使用机器学习的网络路径预测和选择制造技术

本公开的实施例涉及使用机器学习的网络路径预测和选择。一种网络管理设备可以包括一个或多个处理器，其用以：接收关于多个网络设备的操作信息；接收与至少一个业务流相关的流信息；向模型输入流信息，其中模型是基于机器学习技术而被生成的，并且其中模型被配置为基于操作信息来标识关于至少一个业务流的一个或多个网络设备的预测的性能信息；基于预测的性能信息来确定关于一个或多个网络设备的用于至少一个业务流的路径信息；和/或将一个或多个网络设备配置为实现用于业务流的路径信息。

【技术实现步骤摘要】
使用机器学习的网络路径预测和选择
技术介绍
网络管理设备可以标识用于网络业务的经由一组网络设备的最短路径(例如，基于距离、吞吐量、时延等)。网络管理设备可以使用可以基于该组网络设备的静态配置(例如，网络拓扑等)而预定义的度量驱动方法。在一些情况下，网络业务可以与服务水平协议(SLA)相关联，SLA可以标识针对网络业务的时延、可靠性和/或吞吐量要求。
技术实现思路
一种方法可以包括：由网络管理设备接收关于多个网络设备的操作信息；由网络管理设备接收与要经由多个网络设备中的至少一个网络设备提供的业务流相关的流信息；由网络管理设备向模型输入操作信息和流信息，其中模型是基于机器学习技术来生成的，并且其中模型被配置为基于操作信息和流信息来标识关于业务流的多个网络设备的预测的性能；由网络管理设备基于多个网络设备的预测的性能来确定关于多个网络设备的用于业务流的路径信息；和/或由网络管理设备将多个网络设备中的一个或多个网络设备配置为实现用于业务流的路径信息。一种网络管理设备可以包括一个或多个处理器，其用以：接收关于多个网络设备的操作信息；接收与至少一个业务流相关的流信息；向模型输入流信息，其中模型是基于机器学习技术来生成的，并且其中模型被配置为基于操作信息来标识关于至少一个业务流的一个或多个网络设备的预测的性能信息；基于预测的性能信息来确定关于一个或多个网络设备的用于至少一个业务流的路径信息；和/或将一个或多个网络设备配置为实现用于业务流的路径信息。一种存储指令的非暂态计算机可读介质，这些指令包括在由网络管理设备的一个或多个处理器执行时引起一个或多个处理器：接收关于第一一组网络设备的第一操作信息；接收与第一组网络设备相关联的关于第一组业务流的第一流信息；基于机器学习技术来生成模型以标识关于第一组业务流的第一组网络设备的预测的性能；接收或获取关于第一组网络设备或第二组网络设备的第二操作信息和/或第二流信息；使用模型并且基于第二操作信息和/或第二流信息来确定用于第一组业务流或第二组业务流的路径信息；将第一组网络设备或第二组网络设备配置为实现路径信息；和/或基于机器学习技术并且基于路径信息被实现之后的观察来更新模型。附图说明图1A至图1D是本文中描述的示例实现的概览的示图；图2是其中可以实现本文中描述的系统和/或方法的示例环境的示图；图3是图2的一个或多个设备的示例组件的示图；图4是图2的一个或多个设备的示例组件的另一示图；图5是用于使用机器学习算法生成用于路径确定的模型并且使用该模型确定用于业务的路径的示例过程的流程图；以及图6是诸如本文中描述的实现的预测路径计算函数的输入和输出的示例的示图。具体实施方式示例实现的以下详细描述参考附图。不同附图中的相同附图标记可以标识相同或相似的元素。路由协议可以标识用于在网络中路由业务的规则和/或状况。例如，路由协议可以基于与网络的网络设备相关联的度量来标识要关于特定网络业务来使用的特定跳或路径。在一些情况下，路由协议可以基于预定义的信息，诸如预定义的网络拓扑等。例如，当网络设备或网络的链路发生故障时，路由协议可以指示经由发生故障的网络设备或链路流动的用于业务的替代路径。然而，预定义的路由协议在实践中可能具有缺点。例如，在某些情况下，特定的网络设备或链路可能不会向网络管理员设备或对等路由器报告故障。缺少路由更新可能表示网络拓扑未更新以解决这样的故障，并且业务可能因此而丢失。由于未报告的硬件故障或配置故障而导致的业务丢失可以被称为黑洞。作为另一示例，网络拓扑可能随时间改变(例如，基于网络设备的激活或去激活、网络设备的配置的改变等)，这可能导致过时或欠优的路由协议。此外，归因于低时延应用，业务时延已经成为关键质量标准，并且基于静态配置的当前的基于路由协议的方案可能不适应由于不可预知的业务拥塞而导致的变化的延迟。不可预知的业务拥塞与用于不同优先级的业务的SLA相结合可能导致低优先级业务的丢弃率增加。此外，网络业务是动态的，并且本质上可能是突发性的，这可能导致网络中的拥塞点。拥塞可能会导致意外的队列积累，并且导致针对较低优先级业务的较高延迟、抖动甚至分组丢弃。本文中描述的一些实现使用基于机器学习的解决方案来标识关于一组网络设备的用于业务流的路径。例如，本文中描述的一些实现可以使用机器学习技术来训练模型。可以基于针对一组网络设备的观察到的操作信息(例如，遥测数据等)并且基于与该组网络设备相关联的用于业务流的流信息来训练该模型。该模型可以基于标识业务流和/或操作信息的输入信息来输出该组网络设备的预测的性能信息。本文中描述的一些实现可以使用该模型来确定网络的路径信息，并且可以在网络中实现路径信息(例如，可以引起网络中的特定路径被形成、使用等)。此外，本文中描述的一些实现可以使用机器学习技术并且基于关于路径信息的配置的功效的观察来更新模型。以这种方式，该模型可以适应于改变的网络状况和拓扑(例如，随着网络状况和/或拓扑改变实时地)，这可能需要人工干预以用于预定义的路由策略。因此，网络吞吐量、可靠性以及与SLA的一致性得到了改进。此外，本文中描述的一些实现可以使用严格的、明确定义的路径选择方法，其可以减少可能由试图基于关于网络性能的观察来定义路由策略的人类参与者引入的不确定性、主观性和低效性。而且，本文中描述的一些实现可以标识与不同SLA相关联的用于业务的最佳路径。由于这些最佳路径可以基于业务负载和节点行为/故障而迭代地改变，因此本文中描述的实现的机器学习组件可以有规律地重新编程穿过网络域的用于特定业务流的路径。这种重新编程可以基于业务流的动态预测、业务丢弃和延迟。因此，与严格定义的路由协议相比，本文中描述的实现可以改进网络域的路径计算的适应性和多样性。此外，通过使用机器学习，本文中描述的实现可以预测业务延迟或业务丢弃或者网络设备上的容量减小，并且可以执行先占式(pre-emptive)路由更新以避免由于节点劣化而导致的业务丢弃。因此，提供了前瞻性维护和路由，这进一步提高了网络的可靠性和性能。图1A至图1D是本文中描述的示例实现100的概览的示图。如图1A和附图标记102所示，网络管理设备(示出为NAD)可以接收关于网络的多个网络设备的流信息、网络拓扑信息和操作信息的训练集合。网络管理设备可以接收流信息、网络拓扑信息和操作信息以生成用于确定网络或另一网络中的业务流路径的模型。如附图标记104所示，多个网络设备可以与一组业务流相关联。例如，业务流可以包括流1(由附图标记106-1示出)、流2(由附图标记106-2示出)和流3(由附图标记106-3示出)。在一些实现中，一个或多个业务流可以与服务水平协议相关联，服务水平协议可以标识时延要求、吞吐量要求、可靠性要求等。这里，流1和2与最短路径相关联，流3与比最短路径长的路径相关联，并且(经由图1A的底部所示的网络设备的)最长路径未被使用。如附图标记108所示，在一些实现中，操作信息可以包括标识丢弃(例如，与网络相关联的丢弃的业务)、延迟(例如，延迟的业务或不符合时延SLA的业务)、吞吐量统计(例如，与网络的网络设备的吞吐量相关的信息)、队列长度(例如，在网络设备处排队的分组或业务的量)、资源分配(例如，网络设备的硬件、软件或其他资源的分配)、一个或多个网络设备本文档来自技高网...

【技术保护点】
1.一种方法，包括：由网络管理设备接收关于多个网络设备的操作信息；由所述网络管理设备接收与要经由所述多个网络设备中的至少一个网络设备提供的业务流相关的流信息；由所述网络管理设备向模型输入所述操作信息和所述流信息，其中所述模型是基于机器学习技术而被生成的，并且其中所述模型被配置为基于所述操作信息和所述流信息来标识关于所述业务流的所述多个网络设备的预测的性能；由所述网络管理设备基于所述多个网络设备的所述预测的性能来确定关于所述多个网络设备的用于所述业务流的路径信息；以及由所述网络管理设备将所述多个网络设备中的一个或多个网络设备配置为实现用于所述业务流的所述路径信息。

【技术特征摘要】
2017.06.12 US 15/620,2471.一种方法，包括：由网络管理设备接收关于多个网络设备的操作信息；由所述网络管理设备接收与要经由所述多个网络设备中的至少一个网络设备提供的业务流相关的流信息；由所述网络管理设备向模型输入所述操作信息和所述流信息，其中所述模型是基于机器学习技术而被生成的，并且其中所述模型被配置为基于所述操作信息和所述流信息来标识关于所述业务流的所述多个网络设备的预测的性能；由所述网络管理设备基于所述多个网络设备的所述预测的性能来确定关于所述多个网络设备的用于所述业务流的路径信息；以及由所述网络管理设备将所述多个网络设备中的一个或多个网络设备配置为实现用于所述业务流的所述路径信息。2.根据权利要求1所述的方法，还包括：基于将所述预测的性能与所述路径信息被实现之后的观察到的性能相比较，使用所述机器学习技术来更新所述模型。3.根据权利要求1所述的方法，其中所述多个网络设备的所述预测的性能还基于所述多个网络设备的网络拓扑。4.根据权利要求1所述的方法，其中所述操作信息是第一操作信息，并且所述流信息是第一流信息；并且其中所述方法还包括：基于与所述多个网络设备相关的改变来接收用于所述多个网络设备的第二操作信息和/或第二流信息；以及使用所述模型并且基于所述第二操作信息和/或所述第二流信息来确定针对所述多个网络设备的经修改的路径信息。5.根据权利要求1所述的方法，其中所述流信息包括以下中的至少一项：与所述业务流相关联的服务水平协议，标识所述业务流的信息，或者所述业务流的至少一个属性。6.根据权利要求1所述的方法，其中所述路径信息与多个业务流相关联。7.根据权利要求1所述的方法，其中所述路径信息标识经由所述多个网络设备中的所述至少一个网络设备的用于所述业务流的一个或多个路径。8.一种网络管理设备，包括：用于接收关于多个网络设备的操作信息的部件；用于接收与至少一个业务流相关的流信息的部件；用于向模型输入所述流信息的部件，其中所述模型是基于机器学习技术而被生成的，并且其中所述模型被配置为基于所述操作信息来标识关于所述至少一个业务流的一个或多个网络设备的预测的性能信息；用于基于所述预测的性能信息来确定关于所述一个或多个网络设备的用于所述至少一个业务流的路径信息的部件；以及用于将所述一个或多个网络设备配置为实现用于所述业务流的所述路径信息的部件。9.根据权利要求8所述的网络管理设备，其中所述一个或多个网络设备被包括在所述多个网络设备中。10...

【专利技术属性】
技术研发人员：A·亚达夫，
申请(专利权)人：瞻博网络公司，
类型：发明
国别省市：美国,US