5G专网数据分流方法、装置、设备及存储介质与流程

5g专网数据分流方法、装置、设备及存储介质
技术领域
1.本发明涉及但不限于通信技术领域，尤其涉及一种5g专网数据分流方法、装置、设备及存储介质。


背景技术：

2.第五代移动通信技术(5th generation mobile communication technology，5g)是具有高速率、低时延和大连接特点的新一代宽带移动通信技术，5g通讯设施是实现人机物互联的网络基础设施。
3.目前，5g专网数据在上传过程中，全部数据都上传至移动边缘计算平台，部分数据再从移动边缘计算平台上传至云计算平台，不同数据的处理需求不同，没有对移动边缘计算平台接收的数据进行分流处理，容易导致网络负荷加重，亟需一种能够按照数据处理需求进行数据分流方法。


技术实现要素：

4.以下是对本文详细描述的主题的概述。本概述并非是为了限制权利要求的保护范围。
5.本发明实施例提供了一种5g专网数据分流方法、装置、设备及存储介质，能够对移动边缘计算平台接收的数据进行分流处理，减轻网络负荷。
6.第一方面，本发明还提供了一种5g专网数据分流方法，所述方法包括：获取5g专网上行数据，其中，所述5g专网上行数据包括多个业务数据包；对所述业务数据包进行优先级分析，确定所述业务数据包处于高优先级或低优先级；当所述业务数据包处于高优先级，将所述业务数据包发送至预设的移动边缘计算平台；当所述业务数据包处于低优先级，将所述业务数据包发送至预设的云计算平台。
7.在一些实施例中，所述对所述业务数据包进行优先级分析，确定所述业务数据包处于高优先级或低优先级，包括：将所述业务数据包输入已训练的优先级分类模型，得到第一预测结果，其中，所述第一预测结果用于表征所述业务数据包处于高优先级或低优先级。
8.在一些实施例中，所述优先级分类模型通过以下步骤训练得到：获取多个训练数据包和所述训练数据包对应的优先级标签，所述优先级标签用于表征所述训练数据包处于高优先级或低优先级；将所述训练数据包输入所述优先级分类模型，得到第二预测结果；根据所述优先级标签和所述第二预测结果确定模型损失值；基于所述模型损失值，对所述优先级分类模型的模型参数进行更新，得到已训练的所述优先级分类模型。
9.在一些实施例中，所述当所述业务数据包处于高优先级，将所述业务数据包发送至预设的移动边缘计算平台，包括：获取来自所述移动边缘计算平台的负荷状态信息；根据所述负荷状态信息，确定所述移动边缘计算平台处于低负荷状态或高负荷状态；当所述业务数据包处于高优先级且所述移动边缘计算平台处于低负荷状态，将所述业务数据包发送至所述移动边缘计算平台。
10.在一些实施例中，所述方法还包括：当所述业务数据包处于高优先级且所述移动边缘计算平台处于高负荷状态，将所述业务数据包发送至所述云计算平台。
11.在一些实施例中，所述对所述业务数据包进行优先级分析，确定所述业务数据包处于高优先级或低优先级的步骤之前，还包括：对所述5g专网上行数据进行预处理，其中，所述预处理用于剔除所有所述5g专网上行数据中的异常数据。
12.第二方面，本发明还提供了一种5g专网数据分流装置，所述装置包括：获取单元，用于获取5g专网上行数据，其中，所述5g专网上行数据包括多个业务数据包；分析单元，用于对所述业务数据包进行优先级分析，确定所述业务数据包处于高优先级或低优先级；第一发送单元，用于当所述业务数据包处于高优先级，将所述业务数据包发送至预设的移动边缘计算平台；第二发送单元，用于当所述业务数据包处于低优先级，将所述业务数据包发送至预设的云计算平台。
13.在一些实施例中，所述装置还包括：预处理单元，用于对所述5g专网上行数据进行预处理，其中，所述预处理用于剔除所有所述5g专网上行数据中的异常数据。
14.第三方面，本发明实施例还提供了一种电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上第一方面所述的5g专网数据分流方法。
15.第四方面，本发明实施例还提供了一种计算机可读存储介质，存储有计算机可执行指令，所述计算机可执行指令用于执行如上第一方面所述的5g专网数据分流方法。
16.本发明实施例包括：获取5g专网上行数据，其中，所述5g专网上行数据包括多个业务数据包；对所述业务数据包进行优先级分析，确定所述业务数据包处于高优先级或低优先级；当所述业务数据包处于高优先级，将所述业务数据包发送至预设的移动边缘计算平台；当所述业务数据包处于低优先级，将所述业务数据包发送至预设的云计算平台。根据本发明实施例提供的方案，通过对5g专网上行数据的各个业务数据包进行优先级分析，得到各个业务数据包的优先级状态，将处于高优先级的业务数据包发送至移动边缘计算平台，将处于低优先级的业务数据包直接发送至云计算平台，实现了按照数据的处理需求对数据进行分流处理，能够对移动边缘计算平台接收的数据进行分流处理，减轻网络负荷。
17.本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
18.附图用来提供对本发明技术方案的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明的技术方案，并不构成对本发明技术方案的限制。
19.图1是本发明一个实施例提供的5g专网数据分流方法的流程图；
20.图2是本发明另一个实施例提供的一种得到第一预测结果的流程图；
21.图3是本发明另一个实施例提供的一种优先级分类模型的训练方法的流程图；
22.图4是本发明另一个实施例提供的一种业务数据包发送方法的流程图；
23.图5是本发明另一个实施例提供的另一种业务数据包发送方法的流程图；
24.图6是本发明另一个实施例提供的一种预处理的流程图；
25.图7是本发明另一个实施例提供的5g专网数据分流装置的结构图；
26.图8是本发明另一个实施例提供的电子设备的结构图。
具体实施方式
27.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
28.在本发明的描述中，若干个的含义是一个或者多个，多个的含义是两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数。
29.需要说明的是，虽然在装置示意图中进行了功能模块划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于装置中的模块划分，或流程图中的顺序执行所示出或描述的步骤。说明书、权利要求书或上述附图中的术语“第一”、“第二”等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。
30.第五代移动通信技术(5th generation mobile communication technology，5g)是具有高速率、低时延和大连接特点的新一代宽带移动通信技术，5g通讯设施是实现人机物互联的网络基础设施。
31.目前，5g专网数据在上传过程中，全部数据都上传至移动边缘计算平台，部分数据再从移动边缘计算平台上传至云计算平台，不同数据的处理需求不同，没有对移动边缘计算平台接收的数据进行分流处理，容易导致网络负荷加重，亟需一种能够按照数据处理需求进行数据分流方法。
32.针对没有对移动边缘计算平台接收的数据进行分流处理，容易导致网络负荷加重的问题，本发明提供了一种5g专网数据分流方法、装置、设备及存储介质，该方法包括：获取5g专网上行数据，其中，5g专网上行数据包括多个业务数据包；对业务数据包进行优先级分析，确定业务数据包处于高优先级或低优先级；当业务数据包处于高优先级，将业务数据包发送至预设的移动边缘计算平台；当业务数据包处于低优先级，将业务数据包发送至预设的云计算平台。根据本发明实施例提供的方案，通过对5g专网上行数据的各个业务数据包进行优先级分析，得到各个业务数据包的优先级状态，将处于高优先级的业务数据包发送至移动边缘计算平台，将处于低优先级的业务数据包直接发送至云计算平台，实现了按照数据的处理需求对数据进行分流处理，能够对移动边缘计算平台接收的数据进行分流处理，减轻网络负荷。
33.首先，对本发明中涉及的若干名词进行解析：
34.人工智能(artificial intelligence，ai)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个综合技术，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几
大方向。随着人工智能技术研究和进步，人工智能在多个领域展开研究和应用，例如常见的智能家居、智能客服、虚拟助理、智能音箱、智能营销、无人驾驶、自动驾驶、机器人、智能医疗、智慧城市等，相信随着技术的发展，人工智能将在更多的领域得到应用，并发挥越来越重要的价值。
35.机器学习(machine learning，ml)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。机器学习是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域。机器学习和深度学习通常包括人工神经网络、置信网络、强化学习、迁移学习、归纳学习等技术。
36.移动边缘计算(mobile edge computing，mec)可利用无线接入网络就近提供电信用户it所需服务和云端计算功能，而创造出一个具备高性能、低延迟与高带宽的电信级服务环境，加速网络中各项内容、服务及应用的快速下载，让消费者享有不间断的高质量网络体验。
37.云计算平台也称为云平台，是指基于硬件资源和软件资源的服务，提供计算、网络和存储能力。云计算平台可以划分为3类：以数据存储为主的存储型云平台，以数据处理为主的计算型云平台以及计算和数据存储处理兼顾的综合云计算平台。
38.下面结合附图，对本发明实施例作进一步阐述。
39.如图1所示，图1是本发明一个实施例提供的一种5g专网数据分流方法的流程图。该5g专网数据分流方法包括但不限于有以下步骤：
40.步骤s110，获取5g专网上行数据，其中，5g专网上行数据包括多个业务数据包；
41.步骤s120，对业务数据包进行优先级分析，确定业务数据包处于高优先级或低优先级；
42.步骤s130，当业务数据包处于高优先级，将业务数据包发送至预设的移动边缘计算平台；
43.步骤s140，当业务数据包处于低优先级，将业务数据包发送至预设的云计算平台。
44.可以理解的是，5g专网上行数据是指移动终端发出的数据，业务数据包的优先级由业务数据包的处理需求决定，需要及时进行处理的业务数据包对应的优先级高，无需及时进行处理的业务数据包对应的优先级低；将高优先级的业务数据包发送至移动边缘计算平台，能够减低优先级高的业务数据包的处理延时，将低优先级的业务数据包发送至云计算平台，能够减轻移动边缘计算平台的网络负荷，进而提高5g专网上行数据的整体处理效率；基于此，通过对5g专网上行数据的各个业务数据包进行优先级分析，得到各个业务数据包的优先级状态，将处于高优先级的业务数据包发送至移动边缘计算平台，将处于低优先级的业务数据包直接发送至云计算平台，实现了按照数据的处理需求对数据进行分流处理，能够对移动边缘计算平台接收的数据进行分流处理，减轻网络负荷。
45.需要说明的是，移动终端是指无线终端设备，无线终端设备可以是指一种具有无线收发功能的设备，包括但不限于手机、平板电脑(pad)和带无线收发功能的电脑。
46.另外，参照图2，在一实施例中，图1所示实施例中的步骤s120，包括但不限于有以下步骤：
47.步骤s210，将业务数据包输入已训练的优先级分类模型，得到第一预测结果，其中，第一预测结果用于表征业务数据包处于高优先级或低优先级。
48.可以理解的是，将业务数据包输入优先级分类模型后，通过优先级分类模型的输出确定第一预测结果；优先级分类模型的输出可为能够反映优先级高低的预估值，通过该预估值的大小以及预设的优先级阈值来确定第一预测结果，当预估值大于优先级阈值时，第一预测结果表征业务数据包处于高优先级，当预估值小于等于优先级阈值时，第一预测结果表征业务数据包处于低优先级；优先级阈值根据实际的网络负荷情况来决定，例如，预估值的数值范围为0至1，将优先级阈值设置为0.8，当预估值高于0.8时，确定当前业务数据包处于高优先级，当预估值小于等于0.8时，确定当前业务数据包处于低优先级。
49.需要说明的是，优先级分类模型为人工神经网络中的任意一种分类模型。
50.另外，参照图3，在一实施例中，图2所示实施例中的步骤s210的优先级分类模型的训练方法，包括但不限于有以下步骤：
51.步骤s310，获取多个训练数据包和训练数据包对应的优先级标签，优先级标签用于表征训练数据包处于高优先级或低优先级；
52.步骤s320，将训练数据包输入优先级分类模型，得到第二预测结果；
53.步骤s330，根据优先级标签和第二预测结果确定模型损失值；
54.步骤s340，基于模型损失值，对优先级分类模型的模型参数进行更新，得到已训练的优先级分类模型。
55.可以理解的是，将训练数据包和优先级标签作为训练数据，训练优先级分类模型；；将训练数据包输入优先级分类模型，得到各个训练数据对应的第二预测结果，进而结合对应的优先级标签确定模型损失值，第一损失值可通过分类模型训练过程中采用的任意一种损失函数而确定，损失函数包括但不限于：0-1损失函数和交叉熵损失函数，然后通过迭代训练更新优先级分类模型的模型参数，直至优先级分类模型的训练次数超过预设的次数阈值，或者优先级分类模型的预测精度达到预设的精度要求，从而得到已训练的优先级分类模型。
56.需要说明的是，训练数据包从数据库中下载而得到，训练数据包为5g专网上行数据的历史数据，优先级标签是通过用户标注或者从数据库中下载而得到。
57.值得注意的是，通过损失函数计算模型损失值，属于本领域技术人员熟知的技术，在此不多作赘述。
58.另外，参照图4，在一实施例中，图1所示实施例中的步骤s130，包括但不限于有以下步骤：
59.步骤s410，获取来自移动边缘计算平台的负荷状态信息；
60.步骤s420，根据负荷状态信息，确定移动边缘计算平台处于低负荷状态或高负荷状态；
61.步骤s430，当业务数据包处于高优先级且移动边缘计算平台处于低负荷状态，将业务数据包发送至移动边缘计算平台。
62.可以理解的是，移动边缘计算平台的负荷状态信息的决定因素包括但不限于：移动边缘计算平台的cpu负荷状态，例如，当移动边缘计算平台的cpu处于高负荷状态时，移动边缘计算平台就处于高负荷状态，当移动边缘计算平台的cpu处于低负荷状态时，移动边缘
计算平台就处于低负荷状态；若移动边缘计算平台的处于低负荷状态，不会影响业务数据包的处理效率，将高优先级的业务数据包发送至移动边缘计算平台，能够保证高优先级的业务数据包的有效处理。
63.需要说明的是，。
64.值得注意的是，，属于本领域技术人员熟知的技术，在此不多作赘述。
65.另外，参照图5，在一实施例中，图4所示实施例中的5g专网数据分流方法还包括但不限于有以下步骤：
66.步骤s510，当业务数据包处于高优先级且移动边缘计算平台处于高负荷状态，将业务数据包发送至云计算平台。
67.可以理解的是，若移动边缘计算平台的处于高负荷状态，将会影响业务数据包的处理效率，为了保证处于高优先级的业务数据包的整体处理效率，将部分高优先级的业务数据包发送至云计算平台，当移动边缘计算平台重新恢复低负荷状态时，再将其他高优先级的业务数据包发送至移动边缘计算平台，能够保证其他高优先级的业务数据包的有效处理。
68.另外，参照图6，在一实施例中，图1所示实施例中的步骤s120之前，还包括但不限于有以下步骤：
69.步骤s610，对5g专网上行数据进行预处理，其中，预处理用于剔除所有5g专网上行数据中的异常数据。
70.可以理解的是，对5g专网上行数据进行异常数据处理，能够筛选出有效数据，从而避免传输异常数据，从而提高有效数据的传输效率。
71.另外，参考图7，本发明还提供了一种5g专网数据分流装置700，包括：
72.获取单元710，用于获取5g专网上行数据，其中，5g专网上行数据包括多个业务数据包；
73.分析单元730，用于对业务数据包进行优先级分析，确定业务数据包处于高优先级或低优先级；
74.第一发送单元740，用于当业务数据包处于高优先级，将业务数据包发送至预设的移动边缘计算平台；
75.第二发送单元750，用于当业务数据包处于低优先级，将业务数据包发送至预设的云计算平台。
76.可以理解的是，该5g专网数据分流装置700的具体实施方式与上述5g专网数据分流方法的具体实施例基本相同，在此不再赘述；基于此，通过对5g专网上行数据的各个业务数据包进行优先级分析，得到各个业务数据包的优先级状态，将处于高优先级的业务数据包发送至移动边缘计算平台，将处于低优先级的业务数据包直接发送至云计算平台，实现了按照数据的处理需求对数据进行分流处理，能够对移动边缘计算平台接收的数据进行分流处理，减轻网络负荷。
77.在一实施例中，5g专网数据分流装置700还包括：
78.预处理单元720，用于对5g专网上行数据进行预处理，其中，预处理用于剔除所有5g专网上行数据中的异常数据。
79.另外，参照图8，本发明的一个实施例还提供了一种电子设备，该电子设备800包
括：存储器810、处理器820及存储在存储器810上并可在处理器820上运行的计算机程序。
80.处理器820和存储器810可以通过总线或者其他方式连接。
81.实现上述实施例的5g专网数据分流方法所需的非暂态软件程序以及指令存储在存储器810中，当被处理器820执行时，执行上述实施例中5g专网数据分流方法，例如，执行以上描述的图1中的方法步骤s110至步骤s140、图2中的方法步骤s210、图3中的方法步骤s310至步骤s340、图4中的方法步骤s410至步骤s430、图5中的方法步骤s510、图6中的方法步骤s610，通过获取5g专网上行数据，其中，5g专网上行数据包括多个业务数据包；对业务数据包进行优先级分析，确定业务数据包处于高优先级或低优先级；当业务数据包处于高优先级，将业务数据包发送至预设的移动边缘计算平台；当业务数据包处于低优先级，将业务数据包发送至预设的云计算平台。基于此，通过对5g专网上行数据的各个业务数据包进行优先级分析，得到各个业务数据包的优先级状态，将处于高优先级的业务数据包发送至移动边缘计算平台，将处于低优先级的业务数据包直接发送至云计算平台，实现了按照数据的处理需求对数据进行分流处理，能够对移动边缘计算平台接收的数据进行分流处理，减轻网络负荷。
82.此外，本发明的一个实施例还提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令被一个处理器或控制器执行，例如，被上述电子设备实施例中的一个处理器执行，可使得上述处理器执行上述实施例中5g专网数据分流方法，例如，执行以上描述的图1中的方法步骤s110至步骤s140、图2中的方法步骤s210、图3中的方法步骤s310至步骤s340、图4中的方法步骤s410至步骤s430、图5中的方法步骤s510、图6中的方法步骤s610，通过获取5g专网上行数据，其中，5g专网上行数据包括多个业务数据包；对业务数据包进行优先级分析，确定业务数据包处于高优先级或低优先级；当业务数据包处于高优先级，将业务数据包发送至预设的移动边缘计算平台；当业务数据包处于低优先级，将业务数据包发送至预设的云计算平台。基于此，通过对5g专网上行数据的各个业务数据包进行优先级分析，得到各个业务数据包的优先级状态，将处于高优先级的业务数据包发送至移动边缘计算平台，将处于低优先级的业务数据包直接发送至云计算平台，实现了按照数据的处理需求对数据进行分流处理，能够对移动边缘计算平台接收的数据进行分流处理，减轻网络负荷。
83.以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
84.本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于ram、rom、eeprom、闪存或其他存储器技术、cd-rom、数字多功能盘(dvd)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或
者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。
85.以上是对本发明的较佳实施进行了具体说明，但本发明并不局限于上述实施方式，熟悉本领域的技术人员在不违背本发明精神的前提下还可作出种种的等同变形或替换，这些等同的变形或替换均包含在本发明权利要求所限定的范围内。