CN109743217A - 一种基于svra算法的自适应资源调节方法 - Google Patents
一种基于svra算法的自适应资源调节方法 Download PDFInfo
- Publication number
- CN109743217A CN109743217A CN201910174857.8A CN201910174857A CN109743217A CN 109743217 A CN109743217 A CN 109743217A CN 201910174857 A CN201910174857 A CN 201910174857A CN 109743217 A CN109743217 A CN 109743217A
- Authority
- CN
- China
- Prior art keywords
- resource
- slice
- indicate
- network
- sliced
- 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.)
- Granted
Links
Landscapes
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
一种基于SVRA算法的自适应资源调节方法,通过构建基于SDN环境下切片资源分配的系统模型,针对当前VNO可直接满足需求的情况,就直接分配相应资源;针对无法被当前VNO直接满足的情况,考虑请求其他VNO的协助;针对既不能直接由当前VNO提供,也不能由其他VNO直接提供的情况,可申请不同VNO的虚拟网络资源进行协同调节;若仍不能满足需求的情况,则考虑以切片为单位,进行虚拟网络资源的自适应调整。本发明通过整合不同切片间的资源可用量,能够实现不同网络切片间的资源协调,从而提升资源部署的灵活性和整个网络的运营收益;通过对网络资源进行集中调控,使得切片资源的匹配率更高,部署虚拟资源的路由延展率更低。
Description
技术领域
本发明涉及一种自适应资源调节方法,具体涉及一种针对SDN/NFV架构基于SVRA算法的自适应资源调节方法。
背景技术
传统的TCP/IP网络体系采取核心数据和信令融合的分布式管理模式,虽然已经覆盖现有网络环境,并为科学技术的进步做出巨大贡献。但随着网络技术的持续发展,使得传统网络架构逐渐不适应现网需求。面对网络需求的多元性变化,许多解决方案中要求对现网的网络架构进行改良创新,以满足新时代需求。因此,随着业务流量的不断增长,针对不同的应用场景实现弹性部署与按需组网显得尤为重要。由于现网存在流量规模大、需求多样化以及终端数量呈指数增长等问题显著,共享基础设施的不同虚拟网络之间如何实现高效、优质的资源分配,成为了各大运营商的关注重点。
软件定义网络(SDN)和网络功能虚拟化(NFV)是未来网络架构发展的趋势。在软件定义网络中,集中式的控制平面能够更好地把握整体和优化全局,利于高效解决传统网络中的困难和复杂问题。在功能虚拟化的网络中,虚拟资源映射和网内资源调控技术促进了底层资源的高效利用,可以提高业务切片的运作能力以及增强资源调控的灵活性。将SDN和NFV进行优势互补所形成的融合架构,为切片资源分配问题提供了新的突破点。
通过在基于SDN/NFV的物理网络上构建满足业务需求的虚拟逻辑网络,能够满足多场景、多用户、多业务的需求,但基础设施提供商所有拥有的物理资源毕竟存在局限性。因此,不得不考虑如何高效合理的支配现有网络资源。对虚拟网络资源进行分配的现有技术有多种,比如,通过构建凸优化模型来为用户分配资源,这种方式虽然能使网络效用最大化,但却忽略了用户需求的差异性;通过Q学习算法来实现网络吞吐量最大化,但却未考虑到单位资源所产生的网络效益;构建基于虚拟网络公平性的资源分配模型,来获取最大网络吞吐量,仅考虑到了业务间的共有属性,缺少业务特性的针对性分析;通过分析SDN/NFV技术对虚拟网络资源实现基于策略的管控,虽实现了服务节点的动态编排,但却没有考虑到应用策略更新会引发策略的冲突问题。
SVRA算法是一种基于网络切片的网络效用最大化虚拟资源分配算法,它是基于商业化模型而设计的。该算法将物理链路资源以及计算资源用作资源分配的开销,通过计算频谱资源分配情况来衡量收益。由于不同切片对频谱资源、计算资源以及链路资源的需求存在差异化,因此该算法根据这些差异化来定价网络切片,从而使不同网络切片存在收益差异性,进而最大化网络切片的网络收益。
综上有必要提供一种克服现有技术中,基础设施提供商所有拥有的物理资源存在局限性问题的方法。
发明内容
本发明的目的在于提供一种基于SVRA算法的自适应资源调节方法。
为实现上述目的,本发明采用如下的技术方案:
一种基于SVRA算法的自适应资源调节方法,包括以下步骤:
1)构建基于SDN环境下切片资源分配的系统模型,系统模型为:VNO从InP中租用的网络设备和无线资源形成虚拟网络资源;然后,为属于不同切片的SP提供切片资源;通过向SP收取相应的服务费用而获取网络收益;其中,VNO为虚拟运营商,InP为基础设施提供商,SP为服务提供商;
2)当为新虚拟网络分配资源时,如果当前VNO能够直接满足需求,直接分配相应资源;
当新虚拟网络请求的资源无法被当前VNO直接满足的情况下,请求其他VNO的协助;
当新虚拟网络请求的资源,既不能直接由当前VNO提供,也不能由其他VNO直接提供的情况下;如果多个VNO的物理资源总和大于或等于新请求的资源时,申请不同VNO的虚拟网络资源进行协同调节;
当新虚拟网络请求的资源,经不同VNO间资源协调后,仍不能满足需求,采用资源自适应调整策略进行优化,实现自适应调节。
本发明进一步的改进在于,以切片产出和切片投入成本的差值为目标,通过最小化成本和最大化收益,确定资源自适应调节方法的优化目标。
本发明进一步的改进在于,切片投入成本C(ΔR)为:
式中:ΔR表示虚拟资源块;ΔB表示物理资源块;表示切片Li中虚拟资源块与物理资源块的倍数关系;λc表示资源块投入成本;R(c)表示非回收节点的可用资源块数量;λp表示资源调整时资源块的做功成本;R(Δp)表示参与资源调整节点的可用资源块数量;c表示非回收资源;R(C)表示非回收资源的集合;Δp表示回收资源;R(P)表示回收资源的集合。
本发明进一步的改进在于,切片产出R(ΔR)为:
式中:ΔR表示虚拟资源块;表示第i个切片Li请求资源的收益;表示t时刻第i个切片Li需要的资源量;表示t时刻第i个切片Li的资源到期量;表示t时刻第i个切片Li的资源请求量。
本发明进一步的改进在于,资源自适应调节方法的优化目标为:
式中:Li表示第i个切片;表示是否为切片Li分配资源,如果分配取值为1,否则取值为0;表示在的条件下,如果重复操作该切片,取值为0,否则取值为1;表示切片在t时刻的收益,其中R(ΔR)为切片产出,C(ΔR)为切片投入成本;表示切片Li的优先级;表示切片Li是否存在可回收资源,如果资源可被回收取值为1,否则取值为0;Ls表示网络中的回收切片集合;Rb(c)表示需求资源的成本;Ct表示t时刻剩余资源的做功成本;Rs(c)表示回收资源的做功成本;γ表示资源回收强度,取值[0,1];R(Δp)表示可用资源成本;Pt表示t时刻剩余资源的投入成本;Rmin表示最小服务速率;表示切片速率。
本发明进一步的改进在于,给定网络中的请求切片集合为Lb,假设资源块的投入成本为c,做功成本为p,生存周期为T;集合Lb={L1,L2,…,Li},其中Li∈Lb表示第i个需要请求资源的业务切片;在t时刻,通过请求切片的资源需求量、网络资源剩余量以及切片可回收资源情况,然后根据切片的运营收益进行优化。
本发明进一步的改进在于,采用资源自适应调整策略进行优化,实现自适应调节的过程为:(1)VNO1向VNO2请求协同调节;(2)VNO2返回资源调配失败的信号;(3)VNO1、VNO2向虚网管理切片发送请求虚网资源调整的信号,从而激活探测因子;(4)虚网管理切片向各个与其相关联的切片发送探测因子,目的是探测切片的资源状况,包括资源利用情况与用户体验效果;根据探测情况,有的切片的探测因子会发生转换,转换成回收因子;有的切片的探测因子则不会发生转换;(5)各切片将探测结果反馈到虚网管理切片,虚网管理切片对不同的切片重新调整虚拟网络资源的分配结果;(6)虚网管理切片将虚拟网络资源的更新信息反馈给不同VNO,并同步资源管理,从而使网络能够自适应调节。
本发明进一步的改进在于,采用资源自适应调整策略进行优化,实现自适应调节的具体过程为:
(1)探测切片资源变化情况,以掌握当前网络的可用资源量;
假设当前网络支持L个切片,在t时刻,第i个切片Li的资源到期量记作资源请求量记作那么,切片Li在周期t内的队列增量为而资源可用量的递推关系表示为
为当前资源可用量,为下一资源可用量;
在t时刻,切片Li的资源变化量记作ΔR,满足下式:
式中:Qb表示资源请求阈值;Qm表示切片队列容量上限;Qs表示资源回收阈值;ΔLi(t)表示切片需要的资源;若队列增量ΔLi(t)<0表示请求的资源量,否则当时,-ΔLi(t)表示可以收回的资源;
(2)计算切片评估值,以掌握切片资源利用情况;
假设当前网络的切片数量记作Nl={1,2,…,N},新业务接入切片记作Nnew,那么网络预留资源表示成|Nl-Nnew|;切片评估值表示为:
式中:ζl表示切片l的资源总到期率;表示底层网络服务于切片l的资源数;μb表示新接入切片请求的时间服从参数为μb的指数分布;表示切片l的最大服务率;
(3)根据当前可用资源量,获取切片实时优先级;
已部署切片优先级的初始值均为0,通过分析这些切片的紧急程度用户时延要求和处理速率要求,计算出切片的实时优先级;切片实时优先级计算式如下;
式中:表示求解用户时延,表示切片的用户时延,表示切片t时刻时延需求的集合;表示求解处理速率,表示切片t时刻速率需求的集合,表示所有不属于切片t-1时刻速率需求集合的速率;表示是否为切片Li分配资源,如果分配取值1,否则取值0;
(4)根据切片实时优先级和切片评估值,回收切片中未被利用的资源,并进行资源预分配;
在切片集合中,根据实时优先级将切片由高至低排序;从高优先级切片开始,探测切片可回收的资源;再根据切片的评估值,回收空闲资源块,更新切片资源变化量和切片资源量;根据新业务切片对资源的需求大小以及资源集合,为请求切片预分配资源;资源预分配过程中优先分配现存资源,更新物理资源余量;
(5)预分配策略失效后,采取资源调整分配策略;
当预分配无法满足业务切片的需求时,根据切片速率为新业务切片分配资源,更新物理资源集合、切片优先级和运营收益;
(6)进行步骤(4)或步骤(5)后,均更新切片收益,最终保存运营收益最大的分配结果。
本发明进一步的改进在于,步骤(5)中,切片速率通过求和切片服务的所有用户的服务速率获得。
本发明进一步的改进在于,假设一个切片为n个用户服务,信道带宽的幅度分布服从高斯分布,且功率谱密度均匀分布,那么,第m个用户的服务速率Rm表示为:
式中:Bm表示切片服务于用户m的信道带宽;lb表示数学中的对数符号;Pm表示切片发射给用户m的信号强度;σ2表示高斯白噪声;Gm表示信号在传输路径上的衰弱值;其中距离用户m最近的节点路径长度dm与阴影衰落系数负相关;k表示衰落因子。
与现有技术相比,本发明具有的有益效果:
本发明构建了基于SDN环境下切片资源分配的系统模型,在该系统模型下,实现底层网络对每个网络切片的资源进行自适应调节。该自适应调节方法会根据不同网络状况采取不同的分配策略,针对当前VNO可直接满足需求的情况,就直接分配相应资源;针对无法被当前VNO直接满足的情况,考虑请求其他VNO的协助;针对既不能直接由当前VNO提供,也不能由其他VNO直接提供的情况,可申请不同VNO的虚拟网络资源进行协同调节;若仍不能满足需求的情况,则考虑以切片为单位,进行虚拟网络资源的自适应调整。
本发明方法通过探测切片资源使用情况,能够掌握网络资源的实时可用量,促进切片资源到物理网络的映射,提高切片吞吐量;通过对各网络切片的资源进行周期性回收,能够调配切片中未使用的资源,提高切片资源的利用价值;通过整合不同切片间的资源可用量,能够实现不同网络切片间的资源协调,并使更多的资源投入实际应用中,从而提升资源部署的灵活性和整个网络的运营收益;通过对网络资源进行集中调控,使得切片资源的匹配率更高,部署虚拟资源的路由延展率更低。
