CN111800352B - 基于负载均衡的服务功能链部署方法和存储介质 - Google Patents

基于负载均衡的服务功能链部署方法和存储介质 Download PDF

Info

Publication number
CN111800352B
CN111800352B CN202010623492.5A CN202010623492A CN111800352B CN 111800352 B CN111800352 B CN 111800352B CN 202010623492 A CN202010623492 A CN 202010623492A CN 111800352 B CN111800352 B CN 111800352B
Authority
CN
China
Prior art keywords
service
load balancing
deployed
flow
preset
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
Application number
CN202010623492.5A
Other languages
English (en)
Other versions
CN111800352A (zh
Inventor
刘晶
徐雷
毋涛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China United Network Communications Group Co Ltd
Original Assignee
China United Network Communications Group Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China United Network Communications Group Co Ltd filed Critical China United Network Communications Group Co Ltd
Priority to CN202010623492.5A priority Critical patent/CN111800352B/zh
Publication of CN111800352A publication Critical patent/CN111800352A/zh
Application granted granted Critical
Publication of CN111800352B publication Critical patent/CN111800352B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • H04L47/10—Flow control; Congestion control
    • H04L47/24—Traffic characterised by specific attributes, e.g. priority or QoS
    • H04L47/2441—Traffic characterised by specific attributes, e.g. priority or QoS relying on flow classification, e.g. using integrated services [IntServ]
    • 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
    • H04L41/0893—Assignment of logical groups to 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
    • H04L41/0896—Bandwidth or capacity management, i.e. automatically increasing or decreasing capacities
    • 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
    • H04L41/50—Network service management, e.g. ensuring proper service fulfilment according to agreements
    • H04L41/5041—Network service management, e.g. ensuring proper service fulfilment according to agreements characterised by the time relationship between creation and deployment of a service
    • H04L41/5051—Service on demand, e.g. definition and deployment of services in real time
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L47/00—Traffic control in data switching networks
    • H04L47/10—Flow control; Congestion control
    • H04L47/12—Avoiding congestion; Recovering from congestion
    • H04L47/125—Avoiding congestion; Recovering from congestion by balancing the load, e.g. traffic engineering
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L47/00—Traffic control in data switching networks
    • H04L47/10—Flow control; Congestion control
    • H04L47/24—Traffic characterised by specific attributes, e.g. priority or QoS
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/51—Discovery or management thereof, e.g. service location protocol [SLP] or web services

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明提供一种基于负载均衡的服务功能链部署方法，包括：接收业务链部署请求，所述业务链部署请求中包括待部署业务的业务流特征信息；基于所述业务流特征信息，按预设的业务流分类规则对所述待部署业务的业务流进行分类，以得到业务流分类信息；基于预设算法模型和所述业务流分类信息进行部署计算，以得到所述待部署业务的服务功能链的部署结果。本发明涉及通信技术领域。

