CN115511388A - 一种基于规则测算模型的业务需求算力度量方法 - Google Patents

Abstract

本发明公开了一种基于规则测算模型的业务需求算力度量方法，该方法包括以下步骤：S1、构建算力度量测算模型，形成完整并能迭代维护的业务算力度量规则库；S2、通过对业务参数特征值进行提取与匹配，校验出与算力度量相关的业务度量指标参数，并将业务度量指标参数写入缓存中存储；S3、基于度量规则，对业务需求算力进行计算，并输出业务场景需要的算力数值。本发明关键在于对度量规则测算模型的建立，通过业务度量指标、度量系数、基础算力三个维度，建立合理的业务需求度量规则库，并通过迭代提升与算网场景计算公式进行关联，得出相对准确的算力度量结果。

Description

一种基于规则测算模型的业务需求算力度量方法

技术领域

本发明涉及电信网管技术领域，具体来说，涉及一种基于规则测算模型的业务需求算力度量方法。

背景技术

算力度量，即对算力需求和算力资源进行统一的抽象描述，并结合网络性能指标形成算网能力模板，为算力路由、算力管理和算力计量等提供标准统一的度量规则。业务需求算力度量，是指满足算网融合业务场景需求合理的算力资源描述，即满足该业务使用要求应提供多少的算力值。

当前对于业务需求算力资源的度量主要依赖于人员的经验，没有统一的标准和科学的计算依据，用户依据自身的诉求和认知，提出认为需要的算力资源，如5台8C16G的虚机，500G存储，不带GPU，在自助商城或CRM直接订购算力资源。

但是该模式严重依赖于个人的经验和认知准确率，因每个人的熟练度和经验不同，以及越来越丰富的场景支撑诉求，导致同一个应用场景申请的资源差别很大，或新场景下没有过往经验借鉴带来资源订购的困难，无法精准评估业务使用诉求而导致资源不够或资源过剩，给运营商和客户带来运营和体验的麻烦，在上述评估和度量业务资源需求的模式下，其存在的缺点如下：

1）精准度不够，算力资源分配冗余或不够：没有标准科学的模型支撑，仅靠个人的经验评估度量业务需要的算力，导致分配的算力太多或不足，业务需求的算力度量不够精准。

2）灵活度不够，难以应对未来算网多要素度量要求：人员经验基于具体的一种业务场景，在算力网络的发展趋势下，必定会带来更多资源要素的融合场景出现，而目前以人为评估度量的方式将不能满足要求。

3）复用度不够，已有经验和规则无法积累和复用：原有的模式重点在人，好的经验无法进行传播使用，不能形成度量规则库以系统方式统筹管理和应用，经验无法积累进而无法完善度量规则。

