一种虚拟路由转发方法、装置及系统与流程

本发明涉及数据处理领域，特别涉及一种虚拟路由转发方法、装置及系统。

背景技术

随着物联网的迅猛发展，边缘终端设备的数量迅速增加，同时边缘终端设备所产生的数据量已达到泽字节(zb)级别。集中式数据处理不能有效处理边缘终端设备所产生的海量数据,边缘云已被业界普遍认定为下一代数字化转型的主要趋势之一。移动边缘计算(mobileedgecomputing，简称：mec)是将传统云计算平台的部分计算任务迁移到接入域，并将传统业务与互联网业务进行深度融合，减少传统业务交付的端到端时延，进而给运营商的运作带来全新模式，并建立全新的产业链及生态圈。这种情况下，面对日益迫切的边缘云及虚拟路由发展需求，基于工业边缘云的虚拟路由转发机制的迅速持续发展具有重要意义。

现有的云计算系统未充分考虑到高时延、高流量成本、路由成本高等方面问题，随着边缘云及虚拟路由业务的快速增长，伴之产生的高时延、高流量成本、路由成本高等问题日益突出。

应该注意，上面对技术背景的介绍只是为了方便对本发明的技术方案进行清楚、完整的说明，并方便本领域技术人员的理解而阐述的。不能仅仅因为这些方案在本发明的背景技术部分进行了阐述而认为上述技术方案为本领域技术人员所公知。

技术实现要素：

本发明旨在至少解决现有技术中存在的技术问题之一，提供了一种虚拟路由转发方法、装置及系统，能够降低第三方工业应用的工业边缘云虚拟路由转发的转发时延、流量成本及路由成本。

为实现上述目的，本发明提供了一种虚拟路由转发方法，用于处理第三方工业应用的工业边缘云虚拟路由转发请求，包括：

获取第三方工业应用的多个工业边缘云虚拟路由转发请求，每一所述工业边缘云虚拟路由转发请求包括评价指标；

对多个所述工业边缘云虚拟路由转发请求中的评价指标进行深度分析和深度分析评价，生成工业边缘云虚拟路由转发请求的转发分析结果；

发送所述转发分析结果至本地工业边缘云，以供所述本地工业边缘云，根据所述转发分析结果执行虚拟路由转发并反馈执行结果至第三方工业应用。

可选地，所述获取第三方工业应用的多个工业边缘云虚拟路由转发请求具体包括：

通过定期被询问机制获取所述工业边缘云虚拟路由转发请求；和/或，获取每隔预置时间主动上报的所述工业边缘云虚拟路由转发请求。

可选地，所述工业边缘云虚拟路由转发请求中的评价指标包括：转发时延、流量成本和路由成本。

可选地，所述对多个所述工业边缘云虚拟路由转发请求中的评价指标进行深度分析和深度分析评价，生成工业边缘云虚拟路由转发请求的转发分析结果具体包括：

步骤s1，设置迭代初始参数和最大迭代次数；

步骤s2，以多维空间无向稀疏图混沌最短路径学习策略分析多个所述工业边缘云虚拟路由转发请求中的评价指标并生成初始结果；

步骤s3，判断步骤s2中生成的初始结果是否满足深度分析评价条件，若满足，执行步骤s5，若不满足，执行步骤s4；

步骤s4，将所述迭代次数加1，并判断当前迭代次数是否超过所述最大迭代次数，若否，执行步骤s3，若是，执行步骤s5；

步骤s5，输出工业边缘云虚拟路由转发请求的转发分析结果。

可选地，所述步骤s3中的深度分析评价条件包括联合评价函数，具体如下：

所述步骤s2中的多维空间无向稀疏图混沌最短路径学习策略包括混沌最短路径优化函数，具体如下：

其中，式(1-4)中的mijt^k包含三方面的信息向量，式(1-1)至式(1-5)中的k表示第k次迭代，d表示所述最大迭代次数，且k＝1,2,……,d，表示当前第k次时延，表示当前第k次流量成本，表示当前第k次路由成本，表示第k+1次信息向量，表示第k次信息向量，表示第k+1次最优利用率调整因子，表示第k+1次最优利用率学习因子，l^mink表示第k次最小时延，c^mink表示第k次最小流量成本，w^mink表示第k次最小路由成本，l^ming表示历史最小时延，c^ming表示历史最小流量成本，w^ming表示历史最小路由成本。

为实现上述目的，本发明还提供了一种虚拟路由转发装置，用于处理第三方工业应用的工业边缘云虚拟路由转发请求，包括：

请求获取模块，用于获取第三方工业应用的多个工业边缘云虚拟路由转发请求，每一所述工业边缘云虚拟路由转发请求包括评价指标；

分析生成模块，用于对多个所述工业边缘云虚拟路由转发请求中的评价指标进行深度分析和深度分析评价，生成工业边缘云虚拟路由转发请求的转发分析结果；

发送模块，用于发送所述转发分析结果至本地工业边缘云，以供所述本地工业边缘云根据所述转发分析结果执行虚拟路由转发并反馈执行结果至第三方工业应用。

可选地，所述请求获取模块具体用于通过定期被询问机制获取所述工业边缘云虚拟路由转发请求；和/或，获取每隔预置时间主动上报的所述工业边缘云虚拟路由转发请求。

可选地，所述工业边缘云虚拟路由转发请求中的评价指标包括：转发时延、流量成本和路由成本。

可选地，所述分析生成模块具体包括：

参数设置子模块，用于设置迭代初始参数和最大迭代次数；

分析生成子模块，用于以多维空间无向稀疏图混沌最短路径学习策略分析多个所述工业边缘云虚拟路由转发请求中的评价指标并生成初始结果；

判断子模块，用于判断初始结果是否满足深度分析评价条件；

输出子模块，用于输出工业边缘云虚拟路由转发请求的转发分析结果。

为实现上述目的，本发明还提供了一种虚拟路由转发系统，用于处理第三方工业应用的工业边缘云虚拟路由转发请求，所述系统包括：

第三方应用用户设备端，用于发送工业边缘云虚拟路由转发请求至第三方工业应用；

第三方工业应用端，用于发送工业边缘云虚拟路由转发请求至中心云分析层；

中心云分析层，包括工业数据库和多个工业分析处理器，所述中心云分析层用于处理来自第三方工业应用的工业边缘云虚拟路由转发请求；

区域边缘云层，包括多个区域边缘云，所述区域边缘云层用于接入区域边缘云并传送工业边缘云虚拟路由转发请求；

工业边缘云虚拟路由接入层，包括多个工业边缘云虚拟路由，所述工业边缘云虚拟路由接入层用于转发工业边缘云虚拟路由；

运营商基站边缘网络传输层，包括多个运营商基站，所述运营商基站边缘网络传输层用于接入运营商基站并传输工业数据；

本地工业边缘云层，包括多个本地工业边缘云，所述本地工业边缘云层用于分析并处理各本地工业边缘云的数据；

其中，所述工业分析处理器包括如上所述的虚拟路由转发装置。

本发明具有以下有益效果：

本发明提供的虚拟路由转发方法，获取第三方工业应用的多个工业边缘云虚拟路由转发请求，对多个所述工业边缘云虚拟路由转发请求中的评价指标进行深度分析和深度分析评价，生成工业边缘云虚拟路由转发请求的转发分析结果，发送所述转发分析结果至本地工业边缘云，以供所述本地工业边缘云根据所述转发分析结果执行虚拟路由转发并反馈执行结果至第三方工业应用。本发明能够降低第三方工业应用的工业边缘云虚拟路由转发的转发时延、流量成本及路由成本。

参照后文的说明和附图，详细公开了本发明的特定实施方式，指明了本发明的原理可以被采用的方式。应该理解，本发明的实施方式在范围上并不因而受到限制。在所附权利要求的精神和条款的范围内，本发明的实施方式包括许多改变、修改和等同。

针对一种实施方式描述和/或示出的特征可以以相同或类似的方式在一个或更多个其它实施方式中使用，与其它实施方式中的特征相组合，或替代其它实施方式中的特征。

应该强调，术语“包括/包含”在本文使用时指特征、整件、步骤或组件的存在，但并不排除一个或更多个其它特征、整件、步骤或组件的存在或附加。

附图说明

为了更清楚地说明本发明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发明的一些实施例，对于本领域技术人员来讲，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为本发明实施例提供的虚拟路由转发系统的场景图；

图2为本发明实施例提供的工业分析处理器所实现的虚拟路由转发方法的流程图；

图3为本发明实施例提供的深度分析和深度分析评价的方法流程图；

图4为本发明实施例提供的虚拟路由转发的分析逻辑结构图；

图5a-图5c为本发明实施例提供的深度分析原理图；

图6为本发明实施例提供深度分析的存储模型示意图；

图7为本发明实施例提供的虚拟路由转发装置的结构示意图；

图8为本发明实施例提供的分析生成模块的结构示意图；

图9为本发明实施例提供的一种服务器设备。

具体实施方式

为使本领域的技术人员更好地理解本发明的技术方案，下面结合附图对本发明中的技术方案进行清楚、完整的描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1为本发明实施例提供的虚拟路由转发系统的场景图，如图1所示，该虚拟路由转发系统的场景主要包括五个层面：1)各本地工业边缘云层，包含：若干工业边缘云，实现各本地工业边缘云的数据分析及处理；2)运营商基站边缘网络传输层，包含：运营商基站，实现运营商基站的接入及工业数据传输；3)工业边缘云虚拟路由接入层，由若干工业边缘云虚拟路由组成，实现工业边缘云虚拟路由高性能转发；4)区域边缘云层，由若干区域边缘云组成，实现区域边缘云的接入并传送工业边缘云虚拟路由转发请求；5)中心云分析层，由若干工业分析处理器和工业数据库组成，实现对来自第三方工业的工业边缘云虚拟路由转发请求的处理。

进一步地，该虚拟路由转发系统的场景还包括：第三方应用用户，用于发送工业边缘云虚拟路由转发请求至第三方工业应用。第三方工业应用，用于发送工业边缘云虚拟路由转发请求至中心云分析层。第三方应用用户可以为第三方应用用户设备端，第三方工业应用可以为第三方工业应用端。

在图1所示的场景中，虚拟路由转发方法的处理流程具体如下，其中的附图标号①、②、③、④、⑤、⑥、⑦、⑧、i、ii、iii、iv分别表示处理的步骤流程。

步骤①，第三方应用用户通过internet网向第三方工业应用提出工业边缘云虚拟路由转发请求；步骤②，第三方工业应用将工业边缘云虚拟路由转发请求传送给中心运分析层的工业分析处理器；步骤③，工业分析处理器结合工业数据库分析工业边缘云虚拟路由转发请求，并传送工业边缘云虚拟路由转发请求的分析结果给区域边缘云层；步骤④，区域边缘云层将工业边缘云虚拟路由转发请求的分析结果发送给工业边缘云虚拟路由；步骤⑤&⑥，工业边缘云虚拟路由将工业边缘云虚拟路由转发请求转发的分析结果经过运营商基站发送给各本地工业边缘云；步骤⑦，各本地工业边缘云执行工业边缘云虚拟路由转发请求转发的分析结果并反馈执行结果至第三方工业应用；步骤⑧，第三方工业应用将反馈结果传送给第三方应用用户。步骤i&ii&iii&iv，各本地工业边缘云层通过运营商基站、工业边缘云虚拟路由、区域边缘云将工业边缘云虚拟路由转发请求的执行结果传送给中心云分析层的工业分析处理器。

在上述应用场景中，通过工业分析处理器实现对工业边缘云虚拟路由转发请求的分析，通过对工业边缘云虚拟路由转发请求中的转发时延、流量成本和路由成本等评价指标进行处理，得到最优的转发时延、流量成本和路由成本并生成工业边缘云虚拟路由转发请求的转发分析结果，根据该转发分析结果对工业边缘云虚拟路由进行转发，以实现低时延、低流量成本、低路由成本的功能效果。

值得说明的是，工业分析处理器用于对虚拟路由转发请求进行分析处理并生成转发分析结果，并将转发分析结果转发给执行相应的虚拟路由转发请求的本地边缘云。该工业分析处理器可同时处理多个工业边缘云虚拟路由转发请求并生成对应的转发分析结果，各工业边缘云虚拟路由转发请求独立互不干扰。

以下详细介绍下本发明实施例的工业分析处理器所实现的虚拟路由转发功能。

图2为本发明实施例提供的工业分析处理器所实现的虚拟路由转发方法的流程图，如图2所示，该方法包括：

步骤101、获取第三方工业应用的多个工业边缘云虚拟路由转发请求，每一所述工业边缘云虚拟路由转发请求包括评价指标。

具体地，可采用实时主动兼被动的方式收集工业边缘云虚拟路由转发请求并实时分析。

步骤102、对多个所述工业边缘云虚拟路由转发请求中的评价指标进行深度分析和深度分析评价，生成工业边缘云虚拟路由转发请求的转发分析结果。

步骤103、发送所述转发分析结果至本地工业边缘云，以供所述本地工业边缘云根据所述转发分析结果执行虚拟路由转发并反馈执行结果至第三方工业应用。

图3为本发明实施例提供的深度分析和深度分析评价的方法流程图，本发明的深度分析和深度分析评价思想是对工业边缘云虚拟路由转发请求进行判断和分析，以使得各工业边缘云虚拟路由转发请求具有不同优先等级。本实施例的深度分析结合多维空间无向稀疏图混沌最短路径学习策略方法实现低转发时延、低流量成本、低路由成本的优势。

如图3所示，深度分析和深度分析评价的方法包括以下步骤：

步骤s1，设置迭代初始参数和最大迭代次数。

如：设置迭代初始参数为0，设置最大迭代次数为50。其中，最大迭代次数根据需求设置，一般不超过100。如果最大迭代次数的数值设置太小会导致不够精确，设置太大则浪费算力。

步骤s2，以多维空间无向稀疏图混沌最短路径学习策略分析多个所述工业边缘云虚拟路由转发请求中的评价指标并生成初始结果。

步骤s3，判断步骤s2中生成的初始结果是否满足深度分析评价条件，若满足，执行步骤s5，若不满足，执行步骤s4。

步骤s4，将所述迭代次数加1，并判断当前迭代次数是否超过所述最大迭代次数，若否，执行步骤s3，若是，执行步骤s5。

迭代次数每加1，即对初始结果执行一次迭代。

步骤s5，输出工业边缘云虚拟路由转发请求的转发分析结果。

图4为本发明实施例提供的虚拟路由转发的分析逻辑结构图，如图4所示，逻辑结构包含三个部分：工业边缘云虚拟路由转发请求的初始结果接收、以多维空间无向稀疏图混沌最短路径学习策略分析工业边缘云虚拟路由转发请求、分析结果输出。其中，各工业边缘云虚拟路由转发请求的信息主要包括：转发时延l、流量成本c、路由成本w，通过分析工业边缘云虚拟路由转发请求实现了针对各工业边缘云虚拟路由转发请求的转发时延l、流量成本c、路由成本w的分析处理，以多维空间无向稀疏图混沌最短路径学习策略实现分析并给出分析结果，最终生成的最优分析结果(也即为满足深度分析评价条件的分析结果)即为转发分析结果。本实施例中深度分析的方式可以为多维空间无向稀疏图混沌最短路径学习策略。

图5a-图5c为本发明实施例提供的深度分析原理图，如图5a所示，每次迭代中的多维空间无向稀疏图混沌最短路径学习策略学习分析思想为:在1,2，…h多维空间中，1,2，…w多个深度分析方案(本实施例中也即为转发时延l、流量成本c、路由成本w)根据多维空间无向稀疏图混沌最短路径学习策略方式向最优优化方案(本实施例中也即为满足深度分析评价条件的分析结果)确定的方向迁移，也即图5a中圆球所在位置。图5b为混沌最短路径学习策略原理，虚拟路由转发请求在输入后经过调整因子、混沌最短路径策略、学习因子分析后输出相应的转发分析结果。图5c为有序多权值稀疏图存储矩阵链原理：利用本地工业边缘云的间隔性存活信号自动发送(区域边缘云接收本地工业边缘云的间隔性存活信号，并预估出初始距离和流量成本权值)，将本地工业边缘云逐个纳入到工业边缘云有序多权值稀疏图中，稀疏图中的每个三级节点代表一个本地工业边缘云。进一步地，结合多维空间无向稀疏图混沌最短路径学习策略学习分析思想，基于多维空间、无向稀疏图、混沌理论、最短路径、概率论、生物学、运筹学、智能优化、机器学习等理论优势的深度分析得到转发分析结果。

本实施例中，当多个工业边缘云虚拟路由转发请求到达后，各虚拟路由转发请求被分析成相应的深度分析结果。若到来的工业边缘云虚拟路由转发请求被延迟，则其被赋予当前较高的分析调度优先权。

本发明实施例中，深度分析评价条件包括联合评价函数：

图6为本发明实施例提供的深度分析的存储模型示意图，该存储模型为在图6中，m、n、q分别代表深度分析对应的深度分析模型中的三个空间维数，图6中的各参数可根据下式的公式(1-3)计算得出。在该实施方式中，深度分析模型可以为多维空间无向稀疏图混沌最短路径学习策略，其包括混沌最短路径优化函数：

其中，式(1-4)中的mijt^k包含三方面的信息向量，式(1-1)至式(1-5)中的k表示第k次迭代，d表示所述最大迭代次数，且k＝1,2,……,d，表示当前第k次时延，表示当前第k次流量成本，表示当前第k次路由成本，表示第k+1次信息向量，表示第k次信息向量，表示第k+1次最优利用率调整因子，表示第k+1次最优利用率学习因子，l^mink表示第k次最小时延，c^mink表示第k次最小流量成本，w^mink表示第k次最小路由成本，l^ming表示历史最小时延，c^ming表示历史最小流量成本，w^ming表示历史最小路由成本。

基于上述的深度分析模型和联合评价函数，当联合评价函数不被满足时(也即为初始结果不满足深度分析评价条件时)，即触动基于工业边缘云的虚拟路由转发算法，以多维空间无向稀疏图混沌最短路径策略学习对虚拟路由转发方法进行深度分析并优化，以实现虚拟路由转发的低转发时延、低流量成本、低路由成本。

应当注意，尽管在附图中以特定顺序描述了本发明方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。

基于同一发明构思，在介绍了本发明示例性实施方式的方法之后，接下来，参考图7对本发明示例性实施方式的虚拟路由转发装置进行介绍。该装置的实施可以参见上述方法的实施，重复之处不再赘述。以下所使用的术语“模块”和“单元”，可以是实现预定功能的软件和/或硬件。尽管以下实施例所描述的模块较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。

图7为本发明实施例提供的虚拟路由转发装置的结构示意图，如图7所示，该装置包括：请求获取模块11、分析生成模块12和发送模块13。

请求获取模块11用于获取第三方工业应用的多个工业边缘云虚拟路由转发请求，每一所述工业边缘云虚拟路由转发请求包括评价指标。分析生成模块12用于对多个所述工业边缘云虚拟路由转发请求中的评价指标进行深度分析和深度分析评价，生成工业边缘云虚拟路由转发请求的转发分析结果。发送模块13用于发送所述转发分析结果至本地工业边缘云，以供所述本地工业边缘云转发所述转发分析结果至第三方工业应用的用户设备端。

进一步地，所述请求获取模块11具体用于通过定期被询问机制获取所述工业边缘云虚拟路由转发请求；和/或，获取每隔预置时间主动上报的所述工业边缘云虚拟路由转发请求。所述工业边缘云虚拟路由转发请求中的评价指标包括：转发时延、流量成本和路由成本。

进一步地，图8为本发明实施例提供的分析生成模块的结构示意图，如图8所示，该分析生成模块包括：参数设置子模块121、分析生成子模块122、判断子模块123和输出子模块124。

参数设置子模块121用于设置迭代初始参数和最大迭代次数。分析生成子模块122用于以多维空间无向稀疏图混沌最短路径学习策略分析多个所述工业边缘云虚拟路由转发请求中的评价指标并生成初始结果。判断子模块123用于判断初始结果是否满足深度分析评价条件。输出子模块124用于输出工业边缘云虚拟路由转发请求的转发分析结果。

在本装置实施例中，分析生成子模块122中存储有多维空间无向稀疏图混沌最短路径学习策略，判断子模块123中存储有深度分析评价条件，在具体实施时，深度分析评价条件可以为联合评价函数。

此外，尽管在上文详细描述中提及了虚拟路由转发装置的若干模块，但是这种划分仅仅并非强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多单元的特征和功能可以在一个单元中具体化。同样，上文描述的一个单元的特征和功能也可以进一步划分为由多个单元来具体化。

图9为本发明实施例提供的一种服务器设备，如图9所示，该服务器设备包括：存储器a和处理器b，所述存储器a中存储计算机程序，所述计算机程序被所述处理器b执行时，实现以下功能：

获取第三方工业应用的多个工业边缘云虚拟路由转发请求，每一所述工业边缘云虚拟路由转发请求包括评价指标；

对多个所述工业边缘云虚拟路由转发请求中的评价指标进行深度分析和深度分析评价，生成工业边缘云虚拟路由转发请求的转发分析结果；

发送所述转发分析结果至本地工业边缘云，以供所述本地工业边缘云根据所述转发分析结果执行虚拟路由转发并反馈执行结果至第三方工业应用。

本发明实施例揭示的虚拟路由转发方法、装置及系统，结合多维空间无向稀疏图混沌最短路径策略学习思想，基于多维空间、无向稀疏图、混沌理论、最短路径、概率论、生物学、运筹学、智能优化、机器学习等理论优势，并且结合本发明实施例提供的特有的虚拟路由转发系统场景，将工业边缘云的虚拟路由转发请求实时以基于工业边缘云的虚拟路由转发算法进行动态深度分析，实现虚拟路由转发的低转发时延、低流量成本和低路由成本。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，本说明书内容不应理解为对本发明的限制。对于本领域内的普通技术人员而言，在不脱离本发明的精神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为本发明的保护范围。