[发明专利]基于故障预测的VNF迁移方法及装置

权利要求书

1.一种基于故障预测的VNF迁移方法，其特征在于，包括：

基于BP神经网络的物理节点故障预测模型预测未来时刻边缘网络中物理节点的故障情况；

基于所述故障预测模型确定的预测结果、节点成本及链路成本构建VNF实例迁移优化模型，并基于所述VNF实例迁移优化模型将故障节点上的VNF实例迁移至正常节点。

2.根据权利要求1所述的基于故障预测的VNF迁移方法，其特征在于，所述基于所述VNF实例迁移优化模型将故障节点上的VNF实例迁移至正常节点，具体包括：

基于深度强化学习的VNF迁移算法确定VNF实例的迁移方案将故障节点上的VNF实例迁移至正常节点；其中，所述VNF迁移算法为面向成本和优先级确定的求解算法。

3.根据权利要求1所述的基于故障预测的VNF迁移方法，其特征在于，所述基于BP神经网络的物理节点故障预测模型为：将物理节点硬盘的SMART特征数据作为输入数据，以及与所述物理节点硬盘的SMART特征数据对应的故障预测结果作为输出数据，基于深度学习算法训练得到的模型。

4.根据权利要求3所述的基于故障预测的VNF迁移方法，其特征在于，还包括：

采用第一关系模型确定误分类成本；并将所述误分类成本作为所述故障预测模型的评价指标；其中，所述第一关系模型为：

Cost_mis＝Cost₁*Num_FP+Cost₂*Num_FN

其中，Cost_mis表示误分类成本，Num_FP表示预测为故障真实为正常的样本数量，Num_FN表示预测为正常真实为故障的样本数量，Cost₁表示将正常硬盘误分类为故障硬盘引起的损失，Cost₂表示将故障硬盘误分类为正常硬盘引起的损失。

5.一种基于故障预测的VNF迁移装置，其特征在于，包括：

预测模块，用于基于BP神经网络的物理节点故障预测模型预测未来时刻边缘网络中物理节点的故障情况；

迁移模块，用于基于所述故障预测模型确定的预测结果、节点成本及链路成本构建VNF实例迁移优化模型，并基于所述VNF实例迁移优化模型将故障节点上的VNF实例迁移至正常节点。

6.根据权利要求5所述的基于故障预测的VNF迁移装置，其特征在于，所述迁移模块在执行基于所述VNF实例迁移优化模型将故障节点上的VNF实例迁移至正常节点时，具体用于：

基于深度强化学习的VNF迁移算法确定VNF实例的迁移方案将故障节点上的VNF实例迁移至正常节点；其中，所述VNF迁移算法为面向成本和优先级确定的求解算法。

7.根据权利要求5所述的基于故障预测的VNF迁移装置，其特征在于，所述预测模块中的所述基于BP神经网络的物理节点故障预测模型为：将物理节点硬盘的SMART特征数据作为输入数据，以及与所述物理节点硬盘的SMART特征数据对应的故障预测结果作为输出数据，基于深度学习算法训练得到的模型。

8.根据权利要求7所述的基于故障预测的VNF迁移装置，其特征在于，所述预测模块，还用于：

采用第一关系模型确定误分类成本；并将所述误分类成本作为所述故障预测模型的评价指标；其中，所述第一关系模型为：

Cost_mis＝Cost₁*Num_FP+Cost₂*Num_FN

其中，Cost_mis表示误分类成本，Num_FP表示预测为故障真实为正常的样本数量，Num_FN表示预测为正常真实为故障的样本数量，Cost₁表示将正常硬盘误分类为故障硬盘引起的损失，Cost₂表示将故障硬盘误分类为正常硬盘引起的损失。