基于边缘计算的网络切片管理方法、装置、设备及介质与流程

本发明涉及计算机，特别涉及一种基于边缘计算的网络切片管理方法、装置、设备及介质。

背景技术：

1、网络切片是一种按需组网的方式，可以让运营商在统一的基础设施上分离出多个虚拟的端到端网络，每个网络切片从无线接入网到承载网再到核心网上进行逻辑隔离，以适配各种各样类型的应用。在现有的5g网络架构中，网络切片被用作一种有效的手段，以满足不同类型服务和应用的多样化需求。边缘计算作为一种新兴的计算范式，目的是将计算任务和服务部署到离用户更近的网络边缘，从而减少延迟和网络拥塞。目前，一些5g网络切片解决方案尝试引入边缘计算来提高性能，但通常采用固定部署网络切片，而静态的网络切片部署不具备足够的灵活性，降低了边缘计算性能。

技术实现思路

1、有鉴于此，本发明的目的在于提供一种基于边缘计算的网络切片管理方法、装置、设备及介质，能够根据边缘计算单元实时的网络状态和用户需求进行网络切片动态调整，适应网络环境和用户需求的快速变化，提高边缘计算资源的利用率。其具体方案如下：

2、第一方面，本技术公开了一种基于边缘计算的网络切片管理方法，包括：

3、获取边缘计算单元对应的网络状态数据；

4、基于所述网络状态数据利用预先构建的预测模型，预测所述边缘计算单元在未来第一目标时段内的网络需求以得到网络需求数据；所述预测模型中包含多个预测子模型，一个预测子模型用于预测一种类型的网络需求；

5、根据所述网络需求数据为所述边缘计算单元分配相应资源配置的网络切片；

6、获取所述网络切片的性能数据，通过所述预测模型对所述网络切片进行性能预测得到性能预测结果；一个预测子模型用于预测一种网络性能的预测；

7、利用模型融合算法对所述性能预测结果进行评估，并根据评估结果过判断是否执行网络切片管理。

8、可选的，所述获取边缘计算单元对应的网络状态数据，包括：

9、按照预设间隔周期性向所述边缘计算单元发送数据获取请求；

10、所述边缘计算单元根据所述数据获取请求从非易失性存储装置中确定出网络状态数据；所述非易失性存储装置用于存储处理用户请求后得到的处理结果；

11、获取所述边缘计算单元通过安全加密通道反馈的所述数据获取请求对应的网络状态数据；所述网络状态数据包括网络延迟参数、数据吞吐量、资源使用率和用户活跃度。

12、可选的，所述根据所述网络需求数据为所述边缘计算单元分配相应资源配置的网络切片，包括：

13、根据所述网络需求数据确定出针对网络切片的资源配置；

14、向所述边缘计算单元下发包含所述资源配置的网络切片任务，以便所述边缘计算单元根据所述网络切片任务建立网络切片。

15、可选的，所述基于所述网络状态数据利用预先构建的预测模型，预测所述边缘计算单元在未来第一目标时段内的网络需求以得到网络需求数据，包括：

16、将所述网络状态数据输入至预先构建的预测模型；

17、根据所述预测子模型的输出预测得到所述边缘计算单元在未来第一目标时段内的网络需求数据；所述网络需求数据包括数据流量、用户数量和资源使用率。

18、可选的，所述将所述网络状态数据输入至预先构建的预测模型之前，还包括：

19、获取边缘计算单元对应的历史数据；

20、构建多个预测子模型，利用所述历史数据对所述预测子模型进行训练；不同预测子模型对应不同的需求类型预测目标。

21、可选的，所述网络切片管理包括切片创建、切片删除或资源重新分配。

22、可选的，所述利用模型融合算法对所述性能预测结果进行评估，包括：

23、利用梯度提升树模型对所述性能预测结果进行评估；

24、相应的，所述基于边缘计算的网络切片管理方法，还包括：

25、利用交叉验证方法对所述梯度提升树模型进行模型性能评估；

26、根据模型性能评估结果调整所述梯度提升树模型的模型参数。

27、可选的，所述获取所述网络切片的性能数据之后，还包括：

28、基于所述性能数据利用孤立森林算法检测所述网络切片是否存在异常行为。

29、可选的，所述通过所述预测模型对所述网络切片进行性能预测得到性能预测结果，以及所述利用模型融合算法对所述性能预测结果进行评估，并根据评估结果过判断是否执行网络切片管理，包括：

30、获取所述网络切片的性能数据，通过所述预测模型中不同预测子模型分别预测未来第二时间段内所述网络切片对应的不同性能指标的指标参数；一个预测子模型用于预测一种类型的性能指标；

31、根据所述指标参数以及各所述预测子模型对应的权重，利用模型融合算法确定所述指标参数的加权平均值；

32、通过对比所述加权平均值和预设阈值范围，判断是否执行网络切片管理。

33、可选的，所述根据所述指标参数以及各所述预测子模型对应的权重，利用模型融合算法确定所述指标参数的加权平均值之前，还包括：

34、根据预测子模型的性能确定对应的性能指标的权重；

35、所述基于边缘计算的网络切片管理方法，还包括：

36、根据所述预测子模型的实时性能，实时更新所述预测子模型对应的权重。

37、可选的，所述根据所述指标参数以及各所述预测子模型对应的权重，利用模型融合算法确定所述指标参数的加权平均值之后，还包括：

38、根据各个网络切片对应的加权平均值对所有网络切片进行排序，得到切片排序结果；

39、相应的，所述根据切片性能要求进行网络切片管理，包括：

40、根据切片性能要求和所述切片排序结果进行网络切片调整。

41、可选的，所述基于边缘计算的网络切片管理方法，还包括：

42、通过循环冗余检查对所述切片排序结果进行准确性验证。

43、第二方面，本技术公开了一种基于边缘计算的网络切片管理系统，包括边缘计算单元和核心网络单元；

44、所述边缘计算单元用于向所述核心网络单元发送网络状态数据；

45、所述核心网络单元用于接收所述边缘计算单元对应的网络状态数据，基于所述网络状态数据利用预先构建的预测模型，预测所述边缘计算单元在未来第一目标时段内的网络需求以得到网络需求数据，所述预测模型中包含多个预测子模型，一个预测子模型用于预测一种类型的网络需求；根据所述网络需求数据为所述边缘计算单元分配相应资源配置的网络切片，获取所述网络切片的性能数据，通过所述预测模型对所述网络切片进行性能预测得到性能预测结果；一个预测子模型用于预测一种网络性能的预测；利用模型融合算法对所述性能预测结果进行评估，并根据评估结果过判断是否执行网络切片管理。

46、第三方面，本技术公开了一种基于边缘计算的网络切片管理装置，包括：

47、网络状态数据获取模块，用于获取边缘计算单元对应的网络状态数据；

48、网络需求数据预测模块，用于基于所述网络状态数据利用预先构建的预测模型，预测所述边缘计算单元在未来第一目标时段内的网络需求以得到网络需求数据；

49、网络切片分配模块，用于根据所述网络需求数据为所述边缘计算单元分配相应资源配置的网络切片；

50、切片性能预测模块，用于获取所述网络切片的性能数据，通过所述预测模型对所述网络切片进行性能预测得到性能预测结果；一个预测子模型用于预测一种网络性能的预测；

51、预测评估模块，用于利用模型融合算法对所述性能预测结果进行评估，并根据评估结果过判断是否执行网络切片管理。

52、第四方面，本技术公开了一种电子设备，包括：

53、存储器，用于保存计算机程序；

54、处理器，用于执行所述计算机程序，以实现前述的基于边缘计算的网络切片管理方法。

55、第五方面，本技术公开了一种计算机可读存储介质，用于存储计算机程序；其中计算机程序被处理器执行时实现前述的基于边缘计算的网络切片管理方法。

56、本技术中，获取边缘计算单元对应的网络状态数据；基于所述网络状态数据利用预先构建的预测模型，预测所述边缘计算单元在未来第一目标时段内的网络需求以得到网络需求数据；根据所述网络需求数据为所述边缘计算单元分配相应资源配置的网络切片；对所述网络切片进行性能监测，并根据切片性能要求进行网络切片管理。可见，根据边缘计算单元的网络状态数据预测未来一段时间内的网络资源需求，根据预测出的网络需求为各个边缘计算单元分配相应资源配置的网络切片，并能够根据实时的网络状态和用户需求进行动态调整，由此适应网络环境和用户需求的快速变化，提高边缘计算资源的利用率。为了更全面长期的进行分析，利用预测模型对网络切片进行性能预测，即预测未来一段时间内网络切片的性能，并基于预测模型中的各预测子模型利用型融合算法对性能预测结果进行评估，然后根据评估结果判断是否执行网络切片管理，提高了网络切片管理的准确性。