CN108075990B - 资源感知的服务链备份节点分配算法及装置 - Google Patents
资源感知的服务链备份节点分配算法及装置 Download PDFInfo
- Publication number
- CN108075990B CN108075990B CN201810091958.4A CN201810091958A CN108075990B CN 108075990 B CN108075990 B CN 108075990B CN 201810091958 A CN201810091958 A CN 201810091958A CN 108075990 B CN108075990 B CN 108075990B
- Authority
- CN
- China
- Prior art keywords
- variable
- service chain
- backup
- formula
- vnf
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/70—Admission control; Resource allocation
- H04L47/78—Architectures of resource allocation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/142—Network analysis or design using statistical or mathematical methods
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/40—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks using virtualisation of network functions or resources, e.g. SDN or NFV entities
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/06—Management of faults, events, alarms or notifications
- H04L41/0654—Management of faults, events, alarms or notifications using network fault recovery
- H04L41/0663—Performing the actions predefined by failover planning, e.g. switching to standby network elements
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0803—Configuration setting
- H04L41/0823—Configuration setting characterised by the purposes of a change of settings, e.g. optimising configuration for enhancing reliability
- H04L41/0836—Configuration setting characterised by the purposes of a change of settings, e.g. optimising configuration for enhancing reliability to enhance reliability, e.g. reduce downtime
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0895—Configuration of virtualised networks or elements, e.g. virtualised network function or OpenFlow elements
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Pure & Applied Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Algebra (AREA)
