一种触发方法、装置、设备和计算机存储介质与流程

1.本发明涉及网络切片的重构触发技术，尤其涉及一种触发方法、装置、设备和计算机存储介质。


背景技术：

2.目前，网络切片是5g建设中的一项重要内容，该技术通过在同一物理基础平台上构建多个逻辑独立的专有网络，来满足垂直行业对网络服务的差异化需求。区别于传统的单一化网络管理模式，网络切片技术为个性化需求定制提供了更大的选择空间，并且为运营商承载多样化的网络服务提供了更便捷、高效、安全、低成本的运维方案。
3.第三代合作伙伴计划(3gpp，3rd generation partnership project)规定了切片生命周期的四个必经阶段，分别是准备阶段，实例化、配置、激活阶段，运行时阶段和下线阶段。其中，在准备阶段，需要明确承载网将会承载的业务的所有类型需求，并根据不同类型的需求定制不同的切片模板。在实例化、配置、激活阶段，需要将业务需求转变为网络性能需求，选择对应的切片模板，实现虚拟拓扑与物理承载拓扑的关联，配置相应的网络资源，实现切片基于模板的实例化。在运行时阶段，需要将业务承载到实例化的切片上。在下线阶段，需要删除已经服务完毕的实例化切片，并回收相关底层资源。
4.其中，在运行时阶段，可借助智能化的网络运维方法对切片状况进行监控，并根据业务需求的变化重构实例化的切片，实现切片结构和资源面向需求变化的自适应，从而增加切片的灵活性，提高网络的服务质量。
5.在相关技术中，通常是基于矩阵对网络切片进行标识和计算来实现对网络切片的重构进行触发的，然而该方法计算量较大，致使该触发方法复杂度较高，导致网络切片的重构触发效率较差；由此可以看出，现有的网络切片的重构触发方法存在效率低下的技术问题。


技术实现要素：

6.有鉴于此，本发明提供一种触发方法、装置、设备和计算机存储介质，以解决现有技术中存在的网络切片的重构触发方法存在效率低下的技术问题。
7.本发明的技术方案是这样实现的：
8.第一方面，本发明实施例提供了一种触发方法，所述方法包括：
9.获取网络切片的切片实例；
10.将所述切片实例输入至训练好的node2vec模型中，输出得到所述切片实例中节点的矢量；其中，所述节点的矢量元素包括：用于表示节点结构的量和用于表示节点负载的量；
11.根据节点的矢量，确定是否触发对所述切片实例的重构。
12.在上述方法中，采用如下方式得到所述训练好的node2vec模型：
13.从待训练的切片实例中获取起始节点和起始节点的下一跳节点，将所述下一跳节
点确定为当前节点，并设置采样次数i的初始值为1；
14.获取当前节点的相邻节点；
15.当i小于采样步长时，按照预设的偏置游走概率算法，计算当前节点与所述相邻节点的偏置游走概率；其中，所述预设的偏置游走概率是与当前时刻采用切片实例时的当前业务的网络性能参数成正相关的；
16.将计算出的偏置游走概率按照由大到小进行排序，并选取排在前m个的相邻节点，将选取出的相邻节点确定为当前节点，i更新为i+1，返回执行所述获取当前节点的相邻节点；其中，m为小于相邻节点的个数的正整数；
17.当i大于等于采样步长时，将采样得到的至少两组节点序列输入至预设的node2vec模型中进行训练，得到所述训练好的node2vec模型。
18.在上述方法中，所述当前业务的网络性能参数包括以下一项或多项：
19.当前业务的平均占用带宽，当前业务的平均消息时延和当前业务的平均丢包率。。
20.在上述方法中，采用下述公式计算得到当前节点至所述相邻节点的偏置游走概率π
vx
：
21.π
vx
＝α
pq
(t,x)
·wvx
[0022][0023][0024]
其中，v表示当前节点，t表示当前节点的相邻节点，w0表示当前时刻当前业务的平均占用带宽，t0代表当前时刻当前业务的平均消息时延，e0代表当前时刻当前业务的平均丢包率，kw是w0的估计等级，k
t
是t0的估计等级，ke是e0的估计等级，d
tx
表示节点t跳到节点x需要的最短跳转次数。
[0025]
在上述方法中，所述根据节点的矢量，确定是否触发对所述切片实例的重构，包括：
[0026]
根据节点的矢量，计算所述切片实例中任意两个节点之间的欧式距离；
[0027]
当任意两个节点之间的欧式距离满足预设条件时，触发对所述切片实例的重构。
[0028]
在上述方法中，当任意两个节点之间的欧式距离满足预设条件时，触发对所述切片实例的重构，包括：
[0029]
当任意两个节点之间的欧式距离中存在小于预设的节点间最小欧氏距离的距离时，触发对所述切片实例的重构。
[0030]
在上述方法中，当任意两个节点之间的欧式距离满足预设条件时，触发对所述切片实例的重构，包括：
[0031]
当任意两个节点之间的欧式距离中存在大于预设的节点间最大欧氏距离的距离时，触发对所述切片实例的重构。
[0032]
在上述方法中，所述方法还包括：
[0033]
当任意两个节点之间的欧式距离中不存在小于预设的节点间最小欧氏距离的距离，且任意两个节点之间的欧式距离中不存在大于预设的节点间最大欧氏距离的距离时，禁止触发对所述切片实例的重构。
[0034]
第二方面，本发明提供了一种触发装置，所述装置包括：
[0035]
获取模块，用于获取网络切片的切片实例；
[0036]
处理模块，用于将所述切片实例输入至训练好的node2vec模型中，输出得到所述切片实例中节点的矢量；其中，所述节点的矢量元素包括：用于表示节点结构的量和用于表示节点负载的量；
[0037]
触发模块，用于根据节点的矢量，确定是否触发对所述切片实例的重构。
[0038]
在上述装置中，所述装置还用于：
[0039]
采用如下方式得到所述训练好的node2vec模型：
[0040]
从待训练的切片实例中获取起始节点和起始节点的下一跳节点，将所述下一跳节点确定为当前节点，并设置采样次数i的初始值为1；
[0041]
获取当前节点的相邻节点；
[0042]
当i小于采样步长时，按照预设的偏置游走概率算法，计算当前节点与所述相邻节点的偏置游走概率；其中，所述预设的偏置游走概率是与当前时刻采用切片实例时的当前业务的网络性能参数成正相关的；
[0043]
将计算出的偏置游走概率按照由大到小进行排序，并选取排在前m个的相邻节点，将选取出的相邻节点确定为当前节点，i更新为i+1，返回执行所述获取当前节点的相邻节点；其中，m为小于相邻节点的个数的正整数；
[0044]
当i大于等于采样步长时，将采样得到的至少两组节点序列输入至预设的node2vec模型中进行训练，得到所述训练好的node2vec模型。
[0045]
在上述装置中，所述当前业务的网络性能参数包括以下一项或多项：
[0046]
当前业务的平均占用带宽，当前业务的平均消息时延和当前业务的平均丢包率。
[0047]
在上述装置中，所述装置还用于：采用下述公式计算得到当前节点至所述相邻节点的偏置游走概率π
vx
：
[0048]
π
vx
＝α
pq
(t,x)
·wvx
[0049][0050][0051]
其中，v表示当前节点，t表示当前节点的相邻节点，w0表示当前时刻当前业务的平均占用带宽，t0代表当前时刻当前业务的平均消息时延，e0代表当前时刻当前业务的平均丢包率，kw是w0的估计等级，k
t
是t0的估计等级，ke是e0的估计等级，d
tx
表示节点t跳到节点x需
要的最短跳转次数。
[0052]
在上述装置中，所述触发模块，具体用于：
[0053]
根据节点的矢量，计算所述切片实例中任意两个节点之间的欧式距离；
[0054]
当任意两个节点之间的欧式距离满足预设条件时，触发对所述切片实例的重构。
[0055]
在上述装置中，当任意两个节点之间的欧式距离满足预设条件时，所述触发模块触发对所述切片实例的重构中，包括：
[0056]
当任意两个节点之间的欧式距离中存在小于预设的节点间最小欧氏距离的距离时，触发对所述切片实例的重构。
[0057]
在上述装置中，当任意两个节点之间的欧式距离满足预设条件时，所述触发模块触发对所述切片实例的重构中，包括：
[0058]
当任意两个节点之间的欧式距离中存在大于预设的节点间最大欧氏距离的距离时，触发对所述切片实例的重构。
[0059]
在上述装置中，所述装置还用于：
[0060]
当任意两个节点之间的欧式距离中不存在小于预设的节点间最小欧氏距离的距离，且任意两个节点之间的欧式距离中不存在大于预设的节点间最大欧氏距离的距离时，禁止触发对所述切片实例的重构。
[0061]
第三方面，本发明实施例还提供了一种设备，所述设备包括：处理器以及存储有所述处理器可执行指令的存储介质，所述存储介质通过通信总线依赖所述处理器执行操作，当所述指令被所述处理器执行时，执行上述一个或多个实施例所述触发方法。
[0062]
本发明实施例提供了一种计算机存储介质，存储有可执行指令，当所述可执行指令被一个或多个处理器执行的时候，所述处理器执行上述一个或多个实施例所述触发方法。
[0063]
本发明所提供的一种触发方法、装置、设备和计算机存储介质，该方法包括：获取网络切片的切片实例，将切片实例输入至训练好的node2vec模型中，输出得到切片实例中节点的矢量，其中，节点的矢量元素包括：用于表示节点结构的量和用于表示节点负载的量，根据节点的矢量，确定触发对切片实例的重构；也就是说，在本发明中，在获取到网络切片的切片实例之后，将切片实例输入至训练好的node2vec模型中，能够得到切片实例的节点的矢量，由于得到的矢量中包含有用于表示节点结构和节点负载的量，并且，基于节点的矢量可以反映出切片的结构和切片的负载情况，那么，根据节点的矢量来确定是否触发切片实例的重构中，由于节点的矢量具有两个维度，利用两个维度的矢量降低了确定是否触发切片实例的重构的复杂度，从而提高了网络切片是否需要重构的决策效率，进而提高了网络切片进行重构的重构效率。
附图说明
[0064]
图1为本发明实施例中的一种可选的触发方法的流程示意图；
[0065]
图2为相关技术中标注有偏置权重的切片实例的网络拓扑图；
[0066]
图3为本发明实施例提供的一种可选的触发方法的实例的流程示意图；
[0067]
图4为本发明实施例中的一种可选的触发装置的结构示意图；
[0068]
图5为本发明实施例提供的一种可选的设备的结构示意图。
具体实施方式
[0069]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。
[0070]
实施例一
[0071]
本发明实施例提供一种触发方法，图1为本发明实施例中的一种可选的触发的流程示意图，如图1所示，该触发方法可以包括：
[0072]
s101：获取网络切片的切片实例；
[0073]
目前，针对网络切片来说，在切片服务开始以后，首先从切片模板库中选择与当前业务需求匹配的切片模板，再根据选择的切片模板创建切片实例，然后上线切片实例承载业务需求，切片实例上线后，基于矩阵来表示切片实例，确定是否触发对切片实例的重构；然后基于矩阵来确定是否触发对切片实例的重构中，由于矩阵的维度较高，这样，采用矩阵表示切片信息，使得在确定是否触发对切片实例的重构中的计算复杂度增大，从而增加了监测切片实例的成本。
[0074]
为了降低确定是否触发切片实例的重构的复杂度以降低监测切片实例的成本，本发明实施例提供一种触发方法，该方法用于确定是否触发对切片实例的重构方法，首先，获取网络切片的切片实例。
[0075]
这里，需要说明的是，本发明实施例所提供的触发方法部署在切片实例上线运行之后，即上述运行时阶段，也就是说，在切片服务开始以后，首先从切片模板库中选择与当前业务需求匹配的切片模板，再根据选择的切片模板创建切片实例，然后上线切片实例承载业务需求，切片实例上线后，获取切片实例。
[0076]
其中，上述切片实例的当前业务可以是购物类应用程序，也可以是移动通话业务，还可以是通讯类应用程序，这里，本发明实施例对此不作具体限定。
[0077]
s102：将切片实例输入至训练好的node2vec模型中，输出得到切片实例中节点的矢量；
[0078]
在获取到切片实例中，获取到了切片实例的拓扑图，其中，切片实例的拓扑图中包含有切片实例中的节点以及节点与节点之间的连接关系，那么，将切片实例输入至训练好的node2vec模型中，从而可以输出得到切片实例中节点的矢量。
[0079]
上述训练好的node2vec模型是通过采样得到样本数据，然后利用样本数据对node2vec模型进行训练得到的，其中，node2vec模型是用来产生网络中节点向量的模型，模型的输入是网络结构，输出是每个节点的向量。
[0080]
这里，通过将node2vec模型中引入切片问题的处理，将切片信息从n维降到了2维，有效降低了切片信息表示和存储的空间复杂度，降低了切片的管理监测成本，提高了网络运维效益。
[0081]
其中，节点的矢量元素包括：用于表示节点结构的量和用于表示节点负载的量；也就是说，得到的节点的矢量可以反映出节点的结构和节点的负载情况，这样，根据节点的矢量来确定是否触发对切片实例的重构中，主要是根据节点的结构和节点的负载情况来确定是否触发对切片实例的重构，这样得到的节点矢量有利于在保证较低的计算量的条件下，结合节点自身的结构和当前的负载情况能够准确地确定出是否触发对切片实例的重构，增加了决策的准确性。
[0082]
进一步地，为了得到训练好的node2vec模型，在一种可选的实施例中，采用如下方式得到训练好的node2vec模型：
[0083]
从待训练的切片实例中获取起始节点和起始节点的下一跳节点，将下一跳节点确定为当前节点，并设置采样次数i的初始值为1；
[0084]
获取当前节点的相邻节点；
[0085]
当i小于采样步长时，按照预设的偏置游走概率算法，计算当前节点与相邻节点的偏置游走概率；
[0086]
将计算出的偏置游走概率按照由大到小进行排序，并选取排在前m个的相邻节点，将选取出的相邻节点确定为当前节点，i更新为i+1，返回执行获取当前节点的相邻节点；
[0087]
当i大于等于采样步长时，将采样得到的至少两组节点序列输入至预设的node2vec模型中进行训练，得到训练好的node2vec模型。
[0088]
具体来说，获取待训练的切片实例，其中，待训练的切片实例的个数可以为一个或者多个，这里，本发明实施例对此不作具体限定。
[0089]
为了得到模型训练的样本数据，采用如下方式进行采样的：针对待训练的切片实例，先随机确定出一个起始节点，然后在从起始节点的相邻节点中随机确定出起始节点的下一跳节点，并将下一跳节点确定为当前节点，由于采样步长是预先设置好的，所以这里为了按照采样步长进行采样，设置采样次数i的初始值为1。
[0090]
然后获取当前节点的相邻节点，并判断i与采样步长之间的关系，当i小于采样步长时，按照预设的偏置游走概率算法计算当前节点与相邻节点的偏置游走概率。
[0091]
图2为相关技术中标注有偏置权重的切片实例的网络拓扑图，如图2所示，t表示起始节点，v表示起始节点的下一跳节点，t，x1，x2和x3表示v节点的相邻节点，在相关技术中，node2vec模型中的游走方式采用下述公式来计算偏置游走概率α
pq
(t,x)：
[0092][0093]
其中，结合图2，参数p和q分别用于控制采样过程对广度优先搜索(bfs，breadth first search)和深度优先搜索(dfs，depth first search)的倾向性，p是返回参数，p越大，采样过程中得到相同节点的概率越小，q是进出参数，若q》1，采样过程将倾向于bfs，若q《1，采样过程则倾向于dfs，d
tx
表示节点t跳到节点v需要的最短跳转次数。
[0094]
在本发明实施例中，为了实现对切片实例重构的触发，这里，提供了一种预设的偏置游走概率，其中，预设的偏置游走概率是与当前时刻采用切片实例时的当前业务的网络性能参数成正相关的，也就是说，偏置游走概率的值是随着切片实例的当前业务的网络性能参数的增大而增大，随着切片实例的当前业务的网络性能参数的减小而减小，这样，将偏置游走概率与当前业务的网络性能参数联系起来。
[0095]
再将计算出的偏置游走概率按照由大到小进行排序，并选取排在前m个的相邻节点作为当前节点，其中，m为小于相邻节点的个数的正整数；这样，使得采样得到的训练样本为当前业务的网络性能参数较好的节点序列，提高了训练样本的质量，从而可以训练出更加符合要求的node2vec模型。
[0096]
在通过选取相邻节点来更新当前节点之后，i更新为i+1，进行下一次采样，返回执行获取当前节点的相邻节点。
[0097]
另外，当i大于等于采样步长，说明采样已经完成，那么，将采样中跳转的至少两组节点序列作为训练样本，输入至预设的node2vec模型中进行训练，得到训练好的node2vec模型。
[0098]
本发明实施例中，在训练好的node2vec模型的采样阶段引入偏置参数w
vx
，使采样所得的节点序列样本能够训练出融合切片结构和负载状态的映射模型，完成了切片结构和负载信息的融合映射，可实现了多因素导向的重构决策。
[0099]
为了更加准确地确定出是否触发对切片实例的重构，在一种可选的实施例中，当前业务的网络性能参数包括以下一项或多项：
[0100]
当前业务的平均占用带宽，当前业务的平均消息时延和当前业务的平均丢包率。
[0101]
具体来说，当前业务的网络性能参数可以包括当前业务的平均占用带宽，当前业务的平均消息时延和当前业务的平均丢包率中的一项或多项，这里，本发明实施例对此不作具体限定。
[0102]
进一步地，为了更加准确地确定出是否触发对切片实例的重构，当前业务的网络性能参数可以包括当前业务的平均占用带宽，当前业务的平均消息时延和当前业务的平均丢包率，在一种可选的实施例中，采用下述公式计算得到当前节点至相邻节点的偏置游走概率π
vx
：
[0103]
π
vx
＝α
pq
(t,x)
·wvx
ꢀꢀꢀ
(2)
[0104][0105]
其中，v表示当前节点，t表示当前节点的相邻节点，w0表示当前时刻当前业务的平均占用带宽，t0代表当前时刻当前业务的平均消息时延，e0代表当前时刻当前业务的平均丢包率，kw是w0的估计等级，k
t
是t0的估计等级，ke是e0的估计等级。
[0106]
其中，在实际应用中，上述kw，k
t
和ke之和为1，并且，可以通过调整这三个估计等级参数可以调节占用带宽、消息时延和丢包率在采样决策中的重要性程度。
[0107]
这里，在原有的偏置游走概率采用上述公式(1)的基础上，引入公式(3)，即在原有的偏置游走概率的基础上乘以w
vx
，使得采用预设的偏置游走概率算法得到的π
vx
融入了节点的结构和节点的负载情况，这样使得得到的偏置游走概率考虑到了当前业务的网络性能，使得选取出的相邻节点为网络性能较好的网络节点，有利于提高训练样本的质量，进而有利于训练出更加准确的node2vec模型。
[0108]
s103：根据节点的矢量，确定是否触发对切片实例的重构。
[0109]
在确定出切片实例的节点矢量之后，为了确定出是否触发对切片实例的重构，可以根据节点的矢量来确定是否触发对切片实例的重构，例如，可以是利用节点的矢量中的其中一个分量来确定是否触发对切片实例的重构，还可以是利用节点的矢量中的另一外一个分量来确定是否触发对切片实例的重构，还可以是利用节点矢量的两个分量来确定是否触发对切片实例的重构，这里，本发明实施例对此不作具体限定。
[0110]
为了确定出是否触发对切片实例的重构，在一种可选的实施例中，s102可以包括：
[0111]
根据节点的矢量，计算切片实例中任意两个节点之间的欧式距离；
[0112]
当任意两个节点之间的欧式距离满足预设条件时，触发对切片实例的重构。
[0113]
具体来说，根据节点的矢量，利用两点之间的距离公式，来计算出切片实例中任意两个节点之间的欧式距离，然后判断任意两个节点之间的欧式距离是否满足预设条件，只有满足预设条件时，才触发对切片实例的重构，不满足预设条件时，禁止触发对切片实例的重构。
[0114]
进一步地，为了触发对切片实例的重构，在一种可选的实施例中，当任意两个节点之间的欧式距离满足预设条件时，触发对切片实例的重构，包括：
[0115]
当任意两个节点之间的欧式距离中存在小于预设的节点间最小欧氏距离的距离时，触发对切片实例的重构。
[0116]
具体来说，在该触发方法中预先设置有预设的节点间最小欧氏距离，最小欧氏距离代表矢量空间中可接受的最小矢量距离，其现实意义是当前切片实例中对应两个节点之间所能承载的负载上限，那么，当任意两个节点之间的欧式距离中存在小于预设的节点间最小欧氏距离的距离时，说明切片实例中存在两个节点之间的负载低于当前切片实例中对应两个节点之间所能承载的负载上限，可见，当前切片实例不能保证当前业务的稳定运行，所以，触发对切片实例的重构。
[0117]
进一步地，为了触发对切片实例的重构，在一种可选的实施例中，当任意两个节点之间的欧式距离满足预设条件时，触发对切片实例的重构，包括：
[0118]
当任意两个节点之间的欧式距离中存在大于预设的节点间最大欧氏距离的距离时，触发对切片实例的重构。
[0119]
具体来说，在该触发方法中预先设置有预设的节点间最大欧氏距离，最大欧氏距离代表矢量空间中可接受的最大矢量距离，其现实意义是当前切片实例中对应两个节点之间可接受的资源占用率的下限，那么，当任意两个节点之间的欧式距离中存在大于预设的节点间最大欧氏距离的距离时，说明切片实例中存在两个节点之间的资源占用率大于当前切片实例中对应两个节点之间可接受的资源占用率的下限，可见，当前切片实例不能保证当前业务的稳定运行，所以，触发对切片实例的重构。
[0120]
为了实现对切片实例的重构的准确触发，在一种可选的实施例中，上述方法还包括：
[0121]
当任意两个节点之间的欧式距离中不存在小于预设的节点间最小欧氏距离的距离，且任意两个节点之间的欧式距离中不存在大于预设的节点间最大欧氏距离的距离时，禁止触发对切片实例的重构。
[0122]
当任意两个节点之间的欧式距离中不存在小于预设的节点间最小欧氏距离的距离时，说明切片实例中不存在两个节点之间的负载低于当前切片实例中对应两个节点之间所能承载的负载上限，当任意两个节点之间的欧式距离中不存在大于预设的节点间最大欧氏距离的距离时，说明切片实例中不存在两个节点之间的资源占用率大于当前切片实例中对应两个节点之间可接受的资源占用率的下限，可见，当前切片实例能够保证当前业务的稳定运行，所以，禁止触发对切片实例的重构。
[0123]
下面举实例来对上述一个或多个实施例所述的触发方法进行描述。
[0124]
图3为本发明实施例提供的一种可选的触发方法的实例的流程示意图，如图3所示，本实例的切片重构触发方法部署在切片实例上线运行之后，切片实例下线之前，实现了
标准切片生命周期下静态切片向弹性切片的演进；该触发方法可以包括：
[0125]
s301：切片服务开始后，首先从切片模板库中选择切片模板；其中，所选择的切片模板是与当前业务需求匹配的；
[0126]
s302：根据选择的切片模板创建切片实例；
[0127]
s303：切片实例上线运行，承载业务需求。
[0128]
具体来说，切片实例上线后，启动本发明提出的切片重构触发策略。
[0129]
s304：判断切片服务是否结束；若为是，执行s305，若为否，执行s306；
[0130]
s305：切片实例下线；执行s311；
[0131]
s306：采用s策略采样，即对待训练的切片实例进行采用，得到训练样本；
[0132]
s307：利用训练样本训练node2vec模型，得到训练好的node2vec模型；
[0133]
s308：将切片实例输入至训练好的node2vec模型中，把切片实例映射到矢量空间，得到切片实例中节点的矢量；
[0134]
具体来说，切片重构触发策略首先基于s采样策略(相当于上述一个或多个实施例所述的采样方式)对当前切片进行采样，再用采集的样本训练node2vec模型，然后把切片输入训练好的模型得到切片结构及负载状态在低维矢量空间的映射结果。
[0135]
需要指出的是，利用s策略所得的训练数据训练node2vec模型，该模型可将切片及切片负载从高维信息空间映射到二维矢量空间，每个虚节点都得到了其对应的二维矢量表示。由于在node2vec采样的偏置游走策略中融合了虚链路负载状态的信息，矢量间的欧式距离不仅能代表拓扑结构的连接相似性，也能代表两个虚节点间的负载状态。
[0136]
s309：计算节点之间的欧式距离，判断欧式距离中是否存在超出阈值的距离；若存在，执行s310，若不存在，执行s304；
[0137]
s310：重构切片，即触发对切片实例的重构；
[0138]
s311：回收资源，服务结束。
[0139]
具体来说，映射完成后开始阈值检查，查看是否存在超出阈值范围的矢量对。若存在，则重构当前切片，用重构后的切片取代当前运行的切片，并对重构后的切片继续执行重构触发策略的监测；若不存在，则对当前切片继续执行重构触发策略的监测。如果切片服务结束，则将切片实例下线，并回收分配给切片的所有资源，结束本次服务。
[0140]
针对阈值检查，具体来说，如果两个节点间存在虚链路连接或它们之间的业务负载较重都可能导致它们在矢量空间中对应矢量对的欧氏距离变近，基于这种变化关系，本实例的切片状态监测算法将设立两个阈值，阈值t
min
代表矢量空间中可接受的最小矢量距离，其现实意义是当前切片实例中对应两个节点之间所能承载的负载上限，当监测到矢量空间中出现了小于t
min
的欧氏距离时，将触发切片重构。阈值t
max
代表矢量空间中可接受的最大矢量距离，其现实意义是切片实例中对应两个节点之间可接受的资源占用率下限，当监测到矢量空间中出现了大于t
max
的欧氏距离时，将会触发切片重构。两种情况下触发切片重构的区别是前者在重构时会为新的切片实例分配比现有切片实例更多的承载资源，而后者会分配比现有切片实例更少的承载资源。
[0141]
也就是说，本实例提出了一种基于node2vec的切片状态监测方法，通过将切片结构和切片负载从高维信息空间映射到二维矢量空间，降低了存储切片结构及切片状态所需的空间复杂度，降低了监测切片结构及切片状态的空间成本，提高了管理切片结构及切片
状态的效率，采用基于二维矢量空间的切片重构触发决策，在node2vec算法输出的二维矢量图中，矢量与切片拓扑中的节点存在一一对应关系，矢量关系反映了切片智利中节点之间的拓扑结构和负载状态，将矢量间的关系运算结果作为重构触发的判断标准实现了切片结构和负载的多维信息融合决策，提高了决策的准确性，采用采样策略s，通过在node2vec模型采样阶段引入偏置参数w
vx
，使采样所得的节点序列样本能够训练出融合切片结构和负载状态的映射模型，为node2vec模型在切片表示和监测领域的应用提供了实现方案。
[0142]
本发明所提供的一种触发方法，该方法包括：获取网络切片的切片实例，将切片实例输入至训练好的node2vec模型中，输出得到切片实例中节点的矢量，其中，节点的矢量元素包括：用于表示节点结构的量和用于表示节点负载的量，根据节点的矢量，确定触发对切片实例的重构；也就是说，在本发明中，在获取到网络切片的切片实例之后，将切片实例输入至训练好的node2vec模型中，能够得到切片实例的节点的矢量，由于得到的矢量中包含有用于表示节点结构和节点负载的量，并且，基于节点的矢量可以反映出切片的结构和切片的负载情况，那么，根据节点的矢量来确定是否触发切片实例的重构中，由于节点的矢量具有两个维度，利用两个维度的矢量降低了确定是否触发切片实例的重构的复杂度，从而提高了网络切片是否需要重构的决策效率，进而提高了网络切片进行重构的重构效率。
[0143]
实施例二
[0144]
基于同一发明构思，本发明实施例提供一种触发装置，图4为本发明实施例中的一种可选的触发装置的结构示意图，如图4所示，该触发装置包括：获取模块41、处理模块42和触发模块43；
[0145]
其中，获取模块41，用于获取网络切片的切片实例；
[0146]
处理模块42，用于将切片实例输入至训练好的node2vec模型中，输出得到切片实例中节点的矢量；其中，节点的矢量元素包括：用于表示节点结构的量和用于表示节点负载的量；
[0147]
触发模块43，用于根据节点的矢量，确定是否触发对切片实例的重构。
[0148]
在一种可选的实施例中，上述装置还用于：
[0149]
采用如下方式得到训练好的node2vec模型：
[0150]
从待训练的切片实例中获取起始节点和起始节点的下一跳节点，将下一跳节点确定为当前节点，并设置采样次数i的初始值为1；
[0151]
获取当前节点的相邻节点；
[0152]
当i小于采样步长时，按照预设的偏置游走概率算法，计算当前节点与相邻节点的偏置游走概率；其中，预设的偏置游走概率是与当前时刻采用切片实例时的当前业务的网络性能参数成正相关的；
[0153]
将计算出的偏置游走概率按照由大到小进行排序，并选取排在前m个的相邻节点，将选取出的相邻节点确定为当前节点，i更新为i+1，返回执行获取当前节点的相邻节点；其中，m为小于相邻节点的个数的正整数；
[0154]
当i大于等于采样步长时，将采样得到的至少两组节点序列输入至预设的node2vec模型中进行训练，得到训练好的node2vec模型。
[0155]
在一种可选的实施例中，当前业务的网络性能参数包括以下一项或多项：
[0156]
当前业务的平均占用带宽，当前业务的平均消息时延和当前业务的平均丢包率。
[0157]
在一种可选的实施例中，上述装置还用于：
[0158]
采用上述公式(1)-公式(3)计算得到当前节点至相邻节点的偏置游走概率π
vx
。
[0159]
在一种可选的实施例中，上述触发模块43具体用于：
[0160]
根据节点的矢量，计算切片实例中任意两个节点之间的欧式距离；
[0161]
当任意两个节点之间的欧式距离满足预设条件时，触发对切片实例的重构。
[0162]
在一种可选的实施例中，当任意两个节点之间的欧式距离满足预设条件时，上述触发模块43触发对切片实例的重构中，包括：
[0163]
当任意两个节点之间的欧式距离中存在小于预设的节点间最小欧氏距离的距离时，触发对切片实例的重构。
[0164]
在一种可选的实施例中，当任意两个节点之间的欧式距离满足预设条件时，上述触发模块43触发对切片实例的重构中，包括：
[0165]
当任意两个节点之间的欧式距离中存在大于预设的节点间最大欧氏距离的距离时，触发对切片实例的重构。
[0166]
在一种可选的实施例中，上述装置还用于：
[0167]
当任意两个节点之间的欧式距离中不存在小于预设的节点间最小欧氏距离的距离，且任意两个节点之间的欧式距离中不存在大于预设的节点间最大欧氏距离的距离时，禁止触发对切片实例的重构。
[0168]
在实际应用中，上述获取模块41、处理模块42和触发模块43可由位于设备上的处理器实现，具体为中央处理器(cpu，central processing unit)、微处理器(mpu，microprocessor unit)、数字信号处理器(dsp，digital signal processing)或现场可编程门阵列(fpga，field programmable gate array)等实现。
[0169]
图5为本发明实施例提供的一种可选的设备的结构示意图，如图5所示，本发明实施例提供了一种设备500，包括：
[0170]
处理器51以及存储有所述处理器51可执行指令的存储介质52，所述存储介质52通过通信总线53依赖所述处理器51执行操作，当所述指令被所述处理器51执行时，执行上述实施例一所述的触发方法。
[0171]
需要说明的是，实际应用时，终端中的各个组件通过通信总线53耦合在一起。可理解，通信总线53用于实现这些组件之间的连接通信。通信总线53除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见，在图5中将各种总线都标为通信总线53。
[0172]
本发明实施例提供了一种计算机存储介质，存储有可执行指令，当所述可执行指令被一个或多个处理器执行的时候，所述处理器执行实施例一所述的触发方法。
[0173]
其中，计算机可读存储介质可以是磁性随机存取存储器(ferromagnetic random access memory，fram)、只读存储器(read only memory，rom)、可编程只读存储器(programmable read-only memory，prom)、可擦除可编程只读存储器(erasable programmable read-only memory，eprom)、电可擦除可编程只读存储器(electrically erasable programmable read-only memory，eeprom)、快闪存储器(flash memory)、磁表面存储器、光盘、或只读光盘(compact disc read-only memory，cd-rom)等存储器。
[0174]
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，本发明可采用硬件实施例、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和光学存储器等)上实施的计算机程序产品的形式。
[0175]
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。
[0176]
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。
[0177]
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。
[0178]
以上所述，仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。