[发明专利]虚拟化网络功能备份策略自决策方法、装置及计算设备

权利要求书

1.一种虚拟化网络功能备份策略自决策方法，其特征在于，所述方法包括：

从网络功能虚拟化网元层和网络功能虚拟化硬件层获取实时多维关键绩效指标数据；

对所述实时多维关键绩效指标数据做归一化的预处理；

将预处理后的所述实时多维关键绩效指标数据输入预先训练好的备份策略自选取模型中，并通过预先训练好的所述备份策略自选取模型输出最优备份动作；

根据预设的备份路径将所述最优备份动作下发至所述网络功能虚拟化硬件层执行所述最优备份动作。

2.根据权利要求1所述的方法，其特征在于，所述对所述实时多维关键绩效指标数据做归一化的预处理，包括：

将所述实时多维关键绩效指标数据按比例缩放，使所述实时多维关键绩效指标数据缩放至预设的最小值与最大值之间。

3.根据权利要求1所述的方法，其特征在于，从所述网络功能虚拟化网元层获取的所述实时多维关键绩效指标数据至少包括：业务负荷、业务成功率、业务时延；

从所述网络功能虚拟化硬件层获取的所述实时多维关键绩效指标数据至少包括：主机CPU占用率、主机内存占用率、主机逻辑磁盘占用率、存储读I/O速率、存储写I/O速率、存储剩余容量。

4.根据权利要求1所述的方法，其特征在于，所述从网络功能虚拟化网元层和网络功能虚拟化硬件层获取实时多维关键绩效指标数据之前，包括：

从所述网络功能虚拟化网元层和所述网络功能虚拟化硬件层获取历史多维关键绩效指标数据，其中所述历史多维关键绩效指标数据包括：状态、目标动作以及奖励；

对所述历史多维关键绩效指标数据进行预处理；

根据预处理后的所述历史多维关键绩效指标数据进行训练，生成所述备份策略自选取模型。

5.根据权利要求4所述的方法，其特征在于，所述根据预处理后的所述历史多维关键绩效指标数据进行训练，生成所述备份策略自选取模型，包括：

将预处理后的所述历史多维关键绩效指标数据输入所述备份策略自选取模型；

应用所述备份策略自选取模型根据输入的所述历史多维关键绩效指标数据输出选择的备份动作；

应用深度神经网络预测与所述备份动作对应的奖励的预测值；

应用评判器网络计算与所述备份动作对应的奖励的预测值与目标值误差；

将所述误差反馈至所述备份策略自选取模型，直至所述备份策略自选取模型选取所述奖励最大的所述备份动作。

6.根据权利要求5所述的方法，其特征在于，所述应用所述备份策略自选取模型根据输入的所述历史多维关键绩效指标数据输出选择的备份动作，包括：

以埃普西隆概率随机选取所述备份动作，以1-埃普西隆概率的概率选取目前已知最优的所述备份动作，其中，目前已知最优的备份动作是指已经预测的奖励最大的所述备份动作。

7.根据权利要求6所述的方法，其特征在于，所述应用深度神经网络预测所述备份动作的奖励的预测值，包括：

应用奖励目标神经网络获取奖励目标数值；

应用奖励评估神经网络获取奖励估计数值；

根据所述奖励目标数值与所述奖励估计数值更新所述备份动作的所述奖励的预测值。

8.一种虚拟化网络功能备份策略自决策装置，其特征在于，所述装置包括：

数据获取单元，用于从网络功能虚拟化网元层和网络功能虚拟化硬件层获取实时多维关键绩效指标数据；

预处理单元，用于对所述实时多维关键绩效指标数据做归一化的预处理；

模型输出单元，用于将预处理后的所述实时多维关键绩效指标数据输入预先训练好的备份策略自选取模型中，并通过预先训练好的所述备份策略自选取模型输出最优备份动作；

动作下发单元，用于根据预设的备份路径将所述最优备份动作下发至所述网络功能虚拟化硬件层执行所述最优备份动作。