CN117440359A - 用户数据存储容灾方法、装置、电子设备和存储介质 - Google Patents
用户数据存储容灾方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN117440359A CN117440359A CN202210817918.XA CN202210817918A CN117440359A CN 117440359 A CN117440359 A CN 117440359A CN 202210817918 A CN202210817918 A CN 202210817918A CN 117440359 A CN117440359 A CN 117440359A
- Authority
- CN
- China
- Prior art keywords
- user
- data
- user data
- characteristic value
- udm
- 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
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000003860 storage Methods 0.000 title claims abstract description 23
- 238000011084 recovery Methods 0.000 title claims abstract description 22
- 238000013500 data storage Methods 0.000 title claims abstract description 17
- 238000004590 computer program Methods 0.000 claims description 17
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 238000007418 data mining Methods 0.000 claims description 12
- 238000007726 management method Methods 0.000 claims description 9
- 238000012423 maintenance Methods 0.000 abstract description 12
- 238000013507 mapping Methods 0.000 abstract description 4
- 238000007621 cluster analysis Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 230000001360 synchronised effect Effects 0.000 description 9
- 230000005291 magnetic effect Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 230000003068 static effect Effects 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000002776 aggregation Effects 0.000 description 3
- 238000004220 aggregation Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005294 ferromagnetic effect Effects 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/04—Arrangements for maintaining operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W8/00—Network data management
- H04W8/18—Processing of user or subscriber data, e.g. subscribed services, user preferences or user profiles; Transfer of user or subscriber data
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种用户数据存储容灾方法、装置、电子设备和存储介质。其中，方法包括获取用户数据的特征值；根据所述特征值对所述用户数据进行聚类，确定所述用户数据归属的簇集。采用本发明提供的方案能对大网UDM用户数据库中的数据进行聚类分析，使得同一簇的用户数据聚集，从而自动形成数据分类，完成大网用户数据到小网的映射，避免人工运维。
Description
技术领域
本发明涉及移动通信技术领域，尤其涉及一种用户数据存储容灾方法、装置、电子设备和存储介质。
背景技术
随着现代通信技术的发展，5G移动通信技术已经广泛应用于工业互联网。为了实现网络的低延时访问和容灾可靠性等要求，各大运营商都选择在各个工业园区部署一套容灾核心网(一般称作小网)。当商用网络(一般称作大网)出现故障时，园区容灾核心网可以接管业务，保护工业互联网网络安全，提升2B行业用户的业务体验。