- Hardware Redundancy (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种资源感知的服务链备份节点分配算法及装置,其中,算法包括:对资源感知的服务链备份问题进行数学建模,以根据服务链备份问题和最佳备份方案的条件得到求解最优方案的问题公式;根据求解最优方案的问题公式得到数学模型中变量的变量范围,其中,变量为服务链中每个VNF分配的备份节点的数量;根据数学模型的变量范围且通过差分优化求得最优解,以得到服务链备份节点分配结果。该算法可以实现在满足服务链整体可靠性的同时,使备份节点占用的资源量最小。
Description
技术领域
本发明涉及服务链的备份节点的分配技术领域,特别涉及一种资源感知的服务链备份节点分配算法及装置。
背景技术
网络中端到端的业务部署通常需要各种各样的网络功能,这些网络功能包含防火墙,负载均衡器和深度包检测等,业务流量需要按顺序经过一系列的网络功能,并且称这一系列有序的网络功能组成了服务链。由于服务链的连接形式是串联的,所以当服务链中的任意一个失效,都将导致整条服务链失效,而服务链的可靠性对于网络运营商的业务来说至关重要。因此当网络运营商需要部署一条服务链时,如果服务链的整体可靠性没有满足时,则需要为服务链中的网络功能部署备份节点。
VNF(Virtual Network Function,虚拟网络功能)在通用服务器上运行时会消耗服务器上的资源,例如CPU(Central Processing Unit,中央处理器)资源、内存资源、网络I/O(input/output,输入/输出端口)资源等,而且由于不同类型的VNF在服务链中实现的功能不同,通常会消耗不同量的资源,例如在同一条服务链中的深度包检测VNF比防火墙VNF消耗更多的CPU资源,因为深度包检测VNF在处理每个网络数据包时的逻辑更加复杂。此外,VNF运行在通用服务器上时不是百分之百可靠的,可能会因为软件或硬件原因而发生故障,通常用可靠性参数来描述VNF运行时的可靠程度,通常不同类型的VNF可靠性参数是不同的。
因为同一条服务链中不同的VNF消耗的资源量和可靠性参数都不同,如何为服务链中不同的VNF分配备份节点的数量对服务链整体的可靠性和备份节点的资源消耗有很大的影响。相关技术的技术方案都不能解决这个问题,相关技术的技术方案在解决这个问题时只考虑了VNF的可靠性参数不同,而忽略了VNF可能消耗不同量的资源,即相关技术方案只实现了在满足服务链整体可靠性的同时,使得所分配的备份节点的数量最少,而在满足服务链整体可靠性的同时,使得所分配的备份节点占用的总的资源量最少这个问题还有待解决。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。
为此,本发明的一个目的在于提出一种资源感知的服务链备份节点分配算法,该算法可以实现在满足服务链整体可靠性的同时,使备份节点占用的资源量最小。
本发明的另一个目的在于提出一种资源感知的服务链备份节点分配装置。
为达到上述目的,本发明一方面实施例提出了一种资源感知的服务链备份节点分配算法,包括以下步骤:对资源感知的服务链备份问题进行数学建模,以根据所述服务链备份问题和最佳备份方案的条件得到求解最优方案的问题公式;根据所述求解最优方案的问题公式得到数学模型中变量的变量范围,其中,所述变量为服务链中每个VNF分配的备份节点的数量;根据所述数学模型的变量范围且通过差分优化求得最优解,以得到服务链备份节点分配结果。
本发明实施例的资源感知的服务链备份节点分配算法,当服务链中每个VNF的可靠性参数和消耗的资源量已知,且备份节点的可靠性参数已知的情况下,可以实现在满足服务链整体可靠性的同时,使备份节点占用的资源量最小。
另外,根据本发明上述实施例的资源感知的服务链备份节点分配算法还可以具有以下附加的技术特征:
进一步地,在本发明的一个实施例中,所述求解最优方案的问题公式为:
var.{ki},
其中,n为服务链中VNF总的个数,i为服务链中VNF的序号,ki为第i个VNF分配的备份节点数量,fi为服务链中的第i个VNF,γ为VNF消耗的资源量,为fi消耗的资源量,α为VNF的可靠性参数,为fi的可靠性参数,AFd为服务链整体的可靠性需求。
进一步地,在本发明的一个实施例中,所述根据所述求解最优方案的问题公式得到数学模型的变量范围,进一步包括:
通过下限公式得到所述变量的下限,其中,所述下限公式为:
其中,b为备份节点;
通过上限公式得到所述变量的上限,其中,所述上限公式为:
进一步地,在本发明的一个实施例中,所述根据所述数学模型的变量范围且通过差分优化求得最优解,进一步包括:对每个成员变量进行初始化;根据所述每个成员变量产生对应的变异变量,以得到交叉变量;比较交叉后的所述交叉变量和初始成员变量所提供的备份节点部署方案所使用的资源;选择资源使用较小的所述交叉变量或所述初始成员变量;被选择的变量成为新的成员变量进入下一轮迭代,直至迭代次数满足预设条件。
进一步地,在本发明的一个实施例中,所述所使用的资源的计算公式为:
