[发明专利]动态自适应的认知网络QoS映射方法

说明书

技术领域

本发明针对认知网络可管理、可监控、可测量的特点，为了满足认知网络不同用户的业务不同的QoS需求的基础上，建立从用户平面、业务平面、策略平面、控制平面之间的参数映射，实现网络资源利用率最大化，属于认知网络QoS映射方法的技术领域。

背景技术

面对越来越复杂多变的网络环境、日益增加的网络业务，传统网络技术已经很难满足人们的需求。认知网络是一种新型的网络技术，监视网络状态，推测未来网络可能出现的问题，然后根据策略库对网络进行调整，实现网络动态更新。在IP网络上提供不同的QoS等级来满足不同的用户需求是目前研究的一个热点。

目前在IP网络上提供QoS模型机制的研究比较多，主要的研究是区分服务和综合服务模型。传统的区分服务模型服务等级分类有限，有限的业务等级分类不能满足千变万化的用户需求。认知网络在传统的OSI七层网络模型的基础上，增加了用户平面、业务平面、策略平面、控制平面。对于终端用户而言(即用户平面)，往往是根据用户的付费情况来确定该用户应该享用的服务质量，因此，需要的QoS描述是简单直观的，却不能被业务平面所理解。依此类推，策略平面、控制平面、业务平面之间所需要的业务参数也是不一样的。本专利提出认知网络QoS映射机制，可解决用户平面、业务平面、策略平面、控制平面的参数映射问题。

发明内容

技术问题：本发明的目的是提出基于业务的认知网络的多平面参数映射机制，维护认知网络QoS保证，实现各业务之间的资源利用率最大化。

技术方案：本发明为实现上述目的，采用如下技术方案：

本发明动态自适应的认知网络QoS映射方法，对用户的QoS等级进行分类，基于业务优先级对各平面QoS参数进行了自适应地动态映射，具体方法如下：

业务平面的参数是以业务为驱动的，对于不同用户的不同业务类型，优先级比较步骤如下：

1)提取各个业务的信息，分别记录业务类型和用户等级；

2)将各业务的id、业务类型、用户等级存放到三维数组中；

3)比较给业务的业务类型，根据业务类型优先级分别对业务进行重新排序；

4)对于业务类型相同的业务，比较用户等级，根据用户等级进行排序；

5)保存数组并将结果保存到业务平面的数据库中；

策略平面根据QoS参数权重选择方法的具体步骤如下：

i)遍历策略数据库，选择符合业务QoS要求的策略；

ii)根据细粒度服务的目标函数：计算备选策略的目标

函数值；

iii)选择最小目标函数值的策略方案，判断可行性；

iv)可行则生成QoS策略，不可行则调整QoS参数权重，重新转步骤i)；

其中，δ_i表示针对某一类具体业务的策略库中一个可能的策略，α_i表示该类业务的策略参数的权重，时间t1是上次策略数据库中保存的QoS参数的时间，t2是计算目标函数时的时间，v_i是这一时刻测量到的QoS参数，δ_i是目前策略库中规定的第i个QoS参数的取值，δ_max是第i个QoS指标的最大值。

有益效果：认知网络QoS映射机制的提出，我们能够实现：

1)对不同用户的不同QoS需求进行了分类，使得认知网络能够满足不同层次用户的不同要求；

2)提出了不同等级客户的不同业务类型QoS质量的优先级比较方法，实现了用户平面到业务平面参数之间的映射；

3)对策略层面的QoS参数权重提出了自适应调整的评估目标函数，实现了认知网络中策略的认知性；

4)对控制平面参数的采集提出了具体的测量办法，实现了策略到控制参数的映射。

附图说明

图1是认知代理与传统网络七层模型体系架构。图中给出了认知代理和传统七层模型之间的关系。

图2是业务平面业务优先级比较。图中给出了对于不同用户等级的不同业务的优先级比较方式。

图3是策略平面动态调整QoS权重的评估方法。图中给出了对于优先级不同的业务选择具体策略的步骤。

具体实施方式

下面结合附图对发明的技术方案进行详细介绍。

本发明提出了一种动态自适应的认知网络QoS映射机制，为了提供端到端的QoS保证，完成了用户需求到可度量技术的整体映射，从而实现网络总代价最小，网络资源利用率最大化。本发明将在对认知网络的研究的基础之上提出一套统一的认知网络QoS映射规则来保证服务质量。