CN112737854B - 一种基于能耗和服务质量的服务链迁移方法及装置 - Google Patents
一种基于能耗和服务质量的服务链迁移方法及装置 Download PDFInfo
- Publication number
- CN112737854B CN112737854B CN202011627202.0A CN202011627202A CN112737854B CN 112737854 B CN112737854 B CN 112737854B CN 202011627202 A CN202011627202 A CN 202011627202A CN 112737854 B CN112737854 B CN 112737854B
- Authority
- CN
- China
- Prior art keywords
- service
- migration
- representing
- cost
- energy consumption
- 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
Links
- 238000005265 energy consumption Methods 0.000 title claims abstract description 84
- 238000000034 method Methods 0.000 title claims abstract description 53
- 230000022261 cerebral cortex tangential migration using cell-cell interactions Effects 0.000 title claims abstract description 33
- 238000010516 chain-walking reaction Methods 0.000 title claims abstract description 33
- 238000013508 migration Methods 0.000 claims abstract description 144
- 230000005012 migration Effects 0.000 claims abstract description 144
- 238000005457 optimization Methods 0.000 claims abstract description 57
- 230000000737 periodic effect Effects 0.000 claims abstract description 9
- 230000006870 function Effects 0.000 claims description 72
- 238000012545 processing Methods 0.000 claims description 33
- 238000003860 storage Methods 0.000 claims description 33
- 238000004891 communication Methods 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 abstract description 15
- 238000003066 decision tree Methods 0.000 description 13
- 238000013507 mapping Methods 0.000 description 9
- 230000008859 change Effects 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 6
- 230000009471 action Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000008713 feedback mechanism Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 108010003272 Hyaluronate lyase Proteins 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000001771 impaired effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
Images
