CN115603850A - 虚拟网络的优化方法、装置及计算机存储介质 - Google Patents
虚拟网络的优化方法、装置及计算机存储介质 Download PDFInfo
- Publication number
- CN115603850A CN115603850A CN202110719849.4A CN202110719849A CN115603850A CN 115603850 A CN115603850 A CN 115603850A CN 202110719849 A CN202110719849 A CN 202110719849A CN 115603850 A CN115603850 A CN 115603850A
- Authority
- CN
- China
- Prior art keywords
- intention
- optimization
- network
- candidate
- optimization scheme
- 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
- 238000005457 optimization Methods 0.000 title claims abstract description 234
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000003860 storage Methods 0.000 title claims abstract description 18
- 238000013507 mapping Methods 0.000 claims abstract description 63
- 238000004458 analytical method Methods 0.000 claims abstract description 42
- 230000008901 benefit Effects 0.000 claims abstract description 33
- 230000008859 change Effects 0.000 claims abstract description 6
- 230000006870 function Effects 0.000 claims description 23
- 238000011156 evaluation Methods 0.000 claims description 20
- 238000005303 weighing Methods 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 13
- 238000005259 measurement Methods 0.000 claims description 9
- 238000009826 distribution Methods 0.000 claims description 6
- 230000015556 catabolic process Effects 0.000 claims description 2
- 238000006731 degradation reaction Methods 0.000 claims description 2
- 238000012216 screening Methods 0.000 claims description 2
- 238000012937 correction Methods 0.000 abstract description 12
- 230000009466 transformation Effects 0.000 abstract description 7
- 238000005516 engineering process Methods 0.000 description 19
- 238000013473 artificial intelligence Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000012423 maintenance Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000010606 normalization Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 239000002131 composite material Substances 0.000 description 3
- 230000002787 reinforcement Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013139 quantization Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012954 risk control Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04J—MULTIPLEX COMMUNICATION
- H04J3/00—Time-division multiplex systems
- H04J3/16—Time-division multiplex systems in which the time allocation to individual channels within a transmission cycle is variable, e.g. to accommodate varying complexity of signals, to vary number of channels transmitted
- H04J3/1605—Fixed allocated frame structures
- H04J3/1652—Optical Transport Network [OTN]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04J—MULTIPLEX COMMUNICATION
- H04J3/00—Time-division multiplex systems
- H04J3/16—Time-division multiplex systems in which the time allocation to individual channels within a transmission cycle is variable, e.g. to accommodate varying complexity of signals, to vary number of channels transmitted
