CN111538567B - 一种边缘设备上虚拟网络功能链的部署方法和设备 - Google Patents

Abstract

本发明公开了一种边缘设备上虚拟网络功能链的部署方法和设备。方法包括：根据边缘网络的物理拓扑信息以及虚拟网络功能链的请求信息，结合链内虚拟网络功能之间通信对CPU资源的消耗，构建虚拟网络功能链CPU消耗模型，得到链整体要消耗的CPU资源；根据链整体要消耗的CPU资源，在满足链时延约束的候选部署路径上，利用动态规划算法查找从请求的源边缘设备到目的边缘设备的最小成本部署方案，所述成本以节点当前负载的指数来衡量。本发明能够在找到一条时延满足要求的路径的同时，做虚拟网络功能的部署，均衡各边缘设备的负载。

Description

一种边缘设备上虚拟网络功能链的部署方法和设备

技术领域

本发明涉及无线边缘设备的负载均衡技术，具体涉及一种边缘设备上虚拟网络功能链的部署方法和设备。

背景技术

网络功能虚拟化(Network Functions Virtualization，NFV)利用虚拟化技术，使传统上运行在专有专用硬件上的网络功能可以部署在虚拟实例(如虚拟机和容器)上。通过NFV，以前硬件实现的网络功能，如负载均衡器、入侵检测系统现在可以部署在通用x86甚至是ARM平台上，大大降低了成本并提供了高度的灵活性和弹性。

另一方面，边缘计算是允许在网络边缘执行计算任务的技术。与云计算相比，边缘计算在用户附近部署服务，从而具有低延迟的优势。这对于与延迟敏感的应用尤其重要，例如虚拟现实(Virtual Reality，VR)、流媒体视频等。结合高带宽低时延5G技术的发展，边缘计算在建立靠近用户的超低延迟和高吞吐量服务方面具有很大的潜力。

然而，在边缘部署虚拟网络功能的现有框架面临一个主要问题，即没有考虑边缘设备的资源稀缺性。与云中的服务器相比，边缘设备通常具有稀缺的CPU资源。例如，最先进的Netgear RAX120无线路由器仅具有双核2.2GHz处理器。即使像桌面计算机这样功能更强大的边缘服务器也很容易因突发和周期用户请求而过载。更糟糕的是，根据发明人从实际的实验中发现，除了计算消耗CPU之外，链中连续网络功能之间的通信也会消耗大量的CPU。然而现有的工作尚未探讨这种情况，这可能使边缘设备负载不均衡甚至过载。

由此可知，现有的工作在资源稀缺的边缘设备上部署虚拟网络功能链的问题上，尚未有可行的解决方法。因此，需要提出一种针对资源稀缺的边缘设备上虚拟网络功能链的部署方法。

发明内容

发明目的：针对现有技术的不足，本发明提出一种边缘网络设备上的虚拟功能链部署方法和装置，通过总结链的资源消耗模型，在保障满足虚拟网络功能链时延约束的情况下，实现均衡各边缘设备的负载。

技术方案：为了实现上述目的，本发明采用如下的技术方案：

第一方面，一种边缘设备上虚拟网络功能链的部署方法，包括以下步骤：

根据边缘网络的物理拓扑信息以及虚拟网络功能链的请求信息，结合链内虚拟网络功能之间通信对CPU资源的消耗，构建虚拟网络功能链CPU消耗模型，得到链整体要消耗的CPU资源；

根据链整体要消耗的CPU资源，在满足链时延约束的候选部署路径上，利用动态规划算法查找从请求的源边缘设备到目的边缘设备的最小成本部署方案，所述成本以节点当前负载的指数来衡量。

进一步地，所述虚拟网络功能链CPU消耗模型如下：

其中，

表示某一个虚拟网络功能链请求，其中f₁…f_r是请求的虚拟网络功能的集合，r表示链的长度；/>

表示某个虚拟网络功能f处的入口流速，/>

表示f处的出口流速；α_f是计算/通信消耗资源比率。

进一步地，所述满足链时延约束的候选部署路径为提前给定的满足链时延约束的路径或通过下式得到的跳数最多的路径：

P(u,l)＝max{P(u,l-1),max_{e＝(v,u)∈E}P(v,l-l_e)+e}

其中，P(u,l_r)表示从源节点s到目的节点u的满足延迟约束l的最长路径，E表示任意两个边缘节点u,v之间的连接的集合，等式表示P(u,l)可以用两种方法来计算，第一种方法直接继承自P(u,l-1)，第二种方法是找到满足延迟l-l_e的邻居v的最长路径，那么到u的最长的路就是所有从s到v加上最后一跳(v,u)的路径中最长的路径。

进一步地，所述动态规划算法方程如下：

其中，

表示将链/>

的第0～j个网络功能部署到路径P的第0～i个边缘设备上的成本，0～i是沿路径P的边缘设备索引，0～j是链/>

中的网络功能索引，动态规划方程表达的是，将链/>

的第0～j个网络功能部署到路径P的第0～i个边缘设备上的成本可以分为两部分：在第0～i-1个设备上部署第0～x个网络功能，在剩余设备i上部署第x～j个网络功能，通过迭代所有可能的x∈[0,j]，找到cost最小值的情况下的x。

进一步地，所述成本cost通过累计0～i个边缘设备上的权重w(n)所得，所述权重w(n)表示任意节点n当前负载的指数计算值：

其中，γ是参数，负载load(n)是节点n上现有的负载，在请求r到达时，负载load(n)已知，C是节点n的CPU容量，Λ是最优部署情况的估计值。

进一步地，所述虚拟功能链部署方法还包括负载调节步骤：通过在负载最重的节点上移除一些请求，以使各个边缘设备的负载更加均衡。

进一步地，所述负载调节包括以下步骤：

按指定周期检查所有节点上的当前负载，选择负载最重的节点n；

找到通过节点n的请求集Δ′，选出请求集Δ′中引起负载最重的δ个请求集合，为Δ；

利用动态规划算法对Δ中的δ个请求进行重新部署。

根据本发明的第二方面，提供一种计算机设备，所述设备包括：

一个或多个处理器；

存储器；以及

一个或多个程序，其中所述一个或多个程序被存储在所述存储器中，并且被配置为由所述一个或多个处理器执行，所述程序被处理器执行时实现如本发明第一方面所述方法的步骤。

有益效果：本发明公开了一种在资源稀缺的无线边缘设备上部署虚拟网络功能链的方法。在边缘设备上部署的难点在于，必须准确地测量边缘设备上的资源消耗，同时还必须限制整条链的时延。本发明能够在找到一条时延满足要求的路径的同时，做虚拟网络功能的部署，均衡各边缘设备的负载。

附图说明

图1是本发明的边缘设备上虚拟网络功能链部署方法流程图；

图2是在无线路由器上基准测试环境示意图；

图3是路由器中基准测试结果以及数据拟合结果。

图4是考虑链中通信流量对资源消耗的负载均衡示意图；

具体实施方式

下面结合附图对本发明的技术方案作进一步说明。

边缘设备上的资源是稀缺的，而无论链中虚拟网路功能的计算，还是链中虚拟网络功能之间的通信流量都要消耗大量的资源。因此，在边缘设备上部署的难点在于，必须准确地测量边缘设备上的资源消耗，另外，还必须限制整条链的时延。本发明的产生就是为了针对这种在资源稀缺的边缘设备上虚拟网络功能链的部署问题，使得在保证链时延满足约束的情况下，均衡各边缘设备的负载。

本发明提出的虚拟网络功能的部署方法，需要真实的边缘网络的物理拓扑信息以及虚拟网络功能链的请求作为输入。边缘网络的物理拓扑信息包括：网络拓扑结构、任意两个边缘设备之间的延迟。虚拟网络功能链请求包括：链要求的源边缘设备、链要求的目的边缘设备、链请求的虚拟网络功能序列、链请求的流量速率、链时延要求。

本发明需要满足的链需求有一个：链源边缘设备到链目的边缘设备的时延：保证部署的时延满足链请求的时延要求。

本发明的目的是在保障满足虚拟网络功能链时延约束的情况下，均衡各边缘设备的负载。

参照图1，本发明的边缘设备上虚拟网络功能链部署方法包括以下步骤：

步骤S10，构建虚拟网络功能链CPU消耗模型，得到链整体要消耗的CPU资源。

一组连接的边缘节点由图G(V,E)表示，V表示边缘节点集合，E表示任意两个边缘节点u,v∈V之间的连接的集合。任意两个边缘节点u,v∈V之间的延迟由延迟矩阵l(u,v)给出。每个节点的CPU容量为C。请求不时地到达，每个请求r由

其中s_r表示业务源，d_r表示业务目的地。请求r要求服务链/>

其指定虚拟网络功能链，{f₁…f_r}∈F。F是所有网络功能的集合。b_r表示进入链之前的初始带宽要求，l_r是r的延迟要求。/>

随着轻量级容器的广泛使用，假设任何边缘设备v∈V都能够创建任何类型的网络功能。为了在网络功能f∈F中处理一个包，将计算成本和通信成本的比率表示为α_f。

为了清楚地刻画边缘设备中网络功能链中CPU消耗模型，本发明通过在无线路由器做真实的实验，并基于实验结果的拟合，形式化了资源消耗模型。本发明基于TP-LINKwr2041n-v1路由器进行了实验。为了允许重新编程，用开源Openwrt操作系统替换了原装的操作系统。为了实现网络虚拟化，在Openwrt系统的编译过程中，在内核配置中打开网络命名空间。在编译期间，还启用了其他必要的虚拟化库。实验环境如图2所示，其中使用了一个无线路由器和一个桌面计算机。本发明只对通信消耗的资源感兴趣。因此，所有虚拟网络功能被设置为简单地将分组转发到链中的后继虚拟网络功能。这是通过使用linuxiptables重写每个数据包的目标ip来完成的。桌面计算机中的两个虚拟机用作运行Sockperf工具的发送方和接收方。在传输数据包期间，记录无线路由器上的CPU利用率。实验的结果如图3所示。

CPU消耗对链长敏感，如图3的(a)部分所示，当分组速度和分组大小固定时，CPU利用率随链长的增加近似线性增加。图3的(b)部分中描述了CPU利用率随着包速度从1000pps增加到4000pps，而包大小固定为500pps，链长固定为2。从图中可以看出它们之间的关系是，CPU利用率和数据包速度也是近似线性关系。图3的(c)部分显示了CPU利用率随着包大小的增加而变化，范围从100字节到900字节，而包速度固定为1000pps，链长固定为2。与图3的(a)部分和图3的(b)部分相比，CPU利用率对数据包大小的敏感性低于链长和数据包速度。

因此，CPU利用率随着链的长度和流速而增加，而几乎不受包大小影响。

S11，建立链内部通信消耗CPU的数学模型。

在该模型下，一个传输的包消耗一个单位的CPU资源，一个虚拟网络功能链中的通信流量所耗CPU的模型可以表示如下。

其中：

表示某一个虚拟网络功能链请求，其中f₁…f_r是请求的虚拟网络功能的集合，r表示链的长度。/>

表示某个虚拟网络功能f处的入口流速，/>

表示f处的出口流速。

S12，建立链整体消耗CPU的数学模型。

链

的CPU消耗为：

其中，α_f是计算/通信消耗资源比率。因此，

是/>

的通信CPU成本，

是计算的CPU成本。相反，以往的成本模型是：/>

其中没有考虑到和通信相关消耗的CPU资源。

图4给出了通过考虑通信成本来解释不同结果的示例。假设一个链具有三个网络功能，通信流量在网络功能的两侧描述。图中计算成本显示在网络功能之上，而通信成本显示在每个网络功能下。考虑将三个网络功能部署到两个设备上，目标是使两个设备的负载即CPU利用率尽可能均衡。图4的(a)部分和图4的(b)部分显示了两种部署策略。图4的(a)部分仅平衡两个服务器的计算CPU，等于6，但实际负载为11对22；图4的(b)部分中平衡了计算和通信所需CPU的总和，从而使得边缘设备的负载达到更平衡的效果。

步骤S20，利用动态规划算法将虚拟网络功能部署在满足链时延约束的候选部署路径上。

算法的基本原理是通过给节点设置权重的方式，节点的权重为节点当前负载的指数。它由三个步骤组成。

首先，将节点权重设置为现有负载的指数，即

γ是参数，1<γ<2。负载load(n)是节点上现有的负载。在请求r到达时，负载load(n)已知。C是节点n的CPU容量，Λ是最优部署情况的估计值，Λ的初值设置为初始时所有节点CPU负载的最大值。

第二步尝试查找从s_r到d_r的最小成本部署方案，节点的成本就是累计的节点权重w(n)。

第三步验证第二步中的部署方案，检查所有节点上的当前负载。如果存在一个节点其负载大于θ·Λ，则拒绝该请求并且Λ加倍，θ是一个常数，

|E|为G中边的个数。

下面将首先介绍如何在给出候选部署节点的简单情况下，找到第二步中最小成本部署方案。然后考虑没有提前给定的一般情况，找到此最小成本部署方案。

S21，在部署节点给定的简单情况，即请求r的路径已经提前决定：

本发明设计了一种动态规划算法来找到部署方案，动态规划方程如下：

在上式中，0～i是沿预定路径P的边缘设备索引，0～j是链

中的网络功能索引，使用/>

来表示部署成本，其通过累计0～i个设备上的权重w(n)所得，w(n)表示任意节点n当前负载的指数计算值。动态规划方程表达的是，将链/>

的第0～j个网络功能部署到路径P的第0～i个边缘设备上的成本可以分为两部分。首先，在第0～i-1个设备上部署第0～x个网络功能，在剩余设备i上部署第x～j个网络功能。通过迭代所有可能的x∈[0,j]，找到cost最小值的情况下的x。动态规划方程在两个特殊情况下结束，对于i＝＝0的特殊情况，只有一个设备，而成本是在设备上部署整个链。在j＝＝0的另一特殊情况下，只有一个网络功能，而成本是将网络功能部署到设备ε∈[0,i]上的最小成本。

S22，在部署节点未给定情况，即请求r的路径没有给定的一般情况：

针对此种情况，本发明使用跳数最多的路径，并且其时延小于l_r的路。在这条路找到之后，网络功能可以通过在S21中介绍的动态规划的方法来部署。

为了找到这样一个最长的(跳数最多)的有效路径，参考动态规划方法。对于任何节点u：

P(u,l)＝max{P(u,l-1),max_{e＝(v,u)∈E}P(v,l-l_e)+e}

P(u,l)表示从s到u的满足延迟约束l的最长路径，s表示源节点，u表示目的节点。等式表示P(u,l)可以用两种方法来计算。第一种方法直接继承自P(u,l-1)，第二种方法是找到满足延迟l-l_e的邻居v的最长路径。那么到u的最长的路就是所有从s到v加上最后一跳(v,u)的路径中最长的路径。

步骤S30，为了进一步减小负载，利用可以定期调用的启发式算法进行负载调节。

本步骤的动机是减少负载最多的节点上的负载，每隔T时间调用。首先，选择负载最重的节点n∈V。然后，找到通过n的请求集Δ′。选出请求集Δ′中引起负载最重的δ个请求集合，为Δ。最后，这些δ个请求被重新部署，就好像它们刚刚到达一样，这是通过在最重负载的节点上移除Δ中的请求负载来完成的。然后在G中重新计算节点权重。通过使用这些新权重，调用S22中的算法重新部署，需要对请求寻找路径并进行节点的部署。

具体地包括以下步骤：

步骤一：判断当前时刻t是否满足t％T＝＝0，如果满足，选择一个具有最大负载的节点n∈V；

步骤二：选择经过该该节点的请求结合Δ′；

步骤三：选择集合

和|Δ|＝δ，δ是一个常数，并且对每一个请求r′∈Δ′-Δ和r∈Δ，/>

根据S22中的算法重新部署Δ中的δ个请求，需要对每个请求寻找路径并进行节点的部署。

基于与方法实施例相同的技术构思，根据本发明的另一实施例，提供一种计算机设备，所述设备包括：一个或多个处理器；存储器；以及一个或多个程序，其中所述一个或多个程序被存储在所述存储器中，并且被配置为由所述一个或多个处理器执行，所述程序被处理器执行时实现方法实施例中的各步骤。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

Claims (7)

1.一种边缘设备上虚拟网络功能链的部署方法，其特征在于，包括以下步骤：

根据边缘网络的物理拓扑信息以及虚拟网络功能链的请求信息，结合链内虚拟网络功能之间通信对CPU资源的消耗，构建虚拟网络功能链CPU消耗模型，得到链整体要消耗的CPU资源，所述虚拟网络功能链CPU消耗模型如下：

其中，

表示某一个虚拟网络功能链请求，其中f₁…f_r是请求的虚拟网络功能的集合，r表示链的长度；/>

表示某个虚拟网络功能f处的入口流速，/>

表示f处的出口流速；α_f是计算/通信消耗资源比率；

根据链整体要消耗的CPU资源，在满足链时延约束的候选部署路径上，利用动态规划算法查找从请求的源边缘设备到目的边缘设备的最小成本部署方案，所述成本以节点当前负载的指数来衡量。

2.根据权利要求1所述的边缘设备上虚拟网络功能链的部署方法，其特征在于，所述满足链时延约束的候选部署路径为提前给定的满足链时延约束的路径或通过下式得到的跳数最多的路径：

P(u，l)＝max{P(u，l-1)，max_{e＝(v，u)∈E}P(v，l-l_e)+e}

其中，P(u，l)表示从源节点s到目的节点u的满足延迟约束l的最长路径，E表示两个边缘节点u，v之间的路径的集合，等式表示P(u，l)取P(u，l-1)和max_{e＝(v，u)∈E}P(v，l-l_e)+e中较长的路径，P(u，l-1)表示从源节点s到目的节点u的满足延迟约束l-1的最长路径，max_{e＝(v，u)∈E}P(v，l-l_e)表示从源节点s到节点v的满足延迟约束l-l_e的最长路径，max_{e＝(v，u)∈ E}P(v，l-l_e)+e表示从源节点s到u的最长路径是所有从s到v的路径中最长的路径，加上u，v之间的路径e。

3.根据权利要求1所述的边缘设备上虚拟网络功能链的部署方法，其特征在于，所述动态规划算法方程如下：

其中，

表示将链/>

的第0～j个网络功能部署到路径P的第0～i个边缘设备上的成本，0～i是沿路径P的边缘设备索引，0～j是链/>

中的网络功能索引，动态规划方程表达的是，将链/>

的第0～j个网络功能部署到路径P的第0～i个边缘设备上的成本被分为两部分：在第0～i-1个设备上部署第0～x个网络功能，在剩余设备i上部署第x～j个网络功能，通过迭代所有可能的x∈[0，j]，找到cost最小值的情况下的x。

4.根据权利要求3所述的边缘设备上虚拟网络功能链的部署方法，其特征在于，所述成本cost通过累计0～i个边缘设备上的权重w(n)所得，所述权重w(n)表示任意节点n当前负载的指数计算值：

其中，γ是参数，1＜γ＜2，负载load(n)是节点n上现有的负载，在请求r到达时，负载load(n)已知，C是节点n的CPU容量，Λ是最优部署情况的估计值。

5.根据权利要求1所述的边缘设备上虚拟网络功能链的部署方法，其特征在于，所述虚拟网络功能链部署方法还包括负载调节步骤：通过在负载最重的节点上移除一些请求，以均衡各个边缘设备的负载。

6.根据权利要求5所述的边缘设备上虚拟网络功能链的部署方法，其特征在于，所述负载调节包括以下步骤：

按指定周期检查所有节点上的当前负载，选择负载最重的节点n；

找到通过节点n的请求集Δ′，选出请求集Δ′中引起负载最重的δ个请求集合，为Δ；

利用动态规划算法对Δ中的δ个请求进行重新部署。

7.一种计算机设备，其特征在于，所述设备包括：

一个或多个处理器；

存储器；以及

一个或多个程序，其中所述一个或多个程序被存储在所述存储器中，并且被配置为由所述一个或多个处理器执行，所述程序被处理器执行时实现如权利要求1-6中的任一项所述方法的步骤。

Images