CN112512057B - 网络切片异常识别方法、装置、设备及计算机存储介质 - Google Patents
网络切片异常识别方法、装置、设备及计算机存储介质 Download PDFInfo
- Publication number
- CN112512057B CN112512057B CN201910869412.1A CN201910869412A CN112512057B CN 112512057 B CN112512057 B CN 112512057B CN 201910869412 A CN201910869412 A CN 201910869412A CN 112512057 B CN112512057 B CN 112512057B
- Authority
- CN
- China
- Prior art keywords
- network slice
- target network
- bearing
- current
- variation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0893—Assignment of logical groups to network elements
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明实施例涉及业务支撑技术领域,公开了一种网络切片异常识别方法、装置、设备及计算机存储介质,其中方法包括:获取目标网络切片当前时刻的承载信息;获取所述目标网络切片相邻网络切片下一时刻的承载信息;根据所述当前时刻的承载信息和所述下一时刻的承载信息,计算所述目标网络切片的承载变化量;根据所述承载变化量和预设误差值,确定所述目标网络切片是否异常。通过上述方式,本发明实施例能够更加准确地识别出异常的网络切片。
Description
技术领域
本发明实施例涉及业务支撑技术领域,具体涉及一种网络切片异常识别方法、装置、设备及计算机存储介质。
背景技术
在5G(5th-Generation,第五代移动通信技术)网络中,由于不同的网络应用场景对应的服务质量不同,因此可将一个物理网络划分成多个支持不同网络应用场景的逻辑网络,一个网络应用场景支持一类业务,一个逻辑网络即为一个网络切片。
在实现本发明实施例的过程中,发明人发现:目前在对网络切片进行识别的方式主要是针对网络中的硬件的异常情况进行监控,而当业务量较大等其它情况下也会导致网络切片异常,因此现有的5G网络切片异常识别准确性较低。
发明内容
鉴于上述问题,本发明实施例提供了一种网络切片异常识别方法、装置、设备及计算机存储介质,克服了上述问题或者至少部分地解决了上述问题。
根据本发明实施例的一个方面,提供了一种网络切片异常识别方法,所述方法包括:获取目标网络切片当前时刻的承载信息;获取所述目标网络切片相邻网络切片下一时刻的承载信息;根据所述当前时刻的承载信息和所述下一时刻的承载信息,计算所述目标网络切片的承载变化量;根据所述承载变化量和预设误差值,确定所述目标网络切片是否异常。
在一种可选的方式中,所述预设误差值通过机器学习的方式确定。
在一种可选的方式中,所述获取所述目标网络切片相邻网络切片下一时刻的承载信息之后,所述方法还包括:根据所述当前时刻的承载信息,确定所述目标网络切片的接入用户;获取所述接入用户的上报数据;根据所述上报数据,确定所述接入用户中的实际迁出用户;其中,所述实际迁出用户为当前时刻位于所述目标网络切片的覆盖范围内但在下一时刻位于所述目标网络切片的覆盖范围外的接入用户;将所述当前时刻的承载信息和所述下一时刻的承载信息中和所述实际迁出用户关联的承载信息剔除。
在一种可选的方式中,所述根据所述当前时刻的承载信息和所述下一时刻的承载信息,计算所述目标网络切片的承载变化量,具体为:根据所述当前时刻的承载信息,确定所述目标网络切片的当前承载量;根据所述下一时刻的承载信息和所述当前承载量,计算下一时刻从所述目标网络切片迁移到所述目标网络切片相邻网络切片的所述承载变化量。
在一种可选的方式中,所述根据所述承载变化量和所述预设误差值,确定所述目标网络切片是否异常,具体为:当所述承载变化量超过所述预设误差值时,确定所述目标网络切片异常,并发送迁移超限预警。
在一种可选的方式中,所述当前承载量包括当前用户接入量,所述承载变化量包括用户迁移量,所述预设误差值包括预设用户误差值;和/或,所述当前承载量包括当前CPU资源占用量,所述承载变化量包括CPU资源迁移量,所述预设误差值包括预设CPU误差值;和/或,所述当前承载量包括当前内存占用量,所述承载变化量包括内存迁移量,所述预设误差值包括预设内存误差值;和/或,所述当前承载量包括当前存储占用量,所述承载变化量包括存储迁移量,所述预设误差值包括预设存储误差值。
在一种可选的方式中,所述根据所述承载变化量和所述预设误差值,确定所述目标网络切片是否异常,具体为:将所述承载变化量中的用户迁移量与预设用户权重值的乘积、所述承载变化量中的CPU资源迁移量与预设CPU权重值的乘积、所述承载变化量中的内存资源迁移量与预设内存权重值的乘积和所述承载变化量中的存储资源迁移量与预设存储权重值的乘积求和,得到参数变化总量;当所述参数变化总量超过预设误差值时,确定所述网络切片异常。
根据本发明实施例的另一方面,提供了一种网络切片异常识别装置,包括:第一获取模块,用于获取目标网络切片当前时刻的承载信息;第二获取模块,用于获取所述目标网络切片相邻网络切片下一时刻的承载信息;计算模块,用于根据所述当前时刻的承载信息和所述下一时刻的承载信息,计算所述目标网络切片的承载变化量;第一确定模块,用于根据所述承载变化量和预设误差值,确定所述目标网络切片是否异常。