现各大运营商都发布自己的企业标准，规定用户签约数据在大小网之间的同步方式。但是现有的企业规范和典型的技术实现中，大网用户数据是按照人工配置号段映射规则，映射到对应的园区小网。每增加一个ToB业务，就需要规划号段配置，而人工号段配置维护管理一直是运营商运维的痛点和难点。随着ToB业务的发展，ToB行业用户的增多，传统的人工运维方式难度会越来越大。
发明内容
为解决传统人工运维方式难度大的技术问题，本发明实施例提供一种用户数据存储容灾方法、装置、电子设备和存储介质。
本发明实施例的技术方案是这样实现的：
本发明实施例提供了一种用户数据存储容灾方法，应用于UDM(Unified DataManagement)网元，方法包括：获取用户数据的特征值；根据所述特征值对所述用户数据进行聚类，确定所述用户数据归属的簇集。
上述方案中，所述获取用户数据的特征值，包括：当所述用户为活动用户时，通过Namf_Location_ProvidePositioningInfo接口，从AMF网元中获取所述活动用户的小区位置信息，将所述小区位置信息作为所述活动用户的特征值。
上述方案中，所述获取用户数据的特征值，包括：当所述用户为UDM存储的用户时，查询UDM数据库中所述用户的签约数据信息，所述签约数据信息包括用户开户时间、开户操作员、IMSI、MSIDN、用户的接入和移动性数据、和会话管理签约数据；将所述签约数据信息作为所述用户的特征值。
上述方案中，所述获取用户数据的特征值，包括：当所述用户为新开户用户时，查询UDM数据库中所述用户的签约数据信息，所述签约数据信息包括用户开户时间、开户操作员、IMSI、MSIDN、用户的接入和移动性数据、和会话管理签约数据；将所述签约数据信息作为所述用户的特征值。
上述方案中，所述获取用户数据的特征值，包括：当所述用户为通过AMF网元接入的新用户时，通过Namf_Location_ProvidePositioningInfo接口，从AMF网元中获取所述活动用户的小区位置信息，将所述小区位置信息作为所述活动用户的特征值。
上述方案中，所述根据所述特征值对所述用户数据进行聚类，确定所述用户数据归属的簇集，包括：根据所述特征值利用非监督学习算法对所述用户数据进行聚类，确定所述用户数据归属的簇集。
上述方案中，确定所述用户数据归属的簇集之后，所述方法还包括：将当前UDM网元中用户数据的聚类结果，同步到对应的容灾核心网UDM网元中。
本发明实施例还提供了一种用户数据存储容灾装置，应用于UDM网元，该装置包括：数据挖掘模块，用于获取用户数据的特征值；分类模块，用于根据所述特征值对所述用户数据进行聚类，确定所述用户数据归属的簇集。
本发明实施例还提供了一种电子设备，包括：处理器和用于存储能够在处理器上运行的计算机程序的存储器；其中，处理器用于运行计算机程序时，执行上述任一方法的步骤。
本发明实施例还提供了一种存储介质，存储介质中存储有计算机程序，计算机程序被处理器执行时，实现上述任一方法的步骤。
本发明实施例提供的用户数据存储容灾方法、装置、电子设备和存储介质，获取用户数据的特征值；根据所述特征值对所述用户数据进行聚类，确定所述用户数据归属的簇集。采用本发明提供的方案能对大网UDM用户数据库中的数据进行聚类分析，使得同一簇的用户数据聚集，从而自动形成数据分类，完成大网用户数据到小网的映射，避免人工运维。
附图说明
图1为本发明实施例用户数据存储容灾方法的流程示意图；
图2为本发明实施例新用户簇集聚类过程示意图；
图3为本发明实施例大网UDM网元开启ToB业务智能运维场景流程示意图；
图4为本发明实施例用户新开户场景流程示意图；
图5为本发明实施例新用户通过AMF接入5G场景流程示意图；
图6为本发明实施例用户数据存储容灾装置的结构示意图；
图7为本发明实施例计算机设备的内部结构图。
具体实施方式
下面将结合附图及实施例对本发明作进一步详细的描述。
本发明实施例提供了一种用户数据存储容灾方法，应用于UDM网元，如图1所示，该方法包括：
步骤101：获取用户数据的特征值；
步骤102：根据所述特征值对所述用户数据进行聚类，确定所述用户数据归属的簇集。
本实施例可应用于核心网ToB场景下UDM用户数据的存储容灾过程。进一步地，可应用于工业互联网下，商用网络UDM设备和容灾园区UDM设备用户数据同步的智能运维。
本实施例中，获取用户数据的特征值，包括利用5G用户位置信息查询定位用户归属基站信息、用户在UDM存储的签约数据信息等。
本实施例通过从大网UDM网元中获取用户数据特征值，将所述特征值引入机器学习中，对大网UDM用户数据库中的数据进行聚类分析，使得同一簇的用户数据聚集，从而自动形成数据分类，完成大网用户数据到小网的映射，避免人工运维。
例如，参见图2，核心网中存在两个用户簇集：用户簇集1和用户簇集2。其中，用户簇集1中的园区特征为：特征1用户归属基站为A、特征2用户开户操作员为园区操作员1、特征3都是4600010000开头。用户簇集2中的园区特征为：特征1用户归属基站为B、特征2用户开户操作员为园区操作员1、特征3都是4600020000开头。当有新的用户时，通过获取用户数据特征值，将所述特征值引入机器学习中，对大网UDM用户数据库中的数据进行聚类分析，获知新的用户与用户簇集1的相似度大于80％，新的用户与用户簇集2的相似度为0.5％，因此可将新的用户归属于用户簇集2。
