CN115604129B - 基于图数据库的宽带路径规划方法、系统、装置和介质 - Google Patents
基于图数据库的宽带路径规划方法、系统、装置和介质 Download PDFInfo
- Publication number
- CN115604129B CN115604129B CN202211612058.2A CN202211612058A CN115604129B CN 115604129 B CN115604129 B CN 115604129B CN 202211612058 A CN202211612058 A CN 202211612058A CN 115604129 B CN115604129 B CN 115604129B
- Authority
- CN
- China
- Prior art keywords
- broadband
- optical
- graph
- preset
- graph database
- 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
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
- H04L41/14—Network analysis or design
-
- 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
- H04L41/0896—Bandwidth or capacity management, i.e. automatically increasing or decreasing capacities
-
- 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
- H04L41/22—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks comprising specially adapted graphical user interfaces [GUI]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L45/00—Routing or path finding of packets in data switching networks
- H04L45/12—Shortest path evaluation
- H04L45/125—Shortest path evaluation based on throughput or bandwidth
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L45/00—Routing or path finding of packets in data switching networks
- H04L45/74—Address processing for routing
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Human Computer Interaction (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本申请涉及一种基于图数据库的宽带路径规划方法、系统、装置和介质,其中,该方法包括:基于预设图数据库,对宽带网络链路中的网络设备进行Schema描述,构建网络设备间的图关系网络;在图关系网络的约束下,通过导入工具,将历史数据和实时数据导入预设图数据库;采用度中心性算法,计算出预设图数据库中图空间节点的出入度;响应宽带申请请求,根据节点的出入度,计算得出宽带申请请求对应的宽带规划路径。通过本申请,解决了基于关系型数据库做宽带路径规划的计算耗能大和数据滞后严重问题,依托于图数据库强大的图语义表达能力以及图计算的能力,大大减少了宽带路径规划的计算耗能,同时提高了实时宽带申请的数据统计处理效率。
Description
技术领域
本申请涉及图数据库通讯技术领域,特别是涉及一种基于图数据库的宽带路径规划方法、系统、装置和介质。
背景技术
随着5G、万物互联时代的到来,家庭、企业的宽带需求逐年上升,而且随着基础设施的愈发健全,运营商所支撑的网络设备规模越来越大,拓扑越来越复杂,作为运营商如何提升宽带业务办理效率、如何高效规划终端、末梢设备到机房设备的最优路径成为宽带业务持续拓展亟需突破的瓶颈。
传统基于关系型数据库的系统在做路径规划时,需要针对某地市的所有相关设备做全网路由预计算生成一张路由表,然后对于新的宽带申请订单基于生成的路由表实时查询。该方法面临两方面的问题,首先,全国地市众多,每一次的全网路由计算能耗巨大,但其计算结果往往仅仅有极小一部分会被最终会被使用,造成极大的资源浪费;其次,每次预计算耗时过长,路由表结果过期严重,往往出现施工人员到现场后发现不满足施工要求,比如指定光分纤箱、光交接箱空闲纤芯数不足或者相关分光器不可用等。