针对相关技术中的问题，目前尚未提出有效的解决方案。

发明内容

针对相关技术中的问题，本发明提出一种基于规则测算模型的业务需求算力度量方法，以克服现有相关技术所存在的上述技术问题。

为此，本发明采用的具体技术方案如下：

一种基于规则测算模型的业务需求算力度量方法，该方法包括以下步骤：

S1、构建算力度量测算模型，形成完整并能迭代维护的业务算力度量规则库；

S2、通过对业务参数特征值进行提取与匹配，校验出与算力度量相关的业务度量指标参数，并将业务度量指标参数写入缓存中存储；

S3、基于度量规则，对业务需求算力进行计算，并输出业务场景需要的算力数值。

进一步的，所述算力度量测算模型包括对业务度量指标管理、对度量系数管理及对基础算力管理；

所述对业务度量指标管理包括：建立与业务度量相关的指标参数，并将业务度量指标按查询类、识别类、容量类、带宽类及规模类目录进行管理；

所述对度量系数管理包括：根据不同的算力资源进行分类管理；

所述对基础算力管理包括：作为业务算力度量计算的基础值，在计算业务算力时作为基础能力值输入，同时对基础算力进行管理。

进一步的，所述通过对业务参数特征值进行提取与匹配，校验出与算力度量相关的业务度量指标参数，并将业务度量指标参数写入缓存中存储包括以下步骤：

S21、对业务特征值进行提取，将算网的业务度量诉求转化成度量需要的内部报文并存储；

S22、将缓存数据库的业务度量指标进行逐一比对，完成业务关键指标与规则模型库的业务度量指标匹配；

S23、将业务度量指标校验通过的参数，写入至缓存中进行存储。

进一步的，所述对业务特征值进行提取，将算网的业务度量诉求转化成度量需要的内部报文并存储包括以下步骤：

S211、当接收到算网业务算力度量申请时，将申请需求报文进行解析；

S212、对业务参数节点的业务度量指标进行提取，提取的内容包括参数编码、参数名称、参数值、参数描述；

S213、将业务特征值中的报文样式转换成为标准化的key-value格式，并存储至内存数据库中。

进一步的，所述将缓存数据库的业务度量指标进行逐一比对，完成业务关键指标与规则模型库的业务度量指标的匹配包括以下步骤：

S221、将存至缓存数据库中的key-value格式的业务参数，与度量规则模型库的业务度量指标进行匹配比对，将外部参数与业务度量指标的参数进行关联；

S222、采用多级字段进行比对，第一级比对参数编码，如果参数编码完全匹配，将比对结果写入度量参数集，反之，将继续比对参数名称，若参数名称比对匹配，同样将结果写入度量参数集。

进一步的，所述将业务度量指标校验通过的参数，写入至缓存中进行存储包括以下步骤：

S231、对业务度量指标的值进行合法性校验；

S232、业务度量指标校验通过的参数写入到缓存中存储，反之，则不被写入。

进一步的，所述合法性校验包括长度、范围或值类型中的至少一种。

进一步的，所述基于度量规则，对业务需求算力进行计算，并输出业务场景需要的算力数值包括以下步骤：

S31、将业务参数指标、度量系数、基础算力与算网场景公式进行关联；

S32、将算网场景公式使用到的基础算力参数、度量系数参数和业务度量指标参数进行赋值；

S33、对赋值后的参数进行规则转换；

S34、在所有的参数进行关联、赋值、转换后，进行算力度量计算。

进一步的，所述将算网场景公式使用到的基础算力参数、度量系数参数和业务度量指标参数进行赋值中赋值的来源包括：基础算力参数赋值、度量系数参数赋值及业务度量指标参数赋值。

进一步的，所述对赋值后的参数进行规则转换中转换的方式包括：参数取值转换、函数取值转换及固定值转换。

本发明的有益效果为：

1、本发明是面向算力网络多要素融合业务场景下，提出一种基于规则测算模型的业务需求算力度量方法和技术，通过建立业务场景关键指标与所需算力的测算关系模型，构建业务算力度量规则库并支持迭代更新，从而为业务的最优算力度量和评估提供模型支持，提升需求使用资源的精准度，减少资源的浪费，帮助运营商更好的服务于客户，提升运营效益。

2、本发明提出一种基于规则测算模型的业务需求算力度量方法和技术，通过建立业务场景关键指标与所需算力的测算关系模型，来解决目前算网业务需求算力评估和度量由人为经验评估的问题，通过该方法提供一种可面向未来算网多要素、融合、复杂业务的科学、合理、精准的评估办法，使算力在面向业务时可标准度量和描述，为前端运营减负，为客户服务提质。本发明关键在于对度量规则测算模型的建立，通过业务度量指标、度量系数、基础算力三个维度，建立合理的业务需求度量规则库，并通过迭代提升与算网场景计算公式进行关联，得出相对准确的算力度量结果。

3、本发明具有很强的实用性，应用不限于电信行业场景，同样适用于其他行业，如互联网算力服务提供商等，本方案不仅仅是对当前算力业务资源灵活度量的方法，还是对未来算力网络发展后融合云网边端数智链安多要素的复杂业务形态的算力度量支撑思路，可带给运营商、社会更好的服务，具有很强的复制性和推广性。且本发明客观准确，主要依赖人工经验对业务场景算力进行评估，受主观因素影响存在较大主观性和不确定性，是一种科学、合理、精准的评估办法，且灵活高效，通过构建业务指标参数、度量系数、基础算力的度量规则测算模型，且模型可支持人工输入迭代和更新，扩展性强，不仅适用于云网融合阶段，还适用云网边端数智链安融合的算力网络阶段，针对场景的业务算力度量较为灵活高效，同时本发明经验可沉淀，以度量模型对各种不同的算网需求场景规则进行统一管理，代替了以前人为的记忆管理，可对度量的经验进行沉淀，并为后续其它算网场景的支撑提供依据。

