CN110166362A - 一种基于节点筛选的服务功能图低时延映射方法 - Google Patents
一种基于节点筛选的服务功能图低时延映射方法 Download PDFInfo
- Publication number
- CN110166362A CN110166362A CN201910426943.3A CN201910426943A CN110166362A CN 110166362 A CN110166362 A CN 110166362A CN 201910426943 A CN201910426943 A CN 201910426943A CN 110166362 A CN110166362 A CN 110166362A
- Authority
- CN
- China
- Prior art keywords
- node
- physical
- vnf
- key
- time delay
- 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
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L45/00—Routing or path finding of packets in data switching networks
- H04L45/02—Topology update or discovery
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L45/00—Routing or path finding of packets in data switching networks
- H04L45/12—Shortest path evaluation
- H04L45/121—Shortest path evaluation by minimising delays
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明属于网络功能虚拟化(Network Function Virtualization,NFV)中的服务功能链(ServiceFunctionChain,SFC)映射技术领域,具体涉及一种基于节点筛选的服务功能图低时延映射方法。本发明通过对服务功能图中的关键节点的映射位置加以限制,确保整体映射方向不会有太大偏移,避免了局部最优解的情况发生,并且因为考虑时延组成部分时,计算的时延组成更加全面,因此求得的映射方案具有比现有方法更佳的时延性能。
Description
技术领域
本发明属于网络功能虚拟化(Network Function Virtualization,NFV)中的服务功能链(ServiceFunctionChain,SFC)映射技术领域,具体涉及一种基于节点筛选的服务功能图低时延映射方法。
背景技术
随着近年来移动互联网的急速发展,网络资源的需求量也越来越大。传统网络中的专用设备成本高昂、功能有限、部署不方便等缺点也体现地越来越明显,随着新兴技术的不断涌现,新的功能需求也会大量出现,专用设备必然会退出历史舞台。而NFV技术很好的解决了专用设备无法解决的问题,它的兴起为网络的发展提供了巨大的潜力。所以,对NFV网络的各方面进行不断的优化非常具有研究的意义。
在NFV研究中,SFC的映射问题至关重要,其关系到采用NFV技术后,新网络对用户提供的网络服务质量。但是通常进行映射处理的SFC都是线性的,SFC中的每一个虚拟网络功能(Virtualized Network Function,VNF)都严格按照线性排列,不能跳过拓扑上的某个VNF直接去处理后续的VNF,也不能够并行处理拓扑上的VNF。很明显,在此基础上通过优化映射算法能够降低的时延是有限的,整数线性规划求出的最优解也证明一个SFC映射的时延是有下限的。如果还要继续对时延性能进行优化,就需要从另外的角度考虑。
因此,服务功能图(Service Function Graph,SFG)的概念应运而生。服务功能图的拓扑不再是单纯的线性结构,而是可以支持合理的并行处理。事实上,学术界对此已经有了一些初步的研究,如以下两例算法:一是定向非循环服务功能图(Service FunctionGraphwithdependent directional acyclic graph,SFG_DAG)映射算法,该算法根据VNF与候选映射物理节点上已经映射的VNF的依赖关系的不同,分别采取不同的子算法来计算映射方案。但由于只考虑候选物理节点而没有全局搜索最优解,所以SFG_DAG时延性能不佳。二是考虑同层部署的动态最小响应时间(dynamic minimum response time consideringsame level,DMRT_SL)算法,在它的求解步骤中,VNF的部署顺序基于VNF在原始拓扑中的父子关系,每个VNF都与其父VNF之间有最短路径时延,但是它没有考虑与目的节点之间的时延,所以可能出现求出的映射方案是局部最优解的情况,这将导致时延性能不佳的问题。
发明内容
针对以上存在的问题或不足,为了解决现有的网络功能虚拟化中服务功能图的低时延映射问题,本发明提供了一种基于节点筛选的服务功能图低时延映射方法。该方法保证了映射方案的低时延特性,同时避免了求得局部最优解的情况。
首先对技术术语做出如下定义:
关键节点:指在服务功能图的拓扑中,存在不止一个父VNF或者子VNF的VNF节点。
父VNF/子VNF:指在服务功能图拓扑中,依照从源节点到目的节点的方向,一个VNF节点的上一个/下一个节点。
祖先VNF/子孙VNF:指在服务功能图拓扑中,依照从源节点到目的节点的方向,一个VNF节点的上游/下游节点。
本发明技术方案如图1所示,具体包括以下步骤:
步骤1:确定服务功能图拓扑的关键节点,即拓扑中包含两个或两个以上父节点或子节点的VNF节点;
步骤2:利用有效节点选择算法(如Effective Node Selection,ENS),从物理网络拓扑中筛选出一个物理节点集合NKN,作为关键节点的映射范围;
其中,有效节点选择算法的详细步骤如下:
步骤2.1:通过Dijkstra算法(或其他最短路径算法)计算得到源节点和目的节点之间的最短路径r,将r加入到路径集合R中;
步骤2.2:判断路径集合R中的路径是否达到指定数量i条,这里的i是算法的迭代次数。若路径未达到目标数量,则继续执行步骤2.3;若路径已经达到指定数量,则跳转到步骤2.5;
步骤2.3:将最新加入集合的路径r作为迭代路径,进行迭代。迭代步骤如下:将迭代路径中的每一条链路的权值分别设置为无穷大,分别对设置权值之后的网络拓扑使用Diikstra算法(或其他最短路径算法)求最短时延路径,假设迭代路径包含的链路数为n,则此时会得到n条新的偏移路径,将这些偏移路径加入偏移路径集合R′中;
步骤2.4:遍历偏移路径集合R′,从中选出具有最短时延的一条路径,加入路径集合R中,然后清空集合R′和临时变量;
步骤2.5:根据路径集合R中的路径,得到所有路径包含的全部物理节点,然后返回节点集合。
由于SFG的源节点和目的节点都是固定的,所以这里将ENS算法的迭代次数设置为SFG中包含的关键节点的数目。假如出现关键点和源节点或目的节点重合的情况,则忽略这些重合的关键点,因为源节点和目的节点的映射位置是固定的不需要计算映射位置。至此通过ENS算法求出物理节点集合NKN,也就是SFG中关键节点的映射范围。
步骤3:将步骤2得到的NKN中不满足计算资源或者带宽资源的物理节点删除,如果剩余的物理节点数量小于关键节点的数量,则将步骤2中有效节点选择算法的迭代次数翻倍,并重复步骤2,直至剩余的物理节点数量大于或等于关键节点的数量后,进入步骤4;
步骤4:对步骤3得到的NKN中剩余的每一个物理节点,都根据公式(1),计算关键节点N(i)对应的权值
式中等号右侧第一项表示VNF映射到物理节点处所产生的处理时延。式中等号右侧第二项表示VNF映射到物理节点处所产生的实例化时延,其中表示布尔变量,当它取值为1时表示服务功能图的关键节点N(i)映射在交换机k的服务器上第l个新实例化的服务功能实例f(i)上,否则为0,Delaynew表示新实例化一个VNF所产生的时延。式中等号右侧第三项表示所有与该物理节点相连的物理链路当前的平均链路时延,表示与该物理节点相连的物理链路数量,Delaymn表示物理链接(m,n)之间的传输时延。式中等号右侧第四项表示的含义分为以下两种情况:当关键点KNi有不止一个子VNF时,表示从源节点到当前节点KNi的最小链路时延;当关键点KNi有不止一个父VNF时,表示从当前节点KNi到源节点或目的节点的最小链路时延。
步骤5:所有权值计算完成后,从NKN中选择权值最小的物理节点作为关键节点f(i)在物理网络中的映射位置,重复步骤4直到所有关键节点映射完成;
步骤6:将所有非关键点按照所需资源降序的规则进行排序,排序之后按照所需资源由高到低的顺序,依次按照后续步骤所述方式进行映射处理;
步骤7:假设当前需要映射的非关键节点为N(j),找到该节点最邻近的已映射祖先节点为N(j)f(包括源节点),最邻近的已映射子孙节点为N(j)s(包括目的节点);
步骤8:利用有效节点选择算法求出映射N(j)f和N(j)s的物理节点之间的有效节点集合NNKN,此处有效节点选择算法的初始迭代次数为1;
步骤9:将步骤8得到的NNKN中不满足计算资源或者带宽资源的物理节点删除,如果剩余的物理节点数量小于1,则将有效节点选择算法的迭代次数翻倍,并重复步骤8直至剩余的物理节点数量大于或等于1后,进入步骤10;
步骤10:对步骤9得到的NNKN中剩余的每一个物理节点,都根据公式(2),计算该非关键节点N(j)对应的权值
式中等号右侧第一项表示VNF映射到物理节点处所产生的处理时延。式中等号右侧第二项表示VNF映射到物理节点处所产生的实例化时延,其中表示布尔变量,当它取值为1时表示服务功能图的关键节点N(j)映射在交换机k的服务器上第l个新实例化的服务功能实例f(j)上,否则为0。式中等号右侧第三项表示所有与该物理节点相连的物理链路当前的平均链路时延,表示与该物理节点相连的物理链路数量。式中等号右侧第四项Delayfs表示当前物理节点NKNj分别与N(j)f和N(j)s之间的最短时延路径的时延之和;
步骤11:所有权值计算完成后,从NNKN中选择权值最小的物理节点作为非关键节点N(j)在物理网络中的映射位置,重复步骤10直到所有非关键节点映射完成。
本发明通过对服务功能图中的关键节点的映射位置加以限制,确保整体映射方向不会有太大偏移,避免了局部最优解的情况发生,并且因为考虑时延组成部分时,计算的时延组成更加全面,因此求得的映射方案具有比现有方法更佳的时延性能。综上所述,本发明给出了一种基于节点映射位置筛选的面向服务功能图的低时延映射方法。
附图说明
图1是本发明的服务功能图低时延映射的整体流程示意图。
图2是映射某一个VNF时的详细流程示意图。
图3是有效节点选择算法流程示意图。
图4是实施例的映射过程步骤示意图。
图5是实施例和现有方法的时延仿真对比图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,以下结合附图和具体的实例对本发明作进一步地详细说明。
图1介绍了本发明的整体处理流程。图2详细介绍了图1中映射关键点/非关键节点的映射步骤。图3详细介绍了图2中用到的有效节点选择算法的处理步骤,对应发明内容中的步骤2。
通过图4详细介绍一次SFG的映射过程,图中左侧为SFG拓扑,右侧为物理网络拓扑。如图所示,假设SFG的源节点S在网络拓扑中的A节点处,目的节点在网络拓扑中的D节点处,假设待映射的SFG共有5个服务功能。SFG拓扑中灰色的服务功能表示已经经过映射处理,网络拓扑中灰色的节点表示即将映射的服务功能的有效节点集合。
在图4(a)中,源节点和目的节点都已经映射,即将映射的节点为关键点VNF1和VNF5。根据ENS算法计算得到的NKN在网络拓扑中标记为灰色,即VNF1和VNF5的映射范围。利用公式(1)计算后分别得到映射位置为节点B和节点D,如图4(b)所示;
关键点映射完成后,将非关键点按照资源降序的顺序依次映射,假设顺序为VNF4,VNF3,VNF2,映射步骤如下:
对于VNF4,其最近的已经映射的父节点和子节点分别为VNF1和VNF5,利用ENS算法得到的映射范围如图4(b)中的灰色部分所示,利用公式(2)计算后得到VNF4的映射位置为节点C,如图4(c)所示;
同理,可以得到VNF3的映射范围为图4(c)中的灰色部分,根据公式(2)计算可得映射位置为节点G,如图4(d)所示;
同理,VNF2的映射范围为图4(d)中的灰色部分,根据公式(2)计算可得映射位置为节点E,如图4(e)所示。
最终映射结果如图4(e)所示。
假设服务功能图随机包含3-6个不同的服务功能,每个服务功能需要的计算资源为3-6各单位,需要的带宽为2-4个单位;仿真拓扑包含了46个物理节点,76条物理链路,物理网络中一个节点拥有的计算资源共100个单位,带宽资源共50个单位,新实例化一个服务功能需要3-5个单位计算资源。
服务功能图的离去事件是在到达事件的基础上,在完成到达事件之后添加的,达到事件和离去事件是一一对应的。与此同时新的到达事件也会不断被添加进来,每个达到事件之间相互独立,两个事件之间的时间间隔采用公式(3)表示。公式(3)中U_random表示一个随机生成的0到1之间的小数,β表示一个参数,用来区分到达事件和离去事件。通过将到达事件和离去事件的β值相除作为网络负载情况的表示。
T=-β*logU_random (3)
图5给出的是在不同网络负载的情况下,平均每个达到事件端到端时延的仿真结果对比。可以看出SFG_DAG算法和DMRT_SL算法的时延性能都不如本发明提出的SFGLDM方法,因为在子算法中,SFG_DAG和DMRT_SL都采用的是求最短路的方法来寻找映射位置,只依靠单纯的最短路算法是无法将节点时延考虑进去的。而SFG_DAG由于只考虑候选节点,没有全局搜索求解,所以时延性能是最差的;DMRT_SL算法则是因为可能求得局部最优解,所以求解的结果也不如本发明的方法。本发明的方法的优势在于,用于选择映射位置的权值中同时考虑了链路时延以及节点时延,同时限制了整个拓扑的大致映射范围,所以时延性能会优于另外两种启发式算法。
综上所述,本发明通过对服务功能图中的关键节点的映射位置加以限制,避免了局部最优解的情况发生,并且因为考虑时延组成部分时更加全面,因此求得的映射方案具有比现有方法更佳的时延性能。
Claims (2)
1.一种基于节点筛选的服务功能图低时延映射方法,具体包括以下步骤:
步骤1:确定服务功能图拓扑的关键节点,即拓扑中包含两个或两个以上父节点或子节点的VNF节点;
关键节点指在服务功能图的拓扑中,存在不止一个父VNF或者子VNF的VNF节点;
父VNF/子VNF:指在服务功能图拓扑中,依照从源节点到目的节点的方向,一个VNF节点的上一个/下一个节点;
步骤2:利用有效节点选择算法从物理网络拓扑中筛选出一个物理节点集合NKN,作为关键节点的映射范围;
步骤3:将步骤2得到的NKN中不满足计算资源或者带宽资源的物理节点删除;如果剩余的物理节点数量小于关键节点的数量,则将步骤2中有效节点选择算法的迭代次数翻倍,并重复步骤2,直至剩余的物理节点数量大于或等于关键节点的数量后,进入步骤4;
步骤4:对步骤3得到的NKN中剩余的每一个物理节点,都根据公式(1),计算关键节点N(i)对应的权值
式中等号右侧第一项表示VNF映射到物理节点处所产生的处理时延;式中等号右侧第二项表示VNF映射到物理节点处所产生的实例化时延,其中表示布尔变量,当它取值为1时表示服务功能图的关键节点N(i)映射在交换机k的服务器上第l个新实例化的服务功能实例f(i)上,否则为0,Delaynew表示新实例化一个VNF所产生的时延;式中等号右侧第三项表示所有与该物理节点相连的物理链路当前的平均链路时延,表示与该物理节点相连的物理链路数量,Delaymn表示物理链接(m,n)之间的传输时延;
式中等号右侧第四项分两种情况:当关键点KNi有不止一个子VNF时,表示从源节点到当前节点KNi的最小链路时延;当关键点KNi有不止一个父VNF时,表示从当前节点KNi到源节点或目的节点的最小链路时延;
步骤5:所有权值计算完成后,从NKN中选择权值最小的物理节点作为关键节点f(i)在物理网络中的映射位置,重复步骤4直到所有关键节点映射完成;
步骤6:将所有非关键点按照所需资源降序的规则进行排序,排序之后按照所需资源由高到低的顺序,依次按照后续步骤所述方式进行映射处理;
步骤7:假设当前需要映射的非关键节点为N(j),找到该节点最邻近的已映射祖先节点为N(j)f,祖先节点包括源节点;最邻近的已映射子孙节点为N(j)s,子孙节点包括目的节点;
祖先VNF/子孙VNF:指在服务功能图拓扑中,依照从源节点到目的节点的方向,一个VNF节点的上游/下游节点;
步骤8:利用有效节点选择算法求出映射N(j)f和N(j)s的物理节点之间的有效节点集合NNKN,此处有效节点选择算法的初始迭代次数为1;
步骤9:将步骤8得到的NNKN中不满足计算资源或者带宽资源的物理节点删除,如果剩余的物理节点数量小于1,则将有效节点选择算法的迭代次数翻倍,并重复步骤8直至剩余的物理节点数量大于或等于1后,进入步骤10;
步骤10:对步骤9得到的NNKN中剩余的每一个物理节点,都根据公式(2),计算该非关键节点N(j)对应的权值
式中等号右侧第一项表示VNF映射到物理节点处所产生的处理时延;式中等号右侧第二项表示VNF映射到物理节点处所产生的实例化时延,其中表示布尔变量,当它取值为1时表示服务功能图的关键节点N(j)映射在交换机k的服务器上第l个新实例化的服务功能实例f(j)上,否则为0;式中等号右侧第三项表示所有与该物理节点相连的物理链路当前的平均链路时延,表示与该物理节点相连的物理链路数量;式中等号右侧第四项Delayfs表示当前物理节点NKNj到N(j)f和N(j)s的最短时延路径的时延之和;
步骤11:所有权值计算完成后,从NNKN中选择权值最小的物理节点作为非关键节点N(j)在物理网络中的映射位置,重复步骤10直到所有非关键节点映射完成。
2.如权利要求1所述基于节点筛选的服务功能图低时延映射方法,其特征在于:
所述步骤2中有效节点选择算法为ENS算法,具体如下:
步骤2.1:通过Dijkstra算法计算得到源节点和目的节点之间的最短路径r,将r加入到路径集合R中;
步骤2.2:判断路径集合R中的路径是否达到指定数量i条,这里的i是算法的迭代次数;若路径未达到目标数量,则继续执行步骤2.3;若路径已经达到指定数量,则跳转到步骤2.5;
步骤2.3:将最新加入集合的路径r作为迭代路径,进行迭代;
迭代步骤如下:将迭代路径中的每一条链路的权值分别设置为无穷大,分别对设置权值之后的网络拓扑使用Dijkstra算法求最短时延路径,假设迭代路径包含的链路数为n,则此时会得到n条新的偏移路径,将这些偏移路径加入偏移路径集合R′中;
步骤2.4:遍历偏移路径集合R′,从中选出具有最短时延的一条路径,加入路径集合R中,然后清空集合R′和临时变量;
步骤2.5:根据路径集合R中的路径,得到所有路径包含的全部物理节点,然后返回节点集合;
由于SFG的源节点和目的节点都是固定的,所以将ENS算法的迭代次数设置为SFG中包含的关键节点的数目;假如出现关键点和源节点或目的节点重合的情况,则忽略这些重合的关键点;至此通过ENS算法求出物理节点集合NKN,也就是SFG中关键节点的映射范围。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910426943.3A CN110166362B (zh) | 2019-05-22 | 2019-05-22 | 一种基于节点筛选的服务功能图低时延映射方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910426943.3A CN110166362B (zh) | 2019-05-22 | 2019-05-22 | 一种基于节点筛选的服务功能图低时延映射方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110166362A true CN110166362A (zh) | 2019-08-23 |
CN110166362B CN110166362B (zh) | 2021-04-30 |
Family
ID=67631834
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910426943.3A Active CN110166362B (zh) | 2019-05-22 | 2019-05-22 | 一种基于节点筛选的服务功能图低时延映射方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110166362B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116260760A (zh) * | 2022-12-15 | 2023-06-13 | 之江实验室 | 一种在多芯粒互连网络中基于流量感知的拓扑重构方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104320324A (zh) * | 2014-11-18 | 2015-01-28 | 中国科学技术大学 | 一种基于链路干扰的虚拟网络映射方法 |
US20170104847A1 (en) * | 2015-10-12 | 2017-04-13 | Fujitsu Limited | Vertex-centric service function chaining in multi-domain networks |
CN109639460A (zh) * | 2018-11-19 | 2019-04-16 | 中国联合网络通信集团有限公司 | Nfv资源管理的方法和装置 |
CN109714219A (zh) * | 2019-03-13 | 2019-05-03 | 大连大学 | 一种基于卫星网络的虚拟网络功能快速映射算法 |
-
2019
- 2019-05-22 CN CN201910426943.3A patent/CN110166362B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104320324A (zh) * | 2014-11-18 | 2015-01-28 | 中国科学技术大学 | 一种基于链路干扰的虚拟网络映射方法 |
US20170104847A1 (en) * | 2015-10-12 | 2017-04-13 | Fujitsu Limited | Vertex-centric service function chaining in multi-domain networks |
CN109639460A (zh) * | 2018-11-19 | 2019-04-16 | 中国联合网络通信集团有限公司 | Nfv资源管理的方法和装置 |
CN109714219A (zh) * | 2019-03-13 | 2019-05-03 | 大连大学 | 一种基于卫星网络的虚拟网络功能快速映射算法 |
Non-Patent Citations (2)
Title |
---|
HAO WANG等: "Load balancing - towards balanced delay guarantees in NFV/SDN", 《 2016 IEEE CONFERENCE ON NETWORK FUNCTION VIRTUALIZATION AND SOFTWARE DEFINED NETWORKS (NFV-SDN)》 * |
贾海宇等: "无线接入网络中网络功能虚拟化研究综述", 《电信科学》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116260760A (zh) * | 2022-12-15 | 2023-06-13 | 之江实验室 | 一种在多芯粒互连网络中基于流量感知的拓扑重构方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110166362B (zh) | 2021-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108260169B (zh) | 一种基于QoS保障的服务功能链动态部署方法 | |
CN111385202B (zh) | 一种基于虚拟网络功能的路由分配方法 | |
CN103886137B (zh) | 一种实现现场可编程门阵列快速布局布线的方法 | |
CN105515987B (zh) | 一种基于sdn架构面向虚拟光网络的映射方法 | |
CN105681153A (zh) | 一种虚拟网络映射方法及装置 | |
CN104683488B (zh) | 流式计算系统及其调度方法和装置 | |
CN108768716A (zh) | 一种微服务路径选择方法及装置 | |
CN112486690A (zh) | 一种适用于工业物联网的边缘计算资源分配方法 | |
CN107003834B (zh) | 行人检测设备和方法 | |
CN106817306B (zh) | 一种确定目标路由的方法及装置 | |
CN101895422A (zh) | 三层网络中静动态混合业务资源优化方法 | |
Burger et al. | Accuracy vs. performance in parallel simulation of interconnection networks | |
CN113285832B (zh) | 基于nsga-ii的电力多模态网络资源优化分配方法 | |
Li et al. | Traffic modeling and optimization in datacenters with graph neural network | |
Xie et al. | Origin-based algorithms for traffic assignment: algorithmic structure, complexity analysis, and convergence performance | |
CN108092706A (zh) | 一种映射方法 | |
Mousavi Khaneghah et al. | A mathematical multi-dimensional mechanism to improve process migration efficiency in peer-to-peer computing environments | |
Farahnakian et al. | Bi-LCQ: A low-weight clustering-based Q-learning approach for NoCs | |
CN110166362A (zh) | 一种基于节点筛选的服务功能图低时延映射方法 | |
Filelis-Papadopoulos et al. | Towards simulation and optimization of cache placement on large virtual content distribution networks | |
Fan et al. | DRL-D: Revenue-aware online service function chain deployment via deep reinforcement learning | |
CN109802859A (zh) | 一种网络图中的节点推荐方法和服务器 | |
CN117579550A (zh) | 一种基于可编程交换机和容器状态信息卸载的路由方法 | |
Ma et al. | Urban traffic signal control network automatic partitioning using laplacian eigenvectors | |
Hu et al. | A proactive auto-scaling scheme with latency guarantees for multi-tenant NFV cloud |
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 |