CN115632939A - 一种实现算力网络多目标达成的自动选网选路的方法 - Google Patents

Abstract

本发明公开了一种实现算力网络多目标达成的自动选网选路的方法，包括以下步骤：对提供入云服务的网络专业进行建模，确定从客户侧到云内VPC的端到端的网络构成；采集组网方案中涉及的网络专业的所有网络域网元和链路运行数据，实现网络最原子化能力的感知；根据预设时间周期对网络基础感知的数据进行处理及分析，确定网络的确定性服务能力；基于网络能力的评估结果在选定的算力资源池范围内，根据客户所在地和业务场景的要求通过预设策略计算得到符合要求的最佳组网方案。本发明可以在满足于用户算力场景需求上提供符合运营效益的最佳组网方案，可以提供丰快速准确的组网设计服务，从而可以支撑前端快速锁定商机、实现商机转化。

Description

一种实现算力网络多目标达成的自动选网选路的方法

技术领域

本发明涉及网络通信技术领域，具体来说，涉及一种实现算力网络多目标达成的自动选网选路的方法。

背景技术

随着国家大力发展数字基础设施，算力的提升和普惠变得越来越重要。所谓算力，简而言之就是设备的计算能力（Computing Power）。算力的单位，是衡量算力强弱的指标和基准，当前存在多种不同的衡量方法，常见的包括MIPS（每秒钟执行的百万指令数，MillionInstructions Per Second）、DMIPS（Dhrystone每秒钟执行的百万指令数，DhrystoneMillion Instructions executed Per Second）、OPS（每秒操作次数，Operations PerSecond）、FLOPS（每秒浮点运算次数，Floating-point Operations Per Second）、Hash/s（每秒哈希运算次数，Hash Per Second）等。算力按照应用领域，可以分成两大类：通用算力（计算量小；常规应用，只消耗少量算力）和HPC（高性能计算，High-performancecomputing，计算量大；一个任务，要调用巨多计算资源）。

算力基础设施从云向算泛在演进，其位置的分布从中心向边缘和端侧泛在延伸，将出现云、边、端三级算力架构。这些算力节点之间，需要通过网络互连从而实现共享、调度、使用、和协同。算力网络就是一种根据业务需求，在云、边、端之间按需分配和灵活调度计算资源、存储资源以及网络资源的新型信息基础设施。算力网络的核心思想是通过新型网络技术将地理分布的算力中心节点连接起来，动态实时感知算力资源状态，进而统筹分配和调度计算任务，传输数据，构成全局范围内感知、分配、调度算力的网络，在此基础上汇聚和共享算力、数据、应用资源。

在算网业务开通时，需自动化评估用户入算、算间互联的网络连接能力，特别是在国内通信运营商提供多网络协同连接入算的情况，更需要一种协同评估能力。通过多因子选路技术，感知算网实时状态，针对不同业务需求场景SLA要求，自动实现选网选路。以运力可视化技术展示算网一体拓扑连接、时延、抖动、带宽、资源利用率等，以支撑在业务售前中后阶段，全局算网优化布局。

目前，通信运营商在算力业务支撑过程中存在算网底座能力不足，算网资源割裂，算和网售中流程割裂，算网售前方案完全依赖人工等痛点。

算力业务的端到端连接包括算和网两部分，从用户侧到算力通过多种网络相连而 达。国内通信运营商目前都是综合网络运营商，运营管理着多套网络和多种算力。例如传统 的网络包括传输网（PON、PTN、SPN、OTN）、数据IP网（IP城域网、IP骨干网、省级云专网、集团 级云专网、SDWAN）、移动通信网（LTE、5G优专尊三种切片、NB-IOB、WLAN）三大类15种网络，对 于入云组网方案如果只考虑3段连接理论上存在

种，考虑到后续技术 发展和用户异构多算力池连接需求，可能的组网方案数会几百上千。

传统的算力业务需求分析依赖人工，借助技术专家的经验，人工分析算力业务场景需求，人工确定算力池和组网方式。但随着算力市场的发展，要求“算力使用像使用水电一样便捷”，人工方式无法24小时实时为用户提供算力组网设计服务，人工设计需要小时级的服务时间，人工难以对当前网络容量和服务能力进行准确评估，这些因素都限制着算力业务的发展。