Classifications
-
- 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
- H04L41/14—Network analysis or design
- H04L41/142—Network analysis or design using statistical or mathematical methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
- G06F9/45533—Hypervisors; Virtual machine monitors
- G06F9/45558—Hypervisor-specific management and integration aspects
-
- 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
- H04L41/14—Network analysis or design
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
-
- 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
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
- G06F9/45533—Hypervisors; Virtual machine monitors
- G06F9/45558—Hypervisor-specific management and integration aspects
- G06F2009/4557—Distribution of virtual machine instances; Migration and load balancing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
- G06F9/45533—Hypervisors; Virtual machine monitors
- G06F9/45558—Hypervisor-specific management and integration aspects
- G06F2009/45595—Network integration; Enabling network access in virtual machine instances
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Mathematical Physics (AREA)
- Mathematical Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明实施例提供了一种基于能耗和服务质量的服务链迁移方法及装置,方法包括:确定目标服务功能链及待迁移VNF,其中,目标服务功能链包含多个服务请求,每一服务请求由多个特定顺序的VNF组成;以目标服务功能链的资源需求、服务质量需求、网络中各服务器节点的资源容量限制为约束,根据预先构建的迁移成本优化模型,计算最小化迁移成本的服务迁移策略,所述服务迁移策略包含待迁移VNF的目标服务器节点,其中,迁移成本优化模型是基于服务迁移的能耗成本、服务质量损失、以及周期性流量模式构建的。实现对NVF迁移过程中的能耗和QoS损失进行均衡优化,以减小迁移成本。
Description
技术领域
本发明涉及物联网技术领域,特别是涉及一种基于能耗和服务质量的服务链迁移方法及装置。
背景技术
物联网(Internet of Things,IoT)作为一种新兴技术,能够促进物理世界和数字世界之间的交互。物联网设备,例如相机、温度传感器、热传感器、光传感器等,可以从现实世界的生产环境中收集大量数据。物联网服务将参考这些数据基础,为广大用户提供快速,灵活和可定制的网络服务。
物联网服务提供商通常借助虚拟化技术,以将功能和硬件资源分离,将功能以安装在通用硬件上的软件实现,从而灵活,快速地提供服务。通常,虚拟化的设备对象位于核心网络中或中央层附近。近年来,已经有人提出了可以使功能虚拟化的IoT设备架构以及基于docker的轻量级虚拟化功能架构,它可以将虚拟化范围扩展到网络终端。在虚拟化环境中,服务被视为由特定顺序虚拟网络功能(Virtual Network Function,VNF)组成的服务功能链(Service Function Chain,SFC),通过将服务链映射到物理网络可以提供服务。