目前针对相关技术中基于图数据库的宽带路径规划计算耗能大和数据滞后严重的问题,尚未提出有效的解决方案。
发明内容
本申请实施例提供了一种基于图数据库的宽带路径规划方法、系统、装置和介质,以至少解决相关技术中基于图数据库的宽带路径规划计算耗能大和数据滞后严重的问题。
第一方面,本申请实施例提供了一种基于图数据库的宽带路径规划方法,所述方法包括:
基于预设图数据库,对宽带网络链路中的网络设备进行Schema描述,构建所述网络设备间的图关系网络;
在所述图关系网络的约束下,通过导入工具,将历史数据和实时数据导入预设图数据库;
采用度中心性算法,计算出所述预设图数据库中图空间节点的出入度,即所述网络设备的负载度;
响应宽带申请请求,根据所述节点的出入度,计算得出所述宽带申请请求对应的宽带规划路径。
在其中一些实施例中,对宽带网络链路中的网络设备进行Schema描述包括:
宽带网络链路中的网络设备包括光终端盒、光分纤箱、光交接盒、光配线架、光线路终端和光缆;
对所述光终端盒、光分纤箱、光交接盒、光配线架和光线路终端进行节点类型的Schema描述;
对所述光缆进行边类型的Schema描述。
在其中一些实施例中,响应宽带申请请求,根据所述节点的出入度,计算得出所述宽带申请请求对应的宽带规划路径包括:
获取宽带申请请求,判断所述宽带申请请求是否属于频度超过预设阈值的请求业务;
若属于,则根据所述节点的出入度,通过第一路径规划方式计算出所述宽带申请请求对应的宽带规划路径,若不属于,则根据所述节点的出入度,通过第二路径规划方式计算得出所述宽带申请请求对应的宽带规划路径。
在其中一些实施例中,通过导入工具,将历史数据和实时数据导入预设图数据库包括:
先将历史数据从数据源中抽取、转换和加载,再通过导入工具直接导入预设图数据库;
先将实时数据写入kafka消息队列中,再通过导入工具从所述kafka消息队列中读取导入预设图数据库。
在其中一些实施例中,根据所述节点的出入度,通过第一路径规划方式计算出所述宽带申请请求对应的宽带规划路径包括:
根据所述宽带申请请求中的申请人地址,定位出离所述申请人地址最近且可用的光终端盒节点;
根据所述节点的出入度,查找出在所述光终端盒节点预设度数范围内的若干光线路终端节点;
分别计算出所述光终端盒节点与若干光线路终端节点的所有宽带路径,根据权重排序,从所述宽带路径中选取出宽带规划路径。
在其中一些实施例中,根据所述节点的出入度,通过第二路径规划方式计算得出所述宽带申请请求对应的宽带规划路径包括:
根据所述节点的出入度,通过预设最短路径算法,批量计算出每一个光终端盒节点到光线路终端节点的最优路径;
根据所述宽带申请请求中的申请人地址,定位出离所述申请人地址最近且可用的光终端盒节点;
再根据所述光终端盒节点从所述最优路径中选取出宽带规划路径。
在其中一些实施例中,所述预设图数据库为Nebula Graph图数据库,所述导入工具为Nebula Exchange导入工具。
第二方面,本申请实施例提供了一种基于图数据库的宽带路径规划系统,所述系统包括设备虚拟化模块、数据导入模块、数据统计模块和路径规划模块;
所述设备虚拟化模块,用于基于预设图数据库,对宽带网络链路中的网络设备进行Schema描述,构建所述网络设备间的图关系网络;
所述数据导入模块,用于在所述图关系网络的约束下,通过导入工具,将历史数据和实时数据导入预设图数据库;
所述数据统计模块,用于采用度中心性算法,计算出所述预设图数据库中图空间节点的出入度,即所述网络设备的负载度;
所述路径规划模块,用于响应宽带申请请求,根据所述节点的出入度,计算得出所述宽带申请请求对应的宽带规划路径。
第三方面,本申请实施例提供了一种电子装置,包括存储器、处理器以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,所述处理器执行所述计算机程序时实现如上述第一方面所述的方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述第一方面所述的方法。
相比于相关技术,本申请实施例提供的一种基于图数据库的宽带路径规划方法、系统、装置和介质,其中,该方法通过基于预设图数据库,对宽带网络链路中的网络设备进行Schema描述,构建网络设备间的图关系网络;在图关系网络的约束下,通过导入工具,将历史数据和实时数据导入预设图数据库;采用度中心性算法,计算出预设图数据库中图空间节点的出入度,即网络设备的负载度;响应宽带申请请求,根据节点的出入度,计算得出宽带申请请求对应的宽带规划路径,解决了基于关系型数据库做宽带路径规划的计算耗能大和数据滞后严重问题,依托于图数据库强大的图语义表达能力以及图计算的能力,大大减少了宽带路径规划的计算耗能,同时提高了实时宽带申请的数据统计处理效率。
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是宽带网络链路的结构示意图;
