CN107483286B - 一种基于云-雾环境下合并和部署服务功能链的方法 - Google Patents

Abstract

本发明公开了一种基于云‑雾环境下合并和部署服务功能链的方法，在已知云计算和雾计算的结合底层网络和服务功能链请求、用户的位置和服务终端的位置前提条件下，有效合并和部署服务功能链请求；具体讲，在合并服务功能链请求时，将服务功能链请求根据是否是同构服务功能链进行分类，然后合并同构的服务功能链请求；在部署服务功能链请求时，考虑每个服务功能链请求中每个虚拟网络功能和链路连接情况和满足相关约束条件，以消耗最少的服务器资源、带宽资源和减小服务功能链请求的阻塞率为目标，将服务功能链请求进行部署。

Description

一种基于云-雾环境下合并和部署服务功能链的方法

技术领域

本发明属于网络通信技术领域，更为具体地讲，涉及一种基于云-雾环境下合并和部署服务功能链的方法。

背景技术

在传统的网络中，网络功能被专门的硬件执行。例如，用户的数据包在到达用户之前，用户的数据包可能被防火墙硬件过滤。但是随着用户的持续增加，基于硬件的传统网络功能已经无法满足用户的需求了，同时随着网络规模的持续增大，网络的僵化问题越来越严重，现在已经很难加入新的硬件网络功能，或者需要付出很大的代价。为了解决这些挑战，研究人员已经提出了网络功能虚拟化技术。通过网络功能虚拟化，云计算的资源被虚拟化为虚拟网络功能，旨在将网络功能从专门的硬件迁移到执行相应功能的软件上，从而实现减少资本费用和运营费用的目标。当一个用户请求一个服务时，会生成一个连接用户和服务终端的服务功能链来实现通信，服务功能链是由多个虚拟网络功能按照特定顺序组成的，从而实现相应的策略。例如，为了实现用户的安全策略，服务功能链可能是：用户→防火墙→内容过滤器→服务终端。为了实现用户和服务终端之间的通信，服务功能功能链会被部署到相应的云计算环境中。

随着对云计算资源需求的增加，集中式的云计算已经受到了一些方面的挑战。例如，大量的用户需求可能导致核心网络变得拥塞，或者当用户有很高的时延约束时，集中式的云计算不能满足用户的时延约束。因此，在2011年，思科提出来雾计算的概念，雾计算被作为云计算的补充而提出，而不是取代云计算。雾计算被带有微型数据中心的边缘网络实现，雾计算被称为“云在地面”。即，雾计算是一种靠近用户的分布式计算。由于雾计算被作为云计算的补充而提出，所以雾计算通常和云计算结合在一起为用户提供服务。

雾计算和云计算的结合能有效地解决云计算面临的挑战。例如通过使用带有雾计算的边缘网络，能够减少核心网络的拥塞，或者能提供一些时延敏感的服务。由于雾计算的这些优势，雾计算已经成了无线接入网、计算机接入网、物联网和车载网的研究方向。尽管一些文献研究了雾计算，但是这些研究没有考虑结合网络功能虚拟化和雾计算一起研究。在目前，有一些研究已经结合了雾计算和软件定义网络SDN进行研究，以至于能更好地利用网络资源。因此，这些研究为结合网络功能虚拟化和雾计算进行研究提供了参照和可能。因此，本发明能结合网络功能虚拟化和雾计算进行研究，从而更好地部署服务功能链和更好地利用网络资源。

在目前，已经有一些关于虚拟网络功能映射方法的研究，例如the CapacitatedNFV Location算法，其主要思想是当放置网络功能时，尽量减少整体网络成本，同时满足网络节点的大小约束。虽然该方法能够实现虚拟网络功能的放置，但是它是为虚拟网络或联合云提出的，没有考虑雾计算网络的特性和相关约束，不能利用雾计算的优势，而且没有考虑服务功能链的合并问题。

