模型订阅转移方法、装置、计算机设备和存储介质

技术领域

本申请涉及网络服务技术领域，特别是涉及一种模型订阅转移方法、装置、计算机设备和存储介质。

背景技术

3GPP(3rd Generation Partnership Project，第三代合作伙伴计划)中定义的模型训练逻辑功能(即NWDAF Containing MTLF(Model Training Logic Function，模型训练逻辑功能))对外提供ML(Machine Learning，机器学习)模型的订阅服务，分析逻辑功能(即NWDAF Containing AnLF(Analytics Logical Function，分析逻辑功能))通过该订阅服务获取所需机器学习模型，订阅关系一旦形成，模型训练逻辑实体可持续监控被订阅机器学习模型，并在有需要时重训练机器学习模型并通知分析逻辑功能。

但现有的，若模型训练逻辑功能不能满足提供机器学习模型的订阅服务的条件时(例如机器学习模型故障或负载较大时)，分析逻辑实体需重新寻找新的模型训练逻辑功能，并重新通过机器学习模型的订阅服务，获取新的机器学习模型，以便对外持续提供分析服务。获取新的机器学习模型的过程需要花费较长的时间，以及产生大量的信令消息，并且新的机器学习模型可能还需要重新训练，才能正常提供服务，不仅造成分析逻辑功能服务中断时间较长，而且会产生大量的信令负荷。

发明内容

基于此，有必要针对上述技术问题，提供一种可实现模型订阅转移，无需重新获取新的机器学习模型的模型订阅转移方法、装置、计算机设备和存储介质。

第一方面，本申请提供了一种模型订阅转移方法，应用于第一模型训练逻辑功能，该方法包括：

检测第一模型训练逻辑功能是否满足模型订阅转移条件，第一模型训练逻辑功能用于向订阅目标机器学习模型的分析逻辑功能提供目标机器学习模型；

在满足模型订阅转移条件的情况下，向第二模型训练逻辑功能发送订阅转移请求；

其中，订阅转移请求用于指示第二模型训练逻辑功能代替第一模型训练逻辑功能向订阅目标机器学习模型的分析逻辑功能提供目标机器学习模型。

在其中一个实施例中，订阅转移请求包括目标机器学习模型的模型信息和目标机器学习模型的订阅信息。

在其中一个实施例中，目标机器学习模型的模型信息包括目标机器学习模型的模型文件和模型地址中的至少一种，以及目标机器学习模型的模型标识。

在其中一个实施例中，目标机器学习模型的订阅信息包括订阅服务订单标识、接收目标机器学习模型的地址信息、目标机器学习模型的模型标识和模型属性信息中至少一种。

在其中一个实施例中，该方法还包括：

获取预先配置的各候选模型训练逻辑功能的状态信息，并根据各候选模型训练逻辑功能的状态信息，从各候选模型训练逻辑功能中确定第二模型训练逻辑功能。

在其中一个实施例中，该方法还包括：

向网络存储功能NRF网元发送模型训练逻辑功能获取请求，以供NRF网元基于模型训练逻辑功能获取请求确定第二模型训练逻辑功能；其中，功能获取请求中携带有第一模型训练逻辑功能的功能标识。

