[發(fā)明專利]一種虛擬化網(wǎng)絡(luò)中映射策略的決策方法

有效

• 申請?zhí)枺?/td>: 201810357863.2
• 申請日: 2018-04-20
• 公開（公告）號: CN108650191B
• 公開（公告）日: 2022-03-11
• 發(fā)明（設(shè)計）人: 曹儐;張龍;姚枝秀
• 申請（專利權(quán)）人: 重慶郵電大學(xué)
• 主分類號: H04L47/125
• 分類號: H04L47/125;H04L47/726;H04L47/78;H04L47/783
• 代理公司: 重慶輝騰律師事務(wù)所 50215
• 代理人: 王海軍

本發(fā)明屬于無線通信技術(shù)領(lǐng)域，具體為一種虛擬化網(wǎng)絡(luò)中映射策略的決策方法，包括：根據(jù)映射資源，建立馬爾科夫決策過程優(yōu)化模型；采用馬爾科夫決策過程，求解出集中式最優(yōu)映射策略；將各個虛擬網(wǎng)絡(luò)請求者定義為買方，底層網(wǎng)絡(luò)定義為賣方，建立斯塔克爾伯格Stackelberg買賣模型；求出斯塔克爾伯格Stackelberg博弈的當(dāng)前均衡解，并將當(dāng)前均衡解作為當(dāng)前階段的最優(yōu)資源容量和最優(yōu)賣價；預(yù)測未來均衡解，并將其分別作為未來階段的最優(yōu)容量資源和最優(yōu)賣價；根據(jù)當(dāng)前均衡解和未來均衡解，評估出買方與賣方的映射關(guān)系，從而確定分布式最優(yōu)映射策略；本發(fā)明有效地提高底層網(wǎng)絡(luò)負(fù)載的均衡性，優(yōu)化了網(wǎng)絡(luò)性能。

技術(shù)領(lǐng)域

本發(fā)明屬于無線通信技術(shù)領(lǐng)域，具體為一種虛擬化網(wǎng)絡(luò)中映射策略的決策方法。

背景技術(shù)

隨著云計算、物聯(lián)網(wǎng)和未來5G等新興技術(shù)的發(fā)展，現(xiàn)有的基礎(chǔ)設(shè)施已經(jīng)越來越難以滿足不同技術(shù)和應(yīng)用的需求。過去幾十年，為了滿足通信的需求，各國政府解決上述問題的途徑就是大量部署基礎(chǔ)設(shè)施，這導(dǎo)致了現(xiàn)有網(wǎng)絡(luò)的復(fù)雜化和異構(gòu)化，網(wǎng)絡(luò)變得僵硬，難以靈活管理。如果一味的部署新型網(wǎng)絡(luò)的話，除了面臨高昂的資金投入，同時也會影響已部署的基礎(chǔ)設(shè)施，導(dǎo)致資源利用率降低，產(chǎn)生不必要的投入和浪費(fèi)，帶來技術(shù)和利益多方面的沖突。

為了解決上述問題，業(yè)界提出了網(wǎng)絡(luò)虛擬化的新型網(wǎng)絡(luò)技術(shù)，該技術(shù)被公認(rèn)為是提高網(wǎng)絡(luò)資源利用率和降低管理成本的有效手段。虛擬網(wǎng)絡(luò)包括基礎(chǔ)設(shè)施提供者(InP，infrastructure providers)和服務(wù)提供商(SP，service providers)。其中，InP負(fù)責(zé)管理和維護(hù)底層網(wǎng)絡(luò)(SN，substrate network)，SP負(fù)責(zé)從InP租賃資源構(gòu)建虛擬網(wǎng)絡(luò)(VN，virtual network)，為用戶提供靈活的定制化的端到端服務(wù)。根據(jù)虛擬網(wǎng)絡(luò)請求(VNR，virtual network request)，SP對VNR決定如何合理的分配資源并將VN映射到InP上，這一過程稱為虛擬網(wǎng)絡(luò)映射。虛擬化技術(shù)可以通過資源共享的方式，多個虛擬網(wǎng)絡(luò)能夠獨(dú)立、同時運(yùn)行在同一底層網(wǎng)絡(luò)上互不干擾。此外，SP還可以高效動態(tài)的更新VN并對其已分配資源進(jìn)行重新配置。

目前，網(wǎng)絡(luò)虛擬化的研究主要集中在如何滿足VNR的服務(wù)請求，即找到一個可的映射方案，實現(xiàn)虛擬節(jié)點(diǎn)和虛擬鏈路對存儲、CPU、帶寬、功率和連通性等方面的要求，解決如何將虛擬網(wǎng)絡(luò)映射到基礎(chǔ)設(shè)施資源的相關(guān)問題。對于如何映射的研究，業(yè)界已經(jīng)取得了比較成熟的成果。

但是，由于用戶請求到達(dá)的隨機(jī)性的資源的有限性，SN的負(fù)載狀態(tài)是隨時間變化的，如果VNR在SN處于重負(fù)載的狀態(tài)下選擇貪婪式的立即映射策略(IVS)，則會面臨以下不可避免的兩大問題：(1)映射策略不僅影響當(dāng)前階段映射的虛擬網(wǎng)絡(luò)性能，同時還對下一階段的映射策略造成不確定性影響；(2)作為理性且自私的個體，應(yīng)合理地激勵SN和VNR通過協(xié)商制定映射策略及其資源分配。因此，為了在滿足VNR需求的同時，達(dá)到整體回報最優(yōu)，在映射前需要綜合考慮“是否”映射，如果不采取立即映射，則需要考慮“何時”映射。

發(fā)明內(nèi)容

有鑒于此，基于貪婪式的立即映射策略不可避免的造成底層網(wǎng)絡(luò)負(fù)載不均衡。當(dāng)虛擬網(wǎng)絡(luò)請求到達(dá)率高，底層網(wǎng)絡(luò)負(fù)載較高，導(dǎo)致競爭激烈，映射成本高，甚至映射失敗。反之，則底層網(wǎng)絡(luò)資源的利用率低。本發(fā)明提供了基于集中式和分布式最優(yōu)機(jī)會映射決策方法，該方法綜合考慮了虛擬網(wǎng)絡(luò)請求的數(shù)量、映射收益、映射成本、等待成本、系統(tǒng)回報和未來階段系統(tǒng)回報等多方面的因素。同時，考慮到VNR隨機(jī)到達(dá)和離開，采用馬爾可夫決策過程(MDP，Markov Decision Process)定義最優(yōu)決策問題，可以為這種無后效性和動態(tài)性提供一種最優(yōu)決策的規(guī)劃。基于此本發(fā)明提出了一種基于MDP模型的集中式最優(yōu)映射策略(M-OVS)。由于大規(guī)模環(huán)境下馬爾可夫決策過程求解復(fù)雜度高，采用分布式的個體決策方法，提出了基于買賣博弈的分布式最優(yōu)映射策略(G-OVS)，降低了MDP的計算復(fù)雜度。同時，利用買賣博弈機(jī)制，激勵SN響應(yīng)VNR，實現(xiàn)個體收益最大化，同時制定出分布式的最優(yōu)映射策略及其資源分配。

本發(fā)明采用的技術(shù)方案包括：