动态自适应的认知网络QoS映射方法

摘要

本发明公布了一种动态自适应的认知网络QoS映射方法，在用户平面对用户进行了等级分类，在业务平面比较了业务的优先级，在策略平面建立了目标函数自适应地调整策略平面QoS权重方式，在控制平面讨论了获取参数的测量方法。本发明满足认知网络不同用户的业务不同的QoS需求，实现了从用户平面、业务平面、策略平面、控制平面之间的动态参数映射，实现网络资源利用率最大化。

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。

如图1所示，认知网络基本架构是在传统网络七层模型的基础上，提供了认知代理，认知代理分为四个平面，从下往上依次是控制平面、策略平面、业务平面和用户平面。

1.用户平面QoS参数

用户层平面数据库主要存放用户信息，主要由用户IP地址和用户等级组成。

当一个业务A进入终端时，首先用户平面根据业务信息进行判断该用户的发起者，即用户a的等级，这里假定该用户来自等级银。用户平面查询SLA服务部分条款定义，即表1。

表1用户平面SLA服务条款参数表

2.业务平面QoS参数

如图2所示，业务平面的参数是以业务为驱动的，每一种业务都有不同的QOS需求。会话类型的典型业务主要有语音、可视电话等，数据流类典型业务主要有视频流、音频流等，交互类主要有网页浏览，后台类型主要有email类、ftp下载等。除非用户主动指定业务的优先级，否则，它们的优先级依次是会话类型＞数据流类型＞交互类型＞后台类型。对于同种业务类型，用户发起者级别高的优先级高；对于同一用户，业务类型优先级高的业务优先保障其QOS。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。

3.策略平面QoS参数

策略平面的参数主要是指支撑认知网络运行环境的底层网络性能参数。这些性能参数集中于特定技术实现的网络中，由网络管理系统定期地采集上报。在IP网络中最常用的指标主要包括带宽、吞吐量、丢包率、时延以及时延变化、抖动等参数，这里我们以带宽、丢包率、时延和抖动作为主要参数进行研究。由于不同的业务，对这四个参数的关注程度是不同的，比如会话类业务，对时延和抖动的要求严格，而对丢包率和带宽要求较低。因此，我们对于不同业务，分别对四个参数分配不同的初始权重，然后根据网络状态自适应地调整权重值。

表2策略平面参数权重表

如表2所示，业务1、业务2、业务3的优先级依次递减，表中所记录的权重是初始时的状态。对于业务1、2、3，均有对于业务经过一个域所要采用的策略，建立提供建立细粒度服务的目标函数：这里，δi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，如果是业务1的时延，则α_i＝B1，其它以此类推。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。比较各种策略的目标函数值，取满足条件并且函数值最小的即为所要选择的策略。如果没有策略满足条件，则需根据网络实际情况动态调整网络权重。比如此时时延较大，则减小时延的权重，从而减小时延对最终目标函数值的影响程度，从而得到可行性方案。

如图3所示，策略平面根据QoS参数权重选择策略的具体步骤如下：

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)

4.控制平面QoS参数

对于已经取得的可行性方案，最终要控制平面进行实施。因此，要实现策略平面参数和控制平面参数的一一映射。所选择的网络性能参数都是最基本的参数，其余参数都是可以通过这些选定的性能参数一一获得的。由于认知网络是基于端到端的QoS目标的，目前端到端的测量方法都是基于主动测量的。主动测量可以检测网络可用性、时延和吞吐量。对于策略平面的参数，控制平面采用主动测量完成参数间的映射(假定测量在一定时间内测量次数n)：

a)时延：将一个测量周期内采集到的所有样本的平均值作为该周期的平均时延。

b)抖动：选取每个测量周期内的最大时延IPTD_max和最小时延IPTD_min，这测量周期内的时延变化率作为抖动。

c)丢包率：数据分组在网络中传输的过程中，所丢失的数量占发送总量的比率。

d)带宽：网络在不降低其他业务流传输速率的情况下，所能提供的一个业务流的最大传输速率。这里使用基SLOPS(sezf-Loading Peridic streajn)的测量方法。