根据本发明实施例的另一方面,提供了一种网络切片异常识别设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行上述一种网络切片异常识别方法对应的操作。
根据本发明实施例的又一方面,提供了一种计算机存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使所述处理器执行上述一种网络切片异常识别方法对应的操作。
本发明实施例通过获取目标网络切片当前时刻和其相邻网络切片下一时刻的承载信息,计算出目标网络切片迁移到其相邻网络切片的承载变化量,并通过比较承载变化量与预设误差值的大小来确定目标网络切片是否异常。和现有技术相比,本发明实施例通过目标网络切片迁移到其相邻网络切片的承载变化量的大小来判断目标网络切片是否异常,而非通过监控硬件的故障情况来判断目标网络切片是否异常,其能识别出业务量较大等其它情况下导致的网络切片异常,因此其识别准确性更高。
上述说明仅是本发明实施例技术方案的概述,为了能够更清楚了解本发明实施例的技术手段,而可依照说明书的内容予以实施,并且为了让本发明实施例的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了本发明实施例提供的一种网络切片异常识别方法的流程图;
图2示出了本发明另一实施例提供的一种网络切片异常识别方法的流程图;
图3示出了本发明实施例中计算目标网络切片的承载变化量的子步骤流程图;
图4示出了本发明实施例中确定目标网络切片是否异常的子步骤流程图;
图5示出了本发明实施例提供的一种网络切片异常识别装置的结构示意图;
图6示出了本发明实施例提供的网络切片异常识别设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例,然而应当理解,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本发明,并且能够将本发明的范围完整的传达给本领域的技术人员。
在5G网络中,网络业务丰富多样,且不同的网络业务对网络有不同的要求。例如,自动驾驶和远程控制等网络业务要求网络具备超低时延和超高可靠性;增强现实/虚拟现实等网络业务要求网络具备超高带宽;物联网等网络业务要求网络具备支持海量设备接入和超低省电;无人机和高铁等网络业务要求网络具备高移动性。为了应对这些不同类型的网络业务需要,5G网络引入了网络切片技术,将大量的物理网络基础设施组成虚拟逻辑网络资源并按照5G网络的各个应用场景划分成一个个小的虚拟逻辑网络单元,它们之间通过API接口等方式实现信息交互与传递。网络切片的类型通常有eMBB(Enhanced MobileBroadband,增强型移动宽带)、mMTC(Massive Machine Type Communication,大规模机器类通信)和uRLLC(Ultra-reliable and Low Latency Communication,超高可靠与低延迟的通信)这三种类型。用户则可以通过UE(User Equipment,用户设备)接入到不同网络业务对应的网络切片中,以进行不同的网络业务。UE可以是无线终端,例如可以为移动电话、计算机、平板电脑、个人数码助理(personal digital assistant,PDA)、移动互联网设备(mobile Internet device,MID)、可穿戴设备、互联网协议(InternetProtocol,IP)电话、网络打印机和电子书阅读器(e-book reader)等。网络切片可以由管理设备进行管理,管理设备可以是具有网络切片管理功能的任意设备,比如切片管理***、策略控制中心和智能分析中心等。其中,切片管理***可以是某个服务器中的功能模块,也可以是一个单独的服务器,网络管理员可以通过切片管理***进行创建网络切片、删除网络切片、以及将某网络切片中的部分用户设备迁移到另一网络切片等操作。网络切片包括RAN切片、核心网切片以及传输切片。其中,RAN切片相当于1个或多个基站的覆盖网络,其用于将UE接入网络。
下面结合附图对本发明实施例进行说明。
请参阅图1,图1示出了本发明实施例提供的一种网络切片异常识别方法的流程图,该方法包括以下步骤:
步骤S110:获取目标网络切片当前时刻的承载信息。
在本步骤中,所述目标网络切片是指需要进行异常识别的网络切片,所述承载信息可以通过上述切片管理***获取,其包括该目标网络切片的接入用户的信息。所述接入用户的信息包括接入用户的IMSI(International Mobile Subscriber Identity,国际移动用户识别码)信息以及各接入用户占用的CPU(Central Processing Unit,中央处理器)资源量、内存资源量和存储资源量。其中,内存资源量是指接入用户占用服务器的内存条的资源量,而存储资源量是指接入用户占用服务器的硬盘资源量。
步骤S120:获取所述目标网络切片相邻网络切片下一时刻的承载信息。
在本步骤中,所述目标网络切片相邻网络切片是指和目标网络切片覆盖范围相邻的网络切片,其可以通过上述切片管理***确定。若目标网络切片为RAN切片,RAN切片为基站的网络覆盖范围,而基站通过包含多个小区。各小区皆有与其相邻的邻小区,目标网络切片对应的小区的邻小区所属基站对应的RAN切片即为目标网络切片相邻网络切片。所述下一时刻是指在步骤S110中所述的当前时刻之后的一个时刻,若当前时刻为tk,所述下一时刻通常为t(k+1)。所述目标网络切片的承载信息和所述目标网络切片相邻网络切片的承载信息都会周期性更新,即所述目标网络切片和其相邻的网络切片在当前tk会皆有一组承载信息,在之后的t(k+1)、t(k+2)...t(k+n)时刻也皆有一组承载信息。