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L12/00—Data switching networks
- H04L12/28—Data switching networks characterised by path configuration, e.g. LAN [Local Area Networks] or WAN [Wide Area Networks]
- H04L12/46—Interconnection of networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L12/00—Data switching networks
- H04L12/28—Data switching networks characterised by path configuration, e.g. LAN [Local Area Networks] or WAN [Wide Area Networks]
- H04L12/46—Interconnection of networks
- H04L12/4641—Virtual LANs, VLANs, e.g. virtual private networks [VPN]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q11/00—Selecting arrangements for multiplex systems
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q11/00—Selecting arrangements for multiplex systems
- H04Q11/0001—Selecting arrangements for multiplex systems using optical switching
- H04Q11/0062—Network aspects
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q11/00—Selecting arrangements for multiplex systems
- H04Q11/0001—Selecting arrangements for multiplex systems using optical switching
- H04Q11/0062—Network aspects
- H04Q2011/0086—Network resource allocation, dimensioning or optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Security & Cryptography (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种虚拟网络的优化方法、装置及计算机存储介质,其中,虚拟网络的优化方法包括基于当前用户意图生成至少两个候选优化方案;对候选优化方案进行权衡分析,并从符合权衡分析门限要求的候选优化方案中确定目标优化方案;根据物理网络的流量变化规律确定执行目标优化方案的优化时间窗口;根据目标优化方案和优化时间窗口重新建立映射关系。本发明实施例提供了基于用户意图优化和校正虚拟网络与物理网络资源的映射关系的解决方案,根据用户需求对应的用户意图生成候选优化方案,并基于候选优化方案进行利弊权衡分析,并把握执行候选优化方案的时机,从而实现对虚拟网络的自动优化和校正,满足数字转型时代业务对网络的敏捷性要求。
Description
技术领域
本发明涉及网络优化技术领域,尤其涉及一种虚拟网络的优化方法、装置及计算机存储介质。
背景技术
在数字化转型时代,OTN(Optical Transport Network,光传送网)切片/OVPN(Optical Virtual Private Network,光虚拟私有网)专网是OTN网络在政企、金融、云网智联等应用场景中提供的一种极为重要的OTN网络服务技术,具有服务定制化、服务协议等级明确、能够精细管控和扩大盈利等特性,可以给不同的网络用户分配不同的网络资源,实现资源的预分配和预优化,对业务的带宽、时延等进行精确控制,以实现对网络资源的充分和有效利用。
意图网络的出现迎合了OTN切片/OVPN专网的运行特点和对业务的敏捷性要求,意图网络技术通过构建虚拟网络和物理网络之间的映射关系,实现基于用户意图驱动的网络资源灵活分配。但是基于意图网络技术如何对OTN切片/OVPN专网等虚拟网络进行优化和校正,目前业内还没提出相应的解决方案。
发明内容
以下是对本文详细描述的主题的概述。本概述并非是为了限制权利要求的保护范围。
本发明实施例提供了一种虚拟网络的优化方法、装置及计算机存储介质,基于意图对虚拟网络进行校正和优化,实现网络资源的自动调整和分配。
第一方面,本发明实施例提供了一种虚拟网络的优化方法,所述虚拟网络的虚拟链路与物理网络的物理网络资源构成映射关系,所述优化方法包括:
在所述映射关系不满足当前用户意图的情况下,基于当前用户意图生成至少两个候选优化方案;
对所述候选优化方案进行权衡分析,并从符合权衡分析门限要求的候选优化方案中确定目标优化方案;
根据所述物理网络的流量变化规律确定执行所述目标优化方案的优化时间窗口;
根据所述目标优化方案和所述优化时间窗口重新建立映射关系。
第二方面,本发明实施例提供了一种虚拟网络的优化装置,包括至少一个处理器和用于与所述至少一个处理器通信连接的存储器;所述存储器存储有能够被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如第一方面所述的虚拟网络的优化方法。
第三方面,本发明实施例还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存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行如第一方面所述的虚拟网络的优化方法。
本发明实施例提供的虚拟网络的优化方法,至少具有如下有益效果:本发明实施例提供了基于用户意图优化和校正虚拟网络与物理网络资源的映射关系的解决方案,根据用户需求对应的用户意图生成候选优化方案,并基于候选优化方案进行利弊权衡分析,并把握执行候选优化方案的时机,从而实现对虚拟网络的自动优化和校正,使虚拟网络能够自动匹配物理网络资源,满足数字转型时代业务对网络的敏捷性要求。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