Description

基于负载均衡的服务功能链部署方法和存储介质
技术领域
本发明涉及通信技术领域，具体涉及一种基于负载均衡的服务功能链部署方法和存储介质。
背景技术
SFC(Service Fuction Chaining，服务功能链)技术是通过将虚拟化的网络服务功能(VNF，virturl Network Feature)进行连接，从而在整个分布式的网络环境中构建起完整的端到端网络服务，进而为网络服务商更新现有运营模式提供了一个灵活且经济的代替方案。在由SFC实现业务时，网络功能出现过载或故障都会导致业务的失败。当多种业务流同时通过一个网络功能(NF，Network Feature)处理时，随着业务流量不断增加导致该NF资源不足以同时承载这些业务，业务之间发生资源冲突。将该NF迁移至新的位置重新实例化会导致业务时延增加从而影响业务QoS，或者根据策略该NF只向其中一种业务提供令其满足的资源，导致另一种业务失败。因此SFC之间的负载均衡是实现业务的重要指标。解决SFC之间的负载均衡是亟待解决的一个技术问题。
然而现有的对SFC的研究大多数是对单个SFC部署研究，即连接网络功能的单路径组成，如果这条路径上的任意一个网络功能节点、转发节点或一段链路出现故障或过载，将导致整条SFC失败，需要重新分配链接和配置NF资源，从而降低业务的服务质量。并且在业务的部署过程中需要同时考虑网络中其他业务链的在带宽、计算等资源的影响。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一，提出了一种面向边缘计算的服务功能链部署方法和装置，用以解决现有技术中存在的服务功能链之间的负载不均衡的问题。
第一方面，本发明提供一种基于负载均衡的服务功能链部署方法，包括：
接收业务链部署请求，所述业务链部署请求中包括待部署业务的业务流特征信息；
基于所述业务流特征信息，按预设的业务流分类规则对所述待部署业务的业务流进行分类，以得到业务流分类信息；
基于预设算法模犁和所述业务流分类信息进行部署计算，以得到所述待部署业务的服务功能链的部署结果。
优选的，所述业务流特征信息包括：所述待部署业务所需带宽和所述待部署业务所需计算资源值。
优选的，所述业务流分类信息的种类包括计算密集型大象流、计算稀疏型大象流、计算密集型老鼠流和计算稀疏型老鼠流；
所述基于所述业务流特征信息，按预设的业务流分类规则对所述待部署业务的业务流进行分类，以得到业务流分类信息的步骤具体包括：
响应于判断出所述待部署业务所需带宽大于预设带宽阈值且所述待部署业务所需计算资源值大于预设计算资源值阈值时，确定所述待部署业务的业务流分类信息为计算密集型大象流；
响应于判断出所述待部署业务所需带宽大于预设带宽阈值且所述待部署业务所需计算资源值小于预设计算资源值阈值时，确定所述待部署业务的业务流分类信息为计算稀疏型大象流；
响应于判断出所述待部署业务所需带宽小于预设带宽阈值且所述待部署业务所需计算资源值大于预设计算资源值阈值时，确定所述待部署业务的业务流分类信息为计算密集型老鼠流；
响应于判断出所述待部署业务所需带宽小于预设带宽阈值且所述待部署业务所需计算资源值小于预设计算资源值阈值时，确定所述待部署业务的业务流分类信息为计算稀疏型老鼠流。
优选的，所述基于预设算法模型和所述业务流分类信息进行部署计算，以得到所述待部署业务的服务功能链的部署结果的步骤具体包括：
基于所述业务流分类信息从预设负载均衡指标中选择出目标负载均衡指标；
基于所述目标负载均衡指标构造目标函数；
利用预设算法使所述目标函数最小化，以得到部署结果。
优选的，所述预设负载均衡指标包括：网络负载均衡指标、边缘服务器负载均衡指标和交换节点负载均衡指标；
其中，所述网络负载均衡指标的定义为：
Figure BDA0002562598400000031
其中，LBIn表示网络负载均衡指标，
Figure BDA0002562598400000032
表示当前的链路流量负载，
Figure BDA0002562598400000033
表示所述待部署业务所需带宽，μ表示预设带宽阈值；
所述边缘服务器负载均衡指标的定义为：
Figure BDA0002562598400000034
其中，LBIc表示边缘服务器负载均衡指标，
Figure BDA0002562598400000035
表示节点nck当前的计算负载，
Figure BDA0002562598400000036
表示所述待部署业务所需计算资源值，ω为预设计算资源值阈值，Nc表示边缘服务器节点的数量；
所述交换节点负载均衡指标的定义为：
Figure BDA0002562598400000037
其中，LBIs表示交换节点负载均衡指标，
Figure BDA0002562598400000038
表示节点nsk当前的流量负载，Ns表示交换节点的数量。
优选的，所述基于所述业务流分类信息从预设负载均衡指标中选择出目标负载均衡指标的步骤具体包括：
响应于判断出所述业务流分类信息为计算密集型大象流，所述目标负载均衡指标选择为网络负载均衡指标和边缘服务器负载均衡指标；
响应于判断出所述业务流分类信息为计算稀疏型大象流，所述目标负载均衡指标选择为网络负载均衡指标；
响应于判断出所述业务流分类信息为计算密集型老鼠流，所述目标负载均衡指标选择为边缘服务器负载均衡指标和交换节点负载均衡指标；
响应于判断出所述业务流分类信息为计算稀疏型老鼠流，所述H标负载均衡指标选择为交换节点负载均衡指标。
优选的，所述目标函数定义为：
Figure BDA0002562598400000041
Figure BDA0002562598400000042
Figure BDA0002562598400000043
Figure BDA0002562598400000044
Figure BDA0002562598400000045
Figure BDA0002562598400000046
Figure BDA0002562598400000047
其中，二进制变量
Figure BDA0002562598400000048
表示业务链si的第m个虚拟网络功能的第j个实例
Figure BDA0002562598400000049
是否部署在边缘计算服务器nck上；
Figure BDA00025625984000000410
表示业务网链si的从
Figure BDA00025625984000000411
到
Figure BDA00025625984000000412
的两个顺序相邻的虚拟网络功能实例之间的计算量与数据流量的分配比例，非负整数变量
Figure BDA00025625984000000413
表示业务链si的第m个VNF的实例数量，|Fi|表示业务链si的长度，业务链si为所述待部署业务的业务链。
优选的，所述预设算法为基于贪婪-二分算法的多路径部署算法。
优选的，所述预设算法为基于K条最短路径算分的多路径部署算法。
第二方面，本发明提供一种存储介质，其用于计算机可读存储，其中，所述存储介质存储有一个或者多个第二程序，所述一个或者多个第二程序可被一个或者多个处理器执行，以实现本发明第一方而所提供的基于负载均衡的服务功能链部署方法。
本发明的有益技术效果：
本发明提供的基于负载均衡的服务功能链部署方法和存储介质，在对服务功能链进行部署时，基于待部署业务的业务流特征信息进行部署，从而充分考虑了不同业务流对服务功能链的负载均衡的影响，进而使部署得到的服务功能链更符合负载均衡需求。
附图说明
图1为本发明实施例一提供的一种基于负载均衡的服务功能链部署方法的流程图；
图2本发明实施例二提供的一种基于负载均衡的服务功能链部署方法的流程图；
具体实施方式
为使本领域的技术人员更好地理解本发明的技术方案，下面结合附图来对本发明提供的基于负载均衡的服务功能链部署方法和存储介质进行详细描述。
网络功能虚拟化技术(Network Functions Virtualization，简称NFV)旨在利用虚拟化技术，将网络节点阶层的功能，分割成几个功能区块，分别以软件方式实作，不再局限于硬件架构。虚拟网络功能(Virtual Network Functions，简称VNF)为布局在边缘服务器上的功能区块，其可以进行多个实例化，SFC(Service Fuction Chaining，服务功能链)通过按照一定的顺序遍历一定种类和数量的VNF实例而实现某种业务，SFC中的NF包括边缘服务器节点和交换节点。本发明提供的基于负载均衡的服务功能链部署方法即用于对SFC进行部署，以得到SFC中涉及的各网络功能(Network Functions，简称NF)的分布结果。
实施例一
本实施例提供一种基于负载均衡的服务功能链部署方法，其基于一种服务功能链部署装置实现，图1为本发明实施例一提供的一种基于负载均衡的服务功能链部署方法，如图1所示，该方法包括：
步骤S101、接收业务链部署请求，该业务链部署清求中包括待部署业务的业务流特征信息。
步骤S102、基于业务流特征信息，按预设的业务流分类规则对待部署业务的业务流进行分类，以得到业务流分类信息。
步骤S103、基于预设算法模型和业务流分类信息进行部署计算，以得到待部署业务的服务功能链的部署结果。
本发明提供的基于负载均衡的服务功能链部署方法，在对服务功能链进行部署时，基于待部署业务的业务流特征信息进行部署，从而充分考虑了不同业务流对服务功能链的负载均衡的影响，进而使部署得到的服务功能链更符合负载均衡需求。
实施例二
图2为本发明实施例二提供的一种基于负载均衡的服务功能链部署方法，如图2所示，该方法包括：
步骤S201、接收业务链部署请求，该业务链部署请求中包括待部署业务的业务流特征信息。
本实施例中，业务流特征信息主要包括：待部署业务所需带宽利待部署业务所需计算资源值。
步骤S202、判断待部署业务所需带宽与预设带宽阈值的关系，以及待部署业务所需计算资源值与预设计算资源值阈值的关系，确定出待部署业务的业务流分类信息。
本实施例中，预先设置有预设带宽阈值和预设计算资源值阈值，该两个阈值用于区分不同带宽和计算资源的影响。
具体的，本实施例中，通过结合对带宽和计算资源进行判断，可将业务流分类信息分为四类，包括：计算密集型大象流、计算稀疏型大象流、计算密集型老鼠流和计算稀疏型老鼠流；其中，大象流和老鼠流基于带宽进行划分，大象流的流量大而数量少，老鼠流则是数量多但流量小，大象流对链路带宽影响较大，而对交换节点的交换资源影响较小，而老鼠流则是对交换节点的交换资源影响较大，对链路带宽的影响可被忽略；业务流的属于计算密集型或属于计算稀疏型的判断是基于计算资源进行划分的，计算密集型业务流影响计算资源，而计算稀疏型业务流则可忽略其对计算资源的影响。
具体的，在步骤S202中，当判断出待部署业务所需带宽大于预设带宽阈值且待部署业务所需计算资源值大于预设计算资源值阈值时，则确定出待部署业务的业务流分类信息为计算密集型大象流；当判断出待部署业务所需带宽大于预设带宽阈值且待部署业务所需计算资源值小于预设计算资源值阈值时，则确定待部署业务的业务流分类信息为计算稀疏型大象流；当判断出待部署业务所需带宽小于预设带宽阈值且待部署业务所需计算资源值大于预设计算资源值阈值时，确定待部署业务的业务流分类信息为计算密集型老鼠流；当判断出待部署业务所需带宽小于预设带宽阈值且待部署业务所需计算资源值小于预设计算资源值阈值时，则确定出待部署业务的业务流分类信息为计算稀疏型老鼠流。
步骤S203、基于业务流分类信息从预设负载均衡指标中选择出目标负载均衡指标。
本发明中，在对SFC进行部署时，预先进行系统建模，系统模型具体包括：网络模型、业务模型和负载均衡模型。
网络模型的构建过程如下：
令无向图G＝{N，E}表示物理网络，N表示网络中的节点，包括边缘计算服务器Nc和交换节点Ns，用k索引。用
Figure BDA0002562598400000071
表示边缘计算服务器nck的计算能力，
Figure BDA0002562598400000072
表示nck当前的计算负载；用
Figure BDA0002562598400000073
表示交换节点nsk的交换端口容量(例如OpenFlow交换机的流表容量)，
Figure BDA0002562598400000074
表示nsk当前的流量负载。用E表示网络中的链路，包括光链路Eo和无线链路Ew，用l索引。用Bl＝Bol∪Bwl分别表示光链路eol和无线链路ewl的带宽，
Figure BDA0002562598400000075
表示eol的链路流量负载，
Figure BDA0002562598400000076
表示ewl的链路流量负载。
令无向图
Figure BDA0002562598400000077
表示满足业务链Si需求的虚拟网络，
Figure BDA0002562598400000078
表示部署Fi所需的虚拟节点集合，
Figure BDA0002562598400000079
表示业务链请求Si的流从入口Oi经过所有特定顺序的VNF实例到达出口Ti的虚拟链路集合。
Figure BDA00025625984000000710
嵌入满足要求的物理网络G上，
Figure BDA00025625984000000711
映射到物理节点，包括边缘计算服务器和连接这些边缘计算服务器的交换节点，并且一种类型的VNF可以同时具有多个部署在不同边缘计算服务器的实例；
Figure BDA0002562598400000081
映射到物理网络中的路径可以连接所有的物理节点，连接入口节点到出口节点的路径可以是多路径。
业务模型的构建过程如下：
针对每一条SFC，业务链的流根据导向策略，按照特定顺序流经一系列的VNF。其中每个VNF可以有多个实例，一条业务链可以经过同一个VNF的多个实例，多实例之间的路由可以是多路径转发。具体的，本发明中，令S表示业务链请求，用i，1≤i≤N索引，Si表示网络中的第i个业务链请求。每个业务链请求Si包括一个入口节点(ingress node)Oi和一个出口节点(egress node)Ti，一系列的VNF的顺序，以及业务所需的计算量
Figure BDA0002562598400000082
业务流所需的带宽
Figure BDA0002562598400000083
业务链Si需要通过m种VNF类型，用Fi＝{f1，f2，...，fm}表示，|Fi|表示Si的长度，用j表示同一种类型的VNF同时存在的实例数量，则
Figure BDA0002562598400000084
表示Si所经过的第m种VNF的第j个实例。用
Figure BDA0002562598400000085
表示从承载VNF实例
Figure BDA0002562598400000086
到
Figure BDA0002562598400000087
的边缘计算服务器之间的最短距离，用跳数表示。其中，一种VNF的多个实例部署在不同的边缘计算服务器上，每个VNF实例只能由一个边缘计算服务器承载，一个边缘计算服务器可以承载多个不同的VNF，如果VNF的计算能力足够大，可以处理不同的业务链请求。
负载均衡模型的建立过程如下：
本发明中，设立三种负载均衡指标，包括：网络负载均衡指标、边缘服务器负载均衡指标和交换节点负载均衡指标。表示为：LBI＝{LBIn，LBIc，LBIs}，其中，LBIn表示网络负载均衡指标，LBIc表示边缘服务器负载均衡指标，LBIs表示交换节点负载均衡指标，它们分别指示在部署SFC过程中网络、边缘计算服务器和交换节点负载均衡的程度。
其中，网络负载均衡指标的具体定义为：
Figure BDA0002562598400000088
即，本发明中，网络负载均衡指标定义为网络中链路的最大负载与所有链路负载和即将到来的Si消耗带宽的平均负载的比，每条链路上LBIn的取值范围在[1，+∞)之间是均匀的，链路上最大负载与平均负载比值越大，则链路的负载均衡指标就越大，该链路就越不均衡，如果链路上的平均负载接近零，则LBIn增长得非常快。因此，如果链路的LBIn很高，则该链路不在路径选择的范围内。其中，μ表示预设带宽阈值。
边缘服务器负载均衡指标的具体定义为：
Figure BDA0002562598400000091
本发明中，边缘服务器负载均衡指标定义为所有边缘计算服务器中最大的负载与网络中所有边缘计算服务器负载和到来的Si请求的计算资源的平均负载的比。其中，LBIc表示边缘服务器负载均衡指标，
Figure BDA0002562598400000092
表示节点nck当前的计算负载，
Figure BDA0002562598400000093
表示所述待部署业务所需计算资源值，ω为预设计算资源值阈值，|Nc|表示边缘服务器节点的数量。
交换节点负载均衡指标的具体定义为：
Figure BDA0002562598400000094
其中，LBIs表示交换节点负载均衡指标，
Figure BDA0002562598400000095
表示节点nsk当前的流量负载，Ns表示交换节点的数量。
具体的，在步骤S203中，基于业务流分类信息从预设负载均衡指标中选择出目标负载均衡指标的步骤具体包括：
当判断出业务流分类信息为计算密集型大象流，目标负载均衡指标选择为网络负载均衡指标、边缘服务器负载均衡指标；当判断出所述业务流分类信息为计算稀疏型大象流，目标负载均衡指标选择为网络负载均衡指标；当判断出业务流分类信息为计算密集型老鼠流，H标负载均衡指标选择为边缘服务器负载均衡指标和交换节点负载均衡指标；当判断出业务流分类信息为计算稀疏型老鼠流，目标负载均衡指标选择为交换节点负载均衡指标。
步骤S204、基于目标负载均衡指标构造目标函数。
本发明中，在定义部署过程时，令二进制变量
Figure BDA0002562598400000101
表示业务链Si的第m个VNF的第j个实例
Figure BDA0002562598400000102
是否部署在边缘计算服务器nck上；令非负整数变量
Figure BDA0002562598400000103
表示业务链Si的第m个VNF的实例数量；令
Figure BDA0002562598400000104
表示业务链Si的从到
Figure BDA0002562598400000105
到
Figure BDA0002562598400000106
两个顺序相邻的VNF实例之间的计算量与数据流量的分配比例。
通过定义目标函数，并使目标函数最小化米使边缘计算服务器、网络链路带宽和交换设备的负载均衡最小化。
本实施例中，目标函数的可定义为：
Figure BDA0002562598400000107
Figure BDA0002562598400000108
Figure BDA0002562598400000109
Figure BDA00025625984000001010
Figure BDA00025625984000001011
Figure BDA00025625984000001012
Figure BDA00025625984000001013
其中，二进制变量
Figure BDA00025625984000001014
表示业务链si的第m个虚拟网络功能的第j个实例
Figure BDA00025625984000001015
是否部署在边缘计算服务器nck上；
Figure BDA00025625984000001016
表示业务网链si的从
Figure BDA00025625984000001017
到
Figure BDA00025625984000001018
的两个顺序相邻的虚拟网络功能实例之间的计算量与数据流量的分配比例，非负整数变量
Figure BDA00025625984000001019
表示业务链si的第m个VNF的实例数量，|Fi|表示业务链si的长度，业务链si为所述待部署业务的业务链。
通过使目标函数最小化而得到部署请求si需历经的VNF实例的位置、数量以及SFC流的路径。
需要说明的是，在步骤S204中，不同待部署业务的目标函数中所包含的负载均衡指标LBIn、LBIc和LBIs不一定相同，具体根据待部署业务的业务流分类信息确定，即，如上所述，当待部署业务的业务流分类信息为计算密集型大象流，目标函数中包含的负载均衡指标为LBIn和LBIc；当业务流分类信息为计算稀疏型大象流，目标函数中包含的负载均衡指标为LBIn；当待部署业务的业务流分类信息为计算密集型老鼠流，目标函数中包含的负载均衡指标为LBIc和LBIs；当待部署业务的业务流分类信息为计算稀疏型老鼠流，目标函数中包含的负载均衡指标为LBIs。
步骤S205、利用预设算法使目标函数最小化，以得到部署结果。
本发明中，在使目标函数最小化时，可基于本领域现有技术中的经典算法实现，当然也可基于设计的优化算法实现。
本实施例提供两种优化算法以实现目标函数的最小化。
作为其中一种优化算法，本发明采用基于贪婪-二分算法的多路径部署算法。
具体的，一条业务链由一个入口节点和一个出口节点组成该业务链路径的源和目的节点，分别用ns和nd表示。在这两个节点之间我们采用多路径的方法选择VNF的部署数量和位置。
首先将ns作为起点，存储在前一跳节点数组(prev nodes)。对业务链si中的每一种部署VNF的边缘计算服务器，在物理网络图上以步长为1跳在直径范围内搜索与前一跳节点数组(prev nodes)相邻的边缘计算服务器，将这些节点存为下一跳节点数组(nextnodes)；然后应用贪婪算法列举所有prev到next节点之间的可能的多路径集合；去除不符合资源限制要求的节点和链路；然后将每一种prev到next节点之间的业务流分配问题建模为线性规划问题，用单纯形算法求出最小的负载均衡指标LBI，然后选出每一个prev节点到next节点的最小负载均衡指标LBI，将其记作第m个VNF的部署方案。最后再选出VNF的实例到出口节点的路径。该算法利用贪婪算法选出所有可能的情况，再在各分支上用局部最优求解流量分配问题，以接近全局最优。本算法中将两种VNF实例之间的流量分配问题看作最小成本问题，将负载均衡指标看作链路成本。本实施例中，贪婪-二分算法已是现有技术中的成熟算法，本发明将其应用于SFC部署过程中的多路径选择问题中，因而具体贪婪-二分算法的过程，本实施例不再赘述。
作为另一种优化算法，本发明采用基于K条最短路径算法的多路径部署算法。
具体的，将边缘计算服务器的负载均衡、链路带宽负载均衡和交换节点的负载均衡看作部署VNF实例时的路径成本。从每对相邻的两个VNF实例之间选择k条成本最小的路径进行部署。执行时，首先需要计算链路、交换节点和边缘计算服务器的负载均衡指标。基于指标和VNF请求的顺序，在网络中搜索候选计算节点，并选择数据流经过的交换节点和链路，其中从入口节点到出口节点的每条路径以及链路方向满足预定义的顺序。最后，基于k-最短路径算法获得具有SFC请求的流的路由路径。
在部署业务链si的第m个VNF实例
Figure BDA0002562598400000121
时，将第(m-1)个VNF的所有实例
Figure BDA0002562598400000122
到下一跳节点nk两个节点之间的链路和节点nk的负载均衡指标之和看作路径成本。当部署第一个VNFf1 i之前，我们定义起始节点为ns，然后调用KSP算法按照从小到大的路径成本顺序依次找出1到K条路径集合和对应路径的成本集合，在这过程中，如果可以找到的最大路径数量等于K，则停止寻找，如果网络中的所有节点或链路的资源不能满足si的需求，则业务请求失败。需要说明的是，KSP算法为已为现有技术中的经典算法，因而算法的具体实现过程，本实施例不再赘述。
本发明还提供一种存储介质，其用于计算机可读存储，其中，所述存储介质存储有一个或者多个第二程序，所述一个或者多个第二程序可被一个或者多个处理器执行，以实现本发明上述实施例所提供的基于负载均衡的服务功能链部署方法。
可以理解的是，以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式，然而本发明并不局限于此。对于本领域内的普通技术人员而言，在不脱离本发明的精神和实质的情况下，可以做出各种变犁和改进，这些变犁和改进也视为本发明的保护范围。

Claims (9)

1.一种基于负载均衡的服务功能链部署方法，其特征在于，包括：
接收业务链部署请求，所述业务链部署请求中包括待部署业务的业务流特征信息；
基于所述业务流特征信息，按预设的业务流分类规则对所述待部署业务的业务流进行分类，以得到业务流分类信息；
基于预设算法模型和所述业务流分类信息进行部署计算，以得到所述待部署业务的服务功能链的部署结果；
其中，所述基于预设算法模型和所述业务流分类信息进行部署计算，以得到所述待部署业务的服务功能链的部署结果的步骤具体包括：
基于所述业务流分类信息从预设负载均衡指标中选择出目标负载均衡指标；
基于所述目标负载均衡指标构造目标函数；
利用预设算法使所述目标函数最小化，以得到部署结果。
2.根据权利要求1所述的方法，其特征在于，所述业务流特征信息包括：所述待部署业务所需带宽和所述待部署业务所需计算资源值。
3.根据权利要求2所述的方法，其特征在于，所述业务流分类信息的种类包括计算密集型大象流、计算稀疏型大象流、计算密集型老鼠流和计算稀疏型老鼠流；
所述基于所述业务流特征信息，按预设的业务流分类规则对所述待部署业务的业务流进行分类，以得到业务流分类信息的步骤具体包括：
响应于判断出所述待部署业务所需带宽大于预设带宽阈值且所述待部署业务所需计算资源值大于预设计算资源值阈值时，确定所述待部署业务的业务流分类信息为计算密集型大象流；
响应于判断出所述待部署业务所需带宽大于预设带宽阈值且所述待部署业务所需计算资源值小于预设计算资源值阈值时，确定所述待部署业务的业务流分类信息为计算稀疏型大象流；
响应于判断出所述待部署业务所需带宽小于预设带宽阈值且所述待部署业务所需计算资源值大于预设计算资源值阈值时，确定所述待部署业务的业务流分类信息为计算密集型老鼠流；
响应于判断出所述待部署业务所需带宽小于预设带宽阈值且所述待部署业务所需计算资源值小于预设计算资源值阈值时，确定所述待部署业务的业务流分类信息为计算稀疏型老鼠流。
4.根据权利要求3所述的方法，其特征在于，所述预设负载均衡指标包括：网络负载均衡指标、边缘服务器负载均衡指标和交换节点负载均衡指标；
其中，所述网络负载均衡指标的定义为：
Figure FDA0003920753290000021
其中，LBIn表示网络负载均衡指标，Wl bw表示当前的链路流量负载，
Figure FDA0003920753290000022
表示所述待部署业务所需带宽，μ表示预设带宽阈值；
所述边缘服务器负载均衡指标的定义为：
Figure FDA0003920753290000023
其中，LBIc表示边缘服务器负载均衡指标，
Figure FDA0003920753290000024
表示节点nck当前的计算负载，
Figure FDA0003920753290000025
表示所述待部署业务所需计算资源值，ω为预设计算资源值阈值，Nc表示边缘服务器节点的数量；
所述交换节点负载均衡指标的定义为：
Figure FDA0003920753290000026
其中，LBIs表示交换节点负载均衡指标，
Figure FDA0003920753290000027
表示节点nsk当前的流量负载，Ns表示交换节点的数量。
5.根据权利要求4所述的方法，其特征在于，所述基于所述业务流分类信息从预设负载均衡指标中选择出目标负载均衡指标的步骤具体包括：
响应于判断出所述业务流分类信息为计算密集型大象流，所述目标负载均衡指标选择为网络负载均衡指标和边缘服务器负载均衡指标；
响应于判断出所述业务流分类信息为计算稀疏型大象流，所述目标负载均衡指标选择为网络负载均衡指标；
响应于判断出所述业务流分类信息为计算密集型老鼠流，所述目标负载均衡指标选择为边缘服务器负载均衡指标和交换节点负载均衡指标；
响应于判断出所述业务流分类信息为计算稀疏型老鼠流，所述目标负载均衡指标选择为交换节点负载均衡指标。
6.根据权利要求4所述的方法，其特征在于，所述目标函数定义为：
Figure FDA0003920753290000031
Figure FDA0003920753290000032
Figure FDA0003920753290000033
Figure FDA0003920753290000034
Figure FDA0003920753290000035
Figure FDA0003920753290000036
Figure FDA0003920753290000037
其中，二进制变量
Figure FDA0003920753290000038
表示业务链si的第m个虚拟网络功能的第j个实例
Figure FDA0003920753290000039
是否部署在边缘计算服务器nck上；
Figure FDA00039207532900000310
表示业务网链si的从
Figure FDA00039207532900000311
到
Figure FDA00039207532900000312
的两个顺序相邻的虚拟网络功能实例之间的计算量与数据流量的分配比例，非负整数变量
Figure FDA00039207532900000313
表示业务链si的第m个VNF的实例数量，|Fi|表示业务链si的长度，业务链si为所述待部署业务的业务链。
7.根据权利要求3所述的方法，其特征在于，所述预设算法为基于贪婪-二分算法的多路径部署算法。
8.根据权利要求3所述的方法，其特征在于，所述预设算法为基于K条最短路径算法的多路径部署算法。
9.一种存储介质，其用于计算机可读存储，其特征在于，所述存储介质存储有一个或者多个第二程序，所述一个或者多个第二程序可被一个或者多个处理器执行，以实现如权利要求1-8任一所述的基于负载均衡的服务功能链部署方法。
CN202010623492.5A 2020-06-30 2020-06-30 基于负载均衡的服务功能链部署方法和存储介质 Active CN111800352B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010623492.5A CN111800352B (zh) 2020-06-30 2020-06-30 基于负载均衡的服务功能链部署方法和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010623492.5A CN111800352B (zh) 2020-06-30 2020-06-30 基于负载均衡的服务功能链部署方法和存储介质

Publications (2)

Publication Number Publication Date
CN111800352A CN111800352A (zh) 2020-10-20
CN111800352B true CN111800352B (zh) 2023-02-17

Family

ID=72811103

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010623492.5A Active CN111800352B (zh) 2020-06-30 2020-06-30 基于负载均衡的服务功能链部署方法和存储介质

Country Status (1)

Country Link
CN (1) CN111800352B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113691840A (zh) * 2021-08-31 2021-11-23 江苏赞奇科技股份有限公司 一种具有高可用率的视频流控制方法及系统
CN114172817A (zh) * 2021-10-18 2022-03-11 中标慧安信息技术股份有限公司 一种边缘计算的虚拟网络功能部署方法与系统
CN116489099B (zh) * 2023-04-19 2023-12-05 北京志凌海纳科技有限公司 一种基于流分类的自适应负载均衡调度方法和系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104283806A (zh) * 2014-10-31 2015-01-14 杭州华三通信技术有限公司 业务链处理方法和设备
CN108259367A (zh) * 2018-01-11 2018-07-06 重庆邮电大学 一种基于软件定义网络的服务感知的流策略定制方法
CN109842528A (zh) * 2019-03-19 2019-06-04 西安交通大学 一种基于sdn和nfv的服务功能链的部署方法
CN110290077A (zh) * 2019-06-18 2019-09-27 西安交通大学 一种基于实时业务配置的工业sdn资源分配方法
CN110730138A (zh) * 2019-10-21 2020-01-24 中国科学院空间应用工程与技术中心 天基云雾计算架构的动态资源配置方法、系统和存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190140863A1 (en) * 2017-11-06 2019-05-09 Cisco Technology, Inc. Dataplane signaled bidirectional/symmetric service chain instantiation for efficient load balancing

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104283806A (zh) * 2014-10-31 2015-01-14 杭州华三通信技术有限公司 业务链处理方法和设备
CN108259367A (zh) * 2018-01-11 2018-07-06 重庆邮电大学 一种基于软件定义网络的服务感知的流策略定制方法
CN109842528A (zh) * 2019-03-19 2019-06-04 西安交通大学 一种基于sdn和nfv的服务功能链的部署方法
CN110290077A (zh) * 2019-06-18 2019-09-27 西安交通大学 一种基于实时业务配置的工业sdn资源分配方法
CN110730138A (zh) * 2019-10-21 2020-01-24 中国科学院空间应用工程与技术中心 天基云雾计算架构的动态资源配置方法、系统和存储介质

Also Published As

Publication number Publication date
CN111800352A (zh) 2020-10-20

Similar Documents

Publication Publication Date Title
CN111800352B (zh) 基于负载均衡的服务功能链部署方法和存储介质
CN109194577B (zh) 一种基于部分部署的分段路由网络的流量工程方法及装置
Quang et al. Multi-domain non-cooperative VNF-FG embedding: A deep reinforcement learning approach
US6363319B1 (en) Constraint-based route selection using biased cost
US9680665B2 (en) Apparatus and method for dynamic hybrid routing in SDN networks to avoid congestion and balance loads under changing traffic load
CN108076158B (zh) 基于朴素贝叶斯分类器的最小负载路由选择方法及系统
CN107454019B (zh) 软件定义网络动态带宽分配方法、装置、设备及存储介质
TWI445361B (zh) 網路伺服器及其平均負載的路由方法
CN109639575A (zh) 基于链路拥塞系数的路由规划方法
CN109412963B (zh) 一种基于流拆分的服务功能链部署方法
CN110851235B (zh) 一种适用于多维资源优化配置的虚拟网络功能部署方法
CN114650249A (zh) 算法模型及路径的确定方法、电子设备、sdn控制器和介质
US20180324082A1 (en) Weight setting using inverse optimization
JP2019514309A (ja) 通信ネットワークサービスの接続性のためのシステム及び方法
CN116390164A (zh) 一种低轨卫星网络可信负载均衡路由方法、系统、设备及介质
Yaghoubpour et al. End-to-end delay guaranteed Service Function Chain deployment: A multi-level mapping approach
JPWO2018029913A1 (ja) リソース割当装置及びリソース割当方法
Aboelela et al. Fuzzy multiobjective routing model in B-ISDN
US20160028618A1 (en) Method of communicating information over a network and a system for communicating information over a network
CN107689916B (zh) 一种在软件定义网络中获取完全风险共享链路组分离路径对的方法及系统
Pham et al. Multi-domain non-cooperative VNF-FG embedding: A deep reinforcement learning approach
JP2017028548A (ja) 物理リソース割当装置、物理リソース割当方法、及びプログラム
CN113259440B (zh) 一种基于负载均衡的虚拟网络功能动态部署方法及系统
CN112653623B (zh) 一种面向继电保护业务的路由分配方法及装置
Koryachko et al. Multipath adaptive routing in computer networks with load balancing

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