步骤S170:根据所述当前时刻的承载信息和所述下一时刻的承载信息,计算所述目标网络切片的承载变化量。
在本步骤中,通过所述目标网络切片当前时刻的承载信息和所述目标网络切片相邻网络切片下一时刻的承载信息中用户的IMSI信息,即可以确定从目标网络切片迁移到其相邻的网络切片的用户迁移量。例如,目标网络切片当前时刻tk的接入用户的IMSI信息分别为S1、S2、S3和S4,而目标网络切片相邻网络切片下一时刻t(k+1)的接入用户的IMSI信息分别为S1、S2、S3和S5,则可以说明目标网络切片在下一时刻迁移到其相邻的网络切片接入用户为S1、S2和S3,因此,目标网络切片的用户迁移量为3。同时,接入用户S1、S2和S3在当前时刻占用的CPU资源量、内存资源量和存储资源量则可以分别视为目标网络切片的CPU资源迁移量、内存迁移量和存储迁移量。所述用户迁移量和/或CPU资源迁移量和/或内存迁移量和/或存储迁移量可以视为本步骤中的承载变化量。
步骤S180:根据所述承载变化量和预设误差值,确定所述目标网络切片是否异常。
通常情况下,网络切片在没有异常时也偶发性的迁出用户到其相邻的网络切片,而预设误差值则是可容许的用户迁出的数量和/或CPU资源迁移量和/或内存迁移量和/或存储迁移量。因此,预设误差值也可以分为预设用户误差值、预设CPU误差值、预设内存误差值和预设存储误差值。而当目标网络切片的承载变化量超过这些误差值,则可以说明目标网络切片的用户迁出并非偶发性事件,进而可以确定该目标网络切片异常。
在一些实施例中,所述预设误差值可以通过机器学习的方式确定。具体地,可以通过已经存在异常和无异常的网络切片迁移到其相邻网络切片的用承载变化量与预先设置的误差值进行比较,得到预测的异常识别结果。之后将该预测的异常识别结果与网络切片实际异常情况进行比较,并根据该结果调整预先设置的误差值尽可能使所有的预测的异常识别结果都和实际的异常情况一致,从而得到所述预设误差值。此外,在实际应用本发明实施例对目标网络切片进行异常识别的过程中,也可以通过将本方式实施例得到识别结果与运维人员人工核查的结果进行对比,来对本实施例中的预设误差值进行不断优化调整,以保证本发明实施例的识别准确性。
需要说明的是:若输入的承载变化量为用户迁移量、CPU资源迁移量、内存迁移量和存储迁移量中的一项或多项,通过机器学习得到的预设误差值也相应地包括预设用户误差值、预设CPU误差值、预设内存误差值和预设存储误差值中的一项或多项。
本发明实施例通过获取目标网络切片当前时刻和其相邻网络切片下一时刻的承载信息,计算出目标网络切片迁移到其相邻网络切片的承载变化量,并通过比较承载变化量与预设误差值的大小来确定目标网络切片是否异常。和现有技术相比,本发明实施例通过目标网络切片迁移到其相邻网络切片的承载变化量的大小来判断目标网络切片是否异常,而非通过监控硬件的故障情况来判断目标网络切片是否异常,其能识别出业务量较大等其它情况下导致的网络切片异常,因此其识别准确性更高。
在一些实施例中,目标网络切片中的接入用户迁入其相邻的网络切片也可能是接入用户的实际位置发生了变化造成的,而非由于目标网络切片的异常导致。因此,如图2所示,其示出了本发明另一实施例提供的一种网络切片异常识别方法的流程图,在本实施例中,所述方法在步骤S120之后还包括:
步骤S130:根据所述当前时刻的承载信息,确定所述目标网络切片的接入用户。
如步骤S110所述,目标网络切片承载信息包括该目标网络切片的接入用户的IMSI信息,通过承载信息中的IMSI信息可以确定目标网络切片的接入用户。
步骤S140:获取所述接入用户的上报数据。
步骤S150:根据所述上报数据,确定所述接入用户中的实际迁出用户;其中,所述实际迁出用户为当前时刻位于所述目标网络切片的覆盖范围内但在下一时刻位于所述目标网络切片的覆盖范围外的接入用户。
其中,所述上报数据可以是接入用户的用户设备上报的MR数据或用户设备上的手机营业厅APP上报的经纬度数据,根据这些数据可以对接入用户各个时刻的位置进行定位。之后,通过从基站的基础数据获取工程参数可以确定目标网络切片和与其相邻的网络切片包含的基站的覆盖范围。通过结合接入用户在当前时刻和下一时刻的位置以及目标网络切片和与其相邻的网络切片的覆盖范围,可以判定是否存在目标网络切片的接入用户在当前时刻的位置位于目标网络切片的覆盖范围内,但下一时刻位于目标网络切片的覆盖范围之外,这种接入用户可以确定为所述实际迁出用户,表明其迁出了目标网络切片的覆盖范围。
步骤S160:将所述当前时刻的承载信息和所述下一时刻的承载信息中和所述实际迁出用户关联的承载信息剔除。
由于实际迁出用户在下一时刻并未在目标网络切片的覆盖范围内,所以其必然无法接入目标网络切片,只能接入到其它网络切片。因此,这种情况的用户迁出并非由于目标网络切片的异常造成的,所以需要将和实际迁出用户关联的承载信息剔除,提高本发明实施例异常识别的准确性。具体地,实际迁出用户在目标网络切片和其相邻的网络切片的承载信息中的IMSI信息、占用CPU资源量、占用内存资源量和占用存储资源量等都会被剔除,即后续步骤S170计算承载变化量时不再考虑这些实际迁出用户的数据。
本发明实施例通过增加实际迁出用户的确定步骤以及剔除实际迁出用户关联的承载信息的步骤,将由于接入用户实际迁出了目标网络切片的覆盖范围造成的目标网络切片的承载变化量排除,提高了通过比较目标网络切片的承载变化量和预设误差值来判定目标网络是否异常的准确性。
对于上述步骤S170,其可以有多种实现方式,如图3所示,其示出了本发明实施例中计算目标网络切片的承载变化量的子步骤流程图,步骤S170的实现方式具体为:
步骤S171:根据所述当前时刻的承载信息,确定所述目标网络切片的当前承载量。
如骤S110所述,目标网络切片的承载信息包括接用户的IMSI信息以及各接入用户占用的CPU资源量、内存资源量和存储资源量。由此,可以通过将目标网络切片当前时刻的接入用户数量求和,以及各接入用户占用的资源量求和得到当前承载量。例如,目标网络切片当前时刻的接入用户为【S1、S2、S3和S4】,其占用的CPU资源量、内存资源量和存储资源量分别为【C1、C2、C3和C4】、【M1、M2、M3和M4】和【N1、N2、N3和N4】,此时目标网络切片的当前承载量包括当前用户接入量、当前CPU资源占用量、当前内存占用量和当前存储占用量,其分别为4、C1+C2+C3+C4、M1+M2+M3+M4和N1+N2+N3+N4。此外,当前承载量还包括当前时刻各接入用户的IMSI信息,以便后续计算承载变化量。
步骤S172:根据所述下一时刻的承载信息和所述当前承载量,计算下一时刻从所述目标网络切片迁移到所述目标网络切片相邻网络切片的所述承载变化量。
在本步骤中,所述承载变化量可以分为用户迁移量、CPU资源迁移量、内存迁移量和存储迁移量中的一个或多个,其可以是从目标网络切片迁移到目标网络切片相邻网络切片的用户接入量和/或CPU资源占用量和/或内存占用量和/或存储占用量,或是它们与目标网络切片的当前承载量的比值。若目标网络切片当前时刻的接入用户为【S1、S2、S3和S4】;而目标网络切片相邻网络切片有两个,它们下一时刻的接入用户为分别为【S1、S5、S6和S7】和【S2、S8、S9和S10】。由此可以确定标网络切片在下一时刻迁移到邻网络切片的用户为S1和S2,所以目标网络切片的用户迁移量为2或2/4。此外,根据用户S1和S2在当前时刻占用的CPU资源量、内存资源量和存储资源量,也可以计算出目标网络切片的CPU资源迁移量、内存迁移量和存储迁移量。例如,若当前CPU资源占用量、当前内存占用量和当前存储占用量分别为C1+C2+C3+C4、M1+M2+M3+M4和N1+N2+N3+N4,其中,用户S1和S2对应的当前时刻占用的CPU资源量、内存资源量和存储资源量分别为C1和C2、M1和M2以及N1和N2,此时目标网络切片的CPU资源迁移量、内存迁移量和存储迁移量分别为C1+C2或(C1+C2)/(C1+C2+C3+C4)、M1+M2或(M1+M2)/(M1+M2+M3+M4)以及N1+N2或(N1+N2)/(N1+N2+N3+N4)。
可以理解的是:在其它实施例中,承载变化量不仅限于上面的描述,其也可以为其它表示目标网络切片的承载变化状态的参数,例如,承载变化量也可以是目标网络切片迁移到其相邻网络切片的承载量与从其相邻网络切片迁入到目标网络切片的承载量之和。若目标网络切片当前时刻的接入用户为【S1、S2、S3和S4】,目标网络切片相邻网络切片当前时刻的接入用户为【S5、S6、S7和S8】,而下一时刻目标网络切片和其相邻的网络切片分别为【S5、S6、S3和S4】和【S1、S2、S7和S8】,则可以说明下一时刻迁出目标网络切片的用户为S1和S2,而迁入目标网络切片的用户为S5和S6,因此,此时目标网络切片的承载变化量中的用户迁移量为4。
对于上述步骤S180,其可以有多种实现方式,在一些实施例中,步骤S180的实现方式具体为:当所述承载变化量超过所述预设误差值时,确定所述目标网络切片异常,并发送迁移超限预警。
在本步骤中,可以通过目标网络切片的承载变化量的大小来评判目标网络切片是否异常,并决定是否发送迁移超限预警,通知运维人员排除故障。
具体地,当所述当前承载量包括当前用户接入量,所述承载变化量包括用户迁移量时,所述预设误差值包括预设用户误差值,步骤S180为:当所述用户迁移量超过所述预设用户误差值时,确定所述目标网络切片异常,并发送用户迁移超限预警。
当所述当前承载量包括当前CPU资源占用量,所述承载变化量包括CPU资源迁移量时,所述预设误差值包括预设CPU误差值,步骤S180为:当所述CPU资源迁移量超过所述预设CPU误差值时,确定所述目标网络切片异常,并发送CPU资源迁移超限预警。
当所述当前承载量包括当前内存资源占用量,所述承载变化量包括内存资源迁移量时,所述预设误差值包括预设内存误差值,步骤S180为:当所述内存资源迁移量超过所述预设内存误差值时,确定所述目标网络切片异常,并发送内存资源迁移超限预警。
当所述当前承载量包括当前存储资源占用量,所述承载变化量包括存储资源迁移量时,所述预设误差值包括预设存储误差值,步骤S180为:当所述存储资源迁移量超过所述预设存储误差值时,确定所述目标网络切片异常,并发送存储资源迁移超限预警。
本发明实施例根据输入的目标网络切的承载量的类型不同,分别进行了不同类型的异常识别,并发送了不同类型的预警,方便运维人员根据预警的类型来排查目标网络切片的故障原因。
在另一些实施例中,上述步骤S180还可以有其它实现方式,如图4所示,其示出了本发明实施例中确定目标网络切片是否异常的子步骤流程图,步骤S180具体为:
步骤S181:将所述承载变化量中的用户迁移量与预设用户权重值的乘积、所述承载变化量中的CPU资源迁移量与预设CPU权重值的乘积、所述承载变化量中的内存资源迁移量与预设内存权重值的乘积和所述承载变化量中的存储资源迁移量与预设存储权重值的乘积求和,得到参数变化总量。
步骤S182:当所述参数变化总量超过预设误差值时,确定所述网络切片异常。