图2是根据本申请实施例的宽带申请路径规划方法的步骤流程图;
图3是根据本申请实施例的对网络设备进行Schema描述的示意图;
图4是根据本申请实施例的宽带申请路径规划系统的结构框图;
图5是根据本申请实施例的电子设备的内部结构示意图。
附图说明:41、设备虚拟化模块;42、数据导入模块;43、数据统计模块;44、路径规划模块。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行描述和说明。应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。基于本申请提供的实施例,本领域普通技术人员在没有作出创造性劳动的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。
显而易见地,下面描述中的附图仅仅是本申请的一些示例或实施例,对于本领域的普通技术人员而言,在不付出创造性劳动的前提下,还可以根据这些附图将本申请应用于其他类似情景。此外,还可以理解的是,虽然这种开发过程中所作出的努力可能是复杂并且冗长的,然而对于与本申请公开的内容相关的本领域的普通技术人员而言,在本申请揭露的技术内容的基础上进行的一些设计,制造或者生产等变更只是常规的技术手段,不应当理解为本申请公开的内容不充分。
在本申请中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是,本申请所描述的实施例在不冲突的情况下,可以与其它实施例相结合。
除非另作定义,本申请所涉及的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制,可表示单数或复数。本申请所涉及的术语“包括”、“包含”、“具有”以及它们任何变形,意图在于覆盖不排他的包含;例如包含了一系列步骤或模块(单元)的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可以还包括没有列出的步骤或单元,或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接,而是可以包括电气的连接,不管是直接的还是间接的。本申请所涉及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。本申请所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象,不代表针对对象的特定排序。
传统基于关系型数据库的系统在做路径规划时,需要针对某地市的所有相关设备做全网路由预计算生成一张路由表,然后对于新的宽带申请订单基于生成的路由表实时查询。
发明人经研究发现,上述宽带路径规划方案面临着以下问题:
图1是宽带网络链路的结构示意图,如图1所示,在宽带网络链路中,除光终端盒外的设备,每一层之间都是全连接的。若是采用传统关系型数据库多表JOIN方式,从某个光终端盒出发找出一条到OLT设备(光线路终端)的最优路径,其计算复杂度等于每一级设备数相乘,且中间还需根据设备的能力值、光缆长度、纤芯/端口空间度等属性做权重计算,首先在语义上实现起来比较复杂,全网路由计算能耗巨大,其次也无法在一个可接受时间段内直接查询得到的。即每一次的全网路由计算能耗巨大,但其计算结果往往仅仅有极小一部分会被最终会被使用,造成极大的资源浪费;每次预计算耗时过长,路由表结果过期严重,往往出现施工人员到现象后发现不满足施工要求,比如指定光分纤箱、光交接箱空闲纤芯数不足或者相关分光器不可用等。
究其根本原因,在于关系型数据库并不适合用于这类动态规划问题,在这类问题中,既需要处理极深的链路(也即SQL中超过5次JOIN,时效性无法满足要求),也需要提供丰富的路径语义(比如需要根据各设备的出入度、能力值、光缆长度、端口空闲度等多种参数做带权重路径排序,用SQL表达极为困难——这也带来了开发上的困难),
因此,本发明提出一种基于图数据库的宽带路径规划的技术方案,依托图数据库强大的图语义表达能力以及图计算的能力,能很好解决上述问题。
本申请实施例提供了一种基于图数据库的宽带路径规划方法,图2是根据本申请实施例的宽带申请路径规划方法的步骤流程图,如图2所示,该方法包括以下步骤:
步骤S202,基于预设图数据库,对宽带网络链路中的网络设备进行Schema描述,构建网络设备间的图关系网络;
步骤S202具体地,图3是根据本申请实施例的对网络设备进行Schema描述的示意图,如图3所示,宽带网络链路中的网络设备包括光终端盒、光分纤箱、光交接盒、光配线架、光线路终端和光缆;
对光终端盒、光分纤箱(属性:空闲纤芯数)、光交接盒(属性:空闲纤芯数)、光配线架(属性:能力值)和光线路终端(属性:能力值、空间端口数)进行节点类型的Schema描述;对光缆(属性:长度)进行边类型的Schema描述。
步骤S204,在图关系网络的约束下,通过导入工具,将历史数据和实时数据导入预设图数据库;