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，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅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是根据本发明实施例的一种基于规则测算模型的业务需求算力度量方法的流程图；

图2是根据本发明实施例的一种基于规则测算模型的业务需求算力度量方法的示例图；

图3是根据本发明实施例的一种基于规则测算模型的业务需求算力度量方法中步骤S2的流程图；

图4是根据本发明实施例的一种基于规则测算模型的业务需求算力度量方法中步骤S21的流程图；

图5是根据本发明实施例的一种基于规则测算模型的业务需求算力度量方法中步骤S22的流程图；

图6是根据本发明实施例的一种基于规则测算模型的业务需求算力度量方法中步骤S3的流程图。

具体实施方式

为进一步说明各实施例，本发明提供有附图，这些附图为本发明揭露内容的一部分，其主要用以说明实施例，并可配合说明书的相关描述来解释实施例的运作原理，配合参考这些内容，本领域普通技术人员应能理解其他可能的实施方式以及本发明的优点。

根据本发明的实施例，提供了一种基于规则测算模型的业务需求算力度量方法。

现结合附图和具体实施方式对本发明进一步说明，如图1与图2所示，根据本发明实施例的基于规则测算模型的业务需求算力度量方法，该方法包括以下步骤：

步骤S1、构建算力度量测算模型，形成完整并能迭代维护的业务算力度量规则库；

其中，所述算力度量测算模型包括对业务度量指标管理、对度量系数管理及对基础算力管理；

所述业务度量指标是建立与业务度量相关的指标参数，并目前纯算力、AI（人工智能）、智能等算网应用场景，将业务度量指标按查询类、识别类、容量类、带宽类、规模类等目录进行管理，业务度量指标的数据内容应包括：指标名称、指标编码、指标单位、指标取值类型（范围值、枚举值、固定值等）、指标值步长、默认值等；

所述度量系数管理，用于根据不同的算力资源进行分类管理；所述度量系数是根据不同的算力资源提供厂家来管理，因不同的设备厂家提供的算力能力有差异，因此通过度量系数来拉平不同厂家的算力能力，在计算业务需求算力度量的时候，需要根据厂家对应的度量系数来调整算力值大小，按不同的厂家能力进行分类，可大致分为三类：标准类、超额类、收缩类；

其中，标准类即算力标准基准，设定标准类的度量系数为1.0，标准类的厂家包括：移动自营云、天翼自营云、中兴云、华三云；

超额类即超出标准基准算力的类别，其度量系数为1.0以上，超额类的厂家包括：华为云（1.2）、阿里云（1.1）、腾讯云（1.1）、亚马逊云（1.1）；

收缩类即低于标准基准算力的类别，其度量系数为1.0以下，收缩类厂家包括（建议）：Ucloud（0.9）、金山云（0.8）、VMware（0.9）、OpenStack（0.8）、KVM（0.8）；

Ucloud译为优刻得（云计算服务商），VMware译为Virtual Machine ware，威睿（虚拟机软件提供商），OpenStack译为开源的云计算管理平台，KVM译为虚拟机，Kernel-basedVirtual Machine的简称，是一个开源的系统虚拟化模块；

所述基础算力管理，用于作为业务算力度量计算的基础值，在计算业务算力时作为基础能力值输入，同时对基础算力进行管理，提升算力度量类型的多样性，例如算力分FP16（半精度算力）、FP32（单精度算力）、存储分MB（兆）、GB（千兆）等；

基础算力的管理是根据算力资源类型和芯片类型来进行定义管理，芯片类型包括CPU中央处理器（Intel因特尔、Kunpeng鲲鹏）、GPU图形处理器（NVIDIA英伟达T4、V100、V100S、A100），算力资源类型包括图像计算、科学计算、通用计算、GPU专型、超算等；

具体的，根据以下的算力资源类型和芯片类型来分类，基础算力如下：

如图3所示，步骤S2、所述通过对业务参数特征值进行提取与匹配，

校验出与算力度量相关的业务度量指标参数，并将业务度量指标参数写入缓存中存储；

其中，将所述S1的步骤完成后就构建了包含业务指标参数、度量系数、基础算力的业务算力度量规则模型，通过模型的管理为后续业务的度量计算提供测算依据和数据输入；

因此，当外部客户通过运营商自助申请门户或前台客户经理对算网融合场景进行咨询或资源申请时，会对业务关键参数指标进行识别，业务关键指标的识别包括以下步骤：

步骤S21、对业务特征值进行提取，将算网的业务度量诉求转化成度量需要的内部报文并存储；

具体的，如图4所示，所述对业务特征值进行提取，将算网的业务度量诉求转化成度量需要的内部报文并存储包括以下步骤：

步骤S211、当接收到算网业务算力度量申请时，将申请需求报文进行解析；

步骤S212、对业务参数节点的业务度量指标进行提取，提取的内容包括参数编码、参数名称、参数值、参数描述；

步骤S213、将业务特征值中的报文样式转换成为标准化的key-value格式，并存储至内存数据库中；

业务特征值提取需要解决的问题是算网业务订购报文的多样性，会存在xml、json或txt文件等报文样式，因此提供外部报文到内部标准报文的内存读写转换技术，将多样化的外部报文格式，通过转换成为标准化的key-value的格式，并存储在内存数据库中。

如图5所示，步骤S22、将缓存数据库的业务度量指标进行逐一比对，完成业务关键指标与规则模型库的业务度量指标匹配；

具体的，所述将缓存数据库的业务度量指标进行逐一比对，完成业务关键指标与规则模型库的业务度量指标匹配包括以下步骤：

步骤S221、将存至缓存数据库中的key-value格式的业务参数，与度量规则模型库的业务度量指标进行匹配比对，将外部参数与业务度量指标的参数进行关联，作为业务需求算力度量的入参来源之一；

步骤S222、采用多级字段进行比对，第一级比对参数编码，如果参数编码完全匹配，将比对结果写入度量参数集，反之，将继续比对参数名称，若参数名称比对匹配，同样将结果写入度量参数集。

步骤S23、所述将业务度量指标校验通过的参数，写入至缓存中进行存储包括以下步骤。

具体的，所述将业务度量指标校验通过的参数，写入至缓存中进行存储包括以下步骤包括以下步骤：

步骤S231、对业务度量指标的值进行合法性校验；

其中，所述合法性校验包括长度、范围或值类型中的至少一种，例如“检测规模”参数，定义的值的范围为10~100，而匹配的外部申请参数的值为int，因不符合值类型及范围，该“检测规模”指标的校验会提示失败；

步骤S232、业务度量指标校验通过的参数写入到缓存中存储，反之，则不被写入。

如图6所示，步骤S3、所述基于度量规则，对业务需求算力进行计算，并输出业务场景需要的算力数值；

当外部客户申请算力度量并完成对申请需求的业务关键指标识别下，将调用度量测算模型库，对业务需求算力进行计算和输出；

其中，所述基于度量规则，对业务需求算力进行计算，并输出业务场景需要的算力数值包括以下步骤：

步骤S31、将业务参数指标、度量系数、基础算力与算网场景公式进行关联；

具体的，不同的度量场景会有其对应的度量公式，如网红直播场景、工业质检、或纯算力性能测试申请，其度量公式及关联的业务参数指标、度量系数、基础算力都不相同，因此该环节主要是根据业务特性，形成不同算网融合支撑场景的度量公式，如人脸考勤打卡的度量公式：

算力度量值（FP16）=${基础能力}*${度量系数}*(${用户规模}/${响应时间})/(min{用户规模}*min{响应时间})

其中${基础算力}是基础算力中与人脸识别对应的参数，${度量系数}是度量系数中的按不同情况的系数，如选用华为云，度量系数为1.2，${用户规模}、${响应时间}两个为通过业务关键指标识别后的业务指标参数。

步骤S32、将算网场景公式使用到的基础算力参数、度量系数参数和业务度量指标参数进行赋值；

具体的，所述将算网场景公式使用到的基础算力参数、度量系数参数和业务度量指标参数进行赋值中赋值的来源包括：基础算力参数赋值、度量系数参数赋值及业务度量指标参数赋值；

其中，基础算力参数赋值来源于度量测算模型中的基础算力表，如人脸识别的算力（FP16），将取值为0.2；

度量系数参数赋值来源于度量测算模型中的度量系数表，与使用的云平台厂家有关，如采用华为云平台作为算力提供方，将取值1.2；

业务指标参数赋值来源于业务关键指标识别的结果，主要由外部客户输入的需求参数。

步骤S33、对赋值后的参数进行规则转换；

具体的，参数值转换为非必须，只有因业务度量计算需求，需对赋值后的参数进行规则转换，才需要该环节进行参数值转换，

具体的，所述对赋值后的参数进行规则转换中转换的方式包括：参数取值转换、函数取值转换及固定值转换。

步骤S34、在所有的参数进行关联、赋值、转换后，进行算力度量计算；

最后，经过了以上三步后，将所有的参数进行关联、赋值、转换后，就可以进行算力度量计算了；

如某企业人脸考勤打卡，企业规模10000人，要求无感打卡，即响应时间为10毫秒以内，采用华为云提供算力支持，这种算网场景的业务需求算力度量为：

算力度量值（FP16）=0.2TFLOPS*1.2*(10000人/10毫秒)/(100人*10毫秒)=24TFLOPS；

通过算力度量计算后，就获取到了支撑该企业人脸考勤打卡的算力需求值了。

综上所述，借助于本发明的上述技术方案，本发明是面向算力网络多要素融合业务场景下，提出一种基于规则测算模型的业务需求算力度量方法和技术，通过建立业务场景关键指标与所需算力的测算关系模型，构建业务算力度量规则库并支持迭代更新，从而为业务的最优算力度量和评估提供模型支持，提升需求使用资源的精准度，减少资源的浪费，帮助运营商更好的服务于客户，提升运营效益。

本发明提出一种基于规则测算模型的业务需求算力度量方法和技术，通过建立业务场景关键指标与所需算力的测算关系模型，来解决目前算网业务需求算力评估和度量由人为经验评估的问题，通过该方法提供一种可面向未来算网多要素、融合、复杂业务的科学、合理、精准的评估办法，使算力在面向业务时可标准度量和描述，为前端运营减负，为客户服务提质。本发明关键在于对度量规则测算模型的建立，通过业务度量指标、度量系数、基础算力三个维度，建立合理的业务需求度量规则库，并通过迭代提升与算网场景计算公式进行关联，得出相对准确的算力度量结果。

本发明具有很强的实用性，应用不限于电信行业场景，同样适用于其他行业，如互联网算力服务提供商等，本方案不仅仅是对当前算力业务资源灵活度量的方法，还是对未来算力网络发展后融合云网边端数智链安多要素的复杂业务形态的算力度量支撑思路，可带给运营商、社会更好的服务，具有很强的复制性和推广性。且本发明客观准确，主要依赖人工经验对业务场景算力进行评估，受主观因素影响存在较大主观性和不确定性，是一种科学、合理、精准的评估办法，且灵活高效，通过构建业务指标参数、度量系数、基础算力的度量规则测算模型，且模型可支持人工输入迭代和更新，扩展性强，不仅适用于云网融合阶段，还适用云网边端数智链安融合的算力网络阶段，针对场景的业务算力度量较为灵活高效，同时本发明经验可沉淀，以度量模型对各种不同的算网需求场景规则进行统一管理，代替了以前人为的记忆管理，可对度量的经验进行沉淀，并为后续其它算网场景的支撑提供依据。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于规则测算模型的业务需求算力度量方法，其特征在于，该方法包括以下步骤：

