CN114727309A - 网络优化方法及设备 - Google Patents
网络优化方法及设备 Download PDFInfo
- Publication number
- CN114727309A CN114727309A CN202110001495.XA CN202110001495A CN114727309A CN 114727309 A CN114727309 A CN 114727309A CN 202110001495 A CN202110001495 A CN 202110001495A CN 114727309 A CN114727309 A CN 114727309A
- Authority
- CN
- China
- Prior art keywords
- service
- performance
- network
- optimization
- node
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/06—Testing, supervising or monitoring using simulated traffic
-
- 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
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
一种网络优化方法及设备，涉及移动通信技术领域，该方法包括：建立每个优化簇下各个网络服务节点的节点服务性能数据与总端到端服务价值的目标映射模型；根据所述目标映射模型，预测每个优化簇的总端到端服务价值的时序变化或端到端性能指标的时序变化，确定出价值损失或端到端性能指标恶化超过对应门限的优化簇，生成该优化簇的优化需求案例；对各个优化簇的优化需求案例进行优先级的计算和排序，并按照排序结果依次对各个优化需求案例进行优化。本发明能够对网络优化需求价值进行评估和排序，实现对网络多维度性能的实时监控，通过优化需求的自动化生成和排序，保障服务质量。
Description
技术领域
本发明涉及移动通信技术领域，具体涉及一种网络优化方法及设备。
背景技术
当前，在第五代移动通信(5G)无线网络中，网络优化需求通常是基于网管对网络性能指标监控和分析获得。例如，以某运营商省公司的日常网优工作流程为例，网优中心集中管控网络建设和优化的需求库，采用自上而下的管理模式，需求类型主要分为覆盖类需求和容量类需求，具体包括弱覆盖投诉、测量报告(Measurement Report，MR)弱覆盖、劣于竞对、测试黑点、重点场景、仿真弱覆盖、G网高流量、G网高倒流、窄带物联网(NB-IoT)、5G等需求，网优中心依据集团网络性能标准，自上而下派发网优和网络建设需求工单。
当需求量较大时，省网优中心负责需求优先级的评估及制定，优先满足高优先级需求。综合价值、投诉、MR、仿真等多维度统一进行需求滚动评估打分，区分需求紧急程度，指导资源投放。同时，省网优中心按季度进行需求滚动更新，运用大数据智能分析手段输出精准需求，提升需求质量。
考虑未来第六代移动通信(6G)时代，6G网络将搭载千行百业的多样化需求，网络既为面向个人(2C)业务提供传统服务，更为各类面向企业(2B)行业提供多样化、定制化的服务，6G网络将具有感知、通信、计算、智能等多种关键能力，拥有通信、计算、存储等多种异质资源。因此，仅用覆盖和容量等传统CT域性能指标来衡量网络已不足够，或者说对2G～5G等既有网络可继续按照现有思路和性能指标进行运维考核，而针对6G网络需要采用一套能多方位反映网络能力和服务水平的性能指标和需求生成排序模型。
可以看出，现有技术对网络性能的衡量主要集中在覆盖类和容量类指标上，已无法满足未来6G网络多维度能力考核的需求；另外，网络优化需求的生成和排序过程仍需专家经验的介入和工单派发，人工成本较高，未实现自动化。
发明内容
本发明的至少一个实施例提供了一种网络优化方法、终端及网络设备，能够实现优化需求的自动化生成和排序，保障网络服务质量。
根据本发明的一个方面，至少一个实施例提供了一种网络优化方法，包括：
网络端到端管理节点建立每个优化簇下各个网络服务节点的节点服务性能数据与总端到端服务价值的目标映射模型，其中，每个优化簇包括有相互间的分子服务性能的相关系数超过预设门限的多个网络服务节点；
根据所述目标映射模型，预测每个优化簇的总端到端服务价值的时序变化或端到端性能指标的时序变化，确定出价值损失或端到端性能指标恶化超过对应门限的优化簇，生成该优化簇的优化需求案例；
对各个优化簇的优化需求案例进行优先级的计算和排序，并按照排序结果依次对各个优化需求案例进行优化。
此外，根据本发明的至少一个实施例，建立每个优化簇下各个网络服务节点的节点服务性能数据与总端到端服务价值的目标映射模型，包括：
接收网络服务节点的节点服务性能数据，所述节点服务性能数据包括有所述网络服务节点的分子服务和/或原子服务的性能统计数据；以及，按照端到端服务拆解到各个网络服务节点的对应关系，训练获得各个网络服务节点的节点服务性能数据与端到端服务的端到端性能数据的第一映射模型；
根据各个端到端服务的服务等级对应的端到端性能指标的签约要求以及违约的价值损失，建立端到端服务的端到端性能指标与端到端服务价值的第二映射模型；
针对每个优化簇，根据所述第一映射模型和第二映射模型，建立该优化簇下的节点服务性能数据与总端到端服务价值的所述目标映射模型。
此外，根据本发明的至少一个实施例，还包括：
对各个网络服务节点的节点服务性能数据之间的相关性进行分析，获得网络服务节点之间分子服务性能的相关系数，按照所述相关系数及对应的系数截断门限，将网络服务节点划分为至少一个优化簇。
此外，根据本发明的至少一个实施例，在训练所述第一映射模型之前，所述方法还包括：
网络端到端管理节点向服务等级性能评估模块发送针对端到端服务的端到端性能数据的请求消息，并接收所述服务等级性能评估模块发送的所述端到端服务的端到端性能数据。
此外，根据本发明的至少一个实施例，所述网络服务节点的分子服务的性能统计数据包括以下至少一种：完成该分子服务的时长、消耗的资源量、与该分子服务特征相关联的性能指标，所述性能指标包括准确率、精度、误码率中的至少一种；
所述网络服务节点的原子服务的性能统计数据包括以下至少一种：实例化时长、实例化个数、实例化位置、负载情况。
此外，根据本发明的至少一个实施例，所述对各个优化簇的优化需求案例进行优先级的计算和排序，包括：
根据价值损失的估计值、待优化节点数量、待优化分子服务列表、待优化的性能指标列表、待优化的端到端业务列表和建议的优化完成时间中的至少一种，计算各个优化需求案例的优先级，并按照优先级，对优化需求案例进行排序。
此外，根据本发明的至少一个实施例，所述按照排序结果依次对各个优化需求案例进行优化，包括：
按照排序结果，向优化簇内的网络服务节点发送服务性能提升消息，以使所述网络服务节点根据所述服务性能提升消息进行优化。
此外，根据本发明的至少一个实施例，所述服务性能提升消息包括有网络服务节点编号、待优化的分子服务列表，待优化的性能指标列表、待优化性能指标目标值、同簇内其他网络服务节点编号、建议优化完成时间中的至少一项。
根据本发明的另一方面，至少一个实施例提供了一种网络优化方法，包括：
网络服务节点从原子服务管理模块获取原子服务性能统计数据，并对各个分子服务的性能指标进行测量计算，获得分子性能统计数据；
所述网络服务节点将所述分子性能和/或原子服务的性能统计数据发送给网络端到端管理节点；
所述网络服务节点接收所述网络端到端管理节点发送的服务性能提升消息，根据所述服务性能提升消息进行性能优化。
此外，根据本发明的至少一个实施例，所述分子服务的性能统计数据包括以下至少一种：完成该分子服务的时长、消耗的资源量、与该分子服务特征相关联的性能指标，所述性能指标包括准确率、精度、误码率中的至少一种；
所述原子服务的性能统计数据包括以下至少一种：实例化时长、实例化个数、实例化位置、负载情况。
此外，根据本发明的至少一个实施例，所述服务性能提升消息包括有网络服务节点编号、待优化的分子服务列表，待优化的性能指标列表、待优化性能指标目标值、同簇内其他网络服务节点编号、建议优化完成时间中的至少一项；所述网络服务节点根据所述服务性能提升消息进行性能优化，包括：
所述网络服务节点通过执行以下配置中的至少一种，进行性能优化：更改分子服务的结构配置、更改分子服务调用的底层资源、更改分子服务实例化的位置、更改分子服务的调度优先级。
此外，根据本发明的至少一个实施例，所述网络服务节点获取分子服务对应的监测性能指标，并根据所述监测性能指标，对各个分子服务的性能指标进行测量计算，其中，所述监测性能指标包括以下至少一项：分子服务编号列表、每项分子服务对应的至少一项性能指标、分子服务类型、分子服务子类、每项性能指标的统计计算方式、性能指标的重要度。
