AI驱动的大规模编排：基于全国级测试平台的服务指标估计

网络分片（NS）的实现需要采用AI原生编排架构，才能高效且智能地处理异构的用户需求。为实现这一目标，网络分片正向更加以用户为中心的数字化转型演进，聚焦于纳入原生智能能力的架构，以支持在集成且隔离的环境中实现自我管理的连接。然而，这些举措面临在生产环境中验证其结果的挑战，尤其是那些利用机器学习实现编排的系统，因往往仅在本地网络或实验室仿真中进行测试。本文提出一种大规模验证方法，采用网络分片预测模型利用深度神经网络（DNN）和基本机器学习算法嵌入NS架构，在真实的大规模生产测试平台上进行评估。该方法衡量和比较了不同DNN和机器学习算法的性能，考察了在两个大规模生产测试平台上部署的分布式数据库应用作为网络分片。调查结果表明，AI驱动的预测模型如何增强网络分片编排架构，并呈现一种无缝的、生产就绪的验证方法，以作为完全受控仿真或实验室 setup 的替代方案。