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，本发明提出一种实现算力网络多目标达成的自动选网选路的方法，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：

一种实现算力网络多目标达成的自动选网选路的方法，该自动选网选路的方法包括以下步骤：

S1、组网方案设计：利用预设的方案建模设计器对提供入云服务的网络专业进行建模，确定从客户侧到云内VPC的端到端的网络构成；

S2、网络基础感知：采集组网方案中涉及的网络专业的所有网络域网元和链路运行数据，实现网络最原子化能力的感知；

S3、网络能力评估：根据预设时间周期对网络基础感知的数据进行处理及分析，确定网络的确定性服务能力；

S4、业务智能选网：基于网络能力的评估结果在选定的算力资源池范围内，根据客户所在地和业务场景的要求通过预设策略计算得到符合要求的最佳组网方案。

进一步的，所述预设的方案建模设计器包括方案库查看模块、工具栏模块、方案名称模块、连接设计模块、策略选取及适用范围选取模块；

所述方案库查看模块，用于对方案库中已完成的设计方案进行查看或切换方案进行查看修改；

所述工具栏模块，用于对当前方案进行保存、删除、启用或停用操作，还用于新增方案；

所述方案名称模块，用于对当前方案进行文字描述；

所述连接设计模块，用于从客户侧开始逐段选择入云网络连接的节点，通过在空白区新增网络域，建立下一个连接网络域节点；每个网络域上设置上连节点和下连节点，设置域之间连接方案；还用于在展示层面修改域名称、改变域形状大小及拖动域位置；

所述策略选取模块，用于选择该组网方案支持的选网策略；

所述适用范围选取模块，用于选择该组网方案适用的算力资源池和地市范围。

进一步的，所述端到端的网络构成包括网络域内的电路连接方案、网络域之间的连接方案、组网方案所适用的算力资源池和区域范围、对多种组网方案选择的计算策略。

进一步的，所述网络专业的所有网络域网元和链路运行数据包括资源数据、性能数据、告警数据及故障数据。

进一步的，所述采集组网方案中涉及的网络专业的所有网络域网元和链路运行数据，实现网络最原子化能力的感知还包括以下步骤：

按照不同专业、不同地市形成的网络域实例对感知获取的数据进行管理。

进一步的，所述根据预设时间周期对网络基础感知的数据进行处理及分析，确定网络的确定性服务能力包括以下步骤：

S31、通过自动感知的基础数据按照预设时间周期计算网络QOS能力；

S32、通过网络域资源模型映射表按照预设时间周期对网络服务能力进行评估；

S33、利用人工方式对网络QOS能力的计算结果及网络服务能力的评估结果进行静态评估。

进一步的，所述网络QOS能力的计算基于网络QOS指标汇总评估计算来实现，所述网络QOS指标汇总评估计算按照业务场景需求，通过时间维度及计算维度进行指标的汇总计算，且支持时间维度和计算维度的组合计算；

所述网络QOS的指标计算基于网络QOS指标计算规则来实现，所述网络QOS指标计算规则包括规则类型、计算类型、时间维度及计算维度。

进一步的，所述预设策略包括单项策略和综合策略；

所述单项策略包括最短时延、最大宽带、最小抖动、最小丢包、最短工期及最低成本。

进一步的，所述综合策略表示在满足最低要求的基础上，对入云方案和目标云池组合，按照不同的单项策略设置不同的权重，进行组合加权评估并按得分高低进行排序推荐；

其中，所述得分的计算公式为：得分=Σ(策略无量纲得分×策略权重)。

进一步的，所述策略无量纲得分采用无量纲化的数学处理算法得到，所述无量纲化的数学处理算法包括Min-max 标准化法、z-score 标准化法及区间值映射法。

本发明的有益效果为：

1）本发明可以在满足于用户算力场景需求上提供符合运营效益的最佳组网方案，可以为用户提供24小时不间断的组网设计服务，可以将传统小时级的设计时间消耗缩短至1分钟内，可以实时感知网络，评估算力连接服务能力；且通过自动化工具能力可以提供丰快速准确的组网设计服务，从而可以支撑前端快速锁定商机、实现商机转化。

2）本发明从时延、带宽、跳数、风险、成本、可靠性等多目标因素对算力用户到资源池的端到端进行综合智能计算，从而可以自动快速的选择出一条最优路径，进而可以有效地提升算力业务开通效率和网络资源的优化配置。

3）本发明可以将传统依赖经验的操作转变依据网络QOS评估和实时仿真拨测的操作，还可以将传统的人工线下选网方式转变为线上自动选网方式，从而可以有效地节省人工操控成本。

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实现算力网络多目标达成的自动选网选路的方法的流程示意图；

图2是根据本发明实施例的一种实现算力网络多目标达成的自动选网选路的方法中的接入省级算力池的组网方案示意图；

图3是根据本发明实施例的一种实现算力网络多目标达成的自动选网选路的方法中可视化建模工具页面示意图；

图4是根据本发明实施例的一种实现算力网络多目标达成的自动选网选路的方法中页面管理示意图；

图5是根据本发明实施例的一种实现算力网络多目标达成的自动选网选路的方法中的拓扑示意图；

图6是根据本发明实施例的一种实现算力网络多目标达成的自动选网选路的方法中的网元信息页面示意图；

图7是根据本发明实施例的一种实现算力网络多目标达成的自动选网选路的方法中指标取数规则计算的原理示意图；

图8是根据本发明实施例的一种实现算力网络多目标达成的自动选网选路的方法中综合策略的计算过程示意图。

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，提供了一种实现算力网络多目标达成的自动选网选路的方法。

以下对本实施例中所涉及到的专业名词或英文字母进行解释说明如下：

算力：设备的计算能力（Computing Power）；

算力网络：算力网络是“一种根据业务需求，在云、网、边之间按需分配和灵活调度计算资源、存储资源以及网络资源的新型信息基础设施”；

算力池：汇聚了一定算力和存力资源的逻辑组合，并提供对外云服务能力；

时延：一个信号在它的发送端到它的目标接收之间存在的一个时间差；

抖动：网络发生拥塞，排队延迟将影响端到端的延迟，并导致通过同一连接传输的分组延迟各不相同，抖动是用来描述这样一延迟变化的程度；

丢包率：网络测试中所丢失数据包数量占所发送数据组的比率；

带宽：数据传输能力，标识单位时间内通过链路的数据量；

QOS：Quality of Service（服务质量），指一个网络能够利用各种基础技术，为指定的网络通信提供更好的服务能力；

PON：Passive Optical Network（无源光网络），由OLT、ONU、ODN构成；

PTN：Packet Transport Network（分组传送网）；

SPN：Slicing Packet Network（切片分组网）；

OTN：Optical Transport Network（切片分组网）在光域内实现业务信号的传送、复用、路由选择、监控，并且保证其性能指标和生存性的传送网络；

省级云专网：基于IP技术，为企业上云、各类云互联提供高质量高可靠的承载能力，是云网融合服务能力的核心，专网由省级运营商负责建设和运营；

集团级云专网：基于IP技术，为各省云资源互联提供高质量高可靠的承载能力，专网由运营商集团总部负责建设和运营；

SDWAN：Software Defined Wide Area Network（软件定义广域网），是将SDN技术应用到广域网场景中所形成的一种服务，这种服务用于连接广阔地理范围的企业网络、数据中心、互联网应用及云服务。

现结合附图和具体实施方式对本发明进一步说明，如图1-图8所示，根据本发明实施例的实现算力网络多目标达成的自动选网选路的方法，对可以提供算力连接能力的网络域进行接入管理，提供一种可视化设计器，对算力端到端连接服务进行设计。当客户有算力连接需求的时候，可以提供自动选网的能力，自动寻找符合连接需求的最佳组网方案，具体的，该自动选网选路的方法包括以下步骤：

S1、组网方案设计：利用预设的方案建模设计器对提供入云服务的网络专业进行建模，确定从客户侧到云内VPC的端到端的网络构成；具体的，所述端到端的网络构成包括网络域内的电路连接方案、网络域之间的连接方案、组网方案所适用的算力资源池和区域范围、对多种组网方案选择的计算策略；

本实施例中，从客户侧可通过多种网络路径连接到云内，如图2所示，其列出了6种接入省级算力池的组网方案。对于集团级的算力池、第三方算力池、MEC算力池，均会有不同的组网方案。这些组网方案并不是一成不变的，随着网络技术的发展，OVERLAY连接技术的不断丰富，这些方案也在不断的迭代演进。

对于这些多种组网方案需求，本实施例中提供了可视化建模工具，如图3所示，对从客户侧到云内VPC进行端到端连接方案的设计。这种设计不涉及网络域实例，是以网络专业类为对象进行设计，这样可避免设计数量的笛卡尔积那样的暴增，保证设计方案的稳定性。方案建模设计器主要包含以下部分：

方案库查看：设计者可以通过方案库查看已完成设计，可以切换方案进行查看修改；

工具栏：对当前方案进行保存、删除、启用停用操作，可新增方案；

方案名称：对当前方案进行文字描述；

连接设计区：从客户侧开始，逐段选择入云网络连接的节点。通过在空白区新增网络域，建立下一个连接网络域节点；每个网络域上设置上连节点和下连节点，设置域之间连接方案；展示层面可修改域名称、改变域形状大小、拖动域位置；

策略区：选择该组网方案支持的选网策略，支持多选；

适用范围：选择该组网方案适用的算力资源池和地市范围，支持多选。

下面以PON入省级云为例，对于组网方案设计过程进行说明：

1）基础数据准备：准备各种入云网络域规格数据，以及每种网络域的网元类型，具体如PON[ONU、OLT]、CMNET[BRAS、CR、落地PE]、云专网[PE、P]、行业云[PE]；

2）新增组网方案：通过“新增”按钮新增方案，填写方案名称“PON+CMNET+云专网”；

3）新增PON网络域节点：从客户侧开始，在其右边空白处通过右键一级菜单选择“新增网络域/云”，二级菜单选择“PON”，页面视图出现“PON网络域”图标；在“PON网络域”图标内通过右键一级菜单选择“新增网元类型”，二级菜单选择“ONU”和“OLT”，在“PON网络域”图标内出现这两个节点，并且通过连线依次连接用户-ONU-OLT，完成PON网络域节点新增；

4）新增CMNET网络域节点：从“PON网络域”右边空白处通过右键一级菜单选择“新增网络域/云”，二级菜单选择“CMNET”，页面视图出现“CMNET网络域”图标；在“CMNET网络域”图标内通过右键一级菜单选择“新增网元类型”，二级菜单选择“BRAS”和“落地PE”，在“CMNET网络域”图标内出现这两个节点，实现用户-ONU-OLT-BRAS-落地PE的连线，完成CMNET网络域节点新增；

5）新增云专网网络域节点：从“CMNET网络域”右边空白处通过右键一级菜单选择“新增网络域/云”，二级菜单选择“云专网”，页面视图出现“云专网网络域”图标；在“云专网网络域”图标内通过右键一级菜单选择“新增网元类型”，二级菜单选择“PE”2次，在“云专网网络域”图标内出现这两个节点，并将名称分别修改为“网PE”和“云PE”，实现用户-ONU-OLT-BRAS-落地PE-网PE-云PE的连线，完成云专网网络域节点新增；

6）新增算力域节点：从“云专网网络域”右边空白处通过右键一级菜单选择“新增网络域/云”，二级菜单选择“行业云”，页面视图出现“行业云”图标；在“行业云”图标内通过右键一级菜单选择“新增网元类型”，二级菜单选择“PE”，在“行业云”图标内出现这一个节点，并将名称修改为“云接入”，实现用户-ONU-OLT-BRAS-落地PE-网PE-云PE-云接入的连线，完成行业云网络域节点新增；

7）适用选网策略：勾选策略“最低时延”、“最低成本”；

8）适用范围选择：勾选全部地市，勾选全部行业云实例（自动根据设计图中的所选行业云后展示出所有的池实例）。

S2、网络基础感知：采集组网方案中涉及的网络专业的所有网络域网元和链路运行数据（包括资源、性能、告警、故障灯），实现网络最原子化能力的感知；

其中，本实施例中对组网方案中涉及的网络域要进行运行数据的采集，为后续的网络能力评估提供基础数据，需要采集的数据从专业类别上分为空间、传输类、数据类、无线类；从性质上分为资源、性能、告警、故障几类。

空间类数据包括分级标准地址、站点、机房、机架位置、位置点，这些数据只涉及资源，不涉及性能、告警、故障。空间类数据一般变化较少，同步时间步长可以按天至周来操作。

传输类包括PON、IPRAN、PTN、SPN、OTN等多种专业，资源数据包括网元、板卡、端口、传输链路、隧道、伪线、标签交换相关的信息；性能数据包括：

板卡：CPU利用率、内存利用率、温度、电压等；

以太网业务端口：发送报文包数、发送字节数、接收报文包数、接收字节数、接收到的超长报文数、接收到的超短报文数、接收到的CRC错误报文数、接收到的错误报文数、接收到的单播包数、接收到的组播包数、接收到的广播包数、发送的单播包数、发送的组播包数、发送到的广播包数等；

PON端口：ONU数、注册用户数、在线用户数、带宽（Gbps）、流入均值流速（Gbps）、流入均值带宽利用率（%）、流出均值流速（Gbps）、流出均值带宽利用率（%）、流入峰值流速（Gbps）、流入峰值带宽利用率（%）、流出峰值流速（Gbps）、流出峰值带宽利用率（%）、光模块发送光功率（dbm）、光模块接收光功率（dbm）进行管理；支持对OLT网元的上联端口性能指标[带宽（Mps）、流入均值流速（Gbps）、流入均值带宽利用率（%）、流出均值流速（Gbps）、流出均值带宽利用率（%）、流入峰值流速（Gbps）、流入峰值带宽利用率（%）、流出峰值流速（Gbps）、流出峰值带宽利用率（%）、光模块发送光功率（dbm）、光模块接收光功率（dbm）]；

标签交换：发送报文包数、发送字节数、接收报文包数、接收字节数、反向发送报文包数、反向发送字节数、反向接收报文包数、反向接收字节数等；

激光器：接收光功率、发送光功率、偏置电流、温度；

数据类包括城域网、CMNET/CN2、云专网等多种专业，资源数据包括网元、板卡、物理端口、逻辑端口、物理链路、逻辑链路相关的信息；性能数据包括：

板卡：CPU利用率、内存利用率、温度、电压等；

端口：接收报文数、发送字节数、接收字节数、接收到的超长报文数、接收到的超短报文数、接收到的CRC错误报文数、接收到的错误报文数、接收到的单播包数、接收到的组播包数、接收到的广播包数、发送的单播包数、发送的组播包数、发送到的广播包数、端口发送光功率、端口接收光功率；

无线类包括4G、NB-IOT、5G等多种专业，资源数据包括小区、基站、RRU、BBU相关的信息；性能数据是从专业进行分类，具体包括：

4G：RRC连接性能测量数据、E-RAB性能测量数据、上下文统性能测量数据、系统内分组域切换性能测量数据、系统间分组域切换性能测量数据、基于EutranRelation的切换测量数据、小区寻呼性能测量数据、小区无线承载相关测量数据、无线资源利用率相关测量数据、SCTP偶联性能测量数据、以太网端口性能测量数据、S1接口流量测量数据、MAC层性能测量数据、小区无线信道统计数据、ENB硬件处理负荷测量、小区发射功率测量、RRU发射功率测量、基于GSMRelation的切换测量数据、S1接口信令测量、子小区测量；

NB-IOT：RRC连接性能测量数据、上下文性能测量数据、小区寻呼性能测量数据、无线承载相关测量数据、无线资源利用率相关测量数据、MAC层性能测量数据、无线信道统计数据、S1接口信令测量、覆盖等级测量；

5G：RRC连接建立成功率、QoS Flow建立成功率、NG接口UE相关逻辑信令连接建立成功率、无线接通率、无线掉线率（小区级）、Flow掉线率（小区级）、RRC连接重建比率、gNB间NG切换成功率、gNB间Xn切换成功率、gNB间切换成功率、gNB内切换成功率、切换成功率、小区RLC层下行丢包率、MAC层上行误块率、MAC层下行误块率、上行HARQ重传比率、下行HARQ重传比率、RLC层上行业务字节数、RLC层下行业务字节数、上行业务信息PRB占用率、下行业务信息PRB占用率、上行PRB平均利用率、下行PRB平均利用率、PDCCH信道CCE占用率、PDCCH信道CCE占用率、上行每PRB平均吞吐量、下行每PRB平均吞吐量、PDCP上行业务字节数、PDCP下行业务字节数、同频切换执行成功率、异频切换执行成功率；

故障和告警不区分专业，其中告警信息包括告警级别、告警标题、告警资源、告警类型、告警时间、关闭时间、状态等，故障信息包括主题、工单编号、工单生成时间、处理时限、工单状态、集团客户编号、集团客户名称、故障现象、告警详细描述、处理结果、故障分类、解决时间、故障类型、故障段落、故障原因分类等。

对于感知获取的数据，本实施例中还提供管理页面，按不同专业不同地市形成的网络域实例进行管理，如图4-图5所示，图4中左边是不同网络域目录，通过点击每个节点可以拓扑图或表格的方式对网络内的网元设备进行查询管理；

此外，本实施中还支持从拓扑图中的一个网元节点或表格中的一条记录，进一步钻取分析，如图6所示。左边展示网元设备的资源信息，右上角展示端口的资源和实时性能信息，右下角左侧展示网元级汇聚的实时性能，右下角右侧展示网元未关闭的告警信息。

S3、网络能力评估：根据预设时间周期对网络基础感知的数据进行处理及分析，确定网络的确定性服务能力，具体包括如时延、抖动、丢包、带宽、可靠性等网络QOS，也包括如建设成本、安全防护、建设工期等服务能力；

评估出来的网络能力是智能选网的参考依据，为降低业务选网的操作时长，本实施例中以一定时间周期进行评估，避免使用时大量计算所消耗的时间。

其中，所述根据预设时间周期对网络基础感知的数据进行处理及分析，确定网络的确定性服务能力包括以下步骤：

S31、通过自动感知的基础数据按照预设时间周期计算网络QOS能力；

S32、优先通过网络域资源模型映射表按照预设时间周期对网络服务能力进行评估；

S33、利用人工方式对网络QOS能力的计算结果及网络服务能力的评估结果进行静态评估。

无论是哪种方式进行评估，评估出的模型都是统一的，如下表1所示：

表1 网络连接质量评估表

网络QOS指标汇总评估计算，按照业务场景需求，需通过时间维度、计算维度（通用维度、混合维度、空间维度）进行指标的汇总计算，需同时支持时间维度和计算维度的组合计算。网络QOS指标计算规则，针对指标每一种维度的计算，都需预先定义一套规则，单个指标多种维度计算时支持同时关联多套规则。指标计算规则定义：

规则类型，包括sql脚本、java脚本、groovy脚本；

计算类型，包括立即计算、延时计算、动态计算。立即计算为界面打开需要展示的默认维度统计值；延时计算为指标切换、钻取时进行二次计算，减少立即计算对系统性能的消耗；

时间维度，包括15分钟、1小时、1天、7天、1月等多种；由于评估是基于以往数据对未来的可用能力进行计算的，一般情况都会选用7天以上的数据；

计算维度，包括通过维度、混合维度、空间维度。

在设计好场景指标取数规则后，将其设置为生效状态。定时调度框架按照专业+指标的维度定时的执行指标取数规则，将结果存入到统一的评估表中，计算过程如图7所示。

S4、业务智能选网：当客户经理受理业务的时候，基于网络能力的评估结果在选定的算力资源池范围内，根据客户所在地和业务场景的要求通过预设策略计算得到符合要求的最佳组网方案，此外，本实施例中对于自动计算的结果，同时也提供了人工调整的能力。

其中，智能选网是在需求阶段，根据业务SLA要求，结合各网络域流量、性能、时延、带宽容量、无线接入、移动性等因素，从之前的入云方案库中，通过各种策略，自动智能推荐多种可选入云方案按一定优先级供参考选择，并提供关键的指标参数对比呈现。下面从多种策略角度，对智能选网进行说明。

最短时延：在网络能力指标满足最低要求的基础上，对“入云方案和目标云池”组合，进行时延从低到高排序推荐。时延值判断依据选用最近N天的最差结果作为待筛选和排序值。如果评估库中没有端到端的时延评估值，则按多段时延累加法进行计算。

最大带宽：在网络能力指标满足最低要求的基础上，对“入云方案和目标云池”组合，进行时延从高到低排序推荐。带宽值判断依据选用最近N天的最小结果作为待筛选和排序值。如果评估库中没有端到端的带宽评估值，则取多段带宽中的最小值进行计算。

最小抖动：在网络能力指标满足最低要求的基础上，对“入云方案和目标云池”组合，进行抖动从低到高排序推荐。抖动值判断依据选用最近N天的最小结果作为待筛选和排序值。如果评估库中没有端到端的抖动评估值，则按多段抖动累加法进行计算。

最小丢包：在网络能力指标满足最低要求的基础上，对“入云方案和目标云池”组合，进行丢包率从低到高排序推荐。丢包率值判断依据选用最近N天的最小结果作为待筛选和排序值。如果评估库中没有端到端的抖丢包率，则按多段抖动累加法进行计算。

最短工期：在网络能力指标满足最低要求的基础上，对“入云方案和目标云池”组合，进行建设工期从低到高排序推荐。理论上多段网络域是并行施工，选择最长工期的网络域。工期指标属于服务能力的一种，一般情况通过人工进行管理。

最低成本：在网络能力指标满足最低要求的基础上，对“入云方案和目标云池”组合，进行建设成本从低到高排序推荐。如果评估库中没有端到端的成本，则按多段成本累加法进行计算。成本指标属于服务能力的一种，一般情况通过人工进行管理。

在实际应用中，通常采用综合策略进行选网，即在满足最低要求（可能是时延、带宽、可靠性等多方面）的基础上，对“入云方案和目标云池”组合，按以上几种策略设置不同的权重，进行组合加权评估并按得分高低进行排序推荐；

其中，所述得分的计算公式为：得分=Σ(策略无量纲得分×策略权重)。

如图8所示为综合策略的计算过程说明示意图。在各策略的评估计算的过程中，各策略之间的单位和量级存在差异，无法直接进行评估计算，需要通过无量纲数学标准化，来消除指标差异性，形成标准化得分。本实施例中支持以下几种无量纲化的数学处理算法：

Min-max 标准化法：得分=（原数据-极小值）/（极大值-极小值）；

z-score 标准化法：得分=（xij－xi）/si ，其中xi为算术平均值，si 为标准差，该方法适用于属性A的最大值和最小值未知的情况，或有超出取值范围的离群数据的情况；

区间值映射法：通过表格定义自定义曲线区间取值，灵活建模，针对B曲线、抛物线等类似非线性曲线。

本实施例中选网请求由前端发起，选网结果通过算网雷达视图进行呈现。客户经理通过算网雷达结果，引导客户选择确定唯一的方案。如果客户对算网雷达给出的结果不满意，可通过调整请求参数的方式，使其重新做一次选网操作，直到对给出的方案完全确定下来。

在组网方案审核页面中，可以看到该策略下给用户推荐的多种方案排序。每种方案呈现内容包括端到端组网模型（从用户侧到云资源池的各个网络域），该方案中各个参与比较的指标值。指标值以推荐的第一个方案的同类指标为基准进行比较，优于第一方案的指标为绿色，劣于第一方案的指标为橙色。审核人可选择非一的其它方案作为首选，选完后页面会刷新将其排序到第一。对于多用户（多专线）接入的情况，可在页面上逐个选择专线进行操作。

综上所述，借助于本发明的上述技术方案，本发明可以在满足于用户算力场景需求上提供符合运营效益的最佳组网方案，可以为用户提供24小时不间断的组网设计服务，可以将传统小时级的设计时间消耗缩短至1分钟内，可以实时感知网络，评估算力连接服务能力；且通过自动化工具能力可以提供丰快速准确的组网设计服务，从而可以支撑前端快速锁定商机、实现商机转化。

此外，本发明从时延、带宽、跳数、风险、成本、可靠性等多目标因素对算力用户到资源池的端到端进行综合智能计算，从而可以自动快速的选择出一条最优路径，进而可以有效地提升算力业务开通效率和网络资源的优化配置。

此外，本发明可以将传统依赖经验的操作转变依据网络QOS评估和实时仿真拨测的操作，还可以将传统的人工线下选网方式转变为线上自动选网方式，从而可以有效地节省人工操控成本。

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)

1.一种实现算力网络多目标达成的自动选网选路的方法，其特征在于，该自动选网选路的方法包括以下步骤：

S1、组网方案设计：利用预设的方案建模设计器对提供入云服务的网络专业进行建模，确定从客户侧到云内VPC的端到端的网络构成；

S2、网络基础感知：采集组网方案中涉及的网络专业的所有网络域网元和链路运行数据，实现网络最原子化能力的感知；

S3、网络能力评估：根据预设时间周期对网络基础感知的数据进行处理及分析，确定网络的确定性服务能力；

S4、业务智能选网：基于网络能力的评估结果在选定的算力资源池范围内，根据客户所在地和业务场景的要求通过预设策略计算得到符合要求的最佳组网方案。

2.根据权利要求1所述的一种实现算力网络多目标达成的自动选网选路的方法，其特征在于，所述预设的方案建模设计器包括方案库查看模块、工具栏模块、方案名称模块、连接设计模块、策略选取及适用范围选取模块；

所述方案库查看模块，用于对方案库中已完成的设计方案进行查看或切换方案进行查看修改；

所述工具栏模块，用于对当前方案进行保存、删除、启用或停用操作，还用于新增方案；

所述方案名称模块，用于对当前方案进行文字描述；

所述连接设计模块，用于从客户侧开始逐段选择入云网络连接的节点，通过在空白区新增网络域，建立下一个连接网络域节点；每个网络域上设置上连节点和下连节点，设置域之间连接方案；还用于在展示层面修改域名称、改变域形状大小及拖动域位置；

所述策略选取模块，用于选择该组网方案支持的选网策略；

所述适用范围选取模块，用于选择该组网方案适用的算力资源池和地市范围。

3.根据权利要求1所述的一种实现算力网络多目标达成的自动选网选路的方法，其特征在于，所述端到端的网络构成包括网络域内的电路连接方案、网络域之间的连接方案、组网方案所适用的算力资源池和区域范围、对多种组网方案选择的计算策略。

4.根据权利要求1所述的一种实现算力网络多目标达成的自动选网选路的方法，其特征在于，所述网络专业的所有网络域网元和链路运行数据包括资源数据、性能数据、告警数据及故障数据。

5.根据权利要求1所述的一种实现算力网络多目标达成的自动选网选路的方法，其特征在于，所述采集组网方案中涉及的网络专业的所有网络域网元和链路运行数据，实现网络最原子化能力的感知还包括以下步骤：

按照不同专业、不同地市形成的网络域实例对感知获取的数据进行管理。

6.根据权利要求1所述的一种实现算力网络多目标达成的自动选网选路的方法，其特征在于，所述根据预设时间周期对网络基础感知的数据进行处理及分析，确定网络的确定性服务能力包括以下步骤：

S31、通过自动感知的基础数据按照预设时间周期计算网络QOS能力；

S32、通过网络域资源模型映射表按照预设时间周期对网络域连接的网络服务能力进行评估；

S33、利用人工方式对网络域内网络QOS能力的计算结果及网络服务能力的评估结果进行静态评估。

7.根据权利要求6所述的一种实现算力网络多目标达成的自动选网选路的方法，其特征在于，所述网络QOS能力的计算基于网络QOS指标汇总评估计算来实现，所述网络QOS指标汇总评估计算按照业务场景需求，通过时间维度及计算维度进行指标的汇总计算，且支持时间维度和计算维度的组合计算；

所述网络QOS的指标计算基于网络QOS指标计算规则来实现，所述网络QOS指标计算规则包括规则类型、计算类型、时间维度及计算维度。

8.根据权利要求1所述的一种实现算力网络多目标达成的自动选网选路的方法，其特征在于，所述预设策略包括单项策略和综合策略；

所述单项策略包括最短时延、最大宽带、最小抖动、最小丢包、最短工期及最低成本。

9.根据权利要求8所述的一种实现算力网络多目标达成的自动选网选路的方法，其特征在于，所述综合策略表示在满足最低要求的基础上，对入云方案和目标云池组合，按照不同的单项策略设置不同的权重，进行组合加权评估并按得分高低进行排序推荐；

其中，所述得分的计算公式为：得分=Σ(策略无量纲得分×策略权重)。

10.根据权利要求9所述的一种实现算力网络多目标达成的自动选网选路的方法，其特征在于，所述策略无量纲得分采用无量纲化的数学处理算法得到，所述无量纲化的数学处理算法包括Min-max 标准化法、z-score 标准化法及区间值映射法。

Images