一种基于流量分析的网络切片配置方法及相关装置制造方法及图纸

本申请公开了一种基于流量分析的网络切片配置方法及相关装置，方法包括：获取当前服务器在预置时间内的流量数据，得到当前流量数据，当前流量数据包括持续时长、行为和流量大小；将当前流量数据输入预置GRU模型中进行负载预测，得到当前负载预测结果，预置GRU模型包括自编码器和GRU网络；根据当前负载预测结果、预置相关负载预测结果和负载阈值在VNF网络服务上进行网络切片配置。本申请能解决现有技术缺乏针对性，容易出现VNF频繁迁移的情况，导致占用更多网络资源，降低系统性能，增加业务时延的技术问题。延的技术问题。延的技术问题。

【技术实现步骤摘要】
一种基于流量分析的网络切片配置方法及相关装置


[0001]本申请涉及互联网
，尤其涉及一种基于流量分析的网络切片配置方法及相关装置。

技术介绍

[0002]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到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。现阶段的研究大多数从业务强求的动态化来实现网络资源的分配，即仅仅采用简单方法预测的网络未来负载状态来分配资源。
[0003]上述方法有可能出现VNF(Virtual Network Feature，虚拟网络功能)频繁迁移问题，即系统一旦出现网络流量过载，为了保证业务可靠性，系统开始启动数据重定向，从而出现数据快速迁移的情况。而VNF频繁迁移必然占用大量计算资源和存储资源，降低系统性能，增加用户使用的业务时延。

技术实现思路

[0004]本申请提供了一种基于流量分析的网络切片配置方法及相关装置，用于解决现有技术缺乏针对性，容易出现VNF频繁迁移的情况，导致占用更多网络资源，降低系统性能，增加业务时延的技术问题。
[0005]有鉴于此，本申请第一方面提供了一种基于流量分析的网络切片配置方法，包括：
[0006]获取当前服务器在预置时间内的流量数据，得到当前流量数据，所述当前流量数据包括持续时长、行为和流量大小；
[0007]将所述当前流量数据输入预置GRU模型中进行负载预测，得到当前负载预测结果，所述预置GRU模型包括自编码器和GRU网络；/>[0008]根据所述当前负载预测结果、预置相关负载预测结果和负载阈值在VNF网络服务上进行网络切片配置。
[0009]优选地，所述将所述当前流量数据输入预置GRU模型中进行负载预测，得到当前负载预测结果，所述预置GRU模型包括自编码器和GRU网络，包括：
[0010]将所述当前流量数据输入预置GRU模型的自编码器中进行编码处理，得到编码特征数据矩阵；
[0011]通过所述预置GRU模型的GRU网络根据所述编码特征数据矩阵进行负载预测，得到当前负载预测结果。
[0012]优选地，所述根据所述当前负载预测结果、预置相关负载预测结果和负载阈值在VNF网络服务上进行网络切片配置，包括：
[0013]根据所述当前负载预测结果、预置相关负载预测结果和负载阈值设置配置参数；
[0014]根据所述配置参数在VNF网络服务上进行网络切片配置。
[0015]优选地，所述根据所述当前负载预测结果、预置相关负载预测结果和负载阈值在
VNF网络服务上进行网络切片配置，之前还包括：
[0016]获取所述当前服务器的上下游服务器在所述预置时间内的流量数据，得到上下游流量数据；
[0017]基于所述上下游流量数据和所述当前流量数据计算平均空间相关系数；
[0018]根据所述平均空间相关系数筛选与所述当前服务器最相关的若干个上下游服务器，记作相关服务器；
[0019]根据所述相关服务器对应的流量数据进行负载预测，得到预置相关负载预测结果。
[0020]本申请第二方面提供了一种基于流量分析的网络切片配置装置，包括：
[0021]数据获取模块，用于获取当前服务器在预置时间内的流量数据，得到当前流量数据，所述当前流量数据包括持续时长、行为和流量大小；
[0022]负载预测模块，用于将所述当前流量数据输入预置GRU模型中进行负载预测，得到当前负载预测结果，所述预置GRU模型包括自编码器和GRU网络；
[0023]切片配置模块，用于根据所述当前负载预测结果、预置相关负载预测结果和负载阈值在VNF网络服务上进行网络切片配置。
[0024]优选地，所述负载预测模块，具体用于：
[0025]将所述当前流量数据输入预置GRU模型的自编码器中进行编码处理，得到编码特征数据矩阵；
[0026]通过所述预置GRU模型的GRU网络根据所述编码特征数据矩阵进行负载预测，得到当前负载预测结果。
[0027]优选地，所述切片配置模块，具体用于：
[0028]根据所述当前负载预测结果、预置相关负载预测结果和负载阈值设置配置参数；
[0029]根据所述配置参数在VNF网络服务上进行网络切片配置。
[0030]优选地，还包括：
[0031]数据采集模块，用于获取所述当前服务器的上下游服务器在所述预置时间内的流量数据，得到上下游流量数据；
[0032]相关计算模块，用于基于所述上下游流量数据和所述当前流量数据计算平均空间相关系数；
[0033]相关筛选模块，用于根据所述平均空间相关系数筛选与所述当前服务器最相关的若干个上下游服务器，记作相关服务器；
[0034]相关预测模块，用于根据所述相关服务器对应的流量数据进行负载预测，得到预置相关负载预测结果。
[0035]本申请第三方面提供了一种基于流量分析的网络切片配置设备，所述设备包括处理器以及存储器；
[0036]所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
[0037]所述处理器用于根据所述程序代码中的指令执行第一方面所述的基于流量分析的网络切片配置方法。
[0038]本申请第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质用于存储程序代码，所述程序代码用于执行第一方面所述的基于流量分析的网络切片配置方
法。
[0039]从以上技术方案可以看出，本申请实施例具有以下优点：
[0040]本申请中，提供了一种基于流量分析的网络切片配置方法，包括：获取当前服务器在预置时间内的流量数据，得到当前流量数据，当前流量数据包括持续时长、行为和流量大小；将当前流量数据输入预置GRU模型中进行负载预测，得到当前负载预测结果，预置GRU模型包括自编码器和GRU网络；根据当前负载预测结果、预置相关负载预测结果和负载阈值在VNF网络服务上进行网络切片配置。
[0041]本申请提供的基于流量分析的网络切片配置方法，从分析流量数据的角度出发进行网络切片配置，实现网络资源的合理化和准确化的分配；更具有针对性；而预置GRU模型能够关注到流量数据之间的时间依赖性，能够保障负荷预测结果的可靠性；此外，在网络切片配置过程中不仅分析当前服务器预测负载的影响，还考虑了相关负载预测结果的影响，即从整体网络出发进行资源调配，避免了网络堵塞，降低了系统的数据流动速度，一定程度上可以减少业务时延。因此，本申请能够解决现有技术缺乏针对性，容易出现VNF频繁迁移的情况，导致占用更多网络资源，降低系统性能，增加业务时延的技术问题。
附图说明
[0042]图1为本申请实施例提供的一种基于流量分析的网络切片配置方法的流程示意图；
[0043]图2为本申请实施例提供的一种基于流量分析的网络切片配置装置的结构示意图；
[0044]图3为本申请实施例提供的预置GRU模型的结构示意图；...

【技术保护点】

【技术特征摘要】
1.一种基于流量分析的网络切片配置方法，其特征在于，包括：获取当前服务器在预置时间内的流量数据，得到当前流量数据，所述当前流量数据包括持续时长、行为和流量大小；将所述当前流量数据输入预置GRU模型中进行负载预测，得到当前负载预测结果，所述预置GRU模型包括自编码器和GRU网络；根据所述当前负载预测结果、预置相关负载预测结果和负载阈值在VNF网络服务上进行网络切片配置。2.根据权利要求1所述的基于流量分析的网络切片配置方法，其特征在于，所述将所述当前流量数据输入预置GRU模型中进行负载预测，得到当前负载预测结果，所述预置GRU模型包括自编码器和GRU网络，包括：将所述当前流量数据输入预置GRU模型的自编码器中进行编码处理，得到编码特征数据矩阵；通过所述预置GRU模型的GRU网络根据所述编码特征数据矩阵进行负载预测，得到当前负载预测结果。3.根据权利要求1所述的基于流量分析的网络切片配置方法，其特征在于，所述根据所述当前负载预测结果、预置相关负载预测结果和负载阈值在VNF网络服务上进行网络切片配置，包括：根据所述当前负载预测结果、预置相关负载预测结果和负载阈值设置配置参数；根据所述配置参数在VNF网络服务上进行网络切片配置。4.根据权利要求1所述的基于流量分析的网络切片配置方法，其特征在于，所述根据所述当前负载预测结果、预置相关负载预测结果和负载阈值在VNF网络服务上进行网络切片配置，之前还包括：获取所述当前服务器的上下游服务器在所述预置时间内的流量数据，得到上下游流量数据；基于所述上下游流量数据和所述当前流量数据计算平均空间相关系数；根据所述平均空间相关系数筛选与所述当前服务器最相关的若干个上下游服务器，记作相关服务器；根据所述相关服务器对应的流量数据进行负载预测，得到预置相关负载预测结果。5.一种基于流量分析的网络切片配置装置，其特征在于，包括：数据获取模块，用于获取当前服务器在预置时间内的流量数据，得到当前流量数据，所述当前流量数据包括持续时长、行为和流...

【专利技术属性】
技术研发人员：房小兆，黄俊帆，韩娜，孙为军，周郭许，滕少华，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：