步骤S204具体地,对于历史数据而言,先将历史数据ETL后,再通过导入工具直接导入预设图数据库;
而对于实时数据,先将实时数据写入kafka消息队列中,再通过导入工具从kafka消息队列中读取导入预设图数据库。
优选地,步骤S204中的预设图数据库为Nebula Graph图数据库,导入工具为Nebula Exchange导入工具;
步骤S204优选地,数据源准备历史数据ETL之后存储在Hive表,实时数据写入PostgreSQL;
通过Nebula Exchange导入工具将数据导入Nebula Graph,其中,Hive表中离线数据直接通过Exchange导入,而PostgreSQL中的实时数据会先存储在kafka消息队列经由Exchange读取导入。
导入并存储在Nebula Graph中的数据,可供Nebula Graph客户端下拉查询使用,同时也可通过图计算引擎定期执行图计算后将结果写回Nebula Graph后供客户端查询检索。
需要说明的是,ETL是英文Extract-Transform-Load的缩写,用来描述将数据从来源端经过抽取(extract)、转换(transform)、加载(load)至目的端的过程。ETL一词较常用在数据仓库,但其对象并不限于数据仓库。
Kafka是一个分布式、支持分区的(partition)、多副本的(replica),基于zookeeper协调的分式消息系统,它的最大的特性就是可以实时的处理大量数据以满足各种需求场景。使用消息队列能够使关键组件顶住突发的访问压力,而不会因为突发的超负荷的请求而完全崩溃。
PostgreSQL是一种特性非常齐全的自由软件的对象-关系型数据库管理系统(ORDBMS)。
步骤S206,采用度中心性算法,计算出预设图数据库中图空间节点的出入度,即网络设备的负载度;
步骤S206具体地,在预设图数据库的业务低峰期间,使用度中心性算法计算出图空间所有节点的出入度即设备负载度,并将结果写回预设图数据库,用于及时更新当前网络中局端设备、能力设备的负载情况。
需要说明的是,度中心性算法。度中心性是刻画节点中心性的最直接度量指标。一个节点的度越大就意味着这个节点的度中心性越高,该节点在网络中就越重要负载越高。对于一个拥有g个节点的无向图,节点i的度中心性是i与其它g-1个节点的直接联系总数,用公式表示如下:
步骤S208,响应宽带申请请求,根据节点的出入度,计算得出宽带申请请求对应的宽带规划路径。
步骤S208具体地包括以下步骤:
步骤S81,获取宽带申请请求,判断宽带申请请求是否属于频度超过预设阈值的请求业务;
步骤S81优选地,对于大城市而言,宽带申请业务较为频繁,而对于小城市,每天宽带申请业务量不大;可根据实际需求设置预设阈值,用于区分大小城市;获取宽带申请请求,判断该宽带申请请求属于频度大于预设阈值的大城市的请求业务,还是频度小于预设阈值的小城市的请求业务。
步骤S82,若宽带申请请求是频度大于预设阈值的大城市的请求业务,则根据节点的出入度,通过第一路径规划方式计算出宽带申请请求对应的宽带规划路径,
步骤S82优选地,根据宽带申请请求中的申请人地址,定位出离申请人地址最近且可用的末梢设备(光终端盒节点);根据节点的出入度,查找出在光终端盒节点预设度数范围内(如1~5度内)存在的若干机房设备(光线路终端节点);分别计算出光终端盒节点与若干光线路终端的所有宽带路径,根据权重排序(排名越靠前的路径越优),从宽带路径中选取出宽带规划路径。
需要说明的是,大城市宽带申请业务较为频繁,需要满足一定并发下的在线路径规划计算。宽带接入网络天生适合以图的结构来建模,将具体设备作为节点,设备间的物理连接关系作为边存储在图数据库,依托图数据库强大的图语义表达能力以及图计算的能力,可以快速的基于某个点作图上的遍历以及找出两个或两组点间的所有路径,同时基于图的路径算法支持条件过滤,在找路径的同时可以进行各属性值的数学运算得到不同路径的权重,对权重值排序后即可得到最优路径。
跟传统关系型数据库每一周需要进行长时间的全网路由表预计算相比,采用Nebula Graph图数据库技术的方式,每一次宽带申请所需的最佳路径可以进行实时查询得到,实际验证一次查询时延小于500ms。
步骤S83,若宽带申请请求是频度小于预设阈值的小城市的请求业务,则根据节点的出入度,通过第二路径规划方式计算得出宽带申请请求对应的宽带规划路径。
步骤S83优选地,根据节点的出入度,通过预设最短路径算法(如Dijkstra算法),批量计算出每一个光终端盒节点到光线路终端的最优路径;根据宽带申请请求中的申请人地址,定位出离申请人地址最近且可用的光终端盒节点;再根据光终端盒节点从最优路径中选取出宽带规划路径。
需要说明的是,小城市每天宽带申请业务量不大,对于实时性要求相对较低。图模型相较于关系数据模型在做离线图计算时效率更高,计算资源开销更小。在当前路径规划的场景下,针对并发度不高的业务可以采用离线图计算的方式,在每天的空闲的时段运行离线Dijkstra图算法,批量计算出所有末梢设备到机房设备的最优路径,既能满足小城市低业务并发下的实际需求,也能够节省系统计算资源。
