一种网络设备控制方法、装置、计算设备及网络系统制造方法及图纸

本公开实施例提供了一种网络设备控制方法、装置、计算设备及网络系统，实现自动化的跨层网络资源系统分配，能够动态的感知全网业务，实时的将网络业务的各种需求转换成网络资源的科学调度和编排，实现新型网络中不同业务的自动化运营和管理功能，方法包括：采集指定网络设备的与业务应用关联的第一参数；所述指定网络设备包括SDN网络设备和/或NFV网络设备；将所述指定网络的第一参数输入预先训练的以提高业务应用性能为目标的神经网络，获取所述神经网络反馈的第二参数；将所述第二参数反馈至所述指定网络设备，用于调整所述指定网络设备的管理设置。

A network equipment control method, device, computing equipment and network system

【技术实现步骤摘要】
一种网络设备控制方法、装置、计算设备及网络系统
本公开涉及计算机网络
，尤其涉及一种网络设备控制方法、装置、计算设备及网络系统。
技术介绍
软件定义网络(SoftwareDefinedNetwork，SDN)是由美国斯坦福大学提出的一种新型网络创新架构，是网络虚拟化的一种实现方式。SDN的核心技术是通过将网络设备的控制平面与数据平面分离开来，从而实现了网络流量的灵活控制，使网络作为管道变得更加智能，为核心网络及应用的创新提供了良好的平台。SDN最大特点就是可以对网络进行编程，通过增加对网络的可编程性来革新当前偏重静态，配置复杂，改动麻烦的网络架构。SDN网络体系架构分为三个平面，自下而上分别是：数据平面，控制平面和应用平面组成。其中，数据平面负责多级流表处理和高性能的数据转发。控制平面负责控制网络流量，应用平面通过北向接口，灵活可编程低调用控制平面，为各种网络应用需求提供统一的网络抽象模型业务。网络功能虚拟化(NetworkFunctionVirtualization，NFV)是指借助标准的IT虚拟化技术，传统的专有硬件设备(如路由器，防火墙等)，通过采用工业化标准大容量服务器，存储器和交换机承载各种各样软件化的网络功能的技术。NFV技术除了实现网络功能软件的灵活加载与实例化，在数据中心，网络节点及用户驻地网等各个位置灵活地部署配置，降低业务部署的复杂度，还向运营商提供管理和编排功能以实现网络部署的自动化，灵活化和敏捷化，提高网络设备的统一化，通用化，适配性等特性。网络功能虚拟化将网络功能以软件的形式运行在网络功能虚拟化基础设施之上，网络功能虚拟化架构分为三个域，虚拟化网络功能，虚拟化基础设施，管理和编排。其中，虚拟网络功能是网络功能的软件实现并运行在网络功能虚拟化基础设施之上，网络功能虚拟化基础设施，包括物理的计算，存储和网络资源机器虚拟化资源，以及虚拟化层，管理与编排负责编排，物理/虚拟化资源的生命周期管理及虚拟网络功能的生命周期管理。未来的网络发展趋势是各种各样网络的业务均以IP业务为基础，各种网络融合发展，通信网，计算机网络，移动通信网及物联网等各种网络，都会融合在一起构成一张大网，这种融合在一方面具有非常优异的特性，可以提高可靠性，安全性，智能化水平。而且这种融合的一体化网络体系架构，有助于灵活的部署和调度网络承载的业务和流量。各种网络融合的方案给网络的控制带来了巨大的挑战，既要保障融合在一起的不同业务的网络像各自独立构建的网络一样独立运行，又要保证融合在一起的不同业务的网络彼此之间不会干扰，性能不会有损失，同时还要能灵活部署，调度及智能化运营。为了应对这一挑战，本专利技术提供了一种人工智能的控制方法，以满足新型网络的控制需求。
技术实现思路
为此，本公开提供了一种网络设备控制方法、装置、计算设备及网络系统。以力图解决或者至少缓解上面存在的至少一个问题。根据本公开的一个方面，提供一种网络设备控制方法，包括：采集指定网络设备的与业务应用关联的第一参数；所述指定网络设备包括SDN网络设备和/或NFV网络设备；将所述指定网络的第一参数输入预先训练的以提高业务应用性能为目标的神经网络，获取所述神经网络反馈的第二参数；将所述第二参数反馈至所述指定网络设备，用于调整所述指定网络设备的管理设置。可选地，所述指定网络设备包括SDN网络设备时，所述第一参数包括SDN网络应用层参数，所述第二参数包括SDN网络的控制器参数；所述指定网络设备包括NFV网络设备时，所述第一参数包括NFV网络的虚拟化网络功能层参数，所述第二参数包括NFV网络的管理和编排域参数；所述指定网络设备包括SDN网络设备和NFV网络设备时，所述第一参数包括SDN网络应用层参数和所述NFV网络的虚拟化网络功能层参数，所述第二参数包括所述SDN网络的控制器参数和所述NFV网络的管理和编排域参数。可选地，将所述第二参数反馈至所述指定网络设备之前，还包括：所述指定网络设备包括SDN网络设备时，将所述SDN网络的控制器参数转换为符合SDN控制器的北向协议标准的形式；所述指定网络设备包括NFV网络设备时，将所述NFV网络的管理和编排域参数转换为符合NFV软件栈标准的形式；所述指定网络设备包括SDN网络设备和NFV网络设备时，将所述SDN网络的控制器参数转换为符合SDN控制器的北向协议标准的形式，将所述NFV网络的管理和编排域参数转换为符合NFV软件栈标准的形式。可选地，训练所述神经网络，包括：根据所述指定网络设备承载的各类业务，确定所述神经网络的输入参数和输出参数；构建关于所述指定网络设备承载的各类业务的评价函数；将测试数据输入所述神经网络进行训练，直至所述神经网络的输出参数满足所述评价函数。可选地，所述业务应用包括至少两种不同网络传输需求的业务应用；所述不同网络传输需求的业务应用，包括：物联网业务、广播电视网业务、车联网业务、无线通信业务、计算机网络业务。根据本公开的又一方面、提供一种网络设备控制装置，包括：数据采集模块，用于采集指定网络设备的与业务应用关联的第一参数；所述指定网络设备包括SDN网络设备和/或NFV网络设备；神经网络模块，用于将所述指定网络的第一参数输入预先训练的以提高业务应用性能为目标的神经网络，获取所述神经网络反馈的第二参数；反馈控制模块，用于将所述第二参数反馈至所述指定网络设备，用于调整所述指定网络设备的管理设置。可选地，所述指定网络设备包括SDN网络设备时，所述第一参数包括SDN网络应用层参数，所述第二参数包括SDN网络的控制器参数；所述指定网络设备包括NFV网络设备时，所述第一参数包括NFV网络的虚拟化网络功能层参数，所述第二参数包括NFV网络的管理和编排域参数；所述指定网络设备包括SDN网络设备和NFV网络设备时，所述第一参数包括SDN网络应用层参数和所述NFV网络的虚拟化网络功能层参数，所述第二参数包括所述SDN网络的控制器参数和所述NFV网络的管理和编排域参数。可选地，网络设备控制装置还包括：神经网络训练模块，用于将测试数据输入所述神经网络进行训练，直至所述神经网络的输出参数满足预设的评价函数；所述神经网络的输入参数和输出参数预先根据所述指定网络设备承载的各类业务确定；所述评价函数与所述业务的类型关联。根据本公开的又一方面，提供一种计算设备，包括：一个或多个处理器；存储器；以及一个或多个程序，其中所述一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行上述的网络设备控制方法所包括的操作。根据本公开的又一方面，提供一种网络系统，包括上述的网络设备控制装置和所述指定网络设备。根据本公开实施例提供的技术方案，将SDN网络设备和/或NFV网络设备与神经网络融合，通过神经网络结合业务应用现状及时调整SDN网络设备和/或NFV网络设备的设置，使之本文档来自技高网...

【技术保护点】
1.一种网络设备控制方法，其特征在于，包括：/n采集指定网络设备的与业务应用关联的第一参数；所述指定网络设备包括SDN网络设备和/或NFV网络设备；/n将所述指定网络的第一参数输入预先训练的以提高业务应用性能为目标的神经网络，获取所述神经网络反馈的第二参数；/n将所述第二参数反馈至所述指定网络设备，用于调整所述指定网络设备的管理设置。/n

【技术特征摘要】
1.一种网络设备控制方法，其特征在于，包括：
采集指定网络设备的与业务应用关联的第一参数；所述指定网络设备包括SDN网络设备和/或NFV网络设备；
将所述指定网络的第一参数输入预先训练的以提高业务应用性能为目标的神经网络，获取所述神经网络反馈的第二参数；
将所述第二参数反馈至所述指定网络设备，用于调整所述指定网络设备的管理设置。


2.如权利要求1所述的方法，其特征在于，
所述指定网络设备包括SDN网络设备时，所述第一参数包括SDN网络应用层参数，所述第二参数包括SDN网络的控制器参数；
所述指定网络设备包括NFV网络设备时，所述第一参数包括NFV网络的虚拟化网络功能层参数，所述第二参数包括NFV网络的管理和编排域参数；
所述指定网络设备包括SDN网络设备和NFV网络设备时，所述第一参数包括SDN网络应用层参数和所述NFV网络的虚拟化网络功能层参数，所述第二参数包括所述SDN网络的控制器参数和所述NFV网络的管理和编排域参数。


3.如权利要求2所述的方法，其特征在于，将所述第二参数反馈至所述指定网络设备之前，还包括：
所述指定网络设备包括SDN网络设备时，将所述SDN网络的控制器参数转换为符合SDN控制器的北向协议标准的形式；
所述指定网络设备包括NFV网络设备时，将所述NFV网络的管理和编排域参数转换为符合NFV软件栈标准的形式；
所述指定网络设备包括SDN网络设备和NFV网络设备时，将所述SDN网络的控制器参数转换为符合SDN控制器的北向协议标准的形式，将所述NFV网络的管理和编排域参数转换为符合NFV软件栈标准的形式。


4.如权利要求1所述的方法，其特征在于，训练所述神经网络，包括：
根据所述指定网络设备承载的各类业务，确定所述神经网络的输入参数和输出参数；
构建关于所述指定网络设备承载的各类业务的评价函数；
将测试数据输入所述神经网络进行训练，直至所述神经网络的输出参数满足所述评价函数。


5.如权利要求1-4的任一项所述的方法...

【专利技术属性】
技术研发人员：董亚男，王文沛，黄宗慧，卢华，张继栋，
申请(专利权)人：广东省新一代通信与网络创新研究院，
类型：发明
国别省市：广东;44