根据本发明的另一方面，至少一个实施例提供了一种网络端到端管理节点，其特征在于，包括：
模型建立模块，用于建立每个优化簇下各个网络服务节点的节点服务性能数据与总端到端服务价值的目标映射模型，其中，每个优化簇包括有相互间的分子服务性能的相关系数超过预设门限的多个网络服务节点；
用例生成模块，用于根据所述目标映射模型，预测每个优化簇的总端到端服务价值的时序变化或端到端性能指标的时序变化，确定出价值损失或端到端性能指标恶化超过对应门限的优化簇，生成该优化簇的优化需求案例；
用例排序模块，用于对各个优化簇的优化需求案例进行优先级的计算和排序，并按照排序结果依次对各个优化需求案例进行优化。
此外，根据本发明的至少一个实施例，所述模型建立模块，具体用于：
接收网络服务节点的节点服务性能数据，所述节点服务性能数据包括有所述网络服务节点的分子服务和/或原子服务的性能统计数据；以及，按照端到端服务拆解到各个网络服务节点的对应关系，训练获得各个网络服务节点的节点服务性能数据与端到端服务的端到端性能数据的第一映射模型；
根据各个端到端服务的服务等级对应的端到端性能指标的签约要求以及违约的价值损失，建立端到端服务的端到端性能指标与端到端服务价值的第二映射模型；
针对每个优化簇，根据所述第一映射模型和第二映射模型，建立该优化簇下的节点服务性能数据与总端到端服务价值的所述目标映射模型。
此外，根据本发明的至少一个实施例，还包括：
优化簇划分模块，用于对各个网络服务节点的节点服务性能数据之间的相关性进行分析，获得网络服务节点之间分子服务性能的相关系数，按照所述相关系数及对应的系数截断门限，将网络服务节点划分为至少一个优化簇。
此外，根据本发明的至少一个实施例，所述用例生成模块，还用于在训练所述第一映射模型之前，向服务等级性能评估模块发送针对端到端服务的端到端性能数据的请求消息，并接收所述服务等级性能评估模块发送的所述端到端服务的端到端性能数据。
此外，根据本发明的至少一个实施例，所述用例排序模块，还用于根据价值损失的估计值、待优化节点数量、待优化分子服务列表、待优化的性能指标列表、待优化的端到端业务列表和建议的优化完成时间中的至少一种，计算各个优化需求案例的优先级，并按照优先级，对优化需求案例进行排序。
此外，根据本发明的至少一个实施例，所述用例排序模块，还用于按照排序结果，向优化簇内的网络服务节点发送服务性能提升消息，以使所述网络服务节点根据所述服务性能提升消息进行优化。
根据本发明的另一方面，至少一个实施例提供了一种网络端到端管理节点，包括收发机和处理器，其中，
所述收发机，用于建立每个优化簇下各个网络服务节点的节点服务性能数据与总端到端服务价值的目标映射模型，其中，每个优化簇包括有相互间的分子服务性能的相关系数超过预设门限的多个网络服务节点；根据所述目标映射模型，预测每个优化簇的总端到端服务价值的时序变化或端到端性能指标的时序变化，确定出价值损失或端到端性能指标恶化超过对应门限的优化簇，生成该优化簇的优化需求案例；对各个优化簇的优化需求案例进行优先级的计算和排序，并按照排序结果依次对各个优化需求案例进行优化。
根据本发明的另一方面，至少一个实施例提供了一种网络端到端管理节点，包括：处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序，所述程序被所述处理器执行时实现如上所述的方法的步骤。
根据本发明的另一方面，至少一个实施例提供了一种网络服务节点，包括：
生命周期管理模块，用于从原子服务管理模块获取原子服务性能统计数据，并对各个分子服务的性能指标进行测量计算，获得分子性能统计数据；
性能监测模块，用于将所述分子性能和/或原子服务的性能统计数据发送给网络端到端管理节点；
资源管理模块，用于接收所述网络端到端管理节点发送的服务性能提升消息，根据所述服务性能提升消息进行性能优化。
此外，根据本发明的至少一个实施例，所述服务性能提升消息包括有网络服务节点编号、待优化的分子服务列表，待优化的性能指标列表、待优化性能指标目标值、同簇内其他网络服务节点编号、建议优化完成时间中的至少一项；
所述资源管理模块，还用于通过执行以下配置中的至少一种，进行性能优化：更改分子服务的结构配置、更改分子服务调用的底层资源、更改分子服务实例化的位置、更改分子服务的调度优先级。
此外，根据本发明的至少一个实施例，所述性能监测模块，还用于获取分子服务对应的监测性能指标，并根据所述监测性能指标，对各个分子服务的性能指标进行测量计算，其中，所述监测性能指标包括以下至少一项：分子服务编号列表、每项分子服务对应的至少一项性能指标、分子服务类型、分子服务子类、每项性能指标的统计计算方式、性能指标的重要度。
根据本发明的另一方面，至少一个实施例提供了一种网络服务节点，包括收发机和处理器，其中，
所述收发机，用于从原子服务管理模块获取原子服务性能统计数据，并对各个分子服务的性能指标进行测量计算，获得分子性能统计数据；将所述分子性能和/或原子服务的性能统计数据发送给网络端到端管理节点；
所述处理器，用于接收所述网络端到端管理节点发送的服务性能提升消息，根据所述服务性能提升消息进行性能优化。
根据本发明的另一方面，至少一个实施例提供了一种网络服务节点，其特征在于，包括：处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序，所述程序被所述处理器执行时实现如上所述的方法的步骤。
根据本发明的另一方面，至少一个实施例提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有程序，所述程序被处理器执行时，实现如上所述的方法的步骤。
与现有技术相比，本发明实施例提供的网络优化方法及设备，能够对网络优化需求价值进行评估和排序，实现对网络多维度性能的实时监控，通过优化需求的自动化生成和排序，保障服务质量的持续达标。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1为本发明实施例的一种应用场景示意图；
图2为本发明实施例的网络优化方法应用于网络端到端管理节点的一种流程图；
图3为本发明实施例的网络优化方法应用于网络端到端管理节点的另一种流程图；
图4为本发明实施例提供的建立目标映射模型的一个示例图；
图5为本发明实施例的网络优化方法应用于网络服务节点的流程图；
图6为本发明实施例的网络优化方法应用于网络切片优化的示例图；
图7为本发明实施例提供的网络端到端管理节点的一种结构示意图；
图8为本发明实施例提供的网络端到端管理节点的另一种结构示意图；
图9为本发明实施例提供的网络服务节点的一种结构示意图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。
本申请的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。说明书以及权利要求中“和/或”表示所连接对象的至少其中之一。
以下描述提供示例而并非限定权利要求中阐述的范围、适用性或者配置。可以对所讨论的要素的功能和布置作出改变而不会脱离本公开的精神和范围。各种示例可恰适地省略、替代、或添加各种规程或组件。例如，可以按不同于所描述的次序来执行所描述的方法，并且可以添加、省去、或组合各种步骤。另外，参照某些示例所描述的特征可在其他示例中被组合。
如背景技术中所述的，现有技术对网络性能的衡量主要集中在覆盖类和容量类指标上，已无法满足未来网络多维度能力考核的需求；另外，网络优化需求的生成和排序过程的人工成本较高，未实现自动化。
为解决以上问题中的至少一种，本发明实施例提供了一种以分子服务完成的性能为主要考核维度的网络性能指标体系模型，提出一种网络优化方法，可以预测诊断网络性能下降，对网络优化需求价值进行评估和排序。通过上述方法的联动，可实现对未来6G网络多维度性能的实时监控，优化需求的自动化生成和排序，保障服务质量的持续达标。
如图1所示，本发明实施例的网络优化方法，应用于包括网络端到端管理节点12(比如中心云)和分布式的网络服务节点11(比如无线基站、核心网网元)的逻辑结构中，图1中仅示出了一个网络服务节点11，需要说明的屙屎，网络服务节点的数量可能有多个。图1中的网络服务节点11包括有分子服务管理模块、分子服务生成模块、原子服务管理模块和资源管理模块；网络端到端管理节点12包括有用例生成模块和用例排序模块。为了描述简洁，本文中有时候也将网络服务节点简称为服务节点，将网络端到端管理节点简称为管理节点。
