基于重叠网络结构的服务功能链时空优化编排策略

网络功能虚拟化(NFV)的引入大幅降低了互联网业务的运营成本。针对现有的服务功能链(SFC)编排方法无法在优化底层资源的同时保证业务时延性能的问题,该文提出一种基于重叠网络结构的SFC时空优化编排策略。在将计算、网络资源与细粒度时延约束纳入考虑的基础上,该策略通过建立重叠网络模型实现了计算与网络资源的分离,将构建SFC所需的资源开销与相关时延共同抽象化为重叠网络链路权重,从而使SFC编排问题转化为易于求解的最短路径问题。对于需要批量处理的SFC集合设计了基于重叠网络的模拟退火迭代优化编排算法(ONSA)。通过对比实验证明了该策略下编排方案的平均端到端时延、链路资源占用率与运营开销相对其他方案分别降低29.5%, 12.4%与15.2%,请求接受率提高22.3%,虚拟网络功能(VNF)负载均衡性能得到显著提升。     

基于深度确定性策略梯度的虚拟网络功能迁移优化算法

针对NFV/SDN架构下,服务功能链(SFC)的资源需求动态变化引起的虚拟网络功能(VNF)迁移优化问题,该文提出一种基于深度强化学习的VNF迁移优化算法.首先,在底层CPU、带宽资源和SFC端到端时延约束下,建立基于马尔可夫决策过程(MDP)的随机优化模型,该模型通过迁移VNF来联合优化网络能耗和SFC端到端时延.其...     

基于深度确定性策略梯度的虚拟网络功能迁移优化算法

针对NFV/SDN架构下,服务功能链(SFC)的资源需求动态变化引起的虚拟网络功能(VNF)迁移优化问题,该文提出一种基于深度强化学习的VNF迁移优化算法.首先,在底层CPU、带宽资源和SFC端到端时延约束下,建立基于马尔可夫决策过程(MDP)的随机优化模型,该模型通过迁移VNF来联合优化网络能耗和SFC端到端时延.其次,由于状态空间和动作空间是连续值集合,提出一种基于深度确定性策略梯度(DDPG)的VNF智能迁移算法,从而得到近似最优的VNF迁移策略.仿真结果表明,该算法可以实现网络能耗和SFC端到端时延的折中,并提高物理网络的资源利用率.     

运营商网络中面向资源碎片优化的网络服务链构建策略

网络功能虚拟化(NFV)的引入使得运营商网络的网络功能不再依赖于专用硬件设备且服务能力更具弹性。为更有效地使用基于NFV的运营商网络中的资源,该文提出一种网络服务链(NSC)的优化构建策略。和已有研究工作不同,该文从减少因计算资源和网络资源这两类资源的不合理使用产生的资源碎片角度出发,以最大化运营商网络能容纳的业务流数量为目标,建立NSC构建的数学模型,且提出一种新的贪心NSC构建策略,该策略融合了路径选择和NSC的多个VNF部署。数值仿真实验表明,在相同资源总量的情况下与典型策略相比,所提策略能够容纳更多的业务流,实现更低的端到端的数据延迟,有效提高了运营商网络中通用服务器和交换机的资源利用率。     

移动边缘网络中基于用户移动的服务功能链迁移策略

移动边缘计算(Mobile Edge Computing,MEC)通过在网络边缘部署服务器,提供计算和存储资源,可为用户提供超低时延和高带宽业务。网络功能虚拟化(Network Function Virtualization,NFV)与MEC技术相结合,可在MEC服务器上提供服务功能链(Service Function Chain,SFC),提升用户的业务体验。为了保证移动用户的服务质量,需要在用户跨基站移动时将SFC迁移到合适的边缘服务器上。主要以最小化用户服务的端到端时延和运行成本为目标,提出了MEC网络中具有资源容量约束的SFC迁移策略,以实现移动用户业务的无缝迁移。仿真结果表明,与现有方案相比,该策略具有更好的有效性和高效性。     

基于迁移演员-评论家学习的服务功能链部署算法

针对5G网络切片环境下由于业务请求的随机性和未知性导致的资源分配不合理从而引起的系统高时延问题,该文提出了一种基于迁移演员-评论家(A-C)学习的服务功能链(SFC)部署算法(TACA)。首先,该算法建立基于虚拟网络功能放置、计算资源、链路带宽资源和前传网络资源联合分配的端到端时延最小化模型,并将其转化为离散时间马尔可夫决策过程(MDP)。而后,在该MDP中采用A-C学习算法与环境进行不断交互动态调整SFC部署策略,优化端到端时延。进一步,为了实现并加速该A-C算法在其他相似目标任务中(如业务请求到达率普遍更高)的收敛过程,采用迁移A-C学习算法实现利用源任务学习的SFC部署知识快速寻找目标任务中的部署策略。仿真结果表明,该文所提算法能够减小且稳定SFC业务数据包的队列积压,优化系统端到端时延,并提高资源利用率。     

基于流量演化感知的服务功能链在线弹性编排策略

随着网络功能虚拟化（NFV）的引入，运营商能够提供更为灵活的网络服务.然而现有服务功能链（SFC）编排局限于静态反应式策略，业务流量发生变化时网络资源供应量难以匹配负载需求，虚拟网络功能（VNF）频繁部署与迁移，运营开销增大.针对上述问题，该文提出一种基于流量演化感知的服务功能链在线弹性编排策略（OEOP），该策略将在线学习引入到SFC流量演化感知的过程，预先确定细粒度的VNF弹性需求.此外，以实时更新的SFC路径与节点负载两因子为导向，完成新增VNF的在线弹性部署，代替VNF迁移应对系统负载变化.仿真表明，该策略明显增强了虚拟资源供应量与负载需求的匹配特性，VNF吞吐量利用率提高10.2%~24.8%，运营开销平均降低26.7%.     

基于SDN/NFV的未来网络实验平台

依据SDN/NFV集中管控、动态、灵活、高效、可编排等特点,提出了基于SDN/NFV技术的未来网络实验平台的构建方案.该平台主要采用OpenStack和OpenDaylight的开源架构,同时研发设计SDN跨域虚拟网络通信、虚拟网元管理以及网络服务编排三大关键技术,实现了底层异构资源的实时动态管理与开放共享.同时,根据实验用户对网络资源的需求,灵活按需编排各种网络资源与SFC服务,为用户提供端到端的网络实验验证服务.     

运营商网络中基于深度强化学习的服务功能链迁移机制

为改善运营商网络提供的移动服务体验,该文研究服务功能链(SFC)的在线迁移问题。首先基于马尔可夫决策过程(MDP)对服务功能链中的多个虚拟网络功能(VNF)在运营商网络中的驻留位置迁移进行模型化分析。通过将强化学习和深度神经网络相结合提出一种基于双深度Q网络(double DQN)的服务功能链迁移机制,该迁移方法能在连续时间下进行服务功能链的在线迁移决策并避免求解过程中的过度估计。实验结果表明,该文所提出的策略相比于固定部署算法和贪心算法在端到端时延和网络系统收益等方面优势明显,有助于运营商改善服务体验和资源的使用效率。     

一种采用NFV架构的服务功能链动态编排与部署

随着虚拟化技术的出现,网络功能虚拟化(Network Function Virtualization,NFV) 和软件定义网络(Software Defined Networking,SDN) 技术使网络功能从硬件中抽象出来并可运行在虚拟机上,将虚拟网络功能映射部署到物理网络上,为用户提供定制化服务。服务功能链(Service Function Chaining,SFC) 由一组虚拟网络功能组成,目前其部署的一个关键问题是如何在保证为用户提供相应服务的同时降低网络资源消耗和负载压力。为此,首先介绍了一种可用于服务功能链编排的NFV 架构,并对基于SRv6 技术的SFC 编排过程进行说明;然后提出了一种有效的SFC动态编排算法——第一步使用广度优先搜索遍历网络并找到部署服务链的最短物理路径,第二步使用蚁群优化算法生成最优部署方案。仿真结果表明,该方案能够有效减轻网络负载,同时平均降低端到端延迟22%,减少带宽资源消耗18%,优化部署成功率23%。     

Intelligent Service Function Chain Mapping Framework for Cloud-and-Edge-Collaborative IoT

With the rapid development of Internet of thing (IoT) technology, it has become a challenge to deal with the increasing number and diverse requirements of IoT services. By combining burgeoning network function virtualization ( NFV) technology with cloud computing and mobile edge computing ( MEC), an NFV-enabled cloud-and-edge-collaborative IoT (CECIoT) architecture can efficiently provide flexible service for IoT traffic in the form of a service function chain (SFC) by jointly utilizing edge and cloud resources. In this promising architecture, a difficult issue is how to balance the consumption of resource and energy in SFC mapping. To overcome this challenge, an intelligent energy-and-resource-balanced SFC mapping scheme is designed in this paper. It takes the comprehensive deployment consumption as the optimization goal, and applies a deep Q-learning(DQL)-based SFC mapping (DQLBM) algorithm as well as an energy-based topology adjustment (EBTA) strategy to make efficient use of the limited network resources, while satisfying the delay requirement of users. Simulation results show that the proposed scheme can decrease service delay, as well as energy and resource consumption.     

基于微服务架构的粒度可变服务功能链映射算法

针对5G环境下服务功能链（SFC）端到端时延无法满足时延敏感型应用需求的问题,将传统虚拟网络功能（VNF）拆分成粒度不一的映射单元,提出了基于微服务架构的粒度可变服务功能链映射（VG-SFCM）算法。首先将传统粗粒度的VNF解耦成细粒度的微服务单元,随后通过SFC内冗余微服务单元的合并及SFC间微服务单元的复用,减少微服务单元的实例化,降低SFC的处理时间。仿真结果表明,所提算法在降低平均部署网络成本的同时,其SFC端到端时延相较于传统的映射算法降低了14.81%。     

一种基于主-备份节点同步映射的VNF热备份机制

网络功能虚拟化实现了网络功能与专属硬件平台的分离,虚拟网络功能（Virtual Network Function,VNF）通过动态组合形成服务功能链,实现同一硬件平台部署不同的功能服务。针对软件定义网络功能服务可靠性和物理网络资源效率问题,提出了一种基于主备份节点同步映射的VNF节点热备份机制。首先,选择满足节点资源约束的物理节点为主备份节点候选映射对;然后,选择满足带宽约束的最短物理链路为服务路径,实现节点与链路资源总开销的优化。实验结果表明,与传统的备份机制相比,该方法能够满足电信级高可靠性的服务需求,降低了VNF节点备份资源总开销,提高了服务请求的接受率和底层物理网络资源的利用率。