CN112636976B - 业务质量确定方法、装置、电子设备和存储介质 - Google Patents
业务质量确定方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN112636976B CN112636976B CN202011537181.3A CN202011537181A CN112636976B CN 112636976 B CN112636976 B CN 112636976B CN 202011537181 A CN202011537181 A CN 202011537181A CN 112636976 B CN112636976 B CN 112636976B
- Authority
- CN
- China
- Prior art keywords
- service
- parameters
- physical layer
- communication
- communication parameters
- 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
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/50—Testing arrangements
- H04L43/55—Testing of service level quality, e.g. simulating service usage
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本公开提供了一种业务质量确定方法、装置、电子设备和存储介质,属于通信技术领域。该方法包括:采集通信设备同一时刻物理层的通信参数,所述物理层的通信参数包括业务数据包的平均时延、业务数据包的平均丢包率、业务平均占用带宽;将所述物理层的通信参数分别输入到业务质量预测模型中的各个预测子模型内,所述业务质量预测模型包括与各种业务对应的预测子模型,所述预测子模型用于根据所述物理层的通信参数预测对应的业务的应用层效用参数,所述应用层效用参数为能够反映对应业务的用户体验的应用层参数;将所述业务质量预测模型预测的各个业务的应用层效用参数作为各个业务的业务质量进行输出。
Description
技术领域
本公开涉及通信技术领域,尤其涉及一种业务质量确定方法、装置、电子设备和存储介质。
背景技术
服务质量(Quality of Service,QoS)是一种有效管理网络资源的技术,针对各种业务的不同需求,为其提供端到端的服务质量保证。在有限的带宽资源下,通过对各种业务的服务质量进行评估,赋予它们不同的优先级,优先级高的业务能够优先分配到传输资源。
QoS在进行服务质量评估时,选择了底层通信参数,例如业务所属数据包的传输时延、抖动、实时占用带宽和丢包率等作为评价指标。
随着无线通信技术的不断发展,人们发现,无线通信的本质其实是各种应用程序使用无线通信这条途径,向用户提供服务,即无线通信***最终的服务对象是用户。QoS主要评估指标都是无线网络中的各种技术类参数,这些指标只反映了无线网络自身的性能,并不能作为用户实际体验到的服务效果。
发明内容
本公开实施例提供了一种业务质量确定方法、装置、电子设备和存储介质,能够在通信设备加载业务前预测其加载各种业务的业务质量,从而为能够为通信终端后续加载各种业务提供指导或为网络后续的资源分配提供指导。所述技术方案如下:
一方面,提供了一种业务质量确定方法,所述方法包括:
采集通信设备同一时刻物理层的通信参数,所述物理层的通信参数包括业务数据包的平均时延、业务数据包的平均丢包率、业务平均占用带宽;
将所述物理层的通信参数分别输入到业务质量预测模型中的各个预测子模型内,所述业务质量预测模型包括与各种业务对应的预测子模型,所述预测子模型用于根据所述物理层的通信参数预测对应的业务的应用层效用参数,所述应用层效用参数为能够反映对应业务的用户体验的应用层参数;
将所述业务质量预测模型预测的各个业务的应用层效用参数作为各个业务的业务质量进行输出。
这里,业务质量确定方法是针对指定链路的业务进行业务质量的确定。其中,指定链路是指两个指定通信设备之间的通信链路。物理层的通信参数是在该指定链路上传输的一种业务的通信参数,由于是针对这一条链路的,因此基于该业务的物理层的通信参数,能够确定在当前网络环境下在该指定链路上运行其他业务的业务质量。
可选地,所述业务质量预测模型包括:
WEB页面业务预测子模型,用于根据WEB页面业务的所述物理层的通信参数预测所述WEB页面业务的页面响应时间;
FTP业务预测子模型,用于根据FTP业务的所述物理层的通信参数预测所述FTP业务的文件传输速率;
即时通信业务预测子模型,用于根据即时通信业务的所述物理层的通信参数预测所述即时通信业务的通信时延;
音视频业务预测子模型,用于根据所述音视频业务的所述物理层的通信参数预测所述音视频业务的音视频重加载率、音视频平均速率和音视频平均抖动。
可选地,所述方法还包括:
在所述通信设备加载第一业务时,采集所述第一业务实际的应用层效用参数;
对采集到的所述第一业务实际的应用层效用参数和所述第一业务的物理层的通信参数进行备份;
当备份的数据量超过阈值时,采用备份的所述第一业务实际的应用层效用参数和所述第一业务的物理层的通信参数对所述业务质量预测模型中,所述第一业务对应的预测子模型进行更新。
可选地,所述方法还包括:
采用所述通信设备的历史通信参数,进行业务质量预测模型训练,所述历史通信参数包括物理层的通信参数和应用层效用参数;
对训练完成的所述业务质量预测模型进行测试;
当测试未通过时,收集所述通信设备在运行过程中产生的物理层的通信参数和应用层效用参数;
当收集的数据量超过阈值时,采用收集的所述物理层的通信参数和应用层效用参数对所述业务质量预测模型进行更新;
重复执行对所述业务质量预测模型进行测试和更新的过程,直到所述业务质量预测模型通过测试,或者更新次数达到设定次数。
可选地,所述方法还包括:
当更新次数达到设定次数后,所述业务质量预测模型仍未通过测试,则使用所述历史通信参数和多次更新时收集的所述物理层的通信参数和应用层效用参数,对所述业务质量预测模型进行更新。
另一方面,提供了一种业务质量确定装置,所述装置包括:
采集模块,用于采集通信设备同一时刻物理层的通信参数,所述物理层的通信参数包括业务数据包的平均时延、业务数据包的平均丢包率、业务平均占用带宽;
处理模块,用于将所述物理层的通信参数分别输入到业务质量预测模型中的各个预测子模型内,所述业务质量预测模型包括与各种业务对应的预测子模型,所述预测子模型用于根据所述物理层的通信参数预测对应的业务的应用层效用参数,所述应用层效用参数为能够反映对应业务的用户体验的应用层参数;
输出模块,用于将所述业务质量预测模型预测的各个业务的应用层效用参数作为各个业务的业务质量进行输出。
可选地,所述业务质量预测模型包括:
WEB页面业务预测子模型,用于根据WEB页面业务的所述物理层的通信参数预测所述WEB页面业务的页面响应时间;
FTP业务预测子模型,用于根据FTP业务的所述物理层的通信参数预测所述FTP业务的文件传输速率;
即时通信业务预测子模型,用于根据即时通信业务的所述物理层的通信参数预测所述即时通信业务的通信时延;
音视频业务预测子模型,用于根据所述音视频业务的所述物理层的通信参数预测所述音视频业务的音视频重加载率、音视频平均速率和音视频平均抖动。
可选地,所述采集模块,还用于在所述通信设备加载第一业务时,采集所述第一业务实际的应用层效用参数;
所述装置还包括:
备份模块,用于对采集到的所述第一业务实际的应用层效用参数和所述第一业务的物理层的通信参数进行备份;
训练模块,用于当备份的数据量超过阈值时,采用备份的所述第一业务实际的应用层效用参数和所述第一业务的物理层的通信参数对所述业务质量预测模型中,所述第一业务对应的预测子模型进行更新。
一方面,提供了一种电子设备,所述电子设备包括处理器和存储器,所述存储器存储有至少一条程序代码,所述程序代码由所述处理器加载并执行以实现前述业务质量确定方法。
一方面,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存储有至少一条程序代码,所述程序代码由所述处理器加载并执行以实现前述业务质量确定方法。
本公开实施例提供的技术方案带来的有益效果至少包括:
在本公开实施例中,通过采集通信设备同一时刻物理层的通信参数,然后将物理层的通信参数输入到业务质量预测模型中,该业务质量预测模型包括不同业务对应的预测子模型,每种业务对应的预测子模型能够根据物理层的通信参数预测对应的业务的应用层效用参数,所述应用层效用参数为能够反映对应业务的用户体验的应用层参数,最后将业务质量预测模型预测的各个业务的应用层效用参数作为各个业务的业务质量进行输出。该方法相比于QoS所采用的各种技术类参数直接评价服务质量,更能反应用户在当前网络状况下使用各种业务感受到的服务效果,能够为通信终端后续加载各种业务提供指导或为网络后续的资源分配提供指导。
附图说明
为了更清楚地说明本公开实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本公开实施例提供的业务质量预测***的网络架构图;
图2为本公开一个示意性实施例的业务质量确定方法的流程示意图;
图3为本公开一个示意性实施例的业务质量确定方法的流程示意图;
图4为本公开实施例提供的一种业务质量确定装置的结构框图;
图5是本公开实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本公开的目的、技术方案和优点更加清楚,下面将结合附图对本公开实施方式作进一步地详细描述。
为了便于理解本公开提供的方案,下面先对本公开实施例的网络架构进行说明:
图1是本公开实施例提供的业务质量预测***的网络架构图,参见图1,该***包括:
无线节点10、通信设备20和业务质量确定装置30。
其中,无线节点10和通信设备20无线连接,无线节点10用于为通信设备20提供无线网络,通信设备20可以为移动终端。
业务质量确定装置30可以集成在通信设备20上,业务质量确定装置30可以采集到通信设备20和无线节点10之间的物理层的通信参数,预测通信设备20和无线节点10之间链路上运行各种业务时的业务质量。业务质量确定装置30也可以将预测出的业务质量发送给无线节点10,从而实现无线网络的资源分配。
该业务质量确定装置30通过调用业务质量预测模型完成业务质量预测。其中,训练完成的业务质量预测模型可以被配置为软件的形式。
示例性地,软件形式是将业务质量预测模型以C++的形式封装成底层算法,该算法被存储在业务质量确定装置30中,在该底层算法的上还可以搭建有用户界面或命令行界面,使得用户可以通过用户界面或命令行界面控制该装置可以调用该算法,进行业务质量预测。
图2为本公开一个示意性实施例的业务质量确定方法的流程示意图。该方法由前述业务质量确定装置执行,如图2所示,该方法可以包括:
在步骤101中:采集通信设备同一时刻物理层的通信参数,所述物理层的通信参数包括业务数据包的平均时延、业务数据包的平均丢包率、业务平均占用带宽。
这里,业务质量确定方法是针对指定链路的业务进行业务质量的确定。其中,指定链路是指两个指定通信设备之间的通信链路。物理层的通信参数是在该指定链路上传输的一种业务的通信参数,由于是针对这一条链路的,因此基于该业务的物理层的通信参数,能够确定在当前网络环境下在该指定链路上运行其他业务的业务质量。
其中,物理层的通信参数中,数据包所属的业务是数据包对应的应用层的业务类型,包括但不限于WEB页面业务、FTP业务、即时通信业务、音视频业务等。
在本公开实施例中,步骤101中采集的通信参数对应的业务,和要确定业务质量的业务不同。也即,本申请是在没有加载对应业务的情况下,仅凭物理层的通信参数确定业务质量。
在该步骤中进行数据采集时,采用的是一项业务的通信参数,该业务可以和业务质量预测模型的各个预测子模型对应的业务均不相同,也可以和业务质量预测模型的各个预测子模型中的一个预测子模型对应的业务相同。上述两种情况,业务质量预测模型均能够确定一个或多个业务如果在当前网络环境下运行的业务质量。
示例性地,本公开实施例在进行物理层参数采集时,可以采集与要预测的业务关联度高的业务的物理层参数,业务关联度是指业务的相似性。例如,要预测音视频业务,可以采集直播业务的物理层参数。业务关联度可以实现存储在业务质量确定装置中,采集时可以按照从高到低的顺序,选择当前能够采集到的业务的通信参数。
在步骤102中:将所述物理层的通信参数分别输入到业务质量预测模型中的各个预测子模型内。
其中,所述业务质量预测模型包括与各种业务对应的预测子模型,所述预测子模型用于根据所述物理层的通信参数预测对应的业务的应用层效用参数,所述应用层效用参数为能够反映对应业务的用户体验的应用层参数。
在步骤103中:将所述业务质量预测模型预测的各个业务的应用层效用参数作为各个业务的业务质量进行输出。
该方案实际要反映的就是在当前的网络状况下,通信设备如果加载各种业务,各种业务分别会有什么样的业务质量。也即在没有加载这些业务的情况下,基于物理层的参数对这些业务的业务质量进行预测。该预测的结果能够作为通信终端选择要加载的业务的依据,该预测的结果也可以传输给网络中的节点,成为网络中的节点为各种业务分配资源的依据。
在本公开实施例中,通过采集通信设备同一时刻物理层的通信参数,然后将物理层的通信参数输入到业务质量预测模型中,该业务质量预测模型包括不同业务对应的预测子模型,每种业务对应的预测子模型能够根据物理层的通信参数预测对应的业务的应用层效用参数,所述应用层效用参数为能够反映对应业务的用户体验的应用层参数,最后将业务质量预测模型预测的各个业务的应用层效用参数作为各个业务的业务质量进行输出。该方法相比于QoS所采用的各种技术类参数直接评价服务质量,更能反应用户在当前网络状况下使用各种业务感受到的服务效果,能够为通信终端后续加载各种业务提供指导或为网络后续的资源分配提供指导。
图3为本公开一个示意性实施例的业务质量确定方法的流程示意图。该方法由前述业务质量确定装置执行,如图3所示,该方法可以包括:
步骤201:采用所述通信设备的历史通信参数,进行业务质量预测模型训练,所述历史通信参数包括物理层的通信参数和应用层效用参数。
其中,物理层的通信参数可以参见步骤101。应用层效用参数是指能够反映对应业务的用户体验的应用层参数,不同业务类型对应的应用层效用参数可以不同,例如,网页(WEB)页面业务对应的应用层效用参数为WEB页面业务的页面响应时间,文件传输协议(File Transfer Protocol,FTP)业务对应的应用层效用参数为FTP业务的文件传输速率,即时通信业务对应的应用层效用参数为即时通信业务的通信时延,音视频业务对应的应用层效用参数为音视频业务的音视频重加载率、音视频平均速率和音视频平均抖动。
示例性地,步骤201包括:
第一步,按照历史通信参数的采集时刻和业务类型,将所述历史通信参数分为多个数据点。每个数据点对应一种业务类型和一个采集时刻。
每个数据点包括物理层的通信参数和应用层效用参数,具体包括业务数据包的平均时延、业务数据包的平均丢包率、业务平均占用带宽和应用层效用参数。每个数据点中采用应用层效用参数作为标签。
第二步,分别将各个数据点输入到业务质量预测模型中。
输入时,按照各个数据点的业务类型,将各个数据点输入到业务质量预测模型中对应的预测子模型内,所述业务质量预测模型包括与各种业务对应的预测子模型,所述预测子模型用于根据所述物理层的通信参数预测对应的业务的应用层效用参数。
示例性地,所述业务质量预测模型包括:
WEB页面业务预测子模型,用于根据WEB页面业务的所述物理层的通信参数预测所述WEB页面业务的页面响应时间;
FTP业务预测子模型,用于根据FTP业务的所述物理层的通信参数预测所述FTP业务的文件传输速率;
即时通信业务预测子模型,用于根据即时通信业务的所述物理层的通信参数预测所述即时通信业务的通信时延;
音视频业务预测子模型,用于根据所述音视频业务的所述物理层的通信参数预测所述音视频业务的音视频重加载率、音视频平均速率和音视频平均抖动。
其中,WEB页面业务预测子模型、FTP业务预测子模型和即时通信业务预测子模型分别采用一个全连接神经网络实现。而音视频业务预测子模型可以采用三个全连接神经网络实现,三个全连接神经网络分别用于预测音视频重加载率、音视频平均速率和音视频平均速率,在形成音视频业务预测子模型所需的数据点时,可以生成三种数据点分别作为三个全连接神经网络的输入,分别是物理层的通信参数加上音视频重加载率、物理层的通信参数加上音视频平均速率、物理层的通信参数加上音视频平均速率。
在上述预测子模型中,全连接神经网络(Fully Connected Neural Network,FCN)包括4层,分别为输入层、第一隐藏层、第二隐藏层和输出层,其中,第一隐藏层的节点数量为10个,第二隐藏层的节点数量为6个,输入层的节点个数对应该预测子模型所要输入的参数数量,输出层包括1个节点。该FCN中使用的激活函数为Sigmoid函数。
上述各个网络的层数及节点数量设计,能够使得最终的业务质量预测模型在进行初步训练完成、或者在进行初步训练加多次更新后,能够通过模型测试。
步骤202:对训练完成的业务质量预测模型进行测试;当测试未通过时,执行步骤203~步骤206,当测试通过时,执行步骤207~步骤212。
在训练时可以从历史通信参数中选出部分作为训练集,训练集经过步骤201中的各个步骤,完成对模型的训练。同时,历史通信参数中的另一部分可以作为测试集,将测试集输入到模型中,比较结果和实际无线链路质量的差异。差异小于预测阈值记为预测准确,如果准确率高于准确率阈值,表示通过,否则测试没通过。由于几个预测子模型是分开训练的,因此,测试通过是指各个预测子模型均通过测试。如果任一个未通过测试,则说明该预测模型未通过测试。
步骤203:收集所述通信设备在运行过程中产生的物理层的通信参数和应用层效用参数。
步骤204:当收集的数据量超过阈值时,采用收集的所述物理层的通信参数和应用层效用参数对所述业务质量预测模型进行更新。
这里的更新为增量更新,也即使用收集的数据对步骤201中训练后的模型继续进行训练,并更新其中的参数。
步骤205:重复执行对所述业务质量预测模型进行测试和更新的过程,直到所述业务质量预测模型通过测试,或者更新次数达到设定次数。
示例性地,设定次数为3次。
步骤206:当更新次数达到设定次数后,所述业务质量预测模型仍未通过测试,则使用所述历史通信参数和多次更新时收集的所述物理层的通信参数和应用层效用参数,对所述业务质量预测模型进行更新。
这里,使用所述历史通信参数和多次更新时收集的所述物理层的通信参数和应用层效用参数对所述业务质量预测模型进行更新,也即对该模型进行全量更新,也即使用所有的训练数据一起进行训练,看能否使得该模型通过测试。
如果更新后的业务质量预测模型通过测试,则执行步骤207~步骤212。如果更新后的业务质量预测模型仍未通过测试,则停止执行该方法,此时需要由开发人员介入研究解决方案。需要对模型参数进行重新设计和调整。
在步骤207中:采集通信设备同一时刻物理层的通信参数。
在该物理层的通信参数中,存在很多平均值,例如平均时延、业务数据包的平均丢包率、业务平均占用带宽等,因此,在实际采集过程中,是间隔性地进行数据采集,然后计算出这些平均值的。
示例性地,步骤207包括:
第一步,以1秒为间隔,周期性地获取业务传输时延、业务数据包丢包率、业务占用带宽。
第二步,在计算平均值之前,按照采集时间,确定是否有数据缺失;当存在数据缺失的数据点时,执行第三步,否则执行第六步。
第三步,判断数据缺失的数据点的数量。若缺失的数据的数量大于5,或者连续3个数据缺失,执行第四步;若缺失的数据的数量小于5且不存在连续3个数据缺失,执行第五步。
第四步,停止业务质量预测过程;等待下一个周期(例如下一个10秒)再重新收集数据并进行预测。
第五步,对缺失的数据进行填充。
在本公开实施例中,所述对缺失的数据进行填充,包括:
当存在缺失的数据位于10个数据的首尾时,采用缺失的数据相邻数据进行等值填充;当存在缺失的数据位于10个数据的中部时,采用缺失的数据两侧数据的均值填充。