通过本申请实施例中的步骤S202至S208,解决了基于关系型数据库做宽带路径规划的计算耗能大和数据滞后严重问题,依托于图数据库强大的图语义表达能力以及图计算的能力,大大减少了宽带路径规划的计算耗能,同时提高了实时宽带申请的数据统计处理效率。
需要说明的是,在上述流程中或者附图的流程图中示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
本申请实施例提供了一种基于图数据库的宽带路径规划系统,图4是根据本申请实施例的宽带申请路径规划系统的结构框图,如图4所示,该系统包括设备虚拟化模块41、数据导入模块42、数据统计模块43和路径规划模块44;
设备虚拟化模块41,用于基于预设图数据库,对宽带网络链路中的网络设备进行Schema描述,构建网络设备间的图关系网络;
数据导入模块42,用于在图关系网络的约束下,通过导入工具,将历史数据和实时数据导入预设图数据库;
数据统计模块43,用于采用度中心性算法,计算出预设图数据库中图空间节点的出入度,即网络设备的负载度;
路径规划模块44,用于响应宽带申请请求,根据节点的出入度,计算得出宽带申请请求对应的宽带规划路径。
通过本申请实施例中的设备虚拟化模块41,数据导入模块42、数据统计模块43和路径规划模块44,将网络设备作为节点,设备间的物理连接关系作为边存储在图数据库,依托图数据库强大的图语义表达能力以及图计算的能力,可以快速的基于某个点作图上的遍历以及找出两个或两组点间的所有路径,同时基于图的路径算法支持条件过滤,在找路径的同时可以进行各属性值的数学运算得到不同路径的权重,对权重值排序后即可得到最优路径。解决了基于关系型数据库做宽带路径规划的计算耗能大和数据滞后严重问题,大大减少了宽带路径规划的计算耗能,同时提高了实时宽带申请的数据统计处理效率。
需要说明的是,上述各个模块可以是功能模块也可以是程序模块,既可以通过软件来实现,也可以通过硬件来实现。对于通过硬件来实现的模块而言,上述各个模块可以位于同一处理器中;或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。
本实施例还提供了一种电子装置,包括存储器和处理器,该存储器中存储有计算机程序,该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
可选地,上述电子装置还可以包括传输设备以及输入输出设备,其中,该传输设备和上述处理器连接,该输入输出设备和上述处理器连接。
需要说明的是,本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例,本实施例在此不再赘述。
另外,结合上述实施例中的基于图数据库的宽带路径规划方法,本申请实施例可提供一种存储介质来实现。该存储介质上存储有计算机程序;该计算机程序被处理器执行时实现上述实施例中的任意一种基于图数据库的宽带路径规划方法。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于图数据库的宽带路径规划方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
在一个实施例中,图5是根据本申请实施例的电子设备的内部结构示意图,如图5所示,提供了一种电子设备,该电子设备可以是服务器,其内部结构图可以如图5所示。该电子设备包括通过内部总线连接的处理器、网络接口、内存储器和非易失性存储器,其中,该非易失性存储器存储有操作系统、计算机程序和数据库。处理器用于提供计算和控制能力,网络接口用于与外部的终端通过网络连接通信,内存储器用于为操作系统和计算机程序的运行提供环境,计算机程序被处理器执行时以实现一种基于图数据库的宽带路径规划方法,数据库用于存储数据。
本领域技术人员可以理解,图5中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的电子设备的限定,具体的电子设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,该计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink) DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
本领域的技术人员应该明白,以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (7)
1.一种基于图数据库的宽带路径规划方法,其特征在于,所述方法包括:
基于预设图数据库,对宽带网络链路中的网络设备进行Schema描述,构建所述网络设备间的图关系网络;
在所述图关系网络的约束下,通过导入工具,将历史数据和实时数据导入预设图数据库;
采用度中心性算法,计算出所述预设图数据库中图空间节点的出入度,即所述网络设备的负载度;
获取宽带申请请求,判断所述宽带申请请求是否属于频度超过预设阈值的请求业务;
若属于,则根据所述宽带申请请求中的申请人地址,定位出离所述申请人地址最近且可用的光终端盒节点;根据所述节点的出入度,查找出在所述光终端盒节点预设度数范围内的若干光线路终端节点;
分别计算出所述光终端盒节点与若干光线路终端节点的所有宽带路径,根据权重排序,从所述宽带路径中选取出宽带规划路径;
若不属于,则根据所述节点的出入度,通过预设最短路径算法,批量计算出每一个光终端盒节点到光线路终端节点的最优路径;根据所述宽带申请请求中的申请人地址,定位出离所述申请人地址最近且可用的光终端盒节点;
再根据所述光终端盒节点从所述最优路径中选取出宽带规划路径。
2.根据权利要求1所述的方法,其特征在于,对宽带网络链路中的网络设备进行Schema描述包括:
宽带网络链路中的网络设备包括光终端盒、光分纤箱、光交接盒、光配线架、光线路终端和光缆;
对所述光终端盒、光分纤箱、光交接盒、光配线架和光线路终端进行节点类型的Schema描述;
对所述光缆进行边类型的Schema描述。
3.根据权利要求1所述的方法,其特征在于,通过导入工具,将历史数据和实时数据导入预设图数据库包括:
先将历史数据从数据源中抽取、转换和加载,再通过导入工具直接导入预设图数据库;
先将实时数据写入kafka消息队列中,再通过导入工具从所述kafka消息队列中读取导入预设图数据库。
4.根据权利要求1所述的方法,其特征在于,所述预设图数据库为Nebula Graph图数据库,所述导入工具为NebulaExchange导入工具。
5.一种基于图数据库的宽带路径规划系统,其特征在于,所述系统包括设备虚拟化模块、数据导入模块、数据统计模块和路径规划模块;
所述设备虚拟化模块,用于基于预设图数据库,对宽带网络链路中的网络设备进行Schema描述,构建所述网络设备间的图关系网络;
所述数据导入模块,用于在所述图关系网络的约束下,通过导入工具,将历史数据和实时数据导入预设图数据库;
所述数据统计模块,用于采用度中心性算法,计算出所述预设图数据库中图空间节点的出入度,即所述网络设备的负载度;
所述路径规划模块,用于获取宽带申请请求,判断所述宽带申请请求是否属于频度超过预设阈值的请求业务;
若属于,则根据所述宽带申请请求中的申请人地址,定位出离所述申请人地址最近且可用的光终端盒节点;根据所述节点的出入度,查找出在所述光终端盒节点预设度数范围内的若干光线路终端节点;
分别计算出所述光终端盒节点与若干光线路终端节点的所有宽带路径,根据权重排序,从所述宽带路径中选取出宽带规划路径;
若不属于,则根据所述节点的出入度,通过预设最短路径算法,批量计算出每一个光终端盒节点到光线路终端节点的最优路径;根据所述宽带申请请求中的申请人地址,定位出离所述申请人地址最近且可用的光终端盒节点;
再根据所述光终端盒节点从所述最优路径中选取出宽带规划路径。
6.一种电子装置,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行权利要求1至4中任一项所述的方法。
7.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1至4中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211612058.2A CN115604129B (zh) | 2022-12-15 | 2022-12-15 | 基于图数据库的宽带路径规划方法、系统、装置和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211612058.2A CN115604129B (zh) | 2022-12-15 | 2022-12-15 | 基于图数据库的宽带路径规划方法、系统、装置和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115604129A CN115604129A (zh) | 2023-01-13 |
CN115604129B true CN115604129B (zh) | 2023-03-10 |
Family
ID=84853813
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211612058.2A Active CN115604129B (zh) | 2022-12-15 | 2022-12-15 | 基于图数据库的宽带路径规划方法、系统、装置和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115604129B (zh) |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
IN2012DE00287A (zh) * | 2012-02-02 | 2015-04-10 | Ciena Corp | |
US9705815B2 (en) * | 2014-06-27 | 2017-07-11 | Juniper Networks, Inc. | Graph database for services planning and configuration in network services domain |
CN110146072A (zh) * | 2019-05-17 | 2019-08-20 | 深圳来电科技有限公司 | 一种路径规划方法、服务器及可读存储介质 |
CN112665601B (zh) * | 2020-12-11 | 2022-11-18 | 杭州安恒信息技术股份有限公司 | 一种路径规划方法、装置、电子设备及可读存储介质 |
CN115409222A (zh) * | 2021-05-26 | 2022-11-29 | 深圳顺丰泰森控股(集团)有限公司 | 基于图数据库的运输路由规划方法、装置、设备和介质 |
CN114840523A (zh) * | 2022-05-07 | 2022-08-02 | 龙芯中科技术股份有限公司 | 图数据处理方法、图数据处理装置和电子设备 |
-
2022
- 2022-12-15 CN CN202211612058.2A patent/CN115604129B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115604129A (zh) | 2023-01-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111242282B (zh) | 基于端边云协同的深度学习模型训练加速方法 | |
Liu et al. | A task scheduling algorithm based on classification mining in fog computing environment | |
CN105138592B (zh) | 一种基于分布式架构的日志数据存储和检索方法 | |
CN110166282B (zh) | 资源分配方法、装置、计算机设备和存储介质 | |
CN103678609B (zh) | 一种基于分布式关系‑对象映射处理的大数据查询的方法 | |
CN110321223A (zh) | Coflow协同作业流调度感知的数据流划分方法与装置 | |
CN109446385B (zh) | 一种建立网络资源设备图谱的方法及设备图谱的使用方法 | |
CN110110006A (zh) | 数据管理方法及相关产品 | |
CN109739919A (zh) | 一种用于电力系统的前置机和采集系统 | |
CN104104621B (zh) | 一种基于非线性降维的虚拟网络资源动态自适应调节方法 | |
CN109150738A (zh) | 工业互联网资源管理方法及系统、可读存储介质和终端 | |
CN109995580A (zh) | 5g网络切片中基于ga_pso混合算法的vn映射方法 | |
CN111258978A (zh) | 一种数据存储的方法 | |
Fan et al. | Dynamic virtual network embedding of mobile cloud system based on global resources in internet of vehicles | |
CN111324429B (zh) | 一种基于多代血统参考距离的微服务组合调度方法 | |
CN114205251B (zh) | 基于时空特征的交换机链路资源预测方法 | |
CN114003775A (zh) | 图数据处理、查询方法及其系统 | |
CN115604129B (zh) | 基于图数据库的宽带路径规划方法、系统、装置和介质 | |
CN107291764A (zh) | 一种大数据交换方法及装置、系统 | |
CN109726219A (zh) | 数据查询的方法及终端设备 | |
CN107257356B (zh) | 一种基于超图分割的社交用户数据优化放置方法 | |
Du et al. | An efficient indexing and query mechanism for ubiquitous IoT services | |
CN109063114A (zh) | 能源云平台的异构数据集成方法、装置、终端及存储介质 | |
Amalarethinam et al. | A study on performance evaluation of peer-to-peer distributed databases | |
CN108984308A (zh) | 一种基于工作负载的云数据处理方法及系统 |
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 |