CN116436782B - 一种体现业务意愿的确定性网络传输方法 - Google Patents

Abstract

本发明涉及计算机技术领域，具体的说是一种体现业务意愿的确定性网络传输方法，包括以下步骤：步骤S1：网络需求与切片模板匹配：基于网络需求及网络切片模板库的网络功能、网络资源的特征，构建查找决策树寻找切片；步骤S2：服务功能链的编排：基于步骤1匹配的切片模板及任务的网络切片特性分解，将网络需求分割为子图，通过可解析的动态自适应分级多层注意力机制，从而得到VNF节点嵌入；步骤S3：虚拟化网络资源的组合优化。在自治闭环的基础上通过动态注意力机制来描述跨层跨域编排能力，在体现业务意愿的基础上实现网络切片确定性传输。

Description

一种体现业务意愿的确定性网络传输方法

技术领域

本发明涉及计算机技术领域，具体的说是一种体现业务意愿的确定性网络传输方法。

背景技术

体现业务意愿的确定性网络研究已经成为前沿热点。ONF制定了意图网络架构的标准草案。Gartner发布了基于意愿网络系统所需具备能力报告。思科也发布了《ESG：向基于意愿网络迈进白皮书》。研究体现业务意愿的确定性网络传输方法是关键环节。

现有意愿获取方法都假定存在确定性网络切片的服务配置文件(请求图、概要或者虚拟化网络功能)，且配置文件需要包括服务图和附加的服务属性，如防火墙和负载均衡器等各个中间件及各节点链接的边约束(链路带宽、丢包等)。然而，业务应用、网络运营、基础设施三者独立发展。应用日新月异、千差万别，新兴业务的开通时间由过去以年为单位到现在以天或者小时甚至分钟为单位，且业务具有多场景性，同一业务有可能在不同的场景具有完全不同的特性，业务只知道应用的定性需求。这些因素导致业务意愿难以理解。随选网络提供的切片则只包含相关的网络功能、各个网络功能所带的属性、各个属性所消耗的网络资源、各个功能之间的依赖关系、切片所服务的场景等；基础设施具有多模态性，同一设施在虚拟化后可以组装成不同的虚拟化网络功能。这需要在深入理解业务意愿与网络切片的关联机制，通过编排网络切片来实现确定性传输。

现有方法先从切片的模板库中匹配合适的模板，再对虚拟化网络功能进行跨层的编排，最后对异构的网络资源进行跨域的调用，实现切片的上架。然而，网络设施是异构的，提供给切片的服务功能链的能力是不一样的，如何精准描述异构设施的模态能力是一个难点，需要一种注意力机制来描述跨传统网络协议层的网络功能调用能力。异构的网络设施所提供同一个虚拟化网络功能所消耗的网络资源也是不一样的，也需要一种注意力机制来描述跨异构网络资源域的网络资源组合能力。同时网络切片随场景变化所支持的虚拟化网络功能及消耗的网络资源也是动态变化的，描述网络功能调用能力及网络资源组合能力的注意力机制还需要具备动态性。

发明内容

针对现有技术中的问题，本发明提供了一种体现业务意愿的确定性网络传输方法。

本发明解决其技术问题所采用的技术方案是：一种体现业务意愿的确定性网络传输方法，包括以下步骤：

包括以下步骤：

步骤S1：网络需求与切片模板匹配：基于网络需求及网络切片模板库的网络功能、网络资源的特征，构建查找决策树寻找切片；

步骤S2：服务功能链的编排：基于步骤1匹配的切片模板及任务的网络切片特性分解，将网络需求分割为子图，通过可解析的动态自适应分级多层注意力机制，从而得到VNF节点嵌入；

步骤S3：虚拟化网络资源的组合优化：研究虚拟化网络资源组合优化，为应用的功能实现量身定制，为基础设施的经济效益实现最大化。

具体的，步骤1的具体流程如下：

步骤S11：针对各个区域的业务及基础设施的数据分布可能存在非独立同分布性，为了减少属性有所偏好带来的不利影响，为每个特征建立增益率：

Gain表示每个特征的增益率，Ent表示信息熵，IV为交差熵，表示中间变量

其中特征x_i有V＝{v₁,v₂,…,v_k}个不同的取值，如果使用特征x_i对数据集D进行划分，则会产生k个分支结点，第v₁个分支结点的样本记为D^v，给分支结点v_i赋予权重|D^v|/|D|；

步骤S12：检查迁移的场景，虚拟化网络功能是否发生变化,如果迁移的场景中虚拟化网络功能减少，特征的新增益率设为“0”，如果迁移的场景中虚拟化网络功能增加，设计添枝功能；

步骤S13：构建查找决策树寻找切片。

具体的，步骤S13中切片寻找流程为：从根节点开始查找，其子节点的新的最大增益率是否大于本身的新的增益率；如果没有，直到遍历整个决策树模型；否则说明各应用的分布发生变化，则子节点替代父节点；如果父节点的增益率大于子节点的子节点的增益率，则父节点替代子节点的子节点；同时把子节点的子节点值赋给父节点中最大增益率的子节点。

具体的，所述步骤S2的具体流程如下：

提取具有完全邻接关系的子图G＝(N,E)，n_i是第i个节点，e_i,j是第i个与第j个节点之间的边，当编排到SFC的第i个VNF时(即从子图G^l转化为G^l+1时)，子图G的单个全局池化后的节点向量和边向量表达为：

节点向量：

边向量：

其中表示更新函数，/>表示聚合函数，即节点的自注意力；/>表示一个消息函数提取源节点特征，表示为：

其中m为消息，W_m是一个权重矩阵。

具体的，所述步骤S2中：

考虑全连接的各个节点及边的关系注意力及自注意力机制，引入BERT的自适应分级多层图注意力机制,从而实现关系注意力与多头注意力兼容，用下式进行截断：

其中d_n为欧式距离，n_i节点全连接的自注意力机制描述为：

e_i,j边全连接的自注意力机制描述为：

n_j节点全连接的自注意力机制描述为：

n_i是第i个节点，n_j是第j个节点；e_i,j是第i个与第j个节点之间的边,e_j,i是第j个与第i个节点之间的边；表示节点更新函数；/>表示边更新函数，q_i,j表示n_i节点全连接的自注意力机制；k_i,j表示e_i,j边全连接的自注意力机制；T表示转置；v_i,j表示n_j节点全连接的自注意力机制；/>表示节点上一层的消息权重；/>表示边上一层的消息权重。

具体的，所述步骤S3中：

定义业务i的虚拟功能请求函数为：

R_i＝(F_i,QoS_i) (11)

其中，F_i是一个应用i请求的虚拟功能集合；F_i的数学表达形式是：

F_i＝f₁,f_j,f_n where f_j＝id,name,description,note (12)

QoS_i是应用i的请求的虚拟功能f_j所对应的属性；QoS_i的数学表达形式是：

QoS_i＝a₁,a_k,a_m where a_k＝{it^k,b^k,p^k} (13)

其中，f_j表示具体的一个虚拟功能；a_k表示一个虚拟功能f_j所带有的属性；it表示信息资源，b表示带宽资源，p表示功率资源；n是资源池中功能的个数；m是资源池中属性的个数；网络效益函数表示为

R_i,j,k→it≤N×x_j',k'→it

R_i,j,k→p≤N×x_j',k'→p

R_i,j,k→b≤N×x_j',k'→b

f₁表示第1个虚拟化网络功能；f_n表示第n个虚拟化网络功能；a₁表示虚拟化网络功能的第1个属性；a_m表示虚拟化网络功能的第n个属性，η_s，η_p，η_it表示组合成功能模块x_j',k'的相关资源的单位代价，η_d表示组合成功能模块x_j',k'的组合代价；

其中μ_i,j是价值函数，它表示具有属性a_k的虚拟功能模块f_j所需要付出的代价；x_j',k'表示选择的功能模块，R_i,j,k→it≤N×x_j',k'→it，R_i,j,k→p≤N×x_j',k'→p，R_i,j,k→b≤N×x_j',k'→b表示选择N个具有属性a_k的虚拟功能模块f_j的IT资源值、频谱资源、收发功率资源要大于等于应用i请求的资源值，表示虚拟功能模块f_i与虚拟功能模块f_i+y存在依赖关系，如果f_i存在，则f_i+y必定存在；f_i≠f_i+y表示虚拟功能模块f_i与虚拟功能模块f_i+y存在排斥关系，如果f_i存在，则f_i+y必定不存在；cost_j,k指多个具有属性a_j的虚拟功能模块f_i并列使用时所付出的代价；Mcost_j,k指多个具有属性a_j的虚拟功能模块f_i共同使用同一份资源时所付出的代价；δ_s，δ_p，δ_it表示组合成功能模块x_j',k'的系数。

本发明的有益效果：在自治闭环的基础上通过动态注意力机制来描述跨层跨域编排能力，在体现业务意愿的基础上实现网络切片确定性传输。

具体实施方式

为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。

本发明所述的一种体现业务意愿的确定性网络传输方法，包括以下步骤：

包括以下步骤：

步骤S1：网络需求与切片模板匹配：基于网络需求及网络切片模板库的网络功能、网络资源的特征，构建查找决策树寻找切片；

步骤S2：服务功能链的编排：基于步骤1匹配的切片模板及任务的网络切片特性分解，将网络需求分割为子图，通过可解析的动态自适应分级多层注意力机制，从而得到VNF节点嵌入；

步骤S3：虚拟化网络资源的组合优化：研究虚拟化网络资源组合优化，为应用的功能实现量身定制，为基础设施的经济效益实现最大化。

具体的，步骤1的具体流程如下：

步骤S11：针对各个区域的业务及基础设施的数据分布可能存在非独立同分布性，为了减少属性有所偏好带来的不利影响，为每个特征建立增益率：

Gain表示每个特征的增益率，Ent表示信息熵，IV为交差熵，表示中间变量

其中特征x_i有V＝{v₁,v₂,…,v_k}个不同的取值，如果使用特征x_i对数据集D进行划分，则会产生k个分支结点，第v₁个分支结点的样本记为D^v，给分支结点v_i赋予权重|D^v|/|D|；

步骤S12：检查迁移的场景，虚拟化网络功能是否发生变化,如果迁移的场景中虚拟化网络功能减少，特征的新增益率设为“0”，如果迁移的场景中虚拟化网络功能增加，设计添枝功能；

步骤S13：构建查找决策树寻找切片。

具体的，步骤S13中切片寻找流程为：从根节点开始查找，其子节点的新的最大增益率是否大于本身的新的增益率；如果没有，直到遍历整个决策树模型；否则说明各应用的分布发生变化，则子节点替代父节点；如果父节点的增益率大于子节点的子节点的增益率，则父节点替代子节点的子节点；同时把子节点的子节点值赋给父节点中最大增益率的子节点。

具体的，所述步骤S2的具体流程如下：

提取具有完全邻接关系的子图G＝(N,E)，n_i是第i个节点，e_i,j是第i个与第j个节点之间的边，当编排到SFC的第i个VNF时(即从子图G^l转化为G^l+1时)，子图G的单个全局池化后的节点向量和边向量表达为：

节点向量：

边向量：

其中表示更新函数，/>表示聚合函数，即节点的自注意力；/>表示一个消息函数提取源节点特征，表示为：

其中m为消息，W_m是一个权重矩阵。

具体的，所述步骤S2中：

考虑全连接的各个节点及边的关系注意力及自注意力机制，引入BERT的自适应分级多层图注意力机制,从而实现关系注意力与多头注意力兼容，用下式进行截断：

其中d_n为欧式距离，n_i节点全连接的自注意力机制描述为：

e_i,j边全连接的自注意力机制描述为：

n_j节点全连接的自注意力机制描述为：

n_i是第i个节点，n_j是第j个节点；e_i,j是第i个与第j个节点之间的边,e_j,i是第j个与第i个节点之间的边；表示节点更新函数；/>表示边更新函数，q_i,j表示n_i节点全连接的自注意力机制；k_i,j表示e_i,j边全连接的自注意力机制；T表示转置；v_i,j表示n_j节点全连接的自注意力机制；/>表示节点上一层的消息权重；/>表示边上一层的消息权重。

具体的，所述步骤S3中：

定义业务i的虚拟功能请求函数为：

R_i＝(F_i,QoS_i) (11)

其中，F_i是一个应用i请求的虚拟功能集合；F_i的数学表达形式是：

F_i＝f₁,f_j,f_n where f_j＝id,name,description,note (12)

QoS_i是应用i的请求的虚拟功能f_j所对应的属性；QoS_i的数学表达形式是：

QoS_i＝a₁,a_k,a_m where a_k＝{it^k,b^k,p^k} (13)

其中，f_j表示具体的一个虚拟功能；a_k表示一个虚拟功能f_j所带有的属性；it表示信息资源，b表示带宽资源，p表示功率资源；n是资源池中功能的个数；m是资源池中属性的个数；网络效益函数表示为

R_i,j,k→it≤N×x_j',k'→it

R_i,j,k→p≤N×x_j',k'→p

R_i,j,k→b≤N×x_j',k'→b

f₁表示第1个虚拟化网络功能；f_n表示第n个虚拟化网络功能；a₁表示虚拟化网络功能的第1个属性；a_m表示虚拟化网络功能的第n个属性，η_s，η_p，η_it表示组合成功能模块x_j',k'的相关资源的单位代价，η_d表示组合成功能模块x_j',k'的组合代价；

其中μ_i,j是价值函数，它表示具有属性a_k的虚拟功能模块f_j所需要付出的代价；x_j',k'表示选择的功能模块，R_i,j,k→it≤N×x_j',k'→it，R_i,j,k→p≤N×x_j',k'→p，R_i,j,k→b≤N×x_j',k'→b表示选择N个具有属性a_k的虚拟功能模块f_j的IT资源值、频谱资源、收发功率资源要大于等于应用i请求的资源值，表示虚拟功能模块f_i与虚拟功能模块f_i+y存在依赖关系，如果f_i存在，则f_i+y必定存在；f_i≠f_i+y表示虚拟功能模块f_i与虚拟功能模块f_i+y存在排斥关系，如果f_i存在，则f_i+y必定不存在；cost_j,k指多个具有属性a_j的虚拟功能模块f_i并列使用时所付出的代价；Mcost_j,k指多个具有属性a_j的虚拟功能模块f_i共同使用同一份资源时所付出的代价；δ_s，δ_p，δ_it表示组合成功能模块x_j',k'的系数。

以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施方式和说明书中的描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入本发明要求保护的范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (4)

1.一种体现业务意愿的确定性网络传输方法，其特征在于，包括以下步骤：

步骤S1：网络需求与切片模板匹配：基于网络需求及网络切片模板库的网络功能、网络资源的特征，构建查找决策树寻找切片；

步骤S2：服务功能链的编排：基于步骤1匹配的切片模板及任务的网络切片特性分解，将网络需求分割为子图，通过可解析的动态自适应分级多层注意力机制，从而得到VNF节点嵌入；具体流程如下：

提取具有完全邻接关系的子图G＝(N,E)，n_i是第i个节点，e_i,j是第i个与第j个节点之间的边，当编排到SFC的第i个VNF时，子图G的单个全局池化后的节点向量和边向量表达为：

节点向量：

边向量：

其中表示更新函数，/>表示聚合函数，即节点的自注意力；/>表示一个消息函数提取源节点特征，表示为：

其中m为消息，W_m是一个权重矩阵；

考虑全连接的各个节点及边的关系注意力及自注意力机制，引入BERT的自适应分级多层图注意力机制,从而实现关系注意力与多头注意力兼容，用下式进行截断：

其中d_n为欧式距离，n_i节点全连接的自注意力机制描述为：

e_i,j边全连接的自注意力机制描述为：

n_j节点全连接的自注意力机制描述为：

n_i是第i个节点，n_j是第j个节点；e_i,j是第i个与第j个节点之间的边,e_j,i是第j个与第i个节点之间的边；表示节点更新函数；/>表示边更新函数，q_i,j表示n_i节点全连接的自注意力机制；k_i,j表示e_i,j边全连接的自注意力机制；T表示转置；v_i,j表示n_j节点全连接的自注意力机制；/>表示节点上一层的消息权重；/>表示边上一层的消息权重；

步骤S3：虚拟化网络资源的组合优化：研究虚拟化网络资源组合优化，为应用的功能实现量身定制，为基础设施的经济效益实现最大化。

2.根据权利要求1所述的一种体现业务意愿的确定性网络传输方法，其特征在于，步骤1的具体流程如下：

步骤S11：针对各个区域的业务及基础设施的数据分布可能存在非独立同分布性，为了减少属性有所偏好带来的不利影响，为每个特征建立增益率：

Gain表示每个特征的增益率，Ent表示信息熵，IV为交差熵，表示中间变量

其中特征x_i有V＝{v₁,v₂,…,v_k}个不同的取值，如果使用特征x_i对数据集D进行划分，则会产生k个分支结点，第v₁个分支结点的样本记为D^v，给分支结点v_i赋予权重|D^v|/|D|；

步骤S12：检查迁移的场景，虚拟化网络功能是否发生变化,如果迁移的场景中虚拟化网络功能减少，特征的新增益率设为“0”，如果迁移的场景中虚拟化网络功能增加，设计添枝功能；

步骤S13：构建查找决策树寻找切片。

3.根据权利要求2所述的一种体现业务意愿的确定性网络传输方法，其特征在于：步骤S13中切片寻找流程为：从根节点开始查找，其子节点的新的最大增益率是否大于本身的新的增益率；如果没有，直到遍历整个决策树模型；否则说明各应用的分布发生变化，则子节点替代父节点；如果父节点的增益率大于子节点的子节点的增益率，则父节点替代子节点的子节点；同时把子节点的子节点值赋给父节点中最大增益率的子节点。

4.根据权利要求1所述的一种体现业务意愿的确定性网络传输方法，其特征在于：所述步骤S3中：

定义业务i的虚拟功能请求函数为：

R_i＝(F_i,QoS_i) (11)

其中，F_i是一个应用i请求的虚拟功能集合；F_i的数学表达形式是：

F_i＝f₁,f_j,f_n where f_j＝id,name,description,note (12)

QoS_i是应用i的请求的虚拟功能f_j所对应的属性；QoS_i的数学表达形式是：

QoS_i＝a₁,a_k,a_m where a_k＝{it^k,b^k,p^k} (13)

其中，f_j表示具体的一个虚拟功能；a_k表示一个虚拟功能f_j所带有的属性；it表示信息资源，b表示带宽资源，p表示功率资源；n是资源池中功能的个数；m是资源池中属性的个数。