附图用来提供对本发明技术方案的进一步理解,并且构成说明书的一部分,与本发明的示例一起用于解释本发明的技术方案,并不构成对本发明技术方案的限制。
图1是本发明一个实施例提供的虚拟网络的优化方法的整体方法流程图;
图2是本发明一个实施例提供的生成候选优化方案的流程图;
图3是本发明一个实施例提供的候选优化方案权衡分析的流程图;
图4是本发明一个实施例提供的评估候选优化方案得到目标优化方案的流程图;
图5是本发明一个实施例提供的计算执行优化方案的时间窗口的流程图;
图6是本发明示例提供的虚拟网络和物理网络映射关系意图;
图7是本发明示例提供的物理连接重优化的物理网络拓扑图;
图8是本发明示例提供的方案一的物理网络拓扑图;
图9是本发明示例提供的方案二的物理网络拓扑图;
图10是本发明示例提供的流量统计示意图;
图11是本发明实施例提供的虚拟网络的优化装置的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
随着数字化转型时代的到来,业务敏捷性几乎已经成为数字化转型的代名词和基本特征。要想实现和提高OTN网络服务的敏捷性,就需要将智能OTN网络管控体系逐步转型到依托网络DT(Digital Twins,数字孪生)仿真与分析技术,集SDN(Software DefinedNetwork,软件定义网络)、AI(Artificial Intelligence,人工智能)技术应用于一体的基于意图驱动的IBON(Intent Based Optical Network,智简光网络),并在此基础上推动OTN网络服务走向跨完整生命周期的自动化生态体系建设。
在IBON中,意图指的是用户网络服务的想法或方案,用于描述用户想要网络服务所达到的某种状态,意图网络就是将这些方案转化成网络服务编排策略,策略编排无误后就可以下发配置到网络设备,并实时监测网络设备的状态,不断校验和优化意图网络服务编排策略。IBON的这些特点恰恰迎合了数转时代对用户OTN网络服务领悟与认知的敏捷性要求。
基于此,本发明实施例提供了一种虚拟网络的优化方法,装置及计算机存储介质,为基于OTN网络的虚拟网络提供了优化和校正的解决方案,基于意图驱动虚拟网络和物理网络之间映射关系的自动调整,从而满足业务的敏捷性要求。
参照图1,本发明实施例提供了一种虚拟网络的优化方法,虚拟网络的虚拟链路与物理网络的物理网络资源构成映射关系,优化方法包括但不限于以下步骤S100、步骤S200、步骤S300和步骤S400。
步骤S100,在映射关系不满足当前用户意图的情况下,基于当前用户意图生成至少两个候选优化方案;
步骤S200,对候选优化方案进行权衡分析,并从符合权衡分析门限要求的候选优化方案中确定目标优化方案;
步骤S300,根据物理网络的流量变化规律确定执行目标优化方案的优化时间窗口;
步骤S400,根据目标优化方案和优化时间窗口重新建立映射关系。
本发明实施例的虚拟网络与物理网络存在映射关系,虚拟网络通常是软件定义的网络,例如OTN切片/OVPN专网等,为便于说明,本发明实施例以虚拟网络是OTN切片/OVPN专网为例子进行说明。可以理解的是,本发明实施例中,认为OTN切片与OVPN专网指的是同一种网络服务技术,均适用于ODU(Optical channel Data Unit,光通路数据单元)层、OCH(Optical channel,光通道)层两种情况。上述两种虚拟网络均基于OTN网络服务技术为不同用户的业务需求提供专用网络资源,通过在一个独立的物理网络上切分创建出多个逻辑的OTN切片/OVPN专网,根据OTN切片的SLA(Service Level Agreement,服务级别协议)等级,实现资源的预分配、预优化,对不同OTN切片上业务的带宽、时延等进行精确控制,以实现对网络资源的充分和有效利用。
随着IBON意图化网络服务理念的出现,OTN切片/OVPN专网与物理网络资源的映射关系也逐步形成意图化趋势,实际上意图化的映射关系,就是用户切分创建意图OTN切片/OVPN专网服务的集中体现:将用户需要的OTN切片/OVPN专网的服务意图转换成OTN切片/OVPN专网服务与物理网络资源的映射策略,以满足用户对专网服务的意图要求。
在实际的IBON意图网络开通和运维过程中,虚拟网络和物理网络之间的映射关系决定了OTN切片/OVPN专网占用的物理网络传输性能,同时用户的业务需求和物理网络的资源情况也并非一成不变,因此除了在创建开通虚拟网络阶段,需要考虑虚拟网络和物理网络之间映射关系的合理性,在虚拟网络的运维阶段,还需要考虑虚拟网络和物理网络之间映射关系的优化和校正,以保证满足虚拟网络和物理网络的一致性要求,这也是基于意图的网络服务的敏捷性的重要体现。
本发明实施例基于虚拟网络在运维过程中映射关系无法满足当前用户意图的前提下提出,基于当前用户意图重新创建虚拟网络和物理网络之间的映射关系。其中,造成映射关系不满足当前用户意图的情况包括以下至少之一:
①.用户意图发生改变,表现为OTN切片/OVPN专网可能无法满足当前用户需求,即虚拟网络与物理网络之间的映射关系不满足当前用户意图;
②.OTN切片/OVPN专网扩容、增量规划,需要将OTN切片/OVPN专网中包含的原有虚拟链路与新扩容的虚拟链路统一起来做意图映射,这样原有虚拟链路与物理网络资源的映射关系就要被删除,代之的是对统一后的虚拟链路与物理网络资源的映射关系;
③.部分映射的物理连接或者链路因为故障而出现倒换或者重路由,但重路由物理连接或者链路数量累积到一定程度,导致OTN切片/OVPN专网包含的所有虚拟链路与物理网络资源的实际映射关系与当前用户意图发生严重背离时,就需要考虑基于意图对OTN切片/OVPN专网与物理网络资源的实际映射关系进行优化与校正;
④.随着物理网络的网元设备、光纤等使用寿命的增加、老化等原因,部分映射的物理连接或者链路出现性能劣化(误码率增加、抖动增加、时延抖动增加)等情况,无法满足OTN切片/OVPN专网的服务要求。
⑤.采用AI技术预测OTN切片/OVPN专网所映射的物理网络资源在未来某一时刻发生一定规模的网络故障,从而造成原有映射关系的破坏,需要规避预测发生故障的物理网络资源并编排构建新的映射关系,并满足当前用户意图的要求。
针对上述情况,适时地优化与校正OTN切片/OVPN专网与物理网络资源的映射关系,满足当前用户意图(或者当前意图映射策略要求)等就是IBON体系的关键技术与重要功能。
但如何实现基于意图对OTN切片/OVPN专网的优化与校正,才能确保因优化与校正操作引起的OTN切片/OVPN专网中部分服务的中断,从时间、空间上对现网运营整体稳定性的影响最小,从而满足网络运营的“求稳”诉求,同时使得优化校正后的OTN切片/OVPN专网能为用户运营带来更多的收益期望、更加卓越的用户体验、更好的网络性能,是在数字化转型时代IBON体系下的OTN智能运维需要解决的关键技术问题。下面将详细对虚拟网络的优化和校正过程进行说明。