在其中一个实施例中，检测第一模型训练逻辑功能是否满足模型订阅转移条件，包括：

获取第一模型训练逻辑功能的功能状态信息，并根据第一模型训练逻辑功能的功能状态信息，检测第一模型训练逻辑功能是否满足模型订阅转移条件。

在其中一个实施例中，功能状态信息包括第一模型训练逻辑功能的运行状态信息和负载状态信息中的至少一种。

第二方面，本申请还提供了另一种模型转移订阅方法，应用于第二模型训练逻辑功能，该方法包括：

接收第一模型训练逻辑功能发送的订阅转移请求；其中，订阅转移请求是第一模型训练逻辑功能在满足模型订阅转移条件的情况下发出的；

根据订阅转移请求代替第一模型训练逻辑功能向订阅目标机器学习模型的分析逻辑功能提供目标机器学习模型。

在其中一个实施例中，订阅转移请求包括目标机器学习模型的模型信息和目标机器学习模型的订阅信息。

在其中一个实施例中，目标机器学习模型的模型信息包括目标机器学习模型的模型文件和模型地址中的至少一种，以及目标机器学习模型的模型标识。

在其中一个实施例中，目标机器学习模型的订阅信息包括订阅服务订单标识、接收目标机器学习模型的地址信息、目标机器学习模型的模型标识和模型属性信息中至少一种。

在其中一个实施例中，根据订阅转移请求代替第一模型训练逻辑功能向订阅目标机器学习模型的分析逻辑功能提供目标机器学习模型，包括：

根据订阅转移请求代替第一模型训练逻辑功能向订阅目标机器学习模型的分析逻辑功能提供针对目标机器学习模型的监控和更新操作。

第三方面，本申请还提供了一种模型订阅转移装置，应用于第一模型训练逻辑功能，该装置，包括：

检测模块，用于检测第一模型训练逻辑功能是否满足模型订阅转移条件，第一模型训练逻辑功能用于向订阅目标机器学习模型的分析逻辑功能提供目标机器学习模型；

发送模块，用于在满足模型订阅转移条件的情况下，向第二模型训练逻辑功能发送订阅转移请求；

其中，订阅转移请求用于指示第二模型训练逻辑功能代替第一模型训练逻辑功能向订阅目标机器学习模型的分析逻辑功能提供目标机器学习模型。

第四方面，本申请还提供了另一种模型订阅转移装置，应用于第二模型训练逻辑功能，该装置，包括：

接收模块，用于接收第一模型训练逻辑功能发送的订阅转移请求；其中，订阅转移请求是第一模型训练逻辑功能在满足模型订阅转移条件的情况下发出的；

提供模块，用于根据订阅转移请求代替第一模型训练逻辑功能向订阅目标机器学习模型的分析逻辑功能提供目标机器学习模型。

第五方面，本申请还提供了一种计算机设备。计算机设备包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现上述模型订阅转移方法的步骤。

第六方面，本申请还提供了一种计算机可读存储介质。计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述模型订阅转移方法的步骤。

第七方面，本申请还提供了一种计算机程序产品。计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述模型订阅转移方法的步骤。

上述模型订阅转移方法、装置、计算机设备和存储介质，应用于第一模型训练逻辑功能，该方法通过检测第一模型训练逻辑功能是否满足模型订阅转移条件，第一模型训练逻辑功能用于向订阅目标机器学习模型的分析逻辑功能提供目标机器学习模型；在满足模型订阅转移条件的情况下，向第二模型训练逻辑功能发送订阅转移请求；其中，订阅转移请求用于指示第二模型训练逻辑功能代替第一模型训练逻辑功能向订阅目标机器学习模型的分析逻辑功能提供目标机器学习模型。本申请中第一模型训练逻辑功能可主动检测自身是否满足模型订阅转移条件，并在满足模型订阅转移条件的情况下，向第二模型训练逻辑功能发送订阅转移请求，并由第二模型训练逻辑功能代替第一模型训练逻辑功能向订阅目标机器学习模型的分析逻辑功能提供目标机器学习模型，本申请可实现订阅服务的自动转移，无需分析逻辑功能重新寻找新的模型训练逻辑功能，也节省了分析逻辑功能重新订阅新的机器学习模型后的重训练时间，并且基于本申请的方法基本不会造成分析逻辑功能的服务中断。

附图说明

图1为本实施例提供的模型订阅转移方法的应用环境图；

图2为本实施例提供的第一种模型订阅转移方法的流程示意图；

图3为本实施例提供的第二种模型订阅转移方法的流程示意图；

图4为本实施例提供的分析逻辑功能、第一模型训练逻辑功能和第二模型训练逻辑功能信令交互图；

图5为本实施例提供的第一种模型订阅转移装置的结构框图；

图6为本实施例提供的第二种模型订阅转移装置的结构框图；

图7为本实施例提供的计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

本申请实施例提供的模型订阅转移方法，可以应用于如图1所示的应用环境中。其中，第一模型训练逻辑功能102自身检测是否满足模型订阅转移条件，第一模型训练逻辑功能102用于向订阅目标机器学习模型的分析逻辑功能106提供目标机器学习模型。第一模型训练逻辑功能102在满足模型订阅转移条件的情况下，第一模型训练逻辑功能102向第二模型训练逻辑功能104发送订阅转移请求。其中，订阅转移请求用于指示第二模型训练逻辑功能104代替第一模型训练逻辑功能102向订阅目标机器学习模型的分析逻辑功能106提供目标机器学习模型。

其中，第一模型训练逻辑功能(Model Training Logic Function，MTLF)和第二模型训练逻辑功能是NWDAF网元中负责模型训练的逻辑功能组件，用于提供机器学习模型的订阅服务。

机器学习(Machine Learning，ML)是指机器通过统计学算法，对大量历史数据进行学习，进而利用生成的经验模型指导业务。它是一门多领域交叉学科，专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。

NWDAF(Network Data Analytics Function，网络数据分析功能)是由3GPP定义的5GC网络功能，是一个数据感知分析网元,以网络数据为基础对网络进行自动感知和分析,并参与到网络规划、建设、运维、网优、运营全生命周期中,使得网络易于维护和控制,提高网络资源使用效率,提升用户业务体验。

分析逻辑功能(Analytics Logical Function，AnLF)是NWDAF网元中负责提供分析服务的逻辑功能组件。

在其中一个实施例中，提供了一种模型订阅转移方法，以该方法应用于图1中的第一模型训练逻辑功能为例进行说明，如图2所示，包括以下步骤：

S201，检测第一模型训练逻辑功能是否满足模型订阅转移条件，第一模型训练逻辑功能用于向订阅目标机器学习模型的分析逻辑功能提供目标机器学习模型。

其中，第一模型训练逻辑功能是指基于分析逻辑功能的订阅服务，向分析逻辑功能提供对应的目标机器学习模型的模型训练逻辑功能。模型订阅转移条件是指预先设置的，用于判断模型训练逻辑功能是否需要进行模型订阅转移的条件。目标机器学习模型是指第一模型训练逻辑功能基于分析逻辑功能的订阅服务，向分析逻辑功能提供的机器学习模型。

