一种网络带宽分配优化方法、系统、存储介质及计算设备

1.本发明涉及一种网络带宽分配优化方法、系统、存储介质及计算设备，属于带宽分配领域。


背景技术：

2.5g网络部署应用以来，作为关键技术之一的网络切片成为了业务和传送资源的载体桥梁，网络切片是一种按需组网的方式，可以让运营商在统一的基础设施上分离出多个虚拟的端到端网络，每个网络切片从无线接入网、承载网再到核心网上进行逻辑隔离，以适配各种各样类型的应用。
3.根据5g网络特性，在5g传送网中，需要承载大量的网络切片业务，因为网络切片技术要求采用隔离方案分为硬隔离和软隔离两种。硬隔离，即物理资源上的隔离，但是对于传送网来说，硬隔离会占用大量的网络资源，同时，动态的切片业务，在硬管道内会带来大量的网络资源浪费，因此在传送网中也存在大量的软隔离方案来实现切片的承载，软隔离即通过在业务流中增加一些标识符来区分控制切片业务的qos参数，实现逻辑上的qos隔离。
4.由于传送网络切片设置变动频次相对较低，而网络切片业务又具有一定的动态性，使得切片网络资源隔离要求与网络利用率要求存在矛盾。


技术实现要素：

5.本发明提供了一种网络带宽分配优化方法、系统、存储介质及计算设备，解决了切片网络资源隔离要求与网络利用率要求存在矛盾的问题。
6.为了解决上述技术问题，本发明所采用的技术方案是：
7.一种网络带宽分配优化方法，包括：
8.根据历史时段的网络切片预测流量和实际流量，筛选预测可信的网络切片；
9.对预测可信的网络切片进行分组；其中，组之间采用硬隔离方法进行隔离，组内采用软隔离方法进行隔离；
10.根据组内网络切片的保证带宽速率和最大带宽速率，对组内网络切片qos参数进行优化，获得网络切片的qos参数和组的qos参数；
11.根据网络切片的qos参数和组的qos参数，进行网络带宽分配。
12.根据历史时段的网络切片预测流量和实际流量，筛选预测可信的网络切片，包括：
13.根据历史时段的网络切片预测流量和实际流量，计算历史时段的网络切片预测流量误差比；
14.根据历史时段的网络切片预测流量误差比和预设规则，筛选预测可信的网络切片。
15.预设规则为：
16.若最近连续n个历史时段内的网络切片预测流量误差比均小于门限，则网络切片为预测可信的网络切片；其中，n为预设值。
17.对预测可信的网络切片进行分组，包括：
18.根据网络切片预测流量误差的标准差，对预测可信的网络切片进行排序；
19.根据预设的网络切片最大融合度，对排序后的预测可信网络切片进行分组。
20.根据组内网络切片的保证带宽速率和最大带宽速率，对组内网络切片qos参数进行优化，获得网络切片的qos参数和组的qos参数，包括：
21.1)根据组内网络切片的保证带宽速率和最大带宽速率，计算组内总共享带宽值；
22.2)根据组内总共享带宽值，计算组内各网络切片的可用性；
23.3)若组内各网络切片的可用性均满足预设条件，获得网络切片的qos参数和组的qos参数；若组内任一网络切片的可用性不满足预设条件，调整组内总共享带宽值，转至2)。
24.计算组内各网络切片的可用性的公式为：
[0025][0026]
其中，s为一个预测可信的网络切片组，a是s的子集，si是集合s-a中的第i个网络切片，p
ub
(si)为网络切片si的可用性，gi为网络切片si的保证速率比例，为网络切片si的保证带宽速率，xi为网络切片si的业务流量，bs为s内总共享带宽值。
[0027]
预设条件为：
[0028]
|p
ub-min(ai)|≤ε
[0029]
其中，p
ub
(si)为网络切片si的可用性，ai为网络切片si的可用性要求，ε为阈值。
[0030]
调整组内总共享带宽值的公式为：
[0031][0032]
其中，b
′s为调整后的组内总共享带宽值，bs为调整前的组内总共享带宽值，ai为网络切片si的可用性要求，gi为网络切片si的保证速率比例，p
ub
(si)为网络切片si的可用性。
[0033]
一种网络带宽分配优化系统，包括：
[0034]
筛选模块：根据历史时段的网络切片预测流量和实际流量，筛选预测可信的网络切片；
[0035]
分组模块：对预测可信的网络切片进行分组；其中，组之间采用硬隔离方法进行隔离，组内采用软隔离方法进行隔离；
[0036]
优化模块：根据组内网络切片的保证带宽速率和最大带宽速率，对组内网络切片qos参数进行优化，获得网络切片的qos参数和组的qos参数；
[0037]
分配模块：根据网络切片的qos参数和组的qos参数，进行网络带宽分配。
[0038]
优化模块包括：
[0039]
总共享带宽值计算模块：根据组内网络切片的保证带宽速率和最大带宽速率，计算组内总共享带宽值；
[0040]
可用性计算模块：根据组内总共享带宽值，计算组内各网络切片的可用性；
[0041]
判断模块：若组内各网络切片的可用性均满足预设条件，获得网络切片的qos参数和组的qos参数；若组内任一网络切片的可用性不满足预设条件，调整组内总共享带宽值，转至可用性计算模块。
[0042]
一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行网络带宽分配优化方法。
[0043]
一种计算设备，包括一个或多个处理器、一个或多个存储器以及一个或多个程序，其中一个或多个程序存储在所述一个或多个存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行网络带宽分配优化方法的指令。
[0044]
本发明所达到的有益效果：本发明对网络切片进行预测可信度划分，采用软、硬混合隔离的策略，对预测可信的网络切片进行分组，保证了网络切片的隔离性，对组内网络切片qos参数进行优化，保证了网络资源利用率，从而解决了切片网络资源隔离要求与网络利用率要求存在矛盾的问题。
附图说明
[0045]
图1为网络带宽分配优化方法的流程图；
[0046]
图2为网络切片预测可信和不可信转换图；
[0047]
图3为qos参数优化流程图。
具体实施方式
[0048]
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
[0049]
如图1所示，一种网络带宽分配优化方法，包括以下步骤：
[0050]
步骤1，根据历史时段的网络切片预测流量和实际流量，筛选预测可信的网络切片；
[0051]
步骤2，对预测可信的网络切片进行分组；其中，组之间采用硬隔离方法进行隔离，组内采用软隔离方法进行隔离；
[0052]
步骤3，根据组内网络切片的保证带宽速率和最大带宽速率，对组内网络切片qos参数进行优化，获得网络切片的qos参数和组的qos参数；
[0053]
步骤4，根据网络切片的qos参数和组的qos参数，进行网络带宽分配。
[0054]
上述方法对网络切片进行预测可信度划分，采用软、硬混合隔离的策略，对预测可信的网络切片进行分组，保证了网络切片的隔离性，对组内网络切片qos参数进行优化，保证了网络资源利用率，从而解决了切片网络资源隔离要求与网络利用率要求存在矛盾的问题。
[0055]
上述方法主要针对5g传送网，在5g传送网中，每个网络切片可以设置保保证带宽(gbr)和最大带宽(mbr)，网络切片用公式表示为si＝(ai,gi)，ai为网络切片si的可用性要求，gi∈[0,1]为网络切片si的保证速率比例，即网络切片si要有gi概率运行在保证带宽内。
[0056]
流量预测一直是网络优化中的关键工作之一，通过预测结果，可以动态提前调整网络资源和相关状态，从而实现资源与网络业务需求的主动匹配与实时联动。除了传统的预测模型之外，随着人工智能技术的发展，越来越多研究者将人工智能技术应用于网络领域，其中，基于人工智能技术的流量预测，更是受到广大相关人员的青睐，使得基于数据的预测准确性和精度不断提升。
[0057]
因此基于流量预测，可获得历史时段的网络切片预测流量，基于历史时段的网络
切片预测流量和实际流量，可筛选出预测可信的网络切片和预测不可信的网络切片，具体过程可以如下：
[0058]
1)根据历史时段的网络切片预测流量和实际流量，计算历史时段的网络切片预测流量误差比；
[0059]
网络切片预测流量误差比为网络切片预测流量误差与实际流量之间的比值，以t-1时段为例，用公式可以表示为其中，t表示当前时段，t-1表示上一时段，t-2时段预测t-1时段的流量，网络切片预测流量误差1时段的流量，网络切片预测流量误差表示t-1时段的网络切片预测流量，表示t-1时段的的网络切片实际流量。
[0060]
2)根据历史时段的网络切片预测流量误差比和预设规则，筛选预测可信的网络切片；
[0061]
如图2所述，如果网络切片预测流量误差比大于等于门限th
acc
，则该网络切片的预测结果设置为不可信，即为预测不可信网络切片；如果最近连续n个历史时段内的网络切片预测流量误差比均小于门限th
acc
，则网络切片的预测结果可信，即网络切片为预测可信的网络切片；其中，n为预设值。
[0062]
针对预测不可信的网络切片，返回其默认或预设的qos参数，由传送网单独隔离传送。对于预测可信的网络切片，进行分组；分组主要是考虑到预测误差的正态分布性以及网络切片隔离度的要求，每个组内软隔离方法进行逻辑隔离，组与组之间采用硬隔离方法进行隔离；具体分组过程可以如下：
[0063]
21)根据网络切片预测流量误差的标准差，对预测可信的网络切片进行排序；
[0064]
通过假设检验，计算出预测流量均值μi和标准差σi：
[0065][0066][0067]
其中，ri为网络切片si的历史预测误差值，|ri|表示ri中元素的数量；
[0068]
根据标准差，将预测可信的网络切片从高到底排序；
[0069]
22)根据预设的网络切片最大融合度，对排序后的预测可信网络切片进行分组；
[0070]
根据预设的网络切片最大融合度，计算分组数其中，s为一个预测可信的网络切片组，r为网络切片最大融合度，用来表示组内允许的网络切片最大数目；
[0071]
求出可满分配的组数nf＝r-ng·
r |s|；
[0072]
按排序从s中依此取出r个元素，放入一个组中，共取nf次，然后依此取r-1个网络切片，放入中，共划分为ng个组，组与组之间采用硬隔离分隔，互不影响；
[0073]
例如：一共10个网络切片，每个组最多3个网络切片，则一共分为4个分组，先依次取3个网络切片划分为一个分组，共取两次，再依次取2个网络切片划分为一个分组，共取两次，这样4个组中分别有3,3,2,2个网络切片。
[0074]
分组完毕后，对每组网络切片qos参数进行优化。参数优化的原理是，基于预测结果和预测误差创建预测误差模型，基于多元正态分布的累积分布概率分析，实现理论上概率保证的网络切片资源分配。本发明主要得到网络切片的保证带宽、峰值带宽以及分组的峰值带宽，在进行优化的过程中，需要考虑以下因素：
[0075]
1)网络切片预测准确率，即预测结果的可信度；如果网络切片预测误差持续小于设定门限th，则认为预测结果可信；
[0076]
2)组中最大的网络切片数目；该部分直接影响分组情况和最终qos带宽参数分配结果。
[0077]
参数优化的具体过程可以如图3所示：
[0078]
31)根据组内网络切片的保证带宽速率和最大带宽速率，计算组内总共享带宽值；
[0079]
根据gi确定网络切片的gbr速率根据ai确定网络切片的mbr速率计算网络切片的可共享带宽值那么组内总共享带宽值可以表示为
[0080]
32)根据组内总共享带宽值，计算组内各网络切片的可用性；
[0081][0082]
其中，s为一个预测可信的网络切片组，a是s的子集，si是集合s-a中的第i个网络切片，p
ub
(si)为网络切片si的可用性，gi为网络切片si的保证速率比例，为网络切片si的保证带宽速率，xi为网络切片si的业务流量，bs为s内总共享带宽值；
[0083]
表示集合s-a中，每个网络切片的业务流量大于但是总流量小于的概率，该值服从多维正态分布规律，可以使用计算软件计算得出。
[0084]
33)若组内各网络切片的可用性均满足预设条件，获得网络切片的qos参数和组的qos参数；若组内任一网络切片的可用性不满足预设条件，调整组内总共享带宽值，转至2)；
[0085]
若p
ub
(si)满足下面的预设条件：
[0086]
|p
ub
(si)-min(ai)|≤ε
[0087]
则直接获得网络切片的qos参数和组的qos参数，即组的mbr为gbr为各网络切片的mbr为gbr为其中，ε为阈值。
[0088]
若p
ub
(si)不满足上面的预设条件，则根据下式调整组内总共享带宽值：
[0089][0090]
其中，b
′s为调整后的组内总共享带宽值，bs为调整前的组内总共享带宽值，ai为网络切片si的可用性要求，gi为网络切片si的保证速率比例，p
ub
(si)为网络切片si的可用性。
[0091]
上述方法利用网络切片的流量预测结果，设计出流量预测结果的可信性方案，并
针对可信预测结果给出了网络切片软隔离和硬隔离分组的方案，随后针对分组进行了qos参数的优化；其中，通过设计软隔离切片的保证速率比例和最大融合度参数，确保了网络切片在一定程度上具有切片资源的独占性和隔离性，确保了一定的隔离效果；通过qos参数优化，在理论上达到切片要求可用性的基础上，大幅度降低了共享带宽的值，有效提升了网络资源的利用效率。
[0092]
基于相同的技术方案，本发明还公开了上述方法的软件系统，即一种网络带宽分配优化系统，包括：
[0093]
筛选模块：根据历史时段的网络切片预测流量和实际流量，筛选预测可信的网络切片。
[0094]
分组模块：对预测可信的网络切片进行分组；其中，组之间采用硬隔离方法进行隔离，组内采用软隔离方法进行隔离。
[0095]
优化模块：根据组内网络切片的保证带宽速率和最大带宽速率，对组内网络切片qos参数进行优化，获得网络切片的qos参数和组的qos参数。
[0096]
优化模块包括：
[0097]
总共享带宽值计算模块：根据组内网络切片的保证带宽速率和最大带宽速率，计算组内总共享带宽值；
[0098]
可用性计算模块：根据组内总共享带宽值，计算组内各网络切片的可用性；
[0099]
判断模块：若组内各网络切片的可用性均满足预设条件，获得网络切片的qos参数和组的qos参数；若组内任一网络切片的可用性不满足预设条件，调整组内总共享带宽值，转至可用性计算模块。
[0100]
分配模块：根据网络切片的qos参数和组的qos参数，进行网络带宽分配。
[0101]
上述系统中各模块的数据处理流程与方法的一致，这里不重复描述了。
[0102]
基于相同的技术方案，本发明还公开了一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行网络带宽分配优化方法。
[0103]
基于相同的技术方案，本发明还公开了一种计算设备，包括一个或多个处理器、一个或多个存储器以及一个或多个程序，其中一个或多个程序存储在所述一个或多个存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行网络带宽分配优化方法的指令。
[0104]
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明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，本发明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。
[0105]
本发明是参照根据本发明实施例的方法、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。
[0106]
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。
[0107]
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。
[0108]
以上仅为本发明的实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均包含在申请待批的本发明的权利要求范围之内。