针对上述步骤S100中基于用户意图生成的多个候选优化方案,对其进行权衡分析。当前网络运行环境下,并非所有优化方案都满足电信运营商的要求;为保障电信运营商的网络服务的长期稳定运行,本步骤基于一定的门限要求对候选优化方案进行筛选,丢弃不符合电信运营商服务要求的候选优化方案,进而确定满足电信运营商服务要求的候选优化方案,以满足电信运营商的风险管控、收益增效等要求。符合权衡分析门限要求的这些候选优化方案将进行下一步的筛选,本发明实施例提供了一套对候选优化方案进行评估的评估方案,基于该评估方案得到最优结果的候选优化方案,将作为用于执行优化和校正虚拟网络的目标优化方案,当然,除了采用最优结果作为目标优化方案,还可以采用次优结果作为目标优化方案,这个可以根据实际网络服务要求确定。具体的权衡分析方法和目标优化方案确定方法,将在后面进行详细说明。
众所周知,物理网络在不同时期具有不同的流量特性,例如傍晚的时候达到流量最高峰,在深夜的时候达到流量最低谷等,在不同时间段执行上述目标优化方案,对实际网络将造成不同程度的影响。因此,尽管通过步骤S200可以得到目标优化方案,但该方案仅表示优化后的情况,并没有考虑优化过程中带来的业务中断等问题。因此步骤S300基于物理网络的流量变化规律计算出执行优化方案的优化时间窗口,例如选择流量最小的时间窗口执行该优化方案,使得优化过程对物理网络造成的影响降低到最小。
通过上述步骤S100至步骤S400,可以基于意图重新构建虚拟网络和物理网络之间的映射关系。其中参照图2,步骤S100中生成候选优化方案的具体方法可以按照以下步骤实现:
步骤S110,获取当前用户意图、虚拟网络的业务分布信息和物理网络的拓扑信息;
步骤S120,根据用户意图确定意图指标和意图指标的权重;
步骤S130,根据意图指标和意图指标的权重构建理想目标函数;
步骤S140,基于理想目标函数和业务分布信息、拓扑信息,通过意图策略编排得到至少两个候选优化方案。
可以理解的是,无论是由于哪些因素引起映射关系不满足当前用户意图,在重新创建映射关系的时候,都要考虑当前用户意图这一因素,如果生成候选优化方案的时候,用户意图没有改变,则将其作为当前用户意图,如果生成候选优化方案的时候,用户意图发生改变,则将改变后的用户意图作为当前用户意图。其中,用户意图可能是通过自然语言来表达的,那么则要通过意图解析技术(语义分析技术等)将当前用户意图转化成实际的意图指标,用于计算机识别用户的需求,例如用户意图是要专网实现低时延,通过语义识别技术确定意图指标是传输时延,我们把传输时延称作一个意图指标。可以理解的是,用户意图往往不止一个,这样通过意图解析就可以得到多个意图指标,为了协调各个意图指标对候选优化方案的影响,为意图指标分配各自的权重,各权重之和等于1。在实际应用中,假如存在多个用户意图且用户更偏重于网络带宽,那么则将网络带宽这一意图指标对应的权重调整得更高,以得到贴合用户需求的候选优化方案。
可以理解的是,基于意图编排(或称意图策略编排)得到映射关系往往十分复杂,因此意图策略编排通常采用人工智能技术进行计算,解决了大量数据编排的问题,同时也提供了较为精确的优化方案。人工智能技术的分支较多,本发明实施例可以采用强化学习的方案,不仅能利用现有数据,还可以通过对网络环境的探索获得新数据,并利用新数据循环往复地更新迭代现有模型,适合于网络模型的决策。为了指示强化学习要达到的目标,设置理想目标函数,该理想目标函数由意图指标和意图指标的权重构建,在意图策略编排过程中通过将意图指标进行量化得到量化指标值,并针对该指标值进行评分,多个意图指标集合可以得到意图指标的总评分;强化学习通过理想目标函数所得到的意图指标的总评分进行评估,从而得到输出得到候选优化方案。
对于多个意图指标的情况,不同类型的意图指标具有不同的特性,对其进行指标评分的方式也不相同。例如,某条虚拟链路的意图指标为时延大小,相应的量化指标值为时延值,时延值越低,该虚拟链路的性能越好,因此该意图指标的得分越高;又例如,某条链路的意图指标为带宽大小,量化指标值为带宽,带宽越大,该意图指标的得分越高;还有一些意图指标是用于表征整个虚拟网络的服务性能的,例如,全网负载均衡度,需要在全部虚拟链路的意图指标确定得分后才能评估得到得分。因此,本发明实施例将意图指标分为三类,包括第一类意图指标、第二类意图指标和第三类意图指标;
第一类意图指标为虚拟链路经过意图策略编排得到的量化指标值与指标得分成反比的意图指标;
第二类意图指标为虚拟链路经过意图策略编排得到的量化指标值与指标得分成正比的意图指标;
第三类意图指标为所有虚拟链路经过意图策略编排后用于表征虚拟网络的业务性能的意图指标。
虚拟链路经过意图策略编排,得到量化指标值并基于一定的评分基准为该量化指标值打分,通过对虚拟链路的每个意图指标值进行打分,可以汇总得到各条虚拟链路上各个意图指标的得分总和;第三类意图指标可以在对最后一条虚拟链路进行意图策略编排时实时得分评估,打全网服务性能相对应的意图指标打分。将三类意图指标的得分值进行汇总,即可确定理想目标函数的总评分。
可以理解的是,为了统一各个意图指标的得分的评分标准,还可以对意图指标值进行归一化处理,归一化方式可以为各个量化指标值预设门限值,根据门限值和意图指标的类型构建归一化算法,从而统一各个意图指标得分。具体的算法举例将在后面示例给出,在此仅简要说明。
除了基于用户意图生成候选优化方案,现网的资源情况也是生成候选优化方案的影响因素,其中虚拟网络的业务分布情况和物理网络的拓扑信息分别能够反映当前虚拟网络所提供的业务资源以及当前物理网络中设备和链路的关系。意图策略编排过程中,以上述得到的理想目标函数为优化目标,参考业务分布信息和拓扑信息进行方案构建,自动得到多个候选优化方案。
可以理解的是,由意图策略编排直接得到候选优化方案并不一定都符合现网要求,例如电信营运商需要保证业务长时间的稳定运行,偏重于稳定性要求,并且需要考虑业务收益和运维支出之间的平衡,因此需要对候选优化方案进行一定的筛选,避免无效的候选优化方案影响后续评估。如步骤S200中的权衡分析方法,参照图3,具体可以通过以下步骤实现:
步骤S210,获取候选优化方案的预期增量收益;
步骤S220,获取候选优化方案在执行优化过程带来的预期损失;
步骤S230,根据预期增量收益和预期损失确定候选优化方案的风险收益比;
步骤S240,当候选优化方案的风险收益比高于风险收益比下限值,并且候选优化方案的预期损失小于损失上限值,确定候选优化方案符合权衡分析门限要求。
预期增量收益表示优化前后两个意图映射策略带来的收益之差,预期损失表示执行候选优化方案造成部分服务终端而带来的损失,预期损失跟以下因素有关:
①.因优化而发生重路由、资源重新配置的物理链路的数量;
②.因物理链路重路由而造成的业务终端的损失;
③.因业务中断影响用户体验而带来的损失。
通过统计候选优化方案带来的预期增量收益和预期损失,可以计算得到候选优化方案的风险收益比,当满足计算得到的风险收益比高于风险收益比下限值,并且满足预期算低于损失上限值,该候选优化方案即符合权衡分析门限要求。通过上述方式解决了网络运营求优和求稳的量化权衡问题,只要其中一个条件不符合,候选优化方案都不能通过。
