[發(fā)明專利]一種基于虛擬網絡功能資源需求預測的網絡延時優(yōu)化方法

有效

• 申請?zhí)枺?/td>: 202010103431.6
• 申請日: 2020-02-19
• 公開（公告）號: CN111314235B
• 公開（公告）日: 2023-08-11
• 發(fā)明（設計）人: 蔡君;錢凱麗;羅建楨;劉燕;魏文國
• 申請（專利權）人: 廣東技術師范大學
• 主分類號: H04L47/125
• 分類號: H04L47/125;H04L41/5019;G06N3/08;G06N3/0442
• 代理公司: 廣州高航知識產權代理有限公司 11530
• 代理人: 趙永強

1.一種基于虛擬網絡功能資源需求預測的網絡延時優(yōu)化方法，其特征在于，所述方法包括：

步驟1，利用SDN的全局感知，獲取網絡中SFC的信息，并提取SFC的資源需求特征；

步驟2，構建LSTM神經網絡預測模型，預測VNFs下一時刻的資源需求；

步驟3，根據預測結果，判斷所述網絡的負載情況，并決定是否進行優(yōu)化；

步驟4，將網絡變化程度分級，并根據網絡環(huán)境的不同變化程度重構SFCs，使得網絡時延最小；

所述步驟1進一步包括：將物理網絡表示為一個無向圖，表示為G^p＝(N^p,L^p)，其中N^p表示物理節(jié)點的集合，L^p表示物理鏈路的集合；每個物理節(jié)點n∈N^p的CPU資源表示為物理節(jié)點m,n∈N^p之間的鏈路l_m,n∈L^p的帶寬資源表示為根據需求設定它們各自的閾值，分別表示為r_c、r_b；將SFCs表示為一個有向圖，表示為G^s＝(N^s,L^s)，其中N^s表示VNF節(jié)點的集合，L^s表示VNF之間虛擬鏈路的集合；當有T條SFC請求，集合表示為T＝{S₁,S₂,...,S_T}，網絡中存在F種類型的VNF，集合表示為F＝{vnf₁,vnf₂,...,vnf_F}；每條SFC由一個或多個VNF組成，其中，第i條SFC由k個不同類型的VNF組成，將S_i表示為其中o_i是源點，t_i是目標點，是k個VNF的集合，表示為當服務器上內存類型的硬件資源充足時，提取CPU資源作為VNF資源需求的特征，其中，將S_i中vnf_k所需的CPU資源表示為C_i,k，觀察得到S_i所需CPU資源的歷史樣本，表示為Q_i＝{C_i,1,C_i,2,...,C_i,k}，其中，d表示樣本中時隙的個數，t表示時刻，表示S_i中vnf_k在t時刻所需的CPU資源；將S_i中vnf_k和vnf_k+1之間的虛擬鏈路表示為l_i,k,k+1，l_i,k,k+1所需的帶寬資源表示為B_i,k,k+1；B_i,k,k+1的公式如下所示：B_i,k,k+1＝C_i,k·L_p/t_proc，其中，L_p表示數據包的長度，t_proc表示包處理時間；

所述步驟2進一步包括：通過LSTM的遺忘門、輸入門和輸出門對VNF輸入進行迭代學習，其中，LSTM通過計算以及門控制輸入和輸出數據來學習門，并且通過遺忘門刪除無用的數據；

所述步驟3進一步包括：

構建一個整數線性規(guī)劃模型(ILP)，公式如下所示：

其中，是一個二進制變量，λ_proc表示虛擬機的利用率，λ_link表示帶寬的利用率，當部署在節(jié)點n∈N^p上時為1，否則為0；也是二進制變量，當相鄰的vnf_k和vnf_k+1之間的虛擬鏈路l_i,k,k+1映射在物理鏈路l_m,n∈L^p上時為1，否則為0，根據LSTM預測的結果，判斷網絡的負載情況，對于已經部署的SFCs，根據網絡環(huán)境的變化程度選擇不同級別的重構方式，對于新到的SFCs，選擇合適的節(jié)點和鏈路進行映射；

所述步驟4中的所述網絡環(huán)境的不同變化程度包括：當節(jié)點負載在閾值范圍內，鏈路負載超出閾值，即λ_link超出設定的閾值，但是λ_proc沒有超出閾值，將上述公式：簡化為以下公式：

在網絡中搜尋可替代原鏈路的負載率最小的鏈路，重新路由，若搜尋不到，考慮可分離流，將流量分成多條鏈路路由；若存在相同負載率的可替代鏈路，選擇跳數較小的那個；

所述步驟4中的所述網絡環(huán)境的不同變化程度還包括：當節(jié)點負載超出閾值范圍，即λ_proc超出設定的閾值，對整條SFC進行重構，將超出節(jié)點資源閾值的VNF遷移到別的負載率小的節(jié)點上；其中，SFC的重構成本，表示為C_recon，公式如下所示：

其中，B_i,k,k+1表示遷移vnf_k的帶寬需求，|l_u,v|表示將vnf_k從節(jié)點u遷移到v的物理鏈路的跳數，u,v∈N^p表示物理節(jié)點u∈N^p和物理節(jié)點v∈N^p；再將SFC的重構成本作為約束條件，利用求解器求解整數線性規(guī)劃模型(ILP),找到的最優(yōu)解。