CN117675580A - 网络设备的能耗控制方法及装置 - Google Patents
网络设备的能耗控制方法及装置 Download PDFInfo
- Publication number
- CN117675580A CN117675580A CN202211021645.4A CN202211021645A CN117675580A CN 117675580 A CN117675580 A CN 117675580A CN 202211021645 A CN202211021645 A CN 202211021645A CN 117675580 A CN117675580 A CN 117675580A
- Authority
- CN
- China
- Prior art keywords
- network
- network equipment
- traffic
- equipment
- energy
- 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 68
- 238000005265 energy consumption Methods 0.000 title claims abstract description 19
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 77
- 230000009471 action Effects 0.000 claims abstract description 37
- 230000008859 change Effects 0.000 claims abstract description 35
- 238000012545 processing Methods 0.000 claims abstract description 29
- 238000004891 communication Methods 0.000 claims description 26
- 230000008569 process Effects 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 16
- 238000003860 storage Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000005457 optimization Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 abstract description 6
- 238000005516 engineering process Methods 0.000 abstract description 6
- 230000000694 effects Effects 0.000 abstract description 4
- 230000035945 sensitivity Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 18
- 230000001276 controlling effect Effects 0.000 description 14
- 230000005540 biological transmission Effects 0.000 description 10
- 238000007726 management method Methods 0.000 description 10
- 230000002776 aggregation Effects 0.000 description 4
- 238000004220 aggregation Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012937 correction Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000015556 catabolic process Effects 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 238000004134 energy conservation Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 235000019580 granularity Nutrition 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000003892 spreading Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L12/00—Data switching networks
- H04L12/02—Details
- H04L12/12—Arrangements for remote connection or disconnection of substations or of equipment thereof
-
- 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
- H04L41/0803—Configuration setting
-
- 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
- H04L41/0803—Configuration setting
- H04L41/0823—Configuration setting characterised by the purposes of a change of settings, e.g. optimising configuration for enhancing reliability
- H04L41/0833—Configuration setting characterised by the purposes of a change of settings, e.g. optimising configuration for enhancing reliability for reduction of network energy consumption
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/02—Power saving arrangements
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明实施例提供了一种网络设备的能耗控制方法及装置,通过根据网络配置信息,采用时间序列预测算法预测得到网络设备的保护带宽;根据网络设备运行状态信息,采用时间序列预测算法预测网络设备的业务量变化;根据预测的网络设备承载的业务量和最大业务量以及预测的网络设备的业务量变化,规划业务处理保护策略,获得对网络设备的节能动作决策,解决了相关技术中反应滞后,可靠性差,网络业务容易中断的问题,达到了提高网络业务处理的灵敏度和可靠性的效果。
Description
技术领域
本发明实施例涉及通信领域,具体而言,涉及一种网络设备的能耗控制方法及装置。
背景技术
目前,5G通信设备的能耗在运营商的开支中占比很大部分,在国家双碳政策节能减排的要求下,运营商已明确提出承载设备降功耗的需求,网络设备的功耗控制要求已成为其必备的能力之一。但是,节能的操作往往伴随着设备处理性能的下降,严重的甚至会导致网络业务的中断。现有的节能技术包括:人工决策法、阈值控制法和外部设备控制法,现有的节能技术均存在反应滞后,可靠性差,容易造成业务丢失甚至网络业务中断的情况。
发明内容
本发明实施例提供了一种网络设备的能耗控制方法及装置,以至少解决相关技术中的问题。
根据本发明的一个实施例,提供了一种网络设备的能耗控制方法,包括:根据网络配置信息,采用时间序列预测算法预测得到网络设备的保护带宽;根据网络设备运行状态信息,采用时间序列预测算法预测所述网络设备的业务量变化;根据预测的所述网络设备的保护带宽以及预测的所述网络设备的业务量变化,规划业务处理保护策略,获得对所述网络设备的节能动作决策。
在一个示例性实施例中,在所述采用时间序列预测算法预测得到网络设备的保护带宽之前,还包括:获取网络配置信息;根据网络配置信息构建网络连接拓扑图,并对网元端口进行归集。
在一个示例性实施例中,所述采用时间序列预测算法预测得到网络设备的保护带宽,包括:采用时间序列预测算法预测网络设备端口承载的业务量和端口集最大业务量,以所述端口集最大业务量作为网络设备端口的保护带宽,根据网络设备端口的保护带宽获取网络设备的保护带宽。
在一个示例性实施例中,所述网络设备运行状态信息包括:网络设备性能数据和网络设备器件状态信息;其中,所述网络设备性能数据包括以下至少之一:端口业务量信息,CPU利用率,内存利用率;所述网络设备器件状态信息包括以下至少之一:单板工作状态,芯片工作状态,板间通信连接状态,器件的性能指标。
在一个示例性实施例中,在所述采用时间序列预测算法预测网络设备的业务量变化之后,还包括:根据预测的所述网络设备业务量变化与真实业务量,对所述时间序列预测算法的权重系数进行动态调整。
在一个示例性实施例中,所述保护策略包括以下至少之一:网络设备主备保护预留;网络设备均衡冗余预留;网络级最大业务负载预留。
在一个示例性实施例中,所述规划业务处理保护策略,获得节能动作决策,包括:依次计算设备可处理负载的单板数量、模块数量、芯片数量,将计算结果与设备运行资源状态比较获得所述节能动作决策。
在一个示例性实施例中,在所述规划业务处理保护策略,获得节能动作决策之后,还包括:将所述节能动作决策转化为通信消息下发至对应设备进行节能操作。
根据本发明的另一个实施例,提供了一种网络设备的能耗控制装置,包括:预测业务量承载模块,用于根据网络配置信息,采用时间序列预测算法预测得到网络设备的保护带宽;预测业务量变化模块,用于根据网络设备运行状态信息,采用时间序列预测算法预测网络设备的业务量变化;节能决策模块,用于根据预测的所述网络设备承载的业务量和最大业务量以及预测的所述网络设备的业务量变化,规划业务处理保护策略,获得节能动作决策。
在一个示例性实施例中,还包括:配置信息获取模块,用于获取网络配置信息;端口归集模块,用于根据网络配置信息构建网络连接拓扑图,并对网元端口进行归集。
在一个示例性实施例中,还包括:算法优化模块,用于根据预测的所述网络设备的业务量变化与真实业务量,对所述时间序列预测算法的权重系数进行动态调整。
在一个示例性实施例中,还包括:决策执行模块,用于将所述节能动作决策转化为通信消息下发至对应网络设备进行节能操作。
根据本发明的又一个实施例,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中存储有计算机程序,其中,所述计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
根据本发明的又一个实施例,还提供了一种电子装置,包括存储器和处理器,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上述任一项方法实施例中的步骤。
本发明的上述实施例,通过根据网络配置信息,采用时间序列预测算法预测得到网络设备的保护带宽;根据所述网络设备运行状态信息,采用时间序列预测算法预测所述网络设备的业务量变化;根据预测的所述网络设备承载的业务量和最大业务量以及预测的所述网络设备的业务量变化,规划业务处理保护策略,获得对所述网络设备的节能动作决策,解决了相关技术中反应滞后,可靠性差,网络业务容易中断的问题,达到了提高网络业务处理的灵敏度和可靠性的效果。
附图说明
图1是本发明实施例的一种网络设备的能耗控制方法的网络设备硬件结构框图;
图2是根据本发明实施例的网络设备的能耗控制方法的流程图;
图3是根据本发明实施例的网络设备的能耗控制方法的流程图;
图4是根据本发明实施例的网络设备的能耗控制方法的流程图;
图5是根据本发明实施例的网络设备的能耗控制方法的流程图;
图6是根据本发明实施例的网络设备的能耗控制装置的结构框图;
图7是根据本发明实施例的网络设备的能耗控制装置的结构框图;
图8是根据本发明实施例的网络设备的能耗控制装置的结构框图;
图9是根据本发明实施例的网络设备的能耗控制装置的结构框图;
图10是根据本发明场景实施例的一种网络设备的能耗控制方法实施的网络架构框图;
图11是根据本发明场景实施例的保护策略原理示意图;
图12是根据本发明场景实施例的网络级信息感知与传输的流程图;
图13是根据本发明场景实施例的网元端口归集原理示意图;
图14是根据本发明场景实施例的网络设备侧节能处理流程图;
图15是根据本发明场景实施例的时序预测算法考核修正原理示意图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本发明的实施例。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。
本申请实施例中所提供的方法实施例可以在网络设备中执行。以运行在网络设备上为例,图1是本发明实施例的一种网络设备的能耗控制方法的网络设备的硬件结构框图。如图1所示,网络设备可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104,其中,上述网络设备还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解,图1所示的结构仅为示意,其并不对上述网络设备的结构造成限定。例如,网络设备还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。
存储器104可用于存储计算机程序,例如,应用软件的软件程序以及模块,如本发明实施例中的网络设备的能耗控制方法对应的计算机程序,处理器102通过运行存储在存储器104内的计算机程序,从而执行各种功能应用以及数据处理,即实现上述的方法。存储器104可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器104可进一步包括相对于处理器102远程设置的存储器,这些远程存储器可以通过网络连接至管理终端。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。
传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括网络设备的通信供应商提供的有线网络。在一个实例中,传输装置106包括一个网络适配器(Network Interface Controller,简称为NIC),其可通过光纤与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输装置106可以为光模块,其用于通过有线方式与互联网进行通讯。
在本实施例中提供了一种运行于上述网络设备的网络设备的能耗控制方法,图2是根据本发明实施例的网络设备的能耗控制方法的流程图,如图2所示,该流程包括如下步骤:
步骤S202,根据网络配置信息,采用时间序列预测算法预测得到网络设备的保护带宽;
步骤S204,根据网络设备运行状态信息,采用时间序列预测算法预测网络设备的业务量变化;
步骤S206,根据预测的所述网络设备的保护带宽以及预测的所述网络设备的业务量变化,规划业务处理保护策略,获得对所述网络设备的节能动作决策。
通过上述步骤通过根据网络配置信息,采用时间序列预测算法预测得到网络设备的保护带宽;根据所述网络设备运行状态信息,采用时间序列预测算法预测所述网络设备的业务量变化;根据预测的所述网络设备承载的业务量和最大业务量以及预测的所述网络设备的业务量变化,规划业务处理保护策略,获得对所述网络设备的节能动作决策,解决了相关技术中反应滞后,可靠性差,网络业务容易中断的问题,达到了提高网络业务处理的灵敏度和可靠性的效果。
其中,上述步骤的执行主体可以为基站、终端、承载传输设备等,但不限于此。
其中,在本发明实施例中,采用时间序列预测算法预测得到网络设备的保护带宽的过程为:采用时间序列预测算法预测网络设备端口承载的业务量和端口集最大业务量,以所述端口集最大业务量作为网络设备端口的保护带宽,根据网络设备端口的保护带宽获取网络设备的保护带宽。其中,将网络设备端口的保护带宽汇总相加即可得到网络设备的保护带宽。
本发明实施例中,各个网络设备的网元端口进行归集可以获得对应的端口集。
在一个示例性实施例中,在采用时间序列预测算法预测网络设备承载的业务量和最大业务量之前,还包括:获取网络配置信息;根据网络配置信息构建网络连接拓扑图,并对网元端口进行归集。图3是根据本发明实施例的网络设备的能耗控制方法的流程图,如图3所示,该流程包括如下步骤:
步骤S302,获取网络配置信息;
步骤S304,根据网络配置信息构建网络连接拓扑图,并对网元端口进行归集;
步骤S306,根据网络配置信息,采用时间序列预测算法预测得到网络设备的保护带宽;
步骤S308,根据网络设备运行状态信息,采用时间序列预测算法预测网络设备的业务量变化;
步骤S310,根据预测的所述网络设备的保护带宽以及预测的所述网络设备的业务量变化,规划业务处理保护策略,获得对所述网络设备的节能动作决策。
在一个示例性实施例中,网络设备运行状态信息包括:网络设备性能数据和网络设备器件状态信息;其中,网络设备性能数据包括以下至少之一:端口业务量信息,CPU利用率,内存利用率;网络设备器件状态信息包括以下至少之一:单板工作状态,芯片工作状态,板间通信连接状态,器件的性能指标。
其中,本领域的普通技术人员应该知道,上述网络设备运行状态信息的内容是做举例说明,在具体实施过程中,网络设备运行状态信息的内容可以根据实际情况进行调整,这里不做限制。
在一个示例性实施例中,在采用时间序列预测算法预测网络设备的业务量变化之后,还包括:根据预测的网络设备业务量变化与真实业务量,对时间序列预测算法的权重系数进行动态调整。图4是根据本发明实施例的网络设备的能耗控制方法的流程图,如图4所示,该流程包括如下步骤:
步骤S402,根据网络配置信息,采用时间序列预测算法预测得到网络设备的保护带宽;
步骤S404,根据网络设备运行状态信息,采用时间序列预测算法预测网络设备的业务量变化;
步骤S406,根据预测的网络设备业务量变化与真实业务量,对时间序列预测算法的权重系数进行动态调整;
步骤S408,根据预测的网络设备承载的保护带宽以及预测的网络设备的业务量变化,规划业务处理保护策略,获得对网络设备的节能动作决策。
在一个示例性实施例中,保护策略包括以下至少之一:网络设备主备保护预留;网络设备均衡冗余预留;网络级最大业务负载预留。
在一个示例性实施例中,规划业务处理保护策略,获得节能动作决策,包括:依次计算设备可处理负载的单板数量、模块数量、芯片数量,将计算结果与设备运行资源状态比较获得所述节能动作决策。
在一个示例性实施例中,在规划业务处理保护策略,获得节能动作决策之后,还包括:将节能动作决策转化为通信消息下发至对应设备进行节能操作。图5是根据本发明实施例的网络设备的能耗控制方法的流程图,如图5所示,该流程包括如下步骤:
步骤S502,根据网络配置信息,采用时间序列预测算法预测得到网络设备的保护带宽;
步骤S504,根据网络设备运行状态信息,采用时间序列预测算法预测网络设备的业务量变化;
步骤S506,根据预测的网络设备业务量变化与真实业务量,对时间序列预测算法的权重系数进行动态调整;
步骤S508,根据预测的网络设备承载的保护带宽以及预测的网络设备的业务量变化,规划业务处理保护策略,获得对网络设备的节能动作决策。
步骤S510,将节能动作决策转化为通信消息下发至对应设备进行节能操作。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
在本实施例中还提供了一种网络设备的能耗控制装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
图6是根据本发明实施例的网络设备的能耗控制装置的结构框图,如图6所示,该能耗控制装置60包括:预测保护带宽模块610,用于根据网络配置信息,采用时间序列预测算法预测网络设备承载的业务量和最大业务量,以最大业务量作为链路的保护带宽;预测业务量变化模块620,用于根据网络设备运行状态信息,采用时间序列预测算法预测网络设备的业务量变化;节能决策模块630,用于根据预测的网络设备承载的业务量和最大业务量以及预测的网络设备的业务量变化,规划业务处理保护策略,获得节能动作决策。
在一个示例性实施例中,图7是根据本发明实施例的网络设备的能耗控制装置的结构框图,如图7所示,该能耗控制装置70除了包括图6中的各个模块外,还包括:配置信息获取模块710,用于获取网络配置信息;端口归集模块720,用于根据网络配置信息构建网络连接拓扑图,并对网元端口进行归集。
在一个示例性实施例中,图8是根据本发明实施例的网络设备的能耗控制装置的结构框图,如图8所示,该能耗控制装置80除了包括图6中的各个模块外,还包括:算法优化模块810,用于根据预测的网络设备的业务量变化与真实业务量,对时间序列预测算法的权重系数进行动态调整。
在一个示例性实施例中,图9是根据本发明实施例的网络设备的能耗控制装置的结构框图,如图9所示,该能耗控制装置90除了包括图8中的各个模块外,还包括:还包括:决策执行模块910,用于将节能动作决策转化为通信消息下发至对应网络设备进行节能操作。
需要说明的是,上述各个模块是可以通过软件或硬件来实现的,对于后者,可以通过以下方式实现,但不限于此:上述模块均位于同一处理器中;或者,上述各个模块以任意组合的形式分别位于不同的处理器中。
本发明的实施例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中存储有计算机程序,其中,该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
在一个示例性实施例中,上述计算机可读存储介质可以包括但不限于:U盘、只读存储器(Read-Only Memory,简称为ROM)、随机存取存储器(Random Access Memory,简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
本发明的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。
在一个示例性实施例中,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。
本实施例中的具体示例可以参考上述实施例及示例性实施方式中所描述的示例,本实施例在此不再赘述。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
为了使得本领域的技术人员更好地理解本发明的技术方案,下面结合具体的场景实施例进行阐述。
场景实施例一
本发明提出了一种网络设备的能耗控制方法,以对网络设备运行状态进行预测,通过网络加网元两级业务保护,对设备的功耗进行动态调节的方法。其中,本发明的实施例中的网络设备种类包括路由器、交换机以及PTN/SPN等设备。在通信领域中已存在部分节能技术,比如人工决策法,依赖人工决策出无业务承载的设备资源,将其手动下电,需要配置业务时再手动恢复。该方式依赖人为决策,对运维人员要求高,不适合大规模展开,且可能存在人为误操作情况。且可控制部件少,只能进行运维层面的可配置操作,无法做到精细化管理;比如阈值控制法,根据设备传输的业务量大小,设定阈值,根据一个或多个阈值控制节能动作。该方式需要提前设定好阈值和对应节能行为,灵活性较差,反应滞后,无法及时应对网络中业务变化,在业务量变化剧烈情况下易造成业务丢失;比如外部设备控制法,由管控或其他可与设备通信的控制端,对网络中状态进行预测,下发节能指令至设备,控制其节能。该方式依赖外部的命令,反应滞后,可靠性差,当网络通信发生故障时无法及时得到响应,从而引发损失的扩大。
为了克服现有技术中存在的能耗控制实时性差,无法应对业务量剧烈变化的问题和缺陷,本发明采用以下技术方案,图10是根据本发明场景实施例的一种网络设备的能耗控制方法实施的网络架构框图,如图10所示,该网络架构包括网络级感知单元1010及设备级控制单元1020,其中,网络级感知单元1010,部署在管控侧,负责对整体组网业务负载信息进行感知和运算,对网络整体情况进行感知,为设备节能提供网络级别补充信息,网络级感知单元1010包括:
网络感知模块10101,用于获取网络整体信息,包含网元的组网关系,网元配置信息,网络中的承载业务状态;
网络负载预测模块10102,根据网络整体信息构建网络连接拓扑图,根据网元所处的系统位置,及网元与网元的连接关系,自动的对所有网元端口进行归集,以及根据采集的网元历史业务量,利用时间序列预测算法,预测未来一段时间网元可能承载的业务量,进一步的,结合链路保护关系,计算在发生业务切换时,其保护链路上网元未来可能承载的最大业务量,作为该链路的保护带宽。
数据传输模块10103,用于作为指管控与设备的数据传输通道,负责与网元的数据交互,以网元为单位将预测得到的保护带宽下发至设备侧。
设备级控制单元1020,部署在设备侧,负责设备内部信息的感知,业务情况预测和节能动作的具体决策,包括:
信息感知模块10201,用于获取设备运行状态,分为两大类,一是设备性能数据,包括端口业务量信息,CPU利用率、内存利用率;二是设备器件状态信息,包括但不仅限于,单板工作状态、芯片工作状态、板间通信连接状态、器件的性能指标。
预测模块10202,通过历史业务量数据,预测下一时间段设备业务量变化情况,该预测单元包含多个时间序列预测算法,包括但不仅限于机器学习时序预测算法、神经网络时序预测算法,算法的模型可以是实时训练得到,也可以是提前预训练好,待使用时直接加载,每种算法都有一定权重系数,预测结果以多个算法加权计算得出。
算法KPI考核模块10203,算法模型在长期运行时,由于业务数据特征的变化,会导致算法模型预测准确度降低,为了防止算法模型劣化导致预测准确度降低,本发明设计了算法KPI考核模块10203,是根据预测数据和真实数据的对比,对信息预测单元的KPI考核和修正。从信息感知模块10201中得到新的业务数据后,与上次预测得到的数据计算,通过比对每一种算法的预测准确性,判断算法模型的劣化程度,对算法的权重系数进行动态调整,降低劣化算法模型的权重系数,同时利用新获取的业务数据,对原有模型参数进行迭代更新,以保证算法可以适应业务数据变化。
决策模块10204,用于对预测业务信息、设备运行状态信息、网络级感知信息进行综合分析,规划好业务处理保护策略,做出可节能动作的决策。
其中,上述保护策略,是指对设备运行资源的处理能力预留,以防止通信网络因故障引起的保护倒换、业务路径重计算等状况,导致网络业务量短时间内飙升,突破当前设备可承受能力,从而造成业务损伤。图11是根据本发明场景实施例的保护策略原理示意图,如图11所示,保护策略包含设备主备保护预留、设备均衡冗余预留、网络级最大业务负载预留三级保护。
其中,本发明实施例中的设备运行资源,包含单板级、模块级、芯片级三种颗粒度。其中,单板是指处理业务量分发的交换板,一块单板包含多个器件,模块是指由多个芯片及连接器件组成、共同完成相关功能的电路系统,一个模块包含多个芯片,器件是指电路中独立的集成芯片,包括但不限于处理器、存储器、转发芯片。三种颗粒度可以相互补充,从而完成精细化管理。
其中,主备保护是指对于设备内的资源,采用工作的主用资源,及应急时切换的备用资源,在主用资源发生异常时,可切换至备用资源继续工作,以保证设备正常运行。设备均衡冗余预留是指在设备中可调节的资源是负载均衡的,如同单板中所有端口会共用相同的处理器、存储等资源,该类资源处理能力对于单个端口有较大冗余量,在单个端口业务发生异常升高时,对设备整体性能的冲击较小。网络级最大业务负载预留是指由管控计算得到,通过对网络整体的链路状态和业务情况,分析网元设备未来可能出现的最大负载情况,提前对其进行预留。
动作模块10205,用于将决策单元得到的节能动作信息转化成对应的通信消息,转发至设备机电管理、驱动管理等执行模块。
执行模块10206,用于接收节能的消息,控制对应设备资源进行下电/休眠操作等等。
场景实施例二
以PTN产品为例,利用上述场景实施例一提出的网络架构实施。图12是根据本发明场景实施例的网络级信息感知与传输的流程图,如图12所示,该流程包括以下步骤:
步骤S1201,获取网络配置信息;
管控资产数据中应存在网络配置信息,包括网元端口信息、网元所处位置、网元之间的连接关系、网元系统id等,以及网络性能数据,包括各网元端口业务量。
步骤S1202,根据网络配置信息构建网络连接拓扑图,并对网元端口进行归集;
查阅网元资产,获取已开启节能功能的网元,并查找每个开启节能的网元所对应端口信息,根据端口链接,得到网元链路拓扑关系,再根据网络链路拓扑结构,对所有设备端口进行归集。图13是根据本发明场景实施例的网元端口归集原理示意图,如图13所示,网元A-F为处于统一链路环上,对于D网元,其链路D-C-B-A与D-E-F-G-H互为保护关系,该链路上所有端口则可以归为同一集合。
对端口进行归集的基本原则是,同一链路两端端口一定属于同一系统。需对于一个链路两端的网元的层次进行区分,如链路两端网元层次相同,则该两路两个端口属于同一个集合,如链路两端网元层次不同,需要根据本端网元以及对端网元信息进行划分,下面将进行详细说明:
将网络端口分为用户侧网络接口(user network interface,UNI)和网络侧节点接口(Network to Network Interface,NNI)。若当前端口为UNI侧,则其端口归属集ID即为其所在的网元系统ID。若当前端口为NNI侧,且对端网元不属于任何系统,则该端口归属集ID为本网元系统ID。若当前端口为NNI侧,且对端网元只属于一个系统,则该端口归属集ID为对端网元系统ID。若当前端口为NNI侧,且对端网元属于多个系统,若对端网元与本端网元有相同系统ID,则端口归属集ID为该系统ID,否则为对端网元系统ID。
步骤S1203,采用时间序列预测算法预测网络设备端口承载的业务量和端口集最大业务量,以端口集最大业务量作为设备端口的保护带宽,由设备端口保护带宽汇总得到设备保护带宽;
根据历史负载信息,选择时序预测算法,对每个网元下一段时间业务负载情况分别进行预测。在实际网络业务情况复杂、负载存在不确定的情况下,数据采集过程可能的数据丢失,体现在统计的序列数据中表现即为较多的毛刺阶跃信号和缺失值,为了保证较好的预测效果,需在预测前对原始信号进行预处理。对于缺失信号,可采用插值方法,这里可采用,将附近数据赋值为缺失部分数据。对于毛刺信号,采用滤波处理如中值滤波。对于阶跃信号,可能会正常的流量突增,业务切换等,采用非线性预测算法,识别序列中出现的突变点,使得预测数据更为准确。通过上述预处理及时间序列预测算法,可以得到网元的端口业务承载未来。结合步骤S1202得到的端口归属集,将端口归属集中预测的最大端口业务负载,作为该端口归属集的保护带宽,归属集中所有端口的保护带宽都等于该端口归属集的保护带宽。
步骤S1204:将预测的网络设备承载的业务量和最大业务量下发至网络设备;
由步骤S1203中得到的设备保护带宽,以网元设备为单位,将预测得到的保护带宽信息传输至设备。
场景实施例三
以PTN产品为例,利用上述场景实施例一提出的网络架构实施。图14是根据本发明场景实施例的网络设备侧节能处理流程图,如图14所示,该流程包括以下步骤:
步骤S1401,获取网络设备的设备运行信息;
获取网络设备的设备运行信息,包括CPU利用率、内存利用率及单板负载信息;
步骤S1402,对时序预测算法进行考核修正;
图15是根据本发明场景实施例的时序预测算法考核修正原理示意图,如图15所示,当新一轮数据更新时,若有上次预测数据,则进行算法KPI考核,计算新数据与上次预测数据的均方差。根据均方差大小,识别算法是否已劣化,对于已劣化的算法,有两种处理方式,一是降低其预测结果的权重,二是利用新数据,对算法模型进行增量训练。
步骤S1403:预测网络设备的业务量变化;
根据CPU利用率,决策出空闲CPU核,绑定预测算法模型实例至空闲核中,再根据先前采集的单板负载信息,采用时序预测算法预测下一阶段业务大小,其中,预测时可采用一种或多种时序算法,得到每种算法的预测结果,再结合权重系数,加权平均得到最终的业务量预测结果。
步骤S1404:获取管控下发至设备的网络保护带宽,并对其合理性进行校验;
保护带宽应不小于该端口实际业务量,不大于端口可承受带宽,若超出该范围,需归结到该范围内,在具体实施例中,可以将端口实际业务量作为端口的保护带宽,再根据设备端口保护带宽,汇总得到设备的网络级保护带宽。
步骤S1405:计算未来一段时间内网络设备运行所需承担负载;
运行所需承担负载=网络级保护带宽+设备预测负载。
步骤S1406:根据计算的网络设备未来负载情况,计算需要开启/关闭节能的资源动作信息。
其中,不同级别设备资源节能计算时,依次计算设备可处理负载的单板数量、模块数量、芯片数量,将计算结果与设备运行资源状态比较获得所述节能动作决策,具体包括:
(1)依次选择N块单板,使得当N>2时,N块单板可处理负载总和<=运行所需承担负载,N+1块单板可处理负载总和>运行所需承担负载。这N块单板可处理负载总和记为An。
(2)从第N+1块单板依次选择M个模块,使得M个模块可处理负载总和+An<=运行所需承担负载,使M+1个模块可处理负载总和+An>运行所需承担负载。这M个模块可处理负载总和记为Bn。
(3)从第M+1个模块中依次选择O块芯片,使得O-1个芯片可处理负载总和+An+Bn<=运行所需承担负载,使O个模块可处理负载总和+An+Bm>运行所需承担负载。
(4)得到设备处理负载所需资源:N个单板+M个模块+O个芯片,对于剩余的单板、模块、芯片,加入节能标识,即可进行节能操作,将本次计算得到所需节能器件,与已设备资源运行状态进行比较,最终得到需要开启/关闭节能的资源动作信息。
步骤S1407:根据节能动作信息,通知相应的资源管理模块,进行资源节能管理。
综上,本发明提供的网络设备的能耗控制方法,与现有技术相比,在网元内部署感知和决策单元,可以最短时间响应网络中承载的业务变化,同时借助管控对网络整体的感知能力,对未来网络可能出现故障导致流量激增进行预防,保障在网络异常下不会因节能导致损失进一步扩大。网元结合了资源主备保护、设备负载均摊冗余预留、网络级保护带宽三级保护,对突发业务量有充足的吸收空间,保证在业务量到达处理上限之前,开启已节能的部件。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的原则之内,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 (14)
1.一种网络设备的能耗控制方法,其特征在于,包括:
根据网络配置信息,采用时间序列预测算法预测得到网络设备的保护带宽;
根据网络设备运行状态信息,采用时间序列预测算法预测所述网络设备的业务量变化;
根据预测的所述网络设备的保护带宽以及预测的所述网络设备的业务量变化,规划业务处理保护策略,获得对所述网络设备的节能动作决策。
2.根据权利要求1所述的方法,其特征在于,在所述采用时间序列预测算法预测网络设备的保护带宽之前,还包括:
获取网络配置信息;
根据网络配置信息构建网络连接拓扑图,并对网元端口进行归集。
3.根据权利要求1所述的方法,其特征在于,所述采用时间序列预测算法预测得到网络设备的保护带宽,包括:
采用时间序列预测算法预测网络设备端口承载的业务量和端口集最大业务量,以所述端口集最大业务量作为网络设备端口的保护带宽,根据网络设备端口的保护带宽获取网络设备的保护带宽。
4.根据权利要求1所述的方法,其特征在于,所述网络设备运行状态信息包括:网络设备性能数据和网络设备器件状态信息;
其中,所述网络设备性能数据包括以下至少之一:端口业务量信息,CPU利用率,内存利用率;所述网络设备器件状态信息包括以下至少之一:单板工作状态,芯片工作状态,板间通信连接状态,器件的性能指标。
5.根据权利要求1所述的方法,其特征在于,在所述采用时间序列预测算法预测网络设备的业务量变化之后,还包括:
根据预测的所述网络设备业务量变化与真实业务量,对所述时间序列预测算法的权重系数进行动态调整。
6.根据权利要求1所述的方法,其特征在于,所述保护策略包括以下至少之一:
网络设备主备保护预留;
网络设备均衡冗余预留;
网络级最大业务负载预留。
7.根据权利要求6所述的方法,其特征在于,所述规划业务处理保护策略,获得节能动作决策,包括:
依次计算设备可处理负载的单板数量、模块数量、芯片数量,将计算结果与设备运行资源状态比较获得所述节能动作决策。
8.根据权利要求1所述的方法,其特征在于,在所述规划业务处理保护策略,获得节能动作决策之后,还包括:
将所述节能动作决策转化为通信消息下发至对应设备进行节能操作。
9.一种网络设备的能耗控制装置,其特征在于,包括:
预测保护带宽模块,用于根据网络配置信息,采用时间序列预测算法预测得到网络设备的保护带宽;
预测业务量变化模块,用于根据网络设备运行状态信息,采用时间序列预测算法预测网络设备的业务量变化;
节能决策模块,用于根据预测的所述网络设备的保护带宽以及预测的所述网络设备的业务量变化,规划业务处理保护策略,获得节能动作决策。
10.根据权利要求9所述的装置,其特征在于,还包括:
配置信息获取模块,用于获取网络配置信息;
端口归集模块,用于根据网络配置信息构建网络连接拓扑图,并对网元端口进行归集。
11.根据权利要求9所述的装置,其特征在于,还包括:
算法优化模块,用于根据预测的所述网络设备的业务量变化与真实业务量,对所述时间序列预测算法的权重系数进行动态调整。
12.根据权利要求9所述的装置,其特征在于,还包括:
决策执行模块,用于将所述节能动作决策转化为通信消息下发至对应网络设备进行节能操作。
13.一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中存储有计算机程序,其中,所述计算机程序被处理器执行时实现所述权利要求1至8任一项中所述的方法。
14.一种电子装置,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,其特征在于,所述处理器执行所述计算机程序时实现所述权利要求1至8任一项中所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211021645.4A CN117675580A (zh) | 2022-08-24 | 2022-08-24 | 网络设备的能耗控制方法及装置 |
PCT/CN2023/087055 WO2024040976A1 (zh) | 2022-08-24 | 2023-04-07 | 网络设备的能耗控制方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211021645.4A CN117675580A (zh) | 2022-08-24 | 2022-08-24 | 网络设备的能耗控制方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117675580A true CN117675580A (zh) | 2024-03-08 |
Family
ID=90012324
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211021645.4A Pending CN117675580A (zh) | 2022-08-24 | 2022-08-24 | 网络设备的能耗控制方法及装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN117675580A (zh) |
WO (1) | WO2024040976A1 (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102739507B (zh) * | 2011-04-14 | 2015-04-15 | 中国科学院声学研究所 | 一种承载状态感知的路由器及其业务流带宽分配方法 |
WO2018027226A1 (en) * | 2016-08-05 | 2018-02-08 | Fractal Industries, Inc. | Detection mitigation and remediation of cyberattacks employing an advanced cyber-decision platform |
CN109639470B (zh) * | 2018-11-30 | 2021-10-15 | 四川安迪科技实业有限公司 | 基于星型组网的vsat卫星通信系统带宽分配方法 |
CN112367276B (zh) * | 2020-12-31 | 2021-03-30 | 南京群顶科技有限公司 | 基于网络流量优先级的网络资源动态自适应方法及系统 |
CN114118567A (zh) * | 2021-11-19 | 2022-03-01 | 国网河南省电力公司经济技术研究院 | 一种基于双通路融合网络的电力业务带宽预测方法 |
-
2022
- 2022-08-24 CN CN202211021645.4A patent/CN117675580A/zh active Pending
-
2023
- 2023-04-07 WO PCT/CN2023/087055 patent/WO2024040976A1/zh unknown
Also Published As
Publication number | Publication date |
---|---|
WO2024040976A1 (zh) | 2024-02-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9686125B2 (en) | Network reliability assessment | |
KR102292990B1 (ko) | 상태 관련 정보 공유 방법 및 장치 | |
CN109831320B (zh) | 一种辅助流量预测控制方法、存储介质和电子设备 | |
CN110707817B (zh) | 一种基于地理信息技术的智能电网监视控制系统与方法 | |
US20190053169A1 (en) | Method for dynamic adaptation of a data rate | |
CN113746750A (zh) | 转发数据报文的方法、网络节点、系统及存储介质 | |
CN111817959A (zh) | 网络路径管理方法、装置、sdn控制器及可读存储介质 | |
CN116760771A (zh) | 一种在线监测数据多通道传输控制策略处理方法 | |
CN106444685A (zh) | 分布式控制系统及其动态调度资源的方法 | |
CN117675580A (zh) | 网络设备的能耗控制方法及装置 | |
Yang et al. | Dynamic load balancing of multiple controller based on intelligent collaboration in sdn | |
US11736370B2 (en) | Field data transmission method, device and system, and computer-readable medium | |
Savchenko et al. | Computer networks monitoring and management methods | |
US20210234795A1 (en) | Systems & methods for detecting communication link breaks | |
CN110391843B (zh) | 多域光网络的传输质量预测、路径选择方法和系统 | |
CN106304241A (zh) | 一种数据传输方法、转发器及网关 | |
CN117938750B (zh) | 调度路由信息的处理方法、装置、设备、存储介质及产品 | |
CN115297121B (zh) | 云边协同智慧水务平台的可视化处理方法及系统 | |
CN114007151B (zh) | 一种ip网络与光网络协同的业务配置方法及装置 | |
CN117714360B (zh) | 数据路由方法、装置、电子设备、存储介质及程序产品 | |
CN113206782B (zh) | 无线网络智能控制平台与家庭边缘网关的通信方法及装置 | |
CN114492769B (zh) | 数据处理方法、相关设备及系统 | |
CN114626742A (zh) | 电力业务智能调度方法、服务器及存储介质 | |
CN116668206A (zh) | 一种调整网络设备的配置参数的方法及装置 | |
CN117118504A (zh) | 实时分路管理方法、系统和基于rfid的新型光分路器 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |