一种基于确定性网络的数据处理方法、装置、设备和介质与流程

本发明涉及数据处理，特别是涉及一种基于确定性网络的数据处理方法、装置、设备和介质。

背景技术：

1、信息化和网络的发展，为人们生活带来了各种各样的便捷，并且渗透到了各行各业。目前车联网、无人驾驶、智慧医疗、智能工厂等新兴行业发展迅猛，对网络的时延和可靠性提出了更高的要求，例如远程控制的时延要求是在5ms以内，可靠性须达到99.999％，而离散自动运动控制需要在1us-1ms之间实现反应，需达到99.9999％的可靠性。目前“尽力而为”模式下的以太网是无法实现这些可靠性目标的。

2、确定性网络技术能够为上述新兴行业的发展提供保障。当前，确定性网络通过分组复制和消除以实现可靠性，达到不丢失数据的目标。在当前的确定性网络的可靠性措施中，未涉及到如何进行分组复制，进行有效的容错。如果一直进行分组复制，则将大大的浪费链路资源，容易造成链路拥塞，并且在路由分配方面，当前的路由是由路由器设备自动分配的，自动分配的原理是由厂商设计的自动识别当前网络中最短线路，并不是最优线路。

技术实现思路

1、基于上述问题，本发明提供一种基于确定性网络的数据处理方法、装置、设备和介质。

2、第一方面，本发明实施例提供一种基于确定性网络的数据处理方法，包括：

3、在确定性网络的控制层面，以秒为单位、周期性收集数据平面的detnet流量信息；

4、将收集的数据平面的detnet流量信息作为训练验证数据输入到人工智能的预测模块，智能的预测模块预测下一时间段链路是否需要进行流复制操作以及流复制的数量；

5、控制器作为pce，采用集中式方式计算全局网络的约束路径，根据sr/srv6技术确定初始路由分配路径；

6、根据初始路由分配路径确定最优路由分配路径；

7、通过最优路由分配路径将数据转发到芯片接收端的光传感器进行处理。

8、进一步地，上述一种基于确定性网络的数据处理方法中，detnet流量信息至少包括：时间戳、分组编码、流复制标签、流消除标签、detnet流经过的各个节点、分组是否被使用标签、流源地址和流目的地址；

9、进一步地，上述一种基于确定性网络的数据处理方法中，将收集的数据平面的detnet流量信息作为训练验证数据输入到人工智能的预测模块，智能的预测模块输出下一时间段链路是否需要进行流复制操作以及流复制的数量包括：

10、将收集的数据平面的detnet流量信息作为随机森林模型的输入，以工作日的detnet流数据作为训练验证数据集；

11、对数据集依次进行预处理、流复制行为分割、数据集特征提取、构建特征集；

12、使用工作日的前四天数据集进行行为识别，建立蚁群算法模型；

13、使用工作日的第五天数据进行识别验证；

14、对下周工作日的detnet流信息进行预测。

15、进一步地，上述一种基于确定性网络的数据处理方法中，根据sr/srv6技术确定初始路由分配路径，包括：

16、当算力任务发起节点进入srv6组网后，根据发起节点的sid报文头srh的sid list中srv6压缩路径的起始和结束，判断是否需要新增coc flavor；

17、若需要新增coc flavor，并发布对应coc flavor的sid；

18、压缩路径中间的g-sid均为携带coc flavor的g-sid，指示下一个sid是32bitsid；

19、若不需要新增coc flavor，则指示下一个sid是128bitsid；

20、根据所述32bit sid和所述128bit sid确定初始路由分配路径。

21、进一步地，上述一种基于确定性网络的数据处理方法中，根据32bit sid和128bitsid确定初始路由分配路径包括：

22、将128bit sid和32bit sid聚合生成对应表格。

23、进一步地，上述一种基于确定性网络的数据处理方法中，根据初始路由分配路径确定最优路由分配路径，包括：

24、将初始路由分配路径代入算力任务量化模型得到最优路由分配路径。

25、进一步地，上述一种基于确定性网络的数据处理方法中，将数据转发到芯片接收端的光传感器进行处理，包括：采用ai芯片放置于光探测器收到光信号后创建lif神经元模型并结合脉冲神经元模型，对模型整体进行优化并进行基于神经网络的光速运算。

26、第二方面，本发明实施例还提供了一种基于确定性网络的数据处理装置，包括：

27、收集模块：用于在确定性网络的控制层面，以秒为单位、周期性收集数据平面的detnet流量信息；

28、输入模块与预测模块：用于将收集的数据平面的detnet流量信息作为训练验证数据输入到人工智能的预测模块，智能的预测模块预测下一时间段链路是否需要进行流复制操作以及流复制的数量；

29、第一确定模块：用于控制器作为pce，采用集中式方式计算全局网络的约束路径，根据sr/srv6技术确定初始路由分配路径；

30、第二确定模块：用于根据所述初始路由分配路径确定最优路由分配路径；

31、处理模块：用于通过最优路由分配路径将数据转发到芯片接收端的光传感器进行处理。

32、第三方面，本发明实施例还提供了一种电子设备，包括：处理器和存储器；

33、所述处理器通过调用所述存储器存储的程序或指令，用于执行如上所述任一项一种基于确定性网络的数据处理方法。

34、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，所述计算机可读存储介质存储程序或指令，所述程序或指令使计算机执行如上所述任一项一种基于确定性网络的数据处理方法。

35、本发明实施例的优点在于：本发明通过在确定性网络的控制层面，以秒为单位、周期性收集数据平面的detnet流量信息；将收集的数据平面的detnet流量信息作为训练验证数据输入到人工智能的预测模块，智能的预测模块预测下一时间段链路是否需要进行流复制操作以及流复制的数量；控制器作为pce，采用集中式方式计算全局网络的约束路径，根据sr/srv6技术确定初始路由分配路径；根据初始路由分配路径确定最优路由分配路径；通过最优路由分配路径将数据转发到芯片接收端的光传感器进行处理。本发明不仅确定了满足算力的最优路径路由分配路径而且提升了信号的处理效率。

技术特征：

1.一种基于确定性网络的数据处理方法，其特征在于，包括：

2.根据权利要求1所述的一种基于确定性网络的数据处理方法，其特征在于，所述detnet流量信息至少包括：时间戳、分组编码、流复制标签、流消除标签、detnet流经过的各个节点、分组是否被使用标签、流源地址和流目的地址。

3.根据权利要求1所述的一种基于确定性网络的数据处理方法，其特征在于，所述将收集的数据平面的detnet流量信息作为训练验证数据输入到人工智能的预测模块，所述智能的预测模块输出下一时间段链路是否需要进行流复制操作以及流复制的数量包括：

4.根据权利要求1所述的一种基于确定性网络的数据处理方法，其特征在于，所述根据sr/srv6技术确定初始路由分配路径，包括：

5.根据权利要求4所述的一种基于确定性网络的数据处理方法，其特征在于，所述根据所述32bit sid和所述128bit sid确定初始路由分配路径包括：

6.根据权利要求1所述的一种基于确定性网络的数据处理方法，其特征在于，所述根据所述初始路由分配路径确定最优路由分配路径，包括：

7.根据权利要求1所述的一种基于确定性网络的数据处理方法，其特征在于，将数据转发到芯片接收端的光传感器进行处理，包括：采用ai芯片放置于光探测器收到光信号后创建lif神经元模型并结合脉冲神经元模型，对模型整体进行优化并进行基于神经网络的光速运算。

8.一种基于确定性网络的数据处理装置，其特征在于，包括：

9.一种电子设备，其特征在于，包括：处理器和存储器；

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储程序或指令，所述程序或指令使计算机执行如权利要求1至7任一项所述一种基于确定性网络的数据处理方法。

技术总结
本发明涉及一种基于确定性网络的数据处理方法、装置、设备和介质，该方法包括：在确定性网络的控制层面，以秒为单位、周期性收集数据平面的DetNet流量信息；将收集的数据平面的DetNet流量信息作为训练验证数据输入到人工智能的预测模块，智能的预测模块预测下一时间段链路是否需要进行流复制操作以及流复制的数量；控制器作为PCE，采用集中式方式计算全局网络的约束路径，根据SR/SRv6技术确定初始路由分配路径；根据初始路由分配路径确定最优路由分配路径；通过最优路由分配路径将数据转发到芯片接收端的光传感器进行处理。本发明不仅确定了满足算力的最优路径路由分配路径而且提升了信号的处理效率。

技术研发人员：王玉梁
受保护的技术使用者：中电信数智科技有限公司
技术研发日：
技术公布日：2024/1/15