚拟化网络功能VNF实例镜像信息。
13.根据权利要求12所述的装置,其特征在于,所述处理单元还用于:
在所述基本数据分析模型的训练过程中,建立所述NSD模板信息和所述NS的成员对象的描述符模板信息之间的关联关系。
14.根据权利要求12所述的装置,其特征在于,所述处理单元还用于:
在所述基本数据分析模型的训练过程中,建立所述NS实例镜像信息和所述NS实例的成员对象实例的镜像信息之间的关联关系。
15.根据权利要求12所述的装置,其特征在于,所述处理单元还用于:
根据修改后的所述NS实例镜像信息和/或修改后的所述VNF实例镜像信息,对所述基本数据分析模型进行更新。
16.根据权利要求9至15任一所述的装置,其特征在于,所述处理单元还用于:
将NS相关的性能数据和/或告警数据输入至与NS告警事件分析主题对应的所述目标数据分析模型中,输出得到第一分析结果,所述第一分析结果包括所述NS故障的根本告警和/或根本原因;或者,
将NS健康度分析所需的信息输入至与NS健康度分析主题对应的所述目标数据分析模型中,输出得到第二分析结果,所述第二分析结果包括所述NS的健康状态和所述健康状态对应的说明信息;或者,
将NS资源利用率分析所需的信息输入至与NS资源利用率分析主题对应的所述目标数据分析模型中,输出得到第三分析结果,所述第三分析结果包括对所述NS的资源利用情况的指示。
17.一种数据分析模型训练的装置,其特征在于,用于管理数据分析MDA实体中,所述装置包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为执行所述指令时实现权利要求1-8任意一项所述的方法。
18.一种非易失性计算机可读存储介质,其上存储有计算机程序指令,其特征在于,所述计算机程序指令被处理器执行时实现权利要求1至8中任意一项所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011358153.5A CN114567559A (zh) | 2020-11-27 | 2020-11-27 | 数据分析模型的训练方法、装置及存储介质 |
PCT/CN2021/117741 WO2022110974A1 (zh) | 2020-11-27 | 2021-09-10 | 数据分析模型的训练方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011358153.5A CN114567559A (zh) | 2020-11-27 | 2020-11-27 | 数据分析模型的训练方法、装置及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114567559A true CN114567559A (zh) | 2022-05-31 |
Family
ID=81712464
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011358153.5A Pending CN114567559A (zh) | 2020-11-27 | 2020-11-27 | 数据分析模型的训练方法、装置及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN114567559A (zh) |
WO (1) | WO2022110974A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116363452B (zh) * | 2023-03-07 | 2024-01-09 | 阿里巴巴(中国)有限公司 | 任务模型训练方法以及装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10614373B1 (en) * | 2013-12-23 | 2020-04-07 | Groupon, Inc. | Processing dynamic data within an adaptive oracle-trained learning system using curated training data for incremental re-training of a predictive model |
CN111083722A (zh) * | 2019-04-15 | 2020-04-28 | 中兴通讯股份有限公司 | 模型的推送、模型的请求方法及装置、存储介质 |
CN110796232A (zh) * | 2019-10-12 | 2020-02-14 | 腾讯科技(深圳)有限公司 | 属性预测模型训练方法、属性预测方法及电子设备 |
-
2020
- 2020-11-27 CN CN202011358153.5A patent/CN114567559A/zh active Pending
-
2021
- 2021-09-10 WO PCT/CN2021/117741 patent/WO2022110974A1/zh active Application Filing
Also Published As
Publication number | Publication date |
---|---|
WO2022110974A1 (zh) | 2022-06-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20230244454A1 (en) | Software defined network controller | |
US11455184B2 (en) | End-to-end validation of virtual machines | |
US9588815B1 (en) | Architecture for data collection and event management supporting automation in service provider cloud environments | |
US11483218B2 (en) | Automating 5G slices using real-time analytics | |
US10536348B2 (en) | Operational micro-services design, development, deployment | |
US10892948B2 (en) | Creating and using service control functions | |
US11539590B2 (en) | Detect impact of network maintenance in software defined infrastructure | |
CN115280325A (zh) | 联邦学习中的参数共享 | |
Aslam et al. | Service provisioning for the WSN cloud | |
CN115812298A (zh) | 供应故障的区块链管理 | |
US20200326931A1 (en) | Federated Framework for Container Management | |
Davoli et al. | A fog computing orchestrator architecture with service model awareness | |
CN114489954A (zh) | 基于虚拟化平台的租户创建方法、租户访问方法及设备 | |
CN114567559A (zh) | 数据分析模型的训练方法、装置及存储介质 | |
CN112448833B (zh) | 一种多管理域的通信方法和装置 | |
US20200267230A1 (en) | Tracking client sessions in publish and subscribe systems using a shared repository | |
US11303712B1 (en) | Service management in distributed system | |
US11210156B1 (en) | Intelligent distributed tracing | |
CN110231965A (zh) | 一种云端设备、应用程序处理方法及电子设备 | |
US20240103903A1 (en) | Dynamic pod priority inference utilizing service mesh telemetry data | |
US11093274B2 (en) | Open interface management of virtual agent nodes | |
CN117118927A (zh) | 资源分配方法、装置、设备及可读存储介质 | |
CN116521361A (zh) | 一种模拟配单方法、装置及设备 | |
CN113726578A (zh) | 一种api网关的融合方法和网络架构系统 | |
CN118018514A (zh) | 容器主机命名方法、装置、电子设备及可读存储介质 |
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 |