其次，针对虚拟网络功能的合并问题，又提出了PATH-EXTENSION算法，其主要思想考虑了共享和重用存在的虚拟网络功能，从而减少网络资源的消耗。然而上述方法能够实现虚拟网络功能的放置，并考虑了共享和重用存在的虚拟网络功能，但是它同样没有考虑雾计算网络的特性和相关约束，不能利用雾计算的优势，而且没有考虑整个服务功能链的合并问题。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于云-雾环境下合并和部署服务功能链的方法，在考虑服务功能链请求中每个虚拟网络功能的链路连接情况和满足相关约束条件下，将底层网络的节点资源和带宽资源分配给每个服务功能链请求，从而提高服务功能链请求的映射成功率和底层网络的资源利用率，同时减小总映射的花销。

为实现上述发明目的，本发明一种基于云-雾环境下合并和部署服务功能链的方法，其特征在于，包括以下步骤：

(1)、初始总映射成本

和被阻塞的用户集合

(2)、利用CCHSFC算法对网络中达到的服务功能链请求进行分类、排序和合并，再将每一类服务功能链请求合并后的结果组成的新集合G_V1；

(2.1)、遍历初始服务功能链请求G_V中的所有服务功能链请求，并将所有服务功能链请求分类成不同的同构服务功能链请求的子集合

i＝1,2,…,m，m表示子集合个数；

(2.2)、按照

的大小降序排序所有子集合

得到排序后的子集合

定义集合G_V1，

(2.3)、遍历第i个子集合

并将

中的所有服务功能链请求合并成一条服务功能链请求；遍历完成后，在每条服务功能链请求中，将用户和第一个虚拟网络功能之间添加一个新的虚拟网络功能CD，得到新的服务功能链请求g_i，并将g_i存储在集合G_V1中；

(2.4)、按照步骤(2.3)所述方法处理完m个子集合后，得到最终的集合G_V1＝{g₁,g₂,…,g_m}；

(3)、遍历G_V1中的第i个服务功能链请求g_i，再利用MSFC算法映射服务功能链请求g_i，并将对应的映射方案存储在集合M中；

(4)、遍历集合M中的映射方案，如果找到映射服务功能链请求g_i的方案，则将服务功能链请求g_i的映射方案成本M_SFC加入到总映射成本

中，即

并更新底层网络资源和被阻塞的用户集合User_blo，同时返回总映射成本

和被阻塞的用户集合User_blo；否则，更新被阻塞的用户集合User_blo，再返回步骤(3)。

本发明的发明目的是这样实现的：

本发明一种基于云-雾环境下合并和部署服务功能链的方法，在已知云计算和雾计算的结合底层网络和服务功能链请求、用户的位置和服务终端的位置前提条件下，有效合并和部署服务功能链请求；具体讲，在合并服务功能链请求时，将服务功能链请求根据是否是同构服务功能链进行分类，然后合并同构的服务功能链请求；在部署服务功能链请求时，考虑每个服务功能链请求中每个虚拟网络功能和链路连接情况和满足相关约束条件，以消耗最少的服务器资源、带宽资源和减小服务功能链请求的阻塞率为目标，将服务功能链请求进行部署。

同时，本发明一种基于云-雾环境下合并和部署服务功能链的方法还具有以下有益效果：

(1)、适用范围广。传统的虚拟网络功能或服务功能链映射算法大多是针对虚拟网络和数据中心网络提出的，或者没有考虑在云-雾计算网络中的部署服务功能链，而本方法能适用于云-雾计算网络中的服务功能链请求，因此与传统的映射算法相比，本方法的适用范围更广。

(2)、映射成本低。由于本发明提出SFCM-CC算法，首先对服务功能链请求进行分类，并合并同构的服务功能链请求，然后，在利用云-雾计算结合的优势部署服务功能链请求，这样找到的映射方案的成本也就更低。

(3)、资源利用率高。由于本发明提出的算法中会合并同构的服务功能链请求，合并同构的服务功能链请求能减少资源的消耗，所以，能提高资源的利用率。

(4)、映射阻塞率小。由于本发明提出的算法中合并同构的服务功能链请求之后，对网络资源的消耗会减少，所以，映射成功的可能性也就越大，阻塞率也就越小。

附图说明

图1是本发明基于云-雾环境下合并和部署服务功能链的方法流程图；

图2是一个同构服务功能链合并示意图。

具体实施方式

下面结合附图对本发明的具体实施方式进行描述，以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是，在以下的描述中，当已知功能和设计的详细描述也许会淡化本发明的主要内容时，这些描述在这里将被忽略。

