CN114867065A - 基站算力负载均衡方法、设备及存储介质 - Google Patents

Abstract

本申请提供一种基站算力负载均衡方法、设备及存储介质，涉及通信技术领域。该方法包括：在预设基站节点获取到终端的算力任务时，获取处于空闲状态的基站节点和空闲状态的基站传输链路；将算力任务分发至空闲状态的基站节点，并获取空闲状态的基站节点的参数信息；根据空闲状态的基站节点的参数信息，确定空闲状态的基站节点的计算负载能力；在计算负载能力不满足条件时，控制空闲状态的基站节点基于路由表将算力任务转发至其他计算负载能力满足条件的，且处于空闲状态的基站节点，其中，路由表是根据空闲状态的基站传输链路确定的。本申请的方法，实现了算力任务的有效分配，避免计算任务堆积，达到提高算力任务处理效率的效果。

Description

基站算力负载均衡方法、设备及存储介质

技术领域

本申请涉及通信技术，尤其涉及一种基站算力负载均衡方法、设备及存储介质。

背景技术

移动边缘计算(MEC)是把移动网络和互联网两者技术有效融合在一起，在移动网络侧增加计算、存储、数据处理等功能，构建开放式平台植入应用。移动网络与业务进行深度融合，将传统的无线基站升级为智能化基站；MEC的部署策略可以有效实现低延迟、高带宽等；MEC也可以通过实时获取移动网络信息和更精准的位置信息来提供更加精准的位置服务。

现有技术涉及基站的自身算力，以及5G建设部署的边缘计算的算力。用户终端的服务任务和数据并不能直接从基站获取，而是通过数据机房和服务器的虚拟主机上获取信息。

随着VR(虚拟现实)、车联网、自动驾驶等需要极大计算资源和网络传输资源的终端服务出现，现有通用基站算力不足，难以承载发展需求。单一的边缘计算节点资源受限，难以有效快速处理算力任务，特别是对于一些计算密集型的任务，可能导致边缘计算节点负载重、算力任务处理时间长的问题。

发明内容

本申请提供一种基站算力负载均衡方法、设备及存储介质，用以解决现有基站边缘计算节点负载重、算力任务处理时间长的问题。

第一方面，本申请提供一种基站算力负载均衡方法，包括：

在通过预设基站节点获取到终端的算力任务时，获取处于空闲状态的基站节点和空闲状态的基站传输链路；

将所述算力任务分发至所述空闲状态的基站节点，并获取所述空闲状态的基站节点的参数信息；

根据所述空闲状态的基站节点的参数信息，确定所述空闲状态的基站节点的计算负载能力；

在所述计算负载能力不满足条件时，控制所述空闲状态的基站节点基于路由表将所述算力任务转发至其他计算负载能力满足条件的，且处于空闲状态的基站节点，其中，所述路由表是根据所述空闲状态的基站传输链路确定的。

在一种可能的设计中，所述获取处于空闲状态的基站节点和空闲状态的基站传输链路，包括：

获取当前时间所属的时间段，基于所述时间段和预测的每个基站节点的空闲时间段，以及预测的每个基站传输链路的空闲时间段，确定处于空闲状态的基站节点和空闲状态的基站传输链路。

在一种可能的设计中，所述获取处于空闲状态的基站节点和空闲状态的基站传输链路之前，所述方法还包括：

按照预设周期获取通信网络在每个时间段的历史运行数据，所述历史运行数据包括所述通信网络中的基站节点的算力分布、每个基站节点的算力能力、业务流量以及基站传输链路的网络负载；

将每个时间段的历史运行数据，输入至通信预测模型，获取预测的每个基站节点的空闲时间段以及基站传输链路的空闲时间段。

在一种可能的设计中，所述通信预测模型是通过如下方式训练得到的：

获取多组训练数据，将所述多组训练数据分发至多个基站节点，每组训练数据包括通信网络的运行数据以及所述运行数据对应的标签数据，所述标签数据用于指示每个基站节点的忙闲状态以及每个基站传输链路的忙闲状态；

