CN113286315A - 负载均衡判断方法、装置、设备及存储介质 - Google Patents
负载均衡判断方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113286315A CN113286315A CN202110654407.6A CN202110654407A CN113286315A CN 113286315 A CN113286315 A CN 113286315A CN 202110654407 A CN202110654407 A CN 202110654407A CN 113286315 A CN113286315 A CN 113286315A
- Authority
- CN
- China
- Prior art keywords
- perception
- network
- cell
- data
- users
- 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.)
- Granted
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/22—Traffic simulation tools or models
-
- 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
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/08—Load balancing or load distribution
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Telephonic Communication Services (AREA)
Abstract
本申请提供一种负载均衡判断方法、装置、设备及存储介质,该方法获取待判断小区内所有用户的当前网络感知数据,其中,当前网络感知数据包括当前语音业务数据和当前数据业务数据;将当前网络感知数据输入至预设网络感知判别模型,根据预设网络感知判别模型的输出,得到所有用户在预设网络区域内的感知权重;根据预设网络感知阈值和感知权重确定待判断小区内感知差用户数;根据感知差用户数和待判断小区的总用户数,确定待判断小区是否需要进行负载均衡,能够更加准确地对小区负载情况进行判断和均衡,有效解决了负载不均衡的情况,使得网络资源分配更加合理,提高了用户网络感知。
Description
技术领域
本发明涉及通信技术领域,尤其涉及一种负载均衡判断方法、装置、设备及存储介质。
背景技术
随着无线通信技术的快速发展,***移动通信技术(4th generation mobilecommunication technology,4G)、第五代移动通信技术(5th Generation MobileCommunication Technology,5G)用户的数量也在快速增加,对网络的要求也越来越高,需要进行负载均衡来满足每个用户的网络需求。
目前已有的负载均衡判断方法,是根据基站侧的网络指标进行判断,如果基站侧收集的总网络指标达到预设负载均衡的规定标准,则对基站下的用户进行负载均衡操作。
然而现有的负载均衡方式判断负载是否均衡的方式单一,无法有效解决负载不均衡的情况,导致区域内网络资源分配不合理、用户网络感知差。
发明内容
本申请提供一种负载均衡判断方法、装置、设备及存储介质,从而解决现有的负载均衡方式判断负载是否均衡的方式单一,无法有效解决负载不均衡的情况,导致区域内网络资源分配不合理、用户网络感知差的技术问题。
第一方面,本申请实施例提供了一种负载均衡判断方法,包括:
获取待判断小区内所有用户的当前网络感知数据,其中,所述当前网络感知数据包括当前语音业务数据和当前数据业务数据;
将所述当前网络感知数据输入至预设网络感知判别模型,根据所述预设网络感知判别模型的输出,得到所述所有用户在所述预设网络区域内的感知权重;
根据预设网络感知阈值和所述感知权重确定所述待判断小区内感知差用户数;
根据所述感知差用户数和所述待判断小区的总用户数,确定所述待判断小区是否需要进行负载均衡。
这里,本申请实施例在进行负载均衡之前,首先获取小区内的当前网络感知数据,包括当前语音业务数据和当前数据业务数据,根据预设网络感知判别模型对当前小区的用户进行感知权重的预测,再根据预设网络感知阈值和感知权重确定小区内的感知差用户数,根据感知差用户数和小区内的总用户数判断小区内的负载情况,本申请实施例结合了语音业务和数据业务两方面,考虑到了用户在网络交互过程中的真实使用情况,结合语音业务的承载能力和数据业务的承载能力进行负载情况的预测,能够有效地判断小区业务的承载情况,同时,本申请实施例结合小区的用户总数,可按照比例进行负载情况的确定,能够更加准确地对小区负载情况进行判断和均衡,有效解决了负载不均衡的情况,使得网络资源分配更加合理,提高了用户网络感知。
可选地,在所述将所述当前网络感知数据输入至预设网络感知判别模型之前,还包括:
获取所述待判断小区内用户的历史网络感知数据和所述历史网络感知数据对应的历史感知权重,其中,所述历史网络感知数据包括历史语音业务数据和历史数据业务数据;
根据所述历史网络感知数据和所述历史网络感知数据对应的历史感知权重进行模型训练,得到预设网络感知判别模型。
这里,本申请实施例在进行当前网络感知数据的感知权重预测之前,首先建立预设网络感知判别模型,以进行准确、便捷的感知权重预测,通过小区内用户的历史网络感知数据和历史网络感知数据对应的历史网络感知权重进行迷行训练,能够得到准确的判别模型,另外,这里的历史感知数据包括历史语音业务数据和历史数据业务数据,能够根据用户在上网数据业务、语音业务上不同的使用需求,判断用户在现网中的网络感知情况,避免了现有的网络根据基站侧的网络指标进行判断、在用户网络感知好的时候可能会进行负载均衡操作、在用户网络感知不好的时候反倒不会进行负载均衡操作的现象的发生,进一步地提高了负载是否均衡判断的准确性,使得网络资源分配更加合理,提高了用户网络感知。
可选地,所述根据所述历史网络感知数据和所述历史网络感知数据对应的历史感知权重进行模型训练,包括:
对所述历史网络感知数据和所述历史网络感知数据对应的感知权重进行数据预处理,得到处理后的历史网络感知数据和处理后的历史感知权重;
将所述处理后的历史网络感知数据作为输入,将所述处理后的历史感知权重作为输出,进行模型训练,得到所述预设网络感知判别模型。
这里,本申请实施例在根据历史网络感知数据和历史网络感知数据对应的感知权重进行模型训练之前,还对以上数据进行了预处理,此预处理可以是数据清洗,以得到格式统一的数据,提高特征训练的准确性及便捷性,此预处理也就可以是特征工程训练,以得到更多维度的特征数据,以提高特征训练的准确性,也可以是其他种类的数据预处理或者是不同预处理方式的结合,对数据的预处理可以提高模型的训练速度及模型权重的准确性,进一步地提高了负载均衡判断的效率。
可选地,所述根据预设网络感知阈值和所述感知权重确定所述待判断小区内感知差用户数,包括:
根据预设网络感知阈值和所述感知权重,确定所述所有用户的当前网络感知区间,其中,所述当前网络感知区间包括感知差区间;
确定感知权重在所述感知差区间范围内的用户的个数,为待判断小区内感知差用户数。
这里,本申请实施例在判断小区内的感知差用户时,通过预设网络感知阈值可以确定不同的网络感知区间,这里的网络感知区间包括感知差区间,其中,这里的预设网络感知阈值可以根据实际情况确定,这里不做具体限制,若用户的感知权重在感知差区间之内,那么可以确定用户为感知差用户,根据区间进行判断,可以有效、准确地确定感知差用户,可以根据实际情况进行调整,适应了不同环境下的感知需求。
可选地,所述根据所述感知差用户数和所述待判断小区的总用户数,确定所述待判断小区是否需要进行负载均衡,包括:
根据所述感知差用户数和所述待判断小区的总用户数,确定所述待判断小区的感知差用户比例;
根据所述感知差用户比例,确定所述待判断小区的负载状态;
根据所述负载状态,确定所述待判断小区是否需要进行负载均衡。
这里,本申请实施例根据感知差用户数所占比例来确定小区是否需要进行负载均衡,考虑到了小区的总体情况,使得负载均衡更加合理有效。
可选地,所述根据所述感知差用户比例,确定所述待判断小区的负载状态,包括:
若所述感知差用户比例大于第一预设用户比例,则确定所述待判断小区的负载状态为负载高;
若所述感知差用户比例小于等于第一预设用户比例且大于等于第二预设用户比例,则确定所述待判断小区的负载状态为负载一般;
若所述感知差用户比例小于第二预设用户比例,则确定所述待判断小区的负载状态为负载低。
这里,本申请实施例结合不同的感知差用户比例来确定小区的负载情况,根据不同的负载情况可对小区进行不同的负载均衡手段,负载均衡的方式更加灵活、准确、有效。
第二方面,本申请实施例提供了一种负载均衡判断装置,包括:
获取模块,获取待判断小区内所有用户的当前网络感知数据,其中,所述当前网络感知数据包括当前语音业务数据和当前数据业务数据;
输入模块,用于将所述当前网络感知数据输入至预设网络感知判别模型,根据所述预设网络感知判别模型的输出,得到所述所有用户在所述预设网络区域内的感知权重;
第一确定模块,用于根据预设网络感知阈值和所述感知权重确定所述待判断小区内感知差用户数;
第二确定模块,用于根据所述感知差用户数和所述待判断小区的总用户数,确定所述待判断小区是否需要进行负载均衡。
可选地,在所述输入模块将所述当前网络感知数据输入至预设网络感知判别模型之前,上述装置还包括:
训练模块,用于获取所述待判断小区内用户的历史网络感知数据和所述历史网络感知数据对应的历史感知权重,其中,所述历史网络感知数据包括历史语音业务数据和历史数据业务数据;根据所述历史网络感知数据和所述历史网络感知数据对应的历史感知权重进行模型训练,得到预设网络感知判别模型。
可选地,所述训练模块具体用于:
对所述历史网络感知数据和所述历史网络感知数据对应的感知权重进行数据预处理,得到处理后的历史网络感知数据和处理后的历史感知权重;将所述处理后的历史网络感知数据作为输入,将所述处理后的历史感知权重作为输出,进行模型训练,得到所述预设网络感知判别模型。
可选地,所述第一确定模块具体用于:
根据预设网络感知阈值和所述感知权重,确定所述所有用户的当前网络感知区间,其中,所述当前网络感知区间包括感知差区间;
确定感知权重在所述感知差区间范围内的用户的个数,为待判断小区内感知差用户数。
可选地,所述第二确定模块具体用于:
根据所述感知差用户数和所述待判断小区的总用户数,确定所述待判断小区的感知差用户比例;
根据所述感知差用户比例,确定所述待判断小区的负载状态;
根据所述负载状态,确定所述待判断小区是否需要进行负载均衡。
可选地,所述第二确定模块具体用于:
若所述感知差用户比例大于第一预设用户比例,则确定所述待判断小区的负载状态为负载高;
若所述感知差用户比例小于等于第一预设用户比例且大于等于第二预设用户比例,则确定所述待判断小区的负载状态为负载一般;
若所述感知差用户比例小于第二预设用户比例,则确定所述待判断小区的负载状态为负载低。
第三方面,本申请实施例提供一种负载均衡判断设备,包括:至少一个处理器和存储器;
所述存储器存储计算机执行指令;
所述至少一个处理器执行所述存储器存储的计算机执行指令,使得所述至少一个处理器执行如上第一方面以及第一方面各种可能的设计所述的负载均衡判断方法。