将负荷权衡分析门限要求的候选优化方案进行评估,来对比各个符合权衡分析门限要求的候选优化方案之间的优劣,最终从中选取一个作为目标优化方案。例如,参照图4,可以通过以下步骤实现目标优化方案的选取:
步骤S250,确定符合权衡分析门限要求的候选优化方案的优势衡量条件和优势衡量条件的权重,优势衡量条件包括候选优化方案的权衡分析结果、候选优化方案的优劣程度、当前用户意图中主要意图指标的量化指标值和主要意图指标的门限值中的至少一个;
步骤S260,根据优势衡量条件和优势衡量条件的权重确定候选优化方案的评估得分;
步骤S270,将评估得分最高的候选优化方案作为目标优化方案。
为符合权衡分析门限要求的候选优化方案确定用于评估分数的优势衡量条件,该优势衡量条件表示该候选优化方案的评分项,通常可以选取候选优化方案的权衡分析结果、候选优化方案的优劣程度、当前用户意图中主要意图指标的量化指标值和主要意图指标的门限值中的至少一个;例如,优势衡量条件可以包括收益风险比情况、预期损失情况、理想目标函数得分情况、用户最看重的意图指标、该意图指标的门限值等。并且为了将各个不同类型的优势衡量条件统一到一种标准,对优势衡量条件对应的值进行归一化处理,使优势衡量条件的值统一到0到1之间,另外,还为各个优势衡量条件设置权重值,体现用户意图倾向,基于优势衡量条件和优势衡量条件的权重值,即可计算得到各个候选优化方案的得分。将得分最高的一个候选优化方案作为目标优化方案。
参照图5,得到目标优化方案后,需要确定执行优化方案的时间段,可以通过以下步骤实现:
步骤S310,根据目标优化方案确定优化造成业务中断对应的物理连接数量和优化所需时长;
步骤S320,根据流量统计函数确定在不同时间窗口内物理连接数量的流量大小,时间窗口的长度不小于优化所需时长;
步骤S330,选取最小流量对应的时间窗口,作为执行目标优化方案的时间窗口。
上述步骤描述了选择最佳优化时机的方法,预测得出一个时间窗口T(如果优化与校正是因为预测到未来OTN切片/OVPN专网所映射的物理网络发生故障,那么时间窗口T应该被选择在预测的物理网络的故障发生时间之前),使得在OTN切片/OVPN专网映射的物理连接中,被因意图优化而造成业务中断的K条物理连接在时间窗口T内的流量总和与其他时间窗口相比最小。这样,这些映射的物理连接因被意图优化而造成流量中断的损失最小。
此时,时间窗口T内的流量总和可被称为谷底流量,且时间窗口T的长度应大于或等于给定时间段门限长度(执行优化所需的实际时间),以确保优化操作需要的时间和被优化的物理连接从瞬态的业务中断到进入稳态运行需要的时间。
通过流量预测等AI技术,可以预测谷底流量值及最近一次时间窗口T的发生时间与持续长度,可在该时间窗口内按照发明内容三的描述对OTN切片/OVPN专网进行意图优化。
通过上述各个步骤,可以据用户需求对应的用户意图生成候选优化方案,并基于候选优化方案进行利弊权衡分析,并把握执行候选优化方案的时机,从而实现对虚拟网络的自动优化和校正,使虚拟网络能够自动匹配物理网络资源,满足数字转型时代业务对网络的敏捷性要求。
下面以实际示例对本发明实施例的虚拟网络的优化方法进行说明:
本示例基于OTN切片/OVPN专网,通过四个部分的内容进行说明,分别包括候选优化方案的生成、候选优化方案的权衡分析、候选优化方案的评估和执行优化时机的计算。
(1)候选优化方案的生成
此处提出了一种表达OTN切片/OVPN专网服务与物理网络资源的意图映射策略的理想目标函数定义方法,假设OTN切片/OVPN专网包含的虚拟链路为m条,按照意图映射策略顺序编排(即在对应的物理网络上顺序建立m条物理连接,与这m条虚链路构成映射关系),则意图映射策略的理想目标函数可定义为:
上式表示意图策略编排所采用的AI算法(如强化学习)在构建候选优化方案过程中用于约束算法的目标函数,通过上述理想目标函数确定意图指标评分总和最高的目标;其中wi表示第i条经过意图策略编排的虚拟链路的意图指标的综合评分,wi根据虚拟链路中意图指标的不同类型来确定计算方式,因此下面先介绍当前虚拟网络具有的三种类型的意图指标。
设全网业务的意图指标个数为h个,可以分为三类分别以h1、h2和h3表示,分别对应第一类意图指标、第二类意图指标和第三类意图指标,且有h=h1+h2+h3。
h1表示每条OTN虚拟链路经过意图策略编排得到的量化的指标值与指标得分成反比的意图指标的种类个数;
h2表示每条OTN虚拟链路经过意图策略编排得到的量化的指标值与指标得分成正比的意图指标的种类个数;
h3表示只有当完成所有OTN虚拟链路的意图策略编排后才能获得指标得分的意图指标的种类个数(比如全网带宽利用率、误码率、负载均衡度等),该类意图指标的得分评估,可在对最后一条(即第m条)OTN虚拟链路进行意图策略编排时实施。
假设各个意图指标的权重定义如下,权重值为所有虚拟链路共享:
θ=(θ1,θ2,θ3,…,θh)
各个意图指标可定义为:
P=(P1,P2,P3,…,Ph)
假设各个意图指标的参考门限值定义如下,为所有虚拟链路共享:
PT=(PT1,PT2,PT3,…,PTh)
那么,第i条虚拟链路的各个意图指标值定义为:
Pi=(Pi1,Pi2,Pi3,…,Pih1,Pi(h1+1),Pi(h1+2),…,Pi(h1+h2),)
其中,i≠m;
第m条虚拟链路的各个意图指标值定义为:
Pm=(Pm1,Pm2,Pm3,…,Pmh)
第i条被意图映射的虚拟链路的意图指标综合评分举例:
其中,i≠m;
第m条被意图映射的虚拟链路的意图指标综合评分举例:
其中f(Pmn,PTn)表示第n个意图指标的得分评估函数,由实际网络情况确定。
通过上述各意图指标值与自身意图指标参考门限比值的形式,实现意图指标评分的归一化处理(归一化处理可以有多种其它方法,本专利以上述内容为例)。用户对OTN切片/OVPN专网服务的运维意图要求,可通过意图映射策略目标函数的优化权重值体现到对应的策略编排过程中。例如,用户希望当前专网的综合时延尽量低,AI技术可事先将表示时延对应的意图指标的优化权重调高、其他意图指标的优化权重调低,进而在实现意图策略编排的AI算法中将时延指标的评估得分在整个专网意图评分总和中占比增大
(2)候选优化方案的权衡分析
根据上述第一部分内容的描述和定义,采用AI技术得到多个候选优化方案,那么根据网络运营需求先对各个候选优化方案进行初步筛选。因此权衡分析方式如下:
OTN切片/OVPN专网意图优化与校正的权衡判据必须满足:
且有Rskloss<Rskupthd;