初始映射的服务功能链在运行的过程中可能会发生状态的变化,对服务链的部分VNF进行迁移,以合并VNF、减少服务器的使用数量能够降低能耗开销,但VNF的迁移可能会导致相关功能处理的数据丢失,从而降低服务质量(Quality of Service,QoS),因此需要实施合适的迁移策略,在能耗的优化和服务质量的损失间取得平衡,以减少服务链迁移的成本开销。
发明内容
本发明实施例的目的在于提供一种面向能耗和服务质量的服务链迁移方法及装置,以实现对NVF迁移过程中的能耗和QoS损失进行均衡优化,以减小迁移成本。
具体技术方案如下:
为实现上述目的,本发明实施例提供了一种基于能耗和服务质量的服务链迁移方法,所述方法包括:
确定目标服务功能链及待迁移虚拟网络功能VNF,其中,所述目标服务功能链包含多个服务请求,每一服务请求由多个特定顺序的VNF组成;
以所述目标服务功能链的资源需求、服务质量需求、网络中各服务器节点的资源容量限制为约束,根据预先构建的迁移成本优化模型,计算最小化迁移成本的服务迁移策略,所述服务迁移策略包含所述待迁移VNF的目标服务器节点,其中,迁移成本优化模型是基于服务迁移的能耗成本、服务质量损失、以及周期性流量模式构建的。
可选的,所述迁移成本优化模型为:
CEQ=wene·Cenergy+wlo·Proloss
wene=wcri-|n-(1+N)/2|·wINT
其中,N表示流量周期长度,n表示流量状态阶段,CEQ,nmodN表示流量状态阶段为n时迁移的总成本开销,Cenergy表示能耗成本,Proloss表示服务质量损失,wene表示能耗成本权重,wlo表示服务质量损失权重,wcri表示基本权重,wINT表示针对流量状态的矫正权重。
可选的,基于如下公式计算所述能耗成本:
其中,E表示每消耗单位功率的成本,Δt表示选中迁移的VNF导致停机的时间,wn表示节点负载状态对能源消耗影响比重,uv(t)表示服务器节点在时间t的利用率,Pv(t)表示服务器节点功率,V表示物理节点集合,Fv是二进制变量,其值为1表示服务器节点处于使用状态,其值为0表示服务器节点处于非使用状态,wp表示处理资源使用率,wm表示存储资源使用率,S表示目标服务功能链,si表示第i个服务请求,fm表示第m个VNF,为二进制变量,当/>表示si包含的fm部署在服务器节点v上,/>表示服务请求si包含的fm的处理能力需求,/>表示服务请求si包含的fm的存储能力需求,/>表示服务器节点的处理能力,表示服务器节点的存储能力,/>表示预设第一处理资源使用率,/>表示预设第一存储资源使用率,/>表示针对处理资源的矫正比例,/>表示针对存储资源的矫正比例;/>
可选的,基于如下公式计算所述服务质量损失:
可选的,所述方法还包括:
基于蒙特卡罗树搜索策略对所述迁移成本优化模型进行求解,得到所述最小化迁移成本的服务迁移策略。
为实现上述目的,本发明实施例还提供了一种基于能耗和服务质量的服务链迁移装置,所述装置包括:
确定模块,用于确定目标服务功能链及待迁移虚拟网络功能VNF,其中,所述目标服务功能链包含多个服务请求,每一服务请求由多个特定顺序的VNF组成;
优化模块,用于以所述目标服务功能链的资源需求、服务质量需求、网络中各服务器节点的资源容量限制为约束,根据预先构建的迁移成本优化模型,计算最小化迁移成本的服务迁移策略,所述服务迁移策略包含所述待迁移VNF的目标服务器节点,其中,迁移成本优化模型是基于服务迁移的能耗成本、服务质量损失、以及周期性流量模式构建的。
可选的,所述迁移成本优化模型为:
CEQ=wene·Cenergy+wlo·Proloss
wene=wcri-|n-(1+N)/2|·wINT
其中,N表示流量周期长度,n表示流量状态阶段,CEQ,nmodN表示流量状态阶段为n时迁移的总成本开销,Cenergy表示能耗成本,Proloss表示服务质量损失,wene表示能耗成本权重,wlo表示服务质量损失权重,wcri表示基本权重,wINT表示针对流量状态的矫正权重。
可选的,所述装置还包括计算模块,计算模块具体用于,基于如下公式计算所述能耗成本:
其中,E表示每消耗单位功率的成本,Δt表示选中迁移的VNF导致停机的时间,wn表示节点负载状态对能源消耗影响比重,uv(t)表示服务器节点在时间t的利用率,Pv(t)表示服务器节点功率,V表示物理节点集合,Fv是二进制变量,其值为1表示服务器节点处于使用状态,其值为0表示服务器节点处于非使用状态,wp表示处理资源使用率,wm表示存储资源使用率,S表示目标服务功能链,si表示第i个服务请求,fm表示第m个VNF,为二进制变量,当/>表示si包含的fm部署在服务器节点v上,/>表示服务请求si包含的fm的处理能力需求,/>表示服务请求si包含的fm的存储能力需求,/>表示服务器节点的处理能力,表示服务器节点的存储能力,/>表示预设第一处理资源使用率,/>表示预设第一存储资源使用率,/>表示针对处理资源的矫正比例,/>表示针对存储资源的矫正比例;
所述计算模块,还用于基于如下公式计算所述服务质量损失:
可选的,所述装置还包括求解模块,求解模块用于:
基于蒙特卡罗树搜索策略对所述迁移成本优化模型进行求解,得到所述最小化迁移成本的服务迁移策略。
为了实现上述目的,本发明实施例还提供了一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现上述任一方法步骤。
为了实现上述目的,本发明实施例还提供了一种计算机可读存储介质,计算机可读存储介质内存储有计算机程序,计算机程序被处理器执行时实现上述任一方法步骤。
采用本发明实施例提供的基于能耗和服务质量的服务链迁移方法及装置,确定目标服务功能链及待迁移VNF,目标服务功能链包含多个服务请求,每一服务请求由多个特定顺序的VNF组成;以所述目标服务功能链的资源需求、服务质量需求、网络中各服务器节点的资源容量限制为约束,根据预先构建的迁移成本优化模型,计算最小化迁移成本的服务迁移策略,服务迁移策略包含待迁移VNF的目标服务器节点。可见,以最小化服务链迁移后的映射成本为优化目标,以服务链请求的资源需求、QoS需求和网络的资源容量限制为基本的约束条件,建立了一种基于能耗和QoS的NFV服务链迁移的成本优化模型,该模型的目标函数综合考虑了迁移过程中的能耗和服务质量的损失。并且根据网络中流量的周期性变化,动态的调整成本函数中能耗和服务质量损失的权重,实现两种因素的均衡优化,降低总迁移成本。
当然,实施本发明的任一产品或方法并不一定需要同时达到以上的所有优点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的基于能耗和服务质量的服务链迁移方法的一种流程示意图;
图2为本发明实施例提供的基于能耗和服务质量的服务链迁移装置的一种结构示意图;
图3为本发明实施例提供的电子设备的一种结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
为了在满足服务链的基本资源需求和QoS需求的前提下,对NVF迁移过程中的能耗和QoS损失进行均衡优化,以减小迁移成本,本发明实施例提供了一种基于能耗和服务质量的服务链迁移方法及装置。
为了便于理解,先对本发明实施例的应用场景进行简要介绍。
在虚拟化环境中,服务被视为由特定顺序VNF组成的服务功能链,通过将服务功能链映射到物理网络可以提供服务。初始映射的服务功能链在运行的过程中可能会发生状态的变化,对服务链的部分VNF进行迁移,以合并VNF、减少服务器的使用数量能够降低能耗开销,但VNF的迁移可能会导致相关功能处理的数据丢失,从而降低服务质量QoS,导致收入的损失,因此需要实施合适的迁移策略,在能耗的优化和服务质量的损失间取得平衡,以减少服务链迁移的成本开销。
参见图1,图1为本发明实施例提供的基于能耗和服务质量的服务链迁移方法的一种流程示意图,方法包括以下步骤:
S101:确定目标服务功能链及待迁移VNF,其中,目标服务功能链包含多个服务请求,每一服务请求由多个特定顺序的VNF组成。
本发明实施例中,可以用加权无向图G(V,L)来表示网络拓扑。V表示物理节点集合,包括接入节点集Vaccess和服务器节点集Vserver,每个服务器节点具有一定的处理能力和存储能力/>支持的VNF类型的集合为Vn={f1,…fk}。用uv表示服务器节点的资源利用率、/>表示服务器节点空闲时的功率、Pv表示服务器节点工作时的功率。L表示物理链路的集合,每一条链路(v1,v2)∈L具有一定的带宽能力/>
本发明实施例中,服务功能链S包括多个服务请求,用S=(s1,s2,...,sS)表示,其中|S|表示服务请求的总数,每个服务请求Si都有一定的带宽需求时延要求/>和可靠性要求/>由一定类型、顺序的VNF集合/>组成,每个VNF节点fm都具有一定的处理能力需求/>和存储能力需求/>
服务请求Si部署方案的VNF转发图用Gvi(Vvi,Lvi)表示,Vvi和Lvi分别表示部署方案选择的节点和链路的集合,二进制变量为1表示Si上的VNFfm部署在服务器节点v上,则代表fm的迁移方案。
本步骤中,可以确定目标服务功能链及待迁移VNF。
S102:以目标服务功能链的资源需求、服务质量需求、网络中各服务器节点的资源容量限制为约束,根据预先构建的迁移成本优化模型,计算最小化迁移成本的服务迁移策略,服务迁移策略包含待迁移VNF的目标服务器节点,其中,迁移成本优化模型是基于服务迁移的能耗成本、服务质量损失、以及周期性流量模式构建的。