在一实施例中，所述获取用户数据的特征值，包括：
当所述用户为活动用户时，通过Namf_Location_ProvidePositioningInfo接口，从AMF网元中获取所述活动用户的小区位置信息，将所述小区位置信息作为所述活动用户的特征值。
进一步地，当所述用户为UDM存储的用户时，查询UDM数据库中所述用户的签约数据信息，所述签约数据信息包括用户开户时间、开户操作员、IMSI、MSIDN、用户的接入和移动性数据、和会话管理签约数据；
将所述签约数据信息作为所述用户的特征值。
具体地，参见图3，在大网UDM开启ToB业务智能运维功能的场景中，所述过程如下：
步骤S301：大网UDM开通开启了ToB业务智能运维相关功能；
步骤S302：大网UDM的数据挖掘相关模块遍历UDM存储的所有用户。针对活动用户，通过3GPP协议规范中定义的Namf_Location_ProvidePositioningInfo接口，到用户归属的AMF周期采集相关活动用户活动小区位置信息，作为用户的特征值；
步骤S303：大网UDM的数据挖掘相关模块遍历UDM存储的所有用户。查询UDM数据库中存储的用户开户时间，开户操作员，IMSI/MSIDN，用户的接入和移动性数据(AM data)、会话管理签约数据(SM data)等作为用户的特征值；
步骤S304：大网UDM的数据挖掘模块，根据采集到的用户特征数据，利用非监督学习算法，对用户数据进行聚类；
步骤S305：将聚类结果存储在UDM数据库中，供后续使用。
在一实施例中，所述获取用户数据的特征值，包括：
当所述用户为新开户用户时，查询UDM数据库中所述用户的签约数据信息，所述签约数据信息包括用户开户时间、开户操作员、IMSI、MSIDN、用户的接入和移动性数据、和会话管理签约数据；
将所述签约数据信息作为所述用户的特征值。
具体地，参见图4，在用户新开户场景中，所述过程如下：
步骤S401：大网UDM收到开户指令，完成开户操作；
步骤S402：大网UDM的数据挖掘相关模块针对新开户用户，查询UDM数据库中存储的用户开户时间，开户操作员，IMSI/MSIDN，用户的接入和移动性数据(AM data)、会话管理签约数据(SM data)等作为用户的特征值；
步骤S403：大网UDM的数据挖掘模块，根据采集到的用户特征数据，利用非监督学习算法，和已经形成的数据聚类进行相似度计算。选择相似度最大的聚类，并将此用户加入其中；如果最大的相似度依然小于阈值，则形成新的数据聚集；
步骤S404：将聚类结果存储在UDM数据库中，供后续使用。
在一实施例中，所述获取用户数据的特征值，包括：
当所述用户为通过AMF网元接入的新用户时，通过Namf_Location_ProvidePositioningInfo接口，从AMF网元中获取所述活动用户的小区位置信息，将所述小区位置信息作为所述活动用户的特征值。
具体地，参见图5，在用户通过AMF接入5G的场景中，所述过程如下：
步骤S501：用户终端接入5G网络后，大网UDM收到AMF发来的3GPP规范定义的Nudm_UECM_Registration消息，UDM对此用户完成注册操作，同时UDM并将此用户标记为活动用户；
步骤S502：UDM的数据挖掘相关模块，通过3GPP协议规范中定义的Namf_Location_ProvidePositioningInfo接口，到用户归属的AMF周期采集相关活动用户活动小区位置信息，作为用户的特征值；
步骤S503网UDM的数据挖掘模块，根据采集到的用户特征数据，利用非监督学习算法，和已经形成的数据聚类进行相似度计算。选择相似度最大的聚类，并将此用户加入其中；如果最大的相似度依然小于阈值，则形成新的数据聚集；
步骤S504：将聚类结果存储在UDM数据库中，供后续使用。
在一实施例中，所述根据所述特征值对所述用户数据进行聚类，确定所述用户数据归属的簇集，包括：
根据所述特征值利用非监督学习算法对所述用户数据进行聚类，确定所述用户数据归属的簇集。
本实施例中，可采用机器学习方法，对大网UDM数据库中的用户数据进行自主学习和分类聚集，从而对用户数据实现聚类，确定所述用户数据归属的簇集。具体地，可采用非监督学习算法。这里，非监督学习算法可包括K均值聚类算法、基于滑动窗口的聚类算法、DBSCAN聚类算法、基于高斯混合模型的最大期望聚类等
当然，本实施例中，也可以不使用聚类机器学习算法进行聚类分析。利用ToB行业用户一般不移动的特性，仅根据用户的位置信息查询，定点获取用户的所在基站小区数据，进而判断用户归属园区。基于用户归属园区对用户数据进行聚类。
在一实施例中，确定所述用户数据归属的簇集之后，所述方法还包括：
将当前UDM网元中用户数据的聚类结果，同步到对应的容灾核心网UDM网元中。
本实施例方法无需通过人工配置号段映射规则，就可以做到自动维护ToB行业用户和归属园区的关系的效果。进而减少人力成本，提高运营商运维工作人员的用户体验。
本发明实施例提供的用户数据存储容灾方法，获取用户数据的特征值；根据所述特征值对所述用户数据进行聚类，确定所述用户数据归属的簇集。采用本发明提供的方案能对大网UDM用户数据库中的数据进行聚类分析，使得同一簇的用户数据聚集，从而自动形成数据分类，完成大网用户数据到小网的映射，避免人工运维。
为了实现本发明实施例的方法，本发明实施例还提供了一种用户数据存储容灾装置，如图6所示，用户数据存储容灾装置600包括：数据挖掘模块601和分类模块602；其中，