示例性地,例如第1,2个数据缺失或第9,10个数据缺失,则使用等值填充,即使用第3个数据填充第1,2个数据,或使用第8个数据填充第9,10个数据;例如第5,6个数据缺失,则使用均值填充,即根据第4,7个数据的均值填充第5,6个数据。
可选地,在判断是否存在数据缺失之前,该方法还包括:
对10个数据进行数据清洗,例如删除明显错误的数据,例如超过该数据类型的正常范围。在删除后,可以采用上述方式进行填充,从而保证数据完整。
上述示例中均以10个数据为例进行说明,在其他实施例中,数据的个数也可以更多或更少。
上述数据清洗、数据填充的过程属于数据预处理,在模型训练和更新的过程中,也可以对数据进行同样的预处理。
第六步,使用采集到的数据计算平均值。
在步骤208中:将所述物理层的通信参数分别输入到业务质量预测模型中的各个预测子模型内。
在步骤209中:将所述业务质量预测模型预测的各个业务的应用层效用参数作为各个业务的业务质量进行输出。
示例性地,各个业务的业务质量如下:
当前网络条件下,若开展WEB页面业务,则页面的响应时间为a秒;
若开展FTP业务,则文件传输速率为b kb/s;
若开展即时通信业务,则业务数据包的平均时延为c秒;
若开展音视频业务,则视频的重加载率为d、平均速率为e、平均抖动为f。
上述字母a~f表示业务质量预测模型预测出的各个业务的应用层效用参数的数值,上述字母a~f均为非负数。
在步骤210中:在所述通信设备加载第一业务时,采集所述第一业务实际的应用层效用参数。
在步骤211中:对采集到的所述第一业务实际的应用层效用参数和所述第一业务的物理层的通信参数进行备份。
在步骤212中:当备份的数据量超过阈值时,采用备份的所述第一业务实际的应用层效用参数和所述第一业务的物理层的通信参数对所述业务质量预测模型中,所述第一业务对应的预测子模型进行更新。
其中,第一业务为多个预测子模型中任一个对应的业务。
例如,该阈值可以为10000,也即当备份的数据量达到10000个时,进行模型的增量更新。
在本公开实施例中,模型的训练和更新可以按照模型的组成采用如下方式:
分别对各个预测子模型进行训练或更新。
在各个预测子模型训练或更新满足单个预测子模型的测试需求后,停止对该预测子模型的训练或更新。
下述为本公开装置实施例,可以用于执行本公开方法实施例。对于本公开装置实施例中未披露的细节,请参照本公开方法实施例。
图4为本公开实施例的业务质量确定装置的结构框图。该装置可以实现成为电子设备的全部或一部分。如图4所示,该装置包括:采集模块301、处理模块302和输出模块303。
其中,采集模块301,用于采集通信设备同一时刻物理层的通信参数,所述物理层的通信参数包括业务数据包的平均时延、业务数据包的平均丢包率、业务平均占用带宽;
处理模块302,用于将所述物理层的通信参数分别输入到业务质量预测模型中的各个预测子模型内,所述业务质量预测模型包括与各种业务对应的预测子模型,所述预测子模型用于根据所述物理层的通信参数预测对应的业务的应用层效用参数,所述应用层效用参数为能够反映对应业务的用户体验的应用层参数;
输出模块303,用于将所述业务质量预测模型预测的各个业务的应用层效用参数作为各个业务的业务质量进行输出。
示例性地,所述业务质量预测模型包括:
WEB页面业务预测子模型,用于根据WEB页面业务的所述物理层的通信参数预测所述WEB页面业务的页面响应时间;
FTP业务预测子模型,用于根据FTP业务的所述物理层的通信参数预测所述FTP业务的文件传输速率;
即时通信业务预测子模型,用于根据即时通信业务的所述物理层的通信参数预测所述即时通信业务的通信时延;
音视频业务预测子模型,用于根据所述音视频业务的所述物理层的通信参数预测所述音视频业务的音视频重加载率、音视频平均速率和音视频平均抖动。
可选地,所述采集模块301,还用于在所述通信设备加载第一业务时,采集所述第一业务实际的应用层效用参数;
该装置还包括:
备份模块304,用于对采集到的所述第一业务实际的应用层效用参数和所述第一业务的物理层的通信参数进行备份;
训练模块305,用于当备份的数据量超过阈值时,采用备份的所述第一业务实际的应用层效用参数和所述第一业务的物理层的通信参数对所述业务质量预测模型中,所述第一业务对应的预测子模型进行更新。
需要说明的是:上述实施例提供的业务质量确定装置在进行数据查询时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的业务质量确定装置与业务质量确定方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
本公开实施例还提供了一种电子设备,该电子设备可以集成有前述业务质量确定装置。该电子设备可以包括处理器和存储器,所述存储器存储有至少一条程序代码,所述程序代码由所述处理器加载并执行以实现前述方法。
图5是本公开实施例提供的一种电子设备的结构示意图。参见图5,电子设备400包括中央处理单元(Central Processing Unit,CPU)401、包括随机存取存储器(RandomAccess Memory,RAM)402和只读存储器(Read-Only Memory,ROM)403的***存储器404,以及连接***存储器404和中央处理单元401的***总线405。电子设备400还包括帮助计算机内的各个器件之间传输信息的基本输入/输出***(Input/Output,I/O***)406,和用于存储操作***413、应用程序414和其他程序模块415的大容量存储设备407。
大容量存储设备407通过连接到***总线405的大容量存储控制器(未示出)连接到中央处理单元401。大容量存储设备407及其相关联的计算机可读介质为电子设备400提供非易失性存储。也就是说,大容量存储设备407可以包括诸如硬盘或者CD-ROM驱动器之类的计算机可读介质(未示出)。
不失一般性,计算机可读介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括RAM、ROM、可擦除可编程只读存储器(Erasable Programmable Read Only Memory,EPROM)、带电可擦可编程只读存储(Electrically Erasable Programmable read only memory,EEPROM)、闪存或其他固态存储其技术,只读光盘(Compact Disc Read-Only Memory,CD-ROM)、数字通用光盘(Digital Video Disc,DVD)或其他光学存储、磁带盒、磁带、磁盘存储或其他磁性存储设备。当然,本领域技术人员可知计算机存储介质不局限于上述几种。上述的***存储器404和大容量存储设备407可以统称为存储器。
根据本公开的各种实施例,电子设备400还可以通过诸如因特网等网络连接到网络上的远程计算机运行。也即电子设备400可以通过连接在***总线405上的网络接口单元411连接到网络412,或者说,也可以使用网络接口单元411来连接到其他类型的网络或远程计算机***(未示出)。
上述存储器还包括一个或者一个以上的程序,一个或者一个以上程序存储于存储器中,被配置由CPU执行。CPU 401通过执行该一个或一个以上程序来实现前述业务质量确定方法。
本领域技术人员可以理解,图5中示出的结构并不构成对电子设备400的限定,可以包括比图示更多或更少的组件,或者组合某些组件,或者采用不同的组件布置。
本公开实施例还提供了一种计算机可读存储介质,该计算机可读存储介质存储有至少一条程序代码,所述程序代码由所述处理器加载并执行以实现如上所述的方法。例如,所述计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
本公开实施例还提供了一种计算机程序产品,该计算机程序产品存储有至少一条程序代码,所述程序代码由所述处理器加载并执行以实现如上所述的方法。
应当理解的是,在本文中提及的“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述,仅为本公开的具体实施方式,但本公开的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本公开揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本公开的保护范围之内。因此,本公开的保护范围应以所述权利要求的保护范围为准。
Claims (8)
1.一种业务质量确定方法,其特征在于,所述业务质量确定方法是针对指定链路的业务进行业务质量的确定,所述方法包括:
采集通信设备同一时刻物理层的通信参数,所述物理层的通信参数包括业务数据包的平均时延、业务数据包的平均丢包率、业务平均占用带宽,所述物理层的通信参数是在所述指定链路上传输的一种业务的通信参数,采集到的所述物理层的通信参数对应的业务和要确定业务质量的业务不同;
将所述物理层的通信参数分别输入到业务质量预测模型中的各个预测子模型内,所述业务质量预测模型包括与各种业务对应的预测子模型,所述预测子模型用于根据所述物理层的通信参数预测对应的业务的应用层效用参数,所述应用层效用参数为能够反映对应业务的用户体验的应用层参数;
将所述业务质量预测模型预测的各个业务的应用层效用参数作为各个业务的业务质量进行输出;
所述业务质量预测模型包括:
WEB页面业务预测子模型,用于根据WEB页面业务的所述物理层的通信参数预测所述WEB页面业务的页面响应时间;
FTP业务预测子模型,用于根据FTP业务的所述物理层的通信参数预测所述FTP业务的文件传输速率;
即时通信业务预测子模型,用于根据即时通信业务的所述物理层的通信参数预测所述即时通信业务的通信时延;
音视频业务预测子模型,用于根据所述音视频业务的所述物理层的通信参数预测所述音视频业务的音视频重加载率、音视频平均速率和音视频平均抖动。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
在所述通信设备加载第一业务时,采集所述第一业务实际的应用层效用参数;
对采集到的所述第一业务实际的应用层效用参数和所述第一业务的物理层的通信参数进行备份;
当备份的数据量超过阈值时,采用备份的所述第一业务实际的应用层效用参数和所述第一业务的物理层的通信参数对所述业务质量预测模型中,所述第一业务对应的预测子模型进行更新。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
采用所述通信设备的历史通信参数,进行业务质量预测模型训练,所述历史通信参数包括物理层的通信参数和应用层效用参数;
对训练完成的所述业务质量预测模型进行测试;
当测试未通过时,收集所述通信设备在运行过程中产生的物理层的通信参数和应用层效用参数;
当收集的数据量超过阈值时,采用收集的所述物理层的通信参数和应用层效用参数对所述业务质量预测模型进行更新;
重复执行对所述业务质量预测模型进行测试和更新的过程,直到所述业务质量预测模型通过测试,或者更新次数达到设定次数。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
当更新次数达到设定次数后,所述业务质量预测模型仍未通过测试,则使用所述历史通信参数和多次更新时收集的所述物理层的通信参数和应用层效用参数,对所述业务质量预测模型进行更新。
5.一种业务质量确定装置,其特征在于,所述业务质量确定装置是针对指定链路的业务进行业务质量的确定,所述装置包括:
采集模块,用于采集通信设备同一时刻物理层的通信参数,所述物理层的通信参数包括业务数据包的平均时延、业务数据包的平均丢包率、业务平均占用带宽,所述物理层的通信参数是在所述指定链路上传输的一种业务的通信参数,采集到的所述物理层的通信参数对应的业务和要确定业务质量的业务不同;
处理模块,用于将所述物理层的通信参数分别输入到业务质量预测模型中的各个预测子模型内,所述业务质量预测模型包括与各种业务对应的预测子模型,所述预测子模型用于根据所述物理层的通信参数预测对应的业务的应用层效用参数,所述应用层效用参数为能够反映对应业务的用户体验的应用层参数;
输出模块,用于将所述业务质量预测模型预测的各个业务的应用层效用参数作为各个业务的业务质量进行输出;
所述业务质量预测模型包括:
WEB页面业务预测子模型,用于根据WEB页面业务的所述物理层的通信参数预测所述WEB页面业务的页面响应时间;
FTP业务预测子模型,用于根据FTP业务的所述物理层的通信参数预测所述FTP业务的文件传输速率;
即时通信业务预测子模型,用于根据即时通信业务的所述物理层的通信参数预测所述即时通信业务的通信时延;
音视频业务预测子模型,用于根据所述音视频业务的所述物理层的通信参数预测所述音视频业务的音视频重加载率、音视频平均速率和音视频平均抖动。
6.根据权利要求5所述的装置,其特征在于,所述采集模块,还用于在所述通信设备加载第一业务时,采集所述第一业务实际的应用层效用参数;
所述装置还包括:
备份模块,用于对采集到的所述第一业务实际的应用层效用参数和所述第一业务的物理层的通信参数进行备份;
训练模块,用于当备份的数据量超过阈值时,采用备份的所述第一业务实际的应用层效用参数和所述第一业务的物理层的通信参数对所述业务质量预测模型中,所述第一业务对应的预测子模型进行更新。
7.一种电子设备,其特征在于,所述电子设备包括处理器和存储器,所述存储器存储有至少一条程序代码,所述程序代码由所述处理器加载并执行以实现如权利要求1至4任一项所述的方法。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有至少一条程序代码,所述程序代码由处理器加载并执行以实现如权利要求1至4任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011537181.3A CN112636976B (zh) | 2020-12-23 | 2020-12-23 | 业务质量确定方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011537181.3A CN112636976B (zh) | 2020-12-23 | 2020-12-23 | 业务质量确定方法、装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112636976A CN112636976A (zh) | 2021-04-09 |
CN112636976B true CN112636976B (zh) | 2022-11-22 |
Family
ID=75321732
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011537181.3A Active CN112636976B (zh) | 2020-12-23 | 2020-12-23 | 业务质量确定方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112636976B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105264907A (zh) * | 2013-12-30 | 2016-01-20 | 华为技术有限公司 | 移动视频业务的体验质量预测方法及基站 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015089793A1 (zh) * | 2013-12-19 | 2015-06-25 | 华为技术有限公司 | 移动视频业务的体验质量测量方法及装置 |
CN106134215A (zh) * | 2015-01-05 | 2016-11-16 | 华为技术有限公司 | 用户体验质量QoE预测装置、网络设备和方法 |
CN107733705B (zh) * | 2017-10-10 | 2021-01-15 | 锐捷网络股份有限公司 | 一种用户体验质量评估模型建立方法及设备 |
CN107979496B (zh) * | 2017-12-07 | 2021-01-05 | 锐捷网络股份有限公司 | 一种获取用户体验质量的方法及服务器 |
CN109873797A (zh) * | 2018-02-14 | 2019-06-11 | 南京邮电大学 | 基于统计分析的会话视频业务QoE-QoS参数映射方法 |
-
2020
- 2020-12-23 CN CN202011537181.3A patent/CN112636976B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105264907A (zh) * | 2013-12-30 | 2016-01-20 | 华为技术有限公司 | 移动视频业务的体验质量预测方法及基站 |
Non-Patent Citations (1)
Title |
---|
《无线通信网络测量关键技术研究》;王书诚等;《2017年装备技术发展论坛论文集》;20171030;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112636976A (zh) | 2021-04-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113051075A (zh) | 一种Kubernetes智能化扩缩容的方法及装置 | |
CN106209974B (zh) | 一种数据同步方法、设备及*** | |
CN111966289A (zh) | 基于Kafka集群的分区优化方法和*** | |
CN115495227A (zh) | 资源配置的方法、装置、存储介质和计算*** | |
CN114595058A (zh) | 基于gpu资源的模型训练方法和装置、电子设备和存储介质 | |
CN107004003B (zh) | 模型参数融合方法及装置 | |
CN112799596A (zh) | 一种存储资源的扩容控制方法、装置及电子设备 | |
CN112181659A (zh) | 云仿真内存资源预测模型构建方法与内存资源预测方法 | |
CN112637891B (zh) | 无线链路质量预测方法、装置、电子设备和存储介质 | |
CN110557679B (zh) | 一种视频内容识别方法、设备、介质和*** | |
CN112925634A (zh) | 异构资源调度方法和*** | |
CN117632905B (zh) | 基于云端使用记录的数据库管理方法及*** | |
CN112636976B (zh) | 业务质量确定方法、装置、电子设备和存储介质 | |
CN116483546B (zh) | 分布式训练任务调度方法、装置、设备及存储介质 | |
CN116662014A (zh) | 一种任务分配方法、装置、设备及介质 | |
CN114466014B (zh) | 一种服务调度方法、装置、电子设备及存储介质 | |
CN113992520B (zh) | 一种虚拟网络资源的部署方法和*** | |
CN115525426A (zh) | 一种处理器利用率统计方法、***、设备及介质 | |
CN115292037A (zh) | 边缘网络下的任务可靠性保证方法及*** | |
CN114936089A (zh) | 资源调度方法、***、设备及存储介质 | |
CN111564165B (zh) | 数据存储方法、装置、设备及存储介质 | |
CN107528728A (zh) | 一种获取用户体验数据的方法及装置 | |
CN115190027A (zh) | 一种基于网络数字孪生体的自然故障生存性评估方法 | |
CN114153714A (zh) | 基于日志信息的容量调整方法、装置、设备及存储介质 | |
CN105868012A (zh) | 处理用户请求的方法和装置 |
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 |