当承载变化量包括用户迁移量、CPU资源迁移量、内存迁移量和存储迁移量时,本发明实施例会为其分别配置不同的权重值,并将其求和来与预设误差值来比较,从而从目标网络切片的四个维度综合评判该目标网络切片是否异常。具体地,若目标网络切片的用户迁移量、CPU资源迁移量、内存迁移量和存储迁移量分别为a、b、c和d,且预设用户权重值、预设CPU权重值、预设内存权重值和预设存储权重值分别为k1、k2、k3和k4,参数变化总量则为a*k1+b*k2+c*k3+d*k4。若承载变化量仅包括用户迁移量、CPU资源迁移量、内存迁移量和存储迁移量中的部分,则可以将承载变化量不包括的迁移量对应的权重值设置为0即可,例如,若承载变化量不包括CPU资源迁移量,则预设CPU权重值为0。
本发明实施例通过获取目标网络切片当前时刻和其相邻网络切片下一时刻的承载信息,计算出目标网络切片迁移到其相邻网络切片的承载变化量,并通过比较承载变化量与预设误差值的大小来确定目标网络切片是否异常。和现有技术相比,本发明实施例通过目标网络切片迁移到其相邻网络切片的承载变化量的大小来判断目标网络切片是否异常,而非通过监控硬件的故障情况来判断目标网络切片是否异常,其能识别出业务量较大等其它情况下导致的网络切片异常,因此其识别准确性更高。
图5示出了本发明实施例提供的一种网络切片异常识别装置的结构示意图。如图5所示,所述装置100包括第一获取模块10、第二获取模块20、计算模块30和第一确定模块40。
第一获取模块10,用于获取目标网络切片当前时刻的承载信息;第二获取模块20,用于获取所述目标网络切片相邻网络切片下一时刻的承载信息;计算模块30,用于根据所述当前时刻的承载信息和所述下一时刻的承载信息,计算所述目标网络切片的承载变化量;第一确定模块40,用于根据所述承载变化量和预设误差值,确定所述目标网络切片是否异常。
在一种可选的方式中,所述预设误差值通过机器学习的方式确定。
在一种可选的方式中,所述装置100还包括第二确定模块50、第三获取模块60、第三确定模块70和剔除模块80。
第二确定模块50,用于根据所述当前时刻的承载信息,确定所述目标网络切片的接入用户;第三获取模块60,用于获取所述接入用户的上报数据;第三确定模块70,用于根据所述上报数据,确定所述接入用户中的实际迁出用户;其中,所述实际迁出用户为当前时刻位于所述目标网络切片的覆盖范围内但在下一时刻位于所述目标网络切片的覆盖范围外的接入用户;剔除模块80,用于将所述当前时刻的承载信息和所述下一时刻的承载信息中和所述实际迁出用户关联的承载信息剔除。
在一种可选的方式中,所述计算模块30具体为:根据所述当前时刻的承载信息,确定所述目标网络切片的当前承载量;根据所述下一时刻的承载信息和所述当前承载量,计算下一时刻从所述目标网络切片迁移到所述目标网络切片相邻网络切片的所述承载变化量。
在一种可选的方式中,所述第一确定模块40具体为:当所述承载变化量超过所述预设误差值时,确定所述目标网络切片异常,并发送迁移超限预警。
在一种可选的方式中,所述当前承载量包括当前用户接入量,所述承载变化量包括用户迁移量,所述预设误差值包括预设用户误差值;和/或,所述当前承载量包括当前CPU资源占用量,所述承载变化量包括CPU资源迁移量,所述预设误差值包括预设CPU误差值;和/或,所述当前承载量包括当前内存占用量,所述承载变化量包括内存迁移量,所述预设误差值包括预设内存误差值;和/或,所述当前承载量包括当前存储占用量,所述承载变化量包括存储迁移量,所述预设误差值包括预设存储误差值。
在一种可选的方式中,所述第一确定模块40具体为:将所述承载变化量中的用户迁移量与预设用户权重值的乘积、所述承载变化量中的CPU资源迁移量与预设CPU权重值的乘积、所述承载变化量中的内存资源迁移量与预设内存权重值的乘积和所述承载变化量中的存储资源迁移量与预设存储权重值的乘积求和,得到参数变化总量;当所述参数变化总量超过预设误差值时,确定所述网络切片异常。
本发明实施例通过第一获取模块10和第二获取模块20分别获取目标网络切片当前时刻和其相邻网络切片下一时刻的承载信息,之后通过计算模块30计算出目标网络切片迁移到其相邻网络切片的承载变化量,并通过第一确定模块40比较承载变化量与预设误差值的大小来确定目标网络切片是否异常。和现有技术相比,本发明实施例通过目标网络切片迁移到其相邻网络切片的承载变化量的大小来判断目标网络切片是否异常,而非通过监控硬件的故障情况来判断目标网络切片是否异常,其能识别出业务量较大等其它情况下导致的网络切片异常,因此其识别准确性更高。
本发明实施例提供了一种非易失性计算机存储介质,所述计算机存储介质存储有至少一可执行指令,该计算机可执行指令可执行上述任意方法实施例中的网络切片异常识别方法。
图6示出了本发明实施例提供的网络切片异常识别设备的结构示意图,本发明具体实施例并不对网络切片异常识别设备的具体实现做限定。
如图6所示,该网络切片异常识别设备可以包括:处理器(processor)202、通信接口(Communications Interface)204、存储器(memory)206、以及通信总线208。
其中:处理器202、通信接口204、以及存储器206通过通信总线208完成相互间的通信。通信接口204,用于与其它设备比如客户端或其它服务器等的网元通信。处理器202,用于执行程序210,具体可以执行上述网络切片异常识别方法实施例中的相关步骤。
具体地,程序210可以包括程序代码,该程序代码包括计算机操作指令。
处理器202可能是中央处理器CPU,或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit),或者是被配置成实施本发明实施例的一个或多个集成电路。网络切片异常识别设备包括的一个或多个处理器,可以是同一类型的处理器,如一个或多个CPU;也可以是不同类型的处理器,如一个或多个CPU以及一个或多个ASIC。
存储器206,用于存放程序210。存储器206可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
程序210具体可以用于使得处理器202执行以下操作:
获取目标网络切片当前时刻的承载信息;
获取所述目标网络切片相邻网络切片下一时刻的承载信息;
根据所述当前时刻的承载信息和所述下一时刻的承载信息,计算所述目标网络切片的承载变化量;
根据所述承载变化量和预设误差值,确定所述目标网络切片是否异常。
在一种可选的方式中,程序210具体可以进一步用于使得处理器202执行以下操作:
根据所述当前时刻的承载信息,确定所述目标网络切片的接入用户;
获取所述接入用户的上报数据;
根据所述上报数据,确定所述接入用户中的实际迁出用户;其中,所述实际迁出用户为当前时刻位于所述目标网络切片的覆盖范围内但在下一时刻位于所述目标网络切片的覆盖范围外的接入用户;
将所述当前时刻的承载信息和所述下一时刻的承载信息中和所述实际迁出用户关联的承载信息剔除。
在一种可选的方式中,程序210具体可以进一步用于使得处理器202执行以下操作:
根据所述当前时刻的承载信息,确定所述目标网络切片的当前承载量;
根据所述下一时刻的承载信息和所述当前承载量,计算下一时刻从所述目标网络切片迁移到所述目标网络切片相邻网络切片的所述承载变化量。
在一种可选的方式中,程序210具体可以进一步用于使得处理器202执行以下操作:
当所述承载变化量超过所述预设误差值时,确定所述目标网络切片异常,并发送迁移超限预警。
在一种可选的方式中,程序210具体可以进一步用于使得处理器202执行以下操作:
将所述承载变化量中的用户迁移量与预设用户权重值的乘积、所述承载变化量中的CPU资源迁移量与预设CPU权重值的乘积、所述承载变化量中的内存资源迁移量与预设内存权重值的乘积和所述承载变化量中的存储资源迁移量与预设存储权重值的乘积求和,得到参数变化总量;
当所述参数变化总量超过预设误差值时,确定所述网络切片异常。
本发明实施例通过获取目标网络切片当前时刻和其相邻网络切片下一时刻的承载信息,计算出目标网络切片迁移到其相邻网络切片的承载变化量,并通过比较承载变化量与预设误差值的大小来确定目标网络切片是否异常。和现有技术相比,本发明实施例通过目标网络切片迁移到其相邻网络切片的承载变化量的大小来判断目标网络切片是否异常,而非通过监控硬件的故障情况来判断目标网络切片是否异常,其能识别出业务量较大等其它情况下导致的网络切片异常,因此其识别准确性更高。
本发明实施例提供了一种可执行程序,所述可执行程序可执行上述任意方法实施例中的网络切片异常识别方法。
在此提供的算法或程序不与任何特定计算机、虚拟***或者其它设备固有相关。各种通用***也可以与基于在此的示教一起使用。根据上面的描述,构造这类***所要求的结构是显而易见的。此外,本发明实施例也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本发明并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明实施例的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。上述实施例中的步骤,除有特殊说明外,不应理解为对执行顺序的限定。
Claims (9)
1.一种网络切片异常识别方法,其特征在于,包括:
获取目标网络切片当前时刻的承载信息;
获取所述目标网络切片相邻网络切片下一时刻的承载信息;
根据所述当前时刻的承载信息,确定所述目标网络切片的接入用户;
获取所述接入用户的上报数据;
根据所述上报数据,确定所述接入用户中的实际迁出用户;其中,所述实际迁出用户为当前时刻位于所述目标网络切片的覆盖范围内但在下一时刻位于所述目标网络切片的覆盖范围外的接入用户;
将所述当前时刻的承载信息和所述下一时刻的承载信息中和所述实际迁出用户关联的承载信息剔除;
根据所述当前时刻的承载信息和所述下一时刻的承载信息,计算所述目标网络切片的承载变化量;
根据所述承载变化量和预设误差值,确定所述目标网络切片是否异常。
2.如权利要求1所述的方法,其特征在于,所述预设误差值通过机器学习的方式确定。
3.如权利要求1-2中任一项所述的方法,其特征在于,所述根据所述当前时刻的承载信息和所述下一时刻的承载信息,计算所述目标网络切片的承载变化量,具体为:
根据所述当前时刻的承载信息,确定所述目标网络切片的当前承载量;
根据所述下一时刻的承载信息和所述当前承载量,计算下一时刻从所述目标网络切片迁移到所述目标网络切片相邻网络切片的所述承载变化量。
4.如权利要求3所述的方法,其特征在于,所述根据所述承载变化量和所述预设误差值,确定所述目标网络切片是否异常,具体为:
当所述承载变化量超过所述预设误差值时,确定所述目标网络切片异常,并发送迁移超限预警。
5.如权利要求4所述的方法,其特征在于,所述当前承载量包括当前用户接入量,所述承载变化量包括用户迁移量,所述预设误差值包括预设用户误差值;和/或,所述当前承载量包括当前CPU资源占用量,所述承载变化量包括CPU资源迁移量,所述预设误差值包括预设CPU误差值;和/或,所述当前承载量包括当前内存占用量,所述承载变化量包括内存迁移量,所述预设误差值包括预设内存误差值;和/或,所述当前承载量包括当前存储占用量,所述承载变化量包括存储迁移量,所述预设误差值包括预设存储误差值。
6.如权利要求3所述的方法,其特征在于,所述根据所述承载变化量和所述预设误差值,确定所述目标网络切片是否异常,具体为:
将所述承载变化量中的用户迁移量与预设用户权重值的乘积、所述承载变化量中的CPU资源迁移量与预设CPU权重值的乘积、所述承载变化量中的内存资源迁移量与预设内存权重值的乘积和所述承载变化量中的存储资源迁移量与预设存储权重值的乘积求和,得到参数变化总量;
当所述参数变化总量超过预设误差值时,确定所述网络切片异常。
7.一种网络切片异常识别装置,其特征在于,包括:
第一获取模块,用于获取目标网络切片当前时刻的承载信息;
第二获取模块,用于获取所述目标网络切片相邻网络切片下一时刻的承载信息;
第二确定模块,用于根据所述当前时刻的承载信息,确定所述目标网络切片的接入用户;
第三获取模块,用于获取所述接入用户的上报数据;
第三确定模块,用于根据所述上报数据,确定所述接入用户中的实际迁出用户;其中,所述实际迁出用户为当前时刻位于所述目标网络切片的覆盖范围内但在下一时刻位于所述目标网络切片的覆盖范围外的接入用户;
剔除模块,用于将所述当前时刻的承载信息和所述下一时刻的承载信息中和所述实际迁出用户关联的承载信息剔除;
计算模块,用于根据所述当前时刻的承载信息和所述下一时刻的承载信息,计算所述目标网络切片的承载变化量;
第一确定模块,用于根据所述承载变化量和预设误差值,确定所述目标网络切片是否异常。
8.一种网络切片异常识别设备,其特征在于,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行如权利要求1-6任意一项所述的网络切片异常识别方法。
9.一种计算机存储介质,其特征在于,所述存储介质中存储有至少一可执行指令,所述可执行指令使处理器执行如权利要求1-6任意一项所述的网络切片异常识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910869412.1A CN112512057B (zh) | 2019-09-16 | 2019-09-16 | 网络切片异常识别方法、装置、设备及计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910869412.1A CN112512057B (zh) | 2019-09-16 | 2019-09-16 | 网络切片异常识别方法、装置、设备及计算机存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112512057A CN112512057A (zh) | 2021-03-16 |
CN112512057B true CN112512057B (zh) | 2023-02-10 |
Family
ID=74923957
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910869412.1A Active CN112512057B (zh) | 2019-09-16 | 2019-09-16 | 网络切片异常识别方法、装置、设备及计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112512057B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115348192A (zh) * | 2021-05-10 | 2022-11-15 | 华为技术有限公司 | 异常检测的方法、通信装置及通信*** |
CN113507729B (zh) * | 2021-09-10 | 2021-12-28 | 之江实验室 | 基于人工智能的ran侧网络切片管理***和方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103490956A (zh) * | 2013-09-22 | 2014-01-01 | 杭州华为数字技术有限公司 | 基于业务量预测的自适应节能控制方法及设备、*** |
CN104113885A (zh) * | 2013-04-16 | 2014-10-22 | ***通信集团公司 | 无线网络参数配置方法及装置 |
CN107223350A (zh) * | 2017-04-26 | 2017-09-29 | 北京小米移动软件有限公司 | 小区选择或重选方法、装置及*** |
CN107682135A (zh) * | 2017-09-30 | 2018-02-09 | 重庆邮电大学 | 一种基于noma的网络切片自适应虚拟资源分配方法 |
CN108337110A (zh) * | 2018-01-02 | 2018-07-27 | 中兴通讯股份有限公司 | 一种虚拟资源管理方法及装置、计算机可读存储介质 |
CN109788491A (zh) * | 2017-11-10 | 2019-05-21 | 中国电信股份有限公司 | 用于管理切片迁移的方法、装置和*** |
CN110213780A (zh) * | 2018-02-28 | 2019-09-06 | 中兴通讯股份有限公司 | 网络切片的管理方法、管理和编排实体及存储介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2730124B1 (en) * | 2011-07-05 | 2019-11-20 | Telefonaktiebolaget LM Ericsson (publ) | Method and devices for allocating bearers |
CN107222318A (zh) * | 2016-03-21 | 2017-09-29 | 中兴通讯股份有限公司 | 一种网元的性能数据处理方法及装置和nms |
CN109842910A (zh) * | 2017-11-28 | 2019-06-04 | ***通信有限公司研究院 | 一种网络切片的处理方法及接入网网元 |
