[发明专利]使用机器学习算法来满足SLA要求的系统和方法

摘要

一种方法包括在监控与恢复节点处通过多个信道从相应容器化虚拟网络功能收集虚拟网络功能关键性能指标数据。方法包括：在监控与恢复节点处维持相应容器化虚拟网络功能的状态信息；以及在监控与恢复节点处运行机器学习算法，机器学习算法一经训练便学习并预测相应容器化虚拟网络功能是否需要缩放、修复或上下文切换到同类型虚拟网络功能中的一者以产生确定并且满足网络服务的服务水平协议。

主权项

1.一种方法，包括：从相应容器化虚拟网络功能收集虚拟网络功能关键性能指标数据；维持所述相应容器化虚拟网络功能的状态信息；运行机器学习算法，所述机器学习算法一经训练便学习并预测所述相应容器化虚拟网络功能是否需要缩放、修复或上下文切换到同类型虚拟网络功能中的一者以产生确定，其中，所述机器学习算法包括：T(s)＝(∑(M(v)+R(a)))％T(m)R(a)＝Rvnf/Rtotal<＝全局中间资源使用T(m)＝M(v)max+R(a)max，其中T(s)是针对所述相应容器化虚拟网络功能的所述缩放、所述修复或所述上下文切换到所述同类型虚拟网络功能的阈值；M(v)是数值变量；R(a)包括多个容器化虚拟网络功能之中的所述相应容器化虚拟网络功能的绝对单独资源使用；Rvnf包括给定的虚拟网络功能的资源使用；Rtotal包括具有一组虚拟网络功能的网络服务的总资源使用；T(m)是阈值最大值；并且Σ包括从i＝1到N的总和，其中，N是所述缩放、所述修复或所述上下文切换的所述阈值T(s)已经成功的次数。