[发明专利]智融标识网络中基于意图驱动的服务编排系统和方法有效

专利信息
申请号: 202110285858.7 申请日: 2021-03-17
公开(公告)号: CN112953778B 公开(公告)日: 2023-04-18
发明(设计)人: 陈佳;陈京;张宏科;高德云;郭阔;张庆华;庞博 申请(专利权)人: 北京交通大学
主分类号: H04L41/50 分类号: H04L41/50;H04L45/00;G06N3/006;G06F18/23;G06F40/253;G06F40/289
代理公司: 北京市商泰律师事务所 11255 代理人: 黄晓军
地址: 100044 北*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 标识 网络 基于 意图 驱动 服务 编排 系统 方法
【权利要求书】:

1.一种应用于智融标识网络中基于意图驱动的服务编排系统的服务编排方法,其特征在于,

所述的智融标识网络中基于意图驱动的服务编排系统包括:智慧服务层、资源适配层和网络组件层;

所述的智慧服务层,用于接收用户提出的服务请求,根据所述服务请求在意图感知知识库中进行特征提取及关键词匹配,得到用户服务意图,将用户服务意图转译成网络服务的服务请求行为描述SBD,并确定网络服务类型,将网络服务的SBD和网络服务类型发送给所述的资源适配层;

所述的资源适配层,用于管理各个业务族群,实时获取网络组件层的当前网络状态信息,根据网络服务的SBD、网络服务类型和网络组件层的当前网络状态信息利用族群管理策略库生成服务编排策略,将所述服务编排策略发送给所述的网络组件层;

所述的网络组件层,用于管理包括控制器、编排器和交换机在内的各个网络组件,向所述的资源适配层发送网络组件层的当前网络状态信息,执行所述服务编排策略,通过所述服务编排策略中的业务族群对应的网络组件进行数据的存储和转发,

在智慧服务层和资源适配层之间,使用行为匹配机制,网络服务到业务族群的动态匹配过程如公式(1)所示:

上式中FID1~FIDn为具有特定性能的n个不同应用场景的业务族群对应的族群标识;[SIDi,SBDi]表示特定第i个网络服务的服务标识和服务请求行为描述;[FIDj,FBDj]表示第j个业务族群的族群标识及族群行为描述;Ω()表示行为动态匹配映射函数,

在资源适配层和网络组件层之间,使用行为聚类机制,业务族群到网络组件的智慧聚类过程如公式(2)所示:

NIDij表示服务SIDi的第j个节点;m1~mR表示R个网络服务SID1~SIDR服务的网络组件的数量;[NIDi,NBDi]表示第i个网络组件的组件标识及组件行为描述,网络中一共有k个可用的网络组件;Φ()表示行为聚类映射函数,

所述的服务编排方法包括步骤如下:

通过智慧服务层接收用户提出的服务请求,根据所述服务请求在意图感知知识库中进行特征提取及关键词匹配,得到用户服务意图,将用户服务意图转译成网络服务的服务请求行为描述SBD,并确定网络服务类型,将网络服务的SBD和网络服务类型发送给所述的资源适配层;

通过资源适配层管理各个业务族群,实时获取网络组件层的当前网络状态信息,根据网络服务的SBD、网络服务类型和网络组件层的当前网络状态信息利用族群管理策略库生成服务编排策略,将所述服务编排策略发送给所述的网络组件层;

通过网络组件层管理包括控制器、编排器和交换机在内的各个网络组件,向所述的资源适配层发送网络组件层的当前网络状态信息,执行所述服务编排策略,通过所述服务编排策略中的业务族群对应的网络组件进行数据的存储和转发,所述的通过智慧服务层接收用户提出的服务请求,根据所述服务请求在意图感知知识库中进行特征提取及关键词匹配,得到用户服务意图,将用户服务意图转译成网络服务的服务请求行为描述SBD,包括:

通过智慧服务层采集用户的语音/文本意图信息,对所述语音/文本意图信息进行语法分析,提取语音/文本意图信息中的问法词及关键词,将所述问法词及关键词与意图感知知识库中存储的意图有向图进行匹配查询,得到用户服务意图,将用户服务意图转译成网络服务的SBD,SBD包括拓扑行为描述、性能行为描述及功能行为描述,第i条用户服务的SBD定义如式(3)所示:

上式中T、P、F分别代表拓扑行为描述、性能行为描述及功能行为描述,拓扑行为描述包括服务位置信息和服务缓存位置信息用以标识网络服务可获取点的网络位置信息;性能行为描述包括质量要求带宽要求资源要求延时要求丢包要求和吞吐量要求功能行为描述包括版本号安全等级和信誉等级所述的确定网络服务类型,包括:

根据网络服务的SBD得到网络服务的服务标识SID,根据网络服务的SID确定网络服务的具体网络服务类型,网络服务的SID包括:发布者、服务名字、服务类型、具体类型、版本号和序列号组成,发布者和服务名指一个服务的最初提供者和服务名称,最初提供者包括用户、网络/服务提供商、应用程序开发者和管理员,服务类型分为同构服务功能链资源适配、异构服务功能链资源适配、缓存、路由和网络监测,同构服务功能链资源适配的具体类型包括同构服务功能链的部署、迁移和可靠性;异构服务功能链资源适配的具体类型包括异构服务功能链的部署、迁移和可靠性;缓存的具体类型包括虚拟CDN的缓存和NDN的缓存,路由的具体类型包括高带宽路由、低时延路由和强安全路由;网络监测的具体类型包括网络状态感知、网络故障检测和网络故障定位,所述的通过资源适配层管理各个业务族群,实时获取网络组件层的当前网络状态信息,根据网络服务的SBD、网络服务类型和前网络组件层的网络状态信息利用族群管理策略库生成服务编排策略,包括:

资源适配层查询网络状态数据库中存储的网络组件层的当前网络状态信息,该当前网络状态信息包括网络环境信息、网络组件能够提供的资源信息,以及各交换机的物理资源信息、已部署/缓存的网络功能信息;

资源适配层通过族群管理策略库管理各个业务族群,设置各个业务族群的族群标识和行为描述,族群标识用来标识一个具有特定功能的族群,包括控制器族群和编排器族群;族群的行为描述FBD包括拓扑行为描述和功能行为描述,定义如式(4)所示:

上式中T、F分别代表拓扑行为描述及功能行为描述,拓扑行为描述包括族群组件位置族群组件分布和族群组件邻接关系功能行为描述包括路由行为和网络功能行为

资源适配层通过族群管理策略库用相应API的策略函数,根据网络服务的SBD、网络服务类型和网络组件层的当前网络状态信息进行决策,生成符合用户个性化服务请求的服务编排策略,所述的通过网络组件层管理包括控制器、编排器和交换机在内的各个网络组件,向所述的资源适配层发送网络组件层的当前网络状态信息,执行所述服务编排策略,通过所述服务编排策略中的业务族群对应的网络组件进行数据的存储和转发,包括:

网络组件层通过网络组件状态库管理各个网络组件,设置各个网络组件的组件标识和组件行为描述,组件标识NID用于标识一个网络组件,包括网络组件类型和协议,组件行为描述用以反映组件的行为特性,包括拓扑行为描述、性能行为描述和功能行为描述,网络组件的组件行为描述NBD定义如式(5)所示:

上式中T、P、F分别代表拓扑行为描述、性能行为描述及功能行为描述,拓扑行为描述包括网络组件位置网络组件从属关系网络组件邻接关系和连通度性能行为描述包括带宽性能节点资源延时性能功耗性能丢包性能吞吐量性能和稳定性能功能行为描述包括组件类型组件功能安全等级和运营商

网络组件层按照设定的时间间隔向网络状态数据库上报网络组件层的当前网络状态信息;网络组件层通过API Server执行资源适配层下发的服务编排策略,将策略结果转译为网络配置与命令,搭建网络虚拟端口及网桥,根据网络虚拟端口的MAC地址、IP地址与交换机ID的映射关系生成路由策略,将所述网络配置与命令、路由策略传递给控制器与编排器,控制器根据路由策略生成路由控制流表,将路由控制流表下发至交换机,交换机执行控制器下发的路由控制流表,并返回网络连通信息;将服务功能链路转发策略下发至网络组件层的路由器中,使网络服务功能进行数据的存储和转发,所述的方法还包括:

所述的资源适配层,还用于将网络服务的SBD、网络服务类型和网络组件层的当前网络状态信息作为网络虚拟资源弹性编排机制的输入,获取预迁移策略,检测所有预迁移策略的约束条件,输出最优迁移策略,实现网络发生动态突发情况下的资源的弹性适配;

所述网络虚拟资源弹性编排机制包括:将各网络组件建模为子智能体,将弹性控制问题建模为马尔可夫决策过程,通过多智能体深度强化学习算法求解所述弹性控制问题,基于深度强化学习的网络虚拟资源弹性编排机制包括离线训练过程和在线决策过程,所述的离线训练过程包括:

在离线训练过程中,状态-动作函数Q(s,a)用于评估在状态s下执行动作a后的奖励r,根据贝尔曼最优方程Q*(s,a)=maxE[Rt|st=s,at=a,π]评估在状态s下依据策略π执行动作a后的Q*(s,a),对于各子智能体,

Rt是奖励函数,

其中t表示时间槽,1≤t≤Γ,t∈Γ,Γ是弹性控制终止的时间步长,n表示网络组件;Rt表示t时隙的总收益;表示t时隙网络组件n的收益;γ∈[0,1]是折扣因子,表示未来奖励对当前奖励的重要程度,表示t时隙网络组件n的未来收益;表示迁移后网络组件n获得的收益;表示迁移后的网络组件n的开销,

子智能体相继做决策以促进收益最大化和迁移成本最小化,该决策结合无冲突迁移策略,逼近最优的联合迁移策略,在训练过程中,各子智能体根据新的中间系统状态做出迁移决策,中间系统状态是前一个子智能体执行其迁移动作后的状态,当最后一个子智能体收敛时,整个网络才收敛,所述的在线决策过程包括:在离线训练过程之后,将训练好的Q网络用于自适应迁移决策,在每个时间槽t中,检查NodeList是否为空,如果NodeList不为空,则触发迁移操作;触发迁移操作的节点利用训练好的Q网络基于状态st生成最优迁移决策,直到NodeList为空,迁移操作才结束;否则,将不执行任何迁移操作,并且网络状态保持不变;在迁移决策过程中,各子智能体通过SDN控制器中安装的Network Observer模块观察网络状态,该网络状态通过北向应用程序编程接口获得,通过INT技术实时获取细粒度的SFC状态信息,并构建SFC动态信息库,感知SFC的状态变化;获取环境信息后,子智能体制定迁移决策,并通过应用程序编程接口调用生成的迁移决策;NodeList为按照故障节点、高负载节点、低负载节点排列的待迁移节点队列。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京交通大学,未经北京交通大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110285858.7/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top