带宽控制方法、装置、计算机设备、存储介质和程序产品与流程

本技术涉及网络通信，特别是涉及一种带宽控制方法、装置、计算机设备、存储介质和程序产品。

背景技术：

1、在网络规划过程中，预测和监控带宽利用率对于确保网络资源的高效分配和优化网络性能至关重要。准确预测带宽利用率可以帮助避免资源浪费，减少因带宽过载或不足导致的服务中断，同时也为网络扩容和升级提供决策支持。

2、然而，传统的预测带宽利用率的方法依赖单一尺度的数据源或模态，容易受到随机噪声的影响，存在一定局限性，造成最终的预测结果不够准确。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种能够从多个尺度对带宽利用率进行准确预测，从而对带宽进行精准控制的带宽控制方法、装置、计算机设备、存储介质和程序产品。

2、第一方面，本技术提供了一种带宽控制方法，包括：

3、获取目标链路的历史带宽利用率；

4、对历史带宽利用率进行多级池化处理，得到多尺度时间序列；

5、分别对各尺度时间序列进行特征提取，得到各尺度时间序列对应的带宽利用率特征；其中，带宽利用率特征包括利用率趋势特征和/或利用率季节特征；

6、根据各尺度时间序列对应的带宽利用率特征，确定目标链路的预测带宽利用率；

7、根据预测带宽利用率，对目标链路的带宽进行控制。

8、在其中一个实施例中，获取目标链路的历史带宽利用率，包括：

9、通过snmp采集目标链路的历史链路流量数据；

10、根据目标链路的带宽和历史链路流量数据，确定目标链路的历史带宽利用率。

11、在其中一个实施例中，分别对各尺度时间序列进行特征提取，得到各尺度时间序列对应的带宽利用率特征，包括：

12、针对多尺度时间序列中的任一尺度时间序列，对该尺度时间序列进行局部加权回归处理，得到对应的各局部趋势估计值；

13、根据各局部趋势估计值，生成该尺度时间序列对应的利用率趋势特征；

14、从该尺度时间序列中删除各局部趋势估计值，得到各局部季节估计值；

15、根据各局部季节估计值，生成该尺度时间序列对应的利用率季节特征。

16、在其中一个实施例中，根据各尺度时间序列对应的带宽利用率特征，确定目标链路的预测带宽利用率，包括：

17、基于自注意力机制，从各尺度时间序列对应的带宽利用率特征中，提取出对应的第一关键特征；

18、根据各第一关键特征，确定目标链路的预测带宽利用率。

19、在其中一个实施例中，根据各第一关键特征，确定目标链路的预测带宽利用率，包括：

20、针对多尺度时间序列中的任一尺度时间序列，根据该尺度时间序列对应的第一关键特征，构建该尺度时间序列的特征相似度矩阵，并根据特征相似度矩阵，从第一关键特征中，提取出对应的第二关键特征；

21、根据各第二关键特征，确定目标链路的预测带宽利用率。

22、在其中一个实施例中，基于自注意力机制，从各尺度时间序列对应的带宽利用率特征中，提取出对应的第一关键特征，包括：

23、针对多尺度时间序列中的任一尺度时间序列，对该尺度时间序列对应的利用率趋势特征和利用率季节特征进行融合处理，得到该尺度时间序列对应的利用率融合特征；

24、对利用率融合特征进行线性变换处理，得到各注意力矩阵；

25、根据各注意力矩阵的注意力权重，对各注意力矩阵进行加权求和处理，得到该尺度时间序列对应的第一关键特征。

26、在其中一个实施例中，根据该尺度时间序列对应的第一关键特征，构建该尺度时间序列的特征相似度矩阵，并根据特征相似度矩阵，从第一关键特征中，提取出对应的第二关键特征，包括：

