一种SD-WAN网络的最优路径规划方法、系统及设备与流程

摘要: 本发明涉及sd-wan,特别是一种sd-wan网络的最优路径规划方法、系统及设备。背景技术:1、sd-wan技术凭借其基于公共互联网实现动态路径选择的核心优势,...
一种SD-WAN网络的最优路径规划方法、系统及设备与流程

本发明涉及sd-wan,特别是一种sd-wan网络的最优路径规划方法、系统及设备。

背景技术:

1、sd-wan技术凭借其基于公共互联网实现动态路径选择的核心优势,已在全球企业网络部署中广泛普及,成为支撑跨国跨区域业务数据传输的关键技术。当前主流sd-wan解决方案的路径规划算法,多以端到端延迟、丢包率、抖动等单一网络质量指标为核心,或通过加权归一化将带宽利用率、成本、安全性等多因素转化为复合指标进行计算,例如ciscoviptelasd-wan的bgp策略路由、vmware velocloud的应用感知路由等,在网络环境稳定的场景下能够基本满足传输需求。

2、然而,随着全球业务布局的复杂化、网络环境的动态变化以及多供应商多云架构的普及,现有技术逐渐暴露出诸多难以突破的瓶颈。首先,路径计算算法固化问题突出,选路策略依赖硬编码脚本实现,当企业需根据业务变化切换核心诉求(如从“延迟优先”调整为“成本优先”)或应对地缘政治事件、海缆中断等突发状况时,需进行大量代码重构、模拟验证和实地测试,周期长达数周,且存在控制器固件升级风险,易导致业务中断,使得企业sla违约率显著上升。

3、其次,多路径支持能力不足,经典dijkstra算法仅能输出单一路径,缺乏冗余备份,易受单点故障影响;k-shortestpaths等多路径算法则存在计算复杂度高、参数调优门槛高的问题,在节点数超1000的大型全球拓扑中耗时过长,无法满足实时调度需求。同时,多路径环境下的环路问题频发,传统ttl计数器、bgpas-path过滤等静态解决方案在动态sd-wan架构中失效率高,而适用于lan的环路检测工具在wan尺度下响应迟缓,平均检测时间超10秒,易造成资源耗尽甚至网络瘫痪。

4、此外,现有技术缺乏预测性优化能力,路径选择仅基于实时网络快照,无法通过历史趋势预判高峰期拥塞、链路衰减等潜在问题,只能被动响应网络恶化。加之全球网络环境碎片化,不同运营商qos标准不一,卫星链路等新兴技术接入时,传统算法难以快速评估整合,进一步限制了sd-wan网络的弹性与可靠性。这些缺陷导致现有方案难以满足现代企业对全球网络智能化、实时化、高可用的核心需求,亟需一种突破传统算法局限的创新技术方案。

技术实现思路

1、针对现有技术存在的不足,本发明目的是提供一种sd-wan网络的最优路径规划方法、系统及设备,有效的解决了现有的sd-wan网络难以满足现代企业对全球网络智能化、实时化、高可用的核心需求的问题。

2、本技术所提供的技术方案为:一种sd-wan网络的最优路径规划方法,所述方法包括:

3、通过sd-wan控制器的采集接口,获取sd-wan网络的实时运行指标数据和外部全球网络数据,整合所述实时运行指标数据和外部全球网络数据得到统一特征向量;

4、根据预置的ai agent解析用户输入的自然语言选路策略,得到目标语义图,映射所述目标语义图得到用户路径优化的目标函数和约束条件集;

5、通过所述统一特征向量、目标函数和约束条件集,所述ai agent以网络拓扑为状态空间、路径决策为动作空间生成多条候选无环路路径;

6、从所述多条候选无环路路径中选择出最优路径,并执行所述最优路径,以完成sd-wan网络的最优路径规划。

7、进一步地,从所述多条候选无环路路径中选择出最优路径,包括:

8、分别对所述多条候选无环路路径基于目标函数计算出所述加权评分以及进行未来质量预测得到质量预测结果;

9、基于所述质量预测结果动态调整所述加权评分,以从所述多条候选无环路路径中选择出最优路径。

10、进一步地,所述进行未来质量预测得到质量预测结果,包括:

11、基于历史时间段的路径质量数据以及外部影响因子,所述ai agent预测未来时间段的所述最优路径的质量变化趋势;

12、判断所述质量变化趋势是否满足预设的质量恶化条件,以生成所述最优路径的质量预测结果。

13、进一步地,生成所述最优路径的质量预测结果之后,包括:

14、若所述质量预测结果为满足,则提前生成所述候选无环路路径的备用路径并注入sd-wan控制器队列;

15、控制所述sd-wan控制器基于所述备用路径对所述最优路径进行前瞻性切换。

16、进一步地,从所述多条候选无环路路径中选择出最优路径,还包括:

17、获取并推送所述多条候选无环路路径及对应的指标数据至预置的可视化面板上;

18、根据所述指标数据以及多种未量化因素,从所述多条候选无环路路径中选择出最优路径。

19、进一步地,所述ai agent以网络拓扑为状态空间、路径决策为动作空间生成多条候选无环路路径,包括:

20、基于所述sd-wan网络的网络拓扑结构和路径决策序列分别构建所述状态空间和动作空间;

21、通过强化学习模型在所述状态空间与动作空间之间进行交互训练,生成所述多条候选无环路路径。

22、进一步地,生成所述多条候选无环路路径,包括:

23、验证所述ai agent生成的多条候选路径上是否存在含环路径,得到验证结果;

24、基于所述验证结果,过滤所述含环路径,并触发生成替代路径,直至得到所述多条候选无环路路径。

25、进一步地,所述方法还包括:

26、实时收集新兴网络供应商的实时数据,以基于所述实时数据对所述新兴网络供应商的服务质量实时评估得到评估结果;

27、根据所述评估结果,构建基于所述新兴网络供应商的新兴链路,并动态纳入所述新兴链路至路径规划范围。

28、本技术提供了另一种解决方案:一种sd-wan网络的最优路径规划系统,所述系统包括:

29、获取模块,用于通过sd-wan控制器的采集接口,获取sd-wan网络的实时运行指标数据和外部全球网络数据,整合所述实时运行指标数据和外部全球网络数据得到统一特征向量;

30、解析模块,用于根据预置的ai agent解析用户输入的自然语言选路策略,得到目标语义图,映射所述目标语义图得到用户路径优化的目标函数和约束条件集;

31、生成模块,用于通过所述统一特征向量、目标函数和约束条件集,所述ai agent以网络拓扑为状态空间、路径决策为动作空间生成多条候选无环路路径;

32、执行模块,用于从所述多条候选无环路路径中选择出最优路径,并执行所述最优路径,以完成sd-wan网络的最优路径规划。

33、本技术还提供了一种解决方案:一种电子设备,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过总线通信,所述机器可读指令被所述处理器执行时执行任意一项所述的一种sd-wan网络的最优路径规划方法的步骤。

34、本技术所提供的一种sd-wan网络的最优路径规划方法,所述方法首先通过sd-wan控制器的采集接口,获取sd-wan网络的实时运行指标数据和外部全球网络数据,整合所述实时运行指标数据和外部全球网络数据得到统一特征向量;其次根据预置的ai agent解析用户输入的自然语言选路策略,得到目标语义图,映射所述目标语义图得到用户路径优化的目标函数和约束条件集;然后通过所述统一特征向量、目标函数和约束条件集,所述aiagent以网络拓扑为状态空间、路径决策为动作空间生成多条候选无环路路径;最后从所述多条候选无环路路径中选择出最优路径,并执行所述最优路径,以完成sd-wan网络的最优路径规划。