通过分布式机器学习对所述通信预测模型进行预测，得到训练完成的通信预测模型，其中，所述分布式机器学习的学习节点为所述通信网络中的基站节点。

在一种可能的设计中，所述根据所述空闲状态的基站节点的参数信息，确定所述空闲状态的基站节点的计算负载能力，包括：

获取所述空闲状态的基站节点的参数信息，所述参数信息包括CPU使用率、当前会话数和计算时延；

对所述CPU使用率、所述当前会话数和所述计算时延进行加权处理，得到所述空闲状态的基站节点的计算负载能力。

在一种可能的设计中，所述预设基站节点为所述算力任务对应的应用服务所属的目标基站节点中的任一基站节点，其中，每个应用服务对应至少一个目标基站节点，所述空闲状态的基站节点为所述至少一个目标基站节点中的基站节点。

在一种可能的设计中，所述方法还包括：

通过所述预设基站节点获取所述终端设备的计算请求，所述计算请求用于指示所述终端设备的流粘性需求；

控制来自同一计算请求的算力任务由同一计算负载能力满足条件，且处于空闲状态的基站节点处理。

第二方面，本申请提供一种基站算力负载均衡设备，包括：

第一获取模块，用于在通过预设基站节点获取到终端的算力任务时，获取处于空闲状态的基站节点和空闲状态的基站传输链路；

第二获取模块，用于将所述算力任务分发至所述空闲状态的基站节点，并获取所述空闲状态的基站节点的参数信息；

处理模块，用于根据所述空闲状态的基站节点的参数信息，确定所述空闲状态的基站节点的计算负载能力；

发送模块，用于在所述计算负载能力不满足条件时，控制所述空闲状态的基站节点基于路由表将所述算力任务转发至其他计算负载能力满足条件的，且处于空闲状态的基站节点，其中，所述路由表是根据所述空闲状态的基站传输链路确定的。

第三方面，本申请提供一种电子设备，包括：处理器，以及与所述处理器通信连接的存储器；

所述存储器存储计算机执行指令；

所述处理器执行所述存储器存储的计算机执行指令，以实现一种基站算力负载均衡方法。

第四方面，本申请提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现基站算力负载均衡方法。

本申请提供的基站算力负载均衡方法、设备及存储介质，通过在预设基站节点获取到终端的算力任务时，获取处于空闲状态的基站节点和空闲状态的基站传输链路；将所述算力任务分发至所述空闲状态的基站节点，并获取所述空闲状态的基站节点的参数信息；根据所述空闲状态的基站节点的参数信息，确定所述空闲状态的基站节点的计算负载能力；在所述计算负载能力不满足条件时，控制所述空闲状态的基站节点基于路由表将所述算力任务转发至其他计算负载能力满足条件的，且处于空闲状态的基站节点，其中，所述路由表是根据所述空闲状态的基站传输链路确定的手段，实现算力任务的有效分配，均衡众多边缘基站节点的计算任务，避免计算任务堆积，达到提高算力任务处理效率的效果。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本申请提供的基站算力负载均衡方法应用场景示意图；

图2为本申请提供的基站算力负载均衡方法流程示意图一；

图3为本申请提供的基站算力负载均衡方法流程示意图二；

图4为本申请提供的基站算力负载均衡方法流程示意图三；

图5为本申请提供的基站算力负载均衡方法流程示意图四；

图6为本申请提供的基站算力负载均衡设备结构示意图；

图7为本申请提供的电子设备结构示意图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

首先对本申请所涉及的相关概念或名词进行解释：

算力通信网络：包括用于提供算力资源的计算节点、用于将算力资源信息在算力通信网络中通告传输的算力路由节点以及用于部署计算节点、位置等参数的网络管理节点。

基站节点：即计算节点或算力节点，具体指具备计算能力的基站设备，用于进行算力任务处理或算力任务转发。

算力任务：主要指基站接收终端设备发送的计算请求后形成的计算任务。

基站传输链路：是指算力任务从终端设备到目标基站之间经过的基站传输路径。

本申请具体的应用场景如下：

图1为本申请提供的基站算力负载均衡方法应用场景示意图。如图1所示，服务器101内设置有用于管理多个基站102的边缘平台管理模块，每个基站作为一个边缘节点，终端设备103向基站102发送的计算请求可以在多个基站102之间跳跃，从而寻求合适的计算节点。

本申请提供的基站算力负载均衡方法，通过边缘平台管理模块获取所有边缘节点的参数信息，并根据获取的参数信息解析得到处于空闲状态的基站节点和空闲状态的基站传输链路，然后根据空闲状态的基站节点和空闲状态的基站传输链路得到最短转发路径的路由表，当某一基站节点获取到算力任务时，若当前基站节点满足计算需求则由该基站负责处理，若当前基站节点不满足计算需求，则根据路由表对算力任务进行最短路径的转发，直至找到满足计算需求的基站节点，旨在解决现有技术的如上技术问题。

下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本申请的实施例进行描述。

图2为本申请提供的基站算力负载均衡方法流程示意图一。如图2所示，一种基站算力负载均衡方法，包括：

S201、通过预设基站节点获取终端设备的算力任务，所述算力任务包括终端设备向基站节点发送的计算请求；

具体来说，终端设备通常会按照就近原则向预设基站节点发送计算请求，以保证通信过程中网络信号的稳定性，但每个边缘计算节点的计算资源是有限的，同时，边缘计算节点的计算负载状况是动态变化的，因此，当基站根据计算请求生成算力任务后，一方面，当多个计算节点均可以完成某项算力任务时，涉及选择哪一个计算节点来处理该算力任务的问题；另一方面，计算量较大的算力任务可能需要分派给多个边缘节点或者计算资源充足的边缘节点来进行处理，具体选择哪一个或哪一些基站来处理该算力任务将成为影响计算效率的关键点，例如，将算力任务分发至计算负载过高的节点，就会影响实时计算的效果，进而影响用户对应用服务的体验。

进一步的，所述预设基站节点为所述算力任务对应的应用服务所属的目标基站节点中的任一基站节点，其中，每个应用服务对应至少一个目标基站节点，所述空闲状态的基站节点为所述至少一个目标基站节点中的基站节点。

具体的，每个应用服务被预先划分为由至少一个预先设定的目标基站节点对其进行处理，而每个算力任务可能对应相同的应用服务，也可能对应不同的应用服务，这就需要对应用服务进行标记区分，将每个应用服务都对应设置一个唯一的服务识别码，即SID(service ID)，用来标识由多个边缘计算服务节点提供的特定应用服务，其中，SID是一个任播地址。同时终端设备也采用SID来启动对应用服务的访问识别，终端设备无法预知提供服务的目标基站节点是哪一个，针对某一SID的请求，可由对应该应用服务标识的不同目标基站节点响应，在收到算力任务时根据SID将算力任务分配给该SID对应的目标基站节点中的任一基站节点，即本申请中的预设基站节点进行处理。由于终端设备对应的应用服务需要在预先设定的目标基站节点进行服务，因此本申请中选取的空闲状态的基站节点优先选取预先设定的目标基站节点，方便满足条件的目标基站节点随时处理算力任务。

S202、获取处于空闲状态的基站节点和空闲状态的基站传输链路；

具体来说，获取当前时间所属的时间段，将当前时间与根据历史记录得到的预测空闲时间段相比较，确定当前时间是否处于众多预测空闲时间段内，即将当前时间段和预测的每个基站节点的空闲时间段，以及预测的每个基站传输链路的空闲时间段相比较，确定处于空闲状态的基站节点和空闲状态的基站传输链路。

S203、将所述算力任务分发至所述空闲状态的基站节点，并获取所述空闲状态的基站节点的参数信息；

具体来说，在收到算力任务后需要以最短的时间将任务分发出去，以便快速开始计算，其首要的分发对象便是处于空闲状态的基站节点。

S204、根据所述空闲状态的基站节点的参数信息，判断所述空闲状态的基站节点的计算负载能力是否满足条件，若否，则执行S205，若是，则执行S206；

具体来说，处于空闲状态的基站节点在接收了上述分发的算力任务后，在满足了空闲的条件后，还需要判断自身条件是否能够满足算力任务的计算需求，因此需要获取空闲状态基站的参数信息，从而根据参数信息确定接收算力任务的基站节点是否具备负载能力。

S205、控制所述空闲状态的基站节点基于路由表将所述算力任务转发至其他计算负载能力满足条件的，且处于空闲状态的基站节点，其中，所述路由表是根据所述空闲状态的基站传输链路确定的；

具体来说，路由表包括算力任务的计算任务类型、其他边缘计算节点和计算资源性能的对应关系，其中，计算任务类型包含服务ID、流粘性需求属性等，根据服务ID确定边缘计算的入口节点和出口节点，根据计算资源性能得到当前所在边缘节点与其他节点的之间的网络成本以及其他节点的计算负载能力，根据边缘计算的入口节点和出口节点以及网络成本和计算负载能力，对网络成本和计算负载能力进行加权计算得到算力任务的最优跳跃路径，算力任务根据最优跳跃路径转发至目标基站节点，其中，网络成本和计算负载能力的具体加权权重由历史数据进行统计计算，根据实际需求逐步调整具体的权重比例。

S206、控制来自同一计算请求的算力任务由同一计算负载能力满足条件，且处于空闲状态的基站节点处理，所述计算请求用于指示所述终端设备的流粘性需求。

具体来说，当任一通信服务接入到基站时，即该会话信息连接到对应的基站计算节点时，每条会话信息形成携带相关服务类型信令的计算请求，同一计算请求，携带相同的服务类型信令，将相关服务类型信令与预设服务类型对照表进行比对，根据相关服务类型信令确定流粘性需求的大小，对流粘性需求大于预设门槛阈值的计算请求不做分发处理，从而实现控制面的信令传输和用户面的数据传输。其中，预设服务类型对照表包含相关服务类型信令与流粘性需求的对应关系，相关服务类型为只在当前节点处理计算任务，不做分发处理。

在另一优选实施例中，每个基站对应设置有一个边缘计算适配器，预设服务类型对照表存储于边缘计算适配器中，由边缘计算适配器承载对比处理任务，从而节省边缘计算节点内部的内存空间和算力资源。边缘计算适配器可以作为基站边缘节点(内部模式)的一部分，或者可以在单独的设备(外部模式)实现。

本实施例提供的方法，通过获取终端设备的算力任务，以及处于空闲状态的基站节点和空闲状态的基站传输链路，将所述算力任务分发至所述空闲状态的基站节点，并获取所述空闲状态的基站节点的参数信息，根据所述空闲状态的基站节点的参数信息，判断所述空闲状态的基站节点的计算负载能力是否满足条件，若否，控制所述空闲状态的基站节点基于路由表将所述算力任务转发至其他计算负载能力满足条件的，且处于空闲状态的基站节点，若是，控制来自同一计算请求的算力任务由同一计算负载能力满足条件，且处于空闲状态的基站节点处理的手段，实现基站算力负载均衡的效果，避免算力任务堆积在某一基站影响实时计算的效果，进而影响用户对应用服务的体验。

下面结合一个具体的实施例，对本申请的基站算力负载均衡方法进行详细说明。

图3为本申请提供的基站算力负载均衡方法流程示意图二。如图3所示，在上述实施例的基础上，本实施例对获取处于空闲状态的基站节点和空闲状态的基站传输链路的实现方式进行详细说明。

S301、按照预设周期获取通信网络在每个时间段的历史运行数据，所述历史运行数据包括所述通信网络中的基站节点的算力分布、每个基站节点的算力能力、业务流量以及基站传输链路的网络负载；

具体来说，周期性获取历史运行数据，记录通信网络的运行状态，从而根据历史运行状态总结归纳出能够预测每个周期的预测模型，便于给基站传输链路的路径组合提供选择依据。历史运行数据通过获取一定时间粒度的基站网络负荷状态信息以及基站节点通信业务流量总计来确定，在获得基站算力能力同时通过基站工参获得基站经纬度坐标，对应相对算力得到基站算力分布。

S302、将每个时间段的历史运行数据，输入至通信预测模型，获取预测的每个基站节点的空闲时间段以及基站传输链路的空闲时间段；

具体来说，根据基站节点的历史运行数据，建立基于时间序列的节点空闲和繁忙预测模型，通过该预测模型预测通信线路的空闲时间段，进而根据通信线路的空闲时间段得到该空闲时间段对应的多个基站节点和该多个基站节点组成的基站传输链路。

S303、获取当前时间所属的时间段，基于所述时间段和预测的每个基站节点的空闲时间段，以及预测的每个基站传输链路的空闲时间段，确定处于空闲状态的基站节点和空闲状态的基站传输链路。

在获取了预测空闲时间段的基础上，获取当前时间，将当前时间与预测空闲时间段相比较，确定当前时间是否处于众多预测空闲时间段内，若是，根据当前时间段对应的空闲时间段，得到该空闲时间段对应的基站节点和基站传输链路。

图4为本申请提供的基站算力负载均衡方法流程示意图三。如图4所示，在上述实施例的基础上，本实施例对通信预测模型的训练方式进行详细说明。

S401、获取多组训练数据，将所述多组训练数据分发至多个基站节点，每组训练数据包括通信网络的运行数据以及所述运行数据对应的标签数据，所述标签数据用于指示每个基站节点的忙闲状态以及每个基站传输链路的忙闲状态；

具体来说，多组训练数据分发至多个基站节点进行训练，分布式机器学习能够在利用多个基站资源的基础上，提高训练效率，将运行数据与对应的标签数据同步作为训练数据，通过标签数据区分运行数据的忙闲状态，进而在训练后得到运行数据与标签数据之间的模拟趋势，方便根据模拟趋势构建预测模型。

S402、通过分布式机器学习对所述通信预测模型进行预测，得到训练完成的通信预测模型，其中，所述分布式机器学习的学习节点为所述通信网络中的基站节点。

具体来说，将分布式机器学习的每个学习节点设置为通信网络中的基站节点，每个基站都进行一定时间粒度的数据训练，各个基站数据训练结果不互通，但都通过联邦学习的方法加密上传至服务器管理节点共享，根据共享的数据训练结果构建通信预测模型，由于数据量越大，其构建的通信预测模型就越准确，因此，相对于利用某个基站训练得到的数据预测模型来说，该通信预测模型更能反映出实际运行时基站节点及基站传输链路的忙闲状态，该预测方法由于并非根据当前基站获取的数据进行实时计算，因此不受当前基站数据实时变动的影响，给算力任务进行预分发操作提供分发依据。其中，该管理者节点负责维护服务器各个基站节点元数据的一致性，管理服务器各节点的服务生命周期以及资源分配记录。

图5为本申请提供的基站算力负载均衡方法流程示意图四。如图5所示，在上述实施例的基础上，本实施例对计算负载能力的具体实现方式进行详细说明。

S501、获取所述空闲状态的基站节点的参数信息，所述参数信息包括CPU使用率、当前会话数和计算时延；

具体来说，CPU使用率包括主频、CPU的位数、CPU的缓存指令集、CPU核心数以及并发数、每秒查询率，其中，并发数是指该基站同事能处理的终端连接请求数量，反应了基站的负载能力，该参数为固定参数与基站型号相匹配；每秒查询率(QPS)是指一台服务器每秒能够相应的查询次数，反应基站连接终端数量的更新速率，也从基站后台获取，并实时更新。

会话是指通信双方从开始通信到通信结束期间的一个上下文(Context)，这个上下文是一段位于服务器端的内存，当前会话数即当前正在服务的会话数可从基站后台获取，并实时更新。

计算时延是指基站侧计算机网络中的处理时延，区别于网络中的发送时延、传播时延，该处理时延可显示出基站CPU处理一定数据花费的时间，以及数据进入基站服务器后的排队等待时间；该时延通过历史数据进行统计计算。通过获取一定时间内该区域所有节点处理一定大小计算量服务所需要的时间，从而计算出每个节点的平均计算时延。

S502、对所述CPU使用率、所述当前会话数和所述计算时延进行加权处理，得到所述空闲状态的基站节点的计算负载能力。

具体来说，周期性对更新后的CPU使用率、当前会话数和计算时延进行加权计算，得出获取参数信息的空闲状态计算节点的当前计算负载能力，具体加权计算方式不唯一，可根据实际需要选取加权对象，本申请不做选取标准的进一步描述。

本发明实施例通过获取所述空闲状态的基站节点的参数信息，所述参数信息包括CPU使用率、当前会话数和计算时延；对所述CPU使用率、所述当前会话数和所述计算时延进行加权处理，得到所述空闲状态的基站节点的计算负载能力的手段，实现对空闲状态基站节点的负载能力的计算，方法简单有效，为基站传输链路的选取提供依据。

在另一优选实施例中，上述实施例中计算负载能力的周期为CPU使用率、当前会话数和计算时延中任一指标发生变化，或路由信息更新时，将计算周期设置为变化时刻有利于节省计算资源，避免频繁计算给基站节点带来额外负担，同时又能够保证负载能力信息的准确性。其中，路由器在配置动态路由协议后，更新计时器平均每隔30S就从每个启动RIP协议的接口不断的发送出路由更新消息。

本发明实施例可以根据上述方法示例对电子设备或主控设备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单元中。上述集成的单元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。需要说明的是，本发明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。

图6为本发明提供的基站算力负载均衡设备的结构示意图。如图6所示，该设备60包括：

第一获取模块601，用于在通过预设基站节点获取到终端的算力任务时，获取处于空闲状态的基站节点和空闲状态的基站传输链路；

第二获取模块602，用于将所述算力任务分发至所述空闲状态的基站节点，并获取所述空闲状态的基站节点的参数信息；

处理模块603，用于根据所述空闲状态的基站节点的参数信息，确定所述空闲状态的基站节点的计算负载能力；

发送模块604，用于在所述计算负载能力不满足条件时，控制所述空闲状态的基站节点基于路由表将所述算力任务转发至其他计算负载能力满足条件的，且处于空闲状态的基站节点，其中，所述路由表是根据所述空闲状态的基站传输链路确定的。

具体来说，所述第一获取模块具体用于：获取当前时间所属的时间段，基于所述时间段和预测的每个基站节点的空闲时间段，以及预测的每个基站传输链路的空闲时间段，确定处于空闲状态的基站节点和空闲状态的基站传输链路。

进一步的，所述第一获取模块具体还用于：按照预设周期获取通信网络在每个时间段的历史运行数据，所述历史运行数据包括所述通信网络中的基站节点的算力分布、每个基站节点的算力能力、业务流量以及基站传输链路的网络负载；

将每个时间段的历史运行数据，输入至通信预测模型，获取预测的每个基站节点的空闲时间段以及基站传输链路的空闲时间段。

进一步的，所述通信预测模型是通过如下方式训练得到的：

获取多组训练数据，将所述多组训练数据分发至多个基站节点，每组训练数据包括通信网络的运行数据以及所述运行数据对应的标签数据，所述标签数据用于指示每个基站节点的忙闲状态以及每个基站传输链路的忙闲状态；

通过分布式机器学习对所述通信预测模型进行预测，得到训练完成的通信预测模型，其中，所述分布式机器学习的学习节点为所述通信网络中的基站节点。

具体来说，所述第二获取模块具体用于：获取所述空闲状态的基站节点的参数信息，所述参数信息包括CPU使用率、当前会话数和计算时延。

具体来说，所述处理模块具体用于：对所述CPU使用率、所述当前会话数和所述计算时延进行加权处理，得到所述空闲状态的基站节点的计算负载能力。

具体来说，所述发送模块具体用于：

本实施例提供的基站算力负载均衡设备，可执行上述实施例的基站算力负载均衡方法，其实现原理和技术效果类似，本实施例此处不再赘述。

在前述的基站算力负载均衡设备的具体实现中，各模块可以被实现为处理器，处理器可以执行存储器中存储的计算机执行指令，使得处理器执行上述的基站算力负载均衡方法。

图7为本申请提供的电子设备的结构示意图。如图7所示，该电子设备70包括：至少一个处理器701和存储器702。该电子设备70还包括通信部件703。其中，处理器701、存储器702以及通信部件703通过总线704连接。

在具体实现过程中，至少一个处理器701执行所述存储器702存储的计算机执行指令，使得至少一个处理器701执行如上电子设备侧所执行的基站算力负载均衡方法。

处理器701的具体实现过程可参见上述方法实施例，其实现原理和技术效果类似，本实施例此处不再赘述。

在上述实施例中，应理解，处理器可以是中央处理单元(英文：CentralProcessing Unit，简称：CPU)，还可以是其他通用处理器、数字信号处理器(英文：DigitalSignal Processor，简称：DSP)、专用集成电路(英文：Application Specific IntegratedCircuit，简称：ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合发明所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。

存储器可能包含高速RAM存储器，也可能还包括非易失性存储NVM，例如至少一个磁盘存储器。

总线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，PCI)总线或扩展工业标准体系结构(ExtendedIndustry Standard Architecture，EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，本申请附图中的总线并不限定仅有一根总线或一种类型的总线。

上述针对电子设备以及主控设备所实现的功能，对本发明实施例提供的方案进行了介绍。可以理解的是，电子设备或主控设备为了实现上述功能，其包含了执行各个功能相应的硬件结构和/或软件模块。结合本发明实施例中所公开的实施例描述的各示例的单元及算法步骤，本发明实施例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。本领域技术人员可以对每个特定的应用来使用不同的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实施例的技术方案的范围。

本申请还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如上基站算力负载均衡方法。

上述的计算机可读存储介质，上述可读存储介质可以是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，如静态随机存取存储器(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。可读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。

一种示例性的可读存储介质耦合至处理器，从而使处理器能够从该可读存储介质读取信息，且可向该可读存储介质写入信息。当然，可读存储介质也可以是处理器的组成部分。处理器和可读存储介质可以位于专用集成电路(Application Specific IntegratedCircuits，简称：ASIC)中。当然，处理器和可读存储介质也可以作为分立组件存在于电子设备或主控设备中。

本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (10)

1.一种基站算力负载均衡方法，其特征在于，包括：

在通过预设基站节点获取到终端的算力任务时，获取处于空闲状态的基站节点和空闲状态的基站传输链路；

将所述算力任务分发至所述空闲状态的基站节点，并获取所述空闲状态的基站节点的参数信息；

根据所述空闲状态的基站节点的参数信息，确定所述空闲状态的基站节点的计算负载能力；

在所述计算负载能力不满足条件时，控制所述空闲状态的基站节点基于路由表将所述算力任务转发至其他计算负载能力满足条件的，且处于空闲状态的基站节点，其中，所述路由表是根据所述空闲状态的基站传输链路确定的。

2.根据权利要求1所述的方法，其特征在于，所述获取处于空闲状态的基站节点和空闲状态的基站传输链路，包括：

获取当前时间所属的时间段，基于所述时间段和预测的每个基站节点的空闲时间段，以及预测的每个基站传输链路的空闲时间段，确定处于空闲状态的基站节点和空闲状态的基站传输链路。

3.根据权利要求2所述的方法，其特征在于，所述获取处于空闲状态的基站节点和空闲状态的基站传输链路之前，所述方法还包括：

按照预设周期获取通信网络在每个时间段的历史运行数据，所述历史运行数据包括所述通信网络中的基站节点的算力分布、每个基站节点的算力能力、业务流量以及基站传输链路的网络负载；

将每个时间段的历史运行数据，输入至通信预测模型，获取预测的每个基站节点的空闲时间段以及基站传输链路的空闲时间段。

4.根据权利要求3所述的方法，其特征在于，所述通信预测模型是通过如下方式训练得到的：

获取多组训练数据，将所述多组训练数据分发至多个基站节点，每组训练数据包括通信网络的运行数据以及所述运行数据对应的标签数据，所述标签数据用于指示每个基站节点的忙闲状态以及每个基站传输链路的忙闲状态；

通过分布式机器学习对所述通信预测模型进行预测，得到训练完成的通信预测模型，其中，所述分布式机器学习的学习节点为所述通信网络中的基站节点。

5.根据权利要求1所述的方法，其特征在于，所述根据所述空闲状态的基站节点的参数信息，确定所述空闲状态的基站节点的计算负载能力，包括：

获取所述空闲状态的基站节点的参数信息，所述参数信息包括CPU使用率、当前会话数和计算时延；

对所述CPU使用率、所述当前会话数和所述计算时延进行加权处理，得到所述空闲状态的基站节点的计算负载能力。

6.根据权利要求1所述的方法，其特征在于，所述预设基站节点为所述算力任务对应的应用服务所属的目标基站节点中的任一基站节点，其中，每个应用服务对应至少一个目标基站节点，所述空闲状态的基站节点为所述至少一个目标基站节点中的基站节点。

7.根据权利要求1所述的方法，其特征在于，所述方法还包括：

通过所述预设基站节点获取所述终端设备的计算请求，所述计算请求用于指示所述终端设备的流粘性需求；

控制来自同一计算请求的算力任务由同一计算负载能力满足条件，且处于空闲状态的基站节点处理。

8.一种基站算力负载均衡设备，其特征在于，包括：

第一获取模块，用于在通过预设基站节点获取到终端的算力任务时，获取处于空闲状态的基站节点和空闲状态的基站传输链路；

第二获取模块，用于将所述算力任务分发至所述空闲状态的基站节点，并获取所述空闲状态的基站节点的参数信息；

处理模块，用于根据所述空闲状态的基站节点的参数信息，确定所述空闲状态的基站节点的计算负载能力；

发送模块，用于在所述计算负载能力不满足条件时，控制所述空闲状态的基站节点基于路由表将所述算力任务转发至其他计算负载能力满足条件的，且处于空闲状态的基站节点，其中，所述路由表是根据所述空闲状态的基站传输链路确定的。

9.一种电子设备，其特征在于，包括：处理器，以及与所述处理器通信连接的存储器；

所述存储器存储计算机执行指令；

所述处理器执行所述存储器存储的计算机执行指令，以实现如权利要求1至7中任一项所述的方法。

10.一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中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1至7任一项所述的方法。

Images