S1、构建算力度量测算模型，形成完整并能迭代维护的业务算力度量规则库；

S2、通过对业务参数特征值进行提取与匹配，校验出与算力度量相关的业务度量指标参数，并将业务度量指标参数写入缓存中存储；

S3、基于度量规则，对业务需求算力进行计算，并输出业务场景需要的算力数值。

2.根据权利要求1所述的一种基于规则测算模型的业务需求算力度量方法，其特征在于，所述算力度量测算模型包括对业务度量指标管理、对度量系数管理及对基础算力管理；

所述对业务度量指标管理包括：建立与业务度量相关的指标参数，并将业务度量指标按查询类、识别类、容量类、带宽类及规模类目录进行管理；

所述对度量系数管理包括：根据不同的算力资源进行分类管理；

所述对基础算力管理包括：作为业务算力度量计算的基础值，在计算业务算力时作为基础能力值输入，同时对基础算力进行管理。

3.根据权利要求2所述的一种基于规则测算模型的业务需求算力度量方法，其特征在于，所述通过对业务参数特征值进行提取与匹配，校验出与算力度量相关的业务度量指标参数，并将业务度量指标参数写入缓存中存储包括以下步骤：

S21、对业务特征值进行提取，将算网的业务度量诉求转化成度量需要的内部报文并存储；

S22、将缓存数据库的业务度量指标进行逐一比对，完成业务关键指标与规则模型库的业务度量指标匹配；

S23、将业务度量指标校验通过的参数，写入至缓存中进行存储。

4.根据权利要求3所述的一种基于规则测算模型的业务需求算力度量方法，其特征在于，所述通过对业务参数特征值进行提取与匹配，校验出与算力度量相关的业务度量指标参数，并将业务度量指标参数写入缓存中存储包括以下步骤：

S211、当接收到算网业务算力度量申请时，将申请需求报文进行解析；

S212、对业务参数节点的业务度量指标进行提取，提取的内容包括参数编码、参数名称、参数值、参数描述；

S213、将业务特征值中的报文样式转换成为标准化的key-value格式，并存储至内存数据库中。

5.根据权利要求4所述的一种基于规则测算模型的业务需求算力度量方法，其特征在于，所述将缓存数据库的业务度量指标进行逐一比对，完成业务关键指标与规则模型库的业务度量指标的匹配包括以下步骤：

S221、将存至缓存数据库中的key-value格式的业务参数，与度量规则模型库的业务度量指标进行匹配比对，将外部参数与业务度量指标的参数进行关联；

S222、采用多级字段进行比对，第一级比对参数编码，如果参数编码完全匹配，将比对结果写入度量参数集，反之，将继续比对参数名称，若参数名称比对匹配，同样将结果写入度量参数集。

6.根据权利要求5所述的一种基于规则测算模型的业务需求算力度量方法，其特征在于，所述将业务度量指标校验通过的参数，写入至缓存中进行存储包括以下步骤：

S231、对业务度量指标的值进行合法性校验；

S232、业务度量指标校验通过的参数写入到缓存中存储，反之，则不被写入。

7.根据权利要求6所述的一种基于规则测算模型的业务需求算力度量方法，其特征在于，所述合法性校验包括长度、范围或值类型中的至少一种。

8.根据权利要求7所述的一种基于规则测算模型的业务需求算力度量方法，其特征在于，所述基于度量规则，对业务需求算力进行计算，并输出业务场景需要的算力数值包括以下步骤：

S31、将业务参数指标、度量系数、基础算力与算网场景公式进行关联；

S32、将算网场景公式使用到的基础算力参数、度量系数参数和业务度量指标参数进行赋值；

S33、对赋值后的参数进行规则转换；

S34、在所有的参数进行关联、赋值、转换后，进行算力度量计算。

9.根据权利要求8所述的一种基于规则测算模型的业务需求算力度量方法，其特征在于，所述将算网场景公式使用到的基础算力参数、度量系数参数和业务度量指标参数进行赋值中赋值的来源包括：基础算力参数赋值、度量系数参数赋值及业务度量指标参数赋值。

10.根据权利要求9所述的一种基于规则测算模型的业务需求算力度量方法，其特征在于，所述对赋值后的参数进行规则转换中转换的方式包括：参数取值转换、函数取值转换及固定值转换。

Images