其中,kj,g+1为种群中第j个成员变量的第g+1次迭代的值,j为种群中成员变量的序号,g为种群的迭代次数,hj,g为交叉变量,为成员变量kj,g中的第i个元素,f(kj,g)为成员变量kj,g所提供的的备份方案所使用的总资源量,f(hj,g)为交叉变量hj,g所提供的备份方案所使用的总资源量。
为达到上述目的,本发明另一方面实施例提出了一种资源感知的服务链备份节点分配装置,包括:建模模块,用于对资源感知的服务链备份问题进行数学建模,以根据所述服务链备份问题和最佳备份方案的条件得到求解最优方案的问题公式;获取模块,用于根据所述求解最优方案的问题公式得到数学模型中变量的变量范围,其中,所述变量为服务链中每个VNF分配的备份节点的数量;求解模块,用于根据所述数学模型的变量范围且通过差分优化求得最优解,以得到服务链备份节点分配结果。
本发明实施例的资源感知的服务链备份节点分配装置,当服务链中每个VNF的可靠性参数和消耗的资源量已知,且备份节点的可靠性参数已知的情况下,可以实现在满足服务链整体可靠性的同时,使备份节点占用的资源量最小。
另外,根据本发明上述实施例的资源感知的服务链备份节点分配装置还可以具有以下附加的技术特征:
进一步地,在本发明的一个实施例中,所述求解最优方案的问题公式为:
var.{ki},
其中,n为服务链中VNF总的个数,i为服务链中VNF的序号,ki为第i个VNF分配的备份节点数量,fi为服务链中的第i个VNF,γ为VNF消耗的资源量,为fi消耗的资源量,α为VNF的可靠性参数,为fi的可靠性参数,AFd为服务链整体的可靠性需求。
进一步地,在本发明的一个实施例中,所述获取模块,进一步包括:
通过下限公式得到所述变量的下限,其中,所述下限公式为:
其中,b为备份节点;
通过上限公式得到所述变量的上限,其中,所述上限公式为:
进一步地,在本发明的一个实施例中,所述求解模块,进一步包括:初始化单元,用于对每个成员变量进行初始化;获取单元,用于根据所述每个成员变量产生对应的变异变量,以得到交叉变量;比较单元,用于比较交叉后的所述交叉变量和初始成员变量所提供的备份节点部署方案所使用的资源;选择单元,用于选择资源使用较小的所述交叉变量或所述初始成员变量;
迭代单元,用于被选择的变量成为新的成员变量进入下一轮迭代,直至迭代次数满足预设条件。
进一步地,在本发明的一个实施例中,所述所使用的资源的计算公式为:
其中,kj,g+1为种群中第j个成员变量的第g+1次迭代的值,j为种群中成员变量的序号,g为种群的迭代次数,hj,g为交叉变量,为成员变量kj,g中的第i个元素,f(kj,g)为成员变量kj,g所提供的的备份方案所使用的总资源量,f(hj,g)为交叉变量hj,g所提供的备份方案所使用的总资源量。
本发明附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1为相关技术中两种不同的服务链备份方案示例示意图;
图2为根据本发明实施例的资源感知的服务链备份节点分配算法的流程图;
图3为根据不同算法方案需要使用的资源量示意图;
图4为根据本发明实施例的资源感知的服务链备份节点分配装置的结构示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
在介绍本发明实施例的资源感知的服务链备份节点分配算法及装置之前,先简单介绍下相关技术中的服务链备份节点分配算法。
相关技术提供了服务链备份节点的分配算法,即当给定一条服务链请求,服务链中每个VNF的可靠性参数已知,如何分配备份节点,使得在满足服务链整体可靠性的同时,所使用的备份节点数量最少。相关技术中提供的算法在思路上也类似,算法的描述如下:
①选择服务链中可靠性参数最小的VNF分配备份节点。
②更新所选择的VNF的可靠性参数。
③判断服务链的整体可靠性是否满足要求,若不满足,则重复①,满足则结束。
上述算法所得到的备份节点的分配方案能在满足服务链整体可靠性需求的同时,保证所使用的备份节点数量是最少的。
然而,VNF除了可靠性参数不同,通常还消耗不同量的资源。相关技术中的算法虽然能保证使用的备份节点的数量是最少的,但是不能保证所占用的资源量是最少的。接下来通过一个例子来详细说明现有技术的缺点。如图1所示,每个长方形代表一个VNF,其中,左边的数字代表其可靠性,右边的参数代表其消耗的资源,圆圈中的数字代表为每个VNF部署的备份节点的数量,每个备份节点的可靠性参数为0.9且消耗的资源量等于其备份的VNF消耗的资源量。实线和虚拟代表两种不同的服务链备份方案,其中,虚线的方案是相关技术中算法所得到的部署方案,而实线为本专利提供的部署方案,可以看到,两种备份方案都将服务链的整体可靠性从0.44提升到了0.95,然而,实线方案消耗了250个单位的资源,而虚线消耗了320个单位的资源。
本发明正是基于上述问题,而提出的资源感知的服务链备份节点分配算法及装置。
下面参照附图描述根据本发明实施例提出的资源感知的服务链备份节点分配算法及装置,首先将参照附图描述根据本发明实施例提出的资源感知的服务链备份节点分配算法。
图2是本发明实施例的资源感知的服务链备份节点分配算法的流程图。
如图2所示,该资源感知的服务链备份节点分配算法包括以下步骤:
在步骤S201中,对资源感知的服务链备份问题进行数学建模,以根据服务链备份问题和最佳备份方案的条件得到求解最优方案的问题公式。
进一步地,在本发明的一个实施例中,求解最优方案的问题公式为:
var.{ki},
其中,n为服务链中VNF总的个数,i为服务链中VNF的序号,ki为第i个VNF分配的备份节点数量,fi为服务链中的第i个VNF,γ为VNF消耗的资源量,为fi消耗的资源量,α为VNF的可靠性参数,为fi的可靠性参数,AFd为服务链整体的可靠性需求。
可以理解的是,当给定一个服务链的请求,其中每个VNF的可靠性参数和消耗的资源已知,备份节点的可靠性参数已知,本发明实施例的算法能够计算一种备份方案,方案包括为每个VNF分配的备份节点的数量,该备份方案能满足服务链整体的可靠性需求,且该方案中备份节点占用的总的资源量是最少的。本发明实施例的算法主要分为三步,第一步是对问题进行数学建模,将问题用公式进行表示;第二步基于问题的数学公式计算问题中变量的大致范围;第三步在所计算的范围内基于差分优化算法求得最优解。
具体地,本发明实施例首先可以对资源感知的服务链备份问题进行数学建模。资源感知的服务链备份问题所解决的问题是当给定一条服务链的请求,需要计算最佳的备份节点部署方案。具体地,服务链的请求包括:
1)VNF的集合,用F={f1,f2,f3,…,fn}表示;
4)备份节点的可靠性参数,用αb表示;
5)服务链整体可靠性要求,用AFd表示。部署方案包括:每个VNF分配的备份节点数量,用ki表示。
最佳的备份方案满足的条件包括:
1)本发明实施例能满足服务链整体可靠性需求;
2)本发明实施例中备份节点使用的总的资源量最小。
接下来通过公式对该问题进行数学建模,本发明实施例将进行数学建模用到的符号如表1所示。
表1
由于VNF具有内部状态的特殊性,VNF在备份技术上需要选择热备份技术,备份节点与原节点进行同样的操作来保持状态的一致性,因此,备份节点与原节点消耗相同量的资源。基于这个条件,本发明实施例可以得到备份节点使用的总的资源量可以表示为
在模型中,无备份的单个VNF的可靠性参数为增加了备份节点后,该VNF的可靠性参数发生改变,直观的,该VNF可用的情况为原节点和其备份节点中大于或等于一个节点可用,基于这个分析,本发明实施例可以得到备份后的第i个VNF的可靠性参数为:
基于以上分析,并结合最佳的备份方案满足的条件,本发明实施例可以得出求解最优的方案的公式化模型,如下公式(1-1,1-2,1-3)所示。其中,公式(1-1)表示问题的优化目标,公式(1-2)表示问题的限制条件,公式(1-3)表示问题需要求解的变量。
var.{ki}, (1-3)
在步骤S202中,根据求解最优方案的问题公式得到数学模型中变量的变量范围,其中,变量为服务链中每个VNF分配的备份节点的数量。
进一步地,在本发明的一个实施例中,根据求解最优方案的问题公式得到数学模型的变量范围,进一步包括:
通过下限公式得到变量的下限,其中,下限公式为:
其中,b为备份节点;
通过上限公式得到变量的上限,其中,上限公式为:
可以理解的是,本发明实施例的算法的第二部是备份节点数量范围计算方法,也就是需要计算变量的上下限范围,根据所建立的数学模型,模型中的变量为服务链中每个VNF分配的备份节点的数量,即{ki}。
首先计算{ki}的下限,因为VNF的可靠性参数均为[0,1]之间的小数,而服务链整体的可靠性为每个VNF可靠性的乘积,因此备份后的每个VNF的可靠性参数必须大于等于服务链整体的可靠性需求。基于这个分析,本发明实施例可以得到公式(1-4),将公式(1-4)进一步化简,可以得到公式(1-5),即为{ki}的下限。
接着计算{ki}的上限,备份后的VNF可靠性参数对于ki来说是单调递减函数,这说明不断地增加备份节点的数量对于提高该VNF的可靠性来说也是递减的。当为一个VNF已经备份了一定数量的备份节点时,由于继续增加备份节点所能提高的可靠性是逐渐减小的,当所能提高的可靠性小于服务链剩余可提高可靠性的百分之一时,继续为该VNF增加备份节点是无意义的,本发明实施例可以将该一定数量定义为{ki}的上限。基于这个分析,可以得到公式(1-5),将公式(1-5)进一步化简,可以得到公式(1-6),即为{ki}的上限。
在步骤S203中,根据数学模型的变量范围且通过差分优化求得最优解,以得到服务链备份节点分配结果。
进一步地,在本发明的一个实施例中,根据数学模型的变量范围且通过差分优化求得最优解,进一步包括:对每个成员变量进行初始化;根据每个成员变量产生对应的变异变量,以得到交叉变量;比较交叉后的交叉变量和初始成员变量所提供的备份节点部署方案所使用的资源;选择资源使用较小的交叉变量或初始成员变量;被选择的变量成为新的成员变量进入下一轮迭代,直至迭代次数满足预设条件。
进一步地,在本发明的一个实施例中,所使用的资源的计算公式为:
其中,kj,g+1为种群中第j个成员变量的第g+1次迭代的值,j为种群中成员变量的序号,g为种群的迭代次数,hj,g为交叉变量,为成员变量kj,g中的第i个元素,f(kj,g)为成员变量kj,g所提供的的备份方案所使用的总资源量,f(hj,g)为交叉变量hj,g所提供的备份方案所使用的总资源量。
可以理解的是,kj,g+1为种群中第j个成员变量的第g+1次迭代的值,也就是说,种群中共有n个成员变量,所以用第一个下标表示成员变量在种群中的序号;种群会发生迭代,所以用第二个下标表示种群迭代的次数,为成员变量kj,g中的第i个元素,也就是说,成员变量kj,g是一个n维向量,所以是该向量的第i个值,f(kj,g)为成员变量kj,g所提供的的备份方案所使用的总资源量,也就是说,成员变量kj,g是一个n维向量,该向量中的n个元素正好对应服务链中n个VNF的备份节点的数量,所以一个成员变量代表了一种备份方案,f(hj,g)为交叉变量hj,g所提供的备份方案所使用的总资源量,其中,交叉变量同理也是一个n维向量。
另外,本发明实施例的DE(Differential Evolution,差分优化)算法是一种基于搜索的全局优化算法,本发明实施例可以基于DE算法来计算最优的部署方案,即最优的{ki}值。在描述算法之前,本发明实施例可以先将算法用到的符号及其含义在表2中展示。
表2
基于DE的算法的主要分为五个步骤,具体如下:
步骤一:初始化成员变量。对第一代成员变量集合P1进行初始化,其中每个成员变量中的每个元素均按照公式1-10进行初始化。
步骤二:为每个成员变量产生对应的变异变量。首先挑选出当前成员变量集合中最优的成员变量kbest,g。kbest,g的定义如下:该变量对应的{ki}所提供的备份节点部署方案能满足服务链整体的可靠性要求且消耗的资源量最小。当找到了最优的成员变量后,可以按照公式(1-11)产生变异变量其中Fr为变异率,kr1和kr2是在种群中随机选择的两个成员变量。
步骤三:为每个成员变量产生对应的交叉变量。交叉变量的产生是将原成员变量中的元素和变异后的变量中的元素进行交叉产生的。交叉变量中元素按照公式(1-12)产生,其中Cr为交叉率。
步骤四:选择。比较交叉后的变量和原成员变量所提供的备份节点部署方案所使用的资源,选择资源使用较小者,被选择的变量成为新的成员变量进入下一轮迭代。具体选择按照公式(1-13)进行,其中函数f(*)为计算该方案所使用的资源。
步骤五:重复步骤二,三,四,直到重复的次数达到gmax。
综上,如图3所示,本发明实施例的算法能有效减少为服务链分配备份节点过程总所使用的资源,通过仿真发现该算法相比于相关技术中的算法方案,能减少10.5%的资源使用,相比于随机分配算法,能减少48.3%。
根据本发明实施例提出的资源感知的服务链备份节点分配算法,当服务链中每个VNF的可靠性参数和消耗的资源量已知,且备份节点的可靠性参数已知的情况下,可以实现在满足服务链整体可靠性的同时,使备份节点占用的资源量最小。
其次参照附图描述根据本发明实施例提出的资源感知的服务链备份节点分配装置。
图4是本发明实施例的资源感知的服务链备份节点分配装置的结构示意图
如图4所示,该资源感知的服务链备份节点分配装置10包括:建模模块100、获取模块200和求解模块300。
其中,建模模块100用于对资源感知的服务链备份问题进行数学建模,以根据服务链备份问题和最佳备份方案的条件得到求解最优方案的问题公式。获取模块200用于根据求解最优方案的问题公式得到数学模型中变量的变量范围,其中,变量为服务链中每个VNF分配的备份节点的数量。求解模块300用于根据数学模型的变量范围且通过差分优化求得最优解,以得到服务链备份节点分配结果。本发明实施例的装置10可以实现在满足服务链整体可靠性的同时,使备份节点占用的资源量最小。
进一步地,在本发明的一个实施例中,求解最优方案的问题公式为:
var.{ki},
其中,n为服务链中VNF总的个数,i为服务链中VNF的序号,ki为第i个VNF分配的备份节点数量,fi为服务链中的第i个VNF,γ为VNF消耗的资源量,为fi消耗的资源量,α为VNF的可靠性参数,为fi的可靠性参数,AFd为服务链整体的可靠性需求。
进一步地,在本发明的一个实施例中,获取模块200进一步包括:
通过下限公式得到变量的下限,其中,下限公式为:
b为备份节点;
通过上限公式得到变量的上限,其中,上限公式为:
进一步地,在本发明的一个实施例中,求解模块300进一步包括:初始化单元、获取单元、比较单元、选择单元和迭代单元。其中,初始化单元用于对每个成员变量进行初始化。获取单元用于根据每个成员变量产生对应的变异变量,以得到交叉变量。比较单元用于比较交叉后的交叉变量和初始成员变量所提供的备份节点部署方案所使用的资源。选择单元用于选择资源使用较小的交叉变量或初始成员变量。迭代单元用于被选择的变量成为新的成员变量进入下一轮迭代,直至迭代次数满足预设条件。
进一步地,在本发明的一个实施例中,所使用的资源的计算公式为:
其中,kj,g+1为种群中第j个成员变量的第g+1次迭代的值,j为种群中成员变量的序号,g为种群的迭代次数,hj,g为交叉变量,为成员变量kj,g中的第i个元素,f(kj,g)为成员变量kj,g所提供的的备份方案所使用的总资源量,f(hj,g)为交叉变量hj,g所提供的备份方案所使用的总资源量。
需要说明的是,前述对资源感知的服务链备份节点分配算法实施例的解释说明也适用于该实施例的资源感知的服务链备份节点分配装置,此处不再赘述。
根据本发明实施例提出的资源感知的服务链备份节点分配装置,当服务链中每个VNF的可靠性参数和消耗的资源量已知,且备份节点的可靠性参数已知的情况下,可以实现在满足服务链整体可靠性的同时,使备份节点占用的资源量最小。
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
在本发明中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系,除非另有明确的限定。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明中,除非另有明确的规定和限定,第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触,或第一和第二特征通过中间媒介间接接触。而且,第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方,或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方,或仅仅表示第一特征水平高度小于第二特征。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (6)
1.一种资源感知的服务链备份节点分配方法,其特征在于,包括以下步骤:
对资源感知的服务链备份问题进行数学建模,以根据所述服务链备份问题和最佳备份方案的条件得到求解最优方案的问题公式;
根据所述求解最优方案的问题公式得到数学模型中变量的变量范围,其中,所述变量为服务链中每个VNF分配的备份节点的数量;以及
根据所述数学模型的变量范围且通过差分优化求得最优解,以得到服务链备份节点分配结果;
所述求解最优方案的问题公式为:
var.{ki},
其中,n为服务链中VNF总的个数,i为服务链中VNF的序号,ki为第i个VNF分配的备份节点数量,fi为服务链中的第i个VNF,γ为VNF消耗的资源量,为fi消耗的资源量,α为VNF的可靠性参数,为fi的可靠性参数,AFd为服务链整体的可靠性需求;
所述根据所述数学模型的变量范围且通过差分优化求得最优解,进一步包括:对每个成员变量进行初始化;根据所述每个成员变量产生对应的变异变量,以得到交叉变量;比较交叉后的所述交叉变量和初始成员变量所提供的备份节点部署方案所使用的资源;选择资源使用较小的所述交叉变量或所述初始成员变量;被选择的变量成为新的成员变量进入下一轮迭代,直至迭代次数满足预设条件。
4.一种资源感知的服务链备份节点分配装置,其特征在于,包括:
建模模块,用于对资源感知的服务链备份问题进行数学建模,以根据所述服务链备份问题和最佳备份方案的条件得到求解最优方案的问题公式;
获取模块,用于根据所述求解最优方案的问题公式得到数学模型中变量的变量范围,其中,所述变量为服务链中每个VNF分配的备份节点的数量;以及
求解模块,用于根据所述数学模型的变量范围且通过差分优化求得最优解,以得到服务链备份节点分配结果;
其中,所述求解最优方案的问题公式为:
var.{ki},
其中,n为服务链中VNF总的个数,i为服务链中VNF的序号,ki为第i个VNF分配的备份节点数量,fi为服务链中的第i个VNF,γ为VNF消耗的资源量,为fi消耗的资源量,α为VNF的可靠性参数,为fi的可靠性参数,AFd为服务链整体的可靠性需求;
其中,所述求解模块,进一步包括:初始化单元,用于对每个成员变量进行初始化;获取单元,用于根据所述每个成员变量产生对应的变异变量,以得到交叉变量;比较单元,用于比较交叉后的所述交叉变量和初始成员变量所提供的备份节点部署方案所使用的资源;选择单元,用于选择资源使用较小的所述交叉变量或所述初始成员变量;迭代单元,用于被选择的变量成为新的成员变量进入下一轮迭代,直至迭代次数满足预设条件。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810091958.4A CN108075990B (zh) | 2018-01-30 | 2018-01-30 | 资源感知的服务链备份节点分配算法及装置 |
PCT/CN2018/079544 WO2019148605A1 (zh) | 2018-01-30 | 2018-03-20 | 资源感知的服务链备份节点分配算法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810091958.4A CN108075990B (zh) | 2018-01-30 | 2018-01-30 | 资源感知的服务链备份节点分配算法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108075990A CN108075990A (zh) | 2018-05-25 |
CN108075990B true CN108075990B (zh) | 2020-09-11 |
Family
ID=62156896
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810091958.4A Active CN108075990B (zh) | 2018-01-30 | 2018-01-30 | 资源感知的服务链备份节点分配算法及装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN108075990B (zh) |
WO (1) | WO2019148605A1 (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108965014B (zh) * | 2018-07-25 | 2021-06-15 | 北京智芯微电子科技有限公司 | QoS感知的服务链备份方法及系统 |
CN111611344B (zh) * | 2020-05-06 | 2023-06-13 | 北京智通云联科技有限公司 | 基于字典和知识图谱的复杂属性查询方法、系统及设备 |
CN111901170B (zh) * | 2020-07-29 | 2022-12-13 | 中国人民解放军空军工程大学 | 可靠性感知的服务功能链备份保护方法 |
CN115277698B (zh) * | 2022-07-20 | 2024-01-16 | 福州大学 | 基于可靠性的遥测收集方案部署方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105141462A (zh) * | 2015-09-15 | 2015-12-09 | 广东电网有限责任公司电力调度控制中心 | 区域故障虚拟网络资源分配方法及系统 |
CN105242956A (zh) * | 2015-09-15 | 2016-01-13 | 中国人民解放军信息工程大学 | 虚拟功能服务链部署系统及其部署方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10949233B2 (en) * | 2016-06-22 | 2021-03-16 | Ciena Corporation | Optimized virtual network function service chaining with hardware acceleration |
-
2018
- 2018-01-30 CN CN201810091958.4A patent/CN108075990B/zh active Active
- 2018-03-20 WO PCT/CN2018/079544 patent/WO2019148605A1/zh active Application Filing
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105141462A (zh) * | 2015-09-15 | 2015-12-09 | 广东电网有限责任公司电力调度控制中心 | 区域故障虚拟网络资源分配方法及系统 |
CN105242956A (zh) * | 2015-09-15 | 2016-01-13 | 中国人民解放军信息工程大学 | 虚拟功能服务链部署系统及其部署方法 |
Non-Patent Citations (1)
Title |
---|
网络服务功能链拓扑设计及映射研究;吕晨;《中国优秀硕士学位论文全文数据库 信息科技辑》;20170215(第2期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN108075990A (zh) | 2018-05-25 |
WO2019148605A1 (zh) | 2019-08-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108075990B (zh) | 资源感知的服务链备份节点分配算法及装置 | |
US11018979B2 (en) | System and method for network slicing for service-oriented networks | |
CN106789376B (zh) | 带有层级结构的指控网络级联失效模型构建方法 | |
CN102457571B (zh) | 一种云存储中数据均衡分布方法 | |
CN108768736B (zh) | 一种混合型服务功能链嵌入代价的优化方法 | |
CN103179052A (zh) | 一种基于接近度中心性的虚拟资源分配方法及系统 | |
CN105681153A (zh) | 一种虚拟网络映射方法及装置 | |
CN104917659A (zh) | 一种基于虚拟网络连接特性的虚拟网络映射方法 | |
Chai et al. | A parallel placement approach for service function chain using deep reinforcement learning | |
Goel et al. | Simultaneous optimization via approximate majorization for concave profits or convex costs | |
CN109041236B (zh) | 一种不同权重业务的无线资源分配方法及装置 | |
Harutyunyan et al. | New heuristic for message broadcasting in networks | |
CN107919985A (zh) | 一种复杂网络级联失效容量负载架构的应用 | |
Akbari et al. | A simple approach for adapting continuous load balancing processes to discrete settings | |
Chen et al. | Algorithm for virtual nodes reconfiguration on network virtualization | |
Alhihi et al. | Operating task redistribution in hyperconverged networks | |
CN115248811B (zh) | 一种可扩展的协作式区块链区块存储方法以及装置 | |
CN112333035B (zh) | 一种实时的混合型服务功能链嵌入代价优化方法及设备 | |
Zhang et al. | The client assignment problem for continuous distributed interactive applications | |
Nesi et al. | Tackling virtual infrastructure allocation in cloud data centers: a gpu-accelerated framework | |
CN112953781A (zh) | 网络切片下基于粒子群的虚拟业务故障恢复方法及装置 | |
Oren et al. | Distributed backup k-placement and applications to virtual memory in wireless networks | |
Ge et al. | Synthesizing a generalized brain-inspired interconnection network for large-scale network-on-chip systems | |
Vidyasagar et al. | Optimized resource allocation and load balancing in distributed cloud using graph theory | |
Baikerikar et al. | Consensus based dynamic load balancing for a network of heterogeneous workstations |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |