网络资源规划方法、装置以及存储介质与流程

1.本发明涉及通信技术领域，尤其涉及一种网络资源规划方法、装置 以及存储介质。


背景技术：

2.随着5g、云计算等新兴技术产业的兴起，以idc(internet datacenter，互联网数据中心)为主要承载的基础设施建设量快速增加。idc 网络中的网络设备包括路由器，网关、交换机等，网络设备的建设投资 是运营商重要资本支出。因为idc网络中的网络设备的需求快速增加， 因此需要一种基于网络需求增长预测的资源规划技术方案。


技术实现要素：

3.有鉴于此，本发明要解决的一个技术问题是提供一种网络资源规划 方法、装置以及存储介质。
4.根据本公开的第一方面，提供一种网络资源规划方法，包括：获取 预测目标网络中的网络设备的网络流量数据和对应的网络资源数据；使 用机器学习模型并基于所述网络流量数据和所述网络资源数据，确定预 设规划期内的流量预测量；根据所述流量预测量确定所述网络设备的资 源需求量，并确定所述网络设备的资源建设匹配信息；基于所述资源建 设匹配信息生成目标函数，并基于所述资源需求量生成与所述目标函数 相对应的限制条件；根据所述目标函数和所述限制条件进行求解，用以 获取所述网络设备的资源规划信息。
5.可选地，所述获取预测目标网络中的网络设备的网络流量数据和对 应的网络资源数据包括：从网络运营数据库中获取与每台网络设备相对 应的网络流量数据和网络资源数据；其中，所述网络流量数据包括：均 值流量和峰值流量；所述网络资源数据包括：出口带宽、地理信息和客 户信息。
6.可选地，所述使用机器学习模型并基于所述网络流量数据和所述网 络资源数据，确定预设规划期内的流量预测量包括：使用所述机器学习 模型并基于所述均值流量、所述峰值流量、所述出口带宽、所述地理信 息和所述客户信息，确定所述流量预测量；其中，所述机器学习模型包 括：lstm模型；所述流量预测量包括：均值预测流量和峰值预测流量。
7.可选地，所述根据所述流量预测量确定所述网络设备的资源需求量 包括：根据所述均值预测流量和所述峰值预测流量确定所述资源需求量； 其中，所述资源需求量包括：出口带宽需求量。
8.可选地，所述资源建设匹配信息包括：利用旧资源成本信息、扩容 成本信息和新建成本信息；所述基于所述资源建设匹配信息生成目标函 数包括：确定分别与所述利用旧资源成本信息、所述扩容成本信息和所 述新建成本信息相对应的加权系数；根据所述利用旧资源成本信息、所 述扩容成本信息和所述新建成本信息确定加权系数，生成成本加权值； 基于所述成本加权值生成所述目标函数；其中，所述目标函数为所述成 本加权值为最
小。
9.可选地，所述基于所述资源需求量生成与所述目标函数相对应的限 制条件包括：基于所述出口带宽需求量确定所述网络设备的出口带宽最 大值；根据所述出口带宽最大值生成与所述网络设备相对的限制条件。
10.可选地，所述预测目标网络包括：idc网络；所述网络设备包括： 路由器，网关、交换机。
11.根据本公开的第二方面，提供一种网络资源规划装置，包括：数据 获取模块，用于获取预测目标网络中的网络设备的网络流量数据和对应 的网络资源数据；资源预测模块，用于使用机器学习模型并基于所述网 络流量数据和所述网络资源数据，确定预设规划期内的流量预测量；需 求确定模块，用于根据所述流量预测量确定所述网络设备的资源需求量， 并确定所述网络设备的资源建设匹配信息；目标构建模块，用于基于所 述资源建设匹配信息生成目标函数，并基于所述资源需求量生成与所述 目标函数相对应的限制条件；规划确定模块，用于根据所述目标函数和 所述限制条件进行求解，用以获取所述网络设备的资源规划信息。
12.可选地，所述数据获取模块，用于从网络运营数据库中获取与每台 网络设备相对应的网络流量数据和网络资源数据；其中，所述网络流量 数据包括：均值流量和峰值流量；所述网络资源数据包括：出口带宽、 地理信息和客户信息。
13.可选地，所述资源预测模块，用于使用所述机器学习模型并基于所 述均值流量、所述峰值流量、所述出口带宽、所述地理信息和所述客户 信息，确定所述流量预测量；其中，所述机器学习模型包括：lstm模 型；所述流量预测量包括：均值预测流量和峰值预测流量。
14.可选地，所述需求确定模块，用于根据所述均值预测流量和所述峰 值预测流量确定所述资源需求量；其中，所述资源需求量包括：出口带 宽需求量。
15.可选地，所述资源建设匹配信息包括：利用旧资源成本信息、扩容 成本信息和新建成本信息；所述目标构建模块，用于确定分别与所述利 用旧资源成本信息、所述扩容成本信息和所述新建成本信息相对应的加 权系数；根据所述利用旧资源成本信息、所述扩容成本信息和所述新建 成本信息确定加权系数，生成成本加权值；基于所述成本加权值生成所 述目标函数；其中，所述目标函数为所述成本加权值为最小。
16.可选地，所述目标构建模块，用于基于所述出口带宽需求量确定所 述网络设备的出口带宽最大值；根据所述出口带宽最大值生成与所述网 络设备相对的限制条件。
17.可选地，所述预测目标网络包括：idc网络；所述网络设备包括： 路由器，网关、交换机。
18.根据本公开的第四方面，提供一种网络资源规划装置，包括：存 储器；以及耦接至所述存储器的处理器，所述处理器被配置为基于存 储在所述存储器中的指令，执行如上所述的方法。
19.根据本公开的第四方面，提供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计算机指令，所述指令被处理器执行如上所 述的方法。
20.本公开的网络资源规划方法、装置以及存储介质，通过进行需求 预测自动给出网络资源规划方案以及实施方案，提升了网络资源规划的 准确性，可以在保证网络需求和充
分利用现有资源的前提下，提升网络 建设的资源利用率，有效降低了运营建设成本。
附图说明
21.为了更清楚地说明本公开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一简单地介绍，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性的前提下，还可以根据这些附图 获得其他的附图。
22.图1为根据本公开的网络资源规划方法的一个实施例的流程示意图；
23.图2为根据本公开的网络资源规划方法的一个实施例中的生成目标 函数以及限制条件的流程示意图；
24.图3为根据本公开的网络资源规划装置的一个实施例的模块示意图；
25.图4为根据本公开的网络资源规划装置的另一个实施例的模块示意 图。
具体实施方式
26.下面参照附图对本公开进行更全面的描述，其中说明本公开的示 例性实施例。下面将结合本公开实施例中的附图，对本公开实施例中 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 公开一部分实施例，而不是全部的实施例。基于本公开中的实施例， 本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他 实施例，都属于本公开保护的范围。
27.图1为根据本公开的网络资源规划方法的一个实施例的流程示意图， 如图1所示：
28.步骤101，获取预测目标网络中的网络设备的网络流量数据和对应的 网络资源数据。预测目标网络包括idc网络等，网络设备包括路由器， 网关、交换机等。
29.步骤102，使用机器学习模型并基于网络流量数据和网络资源数据， 确定预设规划期内的流量预测量。预设规划期可以未来的1个月、两个 月等。
30.步骤103，根据流量预测量确定网络设备的资源需求量，并确定网 络设备的资源建设匹配信息。
31.步骤104，基于资源建设匹配信息生成目标函数，并基于资源需求 量生成与目标函数相对应的限制条件。
32.步骤105，根据目标函数和限制条件进行求解，用以获取网络设备 的资源规划信息。
33.本公开的网络资源规划方法，在提供精准预测能力的同时给出了规 划方案，可以在保证网络需求和充分利用现有资源的前提下，提升网络 建设的资源利用率。
34.在一个实施例中，从网络运营数据库中获取与每台网络设备相对应 的网络流量数据和网络资源数据，网络流量数据包括均值流量和峰值流 量等；网络资源数据包括出口带宽、地理信息和客户信息等。
35.例如，网络运营数据库中包含有每台网络设备的历史信息及现有资 源情况，从网络运营数据库中提取每台网络设备的数据包括时间戳、出 口带宽、分时均值流量和峰值流量、地理信息、政企客户信息等数据， 可以按天或星期为周期进行采集。
36.使用机器学习模型并基于均值流量、峰值流量、出口带宽、地理信 息和客户信息，
确定流量预测量。机器学习模型可以使用多种模型，例 如lstm模型等。流量预测量包括均值预测流量和峰值预测流量。根据 均值预测流量和峰值预测流量确定资源需求量，资源需求量包括出口带 宽需求量等。
37.例如，假设一个站点共有三台路由器cr设备，每台cr设备的最 大容量5000m，网络运营数据库内存储的网络设备信息如下表1所示：
[0038][0039]
表1-网络设备信息表
[0040]
选取基于lstm(long short-term memory，长短期记忆网络) 算法的lstm模型，使用lstm模型对三台设备分别进行均值流量和 峰值流量的预测，其中，省、市、年月、日期作为特征输入，时序关系 以时间先后顺序输入。假设待规划期为20210101-20210630，则预测结 果如下表2所示
[0041][0042]
表2-预测结果表
[0043]
规划期需求量(出口带宽)假设以每台网络设备的日均值流量最高 点与峰值流量的上分位数中的最大值为准，不同cr具有不同的需求， 例如，cr1的出口带宽需求量为3600m，cr2的出口带宽需求量为 2000m，cr3的出口带宽需求量为8000m。
[0044]
在一个实施例中，资源建设匹配信息包括利用旧资源成本信息、扩 容成本信息和新建成本信息等。图2为根据本公开的网络资源规划方法 的一个实施例中的生成目标函数以及限制条件的流程示意图，如图2所 示：
[0045]
步骤201，确定分别与利用旧资源成本信息、扩容成本信息和新建成 本信息相对
的流量预测量。
[0062]
需求确定模块33根据流量预测量确定网络设备的资源需求量，并确 定网络设备的资源建设匹配信息。目标构建模块34基于资源建设匹配信 息生成目标函数，并基于资源需求量生成与目标函数相对应的限制条件。 规划确定模块35根据目标函数和限制条件进行求解，用以获取网络设备 的资源规划信息。
[0063]
在一个实施例中，数据获取模块31从网络运营数据库中获取与每台 网络设备相对应的网络流量数据和网络资源数据；其中，网络流量数据 包括均值流量和峰值流量等；网络资源数据包括出口带宽、地理信息和 客户信息等。
[0064]
资源预测模块32使用机器学习模型并基于均值流量、峰值流量、出 口带宽、地理信息和客户信息，确定流量预测量；其中，机器学习模型 包括：lstm模型等；流量预测量包括均值预测流量和峰值预测流量等。 需求确定模块33根据均值预测流量和峰值预测流量确定资源需求量；其 中，资源需求量包括出口带宽需求量等。
[0065]
在一个实施例中，资源建设匹配信息包括利用旧资源成本信息、扩 容成本信息和新建成本信息等。目标构建模块34确定分别与利用旧资源 成本信息、扩容成本信息和新建成本信息相对应的加权系数。目标构建 模块34根据利用旧资源成本信息、扩容成本信息和新建成本信息确定加 权系数，生成成本加权值。
[0066]
目标构建模块34基于成本加权值生成目标函数；其中，目标函数为 成本加权值为最小。目标构建模块34基于出口带宽需求量确定网络设备 的出口带宽最大值，根据出口带宽最大值生成与网络设备相对的限制条 件。
[0067]
图4为根据本公开的网络资源规划装置的另一个实施例的模块示 意图。如图4所示，该装置可包括存储器41、处理器42、通信接口 43以及总线44。存储器41用于存储指令，处理器42耦合到存储器 41，处理器42被配置为基于存储器41存储的指令执行实现上述的网 络资源规划方法。
[0068]
存储器41可以为高速ram存储器、非易失性存储器(non-volatilememory)等，存储器41也可以是存储器阵列。存储器41还可能被分 块，并且块可按一定的规则组合成虚拟卷。处理器42可以为中央处理 器cpu，或专用集成电路asic(application specific integratedcircuit)，或者是被配置成实施本公开的网络资源规划方法的一个或 多个集成电路。
[0069]
在一个实施例中，本公开提供一种计算机可读存储介质，计算机 可读存储介质存储有计算机指令，指令被处理器执行时实现如上任一 个实施例中的网络资源规划方法。
[0070]
上述实施例中的网络资源规划方法、装置以及存储介质，通过进 行需求预测自动给出网络资源规划方案以及实施方案，提升了网络资 源规划的准确性，可以在保证网络需求和充分利用现有资源的前提下， 提升网络建设的资源利用率，有效降低了运营建设成本。
[0071]
可能以许多方式来实现本公开的方法和系统。例如，可通过软件、 硬件、固件或者软件、硬件、固件的任何组合来实现本公开的方法和 系统。用于方法的步骤的上述顺序仅是为了进行说明，本公开的方法 的步骤不限于以上具体描述的顺序，除非以其它方式特别说明。此外， 在一些实施例中，还可将本公开实施为记录在记录介质中的程序，这 些程序包括用于实现根据本公开的方法的机器可读指令。因而，本公 开还覆盖存储用于执行根据
本公开的方法的程序的记录介质。
[0072]
本公开的描述是为了示例和描述起见而给出的，而并不是无遗漏的 或者将本公开限于所公开的形式。很多修改和变化对于本领域的普通技 术人员而言是显然的。选择和描述实施例是为了更好说明本公开的原理 和实际应用，并且使本领域的普通技术人员能够理解本公开从而设计适 于特定用途的带有各种修改的各种实施例。