实施例

图1是本发明基于云-雾环境下合并和部署服务功能链的方法流程图。

在本实施例中，如图1所示，本发明一种基于云-雾环境下合并和部署服务功能链的方法，包括以下步骤：

S1、定义初始总映射成本集合

和被阻塞的用户集合User_blo，且初始总映射成本

被阻塞的用户集合

S2、利用CCHSFC算法对网络中达到的服务功能链请求进行分类、排序和合并，再将每一类服务功能链请求合并后的结果组成的新集合G_V1；

S2.1、遍历初始服务功能链请求G_V中的所有服务功能链请求，并将所有服务功能链请求分类成不同的同构服务功能链请求的子集合

i＝1,2,…,m，m表示子集合个数，其中，先分类成不同的同构服务功能链请求的子集合是为了方便进行合并；

下面我们滴同构服务链请求满足条件进行说明，同构服务功能链请求必须同时满足以下条件：

1)、同构服务功能链请求必须是同一个在线直播业务；

2)、同构服务功能链请求必须来自同一个服务终端；

3)、同构服务功能链请求中虚拟网络功能的数量必须相同；

4)、同构服务功能链请求中链路的数量必须相同；

5)、同构服务功能链请求中对应虚拟网络功能的类型必须相同；

6)、同构服务功能链请求中对应虚拟网络功能和链路的资源需求必须相同；

7)、同构服务功能链请求中用户的位置必须是同一个雾接入网；

S2.2、按照

的大小降序排序所有子集合

得到排序后的子集合

定义集合G_V1，

其中，按照

的大小降序排序所有子集合

是为了在映射时可以先映射用户较多的请求，从而增加用户的接受率；

S2.3、遍历第i个子集合

并将

中的所有服务功能链请求合并成一条服务功能链请求；遍历完成后，在每条服务功能链请求中，将用户和第一个虚拟网络功能之间添加一个新的虚拟网络功能CD，得到新的服务功能链请求g_i，并将g_i存储在集合G_V1中；

在本实施例中，服务功能链请求是由虚拟网络功能和虚拟网络链路组成的链路请求，合并后的虚拟网络功能的资源需求与一个未合并的虚拟网络功能的资源需求相同；然后将两个虚拟网络功能之间的全部链路合并成一条链路，这条合并后的虚拟链路的资源需求与一条未合并的虚拟链路的资源需求相同；

虚拟网络功能CD的位置约束必须是用户所在的雾接入网，其功能主要是缓存和分发视频给每一个用户，进而来减少用户链路的映射路径的长度；

下面结合图2对同构服务功能链请求合并进行说明。

在本实施例中，如图2所示，当一些用户请求来自同一个服务终端的相同清晰度的同一个在线直播业务，并且这些用户属于同一个雾接入网，这些服务功能链是同构的。由于如果不考虑时延，同一个在线直播业务在同一个时刻的视频内容是相同，所以本发明可以根据如图2所示的方法合并这些同构的服务功能链。

在图2中，图2(a)展示了三条原始的服务功能链，这三条原始的服务功能链除了来自同一个服务终端以外是相互独立的，并且他们的计算资源和链路资源也是相互独立的，并且这三条原始的服务功能链需要传输三份相同的视频。图2(b)展示了合并后的服务功能链，合并后的服务功能链共享计算资源和链路资源。

从图2(b)可以看出图2(a)中的三个资源需求为2单位的Proxy虚拟网络功能在图2(b)中合并成了一个资源需求为2单位的Proxy虚拟网络功能；2(a)中的三个资源需求为1单位的Firewall虚拟网络功能在图2(b)中合并成了一个资源需求为1单位的Firewall虚拟网络功能；2(a)中的三条资源需求为0.5单位的虚拟链路e₂,e₄和e₆在图2(b)中合并成了一条资源需求为0.5单位的虚拟链路E₃；2(a)中的三条资源需求为0.5单位的虚拟链路e₁,e₃和e₅在图2(b)中合并成了一条资源需求为0.5单位的虚拟链路E₂。此外，从图2可以看出在用户和防火墙功能之间，合并后的服务功能链生成了一个新的虚拟网络功能CD，这个新的虚拟网络功能CD一端通过一条资源需求为0.5单位的虚拟链路E₁和合并后的Firewall虚拟网络功能连接住在一起，另一端通过三条用户链路l₁,l₂和l₃和3个用户连接住在一起。这个新的虚拟网络功能CD的职责是缓存和分发视频给每一个用户，并且为了最大限度的节约资源，在本发明中，部署这个新的虚拟网络功能CD到雾接入网中，来减少用户链路的映射路径的长度。并且从图2可以看出，合并后的服务功能链的资源需求远远小于这三条原始的服务功能链的资源需求，这是因为这三条原始的服务功能链需要传输三份相同的视频，而合并后的服务功能链只需要从服务终端传输一份视频到这个新的虚拟网络功能CD，然后这个新的虚拟网络功能CD再缓存和分发视频给每个用户。

S2.4、按照步骤S2.3所述方法处理完m个子集合后，得到最终的集合G_V1＝{g₁,g₂,…,g_m}；

S3、遍历G_V1中的第i个服务功能链请求g_i，再利用MSFC算法映射服务功能链请求g_i，并将对应的映射方案存储在集合M中；

下面我们对MSFC算法映射服务功能链请求g_i的具体方法进行详细说明。

S3.1、定义集合U^S，并将所有可用的底层网络节点储存在U^S中，取出第一个虚拟网络功能V₁，

表示服务功能链请求g_i中所有虚拟网络功能的集合；

S3.2、遍历底层网络中第j个节点n_j，n_j∈U^S，j＝1,2,…,J，J表示U^S中底层网络中节点个数；如果节点n_j的位置符合虚拟网络功能V₁的位置约束，将V₁映射到底层网络节点n_j上，并且找出从n_j到服务终端

的最小成本链路

并计算映射成本VCost(V₁→n_j)；

底层网络节点资源成本Cost(V₁→n_j)为：

Cost(V₁→n_j)＝p(n_j)ε(V₁)

从节点n_j到服务终端

的最小链路成本

为：

V₁映射到底层网络节点n_j上的映射成本VCost(V₁→n_j)为：

其中，p(n_j)表示节点n_j的单位成本，ε(V₁)表示第一个虚拟网络功能V₁的资源需求，e_s表示一条底层网络链路，p(e_s)表示链路e_s的单位成本，ε(e₁)表示链路e₁的带宽资源需求；

S3.3、判断映射成本VCost(V₁→n_j)是否为无穷大，如果是无穷大，则表示映射失败，则令j＝j+1，并返回步骤S3.2；否则进入步骤S3.4；

S3.4、定义服务功能链请求g_i中对应的用户链路集合为

遍历用户链路集合中的第τ条用户链路l_τ，

τ＝1,2,…,l，l表示用户链路集合

中用户链路的条数；

利用Dijkstra算法找到用户链路l_τ的最小成本路径p_lτ，并计算该用户链路l_τ的映射成本LCost(p_lτ)；

其中，用户链路l_τ的映射成本LCost(p_lx)为：

其中，ε(l_τ)表示用户链路l_τ的带宽资源需求；

同理，按照上述方法映射完所有的用户链路，得到每条用户链路的映射成本；

S3.5、计算V₁的总映射成本TCost(V₁→n_j)：

S3.6、令j＝j+1，并返回步骤S3.2，计算V₁映射到其他底层网络节点的总映射成本，直到计算出V₁映射到底层网络中所有节点的总映射成本，得到J个总映射成本；

S3.7、从所有V₁的映射方案中找到用户映射链路数量最大并且总映射成本TCost(V₁→n_j)最小的映射方案，并作为V₁的最终映射方案储存到集合M中；

S3.8、遍历

中的剩余的虚拟网络功能V_k，

表示虚拟网络功能个数；

遍历底层网络中第j个节点n_j，如果节点n_j的位置符合虚拟网络功能V_k的位置约束，则将V_k映射到底层网络节点n_j上，并计算V_k映射到底层网络节点n_j上的映射成本VCost(V_k→n_j)；

VCost(V_k→n_j)＝p(n_j)ε(V_k)

S3.9、找到服务功能链主干链路e_k-1的最小成本路径p_ek-1，以及从n_j到服务终端

的最小成本链路

并计算V_k的总映射成本TCost(V_k→n_j)；

其中，服务功能链主干链路e_k的映射成本LCost(p_ek)为：

最小链路成本

为：

虚拟网络功能V_k的总映射成本为：

令j＝j+1，返回步骤S3.8，计算V_k映射到其他底层网络节点的总映射成本，直到计算出V_k映射到底层网络中所有节点的总映射成本，得到J个总映射成本；

S3.10、从所有V_k的映射方案中找到总映射成本TCost(V_k→n_j)最小的映射方案，并作为V_k的最终映射方案储存到集合M中；

当V_k映射完成后，令k＝k+1，再返回步骤S3.8，按照S3.8-S3.10)所述方法，找到剩余虚拟网络功能的最终映射方案，并储存到集合M中。

S4、遍历集合M中的映射方案，如果找到映射服务功能链请求g_i的方案，则将服务功能链请求g_i的映射方案成本M_SFC加入到总映射成本

中，即

并更新底层网络资源和被阻塞的用户集合User_blo，同时返回总映射成本

和被阻塞的用户集合User_blo；否则，更新被阻塞的用户集合User_blo，再返回步骤S3。

尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

Claims (5)

1.一种基于云-雾环境下合并和部署服务功能链的方法，其特征在于，包括以下步骤：

(1)、初始总映射成本

和被阻塞的用户集合

(2)、利用分类和合并同构服务功能链算法CCHSFC对网络中达到的服务功能链请求进行分类、排序和合并，再将每一类服务功能链请求合并后的结果组成新集合G_V1；

(2.1)、遍历初始服务功能链请求G_V中的所有服务功能链请求，并将所有服务功能链请求分类成不同的同构服务功能链请求的子集合

m表示子集合个数；

(2.2)、按照

的大小降序排所有子集合

得到排序后的子集合

定义集合G_V1，G_V1初始化为

(2.3)、遍历第i个子集合

并将

中的所有服务功能链请求合并成一条服务功能链请求；遍历完成后，在每条服务功能链请求中，将用户和第一个虚拟网络功能之间添加一个新的缓存和分发网络CD，得到新的服务功能链请求g_i，并将g_i存储在集合G_V1中；

(2.4)、按照步骤(2.3)所述方法处理完m个子集合后，得到最终的集合G_V1＝{g₁,g₂,…,g_m}；

(3)、遍历G_V1中的第i个服务功能链请求g_i，再利用映射单个服务功能链请求算法MSFC映射服务功能链请求g_i，并将对应的映射方案存储在集合M中；

(4)、遍历集合M中的映射方案，如果找到映射服务功能链请求g_i的方案，则将服务功能链请求g_i的映射方案成本M_SFC加入到总映射成本

中，即

并更新底层网络资源和被阻塞的用户集合User_blo，同时返回总映射成本

和被阻塞的用户集合User_blo；否则，更新被阻塞的用户集合User_blo，再返回步骤(3)。

2.根据权利要求1所述的基于云-雾环境下合并和部署服务功能链的方法，其特征在于，所述的同构服务功能链请求必须同时满足以下条件：

1)、同构服务功能链请求必须是同一个在线直播业务；

2)、同构服务功能链请求必须来自同一个服务终端；

3)、同构服务功能链请求中虚拟网络功能的数量必须相同；

4)、同构服务功能链请求中链路的数量必须相同；

5)、同构服务功能链请求中对应虚拟网络功能的类型必须相同；

6)、同构服务功能链请求中对应虚拟网络功能和链路的资源需求必须相同；

7)、同构服务功能链请求中用户的位置必须是同一个雾接入网。

3.根据权利要求1所述的基于云-雾环境下合并和部署服务功能链的方法，其特征在于，所述的服务功能链请求是由虚拟网络功能和虚拟网络链路组成的链路请求。

4.根据权利要求1所述的基于云-雾环境下合并和部署服务功能链的方法，其特征在于，所述的缓存和分发网络CD的位置约束必须是用户所在的雾接入网，其功能是缓存和分发视频给每一个用户。

5.根据权利要求1所述的基于云-雾环境下合并和部署服务功能链的方法，其特征在于，所述步骤(3)中，利用MSFC算法映射服务功能链请求g_i的方法为：

1.1)、定义集合U^S，并将所有可用的底层网络节点储存在U^S中，取出第一个虚拟网络功能V₁，

表示服务功能链请求g_i中所有虚拟网络功能的集合；

1.2)、遍历底层网络中第j个节点n_j，n_j∈U^S，j＝1,2,…,J，J表示U^S中底层网络中节点个数；如果节点n_j的位置符合虚拟网络功能V₁的位置约束，将V₁映射到底层网络节点n_j上，并且找出从n_j到服务终端

的最小成本链路

并计算映射成本VCost(V₁→n_j)；

底层网络节点资源成本Cost(V₁→n_j)为：

Cost(V₁→n_j)＝p(n_j)ε(V₁)

从节点n_j到服务终端

的最小链路成本

为：

V₁映射到底层网络节点n_j上的映射成本VCost(V₁→n_j)为：

其中，p(n_j)表示节点n_j的单位成本，ε(V₁)表示第一个虚拟网络功能V₁的资源需求，e_s表示一条底层网络链路，p(e_s)表示链路e_s的单位成本，ε(e₁)表示链路e₁的带宽资源需求；

1.3)、判断映射成本VCost(V₁→n_j)是否为无穷大，如果是无穷大，则表示映射失败，则令j＝j+1，并返回步骤1.2)；否则进入步骤1.4)；

1.4)、定义服务功能链请求g_i中对应的用户链路集合为

遍历用户链路集合中的第τ条用户链路l_τ，

τ＝1,2,…,l，l表示用户链路集合

中用户链路的条数；

利用Dijkstra算法找到用户链路l_τ的最小成本路径

并计算该用户链路l_τ的映射成本

其中，用户链路l_τ的映射成本

为：

其中，ε(l_τ)表示用户链路l_τ的带宽资源需求；

同理，按照上述方法映射完所有的用户链路，得到每条用户链路的映射成本；

1.5)、计算V₁的总映射成本TCost(V₁→n_j)：

1.6)、令j＝j+1，并返回步骤1.2)，计算V₁映射到其他底层网络节点的总映射成本，直到计算出V₁映射到底层网络中所有节点的总映射成本，得到J个总映射成本；

1.7)、从所有V₁的映射方案中找到用户映射链路数量最大并且总映射成本TCost(V₁→n_j)最小的映射方案，并作为V₁的最终映射方案储存到集合M中；

1.8)、遍历

中的剩余的虚拟网络功能V_k，

表示虚拟网络功能个数；

遍历底层网络中第j个节点n_j，如果节点n_j的位置符合虚拟网络功能V的位置约束，则将V_k映射到底层网络节点n_j上，并计算V_k映射到底层网络节点n_j上的映射成本VCost(V_k→n_j)；

VCost(V_k→n_j)＝p(n_j)ε(V_k)

1.9)、找到服务功能链主干链路e_k-1的最小成本路径

以及从n_j到服务终端

的最小成本链路

并计算V_k的总映射成本TCost(V_k→n_j)；

其中，服务功能链主干链路e_k的映射成本

为：

最小链路成本

为：

虚拟网络功能V_k的总映射成本为：

令j＝j+1，返回步骤1.8)，计算V_k映射到其他底层网络节点的总映射成本，直到计算出V_k映射到底层网络中所有节点的总映射成本，得到J个总映射成本；

2.0)、从所有V_k的映射方案中找到总映射成本TCost(V_k→n_j)最小的映射方案，并作为V_k的最终映射方案储存到集合M中；

当V_k映射完成后，令k＝k+1，再返回步骤1.8)，按照1.8)-2.0)所述方法，找到剩余虚拟网络功能的最终映射方案，并储存到集合M中。

Images