一种预测虚拟网络资源状态的方法及装置制造方法
【专利摘要】本发明公开了一种预测虚拟网络资源状态的方法，以实现根据服务质量元素的预期目标预测出虚拟网络元素的资源状态数据的目的。例如，该方法可以包括：获得历史质量监控数据以及历史资源状态监控数据组成的历史数据集；将服务质量元素与虚拟网络元素定义为贝叶斯网络节点，利用历史数据集进行贝叶斯网络学习，构建出贝叶斯网络以及其中每个节点对应的条件概率表，利用贝叶斯网络中节点间的有向关系以及节点对应的条件概率表，查找出当指定服务质量元素对应的节点取值在给定质量数据的情况下，虚拟网络元素对应的节点具有最大概率的取值，得到虚拟网络元素的预测资源状态数据。另外，本发明实施例还提供了一种预测虚拟网络资源状态的装置。
【专利说明】一种预测虚拟网络资源状态的方法及装置
【技术领域】
[0001] 本发明涉及虚拟网络，尤其涉及一种预测虚拟网络资源状态的方法及装置。
【背景技术】
[0002] 虚拟网络，是包含虚拟网络链接的计算机网络，其中的虚拟网络元素包括虚拟节 点和连接虚拟节点的虚拟链路。基于网络虚拟化技术，可以在物理网络基础上构建并承载 一个或多个虚拟网络运行。因此，虚拟网络为实现资源配置交付方式更灵活的未来网络架 构奠定了基础。
[0003] 为了利用虚拟网络提供服务，服务提供商可以通过云计算平台向基础设施提供商 租用虚拟网络资源，部署业务系统并向自己的目标客户群提供服务。目前，为了优化网络资 源利用率，基础设施提供商通常基于元启发算法以资源成本最优策略调整虚拟网络结构。
[0004] 但是，服务质量需求随时间动态变化，而基于元启发算法调整虚拟网络结构对服 务质量元素（如，某服务使用资源量、同时访问某服务请求数量等）预期达到的目标无感， 无法根据服务质量元素的需求变化预测出虚拟网络资源状态，也就无法根据服务质量元素 的需求变化动态调整虚拟网络结构。
【发明内容】
[0005] 有鉴于此，本发明提供了一种预测虚拟网络资源状态的方法及装置，以实现对服 务质量元素所要达到的目标有感，及时预测出指定服务质量元素在预期目标下虚拟网络的 资源状态的目的。
[0006] 在本发明实施例的第一个方面，提供了一种预测虚拟网络资源状态的方法。例如， 该方法可以包括：获得由不同历史时刻下与服务质量元素对应的历史质量监控数据以及与 虚拟网络元素对应的历史资源状态监控数据组成的历史数据集；将所述服务质量元素与所 述虚拟网络元素定义为贝叶斯网络节点，利用历史数据集进行贝叶斯网络学习，构建出节 点间具有有向关系的贝叶斯网络，其中，所述贝叶斯网络中的每个节点具有由所述历史数 据集计算出的、对应的条件概率表；利用所述贝叶斯网络中节点间的有向关系以及节点对 应的条件概率表，查找出当指定服务质量元素对应的节点取值在给定质量数据的情况下， 所述虚拟网络元素对应的节点具有最大概率的取值，该具有最大概率的取值为所述虚拟网 络元素的预测资源状态数据。
[0007] 在本发明实施例的第二个方面，提供了一种预测虚拟网络资源状态的装置。例如， 该装置可以包括：
[0008] 数据集获取单元，可以用于获得由不同历史时刻下与服务质量元素对应的历史质 量监控数据以及与虚拟网络元素对应的历史资源状态监控数据组成的历史数据集；贝叶 斯网络构建单元，可以用于将所述服务质量元素与所述虚拟网络元素定义为贝叶斯网络节 点，利用历史数据集进行贝叶斯网络学习，构建出节点间具有有向关系的贝叶斯网络，其 中，所述贝叶斯网络中的每个节点具有由所述历史数据集计算出的、对应的条件概率表；预 测数据计算单元，可以用于利用所述贝叶斯网络中节点间的有向关系以及节点对应的条件 概率表，查找出当指定服务质量元素对应的节点取值在给定质量数据的情况下，所述虚拟 网络元素对应的节点具有最大概率的取值，该具有最大概率的取值为所述虚拟网络元素的 预测资源状态数据。
[0009] 本发明实施例具有以下有益效果：
[0010] 由于本发明实施例利用服务质量元素对应历史质量监控数据，及虚拟网络元素对 应的历史资源状态监控数据分析构建出了贝叶斯网络数学模型，利用所述贝叶斯网络中节 点间的有向关系以及概率推理的算法自动根据虚拟网络的指定服务质量元素的预期目标 动态地预测出虚拟网络元素的资源状态数据，从而解决了现有技术无法根据服务质量需求 变化动态调整虚拟网络结构所存在的问题，从而可以进一步根据服务质量需求变化动态调 整虚拟网络结构。
【专利附图】
【附图说明】
[0011]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 申请中记载的一些实施例，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。
[0012] 图1为本发明实施例提供的服务质量元素、服务、虚拟网络元素三者之间的关系 示意图；
[0013] 图2为本发明实施例提供的预测虚拟网络资源状态的方法流程示意图；
[0014] 图3为本发明一实施例涉及的历史数据集示意图；
[0015] 图4为本发明另一实施例涉及的贝叶斯网络结构示意图；
[0016] 图5为本发明又一实施例涉及的条件概率表示意图；
[0017] 图6为本发明实施例提供的预测虚拟网络资源状态的装置结构示意图。
【具体实施方式】
[0018] 为了使本【技术领域】的人员更好地理解本申请中的技术方案,下面将结合本申请实 施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施 例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通 技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护 的范围。
[0019] 为了使本发明实施例更加便于理解，首先对服务质量元素、服务、虚拟网络元素三 者之间的关系进行简单介绍。例如，如图1所示，一个服务（如SVC2, SVC3, SV04)可以使 用虚拟网络中一个或多个虚拟节点（在图1中标识为vno)或虚拟链路（在图1中标识为 vnl)的资源，每个服务可以有对应的一个或多个不同的服务质量元素（例如，服务使用资 源量RRT、同时访问该服务的请求数量CR等）。
[0020] 针对现有技术无法根据服务质量元素的需求变化预测出虚拟网络资源状态的问 题。为了能够对服务质量元素的目标有感，及时预测出指定服务质量元素的预期目标下虚 拟网络资源状态，本发明的发明人发现，可以根据服务提供商与基础设施提供商之间签订 的网络服务等级协议（Service Level Agreement)中的网络QoS相关服务质量目标，及历 史运行数据分析构建贝叶斯网络数学模型，利用所述贝叶斯网络中节点间的有向关系以及 概率推理的算法自动根据虚拟网络的指定服务质量元素的预期目标动态地预测出虚拟网 络的资源状态，从而解决现有技术无法根据服务质量需求变化动态调整虚拟网络结构所存 在的问题。
[0021] 基于上述分析，本发明实施例提供了以下预测虚拟网络资源状态的方法。
[0022] 例如，参见图2,为本发明实施例提供的预测虚拟网络资源状态的方法流程示意 图。如图2所示，该方法可以包括：
[0023] S210、获得由不同历史时刻下与服务质量元素对应的历史质量监控数据以及与虚 拟网络元素对应的历史资源状态监控数据组成的历史数据集。
[0024] 例如，一些可能的实施方式中，本发明实施例所述的历史数据集可以为如图3所 示的历史数据集。
[0025] 在本发明一些可能的实施方式中，考虑到虚拟网络元素的资源利用率可以比较准 确地反应虚拟网络的资源状态，根据对虚拟网络元素的资源利用率的监控得到历史资源状 态监控数据。具体地，例如，可以通过以下步骤获得不同历史时刻下与虚拟网络元素对应的 历史资源状态监控数据：
[0026] 资源数据获取步骤一：获得在所述不同历史时刻采集到的与虚拟网络元素对应的 历史资源利用率监控数据。
[0027] 按指定频率采集虚拟网络中各虚拟节点以及虚拟链路的资源利用率。资源利用率 是指正在被使用的资源与被分配到的资源的比率。在该实施方式中，可以将不同的采集时 刻作为本发明实施例所述的不同历史时刻。针对每一历史时刻下的每个虚拟节点、每个虚 拟链路，分别计算该历史时刻与之前上一历史时刻之间的时间间隔内，资源利用率平均值， 得到该历史时刻下每个虚拟节点、每个虚拟链路分别对应的历史资源利用率监控数据。
[0028] 资源数据获取步骤二：针对每个虚拟网络元素在每个历史时刻对应的历史资源利 用率监控数据，根据预置的、当历史资源利用率监控数据大于资源利用率对应的上限阈值 时、当小于等于所述上限阈值且大于资源利用率对应的下限阈值时、当小于等于所述下限 阈值时，分别对应的不同历史资源状态监控数据，得到每个虚拟网络元素在每个历史时刻 对应的历史资源状态监控数据。
[0029] 例如，在一些可能的实施方式中，历史资源利用率监控数据大于资源利用率对应 的上限阈值、小于等于所述上限阈值且大于资源利用率对应的下限阈值、小于等于所述下 限阈值，三种情况可以分别对应{1，〇, -1}三种历史资源状态监控数据。在该实施方式中， 假设某一历史时刻与其上一历史时刻之间的时间间隔为△〖，虚拟节点或虚拟链路r的资 源利用率监控数据为\ μ，则可以根据公式
【权利要求】
1. 一种预测虚拟网络资源状态的方法，其特征在于，包括： 获得由不同历史时刻下与服务质量元素对应的历史质量监控数据以及与虚拟网络元 素对应的历史资源状态监控数据组成的历史数据集； 将所述服务质量元素与所述虚拟网络元素定义为贝叶斯网络节点，利用历史数据集进 行贝叶斯网络学习，构建出节点间具有有向关系的贝叶斯网络，其中，所述贝叶斯网络中的 每个节点具有由所述历史数据集计算出的、对应的条件概率表； 利用所述贝叶斯网络中节点间的有向关系以及节点对应的条件概率表，查找出当指定 服务质量元素对应的节点取值在给定质量数据的情况下，所述虚拟网络元素对应的节点具 有最大概率的取值，该具有最大概率的取值为所述虚拟网络元素的预测资源状态数据。
2. 根据权利要求1所述的方法，其特征在于，还包括，通过以下步骤获得不同历史时刻 下与虚拟网络元素对应的历史资源状态监控数据： 获得在所述不同历史时刻采集到的与虚拟网络元素对应的历史资源利用率监控数 据； 针对每个虚拟网络元素在每个历史时刻对应的历史资源利用率监控数据，根据预置 的、当历史资源利用率监控数据大于资源利用率对应的上限阈值时、当小于等于所述上限 阈值且大于资源利用率对应的下限阈值时、当小于等于所述下限阈值时，分别对应的不同 历史资源状态监控数据，得到每个虚拟网络元素在每个历史时刻对应的历史资源状态监控 数据。
3. 根据权利要求1所述的方法，其特征在于，还包括，通过以下步骤获得不同历史时刻 下与服务质量元素对应的历史质量监控数据： 获得不同历史时刻采集到的与服务质量元素对应的详细质量监控数据； 针对每个服务质量元素，通过将该服务质量元素在不同历史时刻采集到的详细质量监 控数据按预置的各个取值范围进行离散化处理，确定出每个服务质量元素在不同历史时刻 分别对应的取值范围； 将每个服务质量元素在每个历史时刻对应的取值范围，作为该服务质量元素在该历史 时刻采集到的历史质量监控数据。
4. 根据权利要求1-3任一项所述的方法，其特征在于，所述虚拟网络元素的预测资源 状态数据包括：不足、满足或超配； 且还包括：如果所述虚拟网络元素的预测资源状态数据为不足或超配，针对所述虚拟 网络元素生成资源重配置请求。
5. 根据权利要求4所述的方法，其特征在于，所述如果虚拟网络元素的预测资源状态 数据为不足或超配，针对所述虚拟网络元素生成资源重配置请求包括： 如果所述虚拟网络元素对应的节点具有最大概率的资源状态数据为不足，根据△!?(!) =(x^t-0 u+μ )R(r)计算出在t2时刻需要追加的资源量AR(r)，其中，At = 1^-ti，表示 t2时刻距之前的h时刻之间的时间间隔，\ At是在时间间隔Λ t内采样的平均资源利用率， σ u是资源利用率对应的上限阈值，R(r)是所述虚拟网络元素在&时刻的实际资源分配量， μ是为防止资源重配置调整幅度过小而设置的常数； 如果所述虚拟网络元素对应的节点具有最大概率的资源状态数据为超配，根据△!?(!) =计算出在t2时刻需要释放的资源量AR(r)，其中，σ1是资源利用率 对应的下限阈值。
6. -种预测虚拟网络资源状态的装置，其特征在于，包括： 数据集获取单元，用于获得由不同历史时刻下与服务质量元素对应的历史质量监控数 据以及与虚拟网络元素对应的历史资源状态监控数据组成的历史数据集； 贝叶斯网络构建单元，用于将所述服务质量元素与所述虚拟网络元素定义为贝叶斯 网络节点，利用历史数据集进行贝叶斯网络学习，构建出节点间具有有向关系的贝叶斯网 络，其中，所述贝叶斯网络中的每个节点具有由所述历史数据集计算出的、对应的条件概率 表； 预测数据计算单元，用于利用所述贝叶斯网络中节点间的有向关系以及节点对应的条 件概率表，查找出当指定服务质量元素对应的节点取值在给定质量数据的情况下，所述虚 拟网络元素对应的节点具有最大概率的取值，该具有最大概率的取值为所述虚拟网络元素 的预测资源状态数据。
7. 根据权利要求6所述的装置，其特征在于，还包括： 资源数据获取单元，用于获得在所述不同历史时刻采集到的与虚拟网络元素对应的历 史资源利用率监控数据； 资源状态获取单元，用于针对每个虚拟网络元素在每个历史时刻对应的历史资源利用 率监控数据，根据预置的、当历史资源利用率监控数据大于资源利用率对应的上限阈值时、 当小于等于所述上限阈值且大于资源利用率对应的下限阈值时、当小于等于所述下限阈值 时，分别对应的不同历史资源状态监控数据，得到每个虚拟网络元素在每个历史时刻对应 的历史资源状态监控数据。
8. 根据权利要求6所述的装置，其特征在于，还包括： 详细质量数据获取单元，用于获得不同历史时刻采集到的与服务质量元素对应的详细 质量监控数据； 离散单元，用于针对每个服务质量元素，通过将该服务质量元素在不同历史时刻采集 到的详细质量监控数据按预置的各个取值范围进行离散化处理，确定出每个服务质量元素 在不同历史时刻分别对应的取值范围； 质量监控数据确定单元，用于将每个服务质量元素在每个历史时刻对应的取值范围， 作为该服务质量元素在该历史时刻采集到的历史质量监控数据。
9. 根据权利要求6-8任一项所述的装置，其特征在于，所述虚拟网络元素的预测资源 状态数据包括：不足、满足或超配； 且，还包括：资源重配置单元，用于如果所述虚拟网络元素的预测资源状态数据为不足 或超配，针对所述虚拟网络元素生成资源重配置请求。
10. 根据权利要求9所述的装置，其特征在于，所述资源重配置单元包括： 资源不足重配置子单元，用于如果所述虚拟网络元素对应的节点具有最大概率的资源 状态数据为不足，根据AR(r) = 计算出在〖2时刻需要追加的资源量 AR(r)，其中，At = t2-ti，表示t2时刻距之前的、时刻之间的时间间隔，xr， At是在时间间 隔At内采样的平均资源利用率，〇u是资源利用率对应的上限阈值，R(r)是所述虚拟网络 元素在h时刻的实际资源分配量，μ是为防止资源重配置调整幅度过小而设置的常数； 资源超配重配置子单元，用于如果所述虚拟网络元素对应的节点具有最大概率的资源 状态数据为超配，根据AR(r) = (σΙ'Μ-μ)!^!·)计算出在〖2时刻需要释放的资源量 AR(r)，其中，σ1是资源利用率对应的下限阈值。
【文档编号】H04L12/24GK104283717SQ201410579178
【公开日】2015年1月14日 申请日期:2014年10月24日 优先权日:2014年10月24日
【发明者】许力 申请人:东软集团股份有限公司