数据挖掘模块601，用于获取用户数据的特征值；
分类模块602，用于根据所述特征值对所述用户数据进行聚类，确定所述用户数据归属的簇集。
实际应用时，数据挖掘模块601和分类模块602可由用户数据存储容灾装置中的处理器实现。
需要说明的是：上述实施例提供的上述装置在执行时，仅以上述各程序模块的划分进行举例说明，实际应用时，可以根据需要而将上述处理分配由不同的程序模块完成，即将终端的内部结构划分成不同的程序模块，以完成以上描述的全部或者部分处理。另外，上述实施例提供的上述装置与上述方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
为了实现本发明实施例的方法，本发明实施例还提供了一种计算机程序产品，计算机程序产品包括计算机指令，计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取计算机指令，处理器执行计算机指令，使得计算机设备执行上述方法的步骤。
基于上述程序模块的硬件实现，且为了实现本发明实施例的方法，本发明实施例还提供了一种电子设备(计算机设备)。具体地，在一个实施例中，该计算机设备可以是终端，其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器A01、网络接口A02、显示屏A04、输入装置A05和存储器(图中未示出)。其中，该计算机设备的处理器A01用于提供计算和控制能力。该计算机设备的存储器包括内存储器A03和非易失性存储介质A06。该非易失性存储介质A06存储有操作系统B01和计算机程序B02。该内存储器A03为非易失性存储介质A06中的操作系统B01和计算机程序B02的运行提供环境。该计算机设备的网络接口A02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A01执行时以实现上述任意一项实施例的方法。该计算机设备的显示屏A04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A05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。
本领域技术人员可以理解，图7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计算机设备的限定，具体的计算机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。
本发明实施例提供的设备，设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序，处理器执行程序时实现上述任意一项实施例的方法。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flashRAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitorymedia)，如调制的数据信号和载波。
可以理解，本发明实施例的存储器可以是易失性存储器或者非易失性存储器，也可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(ROM，ReadOnly Memory)、可编程只读存储器(PROM，Programmable Read-Only Memory)、可擦除可编程只读存储器(EPROM，Erasable Programmable Read-Only Memory)、电可擦除可编程只读存储器(EEPROM，Electrically Erasable Programmable Read-Only Memory)、磁性随机存取存储器(FRAM，ferromagnetic random access memory)、快闪存储器(Flash Memory)、磁表面存储器、光盘、或只读光盘(CD-ROM，Compact Disc Read-Only Memory)；磁表面存储器可以是磁盘存储器或磁带存储器。易失性存储器可以是随机存取存储器(RAM，RandomAccess Memory)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(SRAM，Static Random Access Memory)、同步静态随机存取存储器(SSRAM，Synchronous Static Random Access Memory)、动态随机存取存储器(DRAM，Dynamic Random Access Memory)、同步动态随机存取存储器(SDRAM，SynchronousDynamic Random Access Memory)、双倍数据速率同步动态随机存取存储器(DDRSDRAM，Double Data Rate Synchronous Dynamic Random Access Memory)、增强型同步动态随机存取存储器(ESDRAM，Enhanced Synchronous Dynamic Random Access Memory)、同步连接动态随机存取存储器(SLDRAM，SyncLink Dynamic Random Access Memory)、直接内存总线随机存取存储器(DRRAM，Direct Rambus Random Access Memory)。本发明实施例描述的存储器旨在包括但不限于这些和任意其它适合类型的存储器。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种用户数据存储容灾方法，其特征在于，应用于UDM网元，所述方法包括：
获取用户数据的特征值；
根据所述特征值对所述用户数据进行聚类，确定所述用户数据归属的簇集。
2.根据权利要求1所述的方法，其特征在于，所述获取用户数据的特征值，包括：
当所述用户为活动用户时，通过Namf_Location_ProvidePositioningInfo接口，从AMF网元中获取所述活动用户的小区位置信息，将所述小区位置信息作为所述活动用户的特征值。
3.根据权利要求1所述的方法，其特征在于，所述获取用户数据的特征值，包括：
当所述用户为UDM存储的用户时，查询UDM数据库中所述用户的签约数据信息，所述签约数据信息包括用户开户时间、开户操作员、IMSI、MSIDN、用户的接入和移动性数据、和会话管理签约数据；
将所述签约数据信息作为所述用户的特征值。
4.根据权利要求1所述的方法，其特征在于，所述获取用户数据的特征值，包括：
当所述用户为新开户用户时，查询UDM数据库中所述用户的签约数据信息，所述签约数据信息包括用户开户时间、开户操作员、IMSI、MSIDN、用户的接入和移动性数据、和会话管理签约数据；
将所述签约数据信息作为所述用户的特征值。
5.根据权利要求1所述的方法，其特征在于，所述获取用户数据的特征值，包括：
当所述用户为通过AMF网元接入的新用户时，通过Namf_Location_ProvidePositioningInfo接口，从AMF网元中获取所述活动用户的小区位置信息，将所述小区位置信息作为所述活动用户的特征值。
6.根据权利要求1所述的方法，其特征在于，所述根据所述特征值对所述用户数据进行聚类，确定所述用户数据归属的簇集，包括：
根据所述特征值利用非监督学习算法对所述用户数据进行聚类，确定所述用户数据归属的簇集。
7.根据权利要求1所述的方法，其特征在于，确定所述用户数据归属的簇集之后，所述方法还包括：
将当前UDM网元中用户数据的聚类结果，同步到对应的容灾核心网UDM网元中。
8.一种用户数据存储容灾装置，其特征在于，应用于UDM网元，所述装置包括：
数据挖掘模块，用于获取用户数据的特征值；
分类模块，用于根据所述特征值对所述用户数据进行聚类，确定所述用户数据归属的簇集。
9.一种电子设备，其特征在于，包括：处理器和用于存储能够在处理器上运行的计算机程序的存储器；其中，
所述处理器用于运行所述计算机程序时，执行权利要求1至7任一项所述方法的步骤。
10.一种存储介质，所述存储介质中存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现权利要求1至7任一项所述方法的步骤。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210817918.XA CN117440359A (zh) | 2022-07-11 | 2022-07-11 | 用户数据存储容灾方法、装置、电子设备和存储介质 |
| PCT/CN2023/103332 WO2024012203A1 (zh) | 2022-07-11 | 2023-06-28 | 用户数据存储容灾方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210817918.XA CN117440359A (zh) | 2022-07-11 | 2022-07-11 | 用户数据存储容灾方法、装置、电子设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117440359A true CN117440359A (zh) | 2024-01-23 |
Family
ID=89535506
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210817918.XA Pending CN117440359A (zh) | 2022-07-11 | 2022-07-11 | 用户数据存储容灾方法、装置、电子设备和存储介质 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN117440359A (zh) |
| WO (1) | WO2024012203A1 (zh) |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106547894B (zh) * | 2016-11-03 | 2019-12-24 | 浙江夏农信息技术有限公司 | 基于移动通信信令大数据挖掘职住位置标签的系统及方法 |
| CN111159243B (zh) * | 2019-12-30 | 2023-08-04 | 中国移动通信集团江苏有限公司 | 用户类型识别方法、装置、设备及存储介质 |
| CN114625565A (zh) * | 2020-12-10 | 2022-06-14 | 中兴通讯股份有限公司 | 数据容灾备份方法、统一数据管理udm实体和存储介质 |
