基于QoS的工业互联网流量部署方法、装置及设备与流程

基于qos的工业互联网流量部署方法、装置及设备
技术领域
1.本发明涉及计算机网络技术领域，尤其涉及一种基于qos的工业互联网流量部署方法、装置、计算机设备及存储介质。


背景技术：

2.5g是新一代信息通信技术的代表，工业互联网是制造业转型的重要动力。5g的高速率、低时延和大连接有助于充分释放工业互联网的潜能，工业互联网的诸多垂直行业和应用场景也为5g开辟了广阔的市场空间。工业企业中5g专网的建设模式有独立专网，独立专网需要获得专有频谱，在企业内自建物理专网，基站等设备完全专有，从物理上与公网实现隔离，所有数据都在企业内部流动，速率快、安全性高、自主性强。
3.在工业场景中，针对不同的业务，分配不同的网络资源，而网络资源的优先级分配，就需要用到用户设备在移动网络中的服务质量(quality of service，简称为qos)来实现，qos为用户设备在移动网络中的业务所需的策略。


技术实现要素：

4.本发明实施例提供了一种基于qos的工业互联网流量部署方法、装置、计算机设备及存储介质，通过目标qos部署方案部署工业园区内的网络资源，能够针对工业园区内不同的业务，分配不同的网络资源，使业务质量得到了保障。
5.第一方面，本发明实施例提供了一种基于qos的工业互联网流量部署方法，其包括：
6.获取预设qos优先级映射表；其中，预设qos优先级映射表包括工业园区内多个计算节点的具体流量使用状态，以及基于多个计算节点的具体流量使用状态所确定的每一计算节点的优先级；
7.获取待测数据参数集，并将待测数据参数集输入至预先训练及完成测试的目标网络预测模型，得到预测结果集；其中，预测结果集包括多个计算节点的预测流量数据信息；
8.根据预测结果集调整预设qos优先级映射表，得到目标qos优先级映射表；
9.根据目标qos优先级映射表确定qos部署方案，并利用预设网络对qos部署方案进行测试验证，得到验证结果；
10.若确定验证结果对应验证成功结果，则将qos部署方案确定为目标qos部署方案。
11.第二方面，本发明实施例提供了一种基于qos的工业互联网流量部署装置，其包括：
12.优先级获取单元，用于获取预设qos优先级映射表；其中，预设qos优先级映射表包括工业园区内多个计算节点的具体流量使用状态，以及基于多个计算节点的具体流量使用状态所确定的每一计算节点的优先级；
13.网络预测单元，用于获取待测数据参数集，并将待测数据参数集输入至预先训练及完成测试的目标网络预测模型，得到预测结果集；其中，预测结果集包括多个计算节点的
预测流量数据信息；
14.优先级调整单元，用于根据预测结果集调整预设qos优先级映射表，得到目标qos优先级映射表；
15.部署验证单元，用于根据目标qos优先级映射表确定qos部署方案，并利用预设网络对qos部署方案进行测试验证，得到验证结果；
16.部署确定单元，用于若确定验证结果对应验证成功结果，则将qos部署方案确定为目标qos部署方案。
17.第三方面，本发明实施例又提供了一种计算机设备，其包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述第一方面的基于qos的工业互联网流量部署方法。
18.第四方面，本发明实施例还提供了一种计算机可读存储介质，其中计算机可读存储介质存储有计算机程序，计算机程序当被处理器执行时使处理器执行上述第一方面的基于qos的工业互联网流量部署方法。
19.本发明实施例提供了一种基于qos的工业互联网流量部署方法、装置、计算机设备及存储介质，其方法包括：获取预设qos优先级映射表；获取待测数据参数集，并将待测数据参数集输入至预先训练及完成测试的目标网络预测模型，得到预测结果集；根据预测结果集调整预设qos优先级映射表，得到目标qos优先级映射表；根据目标qos优先级映射表确定qos部署方案，并利用预设网络对qos部署方案进行测试验证，得到验证结果；若确定验证结果对应验证成功结果，则将qos部署方案确定为目标qos部署方案。本发明通过目标qos部署方案部署工业园区内的网络资源，能够针对工业园区内不同的业务，分配不同的网络资源，使业务质量得到了保障。
附图说明
20.为了更清楚地说明本发明实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
21.图1为本发明一实施例提供的基于qos的工业互联网流量部署方法的流程示意图；
22.图2为本发明一实施例提供的基于qos的工业互联网流量部署装置的示意性框图；
23.图3为本发明一实施例提供的计算机设备的示意性框图。
具体实施方式
24.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
25.应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
26.还应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目
的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
27.还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
28.请参阅图1，图1为本发明一实施例提供的基于qos的工业互联网流量部署方法的流程示意图，本发明实施例提供的基于qos的工业互联网流量部署方法应用于工业园区内的服务器中心，本发明实施例提供的基于qos的工业互联网流量部署方法包括步骤s11～s15。
29.s11、获取预设qos优先级映射表；其中，预设qos优先级映射表包括工业园区内多个计算节点的具体流量使用状态，以及基于多个计算节点的具体流量使用状态所确定的每一计算节点的优先级。
30.在本实施例中，预设qos优先级映射表能够表明工业园区内多个计算节点的具体流量使用状态，以及在该流量使用状态下每一计算节点的优先级。其中，工业互联网架构中包括采集网关端、边缘端和云端，采集网关端采集工业设备的数据后将采集的数据上传至边缘端，边缘端将部分数据上传至云端，边缘端用于计算以及上传至云端或者下传至设备端，预设qos优先级映射表中包括的工业园区内多个计算节点为工业园区内采集网关端、边缘端和云端中的所有计算节点，例如采集网关端上传数据计算节点、边缘端上传数据计算节点等。
31.在一实施例中，步骤s11包括：
32.基于获取的当前系统时间、预设的数据获取周期及预设的第一目标时间段确定策略，确定第一目标时间段；
33.基于第一目标时间段在历史数据参数集中获取第一数据参数集；其中，第一数据参数集中包括的每一条数据参数的数据保存时间均位于第一目标时间段内，且每一条数据参数为一个计算节点在对应数据保存时间的流量数据信息、位置信息、通信质量信息及服务器中心通信总流量信息；
34.根据第一数据参数集和预设映射策略获得预设qos优先级映射表。
35.在本实施例中，基于获取的当前系统时间、预设的数据获取周期及预设的第一目标时间段确定策略，确定第一目标时间段，从而确定第一数据参数集对应的历史时间段。预设的第一目标时间段确定策略可以是按比例划分策略，例如，根据当前系统时间t1和数据获取周期t获取得到历史时间段(t1-t，t1)，并可将(t1-4t/5，t1)对应的时间段作为第一目标时间段。获取历史数据参数集中数据保存时间均在第一目标时间段内的数据参数作为第一数据参数集，该第一数据参数集用于确定预设qos优先级映射表以及作为后续模型训练的训练集。并且，第一数据参数集中每一条数据参数为一个计算节点在对应数据保存时间的流量数据信息、位置信息、通信质量信息及服务器中心通信总流量信息，其中，计算节点的流量数据信息为该计算节点在对应数据保存时间的流量速率；计算节点的位置信息用于区分各个计算节点，例如可以区分为采集网关端、边缘端和云端的计算节点；计算节点的通信质量信息为优或者差其中一种，用于表明计算节点的通信质量，例如计算节点的通信质量信息为优则代表该计算节点通信顺畅、无卡顿，计算节点的通信质量信息为差则代表该计算节点通信不顺畅、出现卡顿；服务器中心通信总流量信息为工业园区网络的总流量。在
工业互联网架构中，各计算节点的流量数据信息、位置信息、通信质量信息及服务器中心通信总流量信息具有关联性，比如采集网关端计算节点的数据流量和通信质量会比边缘端计算节点的数据流量少、通信质量差。第一数据参数集中的数据可以表明各计算节点的流量使用情况，从而可以根据第一数据参数集和预设映射策略获得各计算节点的优先级，得到预设qos优先级映射表。
36.在一实施例中，根据第一数据参数集和预设映射策略获得预设qos优先级映射表步骤，包括：
37.对于第一数据参数集中的每一计算节点，获取计算节点在每一条数据参数中的流量数据信息，得到流量数据信息集；其中，流量数据信息为计算节点的流量速率；
38.根据流量数据信息集计算得到计算节点在第一目标时间段内的平均流量速率；
39.获取计算节点在每一条数据参数中的通信质量信息，得到通信质量信息集；其中，通信质量信息为优或者差其中一种；
40.统计通信质量信息为优在通信质量信息集中出现频次，得到优频次值；以及统计通信质量信息为差在通信质量信息集中出现频次，得到差频次值；
41.根据优频次值和差频次值的大小，得到计算节点在第一目标时间段内的目标通信质量信息；
42.根据预设映射策略、每一计算节点的平均流量速率和目标通信质量信息，获得预设qos优先级映射表。
43.在本实施中，对于第一数据参数集中的每一计算节点，根据计算节点在第一数据参数集的所有流量数据信息，计算得到该计算节点在第一目标时间段内的平均流量速率。并且，根据计算节点在第一数据参数集的所有通信质量信息，通过统计通信质量信息为优或差分别出现频次，并将出现频次多的通信质量信息作为目标通信质量信息，例如，若一个计算节点的优频次值大于差频次值，则该计算节点在第一目标时间段内的目标通信质量信息为优。根据每一计算节点的平均流量速率和目标通信质量信息可以表明各计算节点的流量使用情况，再结合预设映射策略获得各计算节点的优先级，得到预设qos优先级映射表。例如在一实施例中，根据一个计算节点的平均流量速率若确定上传下载量大，使用流量多，且目标通信质量为差，则确定为第一优先级；若确定上传下载量大，使用流量多，且目标通信质量为优，则确定为第二优先级；若确定上传下载量小，使用流量少，且目标通信质量为差，则确定为第三优先级；若确定上传下载量小，使用流量少，且目标通信质量为优，则确定为第四优先级。优先级设立目标是使得各计算节点具有高质量的传输，避免出现某些大数据包传输不及时，最终使得各个计算节点都应该具有符合该计算节点的传输策略。
44.在步骤s11之后，步骤s12之前，本发明实施例提供的基于qos的工业互联网流量部署方法还包括：
45.对第一数据参数集进行数据预处理，得到训练集；
46.根据训练集对预先构建的网络预测模型进行训练，得到训练后的网络预测模型；
47.获取预设的第二目标时间段确定策略，并基于当前系统时间、数据获取周期和第二目标时间段确定策略确定第二目标时间段；其中，第二目标时间段与第一目标时间段不相同；
48.基于第二目标时间段在历史数据参数集中获取第二数据参数集；其中，第二数据
参数集中包括的每一条数据参数的数据保存时间均位于第二目标时间段内，且每一条数据参数为一个计算节点在对应数据保存时间的流量数据信息、位置信息、通信质量信息及服务器中心通信总流量信息；
49.根据第二数据参数集对训练后的网络预测模型进行测试，若满足预设的测试条件，则停止训练，得到目标网络预测模型。
50.在本实施中，将第一数据参数集进行数据预处理，得到训练集，从而为模型的训练提供数据基础。通过训练集对预先构建的网络预测模型进行训练，预先构建的网络预测模型包括长短时记忆递归神经网络模型和深度广度模型，将训练集输入至长短时记忆递归神经网络模型，再将长短时记忆递归神经网络模型的输出作为深度广度模型的输入，并根据深度广度模型的输出设置长短时记忆递归神经网络模型的网络参数，如输入层结点数、隐层层数、每个隐层的结点数、输出层结点数等，从而得到训练后的网络预测模型。然后，需获取与第一目标时间段不同的第二目标时间段的数据参数作为测试集，用测试集对训练后的网络预测模型进行测试。例如，第一目标时间段和第二目标时间段的确定，可根据当前系统时间t1和数据获取周期t获取得到历史时间段(t1-t，t1)，并根据第一目标时间段确定策略可将(t1-4t/5，t1)对应的时间段作为第一目标时间段，并根据第二目标时间段确定策略可将(t1-t，t1-4t/5]对应的时间段作为第二目标时间段，从而得到训练集和测试集的数据对应的历史时间段。将基于第二目标时间段在历史数据参数集中获取第二数据参数集作为测试集，用第二数据参数集训练后的网络预测模型进行测试，并根据测试结果调整模型的网络参数，直至第二数据参数集所有数据测试完毕且误差均小于预设值，则停止训练，得到目标网络预测模型，目标网络预测模型能够预测到每一计算节点的流量数据信息。
51.在一实施例中，对第一数据参数集进行数据预处理，得到训练集，包括：
52.对第一数据参数集进行数据清洗，得到第一数据集；
53.对第一数据集进行去除奇异点数处理，得到第二数据集；
54.对第二数据集进行归一化处理，得到训练集。
55.在本实施中，在网络预测模型进行训练前，需要对原始数据(即第一数据参数集)进行数据预处理。首先，对第一数据参数集进行数据清洗，以便于清洗掉冗余数据，留下有效的数据。然后，对进行数据清洗得到的第一数据集进行去除奇异点数处理，消除数据中的异常值，以便更好地提取有用的信息。最后，对进行去除奇异点数处理得到的第二数据集进行归一化处理，从而得到训练集，并且，归一化处理在机器学习中是一种数据预处理技术，通常用于对数据进行标准化处理，其主要作用是消除不同特征之间的量纲影响，提高模型的训练效率和泛化能力，避免特征权重过大或过小的问题，同时有助于优化算法收敛速度。
56.s12、获取待测数据参数集，并将待测数据参数集输入至预先训练及完成测试的目标网络预测模型，得到预测结果集；其中，预测结果集包括多个计算节点的预测流量数据信息。
57.在本实施例中，获取待测数据参数集，待测数据参数集包括多个计算节点中每一计算节点的当前流量数据信息、当前位置信息、当前通信质量信息及当前服务器中心通信总流量信息。将待测数据参数集输入至目标网络预测模型，得到预测结果集，其中，目标网络预测模型能够预测到每一计算节点的流量数据信息，即预测结果集包括多个计算节点的预测流量数据信息，以便于根据预测结果集调整预设qos优先级映射表。
58.s13、根据预测结果集调整预设qos优先级映射表，得到目标qos优先级映射表。
59.在本实施例中，根据预测结果集中每一计算节点的预测流量数据信息调整预设qos优先级映射表，重新确定每一计算节点的优先级，得到目标qos优先级映射表，目标qos优先级映射表用于预测工业园区内各计算节点的具体流量使用状态。
60.s14、根据目标qos优先级映射表确定qos部署方案，并利用预设网络对qos部署方案进行测试验证，得到验证结果。
61.在本实施例中，根据目标qos优先级映射表确定qos部署方案，使用各种优先级转发策略、拥塞避免等机制为数据流提供高质量的传输服务，从而针对工业园区内各计算节点在目标qos优先级映射表中的优先级，提供有差别的qos服务质量。在确定qos部署方案后，需要利用预设网络对qos部署方案进行测试验证，得到验证结果，以便于检测是否达到qos部署方案对各类业务的部署目标。
62.在一实施例中，步骤s14包括：
63.根据目标qos优先级映射表确定qos部署方案，按qos部署方案对预设网络的网络流量进行分配；
64.对于目标qos优先级映射表中的每一计算节点，获取计算节点的网络接入口的报文头和网络出口的报文头；
65.解析网络接入口的报文头得到第一exp优先级，以及解析网络出口的报文头得到第二exp优先级；
66.若确定第一exp优先级和第二exp优先级均与计算节点在目标qos优先级映射表中的优先级相同，则得到计算节点的子验证结果为子验证成功结果；
67.若确定第一exp优先级或第二exp优先级与计算节点在目标qos优先级映射表中的优先级不相同，则得到计算节点的子验证结果为子验证失败结果；
68.若确定每一计算节点的子验证结果均为子验证成功结果，则得到验证成功结果；
69.若确定存在计算节点的子验证结果为子验证失败结果，则得到验证失败结果。
70.在本实施例中，根据目标qos优先级映射表确定qos部署方案，并完成qos部署方案的部署，按qos部署方案对预设网络的网络流量进行分配，其中，预设网络包括3g、4g和5g网络，通过分别在现网3g、4g和5g网络上对qos部署方案进行测试和效果验证。通过解析各计算节点的网络接入口的报文头和网络出口的报文头分别得到对应的第一exp优先级和第二exp优先级，以发现不同业务的exp效果。其中，若确定每一计算节点的第一exp优先级和第二exp优先级均与目标qos优先级映射表中对应的优先级相同，即每一计算节点的子验证结果均为子验证成功结果，则对qos部署方案进行测试验证所得到的验证结果为验证成功结果，说明达到了qos部署方案对各类业务的部署目标。若确定存在计算节点的第一exp优先级或第二exp优先级与目标qos优先级映射表中对应的优先级不相同，即存在计算节点的子验证结果为子验证失败结果，则对qos部署方案进行测试验证所得到的验证结果为验证失败结果，说明未达到qos部署方案对各类业务的部署目标。
71.s15、若确定验证结果对应验证成功结果，则将qos部署方案确定为目标qos部署方案。
72.在本实施例中，若确定验证结果对应验证成功结果，说明达到了qos部署方案对各类业务的部署目标，将qos部署方案确定为目标qos部署方案，可以针对不同业务提供差异
化的服务，能够针对工业园区内不同的业务，分配不同的网络资源，在出现流量拥塞的情况下，低优先级报文被丢弃，但高优先级业务报文仍然可以正常转发，业务质量得到了保障。
73.在一实施例中，在步骤s14之后，本发明实施例提供的基于qos的工业互联网流量部署方法还包括：
74.若确定验证结果对应验证失败结果，则获取最新系统时间，且将最新系统时间作为当前系统时间，将目标网络模型作为预先构建的网络预测模型，并返回基于获取的当前系统时间、预设的数据获取周期及预设的第一目标时间段确定策略，确定第一目标时间段的步骤。
75.在本实施例中，若确定验证结果对应验证失败结果，未达到qos部署方案对各类业务的部署目标。需要重新训练目标网络模型，重新进行模型训练，直至最终模型能够使qos部署方案验证成功。
76.本发明公开的一种基于qos的工业互联网流量部署方法，通过目标qos部署方案部署工业园区内的网络资源，能够针对工业园区内不同的业务，分配不同的网络资源，使业务质量得到了保障。
77.本发明实施例还提供了一种基于qos的工业互联网流量部署装置，该基于qos的工业互联网流量部署装置用于执行前述基于qos的工业互联网流量部署方法的任一实施例，具体地，请参阅图2，图2为本发明实施例提供的基于qos的工业互联网流量部署装置的示意性框图，本发明实施例提供了一种基于qos的工业互联网流量部署装置100包括优先级获取单元11、网络预测单元12、优先级调整单元13、部署验证单元14和部署确定单元15。
78.优先级获取单元11，用于获取预设qos优先级映射表；其中，预设qos优先级映射表包括工业园区内多个计算节点的具体流量使用状态，以及基于多个计算节点的具体流量使用状态所确定的每一计算节点的优先级。
79.在本实施例中，预设qos优先级映射表能够表明工业园区内多个计算节点的具体流量使用状态，以及在该流量使用状态下每一计算节点的优先级。其中，工业互联网架构中包括采集网关端、边缘端和云端，采集网关端采集工业设备的数据后将采集的数据上传至边缘端，边缘端将部分数据上传至云端，边缘端用于计算以及上传至云端或者下传至设备端，预设qos优先级映射表中包括的工业园区内多个计算节点为工业园区内采集网关端、边缘端和云端中的所有计算节点，例如采集网关端上传数据计算节点、边缘端上传数据计算节点等。
80.在一实施例中，优先级获取单元11具体用于：
81.基于获取的当前系统时间、预设的数据获取周期及预设的第一目标时间段确定策略，确定第一目标时间段；
82.基于第一目标时间段在历史数据参数集中获取第一数据参数集；其中，第一数据参数集中包括的每一条数据参数的数据保存时间均位于第一目标时间段内，且每一条数据参数为一个计算节点在对应数据保存时间的流量数据信息、位置信息、通信质量信息及服务器中心通信总流量信息；
83.根据第一数据参数集和预设映射策略获得预设qos优先级映射表。
84.在本实施例中，基于获取的当前系统时间、预设的数据获取周期及预设的第一目标时间段确定策略，确定第一目标时间段，从而确定第一数据参数集对应的历史时间段。预
设的第一目标时间段确定策略可以是按比例划分策略，例如，根据当前系统时间t1和数据获取周期t获取得到历史时间段(t1-t，t1)，并可将(t1-4t/5，t1)对应的时间段作为第一目标时间段。获取历史数据参数集中数据保存时间均在第一目标时间段内的数据参数作为第一数据参数集，该第一数据参数集用于确定预设qos优先级映射表以及作为后续模型训练的训练集。并且，第一数据参数集中每一条数据参数为一个计算节点在对应数据保存时间的流量数据信息、位置信息、通信质量信息及服务器中心通信总流量信息，其中，计算节点的流量数据信息为该计算节点在对应数据保存时间的流量速率；计算节点的位置信息用于区分各个计算节点，例如可以区分为采集网关端、边缘端和云端的计算节点；计算节点的通信质量信息为优或者差其中一种，用于表明计算节点的通信质量，例如计算节点的通信质量信息为优则代表该计算节点通信顺畅、无卡顿，计算节点的通信质量信息为差则代表该计算节点通信不顺畅、出现卡顿；服务器中心通信总流量信息为工业园区网络的总流量。在工业互联网架构中，各计算节点的流量数据信息、位置信息、通信质量信息及服务器中心通信总流量信息具有关联性，比如采集网关端计算节点的数据流量和通信质量会比边缘端计算节点的数据流量少、通信质量差。第一数据参数集中的数据可以表明各计算节点的流量使用情况，从而可以根据第一数据参数集和预设映射策略获得各计算节点的优先级，得到预设qos优先级映射表。
85.在一实施例中，优先级获取单元11用于执行根据第一数据参数集和预设映射策略获得预设qos优先级映射表步骤时，具体用于：
86.对于第一数据参数集中的每一计算节点，获取计算节点在每一条数据参数中的流量数据信息，得到流量数据信息集；其中，流量数据信息为计算节点的流量速率；
87.根据流量数据信息集计算得到计算节点在第一目标时间段内的平均流量速率；
88.获取计算节点在每一条数据参数中的通信质量信息，得到通信质量信息集；其中，通信质量信息为优或者差其中一种；
89.统计通信质量信息为优在通信质量信息集中出现频次，得到优频次值；以及统计通信质量信息为差在通信质量信息集中出现频次，得到差频次值；
90.根据优频次值和差频次值的大小，得到计算节点在第一目标时间段内的目标通信质量信息；
91.根据预设映射策略、每一计算节点的平均流量速率和目标通信质量信息，获得预设qos优先级映射表。
92.在本实施中，对于第一数据参数集中的每一计算节点，根据计算节点在第一数据参数集的所有流量数据信息，计算得到该计算节点在第一目标时间段内的平均流量速率。并且，根据计算节点在第一数据参数集的所有通信质量信息，通过统计通信质量信息为优或差分别出现频次，并将出现频次多的通信质量信息作为目标通信质量信息，例如，若一个计算节点的优频次值大于差频次值，则该计算节点在第一目标时间段内的目标通信质量信息为优。根据每一计算节点的平均流量速率和目标通信质量信息可以表明各计算节点的流量使用情况，再结合预设映射策略获得各计算节点的优先级，得到预设qos优先级映射表。例如在一实施例中，根据一个计算节点的平均流量速率若确定上传下载量大，使用流量多，且目标通信质量为差，则确定为第一优先级；若确定上传下载量大，使用流量多，且目标通信质量优，则确定为第二优先级；若确定上传下载量小，使用流量少，且目标通信质量差，则
确定为第三优先级；若确定上传下载量小，使用流量少，且目标通信质量优，则确定为第四优先级。优先级设立目标是使得各计算节点具有高质量的传输，避免出现某些大数据包传输不及时，最终使得各个计算节点都应该具有符合该计算节点的传输策略。
93.在优先级获取单元11用于执行获取预设qos优先级映射表步骤之后，网络预测单元12用于执行获取待测数据参数集，并将待测数据参数集输入至预先训练及完成测试的目标网络预测模型，得到预测结果集步骤之前，本发明实施例提供的基于qos的工业互联网流量部署装置100还包括：
94.数据处理单元，用于对第一数据参数集进行数据预处理，得到训练集；
95.模型训练单元，用于根据训练集对预先构建的网络预测模型进行训练，得到训练后的网络预测模型；
96.时间段确定单元，用于获取预设的第二目标时间段确定策略，并基于当前系统时间、数据获取周期和第二目标时间段确定策略确定第二目标时间段；其中，第二目标时间段与第一目标时间段不相同；
97.参数集获取单元，用于基于第二目标时间段在历史数据参数集中获取第二数据参数集；其中，第二数据参数集中包括的每一条数据参数的数据保存时间均位于第二目标时间段内，且每一条数据参数为一个计算节点在对应数据保存时间的流量数据信息、位置信息、通信质量信息及服务器中心通信总流量信息；
98.目标模型获取单元，根据第二数据参数集对训练后的网络预测模型进行测试，若满足预设的测试条件，则停止训练，得到目标网络预测模型。
99.在本实施中，将第一数据参数集进行数据预处理，得到训练集，从而为模型的训练提供数据基础。通过训练集对预先构建的网络预测模型进行训练，预先构建的网络预测模型包括长短时记忆递归神经网络模型和深度广度模型，将训练集输入至长短时记忆递归神经网络模型，再将长短时记忆递归神经网络模型的输出作为深度广度模型的输入，并根据深度广度模型的输出设置长短时记忆递归神经网络模型的网络参数，如输入层结点数、隐层层数、每个隐层的结点数、输出层结点数等，从而得到训练后的网络预测模型。然后，需获取与第一目标时间段不同的第二目标时间段的数据参数作为测试集，用测试集对训练后的网络预测模型进行测试。例如，第一目标时间段和第二目标时间段的确定，可根据当前系统时间t1和数据获取周期t获取得到历史时间段(t1-t，t1)，并根据第一目标时间段确定策略可将(t1-4t/5，t1)对应的时间段作为第一目标时间段，并根据第二目标时间段确定策略可将(t1-t，t1-4t/5]对应的时间段作为第二目标时间段，从而得到训练集和测试集的数据对应的历史时间段。将基于第二目标时间段在历史数据参数集中获取第二数据参数集作为测试集，用第二数据参数集训练后的网络预测模型进行测试，并根据测试结果调整模型的网络参数，直至第二数据参数集所有数据测试完毕且误差均小于预设值，则停止训练，得到目标网络预测模型，目标网络预测模型能够预测到每一计算节点的流量数据信息。
100.在一实施例中，数据处理单元用于执行对第一数据参数集进行数据预处理，得到训练集步骤时，具体用于：
101.对第一数据参数集进行数据清洗，得到第一数据集；
102.对第一数据集进行去除奇异点数处理，得到第二数据集；
103.对第二数据集进行归一化处理，得到训练集。
104.在本实施中，在网络预测模型进行训练前，需要对原始数据(即第一数据参数集)进行数据预处理。首先，对第一数据参数集进行数据清洗，以便于清洗掉冗余数据，留下有效的数据。然后，对进行数据清洗得到的第一数据集进行去除奇异点数处理，消除数据中的异常值，以便更好地提取有用的信息。最后，对进行去除奇异点数处理得到的第二数据集进行归一化处理，从而得到训练集，并且，归一化处理在机器学习中是一种数据预处理技术，通常用于对数据进行标准化处理，其主要作用是消除不同特征之间的量纲影响，提高模型的训练效率和泛化能力，避免特征权重过大或过小的问题，同时有助于优化算法收敛速度。
105.网络预测单元12，用于获取待测数据参数集，并将待测数据参数集输入至预先训练及完成测试的目标网络预测模型，得到预测结果集；其中，预测结果集包括多个计算节点的预测流量数据信息。
106.在本实施例中，获取待测数据参数集，待测数据参数集包括多个计算节点中每一计算节点的当前流量数据信息、当前位置信息、当前通信质量信息及当前服务器中心通信总流量信息。将待测数据参数集输入至目标网络预测模型，得到预测结果集，其中，目标网络预测模型能够预测到每一计算节点的流量数据信息，即预测结果集包括多个计算节点的预测流量数据信息，以便于根据预测结果集调整预设qos优先级映射表。
107.优先级调整单元13，用于根据预测结果集调整预设qos优先级映射表，得到目标qos优先级映射表。
108.在本实施例中，根据预测结果集中每一计算节点的预测流量数据信息调整预设qos优先级映射表，重新确定每一计算节点的优先级，得到目标qos优先级映射表，目标qos优先级映射表用于预测工业园区内各计算节点的具体流量使用状态。
109.部署验证单元14，用于根据目标qos优先级映射表确定qos部署方案，并利用预设网络对qos部署方案进行测试验证，得到验证结果。
110.在本实施例中，根据目标qos优先级映射表确定qos部署方案，使用各种优先级转发策略、拥塞避免等机制为数据流提供高质量的传输服务，从而针对工业园区内各计算节点在目标qos优先级映射表中的优先级，提供有差别的qos服务质量。在确定qos部署方案后，需要利用预设网络对qos部署方案进行测试验证，得到验证结果，以便于检测是否达到qos部署方案对各类业务的部署目标。
111.在一实施例中，部署验证单元14用于执行根据目标qos优先级映射表确定qos部署方案，并利用预设网络对qos部署方案进行测试验证，得到验证结果步骤时，具体用于：
112.根据目标qos优先级映射表确定qos部署方案，按qos部署方案对预设网络的网络流量进行分配；
113.对于目标qos优先级映射表中的每一计算节点，获取计算节点的网络接入口的报文头和网络出口的报文头；
114.解析网络接入口的报文头得到第一exp优先级，以及解析网络出口的报文头得到第二exp优先级；
115.若确定第一exp优先级和第二exp优先级均与计算节点在目标qos优先级映射表中的优先级相同，则得到计算节点的子验证结果为子验证成功结果；
116.若确定第一exp优先级或第二exp优先级与计算节点在目标qos优先级映射表中的优先级不相同，则得到计算节点的子验证结果为子验证失败结果；
117.若确定每一计算节点的子验证结果均为子验证成功结果，则得到验证成功结果；
118.若确定存在计算节点的子验证结果为子验证失败结果，则得到验证失败结果。
119.在本实施例中，根据目标qos优先级映射表确定qos部署方案，并完成qos部署方案的部署，按qos部署方案对预设网络的网络流量进行分配，其中，预设网络包括3g、4g和5g网络，通过分别在现网3g、4g和5g网络上对qos部署方案进行测试和效果验证。通过解析各计算节点的网络接入口的报文头和网络出口的报文头分别得到对应的第一exp优先级和第二exp优先级，以发现不同业务的exp效果。其中，若确定每一计算节点的第一exp优先级和第二exp优先级均与目标qos优先级映射表中对应的优先级相同，即每一计算节点的子验证结果均为子验证成功结果，则对qos部署方案进行测试验证所得到的验证结果为验证成功结果，说明达到了qos部署方案对各类业务的部署目标。若确定存在计算节点的第一exp优先级或第二exp优先级与目标qos优先级映射表中对应的优先级不相同，即存在计算节点的子验证结果为子验证失败结果，则对qos部署方案进行测试验证所得到的验证结果为验证失败结果，说明未达到qos部署方案对各类业务的部署目标。
120.部署确定单元15，用于若确定验证结果对应验证成功结果，则将qos部署方案确定为目标qos部署方案。
121.在本实施例中，若确定验证结果对应验证成功结果，说明达到了qos部署方案对各类业务的部署目标，将qos部署方案确定为目标qos部署方案，可以针对不同业务提供差异化的服务，能够针对工业园区内不同的业务，分配不同的网络资源，在出现流量拥塞的情况下，低优先级报文被丢弃，但高优先级业务报文仍然可以正常转发，业务质量得到了保障。
122.在一实施例中，在部署验证单元14用于执行根据目标qos优先级映射表确定qos部署方案，并利用预设网络对qos部署方案进行测试验证，得到验证结果步骤之后，本发明实施例提供的基于qos的工业互联网流量部署装置100还包括：
123.部署失败单元，用于若确定验证结果对应验证失败结果，则获取最新系统时间，且将最新系统时间作为当前系统时间，将目标网络模型作为预先构建的网络预测模型，并返回基于获取的当前系统时间、预设的数据获取周期及预设的第一目标时间段确定策略，确定第一目标时间段的步骤。
124.在本实施例中，若确定验证结果对应验证失败结果，未达到qos部署方案对各类业务的部署目标。需要重新训练目标网络模型，重新进行模型训练，直至最终模型能够使qos部署方案验证成功。
125.本发明公开的一种基于qos的工业互联网流量部署装置，通过目标qos部署方案部署工业园区内的网络资源，能够针对工业园区内不同的业务，分配不同的网络资源，使业务质量得到了保障。
126.上述基于qos的工业互联网流量部署方法可以实现为计算机程序的形式，该计算机程序可以在如图3所示的计算机设备上运行。
127.请参阅图3，图3是本发明实施例提供的计算机设备的示意性框图。该计算机设备500包括通过装置总线501连接的处理器502、存储器和网络接口505，其中，存储器可以包括存储介质503和内存储器504。
128.该存储介质503可存储操作装置5031和计算机程序5032。该计算机程序5032被执行时，可使得处理器502执行基于qos的工业互联网流量部署方法。
129.该处理器502用于提供计算和控制能力，支撑整个计算机设备500的运行。
130.该内存储器504为存储介质503中的计算机程序5032的运行提供环境，该计算机程序5032被处理器502执行时，可使得处理器502执行基于qos的工业互联网流量部署方法。
131.该网络接口505用于进行网络通信，如提供数据信息的传输等。本领域技术人员可以理解，图3中示出的结构，仅仅是与本发明方案相关的部分结构的框图，并不构成对本发明方案所应用于其上的计算机设备500的限定，具体的计算机设备500可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
132.其中，处理器502用于运行存储在存储器中的计算机程序5032，以实现本发明实施例公开的基于qos的工业互联网流量部署方法。
133.本领域技术人员可以理解，图3中示出的计算机设备的实施例并不构成对计算机设备具体构成的限定，在其他实施例中，计算机设备可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。例如，在一些实施例中，计算机设备可以仅包括存储器及处理器，在这样的实施例中，存储器及处理器的结构及功能与图3所示实施例一致，在此不再赘述。
134.应当理解，在本发明实施例中，处理器502可以是中央处理单元(central processing unit，cpu)，该处理器502还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现成可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中，通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
135.在本发明的另一实施例中提供计算机可读存储介质。该计算机可读存储介质可以为非易失性的计算机可读存储介质，也可以为易失性的计算机可读存储介质。该计算机可读存储介质存储有计算机程序，其中计算机程序被处理器执行时实现本发明实施例公开的基于qos的工业互联网流量部署方法。
136.所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的设备、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
137.在本发明所提供的几个实施例中，应该理解到，所揭露的设备、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为逻辑功能划分，实际实现时可以有另外的划分方式，也可以将具有相同功能的单元集合成一个单元，例如多个单元或组件可以结合或者可以集成到另一个装置，或一些特征可以忽略，或不执行。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接，也可以是电的，机械的或其它的形式连接。
138.作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。
139.另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
140.集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，后台服务器，或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、磁碟或者光盘等各种可以存储程序代码的介质。
141.以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

技术特征：
1.一种基于qos的工业互联网流量部署方法，其特征在于，包括：获取预设qos优先级映射表；其中，所述预设qos优先级映射表包括工业园区内多个计算节点的具体流量使用状态，以及基于多个计算节点的具体流量使用状态所确定的每一计算节点的优先级；获取待测数据参数集，并将所述待测数据参数集输入至预先训练及完成测试的目标网络预测模型，得到预测结果集；其中，所述预测结果集包括所述多个计算节点的预测流量数据信息；根据所述预测结果集调整所述预设qos优先级映射表，得到目标qos优先级映射表；根据所述目标qos优先级映射表确定qos部署方案，并利用预设网络对所述qos部署方案进行测试验证，得到验证结果；若确定所述验证结果对应验证成功结果，则将所述qos部署方案确定为目标qos部署方案。2.根据权利要求1所述的基于qos的工业互联网流量部署方法，其特征在于，所述获取预设qos优先级映射表，包括：基于获取的当前系统时间、预设的数据获取周期及预设的第一目标时间段确定策略，确定第一目标时间段；基于所述第一目标时间段在历史数据参数集中获取第一数据参数集；其中，所述第一数据参数集中包括的每一条数据参数的数据保存时间均位于所述第一目标时间段内，且每一条数据参数为一个计算节点在对应数据保存时间的流量数据信息、位置信息、通信质量信息及服务器中心通信总流量信息；根据所述第一数据参数集和预设映射策略获得所述预设qos优先级映射表。3.根据权利要求2所述的基于qos的工业互联网流量部署方法，其特征在于，在所述获取预设qos优先级映射表之后，所述获取待测数据参数集，并将所述待测数据参数集输入至预先训练及完成测试的目标网络预测模型，得到预测结果集之前，还包括：对所述第一数据参数集进行数据预处理，得到训练集；根据所述训练集对预先构建的网络预测模型进行训练，得到训练后的网络预测模型；获取预设的第二目标时间段确定策略，并基于所述当前系统时间、所述数据获取周期和所述第二目标时间段确定策略确定第二目标时间段；其中，所述第二目标时间段与所述第一目标时间段不相同；基于所述第二目标时间段在历史数据参数集中获取第二数据参数集；其中，所述第二数据参数集中包括的每一条数据参数的数据保存时间均位于所述第二目标时间段内，且每一条数据参数为一个计算节点在对应数据保存时间的流量数据信息、位置信息、通信质量信息及服务器中心通信总流量信息；根据所述第二数据参数集对所述训练后的网络预测模型进行测试，若满足预设的测试条件，则停止训练，得到所述目标网络预测模型。4.根据权利要求3所述的基于qos的工业互联网流量部署方法，其特征在于，所述对所述第一数据参数集进行数据预处理，得到训练集，包括：对所述第一数据参数集进行数据清洗，得到第一数据集；对所述第一数据集进行去除奇异点数处理，得到第二数据集；
对所述第二数据集进行归一化处理，得到所述训练集。5.根据权利要求2所述的基于qos的工业互联网流量部署方法，其特征在于，所述根据所述第一数据参数集和预设映射策略获得所述预设qos优先级映射表，包括：对于所述第一数据参数集中的每一计算节点，获取所述计算节点在每一条数据参数中的流量数据信息，得到流量数据信息集；其中，所述流量数据信息为所述计算节点的流量速率；根据所述流量数据信息集计算得到所述计算节点在所述第一目标时间段内的平均流量速率；获取所述计算节点在每一条数据参数中的通信质量信息，得到通信质量信息集；其中，所述通信质量信息为优或者差其中一种；统计所述通信质量信息为优在所述通信质量信息集中出现频次，得到优频次值；以及统计所述通信质量信息为差在所述通信质量信息集中出现频次，得到差频次值；根据所述优频次值和所述差频次值的大小，得到所述计算节点在所述第一目标时间段内的目标通信质量信息；根据所述预设映射策略、每一计算节点的所述平均流量速率和所述目标通信质量信息，获得所述预设qos优先级映射表。6.根据权利要求1所述的基于qos的工业互联网流量部署方法，其特征在于，所述根据所述目标qos优先级映射表确定qos部署方案，并利用预设网络对所述qos部署方案进行测试验证，得到验证结果，包括：根据所述目标qos优先级映射表确定所述qos部署方案，按所述qos部署方案对所述预设网络的网络流量进行分配；对于所述目标qos优先级映射表中的每一计算节点，获取所述计算节点的网络接入口的报文头和网络出口的报文头；解析所述网络接入口的报文头得到第一exp优先级，以及解析所述网络出口的报文头得到第二exp优先级；若确定所述第一exp优先级和所述第二exp优先级均与所述计算节点在所述目标qos优先级映射表中的优先级相同，则得到所述计算节点的子验证结果为子验证成功结果；若确定所述第一exp优先级或所述第二exp优先级与所述计算节点在所述目标qos优先级映射表中的优先级不相同，则得到所述计算节点的子验证结果为子验证失败结果；若确定每一计算节点的子验证结果均为所述子验证成功结果，则得到所述验证成功结果；若确定存在计算节点的子验证结果为所述子验证失败结果，则得到验证失败结果。7.根据权利要求3所述的基于qos的工业互联网流量部署方法，其特征在于，在所述根据所述目标qos优先级映射表确定qos部署方案，并利用预设网络对所述qos部署方案进行测试验证，得到验证结果之后，还包括：若确定所述验证结果对应验证失败结果，则获取最新系统时间，且将所述最新系统时间作为所述当前系统时间，将所述目标网络模型作为所述预先构建的网络预测模型，并返回所述基于获取的当前系统时间、预设的数据获取周期及预设的第一目标时间段确定策略，确定第一目标时间段的步骤。
8.一种基于qos的工业互联网流量部署装置，其特征在于，包括：优先级获取单元，用于获取预设qos优先级映射表；其中，所述预设qos优先级映射表包括工业园区内多个计算节点的具体流量使用状态，以及基于多个计算节点的具体流量使用状态所确定的每一计算节点的优先级；网络预测单元，用于获取待测数据参数集，并将所述待测数据参数集输入至预先训练及完成测试的目标网络预测模型，得到预测结果集；其中，所述预测结果集包括所述多个计算节点的预测流量数据信息；优先级调整单元，用于根据所述预测结果集调整所述预设qos优先级映射表，得到目标qos优先级映射表；部署验证单元，用于根据所述目标qos优先级映射表确定qos部署方案，并利用预设网络对所述qos部署方案进行测试验证，得到验证结果；部署确定单元，用于若确定所述验证结果对应验证成功结果，则将所述qos部署方案确定为目标qos部署方案。9.一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的基于qos的工业互联网流量部署方法。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序当被处理器执行时使所述处理器执行如权利要求1至7任一项所述的基于qos的工业互联网流量部署方法。

技术总结
本发明公开了一种基于QoS的工业互联网流量部署方法、装置、计算机设备及存储介质，其方法包括：获取预设QoS优先级映射表；获取待测数据参数集，并将待测数据参数集输入至预先训练及完成测试的目标网络预测模型，得到预测结果集；根据预测结果集调整预设QoS优先级映射表，得到目标QoS优先级映射表；根据目标QoS优先级映射表确定QoS部署方案，并利用预设网络对QoS部署方案进行测试验证，得到验证结果；若确定验证结果对应验证成功结果，则将QoS部署方案确定为目标QoS部署方案。本发明通过目标QoS部署方案部署工业园区内的网络资源，能够针对工业园区内不同的业务，分配不同的网络资源，使业务质量得到了保障。业务质量得到了保障。业务质量得到了保障。


技术研发人员：胡晓蕾 刘国栋
受保护的技术使用者：广东省工业边缘智能创新中心有限公司
技术研发日：2023.05.25
技术公布日：2023/9/22