其中，网络服务节点11通过各种原子颗粒度的服务(原子服务)为端到端业务提供调用接口，考虑网络服务节点11具有多种能力(比如测量、定位、数据转发、计算、数据采集、智能生成等)，端到端业务的工作流可以按节点能力拆解为多项分子服务(这些分子服务可并行或串行执行)，在多个网络服务节点内部执行，每项分子服务实例化为至少一项原子服务的组合并配置相关参数。相关的分子服务管理模块和分子服务生成模块也在网络服务节点内提供。
网络端到端管理节点12用于端到端业务的性能评估、SLA管理、网优需求生成以及网优队列的维护。本发明实施例的网络优化方法，将至少涉及图1中的分子服务管理模块(Molecular Service Management)、用例生成模块(Use case generator)以及用例排序模块(Use case Queue)。
在网络服务的制定过程中，需要定义服务总体功能集合、最小粒度的原子服务切割以及每项原子服务的操作逻辑。比如，将基站内总体功能集合划分为多项原子服务(如申请计算资源、执行计算任务、申请存储资源、调用智能模型、训练智能模型、评估模型性能、执行测量等)，可通过组合部分原子服务来提供更大颗粒度的服务(本文中称之为分子服务)。即，原子服务为第一级别颗粒度的服务，分子服务为第二级别颗粒度的服务，第二级别颗粒度大于第一级别颗粒度；分子服务可以通过至少一项原子服务来实现，一项分子服务可以拆分为至少一项原子服务。
请参照图2，本发明实施例提供的一种网络优化方法，在应用于网络端到端管理节点时，包括：
步骤100，网络端到端管理节点建立每个优化簇下各个网络服务节点的节点服务性能数据与总端到端服务价值的目标映射模型，其中，每个优化簇包括有相互间的分子服务性能的相关系数超过预设门限的多个网络服务节点；
步骤200，根据所述目标映射模型，预测每个优化簇的总端到端服务价值的时序变化或端到端性能指标的时序变化，确定出价值损失或端到端性能指标恶化超过对应门限的优化簇，生成该优化簇的优化需求案例；
步骤300，对各个优化簇的优化需求案例进行优先级的计算和排序，并按照排序结果依次对各个优化需求案例进行优化。
通过以上步骤，本发明能够对网络优化需求价值进行评估和排序，实现对网络多维度性能的实时监控，通过优化需求的自动化生成和排序，保障服务质量。
请参照图3，本发明实施例提供的另一种网络优化方法，在应用于网络端到端管理节点时，包括：
步骤21，网络端到端管理节点接收网络服务节点的节点服务性能数据，所述节点服务性能数据包括有所述网络服务节点的分子服务和/或原子服务的性能统计数据；以及，按照端到端服务拆解到各个网络服务节点的对应关系，训练获得各个网络服务节点的节点服务性能数据与端到端服务的端到端性能数据的第一映射模型。
这里，所述网络服务节点的分子服务的性能统计数据具体包括以下至少一种：完成该分子服务的时长、消耗的资源量、与该分子服务特征相关联的性能指标，所述性能指标包括准确率、精度、误码率中的至少一种。所述网络服务节点的原子服务的性能统计数据具体包括以下至少一种：实例化时长、实例化个数、实例化位置、负载情况。
在训练所述第一映射模型前，管理节点可以向服务等级性能评估模块发送请求消息，如图1中的SLP measurements request消息，请求端到端服务的端到端性能数据，该消息的内容包括需查询的端到端网络服务ID、或网络服务名称、或网络服务组ID、也可以包括网络服务相关辅助信息，需查询的网络服务的SLP性能指标，也可以包括查询时间段等。然后，管理节点接收服务等级性能评估模块返回的SLP measurements response消息，从而获得端到端服务的端到端性能数据，该消息的内容包括端到端网络服务ID、或网络服务名称、或网络服务组ID、网络服务的SLP性能指标、服务性能指标统计结果，也可以包括统计时间段、统计置信度等参数。
步骤22，所述网络端到端管理节点根据各个端到端服务的服务等级对应的端到端性能指标的签约要求以及违约的价值损失，建立端到端服务的端到端性能指标与端到端服务价值的第二映射模型。
这里，管理节点可以从服务等级协议(SLA)管理模块获得各项端到端(E2E)服务的服务等级对应的端到端性能指标的签约要求，以及违约的价值损失，从而建立SLA性能指标与该端到端服务总价值的映射模型。
步骤23，所述网络端到端管理节点对各个网络服务节点的节点服务性能数据之间的相关性进行分析，获得网络服务节点之间分子服务性能的相关系数，按照所述相关系数及对应的系数截断门限，将网络服务节点划分为至少一个优化簇；并针对每个优化簇，根据所述第一映射模型和第二映射模型，建立该簇下的节点服务性能数据与总端到端服务价值的目标映射模型。
这里，根据网络服务节点之间分子服务性能的相关系数，在两个服务节点的分子服务性能的相关性超过预设门限时，将该两个服务节点加入至同一个优化簇，从而将各个服务节点划分至对应的优化簇，每个优化簇内至少包括一个服务节点。然后，针对每个优化簇，根据步骤21和步骤22中获得的第一映射模型和第二映射模型，建立该簇下的节点服务性能数据与总的端到端服务价值的目标映射模型。图4给出了建立某个优化簇下的网络服务节点1～m的节点服务性能数据与总的端到端服务价值的目标映射模型的一个示例。
步骤24，根据所述目标映射模型，预测每个优化簇的总端到端服务价值的时序变化或端到端性能指标的时序变化，确定出价值损失或端到端性能指标恶化超过对应门限的优化簇，生成该优化簇的优化需求案例。
这里，本发明实施例利用所述目标映射模型进行推理，预测每个优化簇的价值时序变化或SLA指标时序变化，对于价值损失超过门限的优化簇，生成对应的优化需求案例。所述优化需求案例的内容包括节点编号集合、价值损失估值、待优化的分子服务列表，待优化的性能指标列表，待优化性能指标目标值，还可以可包括待优化的E2E业务列表，建议的优化完成时间等。
步骤25，对各个优化簇的优化需求案例进行优先级的计算和排序，并按照排序结果依次对各个优化需求案例进行优化。
这里，管理节点可以根据价值损失的估计值、待优化节点数量、待优化分子服务列表、待优化的性能指标列表、待优化的端到端业务列表和建议的优化完成时间中的至少一种，计算各个优化需求案例的优先级，并按照优先级，对优化需求案例进行排序。然后，按照排序结果，向优化簇内的网络服务节点发送服务性能提升消息，以使所述网络服务节点根据所述服务性能提升消息进行优化，其中，所述服务性能提升消息包括有网络服务节点编号、待优化的分子服务列表，待优化的性能指标列表、待优化性能指标目标值、同簇内其他网络服务节点编号、建议优化完成时间中的至少一项。
通过以上步骤，本发明实施例可以对网络优化需求价值进行评估和排序，实现对未来6G网络多维度性能的实时监控，通过优化需求的自动化生成和排序，保障服务质量的持续达标。
下面从网络服务节点侧对本发明实施例的网络优化方法进行说明。
请参照图5，本发明实施例的网络优化方法，在应用于网络服务节点时，包括：
步骤41，网络服务节点从原子服务管理模块获取原子服务性能统计数据，并对各个分子服务的性能指标进行测量计算，获得分子性能统计数据。
这里，所述分子服务的性能统计数据包括以下至少一种：完成该分子服务的时长、消耗的资源量、与该分子服务特征相关联的性能指标，所述性能指标包括准确率、精度、误码率中的至少一种；所述原子服务的性能统计数据包括以下至少一种：实例化时长、实例化个数、实例化位置、负载情况。
所述网络服务节点可以获取各个分子服务对应的监测性能指标，并根据所述监测性能指标，对各个分子服务的性能指标进行测量计算，其中，所述监测性能指标包括以下至少一项：分子服务编号列表、每项分子服务对应的至少一项性能指标、分子服务类型、分子服务子类、每项性能指标的统计计算方式、性能指标的重要度。例如，网络服务节点可以从无线资源管理(RRM)实体处获取各个分子服务对应的监测性能指标，当然，本发明实施例中也可以由运维人员输入各个分子服务对应的监测性能指标。
步骤42，所述网络服务节点将所述分子性能和/或原子服务的性能统计数据发送给网络端到端管理节点。
这里，服务节点将所述分子性能和/或原子服务的性能统计数据发送给管理节点，以使管理节点可以根据这些性能数据进行建模和分析，生成优化需求案例。
步骤43，所述网络服务节点接收所述网络端到端管理节点发送的服务性能提升消息，根据所述服务性能提升消息进行性能优化。
这里，所述服务性能提升消息包括有网络服务节点编号、待优化的分子服务列表，待优化的性能指标列表、待优化性能指标目标值、同簇内其他网络服务节点编号、建议优化完成时间中的至少一项。
所述网络服务节点通过执行以下配置中的至少一种，进行性能优化：更改分子服务的结构配置、更改分子服务调用的底层资源、更改分子服务实例化的位置、更改分子服务的调度优先级等。
通过以上步骤，本发明实施例可以实现网络优化需求的自动化生成和排序，保障服务质量的持续达标。
以上对本发明实施例的网络优化方法进行了说明，下面进一步结合图1，通过各个实体间的交互流程和交互消息对以上过程做更为详细的介绍。
图1中的网络服务节点11包括有原子服务管理模块、分子服务生成模块、分子服务管理模块和资源管理模块，其中，分子服务管理模块具体包括生命周期管理(Life CycleManagement，LCM)模块和性能监测(performance monitor，PM)模块。LCM模块，用于对对分子服务进行全生命周期的管理，具体包括分子服务的发起，一项分子服务包含的各原子服务的相关参数的配置、分子服务相关参数的配置、分子服务的更改、终止等。PM模块用于对分子服务进行性能监测。
本发明实施例中对不同分子服务的监测性能指标进行定义，该定义可以是通过外部管理模块或资源管理模块(如RRM实体)进行配置，也可以是由运维人员定义写入，相关消息包括：
性能指标配置(Performance metrics configuration)消息，该消息是外部管理模块和/或资源管理模块发送给PM模块的，其内容包括：分子服务编号列表、每项分子服务对应的一项或多项性能指标，还可包括分子服务类型、分子服务子类、每项指标的统计计算方式、性能指标的重要度等。
LCM模块从原子服务管理模块获取原子服务性能统计数据，具体包括实例化时长、实例化个数、实例化位置、负载情况等等，还可以包括metrics、traces或logs等，相关消息如下：
原子服务性能数据请求(Atom service performance data request)消息，该消息由LCM模块发送给原子服务管理模块，用于请求原子服务性能统计数据，其内容包括相关原子服务的编号(atom service id)，需获取的原子服务性能指标类型、性能指标列表，也可包括这些原子服务(atom service)的调用关系(比如并行或串行等)、原子服务与分子服务的对应关系等。
原子服务性能数据响应(Atom service performance data response)消息，该消息由原子服务管理模块发送给LCM模块，其内容包括相关原子服务的编号(atom serviceid)，返回的原子服务性能指标类型、性能指标列表，性能指标统计数据，也可以包括原子服务与分子服务的对应关系等。
PM模块对每项分子服务的性能指标进行测量计算，获得分子性能统计数据及对应的原子性能统计数据。这里，需要测量计算的性能指标除了上述性能指标配置消息中定义的监测指标外，还可包括分子服务的通用的基础的性能指标，比如完成该分子服务的时长、消耗的资源量、和该分子服务特征相关联的性能指标，比如准确率、精度、误码率等等，取决于运维人员或第三方写入内容。
PM模块将获得的分子性能统计数据及对应的原子性能统计数据通过服务性能测量(service performance measurements)消息发送给网络端到端管理节点中的用例生成模块(use case generator)，相关消息如下：
服务性能测量(service performance measurements)消息，其内容包括分子服务编号、分子服务性能指标统计数据、分子的原子构成，原子服务编号，原子服务性能指标统计数据，内容可以是上述性能数据的源数据，也可以是这些数据经过整合和预处理后(矩阵变换后)的形式。
网络端到端管理节点中的用例生成模块(use case generator)，接收服务等级性能评估模块发送的端到端服务质量的评估数据(service level performancemeasurements)，以及，接收各个网络服务节点发送的service performancemeasurements。按照端到端服务拆解到相关网络服务节点的对应关系，训练获得这些节点上节点服务性能数据(service performance)和端到端服务的端到端性能数据(E2Eservice level performance)的第一映射模型。上述过程涉及的消息包括：
服务等级协议测量请求(SLP measurements request)消息，该消息由用例生成模块向服务等级性能评估(SLP evaluation)模块发送，用于向SLP evaluation模块请求端到端服务性能指标测量结果，该消息的内容包括需查询的端到端网络服务ID或网络服务名称或网络服务组ID，也可以包括网络服务相关辅助信息，需查询的网络服务的SLP性能指标，也可以包括查询时间段等。
服务等级协议测量响应(SLP measurements response)消息，该消息由SLPevaluation模块向用例生成模块发送，其内容包括端到端网络服务ID或网络服务名称或网络服务组ID、网络服务的SLP性能指标、服务性能指标统计结果，也可以包括统计时间段、统计置信度等。
用例生成模块从服务等级协议管理(SLA management)模块中获得各项端到端(E2E)服务的服务等级对应的端到端性能指标的签约要求，以及违约的价值损失，建立SLA性能指标与该E2E服务总价值的第二映射模型。该过程涉及的消息包括：
服务等级协议内容请求(SLA contents request)消息，该消息由用例生成模块向SLA管理模块发送，消息的内容包括需查询的端到端网络服务ID或网络服务名称或网络服务组ID、也可以包括网络服务相关辅助信息。
服务等级协议内容响应(SLA contents response)消息，该消息由SLA管理模块向用例生成模块发送，消息的内容包括端到端网络服务ID或网络服务名称或网络服务组ID、对应的SLA内容(包括服务等级相关性能指标、服务等级列表、不同服务等级对应的经济结算方式等)。
用例生成模块根据不同的网络服务节点上报的节点服务性能数据(serviceperformance)，对节点间的性能指标相关性进行分析，获得节点间分子服务性能的相关系数，按照相关系数以及系数截断门限将节点组合成优化簇。
用例生成模块针对每个优化簇，建立该簇下service performance和总E2E服务价值的映射关系模型。
用例生成模块预测分子服务性能指标走势，依据上述模型进行推理，预测每个优化簇的价值时序变化或SLA指标时序变化，对于价值损失超过门限的优化簇，生成优化需求案例；优化需求案例内容包括节点编号集合、价值损失估值、待优化的分子服务列表，待优化的性能指标列表，待优化性能指标目标值，也可包括待优化的E2E业务列表，建议优化完成时间等。
用例生成模块将优化需求案例发送给用例排序模块(use case queue)。
用例排序模块接收优化需求案例，对每项优化需求案例(use case)进行优先级的计算和排序。优先级计算考虑价值损失估值，也可考虑待优化的节点数量、待优化的分子服务列表、待优化的性能指标列表，待优化的E2E业务列表，建议优化完成时间等。
用例排序模块按照队列顺序向优化簇内的网络服务节点发送服务性能提升消息(service performance to improve)，该消息的内容包括节点编号、待优化的分子服务列表，待优化的性能指标列表、待优化性能指标目标值，也可包括同簇内其他节点编号、建议优化完成时间等。
网络服务节点中的资源管理模块(Resource Management)，接收用例排序模块发送的服务性能提升消息(service performance to improve)，根据该消息，对待优化的分子服务及性能指标，进行根因分析，制定优化手段。资源管理模块实施优化手段，包括更改分子服务的结构配置、更改分子服务调用的底层资源，更改分子服务实例化的位置、更改分子服务的调度优先级等等，例如，可以通过向分子服务生成模块发送性能要求消息(Performance requirements)，指示分子服务生成模块执行更改更改分子服务的结构配置、更改分子服务调用的底层资源，更改分子服务实例化的位置、更改分子服务的调度优先级中的至少一项。
下面结合图6，以网络切片优化作为示例，对以上方法进行说明。
图6为本发明实施例的网络优化方法在无线移动通信网络中的一个实施案例。基站内部采用微服务架构，原子服务等同于各种微服务。由微服务组合成测量、定位、计算、AI模型生成、数据转发等分子服务，作为基站的基础能力。核心网节点也按照自己的功能将服务等级进行分级拆分。
垂直行业向电信网络运营商购买端到端网络切片，并和运营商进行SLA的签约，SLA的签约管理在network slice management system中。在某一个区域内(分子性能存在相关性的基站簇，或运营商划分的一个片区)，可能存在多个网络切片，涉及多个核心网节点(1……n)和基站节点(1……n)。每个节点中由分子服务管理模块(molecular servicemanagement)对微服务进行组合成分子服务，再由网络服务编排模块(不在本发明范围内)对端到端服务所需的各节点内的分子服务进行编排，构成分子服务的串行和并行的调用顺序。
在此端到端路径上的各节点内部，molecular service management对分子级别的服务进行管理，收集分子级别服务的性能数据，并从kubernetes管理实体(Kubernetesmanagement entity)中收集相关原子服务的性能数据，经过处理后，发送给集中网络管理运维系统中的网络切片服务管理系统(通过service Performance Measurements消息)。
网络切片服务管理系统建立在这片区域内的各节点服务性能数据与SLA指标的映射模型，以及SLA指标与该区域内网络切片服务经济收益总和的映射模型，并将两者关联成一个统一的模型。网络切片服务管理系统可从各节点直接获得性能测量数据，若测量数据量较大，也可以压缩后传输，或通过分布式AI训练的方式，进行分布式模型训练，因此service performance measurements消息中传送的测量数据内容有可能是原始测量数据，也可能是经过处理(矩阵变换后)的数据。网络切片服务管理系统利用模型对本区域内所有网络切片服务的经济效益总和进行预测，生成网络优化案例，并进行排序。对于每个网络优化案例，将某些节点上需要重点优化的分子服务及相关性能指标指示给节点(通过serviceKPIs to be improved消息)。
在本示例中，垂直行业服务管理系统可通过对外接口配置基站或核心网节点内部分子服务需监测的性能指标、定义和计算方式，并对网络切片的端到端服务性能进行评估，将评估结果提供给运营商的网络切片服务管理系统。
从以上所述可以看出，本发明实施例的网络优化方法，能够满足网络多维度能力考核的需求，还可以实现对网络优化需求的自动化生成和排序，保障服务质量的持续达标。
以上介绍了本发明实施例的各种方法。下面将进一步提供实施上述方法的装置。
请参照图7，本发明实施例提供的网络端到端管理节点，包括：
模型建立模块501，用于建立每个优化簇下各个网络服务节点的节点服务性能数据与总端到端服务价值的目标映射模型，其中，每个优化簇包括有相互间的分子服务性能的相关系数超过预设门限的多个网络服务节点；
用例生成模块502，用于根据所述目标映射模型，预测每个优化簇的总端到端服务价值的时序变化或端到端性能指标的时序变化，确定出价值损失或端到端性能指标恶化超过对应门限的优化簇，生成该优化簇的优化需求案例；
用例排序模块503，用于对各个优化簇的优化需求案例进行优先级的计算和排序，并按照排序结果依次对各个优化需求案例进行优化。
通过以上模块，本发明能够对网络优化需求价值进行评估和排序，实现对网络多维度性能的实时监控，通过优化需求的自动化生成和排序，保障服务质量。
所述模型建立模块，具体用于：接收网络服务节点的节点服务性能数据，所述节点服务性能数据包括有所述网络服务节点的分子服务和/或原子服务的性能统计数据；以及，按照端到端服务拆解到各个网络服务节点的对应关系，训练获得各个网络服务节点的节点服务性能数据与端到端服务的端到端性能数据的第一映射模型；根据各个端到端服务的服务等级对应的端到端性能指标的签约要求以及违约的价值损失，建立端到端服务的端到端性能指标与端到端服务价值的第二映射模型；针对每个优化簇，根据所述第一映射模型和第二映射模型，建立该优化簇下的节点服务性能数据与总端到端服务价值的所述目标映射模型。
可选的，所述网络端到端管理节点还包括：
优化簇划分模块，用于对各个网络服务节点的节点服务性能数据之间的相关性进行分析，获得网络服务节点之间分子服务性能的相关系数，按照所述相关系数及对应的系数截断门限，将网络服务节点划分为至少一个优化簇。
可选的，所述用例生成模块，还用于在训练所述第一映射模型之前，向服务等级性能评估模块发送针对端到端服务的端到端性能数据的请求消息，并接收所述服务等级性能评估模块发送的所述端到端服务的端到端性能数据。
可选的，所述网络服务节点的分子服务的性能统计数据包括以下至少一种：完成该分子服务的时长、消耗的资源量、与该分子服务特征相关联的性能指标，所述性能指标包括准确率、精度、误码率中的至少一种；
所述网络服务节点的原子服务的性能统计数据包括以下至少一种：实例化时长、实例化个数、实例化位置、负载情况。
可选的，所述用例排序模块，还用于根据价值损失的估计值、待优化节点数量、待优化分子服务列表、待优化的性能指标列表、待优化的端到端业务列表和建议的优化完成时间中的至少一种，计算各个优化需求案例的优先级，并按照优先级，对优化需求案例进行排序。
可选的，所述用例排序模块，还用于按照排序结果，向优化簇内的网络服务节点发送服务性能提升消息，以使所述网络服务节点根据所述服务性能提升消息进行优化。
可选的，所述服务性能提升消息包括有网络服务节点编号、待优化的分子服务列表，待优化的性能指标列表、待优化性能指标目标值、同簇内其他网络服务节点编号、建议优化完成时间中的至少一项。
需要说明的是，该实施例中的设备是与上述图2所示的方法对应的设备，上述各实施例中的实现方式均适用于该设备的实施例中，也能达到相同的技术效果。本发明实施例提供的上述设备，能够实现上述方法实施例所实现的所有方法步骤，且能够达到相同的技术效果，在此不再对本实施例中与方法实施例相同的部分及有益效果进行具体赘述。
请参考图8，本发明实施例提供了网络端到端管理节点600的一结构示意图，包括：处理器601、收发机602、存储器603和总线接口，其中：
在本发明实施例中，网络端到端管理节点600还包括：存储在存储器上603并可在处理器601上运行的程序，所述程序被处理器601执行时实现如下步骤：
建立每个优化簇下各个网络服务节点的节点服务性能数据与总端到端服务价值的目标映射模型，其中，每个优化簇包括有相互间的分子服务性能的相关系数超过预设门限的多个网络服务节点；
根据所述目标映射模型，预测每个优化簇的总端到端服务价值的时序变化或端到端性能指标的时序变化，确定出价值损失或端到端性能指标恶化超过对应门限的优化簇，生成该优化簇的优化需求案例；
对各个优化簇的优化需求案例进行优先级的计算和排序，并按照排序结果依次对各个优化需求案例进行优化。
可选的，所述处理器执行所述程序时还实现以下步骤：
接收网络服务节点的节点服务性能数据，所述节点服务性能数据包括有所述网络服务节点的分子服务和/或原子服务的性能统计数据；以及，按照端到端服务拆解到各个网络服务节点的对应关系，训练获得各个网络服务节点的节点服务性能数据与端到端服务的端到端性能数据的第一映射模型；
根据各个端到端服务的服务等级对应的端到端性能指标的签约要求以及违约的价值损失，建立端到端服务的端到端性能指标与端到端服务价值的第二映射模型；
针对每个优化簇，根据所述第一映射模型和第二映射模型，建立该优化簇下的节点服务性能数据与总端到端服务价值的所述目标映射模型。
可选的，所述处理器执行所述程序时还实现以下步骤：
对各个网络服务节点的节点服务性能数据之间的相关性进行分析，获得网络服务节点之间分子服务性能的相关系数，按照所述相关系数及对应的系数截断门限，将网络服务节点划分为至少一个优化簇。
可选的，所述处理器执行所述程序时还实现以下步骤：
在训练所述第一映射模型之前，向服务等级性能评估模块发送针对端到端服务的端到端性能数据的请求消息，并接收所述服务等级性能评估模块发送的所述端到端服务的端到端性能数据。
可选的，所述网络服务节点的分子服务的性能统计数据包括以下至少一种：完成该分子服务的时长、消耗的资源量、与该分子服务特征相关联的性能指标，所述性能指标包括准确率、精度、误码率中的至少一种；所述网络服务节点的原子服务的性能统计数据包括以下至少一种：实例化时长、实例化个数、实例化位置、负载情况。
可选的，所述处理器执行所述程序时还实现以下步骤：
根据价值损失的估计值、待优化节点数量、待优化分子服务列表、待优化的性能指标列表、待优化的端到端业务列表和建议的优化完成时间中的至少一种，计算各个优化需求案例的优先级，并按照优先级，对优化需求案例进行排序。
可选的，所述处理器执行所述程序时还实现以下步骤：
按照排序结果，向优化簇内的网络服务节点发送服务性能提升消息，以使所述网络服务节点根据所述服务性能提升消息进行优化。
可选的，所述服务性能提升消息包括有网络服务节点编号、待优化的分子服务列表，待优化的性能指标列表、待优化性能指标目标值、同簇内其他网络服务节点编号、建议优化完成时间中的至少一项。
可理解的，本发明实施例中，所述计算机程序被处理器601执行时可实现上述图2所示的方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
在图8中，总线架构可以包括任意数量的互联的总线和桥，具体由处理器601代表的一个或多个处理器和存储器603代表的存储器的各种电路链接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口提供接口。收发机602可以是多个元件，即包括发送机和接收机，提供用于在传输介质上与各种其他装置通信的单元。
处理器601负责管理总线架构和通常的处理，存储器603可以存储处理器601在执行操作时所使用的数据。
需要说明的是，该实施例中的终端是与上述图2所示的方法对应的设备，上述各实施例中的实现方式均适用于该终端的实施例中，也能达到相同的技术效果。该设备中，收发机602与存储器603，以及收发机602与处理器601均可以通过总线接口通讯连接，处理器601的功能也可以由收发机602实现，收发机602的功能也可以由处理器601实现。在此需要说明的是，本发明实施例提供的上述设备，能够实现上述方法实施例所实现的所有方法步骤，且能够达到相同的技术效果，在此不再对本实施例中与方法实施例相同的部分及有益效果进行具体赘述。
在本发明的一些实施例中，还提供了一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现以下步骤：
建立每个优化簇下各个网络服务节点的节点服务性能数据与总端到端服务价值的目标映射模型，其中，每个优化簇包括有相互间的分子服务性能的相关系数超过预设门限的多个网络服务节点；
根据所述目标映射模型，预测每个优化簇的总端到端服务价值的时序变化或端到端性能指标的时序变化，确定出价值损失或端到端性能指标恶化超过对应门限的优化簇，生成该优化簇的优化需求案例；
对各个优化簇的优化需求案例进行优先级的计算和排序，并按照排序结果依次对各个优化需求案例进行优化。
该程序被处理器执行时能实现上述应用于网络端到端管理节点的网络优化方法中的所有实现方式，且能达到相同的技术效果，为避免重复，此处不再赘述。
请参照图1本发明实施例提供的网络服务节点，包括：
生命周期管理模块，用于从原子服务管理模块获取原子服务性能统计数据，并对各个分子服务的性能指标进行测量计算，获得分子性能统计数据；
性能监测模块，用于将所述分子性能和/或原子服务的性能统计数据发送给网络端到端管理节点；
资源管理模块，用于接收所述网络端到端管理节点发送的服务性能提升消息，根据所述服务性能提升消息进行性能优化。
可选的，所述分子服务的性能统计数据包括以下至少一种：完成该分子服务的时长、消耗的资源量、与该分子服务特征相关联的性能指标，所述性能指标包括准确率、精度、误码率中的至少一种；
所述原子服务的性能统计数据包括以下至少一种：实例化时长、实例化个数、实例化位置、负载情况。
可选的，所述服务性能提升消息包括有网络服务节点编号、待优化的分子服务列表，待优化的性能指标列表、待优化性能指标目标值、同簇内其他网络服务节点编号、建议优化完成时间中的至少一项；所述资源管理模块，还用于通过执行以下配置中的至少一种，进行性能优化：更改分子服务的结构配置、更改分子服务调用的底层资源、更改分子服务实例化的位置、更改分子服务的调度优先级。
可选的，所述性能监测模块，还用于获取分子服务对应的监测性能指标，并根据所述监测性能指标，对各个分子服务的性能指标进行测量计算，其中，所述监测性能指标包括以下至少一项：分子服务编号列表、每项分子服务对应的至少一项性能指标、分子服务类型、分子服务子类、每项性能指标的统计计算方式、性能指标的重要度。
需要说明的是，该实施例中的装置是与上述图5所示的方法对应的设备，上述各实施例中的实现方式均适用于该设备的实施例中，也能达到相同的技术效果。在此需要说明的是，本发明实施例提供的上述设备，能够实现上述方法实施例所实现的所有方法步骤，且能够达到相同的技术效果，在此不再对本实施例中与方法实施例相同的部分及有益效果进行具体赘述。
请参考图9，本发明实施例提供了网络服务节点700的一结构示意图，包括：处理器701、收发机702、存储器703和总线接口，其中：
在本发明实施例中，网络服务节点700还包括：存储在存储器上703并可在处理器701上运行的程序，所述程序被处理器701执行时实现如下步骤：
从原子服务管理模块获取原子服务性能统计数据，并对各个分子服务的性能指标进行测量计算，获得分子性能统计数据；
将所述分子性能和/或原子服务的性能统计数据发送给网络端到端管理节点；
接收所述网络端到端管理节点发送的服务性能提升消息，根据所述服务性能提升消息进行性能优化。
可选的，所述分子服务的性能统计数据包括以下至少一种：完成该分子服务的时长、消耗的资源量、与该分子服务特征相关联的性能指标，所述性能指标包括准确率、精度、误码率中的至少一种；所述原子服务的性能统计数据包括以下至少一种：实例化时长、实例化个数、实例化位置、负载情况。
可选的，所述服务性能提升消息包括有网络服务节点编号、待优化的分子服务列表，待优化的性能指标列表、待优化性能指标目标值、同簇内其他网络服务节点编号、建议优化完成时间中的至少一项；所述处理器执行所述程序时还实现以下步骤：通过执行以下配置中的至少一种，进行性能优化：更改分子服务的结构配置、更改分子服务调用的底层资源、更改分子服务实例化的位置、更改分子服务的调度优先级。
可选的，所述处理器执行所述程序时还实现以下步骤：
获取分子服务对应的监测性能指标，并根据所述监测性能指标，对各个分子服务的性能指标进行测量计算，其中，所述监测性能指标包括以下至少一项：分子服务编号列表、每项分子服务对应的至少一项性能指标、分子服务类型、分子服务子类、每项性能指标的统计计算方式、性能指标的重要度。
可理解的，本发明实施例中，所述计算机程序被处理器701执行时可实现上述图5所示的方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
在图9中，总线架构可以包括任意数量的互联的总线和桥，具体由处理器701代表的一个或多个处理器和存储器703代表的存储器的各种电路链接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口提供接口。收发机702可以是多个元件，即包括发送机和接收机，提供用于在传输介质上与各种其他装置通信的单元。
处理器701负责管理总线架构和通常的处理，存储器703可以存储处理器701在执行操作时所使用的数据。
需要说明的是，该实施例中的终端是与上述图5所示的方法对应的设备，上述各实施例中的实现方式均适用于该终端的实施例中，也能达到相同的技术效果。该设备中，收发机702与存储器703，以及收发机702与处理器701均可以通过总线接口通讯连接，处理器701的功能也可以由收发机702实现，收发机702的功能也可以由处理器701实现。在此需要说明的是，本发明实施例提供的上述设备，能够实现上述方法实施例所实现的所有方法步骤，且能够达到相同的技术效果，在此不再对本实施例中与方法实施例相同的部分及有益效果进行具体赘述。
在本发明的一些实施例中，还提供了一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现以下步骤：
从原子服务管理模块获取原子服务性能统计数据，并对各个分子服务的性能指标进行测量计算，获得分子性能统计数据；
将所述分子性能和/或原子服务的性能统计数据发送给网络端到端管理节点；
接收所述网络端到端管理节点发送的服务性能提升消息，根据所述服务性能提升消息进行性能优化。
该程序被处理器执行时能实现上述应用于网络服务节点的网络优化方法中的所有实现方式，且能达到相同的技术效果，为避免重复，此处不再赘述。
本领域普通技术人员可以意识到，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，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，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发明的范围。
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，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的实施例中，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系统，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。
所述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或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。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发明实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明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发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (26)
1.一种网络优化方法，其特征在于，包括：
网络端到端管理节点建立每个优化簇下各个网络服务节点的节点服务性能数据与总端到端服务价值的目标映射模型，其中，每个优化簇包括有相互间的分子服务性能的相关系数超过预设门限的多个网络服务节点；
根据所述目标映射模型，预测每个优化簇的总端到端服务价值的时序变化或端到端性能指标的时序变化，确定出价值损失或端到端性能指标恶化超过对应门限的优化簇，生成该优化簇的优化需求案例；
对各个优化簇的优化需求案例进行优先级的计算和排序，并按照排序结果依次对各个优化需求案例进行优化。
2.如权利要求1所述的方法，其特征在于，建立每个优化簇下各个网络服务节点的节点服务性能数据与总端到端服务价值的目标映射模型，包括：
接收网络服务节点的节点服务性能数据，所述节点服务性能数据包括有所述网络服务节点的分子服务和/或原子服务的性能统计数据；以及，按照端到端服务拆解到各个网络服务节点的对应关系，训练获得各个网络服务节点的节点服务性能数据与端到端服务的端到端性能数据的第一映射模型；
根据各个端到端服务的服务等级对应的端到端性能指标的签约要求以及违约的价值损失，建立端到端服务的端到端性能指标与端到端服务价值的第二映射模型；
针对每个优化簇，根据所述第一映射模型和第二映射模型，建立该优化簇下的节点服务性能数据与总端到端服务价值的所述目标映射模型。
3.如权利要求2所述的方法，其特征在于，还包括：
对各个网络服务节点的节点服务性能数据之间的相关性进行分析，获得网络服务节点之间分子服务性能的相关系数，按照所述相关系数及对应的系数截断门限，将网络服务节点划分为至少一个优化簇。
4.如权利要求2所述的方法，其特征在于，在训练所述第一映射模型之前，所述方法还包括：
网络端到端管理节点向服务等级性能评估模块发送针对端到端服务的端到端性能数据的请求消息，并接收所述服务等级性能评估模块发送的所述端到端服务的端到端性能数据。
5.如权利要求2所述的方法，其特征在于，
所述网络服务节点的分子服务的性能统计数据包括以下至少一种：完成该分子服务的时长、消耗的资源量、与该分子服务特征相关联的性能指标，所述性能指标包括准确率、精度、误码率中的至少一种；
所述网络服务节点的原子服务的性能统计数据包括以下至少一种：实例化时长、实例化个数、实例化位置、负载情况。
6.如权利要求1所述的方法，其特征在于，所述对各个优化簇的优化需求案例进行优先级的计算和排序，包括：
根据价值损失的估计值、待优化节点数量、待优化分子服务列表、待优化的性能指标列表、待优化的端到端业务列表和建议的优化完成时间中的至少一种，计算各个优化需求案例的优先级，并按照优先级，对优化需求案例进行排序。
7.如权利要求1所述的方法，其特征在于，所述按照排序结果依次对各个优化需求案例进行优化，包括：
按照排序结果，向优化簇内的网络服务节点发送服务性能提升消息，以使所述网络服务节点根据所述服务性能提升消息进行优化。
8.如权利要求7所述的方法，其特征在于，所述服务性能提升消息包括有网络服务节点编号、待优化的分子服务列表，待优化的性能指标列表、待优化性能指标目标值、同簇内其他网络服务节点编号、建议优化完成时间中的至少一项。
9.一种网络优化方法，其特征在于，包括：
网络服务节点从原子服务管理模块获取原子服务性能统计数据，并对各个分子服务的性能指标进行测量计算，获得分子性能统计数据；
所述网络服务节点将所述分子性能和/或原子服务的性能统计数据发送给网络端到端管理节点；
所述网络服务节点接收所述网络端到端管理节点发送的服务性能提升消息，根据所述服务性能提升消息进行性能优化。
10.如权利要求9所述的方法，其特征在于，
所述分子服务的性能统计数据包括以下至少一种：完成该分子服务的时长、消耗的资源量、与该分子服务特征相关联的性能指标，所述性能指标包括准确率、精度、误码率中的至少一种；
所述原子服务的性能统计数据包括以下至少一种：实例化时长、实例化个数、实例化位置、负载情况。
11.如权利要求9所述的方法，其特征在于，所述服务性能提升消息包括有网络服务节点编号、待优化的分子服务列表，待优化的性能指标列表、待优化性能指标目标值、同簇内其他网络服务节点编号、建议优化完成时间中的至少一项；所述网络服务节点根据所述服务性能提升消息进行性能优化，包括：
所述网络服务节点通过执行以下配置中的至少一种，进行性能优化：更改分子服务的结构配置、更改分子服务调用的底层资源、更改分子服务实例化的位置、更改分子服务的调度优先级。
12.如权利要求9所述的方法，其特征在于，还包括：
所述网络服务节点获取分子服务对应的监测性能指标，并根据所述监测性能指标，对各个分子服务的性能指标进行测量计算，其中，所述监测性能指标包括以下至少一项：分子服务编号列表、每项分子服务对应的至少一项性能指标、分子服务类型、分子服务子类、每项性能指标的统计计算方式、性能指标的重要度。
13.一种网络端到端管理节点，其特征在于，包括：
模型建立模块，用于建立每个优化簇下各个网络服务节点的节点服务性能数据与总端到端服务价值的目标映射模型，其中，每个优化簇包括有相互间的分子服务性能的相关系数超过预设门限的多个网络服务节点；
用例生成模块，用于根据所述目标映射模型，预测每个优化簇的总端到端服务价值的时序变化或端到端性能指标的时序变化，确定出价值损失或端到端性能指标恶化超过对应门限的优化簇，生成该优化簇的优化需求案例；
用例排序模块，用于对各个优化簇的优化需求案例进行优先级的计算和排序，并按照排序结果依次对各个优化需求案例进行优化。
14.如权利要求13所述的网络端到端管理节点，其特征在于，
所述模型建立模块，具体用于：
接收网络服务节点的节点服务性能数据，所述节点服务性能数据包括有所述网络服务节点的分子服务和/或原子服务的性能统计数据；以及，按照端到端服务拆解到各个网络服务节点的对应关系，训练获得各个网络服务节点的节点服务性能数据与端到端服务的端到端性能数据的第一映射模型；
根据各个端到端服务的服务等级对应的端到端性能指标的签约要求以及违约的价值损失，建立端到端服务的端到端性能指标与端到端服务价值的第二映射模型；
针对每个优化簇，根据所述第一映射模型和第二映射模型，建立该优化簇下的节点服务性能数据与总端到端服务价值的所述目标映射模型。
15.如权利要求14所述的网络端到端管理节点，其特征在于，还包括：
优化簇划分模块，用于对各个网络服务节点的节点服务性能数据之间的相关性进行分析，获得网络服务节点之间分子服务性能的相关系数，按照所述相关系数及对应的系数截断门限，将网络服务节点划分为至少一个优化簇。
16.如权利要求14所述的网络端到端管理节点，其特征在于，
所述用例生成模块，还用于在训练所述第一映射模型之前，向服务等级性能评估模块发送针对端到端服务的端到端性能数据的请求消息，并接收所述服务等级性能评估模块发送的所述端到端服务的端到端性能数据。
17.如权利要求14所述的网络端到端管理节点，其特征在于，
所述用例排序模块，还用于根据价值损失的估计值、待优化节点数量、待优化分子服务列表、待优化的性能指标列表、待优化的端到端业务列表和建议的优化完成时间中的至少一种，计算各个优化需求案例的优先级，并按照优先级，对优化需求案例进行排序。
18.如权利要求13所述的网络端到端管理节点，其特征在于，
所述用例排序模块，还用于按照排序结果，向优化簇内的网络服务节点发送服务性能提升消息，以使所述网络服务节点根据所述服务性能提升消息进行优化。
19.一种网络端到端管理节点，其特征在于，包括收发机和处理器，其中，
所述处理器，用于建立每个优化簇下各个网络服务节点的节点服务性能数据与总端到端服务价值的目标映射模型，其中，每个优化簇包括有相互间的分子服务性能的相关系数超过预设门限的多个网络服务节点；根据所述目标映射模型，预测每个优化簇的总端到端服务价值的时序变化或端到端性能指标的时序变化，确定出价值损失或端到端性能指标恶化超过对应门限的优化簇，生成该优化簇的优化需求案例；对各个优化簇的优化需求案例进行优先级的计算和排序，并按照排序结果依次对各个优化需求案例进行优化。
20.一种网络端到端管理节点，其特征在于，包括：处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序，所述程序被所述处理器执行时实现如权利要求1至8任一项所述的方法的步骤。
21.一种网络服务节点，其特征在于，包括：
生命周期管理模块，用于从原子服务管理模块获取原子服务性能统计数据，并对各个分子服务的性能指标进行测量计算，获得分子性能统计数据；
性能监测模块，用于将所述分子性能和/或原子服务的性能统计数据发送给网络端到端管理节点；
资源管理模块，用于接收所述网络端到端管理节点发送的服务性能提升消息，根据所述服务性能提升消息进行性能优化。
22.如权利要求21所述的网络服务节点，其特征在于，所述服务性能提升消息包括有网络服务节点编号、待优化的分子服务列表，待优化的性能指标列表、待优化性能指标目标值、同簇内其他网络服务节点编号、建议优化完成时间中的至少一项；
所述资源管理模块，还用于通过执行以下配置中的至少一种，进行性能优化：更改分子服务的结构配置、更改分子服务调用的底层资源、更改分子服务实例化的位置、更改分子服务的调度优先级。
23.如权利要求21所述的网络服务节点，其特征在于，
所述性能监测模块，还用于获取分子服务对应的监测性能指标，并根据所述监测性能指标，对各个分子服务的性能指标进行测量计算，其中，所述监测性能指标包括以下至少一项：分子服务编号列表、每项分子服务对应的至少一项性能指标、分子服务类型、分子服务子类、每项性能指标的统计计算方式、性能指标的重要度。
24.一种网络服务节点，其特征在于，包括收发机和处理器，其中，
所述收发机，用于从原子服务管理模块获取原子服务性能统计数据，并对各个分子服务的性能指标进行测量计算，获得分子性能统计数据；将所述分子性能和/或原子服务的性能统计数据发送给网络端到端管理节点；
所述处理器，用于接收所述网络端到端管理节点发送的服务性能提升消息，根据所述服务性能提升消息进行性能优化。
25.一种网络服务节点，其特征在于，包括：处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序，所述程序被所述处理器执行时实现如权利要求9至12任一项所述的方法的步骤。
26.一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上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至12任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110001495.XA CN114727309A (zh) | 2021-01-04 | 2021-01-04 | 网络优化方法及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110001495.XA CN114727309A (zh) | 2021-01-04 | 2021-01-04 | 网络优化方法及设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114727309A true CN114727309A (zh) | 2022-07-08 |
Family
ID=82233724
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110001495.XA Pending CN114727309A (zh) | 2021-01-04 | 2021-01-04 | 网络优化方法及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114727309A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024011376A1 (zh) * | 2022-07-11 | 2024-01-18 | 北京小米移动软件有限公司 | 人工智能ai网络功能服务的任务调度方法及装置 |
-
2021
- 2021-01-04 CN CN202110001495.XA patent/CN114727309A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024011376A1 (zh) * | 2022-07-11 | 2024-01-18 | 北京小米移动软件有限公司 | 人工智能ai网络功能服务的任务调度方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP2568383A1 (en) | Cloud service monitoring system | |
| CN111198808B (zh) | 预测性能指标的方法、装置、存储介质及电子设备 | |
| CN102668622B (zh) | 网络瓶颈管理 | |
| US20100280861A1 (en) | Service Level Agreement Negotiation and Associated Methods | |
| CN114095382B (zh) | 一种网络切片虚拟资源调度方法、系统、装置及设备 | |
| Wang et al. | A load modeling algorithm for distribution system state estimation | |
| CN105491085A (zh) | 一种在线请求排队方法及装置 | |
| CN110166271A (zh) | 一种检测网络节点异常的方法和装置 | |
| CN114666224A (zh) | 业务资源容量动态分配方法、装置、设备及存储介质 | |
| CN112054917A (zh) | 一种获取性能意图指标的方法、装置及系统 | |
| Al-Shammari et al. | MonSLAR: A middleware for monitoring SLA for RESTFUL services in cloud computing | |
| Kumar et al. | Identifying and estimating technical debt for service composition in SaaS cloud | |
| US7617313B1 (en) | Metric transport and database load | |
| Bash et al. | Cloud Sustainability Dashboard: Dynamically Assessing Sustainability of Data Centers and Clouds | |
| US10834610B2 (en) | Managing LTE network capacity | |
| CN114727309A (zh) | 网络优化方法及设备 | |
| CN101931986A (zh) | 网络能效指示方法、指示器及系统 | |
| CN112163154B (zh) | 数据处理方法、装置、设备及存储介质 | |
| CN113947260A (zh) | 用户满意度预测方法、装置及电子设备 | |
| Mastelic et al. | Data velocity scaling via dynamic monitoring frequency on ultrascale infrastructures | |
| US20170052867A1 (en) | Integrating system dynamics modelling into information system quality measurement in determining quality of an information system | |
| CN116016150A (zh) | 物理网络的预警方法、装置、电子设备、存储介质 | |
| US11671874B2 (en) | Communication band calculation device, communication band calculation method, and medium | |
| CN110324837A (zh) | 一种网络管理方法和装置 | |
| US20120278125A1 (en) | Method and system for assessing process management tools |
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 |