-
2019
- 2019-09-16 CN CN201910869412.1A patent/CN112512057B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104113885A (zh) * | 2013-04-16 | 2014-10-22 | ***通信集团公司 | 无线网络参数配置方法及装置 |
CN103490956A (zh) * | 2013-09-22 | 2014-01-01 | 杭州华为数字技术有限公司 | 基于业务量预测的自适应节能控制方法及设备、*** |
CN107223350A (zh) * | 2017-04-26 | 2017-09-29 | 北京小米移动软件有限公司 | 小区选择或重选方法、装置及*** |
CN107682135A (zh) * | 2017-09-30 | 2018-02-09 | 重庆邮电大学 | 一种基于noma的网络切片自适应虚拟资源分配方法 |
CN109788491A (zh) * | 2017-11-10 | 2019-05-21 | 中国电信股份有限公司 | 用于管理切片迁移的方法、装置和*** |
CN108337110A (zh) * | 2018-01-02 | 2018-07-27 | 中兴通讯股份有限公司 | 一种虚拟资源管理方法及装置、计算机可读存储介质 |
CN110213780A (zh) * | 2018-02-28 | 2019-09-06 | 中兴通讯股份有限公司 | 网络切片的管理方法、管理和编排实体及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112512057A (zh) | 2021-03-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210022022A1 (en) | Method and device for monitoring network data | |
CN107204894B (zh) | 网络业务质量的监控方法及装置 | |
CN112512057B (zh) | 网络切片异常识别方法、装置、设备及计算机存储介质 | |
US11696167B2 (en) | Systems and methods to automate slice admission control | |
US20200178132A1 (en) | Load balancing method and apparatus | |
WO2014194704A1 (en) | A grouping processing method and system | |
FI20205994A1 (en) | MONITORED BEAMS | |
CN112685287A (zh) | 产品数据的测试方法、装置、存储介质及电子装置 | |
CN114302428B (zh) | 一种mec节点的确定方法及装置 | |
CN114630359B (zh) | 确定网络覆盖的方法、装置、电子设备、计算机存储介质 | |
AU2017361907B2 (en) | Load balancing in cellular networks | |
US11622322B1 (en) | Systems and methods for providing satellite backhaul management over terrestrial fiber | |
CN112153679B (zh) | 一种转网方法及装置 | |
US10897401B2 (en) | Determining the importance of network devices based on discovered topology, managed endpoints, and activity | |
CN110839210B (zh) | 一种用户位置预测方法及装置 | |
US11228525B2 (en) | Mission context routing data communication system | |
US20140359104A1 (en) | Grouping processing method and system | |
JP6025681B2 (ja) | 通信システムの制御方法、通信システム及び制御装置 | |
US20200177512A1 (en) | Network architecture with control plane node | |
CN114553964A (zh) | 一种联播***的管控方法、装置、设备及联播*** | |
US20240196319A1 (en) | Management device, management method, and management program | |
JP7207707B2 (ja) | 無線通信システム | |
CN113727374B (zh) | 一种网络资源管理方法及装置 | |
CN112243257A (zh) | 一种无线小区的覆盖黑洞识别方法及*** | |
US20240172003A1 (en) | Deployment control system, deployment control method, and deployment control program |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |