CN110311816A - 一种nfv环境下vnf共址干扰感知的vnf放置方法 - Google Patents

Abstract

本发明公开了一种NFV环境下VNF共址干扰感知的VNF放置方法，涉及NFV领域，包括：预处理SFC；输入VNF、所述SFC和数据中心节点图信息；将所述SFC按热值降序排序；以协同过滤推荐算法筛选节点，计算推荐路径，组成方案集；通过VNF共址干扰定量计算数学模型，升序排序干扰损失VNF热值，以此筛选出满足用户QoS的VNF热值最小损失方案；重复以上步骤直到所有的所述SFC都部署完成。所述数学模型对表示物理资源敏感情况和敏感程度的向量进行变换，得到VNF共址干扰性能下降的定量表示；本发明使用基于协同过滤推荐算法的方式选择合适的部署路径，并利用VNF共址干扰定量计算模型进行计算对比，具有将VNF共址干扰带来的损失降低至最小，从而大幅降低云服务商的部署总成本。

Description

一种NFV环境下VNF共址干扰感知的VNF放置方法

技术领域

本发明涉及NFV领域，尤其涉及一种NFV环境下VNF共址干扰感知的VNF放置方法。

背景技术

NFV技术，即借助虚拟化技术将传统网络功能软件化，运行在x86通用服务器的虚拟机上，无需专用服务器和专用硬件即可实现专有的网络功能，同时享有虚拟化带来的敏捷性和弹性，能灵活地部署和便捷地放缩VNF(虚拟网络功能)所分配的资源，相比传统网路服务极大提高资源利用率，同时减少成本。

近五年NFV领域优化的研究主要对应NFV的三个阶段：SFC(服务功能链)成链优化、VNF放置优化、NFV运行时调度优化。

VNF放置，即云服务商把用户的一系列SFC请求，通过特定的部署策略，部署到自己的集群服务器或数据中心。放置策略选择决定了：云服务商的服务质量(QoS)、服务容量、运营成本(OPEX)和资本支出(CAPEX)。

VNF放置优化主要分两个领域：离线(静态)部署优化和在线(动态)部署优化。前者部署后不再更改，适用于服务相对固定的场景，或动态部署的初始步骤；后者在首次静态部署后，根据用户不断变化的需求预先调整部署，放缩VNF实例。

静态部署优化相关所有研究都基于全局最优化方法，以整数线性规划(ILP)或相关混合方法，求解全局近似最优解。

然而在实际云环境中，共址VNF间会因虚拟化的物理资源共享和网络I/O带宽竞争等因素存在VNF共址干扰(Co-located VNF Interference)，VNF性能将因此显著下降。优化VNF部署以最小化运营成本的研究已有数个，但都没有考虑VNF共址干扰。共址干扰的影响显著，对云服务商服务质量和服务成本影响深远，VNF部署算法能否正确感知共址干扰显得尤为重要。

因此，本领域的技术人员致力于建立一种定量计算VNF共址干扰带来性能下降的数学模型，并基于该模型设计了VNF干扰感知的VNF放置方法。

发明内容

有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是如何设计一种能感知VNF共址干扰的VNF放置方法。

为实现上述目的，本发明提供了一种NFV环境下VNF共址干扰感知的VNF放置方法，其特征在于，所述方法包括以下步骤：

步骤1，顶点分割分支SFC，子母链同组；

步骤2，分别输入所述VNF、所述SFC和数据中心节点图的信息；所述数据中心节点图是连通图；

步骤3，计算所述SFC的VNF热值，将所述SFC按所述VNF热值降序排序；

步骤4，按推荐算法，逐个顶点寻路，得到推荐路径；

步骤5，根据所述步骤4的所述推荐路径，组成方案集，通过VNF共址干扰定量计算数学模型，计算干扰损失所述VNF热值，以此升序排序，选取最小损失方案，并返回结果值；

步骤6，基于所述步骤5的方案的所述结果值，判断当前所述SFC的部署是否布置成功；如果所述SFC的部署不成功，回到所述步骤4继续以当前所述SFC的顶点为起点筛选节点；如果当前所述SFC的部署成功，回到所述步骤4进行下一个所述SFC的部署；直到所有的所述SFC的部署都完成。

进一步地，所述步骤3中还包括：

步骤3.1，统计所有用户请求类型VNF处理容量QoS之和；

步骤3.2，计算VNF热度，所述VNF热度等于每类所述用户请求类型所述VNF处理容量QoS在所述QoS之和中的占比；

步骤3.3，计算所述VNF热值，所述VNF热值等于所述VNF热度乘以所述VNF的运营成本。

进一步地，所述步骤4中以协同过滤推荐算法筛选所述顶点。

进一步地，所述步骤4中还包括：

步骤4.1，计算当前所述SFC的VNF热值与已部署的所述SFC的VNF热值的余弦相似度

步骤4.2，以所述余弦相似度最大为优先选择原则；将邻接表顶点划分为四类：共享顶点、纯净顶点、平行顶点和饱和顶点；同类型的点，构成相应的点集合：共享集、纯净集、平行集和饱和集；其中优先级从大到小排列顺序为：所述共享集、所述纯净集、所述平行集、所述饱和集；

步骤4.3，每次都从优先级最大的非空所述点集合中选择点；

步骤4.4，寻路计算中，共用同种类所述VNF，且同种类中价格尽可能高。

进一步地，所述步骤4.4中的寻路计算方法，还包括：

步骤4.4.1，若选择所述共享集、所述纯净集或所述平行集，且解不唯一，则按近路点原则取点；

步骤4.4.2，若选择所述饱和集，且解不唯一，则按绕路点原则取点；

步骤4.4.3，若解唯一，则取所述解中的点。

进一步地，所述步骤5中的选取方案的方法，还包括：

步骤5.1，计算在所述步骤4的所述推荐路径上的所有可能的整数组合：以所述推荐路径节点数为组合单位数，以2为单位分组上限，以所述SFC内VNF数量为所有可能的整数组合；所述所有可能的整数组合构成所有备选方案；

步骤5.2，在所述所有备选方案中，排除无法满足用户QoS的方案。

进一步地，所述步骤5.2中的选取方案的方法，还包括：

步骤5.2.1，依次计算所述所有备选方案的对应每个节点上每个所述VNF的共址干扰后实际处理容量；

步骤5.2.2，对于每一个当前方案，如果所述实际处理容量无法达到QoS，则舍弃所述当前方案，否则就保留所述当前方案到组合集，并计算和记录所述当前方案的共址总损失VNF热值；

步骤5.2.3，如果所述组合集非空，对所述组合集中每一个方案，按照对应的所述共址总损失VNF热值升序排序，取最小者为实际部署方案；

步骤5.2.4，更新所述数据中心节点图信息，并返回所述结果值。

进一步地，所述结果值分为3类：

若此链为分支链子链或线性链，所述结果值是部署成功；

若此链为分支链主链，则返回分支VNF所部署顶点的序号，该序号将成为所述SFC子链部署的起点，所述结果值是该分支点的序号；

若所述组合集空，所述结果值是部署不成功。

进一步地，所述步骤5.2.2中的计算所述当前方案的共址总损失VNF热值，还包括：

5.2.2.1，将各类物理资源的敏感情况和敏感程度建模为向量；

5.2.2.2，将VNF各类所述物理资源依赖向量组成依赖矩阵；

5.2.2.3，针对有无网络I/O带宽保证，分别构建干扰映射函数f和g；

5.2.2.4，性能下降表示为通过所述函数f或者所述函数g的依赖矩阵Hadamard积；

所述物理资源包含CPU、cache和memory；

进一步地，所述5.2.2.4中，所述性能下降表示的具体模型和参数如下：

敏感度矩阵定义为：其中

敏感度情况矩阵定义为：其中

CPU抢占矩阵定义为：C＝C(N_i,N_j)_5×5；

百分比下降增量矩阵定义为：D＝D(N_i,N_j)_5×5；

在所述g函数下的性能下降百分比矩阵Δ_G满足：

Δ_G＝(I·E)*(I·I^T)*C*A＝R_G＝[δ(i,j)]_5×5；

在所述f函数下的性能下降百分比矩阵Δ_F满足：

Δ_F＝(I·E)*(I·I^T)*C*A+D＝R_F＝[δ(i,j)]_5×5；

其中：

1)

2)

3)

4)

5)

用与敏感度的参数为：c1＝0.58；c2＝0.46；h1＝0.40；h2＝0.13；m1>0.05；m2＝0.05；

用于CPU抢占的参数为：N1＝1.41；N2＝1.39；N3＝1.38；N4＝0.46；

相应的权重值为：Δ＝0.2；x＝0.157；y＝0.06；z＝0.145；m＝0.02；n＝0.02。

在本发明的较佳实施方式中，根据共址干扰的原理和特点，使用基于协同过滤推荐算法的方式选择合适的部署路径，并利用VNF共址干扰定量计算模型进行计算对比，将共址干扰带来的损失降低至最小，从而大幅降低云服务商的部署总成本。

本发明是首个能够感知VNF共址干扰的VNF放置策略，能显著降低因VNF共址干扰带来的额外成本，同时首次使用推荐算法和寻路算法联合优化VNF部署问题，为解决该技术问题提供了新的解决思路。

以下将结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明，以充分地了解本发明的目的、特征和效果。

附图说明

图1是本发明的一个较佳实施例的VNF-CIAP算法流程简略示意图；

图2是本发明的一个较佳实施例的VNF热值协同过滤推荐算法流程图。

具体实施方式

以下参考说明书附图介绍本发明的优选实施例，使其技术内容更加清楚和便于理解。本发明可以通过许多不同形式的实施例来得以体现，本发明的保护范围并非仅限于文中提到的实施例。

在附图中，结构相同的部件以相同数字标号表示，各处结构或功能相似的组件以相似数字标号表示。附图所示的每一组件的尺寸和厚度是任意示出的，本发明并没有限定每个组件的尺寸和厚度。为了使图示更清晰，附图中有些地方适当夸大了部件的厚度。

如图1所示，当一个或者多个SFC需要部署的时候，首先以子母链同组的形式，进行顶点分割，然后输入VNF、SFC和图信息，接下来计算VNF、SFC热值，将SFC按热值降序排序，紧接着进入寻路流程获取部署路径。

获取部署路径后，以路径节点数为组合单位数，以2为单位分组上限，以SFC内VNF数量为组合总和。计算出所有整数组合，再依次计算所有整数组合对应每个节点上每个VNF的共址干扰后实际处理容量，如果方案无法达到QoS则舍弃，否则保留并记录共址总损失VNF热值。

如果组合集非空，按共址总损失VNF热值升序排序，取最小者为实际部署方案，更新图信息。返回值分三类：

(1)若此链为分支链主链，则返回分支VNF所部署顶点的序号，该序号将成为该SFC子链部署的起点，并以此返回寻路流程继续获取部署路径。

(2)若此链为分支链子链或线性链，则返回成功。

(3)若组合集空，则返回失败，并将该路径所有点标记为寻路流程中定义的饱和点，重新回到寻路流程。

当所有SFC部署完毕，算法结束，输出部署情况和部署开销。否则就选择下一个SFC，回到寻路流程开始部署。

上述流程中，共址总损失VNF热值的计算方式为：由各类资源的敏感情况和敏感程度建模为向量，VNF各类资源依赖向量组成依赖矩阵，针对有无网络I/O带宽保证，分别构建干扰映射函数f和g，性能下降表示为通过该函数的依赖矩阵Hadamard积，具体表现为：

敏感度矩阵定义为：其中

敏感度情况矩阵定义为：其中

CPU抢占矩阵定义为：C＝C(N_i,N_j)_5×5；

百分比下降增量矩阵定义为：D＝D(N_i,N_j)_5×5；

在所述g函数下的性能下降百分比矩阵Δ_G满足：

Δ_G＝(I·E)*(I·I^T)*C*A＝R_G＝[δ(i,j)]_5×5

在所述f函数下的性能下降百分比矩阵Δ_F满足：

Δ_F＝(I·E)*(I·I^T)*C*A+D＝R_F＝[δ(i,j)]_5×5

其中：

1)

2)

3)

4)

5)

用与敏感度的参数为：c1＝0.58；c2＝0.46；h1＝0.40；h2＝0.13；m1>0.05；m2＝0.05；

用于CPU抢占的参数为：N1＝1.41；N2＝1.39；N3＝1.38；N4＝0.46；

相应的权重值为：Δ＝0.2；x＝0.157；y＝0.06；z＝0.145；m＝0.02；n＝0.02。

以上计算方式和参数的确定来自于实验，实验表明：

(1)对于所有网络I/O的应用，共址性能退化最主要原因是网络I/O带宽竞争。

(2)对于三类物理资源：CPU、cache和memory，每类VNF一般都对两类资源敏感。两个VNF拥有相同敏感资源共址则会造成吞吐量衰退。

(3)VNF的两类敏感资源有“主、次”程度之分。主要敏感资源的竞争，相对于次要敏感资源的竞争，对性能衰退影响更大。

(4)所有VNF都对CPU资源敏感。并且，VNF的操作对应CPU使用越多，对CPU资源抢夺能力越强，获取时间片越快，性能衰退相对小。

(5)CPU、cache同为敏感资源时，两类资源具有互补性。当两个VNF共址，且都对CPU、cache敏感。读包时，当cache hit较少，VNF会使用更多的CPU资源用于读包，反之占有更多CPU资源时，对cache资源的依赖将减轻。

如图2所示，寻路从起点至终点逐点寻路时，统计所有用户请求类型VNF处理容量QoS之和，计算每类占比称为VNF热度，热度乘以其运营成本称为VNF热值。部署过程中为不同服务功能链(SFC)寻路时，根据邻接列表已部署VNF情况，计算基于VNF热值的余弦相似度，利用基于VNF热值的协同过滤推荐算法，出于最小化运营商成本的目的，寻路以顶点和SFC余弦相似度最大为优先选择原则，保证尽量共用同种类VNF，且同种类中价格尽可能高。

故将邻接表顶点划分为四类：

(1)共享顶点，即与SFC余弦相似度大于零的顶点，与SFC含有同类VNF。

(2)纯净顶点，即空顶点，无任何部署。

(3)平行顶点，已部署VNF的顶点，但与SFC的VNF无交集。

(4)饱和顶点，当一条SFC所属放置路径上，任何组合都无法完成部署，即该路径顶点资源已经饱和无法加置VNF。

选择优先级：共享集>纯净集>平行集>饱和集，若选择共享集、纯净集或平行集且解不唯一则取“近路点”，即从该点寻找一条最短路径至终点，且第一步必须经过几个等价点；若选择饱和集且解不唯一则取“绕路点”，以最近空节点为终点取近路点。

因为数据中心节点为连通图，故寻路必能完成。

以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。

Claims (10)

1.一种NFV环境下VNF共址干扰感知的VNF放置方法，其特征在于，所述方法包括以下步骤：

步骤1，顶点分割分支SFC，子母链同组；

步骤2，分别输入所述VNF、所述SFC和数据中心节点图的信息；所述数据中心节点图是连通图；

步骤3，计算所述SFC的VNF热值，将所述SFC按所述VNF热值降序排序；

步骤4，按推荐算法，逐个顶点寻路，得到推荐路径；

步骤5，根据所述步骤4的所述推荐路径，组成方案集，通过VNF共址干扰定量计算数学模型，计算干扰损失所述VNF热值，以此升序排序，选取最小损失方案，并返回结果值；

步骤6，基于所述步骤5的方案的所述结果值，判断当前所述SFC的部署是否布置成功；如果所述SFC的部署不成功，回到所述步骤4继续以当前所述SFC的顶点为起点筛选节点；如果当前所述SFC的部署成功，回到所述步骤4进行下一个所述SFC的部署；直到所有的所述SFC的部署都完成。

2.如权利要求1所述的VNF共址干扰感知的VNF放置方法，其特征在于，所述步骤3中还包括：

步骤3.1，统计所有用户请求类型VNF处理容量QoS之和；

步骤3.2，计算VNF热度，所述VNF热度等于每类所述用户请求类型所述VNF处理容量QoS在所述QoS之和中的占比；

步骤3.3，计算所述VNF热值，所述VNF热值等于所述VNF热度乘以所述VNF的运营成本。

3.如权利要求1所述的VNF共址干扰感知的VNF放置方法，其特征在于，所述步骤4中以协同过滤推荐算法筛选所述顶点。

4.如权利要求3所述的VNF共址干扰感知的VNF放置方法，其特征在于，所述步骤4中还包括：

步骤4.1，计算当前所述SFC的VNF热值与已部署的所述SFC的VNF热值的余弦相似度

步骤4.2，以所述余弦相似度最大为优先选择原则；将邻接表顶点划分为四类：共享顶点、纯净顶点、平行顶点和饱和顶点；同类型的点，构成相应的点集合：共享集、纯净集、平行集和饱和集；其中优先级从大到小排列顺序为：所述共享集、所述纯净集、所述平行集、所述饱和集；

步骤4.3，每次都从优先级最大的非空所述点集合中选择点；

步骤4.4，寻路计算中，共用同种类所述VNF，且同种类中价格尽可能高。

5.如权利要求4所述的VNF共址干扰感知的VNF放置方法，其特征在于，所述步骤4.4中的寻路计算方法，还包括：

步骤4.4.1，若选择所述共享集、所述纯净集或所述平行集，且解不唯一，则按近路点原则取点；

步骤4.4.2，若选择所述饱和集，且解不唯一，则按绕路点原则取点；

步骤4.4.3，若解唯一，则取所述解中的点。

6.如权利要求1所述的VNF共址干扰感知的VNF放置方法，其特征在于，所述步骤5中的选取方案的方法，还包括：

步骤5.1，计算在所述步骤4的所述推荐路径上的所有可能的整数组合：以所述推荐路径节点数为组合单位数，以2为单位分组上限，以所述SFC内VNF数量为所有可能的整数组合；所述所有可能的整数组合构成所有备选方案；

步骤5.2，在所述所有备选方案中，排除无法满足用户QoS的方案。

7.如权利要求6所述的VNF共址干扰感知的VNF放置方法，其特征在于，所述步骤5.2中的选取方案的方法，还包括：

步骤5.2.1，依次计算所述所有备选方案的对应每个节点上每个所述VNF的共址干扰后实际处理容量；

步骤5.2.2，对于每一个当前方案，如果所述实际处理容量无法达到QoS，则舍弃所述当前方案，否则就保留所述当前方案到组合集，并计算和记录所述当前方案的共址总损失VNF热值；

步骤5.2.3，如果所述组合集非空，对所述组合集中每一个方案，按照对应的所述共址总损失VNF热值升序排序，取最小者为实际部署方案；

步骤5.2.4，更新所述数据中心节点图信息，并返回所述结果值。

8.如权利要求7所述的VNF共址干扰感知的VNF放置方法，其特征在于，所述结果值分为3类：

若此链为分支链子链或线性链，所述结果值是部署成功；

若此链为分支链主链，则返回分支VNF所部署顶点的序号，该序号将成为所述SFC子链部署的起点，所述结果值是该分支点的序号；

若所述组合集空，所述结果值是部署不成功。

9.如权利要求7所述的VNF共址干扰感知的VNF放置方法，其特征在于，所述步骤5.2.2中的计算所述当前方案的共址总损失VNF热值，还包括：

5.2.2.1，将各类物理资源的敏感情况和敏感程度建模为向量；

5.2.2.2，将VNF各类所述物理资源依赖向量组成依赖矩阵；

5.2.2.3，针对有无网络I/O带宽保证，分别构建干扰映射函数f和g；

5.2.2.4，性能下降表示为通过所述函数f或者所述函数g的依赖矩阵Hadamard积；

所述物理资源包含CPU、cache和memory。

10.如权利要求9所述的VNF共址干扰感知的VNF放置方法，其特征在于，所述5.2.2.4中，所述性能下降表示的具体模型和参数如下：

敏感度矩阵定义为：其中

敏感度情况矩阵定义为：其中

CPU抢占矩阵定义为：C＝C(N_i,N_j)_5×5；

百分比下降增量矩阵定义为：D＝D(N_i,N_j)_5×5；

在所述g函数下的性能下降百分比矩阵Δ_G满足：

Δ_G＝(I·E)*(I·I^T)*C*A＝R_G＝[δ(i,j)]_5×5；

在所述f函数下的性能下降百分比矩阵Δ_F满足：

Δ_F＝(I·E)*(I·I^T)*C*A+D＝R_F＝[δ(i,j)]_5×5；

其中：

1)

2)

3)

4)

5)

用与敏感度的参数为：c1＝0.58；c2＝0.46；h1＝0.40；h2＝0.13；m1>0.05；m2＝0.05；

用于CPU抢占的参数为：N1＝1.41；N2＝1.39；N3＝1.38；N4＝0.46；

相应的权重值为：Δ＝0.2；x＝0.157；y＝0.06；z＝0.145；m＝0.02；n＝0.02。