本实施例一种可选的实施方式为：获取第一模型训练逻辑功能的运行数据，根据运行数据，确定第一模型训练逻辑功能的运行状况，根据第一模型训练逻辑功能的运行状况，确定第一模型训练逻辑功能是否满足模型订阅转移条件。其中，运行状况可以是健康等级，也可以是运行分值，若运行状况为健康等级，则对应的模型订阅转移条件即为等级阈值，根据健康等级与等级阈值的关系，确定第一模型训练逻辑功能是否满足模型订阅转移条件。若运行状况为运行分值，则对应的模型订阅转移条件即为分值阈值，根据运行分值和分值阈值之间的关系，确定第一模型训练逻辑功能是否满足模型订阅转移条件。

根据运行数据，确定第一模型训练逻辑功能的运行状况的可选实施方式为：可将运行数据输入至神经网络模型，由神经网络模型输出第一模型训练逻辑功能的运行状况。也可基于运行数据中的各项参数进行综合评估，得到运行状况，综合评估的方式可以为求和、求乘积或加权求和等。

本实施例另一种可选的实施方式为：检测第一模型训练逻辑功能的服务状态，根据第一模型训练逻辑功能的服务状态，判断第一模型训练逻辑功能是否能够正常发送目标机器学习模型，或是否能够对目标机器学习模型进行监控、更新，确定第一模型训练逻辑功能是否满足模型订阅转移条件。

S202，在满足模型订阅转移条件的情况下，向第二模型训练逻辑功能发送订阅转移请求。

其中，订阅服务请求是指在满足模型订阅转移条件的情况下，第一模型训练逻辑功能向第二模型训练逻辑功能发送的，针对目标机器学习模型的订阅服务进行转移的请求。订阅转移请求用于指示第二模型训练逻辑功能代替第一模型训练逻辑功能向订阅目标机器学习模型的分析逻辑功能提供目标机器学习模型。

本实施例一种可选的实施方式为：在满足模型订阅转移条件的情况下，第一模型训练逻辑功能根据查找策略，确定第二模型训练逻辑功能，向第二模型训练逻辑功能发送订阅转移请求。

本实施例另一种可选的实施方式为：在满足模型订阅转移条件的情况下，第一模型训练逻辑功能向预先指定的第二模型训练逻辑功能发送订阅转移请求。

本实施例又一种可选的实施方式为：在满足模型订阅转移条件的情况下，并且在接收到第二模型训练逻辑功能发出的订阅转移指令后，向第二模型训练逻辑功能发送订阅转移请求。具体的，在满足模型订阅转移条件的情况下，向发现节点(例如NRF(NetworkRepository Function，网络存储功能)网元)发送报警提示，发现节点在接收到报警提示后，发现节点控制第二模型训练逻辑功能向第一模型训练逻辑功能发送订阅转移指令。本实施例中发现节点控制第二模型训练逻辑功能向第一模型训练逻辑功能发送订阅转移指令可选的实施方式为：发现节点发现第二模型训练逻辑功能的功能状态信息在满足接收模型订阅转移条件的情况下控制的。也可以是，第一模型训练逻辑功能主动向发现节点发出的可接收模型订阅转移的指令下，发现节点控制的。

上述模型订阅转移方法应用于第一模型训练逻辑功能，该方法通过检测第一模型训练逻辑功能是否满足模型订阅转移条件，第一模型训练逻辑功能用于向订阅目标机器学习模型的分析逻辑功能提供目标机器学习模型；在满足模型订阅转移条件的情况下，向第二模型训练逻辑功能发送订阅转移请求；其中，订阅转移请求用于指示第二模型训练逻辑功能代替第一模型训练逻辑功能向订阅目标机器学习模型的分析逻辑功能提供目标机器学习模型。本申请中第一模型训练逻辑功能可主动检测自身是否满足模型订阅转移条件，并在满足模型订阅转移条件的情况下，向第二模型训练逻辑功能发送订阅转移请求，并由第二模型训练逻辑功能代替第一模型训练逻辑功能向订阅目标机器学习模型的分析逻辑功能提供目标机器学习模型，无需分析逻辑功能重新寻找新的模型训练逻辑功能，也节省了分析逻辑功能重新订阅新的机器学习模型后的重训练时间，并且基于本申请的方法基本不会造成分析逻辑功能的服务中断。

在其中一个实施例中，订阅转移请求包括目标机器学习模型的模型信息和目标机器学习模型的订阅信息。

其中，模型信息是指目标机器学习模型的相关信息。订阅信息是指分析逻辑功能向第一模型训练逻辑功能订阅目标机器学习模型时的订阅服务信息。

可选的，本实施例中目标机器学习模型的模型信息包括目标机器学习模型的模型文件和模型地址中的至少一种，以及目标机器学习模型的模型标识。其中，模型文件是指目标机器学习模型的相关文件。模型地址是指模型的存储地址，例如可以是在ADRF(AnalyticData Repository Function，分析数据存储功能)上的地址。模型标识是指用于表征目标机器学习模型的唯一身份标识，例如可以是模型名称、模型编号等。

可选的，本实施例中目标机器学习模型的订阅信息包括订阅服务订单标识、接收目标机器学习模型的地址信息、目标机器学习模型的模型标识和模型属性信息中至少一种。

其中，订阅服务订单标识是指分析逻辑功能向第一模型训练逻辑功能订阅目标机器学习模型时的订阅服务订单的标识。接收目标机器学习模型的地址信息是指分析逻辑功能向第一模型训练逻辑功能发出的用于指示接收目标机器学习模型的地址。模型属性信息是指目标机器学习模型的属性信息，例如分析内容、模型的过滤器、模型报告的目标终端设备以及模型的目标时间间隔。其中，目标时间间隔可以是指最佳工作时间(例如每天中的几点至几点)。

本实施例中目标机器学习模型的模型信息包括目标机器学习模型的模型文件和模型地址中的至少一种，以及目标机器学习模型的模型标识，目标机器学习模型的订阅信息包括订阅服务订单标识、接收目标机器学习模型的地址信息、目标机器学习模型的模型标识和模型属性信息中至少一种，方便第二模型训练逻辑功能获取针对目标机器学习模型的模型信息和订阅信息，更快的为分析逻辑功能提供目标机器学习模型及相关服务。

在其中一个实施例中，为了快速确定第二模型训练逻辑功能，本实施例确定第二模型训练逻辑功能的可选实施方式，包括：

本实施例一种可选的实施方式为：获取预先配置的各候选模型训练逻辑功能的状态信息，并根据各候选模型训练逻辑功能的状态信息，从各候选模型训练逻辑功能中确定第二模型训练逻辑功能。

其中，候选模型训练逻辑功能是预先指定的可作为模型订阅转移接收对象的备选模型训练逻辑功能，备选模型训练逻辑功能的数量可以为多个。本实施例中的状态信息可以是指负荷状态信息，也可以是健康状态信息。

具体的，获取预先配置的各候选模型训练逻辑功能的负荷状态信息，并根据各候选模型训练逻辑功能的负荷状态信息，从各候选模型训练逻辑功能中选取负荷状态信息最优的(即负荷值最小的)候选模型训练逻辑功能，作为第二模型训练逻辑功能。

本实施例另一种可选的实施方式为：向网络存储功能NRF网元发送模型训练逻辑功能获取请求，以供NRF网元基于模型训练逻辑功能获取请求确定第二模型训练逻辑功能。其中，功能获取请求中携带有第一模型训练逻辑功能的功能标识。

其中，NRF网元负责对网络功能服务注册登记、状态监测等，实现网络功能服务自动化管理、选择和可扩展，并允许每个网络功能发现其它网络功能提供的服务。模型训练逻辑功能获取请求是指第一模型训练逻辑功能在满足模型订阅转移条件的情况下，向NRF网元发送的获取第二模型训练逻辑功能的请求。

具体的，本实施例中向网络存储功能NRF网元发送模型训练逻辑功能获取请求，以供NRF网元基于模型训练逻辑功能获取请求和其他模型训练逻辑功能的状态信息，确定第二模型训练逻辑功能，并将第二模型训练逻辑功能的功能标识发送至第一模型训练逻辑功能，第一模型训练逻辑功能基于第二模型训练逻辑功能的功能标识向第二模型训练逻辑功能发送订阅转移请求。

本实施例中可通过预先配置的各候选模型训练逻辑功能的负荷状态信息或向NRF网元发送模型训练逻辑功能获取请求，灵活确定第二模型训练逻辑功能。

在其中一个实施例中，一种检测第一模型训练逻辑功能是否满足模型订阅转移条件的可选实施方式，包括：

获取第一模型训练逻辑功能的功能状态信息，并根据第一模型训练逻辑功能的功能状态信息，检测第一模型训练逻辑功能是否满足模型订阅转移条件。

其中，功能状态信息包括第一模型训练逻辑功能的运行状态信息和负载状态信息中的至少一种。运行状态信息是指第一模型训练逻辑功能的运行状态，本实施例中主要是根据第一模型训练逻辑功能的运行状态信息，判断第一模型训练逻辑功能是否将被关机。负载状态信息是指第一模型训练逻辑功能的负载信息，可以用负荷值表示。

可选的，本实施例中先获取第一模型训练逻辑功能的运行状态信息，根据运行状态信息判断第一模型训练逻辑功能是否将被关机，若是，则确定第一模型训练逻辑功能满足模型订阅转移条件；若否，则进一步获取第一模型训练逻辑功能的负载状态信息，根据负荷状态信息确定负荷值大小，若负荷值小于负荷阈值，则确定第一模型训练逻辑功能不满足模型订阅转移条件；若负荷值大于或等于负荷阈值，则确定第一模型训练逻辑功能满足模型订阅转移条件。

本实施例中通过获取第一模型训练逻辑功能的功能状态信息，并根据第一模型训练逻辑功能的功能状态信息，方便快速检测第一模型训练逻辑功能是否满足模型订阅转移条件。

在其中一个实施例中，提供了一种模型订阅转移方法，以该方法应用于图1中的第二模型训练逻辑功能为例进行说明，如图3所示，包括以下步骤：

S301，接收第一模型训练逻辑功能发送的订阅转移请求。其中，订阅转移请求是第一模型训练逻辑功能在满足模型订阅转移条件的情况下发出的。

S302，根据订阅转移请求代替第一模型训练逻辑功能向订阅目标机器学习模型的分析逻辑功能提供目标机器学习模型。

本实施例中在第一模型训练逻辑功能在满足模型订阅转移条件的情况下，即无法正常提供目标机器学习模型的情况下，由第二模型训练逻辑功能代替第一模型训练逻辑功能向订阅目标机器学习模型的分析逻辑功能提供目标机器学习模型，无需分析逻辑功能重新寻找新的模型训练逻辑功能，也节省了分析逻辑功能重新订阅新的机器学习模型后的重训练时间，并且基于本申请的方法基本不会造成分析逻辑功能的服务中断。

在其中一个实施例中，订阅转移请求包括目标机器学习模型的模型信息和目标机器学习模型的订阅信息。

其中，模型信息是指目标机器学习模型的相关信息。订阅信息是指分析逻辑功能向第一模型训练逻辑功能订阅目标机器学习模型时的订阅服务信息。

可选的，本实施例中目标机器学习模型的模型信息包括目标机器学习模型的模型文件和模型地址中的至少一种，以及目标机器学习模型的模型标识。其中，模型文件是指目标机器学习模型的相关文件。模型地址是指模型的存储地址，例如可以是在ADRF上的地址。模型标识是指用于表征目标机器学习模型的唯一身份标识，例如可以是模型名称、模型编号等。

可选的，本实施例中目标机器学习模型的订阅信息包括订阅服务订单标识、接收目标机器学习模型的地址信息、目标机器学习模型的模型标识和模型属性信息中至少一种。

其中，订阅服务订单标识是指分析逻辑功能向第一模型训练逻辑功能订阅目标机器学习模型时的订阅服务订单的标识。接收目标机器学习模型的地址信息是指分析逻辑功能向第一模型训练逻辑功能发出的用于指示接收目标机器学习模型的地址。模型属性信息是指目标机器学习模型的属性信息，例如分析内容、模型的过滤器、模型报告的目标终端设备以及模型的目标时间间隔。其中，目标时间间隔可以是指最佳工作时间(例如每天中的几点至几点)。

本实施例中目标机器学习模型的模型信息包括目标机器学习模型的模型文件和模型地址中的至少一种，以及目标机器学习模型的模型标识，目标机器学习模型的订阅信息包括订阅服务订单标识、接收目标机器学习模型的地址信息、目标机器学习模型的模型标识和模型属性信息中至少一种，方便第二模型训练逻辑功能获取针对目标机器学习模型的模型信息和订阅信息，更快的为分析逻辑功能提供目标机器学习模型及相关服务。

在其中一个实施例中，根据订阅转移请求代替第一模型训练逻辑功能向订阅目标机器学习模型的分析逻辑功能提供目标机器学习模型的可选实施方式，包括：

可选的，本实施例中根据订阅转移请求代替第一模型训练逻辑功能向订阅目标机器学习模型的分析逻辑功能提供目标机器学习模型，提供目标机器学习模型的方式包括根据接收目标机器学习模型的地址信息向分析逻辑功能发送目标机器学习模型，以及提供针对目标机器学习模型的监控和更新操作。

一般情况下，第一模型训练逻辑功能在接收到分析逻辑功能的订阅服务后，已经根据接收目标机器学习模型的地址信息向分析逻辑功能发送过目标机器学习模型，在完成模型订阅转移后，第二模型训练逻辑功能仅需根据订阅转移请求代替第一模型训练逻辑功能向订阅目标机器学习模型的分析逻辑功能提供针对目标机器学习模型的监控和更新操作。

本实施例中，第二模型训练逻辑功能根据订阅转移请求代替第一模型训练逻辑功能向订阅目标机器学习模型的分析逻辑功能提供针对目标机器学习模型的监控和更新操作。

在其中一个实施例中，如图4所示，一种模型订阅转移方法的可选实施方式，包括：

S401，分析逻辑功能向第一模型训练逻辑功能发送请求订阅目标机器学习模型的订阅服务请求。

S402，第一模型训练逻辑功能根据订阅服务请求，向分析逻辑功能发送目标机器学习模型。

S403，第一模型训练逻辑功能获取第一模型训练逻辑功能的功能状态信息，并根据第一模型训练逻辑功能的功能状态信息，检测第一模型训练逻辑功能是否满足模型订阅转移条件。其中，第一模型训练逻辑功能用于向订阅目标机器学习模型的分析逻辑功能提供目标机器学习模型。功能状态信息包括目标机器学习模型的运行状态信息和负载状态信息中的至少一种。