其中OBRR表示某一时段T内、采用意图映射策略进行OTN切片/OVPN专网意图映射优化的收益风险比,Optbft表示和当前的实际意图映射关系相比,OTN切片/OVPN专网意图映射优化能带来的增量收益,可以采用网络指标值(例如全网时延下降值的多少)等方式表示,Rskloss表示因OTN切片/OVPN专网意图映射优化造成OTN切片/OVPN专网部分服务中断而带来的损失,OBRRdownhd表示OTN切片/OVPN专网意图映射优化的收益风险比下限(判断是否值得优化,若OBRR低于该值,则不值得优化),Rskupthd表示OTN切片/OVPN专网意图映射优化的风险损失上限(超过上限,再多的收益也不做优化处理)。
通过上述提出的OTN切片/OVPN专网意图优化与校正的利弊权衡分析方法,就是将优化带来的收益与风险比作为优化操作与否的判据,解决了网络运营求优与求稳的量化权衡问题,即:当OTN切片/OVPN专网意图映射优化的实施方法满足上述的权衡判据要求时,就进行OTN切片/OVPN专网意图映射优化实施处理,否则不做处理。
(3)候选优化方案的评估
通过第一部分内容和第二部分内容得到符合权衡分析门限要求的候选优化方案,本部分内容对符合权衡分析门限要求的候选优化方案的评估得分进行计算,从而选出最优优化方案。为了方便对评估过程进行说明,下面以实际例子列举两个候选优化方案,并直接计算两个候选优化方案的评估得分。
参照图6,网络切片A中的6条虚拟链路与物理网络的映射关系如图6所示,以VL1-VL6表示6条虚拟链路,Path1-Path6分别表示6条物理连接,VL1-VL6和Path1-Path6一一对应。按照第一部分内容,可以确定生成候选优化方案所采用的理想目标函数如所示:
其中,设定时延的意图指标的权重为0.6,该意图指标被作为主要意图指标加以优化考虑,即θlatency=0.6;假设要求6条虚拟链路映射路径的时延门限为15ms,即要求6条虚拟链路映射路径的时延总和必须小于等于15ms,可以表示为
6*Pi-latency≤PT-latency=15ms
其中Pi-latency表示第i条虚拟链路的时延指标值,PT-latency表示切片A的时延门限。
基于故障预测、意图校验等原因需要对VL4虚链路映射的Path4的AB段链路、VL6虚链路映射的Path6的SN段链路进行重优化,参照图7中标记为“×”的虚拟路径,基于上述理想目标函数,采用AI算法获得两种OTN切片/OVPN专网优化方案,分别记为方案一和方案二,如图8和图9所示,以点线表示重优化方案对应的物理连接。
依据第二部分内容对方案一和方案二进行权衡分析,并假设方案一和方案二均通过了权衡分析。在权衡分析过程中,可以得到收益风险比、预期损失等参数。
设定本部分内容中优势衡量条件包括所述候选优化方案的权衡分析结果、候选优化方案的优劣程度、当前用户意图中主要意图指标的量化指标值和所述主要意图指标的门限值(具体参数可以参照下面表1);对上述优势衡量条件,采用如下公式对两个方案进行优势评估得分计算:
ρi=Coff(δi)
其中0<δi≤1,δi表示作为候选优化方案的优势衡量条件i的真实值,如时延为30ms,或目标函数得分为50分等,ρi表示经过Coff函数归一化处理后的优势衡量条件i对应的评估系数,是取值为(0,1]区间的实数。
基于上述设定,利用下式计算优势评估得分:
Felv=∑σi·ρi
其中∑σi=1,σi表示优势衡量条件i的权重,可根据用户对方案衡量条件偏好,调整对应衡量条件i的优势评估权重值;Felv表示当前候选优化方案的评估得分,实际计算结果是取值为(0,1]区间的实数。
采用上述公式,在两个候选优化方案均满足“大于收益风险比下限”、“不超过风险损失上限”等严格约束条件前提下,得出两和候选优化方案的评估对比如表1所示,最终选择方案一作为最优优化方案。
表1.意图映射优化的两种方案的评估对比
(4)执行优化时机的计算
本部分内容描述了一种决策意图优化最佳时机的方法,预测得出一个时间窗口T(如果优化与校正是因为预测到未来OTN切片/OVPN专网所映射的物理网络发生故障,那么时间窗口T应该被选择在预测的物理网络的故障发生时间之前),使得在OTN切片/OVPN专网映射的物理连接中,被因意图优化而造成业务中断的K条物理连接在时间窗口T内的流量总和与其他时间窗口相比最小。这样,这些映射的物理连接因被意图优化而造成流量中断的损失最小。
时间窗口T内的流量总和可被称为谷底流量,且时间窗口T的长度应大于或等于给定时间段门限长度(与执行优化所需的实际时间有关),以确保优化操作需要的时间和被优化的物理连接从瞬态的业务中断到进入稳态运行需要的时间。参照图10所示,因此时间窗口T的时机把握可用公式描述如下:
出现谷底流量的时间窗口T满足:
其中T>Tthreshold,Tthreshold表示设定的时间段门限长度,T=t2-t1,那么可得:
通过AI技术,预测谷底流量值及最近一次时间窗口T的发生时间与持续长度,可在该时间窗口内按照第三部分内容的描述对OTN切片/OVPN专网进行意图优化。
本发明实施例的还提供了一种虚拟网络的优化装置,包括至少一个处理器和用于与至少一个处理器通信连接的存储器;存储器存储有能够被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行前述的虚拟网络的优化方法。
参照图11,以虚拟网络的优化装置1000中的控制处理器1001和存储器1002可以通过总线连接为例。存储器1002作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外,存储器1002可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器、闪存器件、或其他非暂态固态存储器件。在一些实施方式中,存储器1002可选包括相对于控制处理器1001远程设置的存储器,这些远程存储器可以通过网络连接至虚拟网络的优化装置1000。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
本领域技术人员可以理解,图11中示出的装置结构并不构成对虚拟网络的优化装置1000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,或者不同的部件布置。
本发明实施例的还提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机可执行指令,该计算机可执行指令被一个或多个控制处理器执行,例如,被图11中的一个控制处理器1001执行,可使得上述一个或多个控制处理器执行上述方法实施例中的虚拟网络的优化方法,例如,执行以上描述的图1中的方法步骤S100至步骤S400、图2中的方法步骤S110至步骤S140、图3中的方法步骤S210至步骤S240、图4中的方法步骤S250至步骤S270和图5中的方法步骤S310至步骤S330。
以上所描述的装置实施例仅仅是示意性的,其中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,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模块来实现本实施例方案的目的。
本领域普通技术人员可以理解,上文中所公开方法中的全部或某些步骤、系统可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器,如中央处理器、数字信号处理器或微处理器执行的软件,或者被实施为硬件,或者被实施为集成电路,如专用集成电路。这样的软件可以分布在计算机可读介质上,计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的,术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外,本领域普通技术人员公知的是,通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据,并且可包括任何信息递送介质。
以上是对本申请的较佳实施进行了具体说明,但本申请并不局限于上述实施方式,熟悉本领域的技术人员在不违背本申请精神的前提下还可作出种种的等同变形或替换,这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (10)
1.一种虚拟网络的优化方法,所述虚拟网络的虚拟链路与物理网络的物理网络资源构成映射关系,所述优化方法包括:
在所述映射关系不满足当前用户意图的情况下,基于当前用户意图生成至少两个候选优化方案;
对所述候选优化方案进行权衡分析,并从符合权衡分析门限要求的候选优化方案中确定目标优化方案,所述权衡分析为通过门限对所述候选优化方案进行筛选的过程;
根据所述物理网络的流量变化规律确定执行所述目标优化方案的优化时间窗口;
根据所述目标优化方案和所述优化时间窗口重新建立映射关系。
2.根据权利要求1所述的虚拟网络的优化方法,其特征在于,所述映射关系不满足当前用户意图,包括以下至少之一的情况:
由用户需求的变化而引起用户意图的变化;
所述虚拟链路发生调整而引起当前的映射关系无效;
所述物理网络资源发生调整或性能劣化而引起当前的映射关系无效;
预测所述物理网络发生故障而导致当前的映射关系即将无效。
3.根据权利要求1所述的虚拟网络的优化方法,其特征在于,所述基于当前用户意图生成至少两个候选优化方案,包括:
获取当前用户意图、所述虚拟网络的业务分布信息和所述物理网络的拓扑信息;
根据所述用户意图确定意图指标和所述意图指标的权重;
根据所述意图指标和所述意图指标的权重构建理想目标函数;
基于所述理想目标函数和所述业务分布信息、所述拓扑信息,通过意图策略编排得到至少两个候选优化方案。
4.根据权利要求3所述的虚拟网络的优化方法,其特征在于,所述意图指标包括第一类意图指标、第二类意图指标和第三类意图指标;
所述第一类意图指标为虚拟链路经过意图策略编排得到的量化指标值与指标得分成反比的意图指标;
所述第二类意图指标为虚拟链路经过意图策略编排得到的量化指标值与指标得分成正比的意图指标;
所述第三类意图指标为所有虚拟链路经过意图策略编排后用于表征所述虚拟网络的业务性能的意图指标。
5.根据权利要求1所述的虚拟网络的优化方法,其特征在于,所述对所述候选优化方案进行权衡分析,包括:
获取所述候选优化方案的预期增量收益;
获取所述候选优化方案在执行优化过程带来的预期损失;
根据所述预期增量收益和所述预期损失确定所述候选优化方案的风险收益比;
当所述候选优化方案的风险收益比高于风险收益比下限值,并且所述候选优化方案的预期损失小于损失上限值,确定所述候选优化方案符合权衡分析门限要求。
6.根据权利要求1所述的虚拟网络的优化方法,其特征在于,所述从符合权衡分析门限要求的候选优化方案中确定目标优化方案,包括:
确定符合权衡分析门限要求的候选优化方案的优势衡量条件和所述优势衡量条件的权重,所述优势衡量条件包括所述候选优化方案的权衡分析结果、所述候选优化方案的优劣程度、当前用户意图中主要意图指标的量化指标值和所述主要意图指标的门限值中的至少一个;
根据所述优势衡量条件和所述优势衡量条件的权重确定所述候选优化方案的评估得分;
将评估得分最高的候选优化方案作为目标优化方案。
7.根据权利要求1所述的虚拟网络的优化方法,其特征在于,所述根据所述物理网络的流量变化规律确定执行所述目标优化方案的优化时间窗口,包括:
根据所述目标优化方案确定优化造成业务中断对应的物理连接数量和优化所需时长;
根据流量统计函数确定在不同时间窗口内所述物理连接数量的流量大小,所述时间窗口的长度不小于所述优化所需时长;
选取最小流量对应的时间窗口,作为执行所述目标优化方案的时间窗口。
8.根据权利要求7所述的虚拟网络的优化方法,其特征在于,在预测所述物理网络发生故障而导致当前的映射关系即将无效的情况下,执行所述目标优化方案的时间窗口早于预测发生故障的时间点。
9.一种虚拟网络的优化装置,其特征在于,包括至少一个处理器和用于与所述至少一个处理器通信连接的存储器;所述存储器存储有能够被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1至8中任意一项所述的虚拟网络的优化方法。
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存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行如权利要求1至8中任意一项所述的虚拟网络的优化方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110719849.4A CN115603850A (zh) | 2021-06-28 | 2021-06-28 | 虚拟网络的优化方法、装置及计算机存储介质 |
PCT/CN2022/099902 WO2023273940A1 (zh) | 2021-06-28 | 2022-06-20 | 虚拟网络的优化方法、装置及计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110719849.4A CN115603850A (zh) | 2021-06-28 | 2021-06-28 | 虚拟网络的优化方法、装置及计算机存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115603850A true CN115603850A (zh) | 2023-01-13 |
Family
ID=84691241
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110719849.4A Pending CN115603850A (zh) | 2021-06-28 | 2021-06-28 | 虚拟网络的优化方法、装置及计算机存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN115603850A (zh) |
WO (1) | WO2023273940A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116680323B (zh) * | 2023-06-20 | 2024-02-06 | 深圳市优品投资顾问有限公司 | 基于大数据安全平台的用户需求挖掘方法及系统 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100558070C (zh) * | 2006-05-16 | 2009-11-04 | 华为技术有限公司 | 光虚拟专用网中的业务切换方法及光网络系统 |
US8214829B2 (en) * | 2009-01-15 | 2012-07-03 | International Business Machines Corporation | Techniques for placing applications in heterogeneous virtualized systems while minimizing power and migration cost |
EP2693704B1 (en) * | 2011-04-28 | 2018-06-06 | Huawei Technologies Co., Ltd. | Method, regional management entity and system for virtual network migration |
CN106302153B (zh) * | 2015-05-11 | 2020-02-07 | 中兴通讯股份有限公司 | 多域控制器、单域控制器、软件定义光网络系统及方法 |
CN113032096B (zh) * | 2021-03-17 | 2023-03-31 | 西安电子科技大学 | 一种基于节点重要性与用户需求双感知的sfc映射方法 |
-
2021
- 2021-06-28 CN CN202110719849.4A patent/CN115603850A/zh active Pending
-
2022
- 2022-06-20 WO PCT/CN2022/099902 patent/WO2023273940A1/zh unknown
Also Published As
Publication number | Publication date |
---|---|
WO2023273940A1 (zh) | 2023-01-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210367835A1 (en) | Method and apparatus for optimizing a software defined network configuration | |
US11503615B2 (en) | Bandwidth allocation using machine learning | |
US20210226857A1 (en) | Dynamic inter-cloud placement of virtual network functions for a slice | |
US11329901B2 (en) | Dynamic inter-cloud placement of virtual network functions for a slice | |
CN112737823A (zh) | 一种资源切片分配方法、装置及计算机设备 | |
EP3758325A1 (en) | Traffic limiting method and system | |
KR20120024781A (ko) | 네트워크 노드 내의 트래픽의 혼잡의 제어를 위한 방법, 혼잡 제어 디바이스, 네트워크 노드 및 네트워크 혼잡 제어 디바이스 | |
CN115080248B (zh) | 调度装置的调度优化方法、调度装置和存储介质 | |
Cai et al. | SARM: service function chain active reconfiguration mechanism based on load and demand prediction | |
WO2023273940A1 (zh) | 虚拟网络的优化方法、装置及计算机存储介质 | |
CN110996365B (zh) | 一种基于多目标优化模型的异构网络垂直切换算法及系统 | |
CN110049018B (zh) | 基于增强学习的spma协议参数优化方法、系统及介质 | |
CN109688065B (zh) | 参数的处理方法、装置及存储介质 | |
CN116367223B (zh) | 基于强化学习的xr服务优化方法、装置、电子设备和存储介质 | |
Alves Esteves et al. | On the robustness of controlled deep reinforcement learning for slice placement | |
CN112637904B (zh) | 负载均衡方法、装置及计算设备 | |
JP7428831B2 (ja) | Otnネットワークリソース最適化方法および装置、コンピュータデバイスならびに記憶媒体 | |
CN112260869B (zh) | 服务降级方法、系统、终端设备及计算机可读存储介质 | |
KR20230121142A (ko) | 전용 라인 구성 방법, 광 네트워크, 장비, 및 판독가능 저장 매체 | |
Qu et al. | Space-Earth Integration Network Slice Mapping Based on Multi-Level Attribute Representation Model | |
CN113472678A (zh) | 窗口控制方法、相关装置设备以及计算机可读存储介质 | |
ORA-FR et al. | Deliverable D4. 2 Final Report on AI-driven Techniques for the MonB5G Decision Engine | |
Yuan et al. | Optical Fiber Network Path Optimization Design for Data Classification Cloud Computing | |
CN115037625A (zh) | 网络切片处理方法、装置、电子设备及可读存储介质 | |
CN117640386A (zh) | 网络切片资源自适应调整方法、装置、存储介质及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination |