数据备份的方法、装置、计算设备及计算机存储介质制造方法及图纸

本发明专利技术实施例涉及通信技术领域，公开了一种数据备份的方法、装置、计算设备及计算机存储介质，该方法包括：接收用户发送的目标切片实例创建请求，目标切片实例创建请求包括目标切片实例的目标SLA需求信息和目标应用场景信息；对目标SLA需求信息和目标应用场景信息进行处理，得到目标SLA需求信息对应的目标第一序列和目标应用场景信息对应的目标第二序列；将目标第一序列和目标第二序列输入备份数据建议器，得到目标切片实例对应的必选备份数据类型、可选备份数据类型及无需备份数据类型；根据目标切片实例对应的必选备份数据类型、可选备份数据类型及无需备份数据类型进行数据备份。通过上述方式，本发明专利技术实施例实现了数据备份。备份。备份。

【技术实现步骤摘要】
数据备份的方法、装置、计算设备及计算机存储介质


[0001]本专利技术实施例涉及通信
，具体涉及一种数据备份的方法、装置、计算设备及计算机存储介质。

技术介绍

[0002]随着互联网进一步发展，传统的2G到4G网络无法满足海量数据带来的新业务需求。网络切片可以面向多连接与多样化业务，实现网络灵活部署，满足了海量数据带来的新业务需求。
[0003]为了防止切片网络中的数据丢失，切片实例需要对切片网络中的数据进行备份。现有技术中的数据备份主要采用全量备份的方式。随着切片业务的爆发式增长，备份空间有限，全量备份的方式占用备份空间较大。

技术实现思路

[0004]鉴于上述问题，本专利技术实施例提供了一种数据备份的方法、装置、计算设备及计算机存储介质，用于解决现有技术中存在的全量备份数据的方式占用空间大的问题。
[0005]根据本专利技术实施例的一个方面，提供了一种数据备份的方法，该方法包括：
[0006]接收用户发送的目标切片实例创建请求，所述目标切片实例创建请求包括所述目标切片实例的目标SLA需求信息和目标应用场景信息；
[0007]对所述目标SLA需求信息和所述目标应用场景信息进行处理，得到所述目标SLA需求信息对应的目标第一序列和所述目标应用场景信息对应的目标第二序列；
[0008]将所述目标第一序列和所述目标第二序列输入备份数据建议器，得到所述目标切片实例对应的必选备份数据类型、可选备份数据类型及无需备份数据类型；其中，所述备份数据建议器是根据多组训练数据及相应的训练标签训练深度卷积神经网络模型得到的，每一组训练数据均包括一个训练切片实例创建请求对应的一个训练第一序列和一个训练第二序列；所述训练标签用于表征所述训练切片实例对应的必选备份数据类型、可选备份数据类型及无需备份数据类型；
[0009]根据所述目标切片实例对应的必选备份数据类型、可选备份数据类型及无需备份数据类型进行数据备份。
[0010]可选的，所述对所述目标SLA需求信息和所述目标应用场景信息进行处理，得到所述目标SLA需求信息对应的目标第一序列和所述目标应用场景信息对应的目标第二序列，包括：
[0011]分别对所述目标SLA需求信息和所述目标应用场景信息进行文本清洗，得到所述目标SLA需求信息对应的第一文本序列和所述目标应用场景信息对应的第二文本序列；
[0012]分别将所述第一文本序列中的每一个单词和所述第二文本序列中的每一个单词转换为整数，得到所述第一文本序列对应的第一整数组合所述第二文本序列对应的第二整数组合；
[0013]将所述第一整数组合和所述第二整数组合分别填充为预设长度，得到所述目标第一序列和所述目标第二序列。
[0014]可选的，所述分别对所述目标SLA需求信息和所述目标应用场景信息进行文本清洗，得到所述目标SLA需求信息对应的第一文本序列和所述目标应用场景信息对应的第二文本序列，包括：
[0015]分别去除所述目标SLA需求信息和所述目标应用场景信息中的标点符号，得到第一目标SLA需求信息和第一目标应用场景信息；
[0016]分别将所述第一目标SLA需求信息和所述第一目标应用场景信息中的英文字母转化为小写，得到所述第一文本序列和所述第二文本序列。
[0017]可选的，所述接收用户发送的目标切片实例创建请求之前，所述方法还包括：
[0018]获取多个训练切片实例创建请求及各训练切片实例创建请求对应的必选备份数据类型、可选备份数据类型及无需备份数据类型；所述多个训练切片实例创建请求中的每一个训练切片实例创建请求均包括该训练切片实例创建请求对应的训练SLA需求信息和训练应用场景信息；
[0019]对每一个训练切片实例创建请求对应的训练SLA需求信息和训练应用场景信息进行处理，以得到多组训练数据，每一组训练数据均包括一个训练切片实例创建请求对应的一个训练第一序列和一个训练第二序列；
[0020]对各训练切片实例创建请求对应的必选备份数据类型、可选备份数据类型及无需备份数据类型进行编码，得到各训练切片实例对应的训练标签；
[0021]根据所述多组训练数据和所述训练标签训练深度卷积神经网络模型，得到所述备份数据建议器。
[0022]可选的，所述根据所述多组训练数据和所述训练标签训练深度卷积神经网络模型，得到所述备份数据建议器，包括：
[0023]将所述多组训练数据输入所述深度卷积神经网络模型，得到相应的输出结果；
[0024]根据所述输出结果和所述训练标签计算损失函数值；
[0025]根据所述损失函数值更新所述深度卷积神经网络模型的权重，直至达到预设迭代次数；
[0026]将达到所述预设迭代次数时，使所述损失函数值最小的权重作为所述深度卷积神经网络模型的权重，得到所述备份数据建议器。
[0027]可选的，所述所述深度卷积神经网络模型模型包括第一特征向量提取层、第二特征向量提取层和第三特征提取层；
[0028]所述第一特征向量提取层和所述第二特征向量提取层均包括依次连接的卷积层、池化层和平整层；
[0029]所述第三特征提取层包括合并层、全连接层、丢弃层和输出层；
[0030]所述将所述多组训练数据输入所述深度卷积神经网络模型，得到相应的输出结果，包括：
[0031]将所述多组训练数据中的训练第一序列和所述训练第二序列分别输入所述第一特征向量提取层和所述第二特征向量提取层，得到相应的第一特征向量和第二特征向量；
[0032]所述合并层将所述第一特征向量提取层输出的第一特征向量和所述第二特征向
量提取层输出的第二特征向量合并，得到合并特征向量；
[0033]所述全连接层和所述丢弃层对所述合并特征向量进行加权计算，并通过所述输出层得到所述输出结果。
[0034]可选的，所述根据所述损失函数值更新所述深度卷积神经网络模型的权重，直至达到预设迭代次数，包括：
[0035]根据所述损失函数值通过梯度下降法更新所述深度卷积神经网络模型的权重，直至达到预设迭代次数。
[0036]根据本专利技术实施例的另一方面，提供了一种数据备份的装置，所述装置包括：
[0037]接收模块，用于接收用户发送的目标切片实例创建请求，所述目标切片实例创建请求包括所述目标切片实例的目标SLA需求信息和目标应用场景信息；
[0038]处理模块，用于对所述目标SLA需求信息和所述目标应用场景信息进行处理，得到所述目标SLA需求信息对应的目标第一序列和所述目标应用场景信息对应的目标第二序列；
[0039]输入模块，用于将所述目标第一序列和所述目标第二序列输入备份数据建议器，得到所述目标切片实例对应的必选备份数据类型、可选备份数据类型及无需备份数据类型；其中，所述备份数据建议器是根据多组训练数据及相应的训练标签训练深度卷积神经网络模型得到的，每一组训练数据均包括一个训练切片实例创建请求对应的一个训练第一序列和一个训练第二序列；所本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据备份的方法，其特征在于，所述方法包括：接收用户发送的目标切片实例创建请求，所述目标切片实例创建请求包括所述目标切片实例的目标SLA需求信息和目标应用场景信息；对所述目标SLA需求信息和所述目标应用场景信息进行处理，得到所述目标SLA需求信息对应的目标第一序列和所述目标应用场景信息对应的目标第二序列；将所述目标第一序列和所述目标第二序列输入备份数据建议器，得到所述目标切片实例对应的必选备份数据类型、可选备份数据类型及无需备份数据类型；其中，所述备份数据建议器是根据多组训练数据及相应的训练标签训练深度卷积神经网络模型得到的，每一组训练数据均包括一个训练切片实例创建请求对应的一个训练第一序列和一个训练第二序列；所述训练标签用于表征所述训练切片实例对应的必选备份数据类型、可选备份数据类型及无需备份数据类型；根据所述目标切片实例对应的必选备份数据类型、可选备份数据类型及无需备份数据类型进行数据备份。2.根据权利要求1所述的方法，其特征在于，所述对所述目标SLA需求信息和所述目标应用场景信息进行处理，得到所述目标SLA需求信息对应的目标第一序列和所述目标应用场景信息对应的目标第二序列，包括：分别对所述目标SLA需求信息和所述目标应用场景信息进行文本清洗，得到所述目标SLA需求信息对应的第一文本序列和所述目标应用场景信息对应的第二文本序列；分别将所述第一文本序列中的每一个单词和所述第二文本序列中的每一个单词转换为整数，得到所述第一文本序列对应的第一整数组合所述第二文本序列对应的第二整数组合；将所述第一整数组合和所述第二整数组合分别填充为预设长度，得到所述目标第一序列和所述目标第二序列。3.根据权利要求2所述的方法，其特征在于，所述分别对所述目标SLA需求信息和所述目标应用场景信息进行文本清洗，得到所述目标SLA需求信息对应的第一文本序列和所述目标应用场景信息对应的第二文本序列，包括：分别去除所述目标SLA需求信息和所述目标应用场景信息中的标点符号，得到第一目标SLA需求信息和第一目标应用场景信息；分别将所述第一目标SLA需求信息和所述第一目标应用场景信息中的英文字母转化为小写，得到所述第一文本序列和所述第二文本序列。4.根据权利要求1所述的方法，其特征在于，所述接收用户发送的目标切片实例创建请求之前，所述方法还包括：获取多个训练切片实例创建请求及各训练切片实例创建请求对应的必选备份数据类型、可选备份数据类型及无需备份数据类型；所述多个训练切片实例创建请求中的每一个训练切片实例创建请求均包括该训练切片实例创建请求对应的训练SLA需求信息和训练应用场景信息；对每一个训练切片实例创建请求对应的训练SLA需求信息和训练应用场景信息进行处理，以得到多组训练数据，每一组训练数据均包括一个训练切片实例创建请求对应的一个训练第一序列和一个训练第二序列；
对各训练切片实例创建请求对应的必选备份数据类型、可选备份数据类型及无需备份数据类型进行编码，得到各训练切片实例对应的训练标签；根据所述多组训练数据和所述训练标签训练深度卷积神经网络模型，得到所述备份数据建议器。5.根据权利要求4所述的方法，其特征在于，所述根据所述多组训练数据...

【专利技术属性】
技术研发人员：邢彪，何宇，陈维新，章淑敏，彭熙，
申请(专利权)人：中国移动通信集团有限公司，
类型：发明
国别省市：