S404，第一模型训练逻辑功能在满足模型订阅转移条件的情况下，第一模型训练逻辑功能获取预先配置的各候选模型训练逻辑功能的状态信息，并根据各候选模型训练逻辑功能的状态信息，从各候选模型训练逻辑功能中确定第二模型训练逻辑功能。

S405，向第二模型训练逻辑功能发送订阅转移请求。其中，订阅转移请求包括目标机器学习模型的模型信息和目标机器学习模型的订阅信息。目标机器学习模型的模型信息包括目标机器学习模型的模型文件和模型地址中的至少一种，以及目标机器学习模型的模型标识。目标机器学习模型的订阅信息包括订阅服务订单标识、接收目标机器学习模型的地址信息、目标机器学习模型的模型标识和模型属性信息中至少一种。

S406，第二模型训练逻辑功能接收第一模型训练逻辑功能发送的订阅转移请求。其中，订阅转移请求是第一模型训练逻辑功能在满足模型订阅转移条件的情况下发出的。

S407，第二模型训练逻辑功能根据订阅转移请求代替第一模型训练逻辑功能向订阅目标机器学习模型的分析逻辑功能提供针对目标机器学习模型的监控和更新操作。

本实施例中通过第一模型训练逻辑功能检测是否满足模型订阅转移条件。第一模型训练逻辑功能在满足模型订阅转移条件的情况下，向第二模型训练逻辑功能发送订阅转移请求。第二模型训练逻辑功能代替第一模型训练逻辑功能向订阅目标机器学习模型的分析逻辑功能提供目标机器学习模型。本申请中第一模型训练逻辑功能可主动检测自身是否满足模型订阅转移条件，并在满足模型订阅转移条件的情况下，向第二模型训练逻辑功能发送订阅转移请求，并由第二模型训练逻辑功能代替第一模型训练逻辑功能向订阅目标机器学习模型的分析逻辑功能提供目标机器学习模型，无需分析逻辑功能重新寻找新的模型训练逻辑功能，也节省了分析逻辑功能重新订阅新的机器学习模型后的重训练时间，并且基于本申请的方法基本不会造成分析逻辑功能的服务中断。

应该理解的是，虽然如上的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的模型订阅转移方法的模型订阅转移装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个模型订阅转移装置实施例中的具体限定可以参见上文中对于模型订阅转移方法的限定，在此不再赘述。

在其中一个实施例中，如图5所示，提供了一种模型订阅转移装置1，包括：检测模块11和发送模块12，其中：

检测模块11，用于检测第一模型训练逻辑功能是否满足模型订阅转移条件，第一模型训练逻辑功能用于向订阅目标机器学习模型的分析逻辑功能提供目标机器学习模型。

发送模块12，用于在满足模型订阅转移条件的情况下，向第二模型训练逻辑功能发送订阅转移请求。

其中，订阅转移请求用于指示第二模型训练逻辑功能代替第一模型训练逻辑功能向订阅目标机器学习模型的分析逻辑功能提供目标机器学习模型。订阅转移请求包括目标机器学习模型的模型信息和目标机器学习模型的订阅信息。目标机器学习模型的模型信息包括目标机器学习模型的模型文件和模型地址中的至少一种，以及目标机器学习模型的模型标识。目标机器学习模型的订阅信息包括订阅服务订单标识、接收目标机器学习模型的地址信息、目标机器学习模型的模型标识和模型属性信息中至少一种。

在其中一个实施例中，模型订阅转移装置1，还包括：

第一确定模块，用于获取预先配置的各候选模型训练逻辑功能的状态信息，并根据各候选模型训练逻辑功能的状态信息，从各候选模型训练逻辑功能中确定第二模型训练逻辑功能。

在其中一个实施例中，模型订阅转移装置1，还包括：

第二确定模块，用于向网络存储功能NRF网元发送模型训练逻辑功能获取请求，以供NRF网元基于模型训练逻辑功能获取请求确定第二模型训练逻辑功能；其中，功能获取请求中携带有第一模型训练逻辑功能的功能标识。

在其中一个实施例中，上图5中的检测模块，还具体用于：获取第一模型训练逻辑功能的功能状态信息，并根据第一模型训练逻辑功能的功能状态信息，检测第一模型训练逻辑功能是否满足模型订阅转移条件。其中，功能状态信息包括目标机器学习模型的运行状态信息和负载状态信息中的至少一种。

在其中一个实施例中，如图6所示，提供了一种模型订阅转移装置1，包括：接收模块21和提供模块22，其中：

接收模块21，用于接收第一模型训练逻辑功能发送的订阅转移请求。其中，订阅转移请求是第一模型训练逻辑功能在满足模型订阅转移条件的情况下发出的。订阅转移请求包括目标机器学习模型的模型信息和目标机器学习模型的订阅信息。目标机器学习模型的模型信息包括目标机器学习模型的模型文件和模型地址中的至少一种，以及目标机器学习模型的模型标识。目标机器学习模型的订阅信息包括订阅服务订单标识、接收目标机器学习模型的地址信息、目标机器学习模型的模型标识和模型属性信息中至少一种。

提供模块22，用于根据订阅转移请求代替第一模型训练逻辑功能向订阅目标机器学习模型的分析逻辑功能提供目标机器学习模型。

在其中一个实施例中，上述图6中的提供模块22，还具体用于：根据订阅转移请求代替第一模型训练逻辑功能向订阅目标机器学习模型的分析逻辑功能提供针对目标机器学习模型的监控和更新操作。

上述模型订阅转移装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图7所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output，简称I/O)和通信接口。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储模型订阅转移信息。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种模型订阅转移方法。

本领域技术人员可以理解，图7中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备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。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：

检测第一模型训练逻辑功能是否满足模型订阅转移条件，第一模型训练逻辑功能用于向订阅目标机器学习模型的分析逻辑功能提供目标机器学习模型；

在满足模型订阅转移条件的情况下，向第二模型训练逻辑功能发送订阅转移请求；

其中，订阅转移请求用于指示第二模型训练逻辑功能代替第一模型训练逻辑功能向订阅目标机器学习模型的分析逻辑功能提供目标机器学习模型。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：订阅转移请求包括目标机器学习模型的模型信息和目标机器学习模型的订阅信息。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：目标机器学习模型的模型信息包括目标机器学习模型的模型文件和模型地址中的至少一种，以及目标机器学习模型的模型标识。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：目标机器学习模型的订阅信息包括订阅服务订单标识、接收目标机器学习模型的地址信息、目标机器学习模型的模型标识和模型属性信息中至少一种。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

获取预先配置的各候选模型训练逻辑功能的状态信息，并根据各候选模型训练逻辑功能的状态信息，从各候选模型训练逻辑功能中确定第二模型训练逻辑功能。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

向网络存储功能NRF网元发送模型训练逻辑功能获取请求，以供NRF网元基于模型训练逻辑功能获取请求确定第二模型训练逻辑功能；其中，功能获取请求中携带有第一模型训练逻辑功能的功能标识。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：检测第一模型训练逻辑功能是否满足模型订阅转移条件，包括：

获取第一模型训练逻辑功能的功能状态信息，并根据第一模型训练逻辑功能的功能状态信息，检测第一模型训练逻辑功能是否满足模型订阅转移条件。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：功能状态信息包括第一模型训练逻辑功能的运行状态信息和负载状态信息中的至少一种。

在一个实施例中，提供了另一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：

接收第一模型训练逻辑功能发送的订阅转移请求；其中，订阅转移请求是第一模型训练逻辑功能在满足模型订阅转移条件的情况下发出的；

根据订阅转移请求代替第一模型训练逻辑功能向订阅目标机器学习模型的分析逻辑功能提供目标机器学习模型。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：订阅转移请求包括目标机器学习模型的模型信息和目标机器学习模型的订阅信息。

订阅转移请求包括目标机器学习模型的模型信息和目标机器学习模型的订阅信息。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：目标机器学习模型的模型信息包括目标机器学习模型的模型文件和模型地址中的至少一种，以及目标机器学习模型的模型标识。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：目标机器学习模型的订阅信息包括订阅服务订单标识、接收目标机器学习模型的地址信息、目标机器学习模型的模型标识和模型属性信息中至少一种。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据订阅转移请求代替第一模型训练逻辑功能向订阅目标机器学习模型的分析逻辑功能提供目标机器学习模型，包括：

根据订阅转移请求代替第一模型训练逻辑功能向订阅目标机器学习模型的分析逻辑功能提供针对目标机器学习模型的监控和更新操作。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：

检测第一模型训练逻辑功能是否满足模型订阅转移条件，第一模型训练逻辑功能用于向订阅目标机器学习模型的分析逻辑功能提供目标机器学习模型；

在满足模型订阅转移条件的情况下，向第二模型训练逻辑功能发送订阅转移请求；

其中，订阅转移请求用于指示第二模型训练逻辑功能代替第一模型训练逻辑功能向订阅目标机器学习模型的分析逻辑功能提供目标机器学习模型。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：模型订阅转移请求携带接口路径和接口访问方法；

确定模型订阅转移请求对应的模型订阅转移接口包括：

根据接口路径以及接口访问方法，确定模型订阅转移请求对应的模型订阅转移接口。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：计算机程序被处理器执行时还实现以下步骤：订阅转移请求包括目标机器学习模型的模型信息和目标机器学习模型的订阅信息。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：目标机器学习模型的模型信息包括目标机器学习模型的模型文件和模型地址中的至少一种，以及目标机器学习模型的模型标识。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：目标机器学习模型的订阅信息包括订阅服务订单标识、接收目标机器学习模型的地址信息、目标机器学习模型的模型标识和模型属性信息中至少一种。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

获取预先配置的各候选模型训练逻辑功能的状态信息，并根据各候选模型训练逻辑功能的状态信息，从各候选模型训练逻辑功能中确定第二模型训练逻辑功能。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

向网络存储功能NRF网元发送模型训练逻辑功能获取请求，以供NRF网元基于模型训练逻辑功能获取请求确定第二模型训练逻辑功能；其中，功能获取请求中携带有第一模型训练逻辑功能的功能标识。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：检测第一模型训练逻辑功能是否满足模型订阅转移条件，包括：

获取第一模型训练逻辑功能的功能状态信息，并根据第一模型训练逻辑功能的功能状态信息，检测第一模型训练逻辑功能是否满足模型订阅转移条件。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：功能状态信息包括第一模型训练逻辑功能的运行状态信息和负载状态信息中的至少一种。

在一个实施例中，提供了另一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：

接收第一模型训练逻辑功能发送的订阅转移请求；其中，订阅转移请求是第一模型训练逻辑功能在满足模型订阅转移条件的情况下发出的；

根据订阅转移请求代替第一模型训练逻辑功能向订阅目标机器学习模型的分析逻辑功能提供目标机器学习模型。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：订阅转移请求包括目标机器学习模型的模型信息和目标机器学习模型的订阅信息。

订阅转移请求包括目标机器学习模型的模型信息和目标机器学习模型的订阅信息。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：目标机器学习模型的模型信息包括目标机器学习模型的模型文件和模型地址中的至少一种，以及目标机器学习模型的模型标识。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：目标机器学习模型的订阅信息包括订阅服务订单标识、接收目标机器学习模型的地址信息、目标机器学习模型的模型标识和模型属性信息中至少一种。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据订阅转移请求代替第一模型训练逻辑功能向订阅目标机器学习模型的分析逻辑功能提供目标机器学习模型，包括：

根据订阅转移请求代替第一模型训练逻辑功能向订阅目标机器学习模型的分析逻辑功能提供针对目标机器学习模型的监控和更新操作。

在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：

检测第一模型训练逻辑功能是否满足模型订阅转移条件，第一模型训练逻辑功能用于向订阅目标机器学习模型的分析逻辑功能提供目标机器学习模型；

在满足模型订阅转移条件的情况下，向第二模型训练逻辑功能发送订阅转移请求；

其中，订阅转移请求用于指示第二模型训练逻辑功能代替第一模型训练逻辑功能向订阅目标机器学习模型的分析逻辑功能提供目标机器学习模型。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：订阅转移请求包括目标机器学习模型的模型信息和目标机器学习模型的订阅信息。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：目标机器学习模型的模型信息包括目标机器学习模型的模型文件和模型地址中的至少一种，以及目标机器学习模型的模型标识。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：目标机器学习模型的订阅信息包括订阅服务订单标识、接收目标机器学习模型的地址信息、目标机器学习模型的模型标识和模型属性信息中至少一种。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

获取预先配置的各候选模型训练逻辑功能的状态信息，并根据各候选模型训练逻辑功能的状态信息，从各候选模型训练逻辑功能中确定第二模型训练逻辑功能。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

向网络存储功能NRF网元发送模型训练逻辑功能获取请求，以供NRF网元基于模型训练逻辑功能获取请求确定第二模型训练逻辑功能；其中，功能获取请求中携带有第一模型训练逻辑功能的功能标识。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：检测第一模型训练逻辑功能是否满足模型订阅转移条件，包括：

获取第一模型训练逻辑功能的功能状态信息，并根据第一模型训练逻辑功能的功能状态信息，检测第一模型训练逻辑功能是否满足模型订阅转移条件。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：功能状态信息包括第一模型训练逻辑功能的运行状态信息和负载状态信息中的至少一种。

在一个实施例中，提供了另一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：

接收第一模型训练逻辑功能发送的订阅转移请求；其中，订阅转移请求是第一模型训练逻辑功能在满足模型订阅转移条件的情况下发出的；

根据订阅转移请求代替第一模型训练逻辑功能向订阅目标机器学习模型的分析逻辑功能提供目标机器学习模型。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：订阅转移请求包括目标机器学习模型的模型信息和目标机器学习模型的订阅信息。

订阅转移请求包括目标机器学习模型的模型信息和目标机器学习模型的订阅信息。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：目标机器学习模型的模型信息包括目标机器学习模型的模型文件和模型地址中的至少一种，以及目标机器学习模型的模型标识。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：目标机器学习模型的订阅信息包括订阅服务订单标识、接收目标机器学习模型的地址信息、目标机器学习模型的模型标识和模型属性信息中至少一种。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据订阅转移请求代替第一模型训练逻辑功能向订阅目标机器学习模型的分析逻辑功能提供目标机器学习模型，包括：

根据订阅转移请求代替第一模型训练逻辑功能向订阅目标机器学习模型的分析逻辑功能提供针对目标机器学习模型的监控和更新操作。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。