第四方面,本发明实施例提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如上第一方面以及第一方面各种可能的设计所述的负载均衡判断方法。
第五方面,本发明实施例提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时,实现如上第一方面以及第一方面各种可能的设计所述的负载均衡判断方法。
本申请实施例提供的负载均衡判断方法、装置、设备及存储介质,其中该方法在进行负载均衡之前,首先获取小区内的当前网络感知数据,包括当前语音业务数据和当前数据业务数据,根据预设网络感知判别模型对当前小区的用户进行感知权重的预测,再根据预设网络感知阈值和感知权重确定小区内的感知差用户数,根据感知差用户数和小区内的总用户数判断小区内的负载情况,本申请实施例结合了语音业务和数据业务两方面,考虑到了用户在网络交互过程中的真实使用情况,结合语音业务的承载能力和数据业务的承载能力进行负载情况的预测,能够有效地判断小区业务的承载情况,同时,本申请实施例结合小区的用户总数,可按照比例进行负载情况的确定,能够更加准确地对小区负载情况进行判断和均衡,有效解决了负载不均衡的情况,使得网络资源分配更加合理,提高了用户网络感知。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术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申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种负载均衡***架构示意图;
图2为本申请实施例提供的一种负载均衡判断方法的流程示意图;
图3为本申请实施例提供的另一种负载均衡判断方法的流程示意图;
图4为本申请实施例提供的一种负载均衡判断装置的结构示意图;
图5为本申请实施例提供的一种负载均衡判断设备的结构示意图。
通过上述附图,已示出本公开明确的实施例,后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围,而是通过参考特定实施例为本领域技术人员说明本公开的概念。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”及“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
网络结构的复杂化和业务多样化使得用户感知的提升越来越复杂,基站需要为了满足用户的日常网络需求、提高用户的网络感知、给用户更好的使用体验,需要进行网络的负载均衡。
目前已有的负载均衡判断方法,是根据基站侧的网络指标进行判断,如果一旦指标达到负载均衡的规定标准,即使该基站下用户的感知正常也会进行相应的负载均衡操作。该技术方法手段单一,并没有考虑到用户的真实使用情况,且会加大网络的复杂性。相反的,用户在使用终端连接网络时,一般都会进行数据业务和语音业务的交互,区别的是基站小区对于数据业务和语音业务的承载能力不同,针对不同侧重业务的人群进行相同的均衡标准不仅无法有效的解决负载不均衡的现状,还会导致区域内网络资源分配不合理,影响用户的网络感知。
为了解决上述问题,本申请实施例提供一种负载均衡判断方法、装置、设备及存储介质,其中该方法在用户感知的维度进行负载均衡的判断和操作,根据用户在上网业务、语音业务上不同的使用需求,判断用户在现网中的网络感知情况,根据用户的感知判断基站小区是否处于负载不均衡状态,可以对不均衡基站小区进行均衡操作。
可选的,图1为本申请实施例提供的一种负载均衡***架构示意图。在图1中,上述架构包括基站101、小区1010、小区1011、小区1012、用户设备10100、用户设备10101和用户设备10102。
其中,上述***架构仅是示意性的,一个基站包括3个扇区,每个扇区中包含小区,小区个数随情况确定,这里以3个小区来示意,上述架构中的每个小区中都包含了多个用户设备。
具体的,在实现过程中,可以通过与基站101连接的服务器来实现对基站101的负载均衡。
可以理解的是,本申请实施例示意的结构并不构成对负载均衡***架构的具体限定。在本申请另一些可行的实施方式中,上述架构可以包括比图示更多或更少的部件,或者组合某些部件,或者拆分某些部件,或者不同的部件布置,具体可根据实际应用场景确定,在此不做限制。图1所示的部件可以以硬件,软件,或软件与硬件的组合实现。
另外,本申请实施例描述的网络架构以及业务场景是为了更加清楚的说明本申请实施例的技术方案,并不构成对于本申请实施例提供的技术方案的限定,本领域普通技术人员可知,随着网络架构的演变和新业务场景的出现,本申请实施例提供的技术方案对于类似的技术问题,同样适用。
下面结合具体的实施例对本申请的技术方案进行详细的说明:
可选地,图2为本申请实施例提供的一种负载均衡判断方法的流程示意图。本申请实施例的执行主体可以为服务器,具体执行主体可以根据实际应用场景确定。如图2所示,该方法包括如下步骤:
S201:获取待判断小区内所有用户的当前网络感知数据。
其中,当前网络感知数据包括当前语音业务数据和当前数据业务数据。
可选的,可根据一定时期内基站下的用户终端确定用户信息,网络感知数据还可以包括网络基本指标数据,包括所述每个用户终端在基站下的网络基本指标、数据业务指标和语音业务指标。
S202:将当前网络感知数据输入至预设网络感知判别模型,根据预设网络感知判别模型的输出,得到所有用户在预设网络区域内的感知权重。
可选的,预设网络感知判别模型可以为多种分类算法建立的,比如决策树(Decision Tree,DT)分类算法、朴素贝叶斯(Navie Bayes,NB)分类算法、支持向量机(Support Vector Machine,SVM)分类算法、神经网络(Neural Network,NN)分类算法、XGBOOST分类算法等,本申请实施例对此不作具体限制。
S203:根据预设网络感知阈值和感知权重确定待判断小区内感知差用户数。
可选地,根据预设网络感知阈值和感知权重确定待判断小区内感知差用户数,包括:根据预设网络感知阈值和感知权重,确定所有用户的当前网络感知区间,其中,当前网络感知区间包括感知差区间;确定感知权重在感知差区间范围内的用户的个数,为待判断小区内感知差用户数。
预设网络感知阈值可以根据需求进行设定,更进一步的,可根据小区覆盖区域内用户对数据业务和语音业务的需求设定用户网络感知阈值。示例性的,若区域内用户对于网络使用不太频繁,例如区域为居民生活区、公园等区域,可针对性的将用户网络感知阈值设置为0.95;若区域内用户对于网络使用较为频繁,例如区域为通话密集区域或上网密集区域,可针对性的将用户网络感知阈值由0.95调低为0.85,阈值越大表示用户对于网络的需求越高,越容易出现不佳的用户网络感知。
具体的,根据预设网络感知阈值和用户网络感知权重,确定网络感知权重对应网络感知区间;网络感知区间可包括:感知差、感知较差、感知一般、感知较优、感知优,用户网络感知区间用于表征用户网络感知权重到感知区间的映射。示例性的,可根据网络感知区间对用户网络感知阈值进行映射,例如针对上述示例中的居民生活区、公园等网络使用不太频繁区域,可将感知阈值为[0,0.2)、[0.2,0.4)、[0.4,0.6)、[0.6,0.8)、[0.8,1)的用户分别映射至[感知优、感知较优、感知一般、感知较差、感知差]感知区间。
这里,本申请实施例在判断小区内的感知差用户时,通过预设网络感知阈值可以确定不同的网络感知区间,这里的网络感知区间包括感知差区间,其中,这里的预设网络感知阈值可以根据实际情况确定,这里不做具体限制,若用户的感知权重在感知差区间之内,那么可以确定用户为感知差用户,根据区间进行判断,可以有效、准确地确定感知差用户,可以根据实际情况进行调整,适应了不同环境下的感知需求。
S204:根据感知差用户数和待判断小区的总用户数,确定待判断小区是否需要进行负载均衡。
可选地,根据感知差用户数和待判断小区的总用户数,确定待判断小区是否需要进行负载均衡,包括:根据感知差用户数和待判断小区的总用户数,确定待判断小区的感知差用户比例;根据感知差用户比例,确定待判断小区的负载状态;根据负载状态,确定待判断小区是否需要进行负载均衡。
具体的,根据用户使用的小区为基准,汇总小区下的总用户数和感知差用户数,并根据下述公式计算小区的感知差用户比例。更进一步的,基站同扇区下同覆盖的相应小区为可分别用于负载均衡操作的目标小区。计算公式如下:
这里,本申请实施例根据感知差用户数所占比例来确定小区是否需要进行负载均衡,考虑到了小区的总体情况,使得负载均衡更加合理有效。
可选地,根据感知差用户比例,确定待判断小区的负载状态,包括:
若感知差用户比例大于第一预设用户比例,则确定待判断小区的负载状态为负载高;
若感知差用户比例小于等于第一预设用户比例且大于等于第二预设用户比例,则确定待判断小区的负载状态为负载一般;
若感知差用户比例小于第二预设用户比例,则确定待判断小区的负载状态为负载低。
本步骤中,预设小区网络感知阈值可以根据需求进行设定,进一步的,可根据小区所在区域的场景属性设定小区网络感知阈值。示例性的,若区域内用户对于网络使用不敏感,可针对性的将小区网络感知阈值设置为较大值;若区域内用户对于网络使用较敏感,可针对性的将小区网络感知阈值设置为较小值。阈值越小表示区域内的用户对于网络感知越敏感,感知差用户比例对负载均衡的判断影响越大。具体的,根据预设小区网络感知阈值和小区感知差用户比例,确定小区负载状态;小区负载状态包括:负载低、负载一般、负载高,小区负载状态用于表征小区感知差用户比例到负载状态的映射。示例性的,可根据小区负载状态对小区感知差用户比例进行映射,例如针对上述示例中的用户网络感知敏感区域,可将小区感知差用户比例为[0,0.01)、[0.01,0.5)、[0.05,1)的用户分别映射至[负载低、负载一般、负载高]负载状态区间;针对上述示例中的用户网络感知不敏感区域,可适当的提高负载低区间和负载一般区间的最大值。
具体的,根据负载不均衡小区,通过用户网络感知权重对高权重用户均衡至同扇区下同覆盖的其他小区。示例性的,针对负载不均衡小区会优先筛选网络感知权重高的用户,用户对于网络的需求较高,会优先将此类用户均衡至基站同扇区下同覆盖的其他小区。
这里,本申请实施例结合不同的感知差用户比例来确定小区的负载情况,根据不同的负载情况可对小区进行不同的负载均衡手段,负载均衡的方式更加灵活、准确、有效。
本申请实施例在进行负载均衡之前,首先获取小区内的当前网络感知数据,包括当前语音业务数据和当前数据业务数据,根据预设网络感知判别模型对当前小区的用户进行感知权重的预测,再根据预设网络感知阈值和感知权重确定小区内的感知差用户数,根据感知差用户数和小区内的总用户数判断小区内的负载情况,本申请实施例结合了语音业务和数据业务两方面,考虑到了用户在网络交互过程中的真实使用情况,结合语音业务的承载能力和数据业务的承载能力进行负载情况的预测,能够有效地判断小区业务的承载情况,同时,本申请实施例结合小区的用户总数,可按照比例进行负载情况的确定,能够更加准确地对小区负载情况进行判断和均衡,有效解决了负载不均衡的情况,使得网络资源分配更加合理,提高了用户网络感知。
可选地,本申请实施例还可以预先建立预设网络感知判别模型,以进行准确、便捷的感知权重预测,相应的,图3为本申请实施例提供的另一种负载均衡判断方法的流程示意图,如图3所示,该方法包括:
S301:获取待判断小区内所有用户的当前网络感知数据。
其中,当前网络感知数据包括当前语音业务数据和当前数据业务数据。
S302:获取待判断小区内用户的历史网络感知数据和历史网络感知数据对应的历史感知权重。
其中,历史网络感知数据包括历史语音业务数据和历史数据业务数据。
S303:根据历史网络感知数据和历史网络感知数据对应的历史感知权重进行模型训练,得到预设网络感知判别模型。
可选地,根据历史网络感知数据和历史网络感知数据对应的历史感知权重进行模型训练,包括:
对历史网络感知数据和历史网络感知数据对应的感知权重进行数据预处理,得到处理后的历史网络感知数据和处理后的历史感知权重;
将处理后的历史网络感知数据作为输入,将处理后的历史感知权重作为输出,进行模型训练,得到预设网络感知判别模型。
这里,本申请实施例在根据历史网络感知数据和历史网络感知数据对应的感知权重进行模型训练之前,还对以上数据进行了预处理,此预处理可以是数据清洗,以得到格式统一的数据,提高特征训练的准确性及便捷性,此预处理也就可以是特征工程训练,以得到更多维度的特征数据,以提高特征训练的准确性,也可以是其他种类的数据预处理或者是不同预处理方式的结合,对数据的预处理可以提高模型的训练速度及模型权重的准确性,进一步地提高了负载均衡判断的效率。
本实施例提供的建立分类模型的方法可以包括以下步骤:
获取区域内用户的历史网络感知数据,建立用户网络交互数据库;根据网络基本指标、数据业务指标和语音业务指标数据进行预处理,以得到格式规整的数据;根据格式规整的数据业务特征和语音业务特征进行特征工程,以得到更多维度的特征数据;根据处理后的衍生数据为训练样本特征,以数据业务和语音业务的现网感知标准为训练样本标签,基于分类算法建立用户感知判别模型。
可选地,对网络基本指标、数据业务指标和语音业务指标数据进行预处理包括:对数据进行清洗,以得到格式统一的数据。
具体的,数据清洗可以通过字段筛选、过滤重复值、空值填充、异常值检测等方法实现。
可选地,可以根据格式规整的数据业务特征和语音业务特征进行特征工程,以得到更多维度的特征数据。
本步骤中,对格式规整的数据业务特征和语音业务特征进行特征工程包括:对数据进行特征组合和衍生,以得到更多维度的特征数据。
具体的,特征工程可通过特征两两组合、特征分箱、特征离散化,以及对特征进行时间维度上的衍生等方式实现。
可选的,预设网络感知判别模型可以是分类模型,该模型是通过采集网络交互数据库中的用户样本,根据用户样本训练得到的,用户样本包括大量用户在历史基站小区下的网络基本指标、数据业务使用数据和语音业务使用数据。基于得到的用户样本当作训练样本特征数据,以用户数据业务和语音业务的现网感知标准为训练样本标签建立得到感知判别模型。
在一种可能的实施例中,选择XGBOOST作为算法模型对数据进行训练。在训练的过程中,每次只训练一棵树,即一个弱分类器,最后的预测结果为所有树的和。并且在每一轮训练弱分类器时尽量的减少残差,使得答案更加接近真实答案。在减少残差的处理过程中是通过对目标函数的Taylor化简并由此引出一阶、二阶导数,通过原本对样本的遍历转化为对叶子节点的遍历从而转化目标函数并求解,在建树过程中,采用贪心策略从根节点一层层的开始建树,当数据量大时,通过近似算法选择候选***点进行优化。
根据处理后的衍生数据为训练样本特征,以数据业务和语音业务的现网感知标准为训练样本标签,通过XGBOOST算法建立多棵回归树。需要注意的是,的训练样本标签可以是用户的感知状态:感知好或者感知差,对应模型中的分类结果1或者0。更进一步的,在模型训练过程中,多棵回归树的预测结果之和表示该样本属于感知好标准的概率值,而在模型对新样本的预测过程中,用户在当前网络的感知权重即为该概率值。
S304:将当前网络感知数据输入至预设网络感知判别模型,根据预设网络感知判别模型的输出,得到所有用户在预设网络区域内的感知权重。
S305:根据预设网络感知阈值和感知权重确定待判断小区内感知差用户数。
S306:根据感知差用户数和待判断小区的总用户数,确定待判断小区是否需要进行负载均衡。
本申请实施例在进行当前网络感知数据的感知权重预测之前,首先建立预设网络感知判别模型,以进行准确、便捷的感知权重预测,通过小区内用户的历史网络感知数据和历史网络感知数据对应的历史网络感知权重进行迷行训练,能够得到准确的判别模型,另外,这里的历史感知数据包括历史语音业务数据和历史数据业务数据,能够根据用户在上网数据业务、语音业务上不同的使用需求,判断用户在现网中的网络感知情况,避免了现有的网络根据基站侧的网络指标进行判断、在用户网络感知好的时候可能会进行负载均衡操作、在用户网络感知不好的时候反倒不会进行负载均衡操作的现象的发生,进一步地提高了负载是否均衡判断的准确性,使得网络资源分配更加合理,提高了用户网络感知。
图4为本申请实施例提供的一种负载均衡判断装置的结构示意图,如图4所示,本申请实施例的装置包括:获取模块401、输入模块402、第一确定模块403和第二确定模块404。这里的负载均衡判断装置可以是上述服务器本身,或者是实现服务器的功能的芯片或者集成电路。这里需要说明的是,获取模块401、输入模块402、第一确定模块403和第二确定模块404的划分只是一种逻辑功能的划分,物理上两者可以是集成的,也可以是独立的。
其中,获取模块,获取待判断小区内所有用户的当前网络感知数据,其中,当前网络感知数据包括当前语音业务数据和当前数据业务数据;
输入模块,用于将当前网络感知数据输入至预设网络感知判别模型,根据预设网络感知判别模型的输出,得到所有用户在预设网络区域内的感知权重;
第一确定模块,用于根据预设网络感知阈值和感知权重确定待判断小区内感知差用户数;
第二确定模块,用于根据感知差用户数和待判断小区的总用户数,确定待判断小区是否需要进行负载均衡。
可选地,在输入模块将当前网络感知数据输入至预设网络感知判别模型之前,上述装置还包括:
训练模块,用于获取待判断小区内用户的历史网络感知数据和历史网络感知数据对应的历史感知权重,其中,历史网络感知数据包括历史语音业务数据和历史数据业务数据;根据历史网络感知数据和历史网络感知数据对应的历史感知权重进行模型训练,得到预设网络感知判别模型。
可选地,训练模块具体用于:
对历史网络感知数据和历史网络感知数据对应的感知权重进行数据预处理,得到处理后的历史网络感知数据和处理后的历史感知权重;
将处理后的历史网络感知数据作为输入,将处理后的历史感知权重作为输出,进行模型训练,得到预设网络感知判别模型。
可选地,第一确定模块具体用于:
根据预设网络感知阈值和感知权重,确定所有用户的当前网络感知区间,其中,当前网络感知区间包括感知差区间;
确定感知权重在感知差区间范围内的用户的个数,为待判断小区内感知差用户数。
可选地,第二确定模块具体用于:
根据感知差用户数和待判断小区的总用户数,确定待判断小区的感知差用户比例;
根据感知差用户比例,确定待判断小区的负载状态;
根据负载状态,确定待判断小区是否需要进行负载均衡。
可选地,第二确定模块具体用于:
若感知差用户比例大于第一预设用户比例,则确定待判断小区的负载状态为负载高;
若感知差用户比例小于等于第一预设用户比例且大于等于第二预设用户比例,则确定待判断小区的负载状态为负载一般;
若感知差用户比例小于第二预设用户比例,则确定待判断小区的负载状态为负载低。
图5为本申请实施例提供的一种负载均衡判断设备的结构示意图,该负载均衡判断设备可以为服务器。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不限制本文中描述的和/或者要求的本申请的实现。
如图5所示,该负载均衡判断设备包括:处理器501和存储器502,各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器501可以对在负载均衡判断设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。图5中以一个处理器501为例。
存储器502作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的负载均衡判断设备的方法对应的程序指令/模块(例如,附图4所示的,获取模块401、输入模块402、第一确定模块403和第二确定模块404)。处理器501通过运行存储在存储器502中的非瞬时软件程序、指令以及模块,从而执行认证平台的各种功能应用以及数据处理,即实现上述方法实施例中的负载均衡判断设备的方法。
负载均衡判断设备还可以包括:输入装置503和输出装置504。处理器501、存储器502、输入装置503和输出装置504可以通过总线或者其他方式连接,图5中以通过总线连接为例。
输入装置503可接收输入的数字或字符信息,以及产生与负载均衡判断设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置504可以是负载均衡判断设备的显示设备等输出设备。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
本申请实施例的负载均衡判断设备,可以用于执行本申请上述各方法实施例中的技术方案,其实现原理和技术效果类似,此处不再赘述。
本申请实施例还提供一种计算机可读存储介质,该计算机可读存储介质中存储有计算机执行指令,计算机执行指令被处理器执行时用于实现上述任一项所述的负载均衡判断方法。
本申请实施例还提供一种计算机程序产品,包括计算机程序,计算机程序被处理器执行时,用于实现上述任一项所述的负载均衡判断方法。
在本申请所提供的几个实施例中,应该理解到,所揭露的***,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求书指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求书来限制。
Claims (10)
1.一种负载均衡判断方法,其特征在于,包括:
获取待判断小区内所有用户的当前网络感知数据,其中,所述当前网络感知数据包括当前语音业务数据和当前数据业务数据;
将所述当前网络感知数据输入至预设网络感知判别模型,根据所述预设网络感知判别模型的输出,得到所述所有用户在所述预设网络区域内的感知权重;
根据预设网络感知阈值和所述感知权重确定所述待判断小区内感知差用户数;
根据所述感知差用户数和所述待判断小区的总用户数,确定所述待判断小区是否需要进行负载均衡。
2.根据权利要求1所述的方法,其特征在于,在所述将所述当前网络感知数据输入至预设网络感知判别模型之前,还包括:
获取所述待判断小区内用户的历史网络感知数据和所述历史网络感知数据对应的历史感知权重,其中,所述历史网络感知数据包括历史语音业务数据和历史数据业务数据;
根据所述历史网络感知数据和所述历史网络感知数据对应的历史感知权重进行模型训练,得到预设网络感知判别模型。
3.根据权利要求2所述的方法,其特征在于,所述根据所述历史网络感知数据和所述历史网络感知数据对应的历史感知权重进行模型训练,包括:
对所述历史网络感知数据和所述历史网络感知数据对应的感知权重进行数据预处理,得到处理后的历史网络感知数据和处理后的历史感知权重;
将所述处理后的历史网络感知数据作为输入,将所述处理后的历史感知权重作为输出,进行模型训练,得到所述预设网络感知判别模型。
4.根据权利要求1至3任一项所述的方法,其特征在于,所述根据预设网络感知阈值和所述感知权重确定所述待判断小区内感知差用户数,包括:
根据预设网络感知阈值和所述感知权重,确定所述所有用户的当前网络感知区间,其中,所述当前网络感知区间包括感知差区间;
确定感知权重在所述感知差区间范围内的用户的个数,为待判断小区内感知差用户数。
5.根据权利要求1至3任一项所述的方法,其特征在于,所述根据所述感知差用户数和所述待判断小区的总用户数,确定所述待判断小区是否需要进行负载均衡,包括:
根据所述感知差用户数和所述待判断小区的总用户数,确定所述待判断小区的感知差用户比例;
根据所述感知差用户比例,确定所述待判断小区的负载状态;
根据所述负载状态,确定所述待判断小区是否需要进行负载均衡。
6.根据权利要求5所述的方法,其特征在于,所述根据所述感知差用户比例,确定所述待判断小区的负载状态,包括:
若所述感知差用户比例大于第一预设用户比例,则确定所述待判断小区的负载状态为负载高;
若所述感知差用户比例小于等于第一预设用户比例且大于等于第二预设用户比例,则确定所述待判断小区的负载状态为负载一般;
若所述感知差用户比例小于第二预设用户比例,则确定所述待判断小区的负载状态为负载低。
7.一种负载均衡判断装置,其特征在于,包括:
获取模块,获取待判断小区内所有用户的当前网络感知数据,其中,所述当前网络感知数据包括当前语音业务数据和当前数据业务数据;
输入模块,用于将所述当前网络感知数据输入至预设网络感知判别模型,根据所述预设网络感知判别模型的输出,得到所述所有用户在所述预设网络区域内的感知权重;
第一确定模块,用于根据预设网络感知阈值和所述感知权重确定所述待判断小区内感知差用户数;
第二确定模块,用于根据所述感知差用户数和所述待判断小区的总用户数,确定所述待判断小区是否需要进行负载均衡。
8.一种负载均衡判断设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1至6中任一项所述的负载均衡判断方法。
9.一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中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如权利要求1至6中任一项所述的负载均衡判断方法。
10.一种计算机程序产品,包括计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的负载均衡判断方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110654407.6A CN113286315B (zh) | 2021-06-11 | 2021-06-11 | 负载均衡判断方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110654407.6A CN113286315B (zh) | 2021-06-11 | 2021-06-11 | 负载均衡判断方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113286315A true CN113286315A (zh) | 2021-08-20 |
CN113286315B CN113286315B (zh) | 2022-08-09 |
Family
ID=77284353
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110654407.6A Active CN113286315B (zh) | 2021-06-11 | 2021-06-11 | 负载均衡判断方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113286315B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113938920A (zh) * | 2021-09-06 | 2022-01-14 | 中国联合网络通信集团有限公司 | 一种重耕影响的预测方法及装置 |
CN114257523A (zh) * | 2021-12-08 | 2022-03-29 | 中国联合网络通信集团有限公司 | 用户感知预测方法、***、设备和计算机存储介质 |
CN114842440A (zh) * | 2022-06-30 | 2022-08-02 | 小米汽车科技有限公司 | 自动驾驶环境感知方法、装置、车辆及可读存储介质 |
WO2023125090A1 (zh) * | 2021-12-28 | 2023-07-06 | 华为技术有限公司 | 一种小区负载的调整方法及其相关设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090323530A1 (en) * | 2008-06-26 | 2009-12-31 | Reverb Networks | Dynamic load balancing |
CN102625369A (zh) * | 2012-03-16 | 2012-08-01 | 东南大学 | 分类保证不同等级用户服务质量要求的负载均衡优化方法 |
CN111225416A (zh) * | 2018-11-23 | 2020-06-02 | ***通信集团广东有限公司 | 一种负载均衡方法及装置 |
CN111726833A (zh) * | 2019-03-22 | 2020-09-29 | ***通信有限公司研究院 | 一种网络负载均衡方法、装置和存储介质 |
-
2021
- 2021-06-11 CN CN202110654407.6A patent/CN113286315B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090323530A1 (en) * | 2008-06-26 | 2009-12-31 | Reverb Networks | Dynamic load balancing |
CN102625369A (zh) * | 2012-03-16 | 2012-08-01 | 东南大学 | 分类保证不同等级用户服务质量要求的负载均衡优化方法 |
CN111225416A (zh) * | 2018-11-23 | 2020-06-02 | ***通信集团广东有限公司 | 一种负载均衡方法及装置 |
CN111726833A (zh) * | 2019-03-22 | 2020-09-29 | ***通信有限公司研究院 | 一种网络负载均衡方法、装置和存储介质 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113938920A (zh) * | 2021-09-06 | 2022-01-14 | 中国联合网络通信集团有限公司 | 一种重耕影响的预测方法及装置 |
CN113938920B (zh) * | 2021-09-06 | 2023-08-22 | 中国联合网络通信集团有限公司 | 一种重耕影响的预测方法及装置 |
CN114257523A (zh) * | 2021-12-08 | 2022-03-29 | 中国联合网络通信集团有限公司 | 用户感知预测方法、***、设备和计算机存储介质 |
CN114257523B (zh) * | 2021-12-08 | 2023-07-07 | 中国联合网络通信集团有限公司 | 用户感知预测方法、***、设备和计算机存储介质 |
WO2023125090A1 (zh) * | 2021-12-28 | 2023-07-06 | 华为技术有限公司 | 一种小区负载的调整方法及其相关设备 |
CN114842440A (zh) * | 2022-06-30 | 2022-08-02 | 小米汽车科技有限公司 | 自动驾驶环境感知方法、装置、车辆及可读存储介质 |
CN114842440B (zh) * | 2022-06-30 | 2022-09-09 | 小米汽车科技有限公司 | 自动驾驶环境感知方法、装置、车辆及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113286315B (zh) | 2022-08-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113286315B (zh) | 负载均衡判断方法、装置、设备及存储介质 | |
CN113688490A (zh) | 网络共建共享处理方法、装置、设备及存储介质 | |
CN106454947A (zh) | 一种ap接入负载均衡方法 | |
CN114172819B (zh) | Nfv网元的需求资源预测方法、***、电子设备和存储介质 | |
CN114548416A (zh) | 数据模型训练方法及装置 | |
CN114612011A (zh) | 一种风险防控决策方法及装置 | |
Folino et al. | Automatic offloading of mobile applications into the cloud by means of genetic programming | |
CN113204429A (zh) | 一种数据中心的资源调度方法及***、调度设备、介质 | |
CN110083529A (zh) | 自动化测试方法、装置、介质和电子设备 | |
CN116229188B (zh) | 图像处理显示方法、分类模型的生成方法及其设备 | |
CN109167673B (zh) | 一种融合异常Qos数据检测的新型云服务筛选方法 | |
CN114266324B (zh) | 模型可视化建模方法、装置、计算机设备及存储介质 | |
CN115883392A (zh) | 算力网络的数据感知方法、装置、电子设备及存储介质 | |
CN112785000A (zh) | 面向大规模机器学习***的机器学习模型训练方法及*** | |
CN111107569A (zh) | 一种问题小区的筛选方法和装置 | |
CN116739440B (zh) | 自智网络的评价方法、装置、电子设备及存储介质 | |
Jia et al. | Perceptual Forecasting Model of Power Big Data Based on Improved Random Forest Algorithm | |
CN118171088B (zh) | 一种边缘计算方法、装置、设备及可读存储介质 | |
CN110084511B (zh) | 一种无人机配型方法、装置、设备及可读存储介质 | |
CN117519996B (zh) | 一种数据处理方法、装置、设备以及存储介质 | |
CN117834455B (zh) | 一种电力物联网数据传输仿真方法和*** | |
CN115442216B (zh) | 网络切片故障自愈方法、装置、设备及计算机存储介质 | |
CN118316190A (zh) | 基于物联网的电力***监测*** | |
CN118364639A (zh) | 基于物联网的储能电池舱屏幕镜像方法及*** | |
CN117499937A (zh) | 一种异构本地通信网络多点协作组网方法 |
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 |