| CN113938874B (zh) * | 2021-09-28 | 2023-08-08 | 中国联合网络通信集团有限公司 | 数据处理方法、装置、设备及系统 |
| CN114374965A (zh) * | 2021-12-30 | 2022-04-19 | 广州爱浦路网络技术有限公司 | 一种用户签约数据处理方法、系统、设备及介质 |
-
2022
- 2022-07-11 CN CN202210817918.XA patent/CN117440359A/zh active Pending
-
2023
- 2023-06-28 WO PCT/CN2023/103332 patent/WO2024012203A1/zh unknown
Also Published As
| Publication number | Publication date |
|---|---|
| WO2024012203A1 (zh) | 2024-01-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113726846B (zh) | 边缘云系统、资源调度方法、设备及存储介质 | |
| US9014161B2 (en) | Multi-tier indexing methodology for scalable mobile device data collection | |
| EP3968702A1 (en) | Communication method and apparatus, entity and computer readable storage medium | |
| US11070433B2 (en) | Network function NF management method and NF management device | |
| US20150139074A1 (en) | Adaptive Generation of Network Scores From Crowdsourced Data | |
| CN105701122A (zh) | 一种日志收集方法、装置及系统 | |
| US20160028832A1 (en) | Methods and systems for efficient discovery of devices in a peer-to-peer network | |
| US20220117033A1 (en) | Facilitating resource frequency management for emergency response | |
| KR20190001779A (ko) | 드론 기지국 및 이의 자원 할당 방법 | |
| CN112579877B (zh) | 信源系统的控制方法、装置、存储介质和设备 | |
| CN117440359A (zh) | 用户数据存储容灾方法、装置、电子设备和存储介质 | |
| CN109587121B (zh) | 安全策略的管控方法及装置 | |
| CN116341508A (zh) | 报文模板的动态配置方法、装置、计算机设备及存储介质 | |
| US20190335327A1 (en) | Partitioning network addresses in network cell data to address user privacy | |
| WO2015073753A1 (en) | Adaptive generation of network scores from crowdsourced data | |
| CN115277853A (zh) | 基于边缘云的数据处理方法及装置 | |
| CN114040382A (zh) | 报文传输处理方法及装置 | |
| CN114584479A (zh) | 网元控制方法、网元实体、系统及存储介质 | |
| US20230128064A1 (en) | Enhanced learning and determination of security rules for data traffic | |
| US10833971B1 (en) | Systems and methods for providing clustered health checks | |
| WO2023162003A1 (ja) | 位置登録装置、位置登録システム、位置登録方法、及びプログラム | |
| US20240243836A1 (en) | Communication Identifier Padding in a Communication Network | |
| CN118113779A (zh) | 数据同步方法、装置、电子设备及计算机可读存储介质 | |
| US10178526B2 (en) | Coordinating wireless communication network access via multiple logic capable databases | |
| CN117354358A (zh) | Smf网元选择方法、装置、电子设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication |