CN115378817A - 服务功能链的资源备份方法、装置、设备及存储介质 - Google Patents
服务功能链的资源备份方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115378817A CN115378817A CN202211022997.1A CN202211022997A CN115378817A CN 115378817 A CN115378817 A CN 115378817A CN 202211022997 A CN202211022997 A CN 202211022997A CN 115378817 A CN115378817 A CN 115378817A
- Authority
- CN
- China
- Prior art keywords
- node
- nodes
- underlying
- bottom layer
- attribute
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 40
- 238000011084 recovery Methods 0.000 claims abstract description 30
- 230000006870 function Effects 0.000 claims description 93
- 238000004364 calculation method Methods 0.000 claims description 27
- 239000011159 matrix material Substances 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 11
- 150000007524 organic acids Chemical class 0.000 claims description 3
- 238000013468 resource allocation Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 238000010606 normalization Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011160 research 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
- H04L41/12—Discovery or management of network topologies
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/104—Peer-to-peer [P2P] networks
- H04L67/1074—Peer-to-peer [P2P] networks for supporting data block transmission mechanisms
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1095—Replication or mirroring of data, e.g. scheduling or transport for data synchronisation between network nodes
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请公开了一种服务功能链的资源备份方法、装置、设备及存储介质,通过在网络功能虚拟化环境下,查询服务功能链对应的底层资源,底层资源包括多个底层节点,并基于底层节点的链路拓扑数据,计算每个底层节点的可靠性属性值、流量属性值和恢复能力属性值,再利用加权相对熵算法,根据属性数据,确定每个底层节点的综合重要性程度值,以及对多个底层节点中综合重要性程度值小于预设值的目标底层节点进行备份。从而在保证电力业务可靠性的基础上,筛选出关键的底层节点,以选择更加合理的底层节点资源进行备份,减少对底层节点的备份量,从而提高备份效率。
Description
技术领域
本申请涉及电力通信网络技术领域,尤其涉及一种服务功能链的资源备份方法、装置、设备及存储介质。
背景技术
网络功能虚拟化(network function virtualization,NFV)能够解决底层网络和电力业务混合导致的电力业务管理方式复杂的问题。在NFV环境下,网络场景包括底层网络和服务功能链,其中服务功能链(service function chain,SFC)由端到端的虚拟网元构成,能够显著提升电力业务部署的效率。
然而,采用SFC方式部署电力业务后,电力业务的可靠性将受到底层资源、业务软件、资源共享等更多因素的影响,导致电力业务的可靠性降低。为此,相关技术采用资源共享和资源备份策略,对SFC使用的网络资源进行备份,但是相关技术的资源备份效率较低。
发明内容
本申请提供了一种服务功能链的资源备份方法、装置、设备及存储介质,以解决当前技术存在资源备份效率低的技术问题。
为了解决上述技术问题,第一方面,本申请提供了一种服务功能链的资源备份方法,包括:
在网络功能虚拟化环境下,查询服务功能链对应的底层资源,网络功能虚拟化环境包括底层网络和服务功能链,底层网络为服务功能链提供底层资源,底层资源包括多个底层节点;
基于底层节点的链路拓扑数据,计算每个底层节点的属性数据,属性数据包括可靠性属性值、流量属性值和恢复能力属性值,可靠性属性值用于表征底层节点的资源使用情况,流量属性值用于表征底层节点的业务承载能力,恢复能力属性值用于表征底层节点的故障恢复能力;
利用加权相对熵算法,根据属性数据,确定每个底层节点的综合重要性程度值;
对多个底层节点中综合重要性程度值大于预设值的目标底层节点进行备份。
作为优选,计算每个底层节点的属性数据,包括:
基于每个底层节点的CPU资源数据、带宽资源数据和链路拓扑数据,计算底层节点的可靠性属性值;
基于每个底层节点的流量数据和链路拓扑数据,计算底层节点的流量属性值;
基于每个底层节点的链路拓扑数据,计算底层节点的恢复能力属性值。
作为优选,基于每个底层节点的CPU资源数据、带宽资源数据和链路拓扑数据,计算底层节点的可靠性属性值,包括:
对于每个底层节点,利用预设的可靠性属性计算公式,根据底层节点的CPU资源数据、带宽资源数据和链路拓扑数据,计算底层节点的可靠性属性值,可靠性属性计算公式为:
表示底层节点集合Nc中的第i个底层节点,表示底层节点的可靠性属性值,表示底层节点的可用CPU资源量,表示底层节点的总CPU资源量,表示底层节点的可用带宽资源量,表示底层节点的总带宽资源量,表示与底层节点相连接的链路集合,表示中的底层链路,表示底层链路的带宽资源量,表示底层链路的可用带宽资源量。
作为优选,基于每个底层节点的流量数据和链路拓扑数据,计算底层节点的流量属性值,包括:
对于每个底层节点,利用预设的流量属性计算公式,根据底层节点的流量数据和链路拓扑数据,计算底层节点的流量属性值,流量属性计算公式为:
作为优选,基于每个底层节点的链路拓扑数据,计算底层节点的恢复能力属性值,包括:
对于每个底层节点,利用预设的恢复能力属性计算公式,根据底层节点的链路拓扑数据,计算底层节点的恢复能力属性值,恢复能力属性计算公式为:
作为优选,利用加权相对熵算法,根据属性数据,确定每个底层节点的综合重要性程度值,包括:
对于每个底层节点,对底层节点的属性数据进行归一化,生成底层节点的属性矩阵;
基于预设权重集合和属性矩阵,生成底层节点的目标理想决策方案,目标理想决策方案包括正理想决策方案和负理想决策方案;
利用加权相对熵算法,计算底层节点相对于目标理想决策方案的拟合度,拟合度为综合重要性程度值。
作为优选,利用加权相对熵算法,计算底层节点相对于目标理想决策方案的拟合度,包括:
利用加权相对熵算法,计算正理想决策方案的第一相对熵和负理想决策方案的第二相对熵;
利用预设拟合公式,根据第一相对熵和第二相对熵,计算底层节点相对于目标理想决策方案的拟合度,预设拟合公式为:
第二方面,本申请提供一种服务功能链的资源备份装置,包括:
查询模块,用于在网络功能虚拟化环境下,查询服务功能链对应的底层资源,网络功能虚拟化环境包括底层网络和服务功能链,底层网络为服务功能链提供底层资源,底层资源包括多个底层节点;
计算模块,用于基于底层节点的链路拓扑数据,计算每个底层节点的属性数据,属性数据包括可靠性属性值、流量属性值和恢复能力属性值,可靠性属性值用于表征底层节点的资源使用情况,流量属性值用于表征底层节点的业务承载能力,恢复能力属性值用于表征底层节点的故障恢复能力;
确定模块,用于利用加权相对熵算法,根据属性数据,确定每个底层节点的综合重要性程度值;
备份模块,用于对多个底层节点中综合重要性程度值大于预设值的目标底层节点进行备份。
第三方面,本申请提供一种计算机设备,包括处理器和存储器,存储器用于存储计算机程序,计算机程序被处理器执行时实现如第一方面的服务功能链的资源备份方法。
第四方面,本申请提供一种计算机可读存储介质,其存储有计算机程序,计算机程序被处理器执行时实现如第一方面的服务功能链的资源备份方法。
与现有技术相比,本申请至少具备以下有益效果:
通过在网络功能虚拟化环境下,查询服务功能链对应的底层资源,底层资源包括多个底层节点,并基于底层节点的链路拓扑数据,计算每个底层节点的属性数据,属性数据包括可靠性属性值、流量属性值和恢复能力属性值,可靠性属性值用于表征底层节点的资源使用情况,流量属性值用于表征底层节点的业务承载能力,恢复能力属性值用于表征底层节点的故障恢复能力,从而在考虑了底层网络的拓扑特征的基础上,分析出底层节点的可靠性、流量大小和恢复能力,从而能够在保证电力业务可靠性的基础上进行资源备份;再利用加权相对熵算法,根据属性数据,确定每个底层节点的综合重要性程度值,以及对多个底层节点中综合重要性程度值大于预设值的目标底层节点进行备份,从而利用加权相对熵算法,筛选出关键的底层节点,以选择更加合理的底层节点资源进行备份,减少对底层节点的备份量,从而提高备份效率。
附图说明
图1为本申请实施例示出的服务功能链的资源备份方法的流程示意图;
图2为本申请实施例示出服务功能链可用率的比较结果示意图;
图3为本申请实施例示出的资源分配成功率的比较结果示意图;
图4为本申请实施例示出的服务功能链的资源备份装置的结构示意图;
图5为本申请实施例示出的计算机设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
请参照图1,图1为本申请实施例提供的一种服务功能链的资源备份方法的流程示意图。本申请实施例的方法可应用于计算机设备,该计算机设备包括但不限于智能手机、笔记本电脑、平板电脑、桌上型计算机、物理服务器和云服务器等设备。如图1所示,本实施例的服务功能链的资源备份方法包括步骤S101至步骤S104,详述如下:
步骤S101,在网络功能虚拟化环境下,查询服务功能链对应的底层资源,所述网络功能虚拟化环境包括底层网络和所述服务功能链,所述底层网络为所述服务功能链提供底层资源,所述底层资源包括多个底层节点。
在本步骤中,在网络功能虚拟化环境下,网络场景包括底层网络和服务功能链;底层网络包括底层节点和底层链路,负责为服务功能链提供基础网络资源;服务功能链包括虚拟节点和虚拟链路,负责为特定的电力业务提供虚拟网络资源。
在底层网络方面,使用无向图Gc=(Nc,Ec)表示底层网络,Nc表示底层节点集合,Ec表示底层链路集合。Nc中的每个底层节点具有计算资源属性,并以表示;Ec中的每条底层链路具有带宽资源属性,使用表示。
在服务功能链方面,使用无向图Gv=(Nv,Ev)表示服务功能链;Nv表示服务功能链的虚拟节点集合,Ev表示服务功能链的虚拟链路集合;Nv中的每个虚拟节点具有计算资源属性,并以表示;Ev中的每条虚拟链路具有带宽资源属性,并以表示。
根据SFC在底层网络上的预设映射关系,查找承载SFC的底层节点资源。
步骤S102,基于所述底层节点的链路拓扑数据,计算每个所述底层节点的属性数据,所述属性数据包括可靠性属性值、流量属性值和恢复能力属性值,所述可靠性属性值用于表征所述底层节点的资源使用情况,所述流量属性值用于表征所述底层节点的业务承载能力,所述恢复能力属性值用于表征所述底层节点的故障恢复能力。
在本步骤中,链路拓扑数据包括底层节点之间的拓扑关系,即每个底层节点的底层链路集合。可选地,根据链路拓扑数据结合相关链路上的资源使用情况、流量和链路长度,计算底层节点的属性数据。
在一些实施例中,所述步骤S102,包括:
基于每个所述底层节点的CPU资源数据、带宽资源数据和所述链路拓扑数据,计算所述底层节点的可靠性属性值;
基于每个所述底层节点的流量数据和所述链路拓扑数据,计算所述底层节点的流量属性值;
基于每个所述底层节点的所述链路拓扑数据,计算所述底层节点的恢复能力属性值。
可选地,CPU资源数据(即计算资源数据)包括底层节点的可用CPU资源量和总CPU资源量,带宽资源数据包括底层节点的总带宽资源量和可用带宽资源量,链路拓扑数据包括每个底层节点所属的底层链路集合。对于每个所述底层节点,利用预设的可靠性属性计算公式,根据所述底层节点的所述CPU资源数据、所述带宽资源数据和链路拓扑数据,计算所述底层节点的可靠性属性值,所述可靠性属性计算公式为:
表示所述底层节点集合Nc中的第i个底层节点,表示底层节点的可靠性属性值,表示底层节点的可用CPU资源量,表示底层节点的总CPU资源量,表示底层节点的可用带宽资源量,表示底层节点的总带宽资源量,表示与底层节点相连接的链路集合,表示中的底层链路,表示底层链路的带宽资源量,表示底层链路的可用带宽资源量。
可选地,流量数据包括底层节点之间的流量,链路拓扑数据包括底层链路是否承载虚拟链路的状态数据。对于每个所述底层节点,利用预设的流量属性计算公式,根据所述底层节点的所述流量数据和所述链路拓扑数据,计算所述底层节点的流量属性值,所述流量属性计算公式为:
需要说明的是,底层节点的流量大小决定了底层节点上承载的业务量的大小。当底层节点上承载的业务量较大时,底层节点为重要节点。底层节点的直连节点集合使用表示,即底层节点和底层节点的链路上承载的虚拟链路使用eV表示。表示底层节点和底层节点的链路上的流量。如果表示底层链路上承载了虚拟链路,使用大于0的决策变量δij表示。否则,决策变量δij被设置为0。底层节点的直连节点的所有流量使用公式(4)计算。其中,取值越大,表示当前节点上承载的SFC的业务流量越大,越需要进行重点保护。
可选地,链路拓扑数据包括链路之间的链路长度。所述基于每个所述底层节点的所述链路拓扑数据,计算所述底层节点的恢复能力属性值,包括:
对于每个所述底层节点,利用预设的恢复能力属性计算公式,根据所述底层节点的所述链路拓扑数据,计算所述底层节点的恢复能力属性值,所述恢复能力属性计算公式为:
其中,表示所述底层节点集合Nc中的第i个底层节点,表示Nc中的第j个底层节点,表示Nc中的第k个底层节点,表示底层节点的恢复能力属性值,表示不可用后,和恢复与之间的链路所需要增加备份资源的链路长度,即不可用后,增加用于恢复与相连的链路所需要的备用资源和之间的链路长度。
需要说明的是,底层节点的恢复能力是指底层节点发生故障后所需要的恢复时间,其中当底层节点的周边节点数量较多时,说明当前底层节点具有较多的备份资源,则当前底层节点具有较高的恢复能力。其中值越小,表示底层节点的恢复能力越强。
步骤S103,利用加权相对熵算法,根据所述属性数据,确定每个所述底层节点的综合重要性程度值。
在本步骤中,由于TOPSIS方法对资源排序时不能区分偏离资源排序中垂线上的节点,而本实施例采用加权相对熵算法对节点的重要性进行分析,以采用相对熵排序方法对资源进行排序,能够避免无法对偏离资源排序中垂线的节点的问题。
可选地,加权相对熵算法对两个系统采用相对熵进行评价。例如,当系统A和系统B有N个状态时,系统A和系统B的相对熵C为:
其中,系统A的N个状态使用Ai(i=1,2,...,N)表示,系统B的N个状态使用Bi(i=1,2,...,N)表示,相对熵C取值的大小表示系统A和系统B状态的区别大小。相对熵C取值越小,系统A和系统B状态的区别越小。
可选地,所述步骤S104,包括:
对于每个所述底层节点,对所述底层节点的属性数据进行归一化,生成所述底层节点的属性矩阵;
基于预设权重集合和所述属性矩阵,生成所述底层节点的目标理想决策方案,所述目标理想决策方案包括正理想决策方案和负理想决策方案;
利用所述加权相对熵算法,计算所述底层节点相对于所述目标理想决策方案的拟合度,所述拟合度为所述综合重要性程度值。
在本实施例中,所述利用所述加权相对熵算法,计算所述底层节点相对于所述目标理想决策方案的拟合度,包括:利用所述加权相对熵算法,计算所述正理想决策方案的第一相对熵和所述负理想决策方案的第二相对熵;利用预设拟合公式,根据所述第一相对熵和所述第二相对熵,计算所述底层节点相对于所述目标理想决策方案的拟合度。
示例性地,承载SFC的底层节点的数量为N,每个底层节点的属性数量为M,此时可以构建底层节点的矩阵X。其中,每个元素xij(i=1,2,...,N;j=1,2,...,M)表示第i个底层节点的第j个属性值,矩阵为:
底层节点的可靠性属性值和流量属性值作为效益型属性元素,采用效益型归一化公式进行归一化处理,效益型归一化公式为:
底层节点的恢复能力作为成本型属性元素,采用成本型归一化公式进行归一化处理,成本型归一化公式为:
通过上述对矩阵X归一化后,得到的属性矩阵为R=(rij)N×M。基于预设权重集合,为每个指标赋予一个权重值wj(j=1,2,...,M;∑wj=1),用于评价每个指标的重要性。
计算每个底层节点的正理想决策方案A+和负理想决策方案A-。
计算所述底层节点相对于所述目标理想决策方案的拟合度,所述预设拟合公式为:
步骤S104,对多个所述底层节点中所述综合重要性程度值大于预设值的目标底层节点进行备份。
在本步骤中,按照底层节点的拟合度顺序,根据备份资源数量对重要性程度值大于预设值的底层节点进行备份。备份策略是每个底层节点需要有θ数量的可用资源。可选地,θ取值为当前资源总容量的30%。
作为示例而非限定,为了分析基于加权相对熵的服务功能链资源备份算法SFCRBAoWRE的性能,使用GT-ITM工具生成虚拟化环境下的网络环境。网络环境下包括底层网络和服务功能链,底层网络使用不同数量的节点模拟不同规模的网络环境。服务功能链采用随机生成端到端的路径进行模拟。底层网络节点的数量从50个增加到100个。
通过研究分析可知,基于资源可靠性的底层网络资源可靠性提升算法(substratenetwork resources reliability improvement algorithm based on resourcereliability,SNRRIAoRR)是资源备份的常用算法,该算法使用备份资源对可靠性低的底层网络资源进行备份。
在性能指标方面,分析底层节点发生故障后两个算法(即对比SFCRBAoWRE与SNRRIAoRR)的服务功能链的可用率、服务功能链的资源分配成功率两个指标。为模拟底层节点的故障,随机选择[0.05%,0.5%]的底层节点发生故障。在备份资源方面,采用底层节点总资源量的10%作为备份资源。
在服务功能链的可用率分析方面,分析两个算法在底层节点发生故障后可用服务功能链在总的服务功能链中的占比。从图2的分析结果可知,随着底层节点数量的增加,两个算法下的服务功能链的可用率比较平稳。说明两个算法在不同规模的网络环境下都取得了比较稳定的结果。两个算法的性能分析比较可知,本申请算法下的服务功能链可用率高于对比算法。这是因为本申请备份资源的维度包括底层节点的可靠性、流量大小以及恢复能力,选择了更合理的底层节点资源进行备份。
在服务功能链的资源分配成功率分析方面,分析了两个算法在底层节点发生故障后服务功能链的资源分配成功率。从图3的分析结果可知,随着底层节点数量的增加,两个算法下服务功能链的资源分配成功率都逐渐提升。这说明网络规模的增加,可以有更多的可用资源为服务功能链分配资源,从而提升了服务功能链的资源分配成功率。两个算法的服务功能链资源分配成功率比较方面,本申请算法下的资源分配成功率较高。说明本申请算法备份的资源位置比较合理,从而提升了服务功能链的资源分配成功率。
为了执行上述方法实施例对应的服务功能链的资源备份方法,以实现相应的功能和技术效果。参见图4,图4示出了本申请实施例提供的一种服务功能链的资源备份装置的结构框图。为了便于说明,仅示出了与本实施例相关的部分,本申请实施例提供的服务功能链的资源备份装置,包括:
查询模块401,用于在网络功能虚拟化环境下,查询服务功能链对应的底层资源,所述网络功能虚拟化环境包括底层网络和所述服务功能链,所述底层网络为所述服务功能链提供底层资源,所述底层资源包括多个底层节点;
计算模块402,用于基于所述底层节点的链路拓扑数据,计算每个所述底层节点的属性数据,所述属性数据包括可靠性属性值、流量属性值和恢复能力属性值,所述可靠性属性值用于表征所述底层节点的资源使用情况,所述流量属性值用于表征所述底层节点的业务承载能力,所述恢复能力属性值用于表征所述底层节点的故障恢复能力;
确定模块403,用于利用加权相对熵算法,根据所述属性数据,确定每个所述底层节点的综合重要性程度值;
备份模块404,用于对多个所述底层节点中所述综合重要性程度值大于预设值的目标底层节点进行备份。
在一些实施例中,所述计算模块402,包括:
第一计算单元,用于基于每个所述底层节点的CPU资源数据、带宽资源数据和所述链路拓扑数据,计算所述底层节点的可靠性属性值;
第二计算单元,用于基于每个所述底层节点的流量数据和所述链路拓扑数据,计算所述底层节点的流量属性值;
第三计算单元,用于基于每个所述底层节点的所述链路拓扑数据,计算所述底层节点的恢复能力属性值。
在一些实施例中,所述第一计算单元,具体用于:
对于每个所述底层节点,利用预设的可靠性属性计算公式,根据所述底层节点的所述CPU资源数据、所述带宽资源数据和链路拓扑数据,计算所述底层节点的可靠性属性值,所述可靠性属性计算公式为:
表示所述底层节点集合Nc中的第i个底层节点,表示底层节点的可靠性属性值,表示底层节点的可用CPU资源量,表示底层节点的总CPU资源量,表示底层节点的可用带宽资源量,表示底层节点的总带宽资源量,表示与底层节点相连接的链路集合,表示中的底层链路,表示底层链路的带宽资源量,表示底层链路的可用带宽资源量。
在一些实施例中,所述第二计算单元,具体用于:
对于每个所述底层节点,利用预设的流量属性计算公式,根据所述底层节点的所述流量数据和所述链路拓扑数据,计算所述底层节点的流量属性值,所述流量属性计算公式为:
在一些实施例中,所述第三计算单元,具体用于:
对于每个所述底层节点,利用预设的恢复能力属性计算公式,根据所述底层节点的所述链路拓扑数据,计算所述底层节点的恢复能力属性值,所述恢复能力属性计算公式为:
在一些实施例中,所述确定模块403,包括:
第一生成单元,用于对于每个所述底层节点,对所述底层节点的属性数据进行归一化,生成所述底层节点的属性矩阵;
第二生成单元,用于基于预设权重集合和所述属性矩阵,生成所述底层节点的目标理想决策方案,所述目标理想决策方案包括正理想决策方案和负理想决策方案;
第四计算单元,用于利用所述加权相对熵算法,计算所述底层节点相对于所述目标理想决策方案的拟合度,所述拟合度为所述综合重要性程度值。
在一些实施例中,所述第四计算单元,具体用于:
利用所述加权相对熵算法,计算所述正理想决策方案的第一相对熵和所述负理想决策方案的第二相对熵;
利用预设拟合公式,根据所述第一相对熵和所述第二相对熵,计算所述底层节点相对于所述目标理想决策方案的拟合度,所述预设拟合公式为:
上述的服务功能链的资源备份装置可实施上述方法实施例的服务功能链的资源备份方法。上述方法实施例中的可选项也适用于本实施例,这里不再详述。本申请实施例的其余内容可参照上述方法实施例的内容,在本实施例中,不再进行赘述。
图5为本申请一实施例提供的计算机设备的结构示意图。如图5所示,该实施例的计算机设备5包括:至少一个处理器50(图5中仅示出一个)处理器、存储器51以及存储在所述存储器51中并可在所述至少一个处理器50上运行的计算机程序52,所述处理器50执行所述计算机程序52时实现上述任意方法实施例中的步骤。
所述计算机设备5可以是智能手机、平板电脑、桌上型计算机和云端服务器等计算设备。该计算机设备可包括但不仅限于处理器50、存储器51。本领域技术人员可以理解,图5仅仅是计算机设备5的举例,并不构成对计算机设备5的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如还可以包括输入输出设备、网络接入设备等。
所称处理器50可以是中央处理单元(Central Processing Unit,CPU),该处理器50还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(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。
所述存储器51在一些实施例中可以是所述计算机设备5的内部存储单元,例如计算机设备5的硬盘或内存。所述存储器51在另一些实施例中也可以是所述计算机设备5的外部存储设备,例如所述计算机设备5上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器51还可以既包括所述计算机设备5的内部存储单元也包括外部存储设备。所述存储器51用于存储操作系统、应用程序、引导装载程序(BootLoader)、数据以及其他程序等,例如所述计算机程序的程序代码等。所述存储器51还可以用于暂时地存储已经输出或者将要输出的数据。
另外,本申请实施例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存储有计算机程序,所述计算机程序被处理器执行时实现上述任意方法实施例中的步骤。
本申请实施例提供了一种计算机程序产品,当计算机程序产品在计算机设备上运行时,使得计算机设备执行时实现上述各个方法实施例中的步骤。
在本申请所提供的几个实施例中,可以理解的是,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码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。也应当注意的是,在有些作为替换的实现方式中,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。
所述功能如果以软件功能模块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,本申请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执行本申请各个实施例所述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、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述的具体实施例,对本申请的目的、技术方案和有益效果进行了进一步的详细说明,应当理解,以上所述仅为本申请的具体实施例而已,并不用于限定本申请的保护范围。特别指出,对于本领域技术人员来说,凡在本申请的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种服务功能链的资源备份方法,其特征在于,包括:
在网络功能虚拟化环境下,查询服务功能链对应的底层资源,所述网络功能虚拟化环境包括底层网络和所述服务功能链,所述底层网络为所述服务功能链提供底层资源,所述底层资源包括多个底层节点;
基于所述底层节点的链路拓扑数据,计算每个所述底层节点的属性数据,所述属性数据包括可靠性属性值、流量属性值和恢复能力属性值,所述可靠性属性值用于表征所述底层节点的资源使用情况,所述流量属性值用于表征所述底层节点的业务承载能力,所述恢复能力属性值用于表征所述底层节点的故障恢复能力;
利用加权相对熵算法,根据所述属性数据,确定每个所述底层节点的综合重要性程度值;
对多个所述底层节点中所述综合重要性程度值小于预设值的目标底层节点进行备份。
2.如权利要求1所述的服务功能链的资源备份方法,其特征在于,所述计算每个所述底层节点的属性数据,包括:
基于每个所述底层节点的CPU资源数据、带宽资源数据和所述链路拓扑数据,计算所述底层节点的可靠性属性值;
基于每个所述底层节点的流量数据和所述链路拓扑数据,计算所述底层节点的流量属性值;
基于每个所述底层节点的所述链路拓扑数据,计算所述底层节点的恢复能力属性值。
3.如权利要求2所述的服务功能链的资源备份方法,其特征在于,所述基于每个所述底层节点的CPU资源数据、带宽资源数据和所述链路拓扑数据,计算所述底层节点的可靠性属性值,包括:
对于每个所述底层节点,利用预设的可靠性属性计算公式,根据所述底层节点的所述CPU资源数据、所述带宽资源数据和链路拓扑数据,计算所述底层节点的可靠性属性值,所述可靠性属性计算公式为:
6.如权利要求1所述的服务功能链的资源备份方法,其特征在于,所述利用加权相对熵算法,根据所述属性数据,确定每个所述底层节点的综合重要性程度值,包括:
对于每个所述底层节点,对所述底层节点的属性数据进行归一化,生成所述底层节点的属性矩阵;
基于预设权重集合和所述属性矩阵,生成所述底层节点的目标理想决策方案,所述目标理想决策方案包括正理想决策方案和负理想决策方案;
利用所述加权相对熵算法,计算所述底层节点相对于所述目标理想决策方案的拟合度,所述拟合度为所述综合重要性程度值。
8.一种服务功能链的资源备份装置,其特征在于,包括:
查询模块,用于在网络功能虚拟化环境下,查询服务功能链对应的底层资源,所述网络功能虚拟化环境包括底层网络和所述服务功能链,所述底层网络为所述服务功能链提供底层资源,所述底层资源包括多个底层节点;
计算模块,用于基于所述底层节点的链路拓扑数据,计算每个所述底层节点的属性数据,所述属性数据包括可靠性属性值、流量属性值和恢复能力属性值,所述可靠性属性值用于表征所述底层节点的资源使用情况,所述流量属性值用于表征所述底层节点的业务承载能力,所述恢复能力属性值用于表征所述底层节点的故障恢复能力;
确定模块,用于利用加权相对熵算法,根据所述属性数据,确定每个所述底层节点的综合重要性程度值;
备份模块,用于对多个所述底层节点中所述综合重要性程度值大于预设值的目标底层节点进行备份。
9.一种计算机设备,其特征在于,包括处理器和存储器,所述存储器用于存储计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1至7任一项所述的服务功能链的资源备份方法。
10.一种计算机可读存储介质,其特征在于,其存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的服务功能链的资源备份方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211022997.1A CN115378817B (zh) | 2022-08-24 | 2022-08-24 | 服务功能链的资源备份方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211022997.1A CN115378817B (zh) | 2022-08-24 | 2022-08-24 | 服务功能链的资源备份方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115378817A true CN115378817A (zh) | 2022-11-22 |
CN115378817B CN115378817B (zh) | 2023-09-22 |
Family
ID=84068058
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211022997.1A Active CN115378817B (zh) | 2022-08-24 | 2022-08-24 | 服务功能链的资源备份方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115378817B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180018195A1 (en) * | 2016-07-15 | 2018-01-18 | Kt Corporation | System for providing virtual customer premises equipment services in network function virtualization environment, and network function virtualization cloud for the same |
CN110190987A (zh) * | 2019-05-08 | 2019-08-30 | 南京邮电大学 | 基于备份收益与重映射的虚拟网络功能可靠性部署方法 |
CN111901170A (zh) * | 2020-07-29 | 2020-11-06 | 中国人民解放军空军工程大学 | 可靠性感知的服务功能链备份保护方法 |
CN112685209A (zh) * | 2020-12-24 | 2021-04-20 | 国网河南省电力公司信息通信公司 | 一种虚拟资源检修服务故障恢复方法及系统 |
CN113114514A (zh) * | 2021-05-07 | 2021-07-13 | 广东电网有限责任公司电力调度控制中心 | 一种基于多属性层次分析法的网络资源备份方法及系统 |
CN113873040A (zh) * | 2021-09-29 | 2021-12-31 | 国网河南省电力公司信息通信公司 | 基于区块链的电力物联网跨域服务功能链编排方法 |
-
2022
- 2022-08-24 CN CN202211022997.1A patent/CN115378817B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180018195A1 (en) * | 2016-07-15 | 2018-01-18 | Kt Corporation | System for providing virtual customer premises equipment services in network function virtualization environment, and network function virtualization cloud for the same |
CN110190987A (zh) * | 2019-05-08 | 2019-08-30 | 南京邮电大学 | 基于备份收益与重映射的虚拟网络功能可靠性部署方法 |
CN111901170A (zh) * | 2020-07-29 | 2020-11-06 | 中国人民解放军空军工程大学 | 可靠性感知的服务功能链备份保护方法 |
CN112685209A (zh) * | 2020-12-24 | 2021-04-20 | 国网河南省电力公司信息通信公司 | 一种虚拟资源检修服务故障恢复方法及系统 |
CN113114514A (zh) * | 2021-05-07 | 2021-07-13 | 广东电网有限责任公司电力调度控制中心 | 一种基于多属性层次分析法的网络资源备份方法及系统 |
CN113873040A (zh) * | 2021-09-29 | 2021-12-31 | 国网河南省电力公司信息通信公司 | 基于区块链的电力物联网跨域服务功能链编排方法 |
Non-Patent Citations (1)
Title |
---|
黄睿;张红旗;常德显;: "网络功能虚拟化环境下安全服务链故障的备份恢复机制", no. 04 * |
Also Published As
Publication number | Publication date |
---|---|
CN115378817B (zh) | 2023-09-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112988398A (zh) | 一种微服务动态伸缩及迁移方法和装置 | |
CN110798517B (zh) | 去中心化集群负载均衡方法、系统、移动终端及存储介质 | |
CN113114517B (zh) | 网络切片下基于节点特征的网络资源动态备份方法及系统 | |
CN111190696A (zh) | Docker容器的部署方法、系统、设备及存储介质 | |
CN109739433A (zh) | 数据处理的方法及终端设备 | |
CN115941708B (zh) | 云端大数据存储管理方法、装置、电子设备及存储介质 | |
CN110099112A (zh) | 基于点对点网络的数据存储方法、装置、介质及终端设备 | |
EP4167540A1 (en) | Availability slo-aware network optimization | |
CN111160661A (zh) | 一种电力通信网可靠性优化方法、系统以及设备 | |
CN113114514B (zh) | 一种基于多属性层次分析法的网络资源备份方法及系统 | |
CN114418226A (zh) | 电力通信系统的故障分析方法及装置 | |
CN112953781A (zh) | 网络切片下基于粒子群的虚拟业务故障恢复方法及装置 | |
CN115361295B (zh) | 基于topsis的资源备份方法、装置、设备及介质 | |
CN115378817B (zh) | 服务功能链的资源备份方法、装置、设备及存储介质 | |
CN114157583B (zh) | 一种基于可靠性的网络资源启发式映射方法及系统 | |
Gu et al. | Optimization of service addition in multilevel index model for edge computing | |
CN116248676A (zh) | 边缘云节点组合确定方法及装置 | |
CN113377866A (zh) | 一种虚拟化数据库代理服务的负载均衡方法及装置 | |
CN109242321A (zh) | 用户电力负荷在线分析方法及终端设备 | |
CN110134575B (zh) | 一种服务器集群的服务能力计算方法及装置 | |
CN113722554A (zh) | 数据分类方法、装置及计算设备 | |
CN113038520B (zh) | 一种拓扑感知的虚拟网服务故障恢复方法及系统 | |
CN111740871A (zh) | 一种数据采集方法及装置 | |
CN113535388B (zh) | 面向任务的服务功能聚合方法 | |
CN108009190B (zh) | 一种数据导出方法、数据导出系统及计算机装置 |
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 |