TW202402088A - ５ｇ專屬網路切片資源預測系統、方法及其電腦可讀媒介 - Google Patents
５ｇ專屬網路切片資源預測系統、方法及其電腦可讀媒介 Download PDFInfo
- Publication number
- TW202402088A TW202402088A TW111122878A TW111122878A TW202402088A TW 202402088 A TW202402088 A TW 202402088A TW 111122878 A TW111122878 A TW 111122878A TW 111122878 A TW111122878 A TW 111122878A TW 202402088 A TW202402088 A TW 202402088A
- Authority
- TW
- Taiwan
- Prior art keywords
- slice
- slicing
- endpoint
- type
- network
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 62
- 230000002776 aggregation Effects 0.000 claims abstract description 27
- 238000004220 aggregation Methods 0.000 claims abstract description 27
- 238000004422 calculation algorithm Methods 0.000 claims description 30
- 238000012417 linear regression Methods 0.000 claims description 18
- 230000006870 function Effects 0.000 claims description 16
- 238000012544 monitoring process Methods 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 10
- 230000007704 transition Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 description 25
- 238000004458 analytical method Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 238000009434 installation Methods 0.000 description 7
- 230000015654 memory Effects 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000013468 resource allocation Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Landscapes
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本發明揭示一種5G專屬網路切片資源預測系統及其方法，係以歷史訂單記錄與網路切片資源現況為基礎，先由歷史訂單記錄計算彙集端點所需的最低切片種類與數量，接著，由考量不同客群的租用情況，進一步計算出各接取端點以及彙集端點下一週期各種類切片所需的最低數量預估值，最後，比較前述兩者後，取較大者作為下一週期該彙集端點需要預先配置之切片種類與數量的最佳值，因此，本發明能準確預測5G網路切片資源需預先配置的種類與數量，以便能提早調整與調度網路資源。本發明復提供一種電腦可讀媒介，係用於執行本發明之方法。
Description
本發明係關於網路切片預測之技術，尤指一種5G專屬網路切片資源預測系統、方法及其電腦可讀媒介。
因應5G時代來臨，隨著服務種類、數量快速的變化，網路本身的彈性需求逐漸提高，也使得網路切片相關技術需求相應而生，網路切片功能的導入，除了達到資源的自動擴展與縮減之外，也增加了專用與共享等服務的彈性，更可以有效地節省成本，例如在服務的低谷期可以將資源調降下來，服務的高峰期可以將資源自動擴展。
網路切片資源預測可有效地節省成本與縮短供裝時程快速提供服務，然而要如何準確預估網路切片資源的種類與數量是一大挑戰，具體來說，當預先配置的切片種類與數量太大時，可能造成資源閒置與浪費，若切片種類與數量太小時，可能因切片資源不足而影響供裝速度。
鑑於上述問題，如何找出一種網路切片預測之技術，特別是針對5G傳送網路之網路切片資源預測，在考量歷史資料以及網路資源現況以持續修正與改善網路資源，使得網路服務供裝能更完善且順利，此將成為目前本技術領域人員急欲追求之目標。
為解決上述現有技術之問題，本發明係揭露一種5G專屬網路切片資源預測系統，係包括：基礎切片量預估模組，係用於依據歷史訂單記錄及現況設備與電路上每一週期增加的切片種類與數量，計算出彙集端點所需的最低切片種類與數量；客群切片量預估模組，係用於依據該歷史訂單記錄中不同客戶群曾租用之切片種類與數量，計算出各個客群所需的最低切片租用種類與數量；接取端點切片量預估模組，係用於根據接取端點之歷史資料預測該接取端點下一週期的客群種類與數量，且與該客群切片量預估模組所計算出之各個客群所需的最低切片租用種類與數量整合後，得到該接取端點下一週期各種類切片所需的最低數量預估值；彙集端點切片量預估模組，係利用該接取端點切片量預估模組所求得之該接取端點下一週期各種類切片所需的最低數量預估值，經回推計算後得到該彙集端點下一週期各種類切片所需的最低數量預估值；以及最佳切片量預估模組，係用於比較該基礎切片量預估模組所得到之該彙集端點所需的最低切片種類與數量及該彙集端點切片量預估模組所得到之該彙集端點下一週期各種類切片所需的最低數量預估值，以將數值大者作為下一週期該彙集端點需要預先配置之切片種類與數量的最佳值。
於一實施例中，前述之5G專屬網路切片資源預測系統復包括切片資源監控介面，係用於將下一週期該彙集端點需要預先配置之切片種類與數量的最佳值與網路切片資源之現況進行比較，以於該網路切片資源不足或是超出餘裕度時，透過表現層狀態轉換應用程式介面(Restful API)通知後端系統進行資源調整。
於上述實施例中，該切片資源監控介面於該網路切片種類或數量不足時，自動生成虛擬網路功能(VNF)或預先配置物理網絡功能(PNF)，以進行資源調整。
於一實施例中，該基礎切片量預估模組係依據該歷史訂單記錄及現況設備與電路上每一週期增加的切片種類與數量，透過線性回歸演算法以得到下一週期的基礎切片種類與數量。
於一實施例中，該基礎切片量預估模組係依據該歷史訂單記錄中各種類切片數量的最小值、平均值、中位數或分位數，以得到下一週期的基礎切片種類與數量。
於一實施例中，該客群切片量預估模組係利用分群演算法將特徵類似的客戶分成為同一客群。
於一實施例中，該接取端點切片量預估模組係將該接取端點下一週期的客群種類與數量與該客群切片量預估模組所計算出之各個客群所需的最低切片租用種類與數量相乘後，求得各個客群的各個種類網路切片數量的最低預估量，再將各個客群中同種類切片數量加總，以得到該接取端點下一週期各種類切片所需的最低數量預估值。
本發明復揭露一種5G專屬網路切片資源預測方法，係由電腦設備執行該方法，該方法包括以下步驟：令基礎切片量預估模組依據歷史訂單記錄及現況設備與電路上每一週期增加的切片種類與數量，計算出彙集端點所需的最低切片種類與數量；令客群切片量預估模組依據該歷史訂單記錄中不同客戶群曾租用之切片種類與數量，計算出各個客群所需的最低切片租用種類與數量；令接取端點切片量預估模組根據接取端點之歷史資料預測該接取端點下一週期的客群種類與數量，且與該客群切片量預估模組所計算出之各個客群所需的最低切片租用種類與數量整合後，得到該接取端點下一週期各種類切片所需的最低數量預估值；令彙集端點切片量預估模組利用該接取端點切片量預估模組所求得之該接取端點下一週期各種類切片所需的最低數量預估值，經回推計算後得到該彙集端點下一週期各種類切片所需的最低數量預估值；以及令最佳切片量預估模組比較該基礎切片量預估模組所得到之該彙集端點所需的最低切片種類與數量及該彙集端點切片量預估模組所得到之該彙集端點下一週期各種類切片所需的最低數量預估值，以將數值大者作為下一週期該彙集端點需要預先配置之切片種類與數量的最佳值。
於上述方法中，復包括令切片資源監控介面將下一週期該彙集端點需要預先配置之切片種類與數量的最佳值與網路切片資源之現況進行比較，以於該網路切片資源不足或是超出餘裕度時，透過表現層狀態轉換應用程式介面(Restful API)通知後端系統進行資源調整。
於上述方法中，該切片資源監控介面於該網路切片種類或數量不足時，自動生成虛擬網路功能(VNF)或預先配置物理網絡功能(PNF)，以進行資源調整。
於上述方法中，該基礎切片量預估模組係依據該歷史訂單記錄及現況設備與電路上每一週期增加的切片種類與數量，透過線性回歸演算法以得到下一週期的基礎切片種類與數量。
於上述方法中，該基礎切片量預估模組係依據該歷史訂單記錄中各種類切片數量的最小值、平均值、中位數或分位數，以得到下一週期的基礎切片種類與數量。
於上述方法中，該客群切片量預估模組係利用分群演算法將特徵類似的客戶分成為同一客群。
於上述方法中，該接取端點切片量預估模組係將該接取端點下一週期的客群種類與數量與該客群切片量預估模組所計算出之各個客群所需的最低切片租用種類與數量相乘後，求得各個客群的各個種類網路切片數量的最低預估量，再將各個客群中同種類切片數量加總，以得到該接取端點下一週期各種類切片所需的最低數量預估值。
本發明復揭露一種電腦可讀媒介，應用於計算裝置或電腦中，係儲存有指令，以執行前述之5G專屬網路切片資源預測方法。
由上可知，本發明之5G專屬網路切片資源預測系統、方法及其電腦可讀媒介，係應用於5G傳送網路與行動核心網路，網路切片資源預測可以提前掌握網路資源應用需求，事先調度與調整所需資源進而加速網路服務供裝速率。簡言之，本發明利用歷史租用資料與網路資源現況，
應用機器學習方法進行演算分析持續不斷得修正與改善分析結果，精準預測客戶可能會租用的網路切片種類與數量，對網路切片資源所需預先配置的種類與數量提供最佳的預測與決策，提前掌握網路資源應用需求，彈性且有效地應用網路資源以降低營運成本並加速網路服務供裝速率，進而提升用戶滿意度與增加企業競爭力。
1:5G專屬網路切片資源預測系統
11:基礎切片量預估模組
12:客群切片量預估模組
13:接取端點切片量預估模組
14:彙集端點切片量預估模組
15:最佳切片量預估模組
16:切片資源監控介面
401~406:流程
S301~S305:步驟
圖1係本發明之5G專屬網路切片資源預測系統的系統架構圖。
圖2係本發明之5G專屬網路切片資源預測系統於一實施例的系統架構圖。
圖3係本發明之5G專屬網路切片資源預測方法的步驟圖。
圖4係本發明之5G專屬網路切片資源預測方法於一實施例的流程圖。
圖5係本發明之彙集端點與接取端點的網路架構圖。
以下藉由特定的具體實施形態說明本發明之技術內容，熟悉此技藝之人士可由本說明書所揭示之內容輕易地瞭解本發明之優點與功效。然本發明亦可藉由其他不同的具體實施形態加以施行或應用。
圖1為本發明之5G專屬網路切片資源預測系統的系統架構圖。如圖所示，本發明之5G專屬網路切片資源預測系統1係應用於5G傳
送網路與行動核心網路上，能提供網路切片資源預測以提前掌握網路資源應用需求，配合事先調度與調整所需資源以加速網路服務供裝速率，其中，5G專屬網路切片資源預測系統1係包括基礎切片量預估模組11、客群切片量預估模組12、接取端點切片量預估模組13、彙集端點切片量預估模組14以及最佳切片量預估模組15。
基礎切片量預估模組11用於依據歷史訂單記錄及現況設備與電路上每一週期增加的切片種類與數量，以推估或計算彙集端點所需的最低切片種類與數量。簡言之，基礎切片量預估模組11係用於負責建立最低網路切片種類與數量，其可透過歷史訂單記錄及現況設備與電路等歷史資料，推估或計算彙集端點所需的最低切片種類與數量。
於一具體實施例中，基礎切片量預估模組11依據該歷史訂單記錄及現況設備與電路上每一週期增加的切片種類與數量，透過線性回歸演算法以得到下一週期的基礎切片種類與數量。具體來說，基礎切片量預估模組11利用歷史訂單記錄得知客戶使用的切片種類與數量，以及現況設備與電路上每一週期(例如一周、二周、一個月等)增加的切片種類與數量，並使用線性回歸演算法求得下一週期的預估的切片種類與數量作為下一週期的基礎切片種類與數量參考值。舉例而言，將歷史訂單資料中的低延遲切片的用戶資訊、租用天數、訂單金額…等資訊作為多個自變數，每周期增加的基礎切片數量作為應變數，從中抽樣切割為訓練資料以及測試資料兩部分。接著使用訓練資料建立線性回歸模型，計算求得線性回歸參數，再利用測試資料檢驗模型準確率，若準確率達一定程度，即可用最新一期的自變數資料預測下一周期基礎切片數量。
於另一實施例中，基礎切片量預估模組11係依據該歷史訂單記錄中各種類切片數量的最小值、平均值、中位數或分位數，以得到下一週期的基礎切片種類與數量。亦即，基礎切片量預估模組11能根據歷史訂單記錄中的歷史資料，提供各種類切片數量的最小值、平均值、中位數、分位數等統計值，以供管理者作為選擇下一週期的基礎切片種類與數量之替代選項。
客群切片量預估模組12用於依據該歷史訂單記錄中不同客戶群曾租用之切片種類與數量，以推估或計算各個客群所需的最低切片租用種類與數量。簡言之，客群切片量預估模組12負責以不同的客戶群去推估客戶需求，預測各個客群需要預先配置的切片種類與數量。
於一實施例中，客群切片量預估模組12係利用分群演算法將特徵類似的客戶分成為同一客群。具體而言，客群切片量預估模組12依照歷史訂單記錄中之歷史切片訂單資料以及客戶產業類別、租用資料、帳單金額等資訊作為客戶特徵，使用分群演算法切分出特徵類似的客群，並由歷史切片訂單資料中取得各個客群曾經租用的切片種類與數量，將各個客群曾經租用的切片種類與數量作交集運算，以成為該客群最低切片種類與數量預估值。舉例而言，假設使用分群演算法中的k-means演算來切分客群，首先將客群的各類特徵資料、租用資料、帳單金額…等轉化成多個數值變數，再透過數值最小值最大值正規化程序(Min-Max Normalization)將每一個數值變數映射至0~1之間，最後使用k-means演算法進行分群，然後產出各群的客戶資料。
接取端點切片量預估模組13用於根據接取端點之歷史資料預測該接取端點下一週期的客群種類與數量，且與該客群切片量預估模組12所計算出之各個客群所需的最低切片租用種類與數量整合後，得到該接取端點下一週期各種類切片所需的最低數量預估值。簡言之，接取端點切片量預估模組13係負責預測接取端點下一週期需預先配置的切片種類與數量，即由接取端點之歷史資料預估接取端點下一個週期各個客群增加的數量以及接取端點需預先配置的切片種類與數量。
於一實施例中，接取端點切片量預估模組13係將該接取端點下一週期的客群種類與數量與該客群切片量預估模組12所計算出之各個客群所需的最低切片租用種類與數量相乘後，求得各個客群的各個種類網路切片數量的最低預估量，再將各個客群中同種類切片數量加總，以得到該接取端點下一週期各種類切片所需的最低數量預估值。具體而言，接取端點切片量預估模組13根據接取端點之歷史資料使用線性回歸演算法預測該接取端點下一週期的客群種類與數量，再利用客群切片量預估模組12所計算出的各個客群的最低切片租用種類與數量，兩者相乘後求得該接取端點各個客群的各個種類網路切片的最低預估數量，之後，再將各個客群中同種類切片數量加總計算後即可求得該接取端點下一週期各種類預先配置的切片最低數量預估值。
彙集端點切片量預估模組14利用該接取端點切片量預估模組所求得之該接取端點下一週期各種類切片所需的最低數量預估值，經回推計算後得到該彙集端點下一週期各種類切片所需的最低數量預估值。簡言之，彙集端點切片量預估模組14係負責預測彙集端點下一週期需預先配
置的切片種類與數量。具體來說，網路架構中彙集端點為銜接多個接取端點之處，故利用接取端點切片量預估模組13求得的網路切片最低預估數量回推計算即可取得彙集端點所需預先配置的切片種類與數量，此即為彙集端點下一週期各種類切片所需的最低數量預估值。
最佳切片量預估模組15用於比較該基礎切片量預估模組所得到之該彙集端點所需的最低切片種類與數量及該彙集端點切片量預估模組所得到之該彙集端點下一週期各種類切片所需的最低數量預估值，以將數值大者作為下一週期該彙集端點需要預先配置之切片種類與數量的最佳值。簡言之，最佳切片量預估模組15係負責預測下一週期彙集端點所需切片種類與數量的最佳值，即將基礎切片量預估值與彙集端點切片量預估值加以比較後取得彙集端點最佳切片種類與數量預測值。
具體來說，最佳切片量預估模組15將基礎切片量預估模組11與彙集端點切片量預估模組14兩個模組所分別計算出的最低切片種類與數量做比較，取出數值較大的一方即為下一週期彙集端點需要預先配置的切片種類與數量的最佳值。
由上可知，本發明利用歷史租用資料(即歷史訂單記錄)與網路資源現況，應用機器學習方法進行演算分析持續不斷得修正與改善分析結果，精準預測客戶可能會租用的網路切片種類與數量，藉此對網路切片資源所需預先配置的種類與數量提供最佳的預測與決策，不僅能提前掌握網路資源應用需求，彈性且有效地應用網路資源，故有利於降低營運成本。
圖2為本發明之5G專屬網路切片資源預測系統於一實施例的系統架構圖。如圖所示，其中，5G專屬網路切片資源預測系統1之基礎
切片量預估模組11、客群切片量預估模組12、接取端點切片量預估模組13、彙集端點切片量預估模組14以及最佳切片量預估模組15與圖1所示相同，於此不再贅述，於本實施例中，本發明之5G專屬網路切片資源預測系統1復包括切片資源監控介面16。
切片資源監控介面16用於將下一週期該彙集端點需要預先配置之切片種類與數量的最佳值與網路切片資源之現況進行比較，以於該網路切片資源不足或是超出餘裕度時，透過表現層狀態轉換應用程式介面(Restful API)通知後端系統進行資源調整。簡言之，切片資源監控介面16負責在切片資源符合特定門檻值時，透過Restful API即時通知後端系統進行相關資源調整。
於一實施例中，切片資源監控介面16於該網路切片種類或數量不足時，自動生成虛擬網路功能(Virtualized Network Function，VNF)或預先配置物理網絡功能(Physical Network Function，PNF)，以進行資源調整。具體而言，切片資源監控介面16將網路切片資源現況與最佳切片量預估模組15中計算出的最佳切片種類與數量加以比較，當發現切片資源種類或數量不足時，透過符合國際標準的表現層狀態轉換應用程式介面(Restful API)，自動生成虛擬網路功能(VNF)或預先配置物理網絡功能(PNF)，機動調整擴展網路資源，或是因客戶退租與調降使用造成釋出的資源數量，可將超出餘裕度之資源回收進行運用與調整，掌握網路資源應用需求。
圖3為本發明之5G專屬網路切片資源預測方法的步驟圖。本發明之5G專屬網路切片資源預測方法可於例如個人電腦、伺服器或雲
端設備之電腦設備執行，使得管理網路切片資源之系統能依據歷史租用資料與網路資源現況，進行網路切片種類與數量的最佳化預估。本發明之運用於邊緣計算之資料傳送方法包括以下步驟。
於步驟S301，令基礎切片量預估模組依據歷史訂單記錄及現況設備與電路上每一週期增加的切片種類與數量，以推估或計算彙集端點所需的最低切片種類與數量。於本步驟中，由歷史訂單記錄內之歷史資料採用線性回歸演算法或不限於線性回歸演算法的統計方法，去估算下一週期網路所需的切片種類與數量，其中，基礎切片量預估模組係依據歷史訂單記錄及現況設備與電路上每一週期增加的切片種類與數量，透過線性回歸演算法來求得下一週期的基礎切片種類與數量。
於另一具體實施例中，基礎切片量預估模組也可依據歷史訂單記錄中各種類切片數量的最小值、平均值、中位數或分位數，以得到下一週期的基礎切片種類與數量。
於步驟S302，令客群切片量預估模組依據該歷史訂單記錄中不同客戶群曾租用之切片種類與數量，以推估或計算各個客群所需的最低切片租用種類與數量。於本步驟中，由歷史訂單資料採用分群演算法依據客戶特徵以切分客群，預測下一週期各個客群使用的切片種類與數量，其中，客群切片量預估模組係利用分群演算法將特徵類似的客戶分成為同一客群。
於步驟S303，令接取端點切片量預估模組根據接取端點之歷史資料預測該接取端點下一週期的客群種類與數量，且與該客群切片量預估模組所計算出之各個客群所需的最低切片租用種類與數量整合後，得到
該接取端點下一週期各種類切片所需的最低數量預估值。於本步驟中，由接取端點之歷史資料採用線性回歸演算法預估接取端點下一個週期各個客群增加的數量，並結合步驟S302計算出的各個客群所需切片種類與數量，以求得接取端點所需的切片種類與數量，其中，接取端點下一個週期各個客群增加的數量與各個客群所需切片種類與數量之結合係指將兩者相乘，以求得各個客群的各個種類網路切片數量的最低預估量，之後，再將各個客群中同種類切片數量加總，藉以得到該接取端點下一週期各種類切片所需的最低數量預估值。
於步驟S304，令彙集端點切片量預估模組利用該接取端點切片量預估模組所求得之該接取端點下一週期各種類切片所需的最低數量預估值，經回推計算後得到該彙集端點下一週期各種類切片所需的最低數量預估值。於本步驟中，根據接取端點的切片種類與數量計算推估下一個週期彙集端點所需使用的切片種類與數量。
於步驟S305，令最佳切片量預估模組比較該基礎切片量預估模組所得到之該彙集端點所需的最低切片種類與數量及該彙集端點切片量預估模組所得到之該彙集端點下一週期各種類切片所需的最低數量預估值，以將數值大者作為下一週期該彙集端點需要預先配置之切片種類與數量的最佳值。於本步驟中，比較由步驟S301與步驟S304中求得的種類與數量，取出較大的值即為下一週期彙集端點最佳切片種類與數量。
本發明透過上述方法，取得下一週期彙集端點最佳切片種類與數量，也就是下一週期彙集端點需要預先配置之切片種類與數量的最佳值，且當網路資源有分配上問題時，可事先調度或調整所需資源。
具體而言，透過切片資源監控介面將下一週期該彙集端點需要預先配置之切片種類與數量的最佳值與網路切片資源之現況進行比較，以於該網路切片資源不足或是超出餘裕度時，透過表現層狀態轉換應用程式介面(Restful API)通知後端系統進行資源調整，且於網路切片種類或數量不足時，自動生成虛擬網路功能(VNF)或預先配置物理網絡功能(PNF)，以進行資源調整。
圖4為本發明之5G專屬網路切片資源預測方法於一實施例的流程圖。如圖所示，係實施一種5G專屬網路切片資源預測最佳化方法，當本發明偵測到網路切片資源使用已達預設門檻值，流程開始啟動。
於流程401，建立網路切片資源所需的種類與數量基礎值。本發明於每次執行網路切片資源種類與數量預估時，依照各類型切片每一週期的歷史資料，使用線性回歸演算法求得下一週期的基礎切片數量預估值，同時利用統計方法求得各類型切片的最小值、平均值等統計數據。於本流程中，管理者可依照資源需求選擇使用線性回歸演算法求得之預估值或是使用模組統計出的最小值或平均值或其他分位數作為該種類的預先配置的切片基礎數量。
在一實施例中，如表一所示，已有20個週期的低延遲、高速率、大連結三種網路切片歷史資料，其中，每週期低延遲切片數量平均值為38，最小值為20，由線性回歸演算法預估的下一週期低延遲切片數為46，管理者根據經驗選擇使用最小值做為此步驟中的基礎切片數量預估值，則下一週期的低延遲基礎預先配置的切片數量為20。
另外，不同種類的網路切片可選擇採用不同的選項數值，又例如表一範例，若管理者分別選擇採用平均切片數與最小切片數作為高速率與大連結的預先配置的切片基礎值，則下一週期的高速率基礎預先配置切片數量為60，大連結的基礎預先配置切片數量為5。
於流程402，預測各個客群所需的切片種類與數量。於本流程中，使用歷史訂單記錄(例如歷史切片訂單資料)以及客戶產業類別、帳單金額、電路租用量等資訊作為客戶特徵，使用分群演算法切分出特徵類似的客群。
在一實施例中，如表二所示，根據歷史資料切分出客群A、客群B、客群C三類客群，再由各個客群中的各個客戶曾經租用的切片種類與數量取其交集作為該客群最低預先配置的切片種類與數量預估值，例如表二中，客群A的低延遲切片數量為5，高速率切片數量為6，大連結切片數量為0，表示客群A的所有客戶都至少租用5個低延遲網路切片與6個高速率網路切片。
於流程403，預測接取端點所需切片種類與數量。於本流程中，根據每一個接取端點的歷史資料，使用線性回歸演算法求得該接取端點下一週期的各類客群客戶預估增加的數量。
在一實施例中，如表三所示，接取端點A預估下一週期客群A增加3個客戶，客群B增加2個客戶，客群C增加1個客戶。接著，將表三中接取端點A各個客群預估增加的客戶數量與表二各個客群的切片種類最低切片數相乘，即可求得該接取端點各個客群下一週期網路最低切片種類與數量的預估值。
接著，如表四所示，客群A低延遲最低切片數為5x3=15，客群B低延遲最低切片數為2x2=4，客群C低延遲最低切片數為3x1=3。再將所有客群相同種類切片數量加總計算後即為該接取端點下一週期各個種類網路切片的最低數量預估值，如表四所示，接取端點A客群A、客群B、客群C的低延遲最低切片數量分別為15、4、3，則接取端點A下一週期
的低延遲類型最低切片數量為15+4+3=22。以相同方法可求得下一週期接取端點A的高速率與大連結最低切片數量分別為30與8。
於流程404，預測彙集端點所需切片種類與數量。於本流程中，推估下一週期彙集端點需預先配置的切片的種類與數量，其中，彙集端點為銜接多個接取端點電路之處，例如圖5所示之網路架構示意圖，故可利用接取端點切片量預估模組回推計算彙集端點所需預先配置的切片種類與數量。
在一實施例中，如圖5所示，彙集端點D為接取端點A、接取端點B、接取端點C三個端點之彙集點，在表五中，接取端點A、接取端點B、接取端點C之低延遲切片數量分別為22、10、3，因此，彙集端點D的下一週期低延遲的最低切片數量為22+10+3=35。之後，再依上述方法回推所有彙集端點所需的最低預先配置切片種類與數量。
於流程405，由流程401和流程404中比較後取得彙集端點最佳切片種類與數量預測值。於本流程中，先將流程401計算出的基礎切片種類與數量預估值與流程404計算出的彙集端點切片種類與數量預估值做比較，取出數值較大的一方即為下一週期彙集端點各個種類最佳切片數量。
在一實施例中，如表六所示，在流程401中管理者選擇的低延遲最低切片數量為20，在流程404中計算出的低延遲彙集端點切片量為35，比較流程401與流程404的數值取出較大的一方，也就是35，此數值即為低延遲彙集端點最佳切片數量。另外，依相同方法做比較可取得高速率與大連結的最佳切片數量分別為60與13。
於流程406，當流程405的預測值符合預定門檻值時，透過Restful API即時通知後端系統自動調整網路資源。於本流程中，將網路切片資源現況與流程405中計算出的最佳切片種類與數量加以比較，當發現現有網路切片資源種類或數量不足時，透過Restful API即時通知網路管理系統，提早調度與調整切片資源；另外，若客戶有退租與調降使用而造成釋出的資源數量，亦可將超出餘裕度的資源回收進行運用與調整，即時掌握網路資源應用需求。
此外，本發明還揭示一種電腦可讀媒介，係應用於具有處理器(例如，CPU、GPU等)及/或記憶體的計算裝置或電腦中，且儲存有指令，並可利用此計算裝置或電腦透過處理器及/或記憶體執行此電腦可讀媒介，以於執行此電腦可讀媒介時執行上述之方法及各步驟或流程。
本發明之模組、單元、裝置等包括微處理器及記憶體，而演算法、資料、程式等係儲存記憶體或晶片內，微處理器可從記憶體載入資料、演算法或程式進行資料分析或計算等處理，在此不予贅述。易言之，本發明之5G專屬網路切片資源預測系統可於電子設備上執行，例如一般電腦、平板或是伺服器，在取得資料後執行分析與運算，故5G專屬網路切片資源預測系統所進行程序，可透過軟體設計並架構在具有處理器、記憶體等元件之電子設備上，以於各類電子設備上運行；另外，亦可將5G專屬網路切片資源預測系統之各模組分別以獨立元件組成，例如設計為計算器、記憶體、儲存器或是具有處理單元的韌體，又或是選擇以軟體程式、硬體或韌體架構呈現，皆可成為實現本發明。
綜上，本發明之5G專屬網路切片資源預測系統、方法及其電腦可讀媒介，能應用於預測專屬網路切片資源所需種類與數量的最佳決策，本發明採用歷史訂單記錄與網路切片資源現況為基礎，應用機器學習方法進行演算分析，並透過即時的計算步驟及考量各類需求與限制條件，準確預測5G網路切片資源所需的種類與數量。本發明在每一次預測都先建立基礎切片種類與數量的預估值，再考量客戶需求、各接取端點需求與限制相互計算比對後，求出最佳的切片種類與數量預估值，當發現現有切片資源不足時，透過符合國際標準的Restful API通知網路管理系統自動生成VNF或預先配置PNF，機動調整擴展網路資源。綜上，本發明能預先進行網路切片資源評估，可提前掌握網路資源應用需求，加速網路服務供裝速率及提升網路資源使用率，進而提升客戶使用滿意度，因而本發明具有以下功效。
首先，本發明採用線性回歸與分群演算法，透過機器學習持續不斷得修正與改善5G網路切片資源需求的種類與數量分析結果，讓分析結果更精準。
其次，本發明透過歷史訂單記錄之資料與網路資源現況搭配分析，準確預測5G網路切片資源需預先配置的種類與數量。
再者，本發明經由每一次的預測與滾動式修正5G網路切片資源種類與數量，以獲取快速供裝與網路資源分配的平衡點。
另外，本發明經由5G網路切片資源種類與數量預測，提前掌握網路資源應用需求，減少網路資源閒置與浪費同時避免因切片資源不足而影響供裝速率的情況。
最後，本發明能透過Restful API，通知網路管理系統自動生成VNF資源，提早調整與調度網路資源。
上述實施例僅為例示性說明，而非用於限制本發明。任何熟習此項技藝之人士均可在不違背本發明之精神及範疇下，對上述實施例進行修飾與改變。因此，本發明之權利保護範圍係由本發明所附之申請專利範圍所定義，只要不影響本發明之效果及實施目的，應涵蓋於此公開技術內容中。
1:5G專屬網路切片資源預測系統
11:基礎切片量預估模組
12:客群切片量預估模組
13:接取端點切片量預估模組
14:彙集端點切片量預估模組
15:最佳切片量預估模組
Claims (15)
- 一種5G專屬網路切片資源預測系統，係包括：基礎切片量預估模組，係用於依據歷史訂單記錄及現況設備與電路上每一週期增加的切片種類與數量，計算出彙集端點所需的最低切片種類與數量；客群切片量預估模組，係用於依據該歷史訂單記錄中不同客戶群曾租用之切片種類與數量，計算出各個客群所需的最低切片租用種類與數量；接取端點切片量預估模組，係用於根據接取端點之歷史資料預測該接取端點下一週期的客群種類與數量，且與該客群切片量預估模組所計算出之各個客群所需的最低切片租用種類與數量整合後，得到該接取端點下一週期各種類切片所需的最低數量預估值；彙集端點切片量預估模組，係利用該接取端點切片量預估模組所求得之該接取端點下一週期各種類切片所需的最低數量預估值，經回推計算後得到該彙集端點下一週期各種類切片所需的最低數量預估值；以及最佳切片量預估模組，係用於比較該基礎切片量預估模組所得到之該彙集端點所需的最低切片種類與數量及該彙集端點切片量預估模組所得到之該彙集端點下一週期各種類切片所需的最低數量預估值，以將數值大者作為下一週期該彙集端點需要預先配置之切片種類與數量的最佳值。
- 如請求項1所述之5G專屬網路切片資源預測系統，復包括切片資源監控介面，係用於將下一週期該彙集端點需要預先配置之切片種類與數量的最佳值與網路切片資源之現況進行比較，以於該網路切片資源 不足或是超出餘裕度時，透過表現層狀態轉換應用程式介面通知後端系統進行資源調整。
- 如請求項2所述之5G專屬網路切片資源預測系統，其中，該切片資源監控介面於該網路切片種類或數量不足時，自動生成虛擬網路功能或預先配置物理網絡功能，以進行資源調整。
- 如請求項1所述之5G專屬網路切片資源預測系統，其中，該基礎切片量預估模組係依據該歷史訂單記錄及現況設備與電路上每一週期增加的切片種類與數量，透過線性回歸演算法以得到下一週期的基礎切片種類與數量。
- 如請求項1所述之5G專屬網路切片資源預測系統，其中，該基礎切片量預估模組係依據該歷史訂單記錄中各種類切片數量的最小值、平均值、中位數或分位數，以得到下一週期的基礎切片種類與數量。
- 如請求項1所述之5G專屬網路切片資源預測系統，其中，該客群切片量預估模組係利用分群演算法將特徵類似的客戶分成為同一客群。
- 如請求項1所述之5G專屬網路切片資源預測系統，其中，該接取端點切片量預估模組係將該接取端點下一週期的客群種類與數量與該客群切片量預估模組所計算出之各個客群所需的最低切片租用種類與數量相乘後，求得各個客群的各個種類網路切片數量的最低預估量，再將各個客群中同種類切片數量加總，以得到該接取端點下一週期各種類切片所需的最低數量預估值。
- 一種5G專屬網路切片資源預測方法，係由電腦設備執行該方法，該方法包括以下步驟：令基礎切片量預估模組依據歷史訂單記錄及現況設備與電路上每一週期增加的切片種類與數量，計算出彙集端點所需的最低切片種類與數量；令客群切片量預估模組依據該歷史訂單記錄中不同客戶群曾租用之切片種類與數量，計算出各個客群所需的最低切片租用種類與數量；令接取端點切片量預估模組根據接取端點之歷史資料預測該接取端點下一週期的客群種類與數量，且與該客群切片量預估模組所計算出之各個客群所需的最低切片租用種類與數量整合後，得到該接取端點下一週期各種類切片所需的最低數量預估值；令彙集端點切片量預估模組利用該接取端點切片量預估模組所求得之該接取端點下一週期各種類切片所需的最低數量預估值，經回推計算後得到該彙集端點下一週期各種類切片所需的最低數量預估值；以及令最佳切片量預估模組比較該基礎切片量預估模組所得到之該彙集端點所需的最低切片種類與數量及該彙集端點切片量預估模組所得到之該彙集端點下一週期各種類切片所需的最低數量預估值，以將數值大者作為下一週期該彙集端點需要預先配置之切片種類與數量的最佳值。
- 如請求項8所述之5G專屬網路切片資源預測方法，復包括令切片資源監控介面將下一週期該彙集端點需要預先配置之切片種類與數量的最佳值與網路切片資源之現況進行比較，以於該網路切片資源不足或是超出餘裕度時，透過表現層狀態轉換應用程式介面通知後端系統進行資源調整。
- 如請求項9所述之5G專屬網路切片資源預測方法，其中，該切片資源監控介面於該網路切片種類或數量不足時，自動生成虛擬網路功能或預先配置物理網絡功能，以進行資源調整。
- 如請求項8所述之5G專屬網路切片資源預測方法，其中，該基礎切片量預估模組係依據該歷史訂單記錄及現況設備與電路上每一週期增加的切片種類與數量，透過線性回歸演算法以得到下一週期的基礎切片種類與數量。
- 如請求項8所述之5G專屬網路切片資源預測方法，其中，該基礎切片量預估模組係依據該歷史訂單記錄中各種類切片數量的最小值、平均值、中位數或分位數，以得到下一週期的基礎切片種類與數量。
- 如請求項8所述之5G專屬網路切片資源預測方法，其中，該客群切片量預估模組係利用分群演算法將特徵類似的客戶分成為同一客群。
- 如請求項8所述之5G專屬網路切片資源預測方法，其中，該接取端點切片量預估模組係將該接取端點下一週期的客群種類與數量與該客群切片量預估模組所計算出之各個客群所需的最低切片租用種類與數量相乘後，求得各個客群的各個種類網路切片數量的最低預估量，再將各個客群中同種類切片數量加總，以得到該接取端點下一週期各種類切片所需的最低數量預估值。
- 一種電腦可讀媒介，應用於計算裝置或電腦中，係儲存有指令，以執行如請求項8至14之任一者所述之5G專屬網路切片資源預測方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW111122878A TWI855338B (zh) | 2022-06-20 | ５ｇ專屬網路切片資源預測系統、方法及其電腦可讀媒介 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW111122878A TWI855338B (zh) | 2022-06-20 | ５ｇ專屬網路切片資源預測系統、方法及其電腦可讀媒介 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| TW202402088A true TW202402088A (zh) | 2024-01-01 |
| TWI855338B TWI855338B (zh) | 2024-09-11 |
Family
ID=
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111176419B (zh) | 估计在分布式计算机系统的多个节点上运行的作业的功率性能的方法和装置 | |
| WO2021159638A1 (zh) | 集群队列资源的调度方法、装置、设备及存储介质 | |
| US9037880B2 (en) | Method and system for automated application layer power management solution for serverside applications | |
| US7467291B1 (en) | System and method for calibrating headroom margin | |
| CN107239339B (zh) | 系统性能优化参数确定方法、系统性能优化方法及装置 | |
| US8024737B2 (en) | Method and a system that enables the calculation of resource requirements for a composite application | |
| CN110196767A (zh) | 服务资源控制方法、装置、设备和存储介质 | |
| US20230229216A1 (en) | System and methods for server power management | |
| US12118396B2 (en) | Computing resource autoscaling based on predicted metric behavior | |
| CN107301466A (zh) | 对业务负载及资源配置与性能关系的预测方法及预测系统 | |
| WO2021253817A1 (zh) | 一种互联通道的调整方法、装置、系统、设备和介质 | |
| CN117675566A (zh) | 一种资源配额的分配方法、装置、存储介质及电子设备 | |
| CN114968556A (zh) | 一种数据中心能耗管理方法及系统 | |
| Gupta et al. | Long range dependence in cloud servers: a statistical analysis based on google workload trace | |
| CN107203256B (zh) | 一种网络功能虚拟化场景下的节能分配方法与装置 | |
| CN113521753B (zh) | 系统资源调节方法、装置、服务器及存储介质 | |
| CN114741160A (zh) | 一种基于平衡能耗与服务质量的动态虚拟机整合方法和系统 | |
| CN110569170A (zh) | 服务器利用率的评价方法、装置、设备及其存储介质 | |
| Lesch et al. | FOX: Cost-awareness for autonomic resource management in public clouds | |
| US9501321B1 (en) | Weighted service requests throttling | |
| CN113079062A (zh) | 一种资源调整方法、装置、计算机设备和存储介质 | |
| US20080195447A1 (en) | System and method for capacity sizing for computer systems | |
| TW202402088A (zh) | ５ｇ專屬網路切片資源預測系統、方法及其電腦可讀媒介 | |
| TWI855338B (zh) | ５ｇ專屬網路切片資源預測系統、方法及其電腦可讀媒介 | |
| CN116541175A (zh) | 一种基于计算机大数据信息处理系统及方法 |