本发明对未来网络资源的部署、平衡虚拟网络资源的利用以及改善运营商的网络运营收益具有借鉴意义。通过本发明方法,不仅提高切片资源的利用价值,降低网络切片的投入成本,还能减少网络业务处理速度慢产生的技术成本,同时未来高效分配的网络资源能够服务更多的业务,可能带来巨大的经济效益。
附图说明
图1为基于SDN环境下切片资源分配的系统模型。
图2为物理资源与物理节点关系图。
图3为虚拟资源映射图。
图4为资源直接分配图。
图5为虚网资源间接分配方式Ⅰ。
图6为虚网资源间接分配方式Ⅱ。
图7为虚网资源调整图。
图8为仿真拓扑图。
图9为匹配率随资源储存大小的变化情况。
图10为路由延展率随资源储存大小的变化情况。
图11(a)为切片优先级为0.1时,切片吞吐量随着请求资源量的变化情况。
图11(b)为切片优先级为0.3时,切片吞吐量随着请求资源量的变化情况。
图11(c)为切片优先级为0.5时,切片吞吐量随着请求资源量的变化情况。
图11(d)为切片优先级为0.7时,切片吞吐量随着请求资源量的变化情况。
图11(e)为切片优先级为0.9时,切片吞吐量随着请求资源量的变化情况。
具体实施方式
下面结合附图对本发明进行详细说明。
本发明的方法的过程如下:
为清晰本发明的自适应调节思想,本方案构建了基于SDN环境下切片资源分配的系统模型,参见图1。系统模型为:虚拟运营商(VNO)从基础设施提供商(InP)中租用的网络设备和无线资源形成虚拟网络资源;然后,为属于不同切片的服务提供商(SP)提供切片资源。通过向SP收取相应的服务费用而获取网络收益。由于虚网管理切片是服务于虚拟运营商的,所以负责虚网管理切片的SP不产生收益。服务提供商是直接与用户相连的,所以SP收益的直接来源是用户。VNO分配的切片资源实际上是直接分配给与各个SP相连接的用户。可见切片资源的分配优劣将对VNO的收益产生直接影响,而各切片间又存在资源共性。因此,在整个网络结构中,可通过用集中调控策略来调节各切片间资源的使用,以提高切片资源的利用价值。
系统模型中描述的物理资源与物理节点之间是多对多的关系。每一种物理资源是由一个或多个物理节点提供,而这些物理节点可以为不同的网络切片提供一种或多种资源。这里以资源为单位,所以将提供同类资源的物理节点被看作一种物理资源,参见图2。
系统模型中物理网络经过虚拟化后,所形成各个虚拟网络是对应特定业务需求的网络切片,各切片中虚拟资源在底层网络映射的逻辑视图,参见图3。本发明就是要实现底层网络对每个网络切片的资源进行自适应调节。
本发明的针对SDN/NFV架构基于SVRA算法的自适应资源调节方法的步骤如下:
本方案对各网络切片的资源请求采用相同的方法进行分配,并根据不同网络状况采取不同的分配策略。
1)当需要为新虚拟网络分配资源时,如果当前VNO(虚拟运营商)可直接满足需求,就直接分配相应资源。参见图4。资源直接分配的过程:(1)新虚拟网络向VNO请求资源a;(2)VNO接到请求后,将已经从InP租用的物理资源A形成虚拟资源a;(3)VNO分析资源a的使用情况,发现能够满足需求;(4)为新虚拟网络分配资源a;(5)新虚拟网络的资源a被映射到了物理网络中的物理资源A。
2)当新虚拟网络请求的资源无法被当前VNO直接满足的情况下,考虑请求其他VNO的协助。参见图5。虚网资源间接分配方式1的过程:(1)新虚拟网络向VNO1请求资源b;(2)VNO1接到请求后,将已经从InP租用的物理资源B1形成虚拟资源b;(3)VNO1分析资源b的使用情况,发现无法直接满足需求;(4)VNO1向VNO2发送请求协助分配资源b的信号;(5)VNO2接到请求后,将已经从InP2租用的物理资源B形成虚拟资源b;(6)VNO2分析资源b的使用情况,发现能够满足需求;(7)VNO2通知VNO1有足够资源;(8)VNO1通知新虚拟网络,由VNO2为其分配资源b;(9)新虚拟网络的资源b,被映射到了物理网络Ⅱ中的物理资源B。
3)当新虚拟网络请求的资源,既不能直接由当前VNO提供,也不能由其他VNO直接提供的情况下。如果多个VNO的物理资源总和大于或等于新请求的资源时,可申请不同VNO的虚拟网络资源进行协同调节。参见图6。虚网资源间接分配方式2协同调节的过程:(1)VNO1向VNO2发起请求,请求协同调配各个网络切片的资源c,假设c资源的需求大小为8;(2)VNO1分析自身资源c的分配情况,其资源c大小为10,给切片Ⅰ分配1,切片Ⅱ分配4,剩余资源大小为5。VNO2分析自身资源c的分配情况,其资源c大小为10,给切片Ⅲ分配2,切片Ⅳ分配1,给切片Ⅴ分配3,剩余资源大小为4。(3)经协同调节,切片Ⅱ所需资源c的大小为4,可由VNO2直接提供。即切片Ⅱ的资源c不映射到物理网络Ⅰ;(4)切片Ⅱ的资源c被映射到了物理网络Ⅱ中的物理资源C。(5)此时,VNO2剩余资源c大小为0,而VNO1剩余资源c大小为9,发现能够满足需求,VNO2便通知VNO1,资源调配成功;(6)为新虚拟网络分配资源c,即新虚拟网络的资源c,被映射到了物理网络Ⅰ中的物理资源C。
4)当新虚拟网络请求的资源,经不同VNO间资源协调后,仍不能满足需求,采用资源自适应调整策略进行优化,实现自适应调节。
采用资源自适应调整策略进行优化的目标为:使资源的需求成本降低,收益达到最大化。
切片收益反映了运营商投入与产出的差值。由于业务收益的差异性,底层网络以虚拟资源块的形式为切片分配资源,而每个切片投入的成本具有一致性。当切片存在可回收的资源时,切片成本需考虑资源调整时资源块的做功成本,回收的资源无需考虑投入成本。为降低问题研究复杂度,假定资源块做功成本小于投入成本,此时网络的成本投入减少,整体产出收益有所提升。切片投入成本C(ΔR)如下:
式中:ΔR——表示虚拟资源块;ΔB——表示物理资源块;——切片Li中虚拟资源块与物理资源块的倍数关系。λc——资源块投入成本;R(c)——非回收节点的可用资源块数量;λp——资源调整时资源块的做功成本;R(Δp)——参与资源调整节点的可用资源块数量;c——表示非回收资源;R(C)——非回收资源的集合;Δp——表示回收资源;R(P)——回收资源的集合。
网络的产出值以切片收益为主,而切片收益来源于用户消费。切片为用户提供所需资源,用户根据自身业务需求支付相应的费用。根据切片资源变化情况,切片产出R(ΔR)计算如下:
式中:ΔR——表示虚拟资源块;——第i个切片Li请求资源的收益;——t时刻第i个切片Li需要的资源;——t时刻第i个切片Li的资源到期量;——t时刻第i个切片Li的资源请求量。
本发明重点对SVRA算法进行了改进,以切片产出和切片投入成本的差值为目标,通过最小化成本和最大化收益,来确定资源自适应调节方法的优化目标。
给定网络中的请求切片集合为Lb,假设资源块的投入成本为c,做功成本为p,生存周期为T。集合Lb={L1,L2,…,Li},其中Li∈Lb表示第i个需要请求资源的业务切片。在t时刻,通过请求切片的资源需求量、网络资源剩余量以及切片可回收资源情况,以掌握网络整体资源流向,然后根据切片的运营收益进行优化。
本发明的资源调节方法的优化目标为:
式中:Li——表示第i个切片;——是否为切片Li分配资源,如果分配取值1,否则取值0;——在的条件下,如果重复操作该切片取值0,否则取值1;——切片在t时刻的收益,其中R(ΔR)为切片产出,C(ΔR)为切片投入成本;——切片Li的优先级;——切片Li是否存在可回收资源,如果资源可被回收取值1,否则取值0;Ls——网络中的回收切片集合;Rb(c)——需求资源的成本;Ct——t时刻剩余资源的做功成本;Rs(c)——回收资源的做功成本;γ——资源回收强度,取值[0,1];R(Δp)——可用资源成本;Pt——t时刻剩余资源的投入成本;Rmin——最小服务速率;——切片速率,其是切片Li服务于所有用户的速度指标,主要考察的是信道传输速率,可通过求和切片Li的所有服务速率获得,服务速率的计算见式(3-9)。式(17d)用于避免对相同的切片进行重复性操作;式(17c)和式(17f)中的需求资源量要满足网络剩余资源量和切片回收资源量总和的限制;式(17g)表示切片资源受用户需求的约束。
假设切片Li可以为n个用户服务,信道带宽的幅度分布服从高斯分布,且功率谱密度均匀分布。那么,第m个用户的服务速率Rm可表示成
式中:Bm——切片服务于用户m的信道带宽;lb——是数学中的对数符号;Pm——切片发射给用户m的信号强度;σ2——高斯白噪声;Gm——信号在传输路径上的衰弱值。其中距离用户m最近的节点路径长度dm与阴影衰落系数负相关;k——衰落因子,能够反映信号对象的损耗度。
采用资源自适应调整策略进行优化,实现自适应调节的大概过程为:参见图7,(1)VNO1向VNO2请求协同调节;(2)VNO2返回资源调配失败的信号;(3)VNO1、VNO2向虚网管理切片发送请求虚网资源调整的信号,从而激活探测因子;(4)虚网管理切片向各个与其相关联的切片发送探测因子,目的是探测切片的资源状况,包括资源利用情况、用户体验效果等。根据探测情况,有的切片的探测因子会发生转换,转换成回收因子;有的切片的探测因子则不会发生转换。(5)各切片将探测结果反馈到虚网管理切片,虚网管理切片对不同的切片重新调整虚拟网络资源的分配结果;(6)虚网管理切片将虚拟网络资源的更新信息反馈给不同VNO,并同步资源管理,从而使网络能够自适应调节。
采用资源自适应调整策略进行优化,实现自适应调节的具体过程为:
(1)探测切片资源变化情况,以掌握当前网络的可用资源量。
为探测切片资源变化情况,本发明引入探测因子,探测因子是影响切片资源的是否需要进行调整的一个因素。而切片资源的变化情况可通过切片队列增量获知。
假设当前网络支持L个切片,在t时刻,第i个切片Li的资源到期量记作资源请求量记作那么,切片Li在周期t内的队列增量为而资源可用量的递推关系可表示为
为当前资源可用量,为下一资源可用量。
在t时刻,切片Li的资源变化量记作ΔR,满足下式:
式中:Qb——资源请求阈值;Qm——切片队列容量上限;Qs——资源回收阈值;ΔLi(t)——切片需要的资源。若队列增量ΔLi(t)<0表示请求的资源量,否则当时,-ΔLi(t)表示可以收回的资源。
(2)计算切片评估值,以掌握切片资源利用情况。
本发明针对不同的切片价值,引入一个回收因子,会影响切片资源的是否能够回收。通过评估切片资源利用率,获取切片的评估值,以反映回收强度。
假设当前网络的切片数量记作Nl={1,2,…,N},新业务接入切片记作Nnew,那么网络预留资源可表示成|Nl-Nnew|。切片评估值可表示为:
式中:ζl——切片l的资源总到期率。——底层网络服务于切片l的资源数;μb——新接入切片请求的时间服从参数为μb的指数分布;那么表示切片l的最大服务率。
(3)根据当前可用资源量,获取切片实时优先级;
当开始一个新的周期时,已部署切片优先级的初始值均为0,通过分析这些切片的紧急程度用户时延要求和处理速率要求,可计算出切片的实时优先级。切片实时优先级计算式如下。
式中:——求解用户时延,表示切片的用户时延,表示切片t时刻时延需求的集合;——求解处理速率,表示切片t时刻速率需求的集合,表示所有不属于切片t-1时刻速率需求集合的速率;——是否为切片Li分配资源,如果分配取值1,否则取值0。
(4)根据切片实时优先级和切片评估值,回收切片中未被利用的资源,并进行资源预分配。
本发明充分考虑到了网络切片中部分资源未被利用的解决方案。在切片集合中,根据实时优先级将切片由高至低排序。从高优先级切片开始,探测切片可回收的资源;再根据切片的评估值,回收空闲资源块,更新切片资源变化量和切片资源量;根据新业务切片对资源的需求大小以及资源集合,为请求切片预分配资源;资源预分配过程中优先分配现存资源,更新物理资源余量。
(5)预分配策略失效后,采取资源调整分配策略;
当预分配无法满足业务切片的需求时,在不同切片间采取资源调整分配策略。分配的虚拟资源块大小视物理网络资源块的可用情况而定,资源块大小向上取整分配。根据切片请求资源类型和请求量,整合虚拟网络的空隙资源使其满足用户请求;资源整合成功后,根据切片速率为新业务切片分配资源,更新物理资源集合、切片优先级和运营收益。
(6)进行步骤(4)或步骤(5)后,均需更新切片收益,最终保存运营收益最大的分配结果。
实施例1
采用资源自适应调整策略进行优化,仿真实现过程为:
1)设置性能评价指标
为验证本发明方法的实现效果,设置三个性能评价指标,包括资源匹配率、路由延展率和切片吞吐量。对三个性能评价指标的说明如下:
(1)资源匹配率
资源匹配率(RMR)反映了请求资源匹配到底层物理资源的概率大小。RMR越高表示底层网络响应用户资源请求的概率越大,从而提升资源分配效率,减少请求处理时延。RMR表示如下:
式中:n——切片用户请求的资源在节点处得到响应的个数,即数据包在转发节点处获得相应资源的数目;N——用户请求资源的总数。
(2)路由延展率
路径延展率(PS)反映了响应节点与用户间的距离远近。PS越低表示响应用户请求的节点离用户越近,这不仅能够明显改善用户的体验,而且有效降低处理时延。PS表示如下:
式中:d——用户发出请求后获取资源的平均跳数;P——仿真中用户请求从源服务器得到响应的平均跳数。
(3)切片吞吐量
切片吞吐量(STP)反映了切片内资源的供给和分配情况。通常情况下,底层网络资源的容量有限,远远小于切片请求资源的大小,这势必会产生大量的供给和分配操作。供给和分配的操作不仅会消耗计算资源,还会导致请求资源在切片的存活时间太短,从而影响资源匹配率。
2)设置切片仿真参数
实验中设置5个网络切片,编号1至5,切片的最低资源利用率门限值和阻塞率门限值分别设置为{0.5,0.4,0.3,0.2,0.1}和{0.1,0.2,0.3,0.4,0.5},每个用户给各切片带来的业务收益设置为{0.5,1.0,2.0,4.0,8.0},切片仿真参数见表1。当切片状态达到最低资源利用率门限,则该切片提供供给资源,当切片状态达到阻塞率门限,则该切片需要分配资源。
表1仿真切片参数设置
3)搭建仿真拓扑图并设置仿真系统参数
仿真拓扑图参见图8。实验的仿真拓扑由21个节点组成,包括1个资源池服务器和3个用户,3个用户分别在节点0、节点1和节点19处接入网络,资源池服务器在节点20处接入,具体参见表2。
表2仿真系统参数设置
4)获取仿真结果
当资源储存大小变化时,观察基于Q学习算法的资源分配策略(QLA)、基于资源主动拆分的vNFC资源分配策略(vNFC)和SVRA自适应资源调节策略的资源匹配率、路径延展率和切片吞吐量的变化情况。通过评估资源储存大小对自适应调节性能的影响,SVRA自适应资源调节方法取得了比QLA、vNFC资源调节策略更优的资源匹配率和路径延展率,明显提高了虚拟网络的切片吞吐量,使得自适应调节达到了整体调节优化。
图9显示资源匹配率随节点资源储存大小变化而变化的情况,从图9中可以看出随着节点资源量的不断增大,三种机制的资源匹配率不断提高,而SVRA取得了明显高于其它两种机制的资源匹配率。
图10显示路由延展率随节点资源储存大小变化而变化的情况,从图10中可以看出随着节点资源量的不断增大,三种机制的路由延展率不断降低,SVRA的路径延展率更低。
图11(a),图11(b),图11(c),图11(d),图11(e)分别为不同优先级的切片情况,且优先级图11(a)>图11(b)>图11(c)>图11(d)>图11(e),优先级较低的切片当请求资源量增加时,分配的资源较少,所以吞吐量减小。vNFC方案下低优先级切片的吞吐量最高但高优先级切片的吞吐量最低,而QLA方案与vNFC方案完全相反。SVRA则可以保证各优先级切片的吞吐量,对低优先级切片,尽可能接近vNFC;对于一般优先级的切片可以保持较高的吞吐量;对高优先级切片,尽可能接近QLA。因此SVRA在切片1-5都取得了比其他两种资源调节机制都优异的效果。
综上,针对SDN/NFV架构下基于SVRA算法的资源自适应调节方法已经建立。该方法充分考虑到已部署的网络切片中部分资源未被利用的问题,通过探测切片资源变化情况,评估切片资源利用率,回收网络切片中未使用资源,计算网络切片的运营收益以确定分配结果的过程,确保了每个网络切片能够快速准确的获取所需资源,从而实现网络切片资源的自适应调节。
Claims (10)
1.一种基于SVRA算法的自适应资源调节方法,其特征在于,包括以下步骤:
1)构建基于SDN环境下切片资源分配的系统模型,系统模型为:VNO从InP中租用的网络设备和无线资源形成虚拟网络资源;然后,为属于不同切片的SP提供切片资源;通过向SP收取相应的服务费用而获取网络收益;其中,VNO为虚拟运营商,InP为基础设施提供商,SP为服务提供商;
2)当为新虚拟网络分配资源时,如果当前VNO能够直接满足需求,直接分配相应资源;
当新虚拟网络请求的资源无法被当前VNO直接满足的情况下,请求其他VNO的协助;
当新虚拟网络请求的资源,既不能直接由当前VNO提供,也不能由其他VNO直接提供的情况下;如果多个VNO的物理资源总和大于或等于新请求的资源时,申请不同VNO的虚拟网络资源进行协同调节;
当新虚拟网络请求的资源,经不同VNO间资源协调后,仍不能满足需求,采用资源自适应调整策略进行优化,实现自适应调节。
2.根据权利要求1所述的一种针基于SVRA算法的自适应资源调节方法,其特征在于,以切片产出和切片投入成本的差值为目标,通过最小化成本和最大化收益,确定资源自适应调节方法的优化目标。
3.根据权利要求2所述的一种基于SVRA算法的自适应资源调节方法,其特征在于,切片投入成本C(ΔR)为:
式中:ΔR表示虚拟资源块;ΔB表示物理资源块;表示切片Li中虚拟资源块与物理资源块的倍数关系;λc表示资源块投入成本;R(c)表示非回收节点的可用资源块数量;λp表示资源调整时资源块的做功成本;R(Δp)表示参与资源调整节点的可用资源块数量;c表示非回收资源;R(C)表示非回收资源的集合;Δp表示回收资源;R(P)表示回收资源的集合。
4.根据权利要求2所述的一种基于SVRA算法的自适应资源调节方法,其特征在于,切片产出R(ΔR)为:
式中:ΔR表示虚拟资源块;表示第i个切片Li请求资源的收益;表示t时刻第i个切片Li需要的资源量;表示t时刻第i个切片Li的资源到期量;表示t时刻第i个切片Li的资源请求量。
5.根据权利要求2所述的一种基于SVRA算法的自适应资源调节方法,其特征在于,资源自适应调节方法的优化目标为:
式中:Li表示第i个切片;表示是否为切片Li分配资源,如果分配取值为1,否则取值为0;表示在的条件下,如果重复操作该切片,取值为0,否则取值为1;表示切片在t时刻的收益,其中R(ΔR)为切片产出,C(ΔR)为切片投入成本;表示切片Li的优先级;表示切片Li是否存在可回收资源,如果资源可被回收取值为1,否则取值为0;Ls表示网络中的回收切片集合;Rb(c)表示需求资源的成本;Ct表示t时刻剩余资源的做功成本;Rs(c)表示回收资源的做功成本;γ表示资源回收强度,取值[0,1];R(Δp)表示可用资源成本;Pt表示t时刻剩余资源的投入成本;Rmin表示最小服务速率;表示切片速率。
6.根据权利要求5所述的一种基于SVRA算法的自适应资源调节方法,其特征在于,给定网络中的请求切片集合为Lb,假设资源块的投入成本为c,做功成本为p,生存周期为T;集合Lb={L1,L2,…,Li},其中Li∈Lb表示第i个需要请求资源的业务切片;在t时刻,通过请求切片的资源需求量、网络资源剩余量以及切片可回收资源情况,然后根据切片的运营收益进行优化。
7.根据权利要求1所述的一种基于SVRA算法的自适应资源调节方法,其特征在于,采用资源自适应调整策略进行优化,实现自适应调节的过程为:(1)VNO1向VNO2请求协同调节;(2)VNO2返回资源调配失败的信号;(3)VNO1、VNO2向虚网管理切片发送请求虚网资源调整的信号,从而激活探测因子;(4)虚网管理切片向各个与其相关联的切片发送探测因子,目的是探测切片的资源状况,包括资源利用情况与用户体验效果;根据探测情况,有的切片的探测因子会发生转换,转换成回收因子;有的切片的探测因子则不会发生转换;(5)各切片将探测结果反馈到虚网管理切片,虚网管理切片对不同的切片重新调整虚拟网络资源的分配结果;(6)虚网管理切片将虚拟网络资源的更新信息反馈给不同VNO,并同步资源管理,从而使网络能够自适应调节。
8.根据权利要求7所述的一种基于SVRA算法的自适应资源调节方法,其特征在于,采用资源自适应调整策略进行优化,实现自适应调节的具体过程为:
(1)探测切片资源变化情况,以掌握当前网络的可用资源量;
假设当前网络支持L个切片,在t时刻,第i个切片Li的资源到期量记作资源请求量记作那么,切片Li在周期t内的队列增量为而资源可用量的递推关系表示为
为当前资源可用量,为下一资源可用量;
在t时刻,切片Li的资源变化量记作ΔR,满足下式:
式中:Qb表示资源请求阈值;Qm表示切片队列容量上限;Qs表示资源回收阈值;ΔLi(t)表示切片需要的资源;若队列增量ΔLi(t)<0表示请求的资源量,否则当时,-ΔLi(t)表示可以收回的资源;
(2)计算切片评估值,以掌握切片资源利用情况;
假设当前网络的切片数量记作Nl={1,2,…,N},新业务接入切片记作Nnew,那么网络预留资源表示成|Nl-Nnew|;切片评估值表示为:
式中:ζl表示切片l的资源总到期率;表示底层网络服务于切片l的资源数;μb表示新接入切片请求的时间服从参数为μb的指数分布;表示切片l的最大服务率;
(3)根据当前可用资源量,获取切片实时优先级;
已部署切片优先级的初始值均为0,通过分析这些切片的紧急程度用户时延要求和处理速率要求,计算出切片的实时优先级;切片实时优先级计算式如下;
式中:表示求解用户时延,表示切片的用户时延,表示切片t时刻时延需求的集合;表示求解处理速率,表示切片t时刻速率需求的集合,表示所有不属于切片t-1时刻速率需求集合的速率;表示是否为切片Li分配资源,如果分配取值1,否则取值0;
(4)根据切片实时优先级和切片评估值,回收切片中未被利用的资源,并进行资源预分配;
在切片集合中,根据实时优先级将切片由高至低排序;从高优先级切片开始,探测切片可回收的资源;再根据切片的评估值,回收空闲资源块,更新切片资源变化量和切片资源量;根据新业务切片对资源的需求大小以及资源集合,为请求切片预分配资源;资源预分配过程中优先分配现存资源,更新物理资源余量;
(5)预分配策略失效后,采取资源调整分配策略;
当预分配无法满足业务切片的需求时,根据切片速率为新业务切片分配资源,更新物理资源集合、切片优先级和运营收益;
(6)进行步骤(4)或步骤(5)后,均更新切片收益,最终保存运营收益最大的分配结果。
9.根据权利要求8所述的一种基于SVRA算法的自适应资源调节方法,其特征在于,步骤(5)中,切片速率通过求和切片服务的所有用户的服务速率获得。
10.根据权利要求9所述的一种基于SVRA算法的自适应资源调节方法,其特征在于,假设一个切片为n个用户服务,信道带宽的幅度分布服从高斯分布,且功率谱密度均匀分布,那么,第m个用户的服务速率Rm表示为:
式中:Bm表示切片服务于用户m的信道带宽;lb表示数学中的对数符号;Pm表示切片发射给用户m的信号强度;σ2表示高斯白噪声;Gm表示信号在传输路径上的衰弱值;其中距离用户m最近的节点路径长度dm与阴影衰落系数负相关;k表示衰落因子。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910174857.8A CN109743217B (zh) | 2019-03-08 | 2019-03-08 | 一种基于svra算法的自适应资源调节方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910174857.8A CN109743217B (zh) | 2019-03-08 | 2019-03-08 | 一种基于svra算法的自适应资源调节方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109743217A true CN109743217A (zh) | 2019-05-10 |
CN109743217B CN109743217B (zh) | 2021-03-16 |
Family
ID=66369806
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910174857.8A Active CN109743217B (zh) | 2019-03-08 | 2019-03-08 | 一种基于svra算法的自适应资源调节方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109743217B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111683381A (zh) * | 2020-04-28 | 2020-09-18 | 南京邮电大学 | 基于深度强化学习的端到端网络切片资源分配算法 |
CN111756654A (zh) * | 2020-06-05 | 2020-10-09 | 深圳供电局有限公司 | 一种基于可靠性的大规模虚拟网资源分配方法 |
EP3806402A1 (fr) * | 2019-10-10 | 2021-04-14 | Commissariat à l'énergie atomique et aux énergies alternatives | Procédé de contrôle d'admission de tranches dans un réseau de télécommunication virtualisé et de la congestion susceptible d'être générée entre les services déployés sur lesdites tranches |
CN114585024A (zh) * | 2022-02-10 | 2022-06-03 | 电子科技大学 | 一种5g/b5g网络的切片接入控制方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016198104A1 (en) * | 2015-06-11 | 2016-12-15 | Nec Europe Ltd. | Network management system and method for a shared radio access network, ran, infrastructure |
CN106922002A (zh) * | 2017-04-26 | 2017-07-04 | 重庆邮电大学 | 一种基于内部拍卖机制的网络切片虚拟资源分配方法 |
CN107708214A (zh) * | 2017-09-30 | 2018-02-16 | 重庆邮电大学 | 基于李雅普诺夫的网络效用最大化虚拟资源分配方法 |
CN108012335A (zh) * | 2017-10-20 | 2018-05-08 | 西安电子科技大学 | 一种软件定义网络下虚拟化多播资源分配方法 |
-
2019
- 2019-03-08 CN CN201910174857.8A patent/CN109743217B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016198104A1 (en) * | 2015-06-11 | 2016-12-15 | Nec Europe Ltd. | Network management system and method for a shared radio access network, ran, infrastructure |
CN106922002A (zh) * | 2017-04-26 | 2017-07-04 | 重庆邮电大学 | 一种基于内部拍卖机制的网络切片虚拟资源分配方法 |
CN107708214A (zh) * | 2017-09-30 | 2018-02-16 | 重庆邮电大学 | 基于李雅普诺夫的网络效用最大化虚拟资源分配方法 |
CN108012335A (zh) * | 2017-10-20 | 2018-05-08 | 西安电子科技大学 | 一种软件定义网络下虚拟化多播资源分配方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3806402A1 (fr) * | 2019-10-10 | 2021-04-14 | Commissariat à l'énergie atomique et aux énergies alternatives | Procédé de contrôle d'admission de tranches dans un réseau de télécommunication virtualisé et de la congestion susceptible d'être générée entre les services déployés sur lesdites tranches |
FR3102028A1 (fr) * | 2019-10-10 | 2021-04-16 | Commissariat A L'energie Atomique Et Aux Energies Alternatives | Procédé de contrôle d’admission de tranches dans un réseau de télécommunication virtualisé et de la congestion susceptible d’être générée entre les services déployés sur lesdites tranches |
US11601876B2 (en) | 2019-10-10 | 2023-03-07 | Commissariat A L'energie Atomique Et Aux Energies Alternatives | Method for controlling the admission of slices into a virtualized telecommunication network and the congestion likely to be generated between services instantiated on said slices |
CN111683381A (zh) * | 2020-04-28 | 2020-09-18 | 南京邮电大学 | 基于深度强化学习的端到端网络切片资源分配算法 |
CN111756654A (zh) * | 2020-06-05 | 2020-10-09 | 深圳供电局有限公司 | 一种基于可靠性的大规模虚拟网资源分配方法 |
CN111756654B (zh) * | 2020-06-05 | 2023-08-22 | 深圳供电局有限公司 | 一种基于可靠性的大规模虚拟网资源分配方法 |
CN114585024A (zh) * | 2022-02-10 | 2022-06-03 | 电子科技大学 | 一种5g/b5g网络的切片接入控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109743217B (zh) | 2021-03-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109743217A (zh) | 一种基于svra算法的自适应资源调节方法 | |
Guan et al. | Customized slicing for 6G: Enforcing artificial intelligence on resource management | |
CN110717300B (zh) | 面向电力物联实时在线监测业务的边缘计算任务分配方法 | |
CN111538587B (zh) | 一种基于负载均衡的服务功能链重配置方法 | |
CN107404733A (zh) | 一种基于mec和分层sdn的5g移动通信方法及系统 | |
CN112020103A (zh) | 一种移动边缘云中的内容缓存部署方法 | |
CN108566289A (zh) | 基于5g移动通信网络切片架构设计管理方法 | |
Salhab et al. | 5G network slices resource orchestration using Machine Learning techniques | |
CN110290077B (zh) | 一种基于实时业务配置的工业sdn资源分配方法 | |
Sun et al. | Autonomous cache resource slicing and content placement at virtualized mobile edge network | |
CN114726743B (zh) | 一种基于联邦强化学习的服务功能链部署方法 | |
CN101686177A (zh) | 多业务传送网的动态带宽分配方法、设备及系统 | |
Li et al. | Reliability and robust resource allocation for Cache-enabled HetNets: QoS-aware mobile edge computing | |
CN111614754A (zh) | 面向雾计算的成本效率优化的动态自适应任务调度方法 | |
CN108989148A (zh) | 一种传输时延最小化的中继多路径流量分配方法 | |
Li | Optimization of task offloading problem based on simulated annealing algorithm in MEC | |
CN110460538A (zh) | 一种软件定义的物联网中数据传输方法 | |
CN117608806A (zh) | 智能电网云边协同机制下计算任务雾-雾-云优化方法 | |
Mesodiakaki et al. | One: Online energy-efficient user association, VNF placement and traffic routing in 6G HetNets | |
Al-Tarawneh | An optimal algorithm for energy harvesting in optical networks | |
Wu et al. | (Network value)‐based adaptive dynamic bandwidth allocation algorithm for 5G network slicing | |
Tan et al. | QoE-driven DASH multicast scheme for 5G mobile edge network | |
Ninan et al. | Game-theoretic resource pricing for the next generation internet | |
Zhu et al. | A Stackelberg game and federated learning assisted spectrum sharing framework for IoV | |
Dalamagkas et al. | Dynamic scheduling in TWDM-PONs using game theory |
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 |