CN115242630B - 一种5g网络切片的编排方法、装置及电子设备 - Google Patents
一种5g网络切片的编排方法、装置及电子设备 Download PDFInfo
- Publication number
- CN115242630B CN115242630B CN202110444261.2A CN202110444261A CN115242630B CN 115242630 B CN115242630 B CN 115242630B CN 202110444261 A CN202110444261 A CN 202110444261A CN 115242630 B CN115242630 B CN 115242630B
- Authority
- CN
- China
- Prior art keywords
- network slice
- network
- slice
- key performance
- performance index
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 61
- 230000008859 change Effects 0.000 claims abstract description 94
- 230000015654 memory Effects 0.000 claims description 30
- 238000012549 training Methods 0.000 claims description 10
- 230000007613 environmental effect Effects 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 7
- 238000010586 diagram Methods 0.000 description 12
- 238000007726 management method Methods 0.000 description 12
- 238000013461 design Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000002955 isolation Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008602 contraction Effects 0.000 description 2
- 238000013523 data management Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- YHXISWVBGDMDLQ-UHFFFAOYSA-N moclobemide Chemical compound C1=CC(Cl)=CC=C1C(=O)NCCN1CCOCC1 YHXISWVBGDMDLQ-UHFFFAOYSA-N 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000006403 short-term memory Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000009849 deactivation Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000003032 molecular docking Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
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
- H04L41/0803—Configuration setting
- H04L41/0813—Configuration setting characterised by the conditions triggering a change of settings
- H04L41/0816—Configuration setting characterised by the conditions triggering a change of settings the condition being an adaptation, e.g. in response to network events
-
- 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
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/147—Network analysis or design for predicting network behaviour
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/50—Network service management, e.g. ensuring proper service fulfilment according to agreements
- H04L41/5003—Managing SLA; Interaction between SLA and QoS
- H04L41/5019—Ensuring fulfilment of SLA
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/08—Testing, supervising or monitoring using real traffic
Abstract
本发明实施例公开了一种5G网络切片的编排方法、装置及电子设备，用于解决现有的网络切片的编排方法不够优化，难以贴近网络的实际运行情况进行端到端的动态编排的问题。所述方法包括：从核心网节点、承载网节点和无线网节点中，获取至少一个5G网络切片的关键绩效指标数据；将所述至少一个5G网络切片的性能指标数据输入至关键绩效指标预测模型中，以输出所述至少一个5G网络切片的关键绩效指标数据的变化趋势；根据所述至少一个5G网络切片的关键绩效指标数据的变化趋势，确定所述至少一个5G网络切片的切片调整策略；基于所述至少一个5G网络切片的切片调整策略，对所述至少一个5G网络切片进行动态编排。
Description
技术领域
本发明实施例涉及无线通信技术领域，尤其涉及一种5G网络切片的编排方法、装置及电子设备。
背景技术
随着5G网络的部署，由于5G支持切片、虚拟化、动态编排等特性，能满足各类客户特别是行业客户对差异化网络的需求，越来越多的物联网终端希望接入到5G网络中。客户网络切片是一种按需组网的方式，可以让运营商在统一的基础设施上切出多个虚拟的端到端网络，每个网络切片从无线接入网到承载网再到核心网在逻辑上隔离，适配各种类型的业务应用。
而由于5G网络建设仍出于铺网阶段，导致目前5G网络切片的编排主要处于切片开通阶段。目前，对5G网络切片的编排还不能贴近网络的实际运行情况。
因此，亟需一种5G网络切片的编排方法贴近网络的实际运行情况进行端到端的动态编排。
发明内容
本发明实施例提供一种5G网络切片的编排方法、装置及电子设备，用于现有的网络切片的编排方法不够优化，难以贴近网络的实际运行情况进行端到端的动态编排的问题。
本发明实施例采用下述技术方案：
第一方面，提供了一种5G网络切片的编排方法，包括：
从核心网节点、承载网节点和无线网节点中，获取至少一个5G网络切片的关键绩效指标数据；
将所述至少一个5G网络切片的性能指标数据输入至关键绩效指标预测模型中，以输出所述至少一个5G网络切片的关键绩效指标数据的变化趋势，其中，所述关键绩效指标预测模型为基于历史时间段内的多个5G网络切片的关键绩效指标数据、以及对应的变化趋势标签训练得到的；
根据所述至少一个5G网络切片的关键绩效指标数据的变化趋势，确定所述至少一个5G网络切片的切片调整策略；
基于所述至少一个5G网络切片的切片调整策略，对所述至少一个5G网络切片进行动态编排。
第二方面，提供了一种5G网络切片的编排装置，包括：
数据获取模块，用于从核心网节点、承载网节点和无线网节点中，获取至少一个5G网络切片的关键绩效指标数据；
趋势预测模块，用于将所述至少一个5G网络切片的性能指标数据输入至关键绩效指标预测模型中，以输出所述至少一个5G网络切片的关键绩效指标数据的变化趋势，其中，所述关键绩效指标预测模型为基于历史时间段内的多个5G网络切片的关键绩效指标数据、以及对应的变化趋势标签训练得到的；
策略确定模块，用于根据所述至少一个5G网络切片的关键绩效指标数据的变化趋势，确定所述至少一个5G网络切片的切片调整策略；
动态编排模块，用于基于所述至少一个5G网络切片的切片调整策略，对所述至少一个5G网络切片进行动态编排。
第三方面，提供了一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如下步骤：
从核心网节点、承载网节点和无线网节点中，获取至少一个5G网络切片的关键绩效指标数据；
将所述至少一个5G网络切片的性能指标数据输入至关键绩效指标预测模型中，以输出所述至少一个5G网络切片的关键绩效指标数据的变化趋势，其中，所述关键绩效指标预测模型为基于历史时间段内的多个5G网络切片的关键绩效指标数据、以及对应的变化趋势标签训练得到的；
根据所述至少一个5G网络切片的关键绩效指标数据的变化趋势，确定所述至少一个5G网络切片的切片调整策略；
基于所述至少一个5G网络切片的切片调整策略，对所述至少一个5G网络切片进行动态编排。
第四方面，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计算机程序，所述计算机程序被处理器执行时实现如下步骤：
从核心网节点、承载网节点和无线网节点中，获取至少一个5G网络切片的关键绩效指标数据；
将所述至少一个5G网络切片的性能指标数据输入至关键绩效指标预测模型中，以输出所述至少一个5G网络切片的关键绩效指标数据的变化趋势，其中，所述关键绩效指标预测模型为基于历史时间段内的多个5G网络切片的关键绩效指标数据、以及对应的变化趋势标签训练得到的；
根据所述至少一个5G网络切片的关键绩效指标数据的变化趋势，确定所述至少一个5G网络切片的切片调整策略；
基于所述至少一个5G网络切片的切片调整策略，对所述至少一个5G网络切片进行动态编排。
本发明实施例采用的上述至少一个技术方案能够达到以下有益效果：
本说明书实施例能够从核心网节点、承载网节点和无线网节点中，获取至少一个5G网络切片的关键绩效指标数据，并能够将至少一个5G网络切片的性能指标数据输入至关键绩效指标预测模型中，以输出至少一个5G网络切片的关键绩效指标数据的变化趋势，其中，关键绩效指标预测模型为基于历史时间段内的多个5G网络切片的关键绩效指标数据、以及对应的变化趋势标签训练得到的。再根据至少一个5G网络切片的关键绩效指标数据的变化趋势，确定至少一个5G网络切片的切片调整策略；最后基于至少一个5G网络切片的切片调整策略，对至少一个5G网络切片进行动态编排。
能够基于至少一个5G网络切片的性能指标数据和关键绩效指标预测模型，对至少一个5G网络切片的关键绩效指标数据的变化趋势进行预测。而且用来预测关键绩效指标数据的变化趋势的关键绩效指标预测模型是基于历史时间段内的多个5G网络切片的关键绩效指标数据、以及对应的变化趋势标签训练得到的。也就能够实现基于5G网络切片的历史状态和实时最新状态较为准确地对5G网络切片的变化趋势进行预测，并基于预测结果对5G网络切片进行动态编排。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本说明书的一个实施例提供的一种5G网络切片的编排方法的实现流程示意图；
图2为本说明书的一个实施例提供的5G网络切片的编排方法中集团系统受理跨省网络切片的示意图；
图3为本说明书的一个实施例提供的5G网络切片的编排方法中5G网络切片模板设计的示意图；
图4为本说明书的一个实施例提供的5G网络切片的编排方法中对5G网络切片的运行状态的管理界面示意图；
图5为本说明书的一个实施例提供的实现5G网络切片的编排方法的系统的结构示意图；
图6为本说明书的一个实施例提供的一种5G网络切片的编排装置的结构示意图；
图7为本说明书的一个实施例提供的一种电子设备的硬件结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本说明书具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本说明书中的实施例，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。
为解决现有的网络切片的编排方法不够优化，难以贴近网络的实际运行情况进行端到端的动态编排的问题，本说明书实施例提供一种5G网络切片的编排方法。本说明书实施例提供的方法的执行主体可以但不限于个人电脑、服务器等能够被配置为执行本发明实施例提供的该方法装置中的至少一种。
为便于描述，下文以该方法的执行主体为能够执行该方法的服务器为例，对该方法的实施方式进行介绍。可以理解，该方法的执行主体为服务器只是一种示例性的说明，并不应理解为对该方法的限定。
具体地，本说明书一个或多个实施例提供的一种5G网络切片的编排方法的实现流程示意图如图1所示，包括：
步骤110，从核心网节点、承载网节点和无线网节点中，获取至少一个5G网络切片的关键绩效指标数据。
应理解，5G网络切片的端到端业务的开通通常涉及到核心网节点、承载网节点和无线网节点等多个网络设备的编排开通。5G网络切片的端到端业务的开通最主要的功能是5G网络切片的生命周期管理，需支持5G网络切片及其各个子网切片完整生命周期流程中各功能要求，包括5G网络切片准备、5G网络切片开通、5G网络切片激活去激活、5G网络切片修改、5G网络切片终止等功能。
IT业务编排能力对接设备厂家无线网节点，通过对无线QoS(5QI)、RB资源、载波隔离等的编排，实现无线空口资源的调度。IT业务编排能力对接承载网SPN/PTN SC，通过对硬件隔离技术(FlexE/MTN接口)和软隔离技术(VPN+QoS)对虚拟化SDN和PTN承载网络进行编排，实现承载网节点子切片通道重创建。IT业务编排能力通过集团级编排能力实现对核心网节点的5G网络切片子网管理器，通过对核心网节点硬件资源层、虚拟资源层、网元功能层的编排，创建不同层级的独占或共享核心网节点的子切片实例。
省内和跨省5G网络切片分别由省内和集团IT业务编排能力进行订单接收和订单拆分，通过对接核心网节点、承载网节点和无线网节点这三个子网管理器以及省资源管理系统等系统实现5G网络切片业务与5G网络切片实例的生命周期管理。
图2为本说明书的一个实施例提供的5G网络切片的编排方法中集团系统受理跨省网络切片的示意图。其中：
一级业务编排中心接收来自政企一级系统的5G网络切片业务定单，通过与二级业务编排中心、总部资源管理、核心网局数据管理等系统交互，完成5G网络切片业务的生命周期管理。
二级业务编排中心接收一级业务编排中心拆分的5G网络切片勘查、创建、终止、变更等定单，通过与子切片管理器、省资源管理系统、运维管理中心、核心网局数据管理系统交互，完成5G网络切片实例的生命周期管理。
省内5G网络切片业务来自省内政企客户需求，且5G网络切片业务范围在省内。省内5G网络切片业务的订单直接接收方为二级业务编排中心。
省二级业务编排中心接收来自政企二级系统的5G网络切片业务订单，通过与子切片管理器、省资源管理系统、省运维管理中心、一级业务编排中心交互，完成省内5G网络切片业务及相关切片实例的生命周期管理。
可选地，所述至少一个5G网络切片的关键绩效指标数据至少包括：
所述至少一个5G网络切片的流量数据；
所述至少一个5G网络切片的会话数据；
所述至少一个5G网络切片的资源使用率；
所述至少一个5G网络切片的告警信息；
所述至少一个5G网络切片的性能指标。
步骤120，将至少一个5G网络切片的性能指标数据输入至关键绩效指标预测模型中，以输出至少一个5G网络切片的关键绩效指标数据的变化趋势。
其中，关键绩效指标预测模型为基于历史时间段内的多个5G网络切片的关键绩效指标数据、以及对应的变化趋势标签训练得到的。
由于使用时间序列的过去值来预测未来值的自回归方法在多个领域的实时策略调整中有着明显的优势。本说明书实施例基于此，在训练用于预测5G网络切片的关键绩效指标数据的变化趋势的关键绩效指标预测模型时，尝试了一些目前最常用的方法，包括ARIMA模型，LSTM(长短期记忆)模型，GRU(门控循环单元)模型和TCN(时间卷积网络)模型，以及这些模型的集成模型。通过训练样本和测试样本对这些模型进行对比研究，确定通过多个模型的协同作用获得了比单一模型更高的预测准确度。
因此，为了提高关键绩效指标预测模型的预测准确度，上述关键绩效指标预测模型可以是ARIMA模型，LSTM(长短期记忆)模型，GRU(门控循环单元)模型和TCN(时间卷积网络)模型的集成模型。
可选地，为了提高对至少一个5G网络切片的关键绩效指标数据的变化趋势的预测准确度，本说明书实施例还可结合获取至少一个5G网络切片的关键绩效指标数据时环境因素，对其关键绩效指标数据的变化趋势进行预测。具体地，将至少一个5G网络切片的性能指标数据输入至关键绩效指标预测模型中，以输出至少一个5G网络切片的关键绩效指标数据的变化趋势，包括：
将至少一个5G网络切片的性能指标数据、以及获取至少一个5G网络切片的关键绩效指标数据时环境因素，输入至关键绩效指标预测模型中，以输出至少一个5G网络切片的关键绩效指标数据的变化趋势。
其中，获取至少一个5G网络切片的关键绩效指标数据时环境因素可包括获取至少一个5G网络切片的关键绩效指标数据时的节假日、活动事件、天气状况等客观环境因素。
可选地，所述关键绩效指标预测模型为基于历史时间段内的多个5G网络切片的关键绩效指标数据、所述多个5G网络切片对应的环境因素、以及所述多个5G网络切片对应的变化趋势标签训练得到的。
其中，多个5G网络切片对应的变化趋势标签可包括多个5G网络切片对应的性能变化趋势标签、告警影响范围标签、资源满足趋势标签、支撑的业务量标签等变化趋势标签。
步骤130，根据至少一个5G网络切片的关键绩效指标数据的变化趋势，确定至少一个5G网络切片的切片调整策略。
其中，5G网络切片设计中心通过南向接口实时获取各5G网络切片子网管理器能力，封装成原子服务供模板设计器作为原材料进行模板设计。当切片子网管理器新能力上线和已有能力下线，可通过关联关系更新切片模板。切片设计中心完成切片设计后，调用编排部署中心进行切片实例化测试，确认达到SLA要求后方可上线售卖。
其中，5G网络切片的切片模板命名规则如下：
其中，对象类型、对象类别和对象编码为必选项，对象编码由系统产生，如将5G网络切片的切片模板命名为“NST-M-001-HDBNJ-NSMF-01-A-ZX”。其中，对象类型为“NSI”，对象类别为eMBB，对象编码为“001-HDBNJ-NSMF-01-A-ZX”。
5G网络切片设计的内容可包括5G网络切片模板基本信息，包括5G网络切片的标识、5G的网络切片类型等节本信息。5G网络切片的SLA参数模型可包括5G网络切片的覆盖区域、时延、容量、移动性、可靠性等，具体的5G网络切片的SLA参数参考3GPP TS 28.541中的NSI NRM定义。5G网络切片的模板中还可包含无线网、承载网和核心网的切片子网模型的NSST信息，5G网络切片的策略信息可包括SLA闭环策略、自愈策略等策略。
图3为本说明书的一个实施例提供的5G网络切片的编排方法中5G网络切片模板设计的示意图。在图3所示的5G网络切片的切片模板设计界面中，可支持目录组织5G网络切片5G网络切片的和5G网络切片的切片模板。可通过资源库里丰富的组件来设计5G网络切片，以及支持设置5G网络切片的服务等级(Service-Level Agreement，SLA)参数等。
图4为本说明书的一个实施例提供的5G网络切片的编排方法中对5G网络切片的运行状态的管理界面示意图。在图4中，5G网络切片的端到端监控主要负责对各5G网络切片的实例运行基础指标数据的采集，通过实时和离线的计算技术，实时感知5G网络切片的实例的运行状态，对5G网络切片的实例的运行过程中的关键绩效指标数据进行全程记录，并将相关分析结果数据自动上报5G网络切片的运营中心。
可选地，为了给5G网络切片分配更合适的资源，以使得5G网络切片为用户提供更好的服务，根据至少一个5G网络切片的关键绩效指标数据的变化趋势，确定至少一个5G网络切片的切片调整策略，包括：
如果至少一个5G网络切片的关键绩效指标数据的变化趋势中，存在至少一个关键绩效指标数据的变化趋势不满足5G网络切片的服务等级协议SLA参数要求时，则根据至少一个5G网络切片的关键绩效指标数据的变化趋势，确定至少一个5G网络切片的切片调整策略。
可选地，根据至少一个5G网络切片的关键绩效指标数据的变化趋势，确定至少一个5G网络切片的切片调整策略，包括：
从至少一个5G网络切片的关键绩效指标数据的变化趋势中，确定关键绩效指标数据的变化趋势不满足5G网络切片的服务等级协议SLA参数要求的目标5G网络切片；
基于5G网络切片模板与5G网络切片实例之间的关联关系，确定目标5G网络切片的切片调整策略；
其中，5G网络切片模板至少包括5G网络切片的标识、切片类型、覆盖区域、时延、容量、移动性、可靠性和策略信息。
其中，至少一个5G网络切片的关键绩效指标数据的变化趋势可包括至少一个5G网络切片的某个指标性能劣化、告警影响范围扩大、带宽或其它资源不足、支撑的某一类业务量不足等变化趋势。
目标5G网络切片的切片调整策略可包括监控策略、SLA闭环策略、自愈策略等。当目标5G网络切片的关键绩效指标数据的变化趋势无法满足SLA策略中定义的性能范围时，确定目标5G网络切片的切片调整策略，包括调整目标5G网络切片的网元业务参数，执行资源扩缩容等切片调整操作。
可选地，基于5G网络切片模板与5G网络切片实例之间的关联关系，确定目标5G网络切片的切片调整策略，包括：
基于5G网络切片模板与5G网络切片实例之间的关联关系，更新目标5G网络切片的切片模板；
基于更新后的目标5G网络切片的切片模板，确定目标5G网络切片的切片调整策略。
其中，5G网络切片实例将5G网络切片实例的属性要求以及5G网络切片实例中定义的业务参数模型和各专业域切片子网模板NSST分解为无线网、承载网和核心网三个专业领域分别的切片子网属性要求及切片子网模板，并调用三个领域的切片子网管理功能完成三个专业领域的切片子网实例。
步骤140，基于至少一个5G网络切片的切片调整策略，对至少一个5G网络切片进行动态编排。
基于至少一个5G网络切片的切片调整策略，对至少一个5G网络切片进行动态编排，具体可以在至少一个5G网络切片的的关键绩效指标数据的变化趋势无法满足定义的关键绩效指标数据范围时，触发策略中定义的SLA保障动作，包括调整至少一个5G网络切片的网元业务参数，执行资源扩缩容等操作。对至少一个5G网络切片进行动态编排的配置命令可以下发到NSSMF/网元上的业务参数变更命令、或者下发到MANO的扩缩容命令等。
至少一个5G网络切片的切片调整策略包含的信息分为衡量的指标、指标匹配规则和动作等。其中，衡量的指标可以是至少一个5G网络切片的CPU平均使用量、指标匹配规则可以是某个指标是否大于80％、动作可以是MANO对改NSSI的某个虚拟组件CPU增加40％。
图5为本说明书的一个实施例提供的实现5G网络切片的编排方法的系统的结构示意图。在图5中，AI预测器可根据多个5G网络切片的历史流量、会话数据等关键绩效指标数据、以及对应的变化趋势标签训练得到的。切片动态管理器实时采集核心网节点、承载网节点和无线网节点中5G网络切片的关键绩效指标数据，并上报为AI预测器。AI预测器对实时采集的5G网络切片的关键绩效指标数据的变化趋势进行预测，并将结果传输给智能策略生成器，使得智能策略生成器基于实时采集的5G网络切片的关键绩效指标数据的变化趋势，确定需要调整的5G网络切片的切片调整策略，并下发给切片动态管理器，使得切片动态管理器对需要调整的5G网络切片配置命令，对需要调整的5G网络切片适配更合适的资源。
本说明书实施例能够从核心网节点、承载网节点和无线网节点中，获取至少一个5G网络切片的关键绩效指标数据，并能够将至少一个5G网络切片的性能指标数据输入至关键绩效指标预测模型中，以输出至少一个5G网络切片的关键绩效指标数据的变化趋势，其中，关键绩效指标预测模型为基于历史时间段内的多个5G网络切片的关键绩效指标数据、以及对应的变化趋势标签训练得到的。再根据至少一个5G网络切片的关键绩效指标数据的变化趋势，确定至少一个5G网络切片的切片调整策略；最后基于至少一个5G网络切片的切片调整策略，对至少一个5G网络切片进行动态编排。
能够基于至少一个5G网络切片的性能指标数据和关键绩效指标预测模型，对至少一个5G网络切片的关键绩效指标数据的变化趋势进行预测。而且用来预测关键绩效指标数据的变化趋势的关键绩效指标预测模型是基于历史时间段内的多个5G网络切片的关键绩效指标数据、以及对应的变化趋势标签训练得到的。也就能够实现基于5G网络切片的历史状态和实时最新状态较为准确地对5G网络切片的变化趋势进行预测，并基于预测结果对5G网络切片进行动态编排。
图6是本说明书的一个实施例提供的一种5G网络切片的编排装置600的结构示意图。在一种软件实施方式中，该5G网络切片的编排装置600可包括数据获取模块601、趋势预测模块602、策略确定模块603和动态编排模块604，其中：
数据获取模块601，用于从核心网节点、承载网节点和无线网节点中，获取至少一个5G网络切片的关键绩效指标数据；
趋势预测模块602，用于将所述至少一个5G网络切片的性能指标数据输入至关键绩效指标预测模型中，以输出所述至少一个5G网络切片的关键绩效指标数据的变化趋势，其中，所述关键绩效指标预测模型为基于历史时间段内的多个5G网络切片的关键绩效指标数据、以及对应的变化趋势标签训练得到的；
策略确定模块603，用于根据所述至少一个5G网络切片的关键绩效指标数据的变化趋势，确定所述至少一个5G网络切片的切片调整策略；
动态编排模块604，用于基于所述至少一个5G网络切片的切片调整策略，对所述至少一个5G网络切片进行动态编排。
可选地，在一种实施方式中，所述趋势预测模块602，用于：
将所述至少一个5G网络切片的性能指标数据、以及获取所述至少一个5G网络切片的关键绩效指标数据时环境因素，输入至所述关键绩效指标预测模型中，以输出所述至少一个5G网络切片的关键绩效指标数据的变化趋势。
可选地，在一种实施方式中，所述关键绩效指标预测模型为基于历史时间段内的多个5G网络切片的关键绩效指标数据、所述多个5G网络切片对应的环境因素、以及所述多个5G网络切片对应的变化趋势标签训练得到的。
可选地，在一种实施方式中，所述策略确定模块603，用于：
如果所述至少一个5G网络切片的关键绩效指标数据的变化趋势中，存在至少一个关键绩效指标数据的变化趋势不满足5G网络切片的服务等级协议SLA参数要求时，则根据所述至少一个5G网络切片的关键绩效指标数据的变化趋势，确定所述至少一个5G网络切片的切片调整策略。
可选地，在一种实施方式中，所述策略确定模块603，用于：
从所述至少一个5G网络切片的关键绩效指标数据的变化趋势中，确定关键绩效指标数据的变化趋势不满足5G网络切片的服务等级协议SLA参数要求的目标5G网络切片；
基于5G网络切片模板与5G网络切片实例之间的关联关系，确定所述目标5G网络切片的切片调整策略；
其中，所述5G网络切片模板至少包括所述5G网络切片的标识、切片类型、覆盖区域、时延、容量、移动性、可靠性和策略信息。
可选地，在一种实施方式中，所述策略确定模块603，用于：
基于5G网络切片模板与5G网络切片实例之间的关联关系，更新所述目标5G网络切片的切片模板；
基于更新后的所述目标5G网络切片的切片模板，确定所述目标5G网络切片的切片调整策略。
可选地，在一种实施方式中，所述至少一个5G网络切片的关键绩效指标数据至少包括：
所述至少一个5G网络切片的流量数据；
所述至少一个5G网络切片的会话数据；
所述至少一个5G网络切片的资源使用率；
所述至少一个5G网络切片的告警信息；
所述至少一个5G网络切片的性能指标。
5G网络切片的编排装置600能够实现图1～图5的方法实施例的方法，具体可参考图1～图5所示实施例的5G网络切片的编排方法，不再赘述。
图7是本说明书的一个实施例提供的电子设备的结构示意图。请参考图7，在硬件层面，该电子设备包括处理器，可选地还包括内部总线、网络接口、存储器。其中，存储器可能包含内存，例如高速随机存取存储器(Random-Access Memory，RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如至少1个磁盘存储器等。当然，该电子设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接，该内部总线可以是ISA(Industry Standard Architecture，工业标准体系结构)总线、PCI(PeripheralComponent Interconnect，外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture，扩展工业标准结构)总线等。所述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7中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
存储器，用于存放程序。具体地，程序可以包括程序代码，所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器，并向处理器提供指令和数据。
处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，在逻辑层面上形成5G网络切片的编排装置。处理器，执行存储器所存放的程序，并具体用于执行以下操作：
从核心网节点、承载网节点和无线网节点中，获取至少一个5G网络切片的关键绩效指标数据；
将所述至少一个5G网络切片的性能指标数据输入至关键绩效指标预测模型中，以输出所述至少一个5G网络切片的关键绩效指标数据的变化趋势，其中，所述关键绩效指标预测模型为基于历史时间段内的多个5G网络切片的关键绩效指标数据、以及对应的变化趋势标签训练得到的；
根据所述至少一个5G网络切片的关键绩效指标数据的变化趋势，确定所述至少一个5G网络切片的切片调整策略；
基于所述至少一个5G网络切片的切片调整策略，对所述至少一个5G网络切片进行动态编排。
上述如本说明书图1所示实施例揭示的5G网络切片的编排方法可以应用于处理器中，或者由处理器实现。处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本说明书一个或多个实施例中的公开的各方法、步骤及逻辑框图。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。结合本说明书一个或多个实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。
该电子设备还可执行图1的5G网络切片的编排方法，本说明书在此不再赘述。
本申请实施例还提出了一种计算机可读存储介质，该计算机可读存储介质存储一个或多个程序，该一个或多个程序包括指令，该指令当被包括多个应用程序的便携式电子设备执行时，能够使该便携式电子设备执行图1所示实施例的方法，并具体用于执行以下操作：
从核心网节点、承载网节点和无线网节点中，获取至少一个5G网络切片的关键绩效指标数据；
将所述至少一个5G网络切片的性能指标数据输入至关键绩效指标预测模型中，以输出所述至少一个5G网络切片的关键绩效指标数据的变化趋势，其中，所述关键绩效指标预测模型为基于历史时间段内的多个5G网络切片的关键绩效指标数据、以及对应的变化趋势标签训练得到的；
根据所述至少一个5G网络切片的关键绩效指标数据的变化趋势，确定所述至少一个5G网络切片的切片调整策略；
基于所述至少一个5G网络切片的切片调整策略，对所述至少一个5G网络切片进行动态编排。
该计算机可读存储介质还可执行图1的5G网络切片的编排方法，本说明书在此不再赘述。
当然，除了软件实现方式之外，本说明书的电子设备并不排除其他实现方式，比如逻辑器件抑或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。
总之，以上所述仅为本说明书的较佳实施例而已，并非用于限定本说明书的保护范围。凡在本说明书一个或多个实施例的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本说明书一个或多个实施例的保护范围之内。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
Claims (9)
1.一种5G网络切片的编排方法，其特征在于，包括：
从核心网节点、承载网节点和无线网节点中，获取至少一个5G网络切片的关键绩效指标数据；
将所述至少一个5G网络切片的性能指标数据输入至关键绩效指标预测模型中，以输出所述至少一个5G网络切片的关键绩效指标数据的变化趋势，其中，所述关键绩效指标预测模型为基于历史时间段内的多个5G网络切片的关键绩效指标数据、以及对应的变化趋势标签训练得到的；
根据所述至少一个5G网络切片的关键绩效指标数据的变化趋势，确定所述至少一个5G网络切片的切片调整策略；
基于所述至少一个5G网络切片的切片调整策略，对所述至少一个5G网络切片进行动态编排；
所述根据所述至少一个5G网络切片的关键绩效指标数据的变化趋势，确定所述至少一个5G网络切片的切片调整策略，包括：
如果所述至少一个5G网络切片的关键绩效指标数据的变化趋势中，存在至少一个关键绩效指标数据的变化趋势不满足5G网络切片的服务等级协议SLA参数要求时，则根据所述至少一个5G网络切片的关键绩效指标数据的变化趋势，确定所述至少一个5G网络切片的切片调整策略。
2.如权利要求1所述的方法，其特征在于，将所述至少一个5G网络切片的性能指标数据输入至关键绩效指标预测模型中，以输出所述至少一个5G网络切片的关键绩效指标数据的变化趋势，包括：
将所述至少一个5G网络切片的性能指标数据、以及获取所述至少一个5G网络切片的关键绩效指标数据时环境因素，输入至所述关键绩效指标预测模型中，以输出所述至少一个5G网络切片的关键绩效指标数据的变化趋势。
3.如权利要求2所述的方法，其特征在于，所述关键绩效指标预测模型为基于历史时间段内的多个5G网络切片的关键绩效指标数据、所述多个5G网络切片对应的环境因素、以及所述多个5G网络切片对应的变化趋势标签训练得到的。
4.如权利要求1所述的方法，其特征在于，根据所述至少一个5G网络切片的关键绩效指标数据的变化趋势，确定所述至少一个5G网络切片的切片调整策略，包括：
从所述至少一个5G网络切片的关键绩效指标数据的变化趋势中，确定关键绩效指标数据的变化趋势不满足5G网络切片的服务等级协议SLA参数要求的目标5G网络切片；
基于5G网络切片模板与5G网络切片实例之间的关联关系，确定所述目标5G网络切片的切片调整策略；
其中，所述5G网络切片模板至少包括所述5G网络切片的标识、切片类型、覆盖区域、时延、容量、移动性、可靠性和策略信息。
5.如权利要求4所述的方法，其特征在于，基于5G网络切片模板与5G网络切片实例之间的关联关系，确定所述目标5G网络切片的切片调整策略，包括：
基于5G网络切片模板与5G网络切片实例之间的关联关系，更新所述目标5G网络切片的切片模板；
基于更新后的所述目标5G网络切片的切片模板，确定所述目标5G网络切片的切片调整策略。
6.如权利要求1-5中任一所述的方法，其特征在于，所述至少一个5G网络切片的关键绩效指标数据至少包括：
所述至少一个5G网络切片的流量数据；
所述至少一个5G网络切片的会话数据；
所述至少一个5G网络切片的资源使用率；
所述至少一个5G网络切片的告警信息；
所述至少一个5G网络切片的性能指标。
7.一种5G网络切片的编排装置，其特征在于，包括：
数据获取模块，用于从核心网节点、承载网节点和无线网节点中，获取至少一个5G网络切片的关键绩效指标数据；
趋势预测模块，用于将所述至少一个5G网络切片的性能指标数据输入至关键绩效指标预测模型中，以输出所述至少一个5G网络切片的关键绩效指标数据的变化趋势，其中，所述关键绩效指标预测模型为基于历史时间段内的多个5G网络切片的关键绩效指标数据、以及对应的变化趋势标签训练得到的；
策略确定模块，用于根据所述至少一个5G网络切片的关键绩效指标数据的变化趋势，确定所述至少一个5G网络切片的切片调整策略；
动态编排模块，用于基于所述至少一个5G网络切片的切片调整策略，对所述至少一个5G网络切片进行动态编排；
所述策略确定模块，用于如果所述至少一个5G网络切片的关键绩效指标数据的变化趋势中，存在至少一个关键绩效指标数据的变化趋势不满足5G网络切片的服务等级协议SLA参数要求时，则根据所述至少一个5G网络切片的关键绩效指标数据的变化趋势，确定所述至少一个5G网络切片的切片调整策略。
8.一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如下步骤：
从核心网节点、承载网节点和无线网节点中，获取至少一个5G网络切片的关键绩效指标数据；
将所述至少一个5G网络切片的性能指标数据输入至关键绩效指标预测模型中，以输出所述至少一个5G网络切片的关键绩效指标数据的变化趋势，其中，所述关键绩效指标预测模型为基于历史时间段内的多个5G网络切片的关键绩效指标数据、以及对应的变化趋势标签训练得到的；
根据所述至少一个5G网络切片的关键绩效指标数据的变化趋势，确定所述至少一个5G网络切片的切片调整策略；
基于所述至少一个5G网络切片的切片调整策略，对所述至少一个5G网络切片进行动态编排；
根据所述至少一个5G网络切片的关键绩效指标数据的变化趋势，确定所述至少一个5G网络切片的切片调整策略，包括：
如果所述至少一个5G网络切片的关键绩效指标数据的变化趋势中，存在至少一个关键绩效指标数据的变化趋势不满足5G网络切片的服务等级协议SLA参数要求时，则根据所述至少一个5G网络切片的关键绩效指标数据的变化趋势，确定所述至少一个5G网络切片的切片调整策略。
9.一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计算机程序，所述计算机程序被处理器执行时实现如下步骤：
从核心网节点、承载网节点和无线网节点中，获取至少一个5G网络切片的关键绩效指标数据；
将所述至少一个5G网络切片的性能指标数据输入至关键绩效指标预测模型中，以输出所述至少一个5G网络切片的关键绩效指标数据的变化趋势，其中，所述关键绩效指标预测模型为基于历史时间段内的多个5G网络切片的关键绩效指标数据、以及对应的变化趋势标签训练得到的；
根据所述至少一个5G网络切片的关键绩效指标数据的变化趋势，确定所述至少一个5G网络切片的切片调整策略；
基于所述至少一个5G网络切片的切片调整策略，对所述至少一个5G网络切片进行动态编排；
根据所述至少一个5G网络切片的关键绩效指标数据的变化趋势，确定所述至少一个5G网络切片的切片调整策略，包括：
如果所述至少一个5G网络切片的关键绩效指标数据的变化趋势中，存在至少一个关键绩效指标数据的变化趋势不满足5G网络切片的服务等级协议SLA参数要求时，则根据所述至少一个5G网络切片的关键绩效指标数据的变化趋势，确定所述至少一个5G网络切片的切片调整策略。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110444261.2A CN115242630B (zh) | 2021-04-23 | 2021-04-23 | 一种5g网络切片的编排方法、装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110444261.2A CN115242630B (zh) | 2021-04-23 | 2021-04-23 | 一种5g网络切片的编排方法、装置及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115242630A CN115242630A (zh) | 2022-10-25 |
| CN115242630B true CN115242630B (zh) | 2023-10-27 |
Family
ID=83666439
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110444261.2A Active CN115242630B (zh) | 2021-04-23 | 2021-04-23 | 一种5g网络切片的编排方法、装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115242630B (zh) |
Citations (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107743100A (zh) * | 2017-09-30 | 2018-02-27 | 重庆邮电大学 | 一种基于业务预测的在线自适应网络切片虚拟资源分配方法 |
| CN108053080A (zh) * | 2017-12-30 | 2018-05-18 | 中国移动通信集团江苏有限公司 | 区域用户数量统计值预测方法、装置、设备及介质 |
| CN108900358A (zh) * | 2018-08-01 | 2018-11-27 | 重庆邮电大学 | 基于深度信念网络资源需求预测的虚拟网络功能动态迁移方法 |
| CN108965024A (zh) * | 2018-08-01 | 2018-12-07 | 重庆邮电大学 | 一种5g网络切片基于预测的虚拟网络功能调度方法 |
| WO2019056956A1 (zh) * | 2017-09-22 | 2019-03-28 | 华为技术有限公司 | 一种网络切片时间管理方法及相关产品 |
| CN109743893A (zh) * | 2016-09-09 | 2019-05-10 | 华为技术有限公司 | 用于网络切片的方法和设备 |
| CN110620678A (zh) * | 2018-06-20 | 2019-12-27 | 华为技术有限公司 | 一种资源管理方法及装置 |
| CN110830542A (zh) * | 2018-08-14 | 2020-02-21 | 华为技术有限公司 | 获取网络配置信息的方法和相关设备 |
| CN110912722A (zh) * | 2018-09-17 | 2020-03-24 | 中兴通讯股份有限公司 | 业务资源管理方法、装置、网络设备和可读存储介质 |
| CN111082960A (zh) * | 2019-04-15 | 2020-04-28 | 中兴通讯股份有限公司 | 数据的处理方法及装置 |
| CN111130825A (zh) * | 2018-10-31 | 2020-05-08 | 中兴通讯股份有限公司 | 网络切片模板生成方法、装置、设备及存储介质 |
| CN111246488A (zh) * | 2018-11-29 | 2020-06-05 | 诺基亚通信公司 | 基于测量的无线通信网络设计 |
| CN111292523A (zh) * | 2018-12-06 | 2020-06-16 | 中国信息通信科技集团有限公司 | 网络智能体系统 |
| CN111756656A (zh) * | 2020-06-05 | 2020-10-09 | 深圳供电局有限公司 | 一种基于可靠性和历史数据的电力通信网资源分配方法 |
| CN111901825A (zh) * | 2020-08-11 | 2020-11-06 | 中国联合网络通信集团有限公司 | 基于网络质量切片的无线通信网络质量评估方法和装置 |
| CN112511342A (zh) * | 2020-11-16 | 2021-03-16 | 北京邮电大学 | 网络切片方法、装置、电子设备及存储介质 |
| CN112541635A (zh) * | 2020-12-16 | 2021-03-23 | 平安养老保险股份有限公司 | 业务数据统计预测方法、装置、计算机设备及存储介质 |
| CN112613230A (zh) * | 2020-12-15 | 2021-04-06 | 云南电网有限责任公司 | 基于神经网络的网络切片资源动态划分方法及装置 |
| CN113491094A (zh) * | 2019-02-26 | 2021-10-08 | 瑞典爱立信有限公司 | 利用联合网络和云资源管理的服务递送 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11240690B2 (en) * | 2019-05-24 | 2022-02-01 | Parallel Wireless, Inc. | Streaming media quality of experience prediction for network slice selection in 5G networks |
-
2021
- 2021-04-23 CN CN202110444261.2A patent/CN115242630B/zh active Active
Patent Citations (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109743893A (zh) * | 2016-09-09 | 2019-05-10 | 华为技术有限公司 | 用于网络切片的方法和设备 |
| WO2019056956A1 (zh) * | 2017-09-22 | 2019-03-28 | 华为技术有限公司 | 一种网络切片时间管理方法及相关产品 |
| CN107743100A (zh) * | 2017-09-30 | 2018-02-27 | 重庆邮电大学 | 一种基于业务预测的在线自适应网络切片虚拟资源分配方法 |
| CN108053080A (zh) * | 2017-12-30 | 2018-05-18 | 中国移动通信集团江苏有限公司 | 区域用户数量统计值预测方法、装置、设备及介质 |
| CN110620678A (zh) * | 2018-06-20 | 2019-12-27 | 华为技术有限公司 | 一种资源管理方法及装置 |
| CN108900358A (zh) * | 2018-08-01 | 2018-11-27 | 重庆邮电大学 | 基于深度信念网络资源需求预测的虚拟网络功能动态迁移方法 |
| CN108965024A (zh) * | 2018-08-01 | 2018-12-07 | 重庆邮电大学 | 一种5g网络切片基于预测的虚拟网络功能调度方法 |
| CN110830542A (zh) * | 2018-08-14 | 2020-02-21 | 华为技术有限公司 | 获取网络配置信息的方法和相关设备 |
| CN110912722A (zh) * | 2018-09-17 | 2020-03-24 | 中兴通讯股份有限公司 | 业务资源管理方法、装置、网络设备和可读存储介质 |
| CN111130825A (zh) * | 2018-10-31 | 2020-05-08 | 中兴通讯股份有限公司 | 网络切片模板生成方法、装置、设备及存储介质 |
| CN111246488A (zh) * | 2018-11-29 | 2020-06-05 | 诺基亚通信公司 | 基于测量的无线通信网络设计 |
| CN111292523A (zh) * | 2018-12-06 | 2020-06-16 | 中国信息通信科技集团有限公司 | 网络智能体系统 |
| CN113491094A (zh) * | 2019-02-26 | 2021-10-08 | 瑞典爱立信有限公司 | 利用联合网络和云资源管理的服务递送 |
| CN111082960A (zh) * | 2019-04-15 | 2020-04-28 | 中兴通讯股份有限公司 | 数据的处理方法及装置 |
| CN111756656A (zh) * | 2020-06-05 | 2020-10-09 | 深圳供电局有限公司 | 一种基于可靠性和历史数据的电力通信网资源分配方法 |
| CN111901825A (zh) * | 2020-08-11 | 2020-11-06 | 中国联合网络通信集团有限公司 | 基于网络质量切片的无线通信网络质量评估方法和装置 |
| CN112511342A (zh) * | 2020-11-16 | 2021-03-16 | 北京邮电大学 | 网络切片方法、装置、电子设备及存储介质 |
| CN112613230A (zh) * | 2020-12-15 | 2021-04-06 | 云南电网有限责任公司 | 基于神经网络的网络切片资源动态划分方法及装置 |
| CN112541635A (zh) * | 2020-12-16 | 2021-03-23 | 平安养老保险股份有限公司 | 业务数据统计预测方法、装置、计算机设备及存储介质 |
Non-Patent Citations (3)
| Title |
|---|
| 5G承载网络切片管控技术研究;徐云斌;;信息通信技术与政策(第05期);全文 * |
| 5G网络切片场景中基于预测的虚拟网络功能动态部署算法;唐伦等;《电子与信息学报》;全文 * |
| Intelligent Resource Scheduling for 5G Radio Access Network Slicing;Mu Yan等;《 IEEE Transactions on Vehicular Technology》;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115242630A (zh) | 2022-10-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10938650B1 (en) | System, method, and computer program for improving a quality of experience based on artificial intelligence | |
| US11038776B2 (en) | Method and system for providing service experience analysis based on network data analysis | |
| Gutierrez-Estevez et al. | Artificial intelligence for elastic management and orchestration of 5G networks | |
| CN109845303B (zh) | 网络切片的管理方法及管理单元 | |
| CN113726846B (zh) | 边缘云系统、资源调度方法、设备及存储介质 | |
| US10771533B2 (en) | Adaptive communication control device | |
| US10708122B1 (en) | Network fault detection and quality of service improvement systems and methods | |
| US11171845B2 (en) | QoS-optimized selection of a cloud microservices provider | |
| CN112789832A (zh) | 动态切片优先级处理 | |
| CN111130825A (zh) | 网络切片模板生成方法、装置、设备及存储介质 | |
| WO2019029522A1 (zh) | 网络组件的管理方法和网络设备 | |
| CN115882981A (zh) | 下一代网络中的带有协作式频谱感测的非许可频谱采集 | |
| US20220012611A1 (en) | Method and machine learning manager for handling prediction of service characteristics | |
| US20220272510A1 (en) | Method and apparatus for use in communication networks having control and management planes | |
| EP3470983A1 (en) | Method, system and computer readable medium to allocate resources to at least one application | |
| CN115242630B (zh) | 一种5g网络切片的编排方法、装置及电子设备 | |
| Miyazawa et al. | Supervised learning based automatic adaptation of virtualized resource selection policy | |
| WO2023091215A1 (en) | Mapping an application signature to designated cloud resources | |
| Gritli et al. | Network slice provisioning taking into account tenant intents and operator policies | |
| Donatti et al. | Survey on machine learning-enabled network slicing: covering the entire life cycle | |
| Kamel et al. | Towards a client-side QoS monitoring and assessment using Generalized Pareto Distribution in a cloud-based environment | |
| US20200259724A1 (en) | A Network Aware Element and a Method for Using Same | |
| Basu et al. | DeepCare: Deep Learning-Based Smart Healthcare Framework using 5G Assisted Network Slicing | |
| CN116668542B (zh) | 一种增强型服务架构下基于异构资源绑定的业务执行方法 | |
| US11811676B2 (en) | Proactive auto-scaling |
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 |