27、对该尺度时间序列对应的第一关键特征进行升维处理，形成该尺度时间序列对应的多维度特征空间；

28、构建多维度特征空间的特征相似度矩阵；

29、根据特征相似度矩阵，确定多维度特征空间中不同维度特征之间的特征相似度；

30、根据特征相似度，从第一关键特征中，提取出对应的第二关键特征。

31、在其中一个实施例中，根据特征相似度，从第一关键特征中，提取出对应的第二关键特征，包括：

32、针对多维度特征空间中任意两个不同维度特征，确定两个不同维度特征之间的特征相似度，与相似度阈值之间的相似度差值；

33、若相似度差值小于第一预设阈值，则从第一关键特征中删除两个不同维度特征，得到对应的第二关键特征。

34、在其中一个实施例中，根据各第二关键特征，确定目标链路的预测带宽利用率，包括：

35、通过卷积层，对各第二关键特征进行降维处理，得到多尺度带宽利用率特征；

36、通过全连接层，对多尺度带宽利用率特征进行融合处理，得到目标链路的预测带宽利用率。

37、在其中一个实施例中，根据预测带宽利用率，对目标链路的带宽进行控制，包括：

38、确定目标链路的当前带宽利用率与预测带宽利用率之间的利用率差值；

39、若利用率差值大于第二预设阈值，则对目标链路的带宽进行告警处理和/或扩缩容处理。

40、在其中一个实施例中，对目标链路的带宽进行扩缩容处理，包括：

41、生成针对目标链路的带宽的扩缩容计划；

42、通过pop3将扩缩容计划发送至运维终端，并接收运维终端基于扩缩容计划反馈的扩缩容指令；

43、根据扩缩容指令，对目标链路的网络状态进行更改。

44、第二方面，本技术还提供了一种带宽控制装置，包括：

45、数据获取模块，用于获取目标链路的历史带宽利用率；

46、序列构建模块，用于对历史带宽利用率进行多级池化处理，得到多尺度时间序列；

47、特征提取模块，用于分别对各尺度时间序列进行特征提取，得到各尺度时间序列对应的带宽利用率特征；其中，带宽利用率特征包括利用率趋势特征和/或利用率季节特征；

48、数据预测模块，用于根据各尺度时间序列对应的带宽利用率特征，确定目标链路的预测带宽利用率；

49、带宽控制模块，用于根据预测带宽利用率，对目标链路的带宽进行控制。

50、第三方面，本技术还提供了一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现第一方面的方法的步骤。

51、第四方面，本技术还提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现第一方面的方法的步骤。

52、第五方面，本技术还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现第一方面的方法的步骤。

53、上述带宽控制方法、装置、计算机设备、存储介质和程序产品，获取目标链路的历史带宽利用率；对历史带宽利用率进行多级池化处理，得到多尺度时间序列；分别对各尺度时间序列进行特征提取，得到各尺度时间序列对应的带宽利用率特征；其中，带宽利用率特征包括利用率趋势特征和/或利用率季节特征；根据各尺度时间序列对应的带宽利用率特征，确定目标链路的预测带宽利用率；根据预测带宽利用率，对目标链路的带宽进行控制。通过对目标链路的历史带宽利用率进行多尺度的特征分解，从中提取出趋势性和/或季节性的数据特征，即利用率趋势特征和/或利用率季节特征，准确预测目标链路的带宽利用率，从而基于预测结果对目标链路的带宽进行精准控制，相较于现有技术，本技术能够贴合带宽利用率在不同时间尺度上的复杂性和多样性特征，降低随机噪声的影响，提升目标链路的预测带宽利用率的准确性，进而提升对目标链路的带宽进行控制的可靠性。

技术特征：

1.一种带宽控制方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述获取目标链路的历史带宽利用率，包括：

3.根据权利要求1所述的方法，其特征在于，所述分别对各尺度时间序列进行特征提取，得到各尺度时间序列对应的带宽利用率特征，包括：

4.根据权利要求1所述的方法，其特征在于，所述根据各尺度时间序列对应的带宽利用率特征，确定所述目标链路的预测带宽利用率，包括：

5.根据权利要求4所述的方法，其特征在于，所述根据各第一关键特征，确定所述目标链路的预测带宽利用率，包括：

6.根据权利要求4所述的方法，其特征在于，所述基于自注意力机制，从各尺度时间序列对应的带宽利用率特征中，提取出对应的第一关键特征，包括：

7.根据权利要求5所述的方法，其特征在于，所述根据该尺度时间序列对应的第一关键特征，构建该尺度时间序列的特征相似度矩阵，并根据所述特征相似度矩阵，从所述第一关键特征中，提取出对应的第二关键特征，包括：

8.根据权利要求7所述的方法，其特征在于，所述根据所述特征相似度，从所述第一关键特征中，提取出对应的第二关键特征，包括：

9.根据权利要求5所述的方法，其特征在于，所述根据各第二关键特征，确定所述目标链路的预测带宽利用率，包括：

10.根据权利要求1所述的方法，其特征在于，所述根据所述预测带宽利用率，对所述目标链路的带宽进行控制，包括：

11.根据权利要求10所述的方法，其特征在于，对所述目标链路的带宽进行扩缩容处理，包括：

12.一种带宽控制装置，其特征在于，所述装置包括：

13.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至11中任一项所述的方法的步骤。

14.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至11中任一项所述的方法的步骤。

15.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至11中任一项所述的方法的步骤。

技术总结
本申请涉及一种带宽控制方法、装置、计算机设备、存储介质和程序产品。所述方法包括：获取目标链路的历史带宽利用率；对历史带宽利用率进行多级池化处理，得到多尺度时间序列；分别对各尺度时间序列进行特征提取，得到各尺度时间序列对应的带宽利用率特征；其中，带宽利用率特征包括利用率趋势特征和/或利用率季节特征；根据各尺度时间序列对应的带宽利用率特征，确定目标链路的预测带宽利用率；根据预测带宽利用率，对目标链路的带宽进行控制。采用本方法能够对历史带宽利用率进行多尺度的特征分解，从中提取出趋势性和/或季节性的数据特征，提升预测结果准确性，进而提升对目标链路的带宽进行控制的可靠性。

技术研发人员：马浩鹏,黄晓莹,阮科,邓丽洁
受保护的技术使用者：中国电信股份有限公司技术创新中心
技术研发日：
技术公布日：2024/9/23