本发明实施例中,为了对NVF迁移过程中的能耗和QoS损失进行均衡优化,最小化迁移成本,可以构建迁移成本优化模型。下面对迁移成本优化模型进行详细介绍。
本发明实施例中,发明人经过大量研究发现,在物联网场景中,流量模式呈现出一种明显的周期性,
因此,为辅助迁移方案的指定,本发明实施例定义了一种周期性流量模型来描述流量模式。具体的,使用N表示周期的长度,Δn表示周期内流量模式变化的时间间隔,基于此时间间隔,定义流量状态阶段n,其值介于[0,N)之间,此阶段流量状态记为Tn。
举例来讲,周期长度N可以为24小时,流量模式变化间隔为1小时,流量状态被分为24个,即n=(0,1,2,...,23),其中,n=0表示网络流量最大的模式T0。
本发明实施例中,由于VNF迁移能够降低能耗,但同时会造成服务质量降低,为了平衡这两个重要因素,迁移成本优化模型的目标函数设置为:
其中,CEQ,nmodN表示流量状态阶段为n时迁移的总成本开销,包括能耗成本与服务质量损失,其中Cenergy表示能耗成本,Proloss表示服务质量损失,wene表示能耗成本权重,wlo表示服务质量损失权重,二者约束条件可以为wene+wlo=1。
本发明实施例中,能耗成本权重和服务质量损失权重的值与流量周期阶段相关。当在第n个阶段时,能耗成本权重如下:
wene=wcri-|n-(1+N)/2|·wINT
wcri为基本权重,wINT为针对流量状态的矫正权重,两者均为常数,可根据不同的网络环境定制,例如将wcri置为0.5,wINT置为0.05。
可见,当流量状态为0,即峰值流量时段,为均衡负载并避免频繁的服务器资源整合,服务质量损失的权重较大,以减弱能耗成本对迁移策略的影响。相应的,当流量状态为(1+N)/2,即闲时流量时段,为有效整合资源和降低能耗,可以增大能耗成本权重。
下面对能耗成本的计算进行说明。
本发明实施例中,设服务器的功率与服务器的资源利用率呈线性关系,则时间t时服务器节点v的工作功率为:
上式中,uv(t)表示服务器节点在时间t的利用率,其计算公式如下:
其中,wp表示处理资源使用率,wm表示存储资源使用率,二者满足条件wp+wm=1。
本发明实施例中,定义处理资源使用率和存储资源使用率旨在通过均衡多种资源的使用,来有效衡量服务器的利用率。
因此不同资源的权值需要区别设置,以有利于多种资源的均衡。如果某种资源的利用率高于其他资源,则会削弱其他资源利用率在指标中的体现。
举例来讲,如果某资源实际远小于其他资源,而利用率远大于其他资源,则该资源的利用率不能较好的体现该资源在服务器中的实际利用率。因此,可以将资源利用率权值定义为当前资源利用率的反比例函数,并通过资源占比矫正权值,具体公式如下:
本发明实施例中,由于服务器负载过大时对服务器有负面影响,故将电能的消耗构建为二次多项式形式,令服务器在时间Δt内的成本消耗为:
其中,wn为节点负载状态对能源消耗影响的比重,Δt为选中迁移的VNF导致停机的时间,参数β设置为0.05。Pv(t)表示服务器节点功率,Fv是二进制变量,其值为1表示服务器节点处于使用状态,其值为0表示服务器节点处于非使用状态。
下面对服务质量损失的计算进行说明。
本发明实施例中,迁移过程可能会造成一定的服务质量损失,因为VNF的迁移会造成一段该功能的停机时间,若在服务的时延允许范围内不能完成迁移,则会使服务质量降低,服务质量降低的损失为:
下面对VNF迁移过程中所要遵循的约束条件进行说明。
VNF在部署时需要遵循节点的资源的容量限制,对应的约束条件为:
同样,虚拟链路在映射时也需要遵循链路的带宽容量的限制,对应的约束条件为:
VNF在迁移时需遵循服务功能链请求的带宽需求的约束,对应的约束条件为:
VNF在迁移时也需要遵循满足QoS的需求,每个服务链的映射的流的时延不得超过请求的最大容忍时延,对应的约束条件为:
VNF迁移时的服务链的可靠性也需满足请求的可靠性要求:对应的约束条件为:
本发明实施例中,对上述迁移成本优化模型进行求解,即可得到最优的服务迁移策略,包括待迁移VNF所要迁移的目标服务器节点。
采用本发明实施例提供的基于能耗和服务质量的服务链迁移方法,确定目标服务功能链及待迁移VNF,目标服务功能链包含多个服务请求,每一服务请求由多个特定顺序的VNF组成;以目标服务功能链的资源需求、服务质量需求、网络中各服务器节点的资源容量限制为约束,根据预先构建的迁移成本优化模型,计算最小化迁移成本的服务迁移策略,服务迁移策略包含待迁移VNF的目标服务器节点。可见,以最小化服务链迁移后的映射成本为优化目标,以服务链请求的资源需求、QoS需求和网络的资源容量限制为基本的约束条件,建立了一种基于能耗和QoS的NFV服务链迁移的成本优化模型,该模型的目标函数综合考虑了迁移过程中的能耗和服务质量的损失。并且根据网络中流量的周期性变化,动态的调整成本函数中能耗和服务质量损失的权重,实现两种因素的均衡优化,降低总迁移成本。
在本发明的一种实施例中,可以基于迁移成本优化模型,通过穷举映射方案的方式,确定最小化迁移成本的服务迁移策略。
为了提高计算效率,可以基于蒙特卡罗树搜索策略对最优化问题模型进行求解。其中,蒙特卡罗策略的主要优势在于其快速构建树,并能够根据搜索结果生成反馈机制,将生成树用状态标记,使得下一次扩展搜索时有迹可循。
基于蒙特卡罗树搜索策略,本发明实施例还提供了一种含有反馈机制的能耗与服务质量感知的VNF迁移求解算法。
具体的,通过逐渐构建决策树并在最终迭代次数达到最大值时停止构建,进而在最终的决策树中选择最优解并输出。在该算法中,决策树中的每一个节点vi的状态值有:扩展过程中经过节点vi的次数节点vi的在扩展过程中该点对应的迁移方案的成本值从父节点v至孩子节点vi的在考虑时延约束时的失败先验概率/>
具体步骤可以为:
(1)初始化决策树:将待迁移的VNF映射至其对应服务器节点,并将该服务器节点视为决策树的根节点。
(2)基于节点重要度的因子UCT与时延策略进行树扩展。
本步骤中,从根节点开始,本算法将优先选择符合UCT要求,其次符合时延约束的的子节点作为扩展节点,以增大决策树的规模。在选择子节点的时候,实现选择成本最低的节点与扩展还没有被完全探索的节点之间的平衡,使得决策树的搜索能在避免局部最优的情况下选出能耗最低的节点。同时,通过加入时延判断因素并对时延判断结果成功与否进行先验概率计算,算法能够趋向于选择整体时延满足要求的节点,提高了最终决策树中符合约束条件的方案所占的比值。
具体的,算法为每个树中每个节点vi∈V定义了表示节点重要度的因子UCT,其定义如下:
其中,上式中第一项表示探索因子,与节点vi的平均成本成反比,其值越大表示该节点的分支被选中的几率越大。上式中第二项/>表示扩展因子,节点vi的访问次数越少,则从节点v扩展至节点vi的不满足时延要求的失败概率越小,其值越大。/>
此外,为计算考虑时延影响下映射方案失败的先验概率,定义了没有考虑时延时的UCT因子:
(3)运行阶段:选定扩展节点vi后,将基于此节点生成一条决策树的分支。该分支叶节点可能会产生如下的四种情况:1、能到达可迁移的服务器,迁移方案可行;2、扩展至某一可迁移的服务器,但预期时延超过了服务链请求的最大容忍时延;3、扩展至某一不可迁移得服务器,且该节点剩余的处理能力或该节点与上一节点间的链路的剩余处理能力小于待迁移VNF所需的处理能力;4、扩展至本次扩展已经经过的某一个节点。后三种情况代表的迁移方案都不可行,在分支扩展过程中遇到了后三种情况中的任一种都视为到达了叶节点。
以节省能耗为目标选择vi的孩子节点。在模型中已经证明能耗与服务器的资源利用率具有非线性关系。因此,在孩子候选集c∈candidate(vi)中,选择的孩子节点应满足:
为了在有限的迭代次数内更多的搜索较优解,设计服务器连接禁忌表,该表的数据来源是上述后3种情况的终止服务器位置,数据格式为连接方向为/>表示服务器vk与一系列服务器的连接不可用。在设定的禁用长度内,针对不同来源的禁忌服务器连接集,使用不同的解禁规则。情况2和4中的禁忌服务器连接在禁用长度为0时才会被解禁。情况3中的服务器连接在禁用长度为0或资源被释放时会立即被解禁。若所有可能的备选服务器连接都被禁用,则特赦一组服务器vk,vk为任意与/>连接的服务器,与UCT评价值最大的服务器/>的连接。通过上述禁忌解禁操作,能够增加可行解的搜索范围,增大了决策树选出较优分支的概率。
(5)选取最优解:当未达到迭代次数或规定迭代时间时,循环执行步骤(2)-(4),否则跳出循环,此时已生成决策树。在最终决策树中选择方案成本值最小的叶节点,此时根节点至所选择的节点的路径即为VNF的迁移路径。
可见,本发明实施例中,可以基于蒙特卡罗树搜索策略对服务链迁移的成本优化问题进行求解,提高了求解效率,能够在较短时间内得到最小化迁移成本的服务迁移策略。
相应于本发明实施例提供的基于能耗和服务质量的服务链迁移方法实施例,本发明实施例提供了一种基于能耗和服务质量的服务链迁移装置,参见图2,可以包括如下模块:
确定模块201,用于确定目标服务功能链及待迁移虚拟网络功能VNF,其中,目标服务功能链包含多个服务请求,每一服务请求由多个特定顺序的VNF组成;
优化模块202,用于以目标服务功能链的资源需求、服务质量需求、网络中各服务器节点的资源容量限制为约束,根据预先构建的迁移成本优化模型,计算最小化迁移成本的服务迁移策略,服务迁移策略包含待迁移VNF的目标服务器节点,其中,迁移成本优化模型是基于服务迁移的能耗成本、服务质量损失、以及周期性流量模式构建的。
在本发明的一种实施例中,迁移成本优化模型为:
CEQ=wene·Cenergy+wlo·Proloss
wene=wcri-|n-(1+N)/2|·wINT
其中,N表示流量周期长度,n表示流量状态阶段,CEQ,nmodN表示流量状态阶段为n时迁移的总成本开销,Cenergy表示能耗成本,Proloss表示服务质量损失,wene表示能耗成本权重,wlo表示服务质量损失权重,wcri表示基本权重,wINT表示针对流量状态的矫正权重。
在本发明的一种实施例中,在图2所示装置基础上,还可以包括计算模块,计算模块具体用于,基于如下公式计算能耗成本:
其中,E表示每消耗单位功率的成本,Δt表示选中迁移的VNF导致停机的时间,wn表示节点负载状态对能源消耗影响比重,uv(t)表示服务器节点在时间t的利用率,Pv(t)表示服务器节点功率,V表示物理节点集合,Fv是二进制变量,其值为1表示服务器节点处于使用状态,其值为0表示服务器节点处于非使用状态,wp表示处理资源使用率,wm表示存储资源使用率,S表示目标服务功能链,si表示第i个服务请求,fm表示第m个VNF,为二进制变量,当/>表示si包含的fm部署在服务器节点v上,/>表示服务请求si包含的fm的处理能力需求,/>表示服务请求si包含的fm的存储能力需求,/>表示服务器节点的处理能力,表示服务器节点的存储能力,/>表示预设第一处理资源使用率,/>表示预设第一存储资源使用率,/>表示针对处理资源的矫正比例,/>表示针对存储资源的矫正比例;
在本发明的一种实施例中,计算模块,还用于基于如下公式计算服务质量损失:
在本发明的一种实施例中,在图2所示装置基础上,还可以包括求解模块,求解模块,用于:
基于蒙特卡罗树搜索策略对迁移成本优化模型进行求解,得到最小化迁移成本的服务迁移策略。
采用本发明实施例提供的基于能耗和服务质量的服务链迁移装置,确定目标服务功能链及待迁移VNF,目标服务功能链包含多个服务请求,每一服务请求由多个特定顺序的VNF组成;以目标服务功能链的资源需求、服务质量需求、网络中各服务器节点的资源容量限制为约束,根据预先构建的迁移成本优化模型,计算最小化迁移成本的服务迁移策略,服务迁移策略包含待迁移VNF的目标服务器节点。可见,以最小化服务链迁移后的映射成本为优化目标,以服务链请求的资源需求、QoS需求和网络的资源容量限制为基本的约束条件,建立了一种基于能耗和QoS的NFV服务链迁移的成本优化模型,该模型的目标函数综合考虑了迁移过程中的能耗和服务质量的损失。并且根据网络中流量的周期性变化,动态的调整成本函数中能耗和服务质量损失的权重,实现两种因素的均衡优化,降低总迁移成本。
相应于本发明实施例提供的基于能耗和服务质量的服务链迁移方法实施例,本发明实施例还提供了一种电子设备,如图3所示,包括处理器301、通信接口302、存储器303和通信总线304,其中,处理器301,通信接口302,存储器303通过通信总线304完成相互间的通信,
存储器303,用于存放计算机程序;
处理器301,用于执行存储器303上所存放的程序时,实现如下步骤:
确定目标服务功能链及待迁移虚拟网络功能VNF,其中,所述目标服务功能链包含多个服务请求,每一服务请求由多个特定顺序的VNF组成;
以目标服务功能链的资源需求、服务质量需求、网络中各服务器节点的资源容量限制为约束,根据预先构建的迁移成本优化模型,计算最小化迁移成本的服务迁移策略,服务迁移策略包含所述待迁移VNF的目标服务器节点,其中,迁移成本优化模型是基于服务迁移的能耗成本、服务质量损失、以及周期性流量模式构建的。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect,PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory,RAM),也可以包括非易失性存储器(Non-Volatile Memory,NVM),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital SignalProcessing,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
采用本发明实施例提供的电子设备,确定目标服务功能链及待迁移VNF,目标服务功能链包含多个服务请求,每一服务请求由多个特定顺序的VNF组成;以目标服务功能链的资源需求、服务质量需求、网络中各服务器节点的资源容量限制为约束,根据预先构建的迁移成本优化模型,计算最小化迁移成本的服务迁移策略,服务迁移策略包含待迁移VNF的目标服务器节点。可见,以最小化服务链迁移后的映射成本为优化目标,以服务链请求的资源需求、QoS需求和网络的资源容量限制为基本的约束条件,建立了一种基于能耗和QoS的NFV服务链迁移的成本优化模型,该模型的目标函数综合考虑了迁移过程中的能耗和服务质量的损失。并且根据网络中流量的周期性变化,动态的调整成本函数中能耗和服务质量损失的权重,实现两种因素的均衡优化,降低总迁移成本。
本发明实施例还提供了一种计算机可读存储介质,计算机可读存储介质内存储有计算机程序,计算机程序被处理器执行时实现上述任一方法步骤。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于基于能耗和服务质量的服务链迁移装置、电子设备和计算机可读存储介质实施例,由于其基本相似于基于能耗和服务质量的服务链迁移方法实施例,所以描述的比较简单,相关之处参见基于能耗和服务质量的服务链迁移方法实施例的部分说明即可。
以上仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (8)
1.一种基于能耗和服务质量的服务链迁移方法,其特征在于,所述方法包括:
确定目标服务功能链及待迁移虚拟网络功能VNF,其中,所述目标服务功能链包含多个服务请求,每一服务请求由多个特定顺序的VNF组成;
以所述目标服务功能链的资源需求、服务质量需求、网络中各服务器节点的资源容量限制为约束,根据预先构建的迁移成本优化模型,计算最小化迁移成本的服务迁移策略,所述服务迁移策略包含所述待迁移VNF的目标服务器节点,其中,迁移成本优化模型是基于服务迁移的能耗成本、服务质量损失、以及周期性流量模式构建的;
所述迁移成本优化模型为:
CEQ=wene·Cenergy+wlo·Proloss
wene=wcri-|n-(1+N)/2|·wINT
其中,N表示流量周期长度,n表示流量状态阶段,CEQ,nmodN表示流量状态阶段为n时迁移的总成本开销,Cenergy表示能耗成本,Proloss表示服务质量损失,wene表示能耗成本权重,wlo表示服务质量损失权重,wcri表示基本权重,wINT表示针对流量状态的矫正权重。
2.根据权利要求1所述的方法,其特征在于,基于如下公式计算所述能耗成本:
其中,E表示每消耗单位功率的成本,Δt表示选中迁移的VNF导致停机的时间,wn表示节点负载状态对能源消耗影响比重,uv(t)表示服务器节点在时间t的利用率,Pv(t)表示服务器节点功率,V表示物理节点集合,Fv是二进制变量,其值为1表示服务器节点处于使用状态,其值为0表示服务器节点处于非使用状态,β表示预设系数,wp表示处理资源使用率,wm表示存储资源使用率,S表示目标服务功能链,si表示第i个服务请求,fm表示第m个VNF,为二进制变量,当/>表示si包含的fm部署在服务器节点v上,/>表示服务请求si包含的fm的处理能力需求,/>表示服务请求si包含的fm的存储能力需求,/>表示服务器节点的处理能力,/>表示服务器节点的存储能力,/>表示预设第一处理资源使用率,/>表示预设第一存储资源使用率,/>表示针对处理资源的矫正比例,/>表示针对存储资源的矫正比例。
4.根据权利要求1-3任一项所述的方法,其特征在于,所述方法还包括:
基于蒙特卡罗树搜索策略对所述迁移成本优化模型进行求解,得到所述最小化迁移成本的服务迁移策略。
5.一种基于能耗和服务质量的服务链迁移装置,其特征在于,所述装置包括:
确定模块,用于确定目标服务功能链及待迁移虚拟网络功能VNF,其中,所述目标服务功能链包含多个服务请求,每一服务请求由多个特定顺序的VNF组成;
优化模块,用于以所述目标服务功能链的资源需求、服务质量需求、网络中各服务器节点的资源容量限制为约束,根据预先构建的迁移成本优化模型,计算最小化迁移成本的服务迁移策略,所述服务迁移策略包含所述待迁移VNF的目标服务器节点,其中,迁移成本优化模型是基于服务迁移的能耗成本、服务质量损失、以及周期性流量模式构建的;
所述迁移成本优化模型为:
CEQ=wene·Cenergy+wlo·Proloss
wene=wcri-|n-(1+N)/2|·wINT
其中,N表示流量周期长度,n表示流量状态阶段,CEQ,nmodN表示流量状态阶段为n时迁移的总成本开销,Cenergy表示能耗成本,Proloss表示服务质量损失,wene表示能耗成本权重,wlo表示服务质量损失权重,wcri表示基本权重,wINT表示针对流量状态的矫正权重。
6.根据权利要求5所述的装置,其特征在于,所述装置还包括计算模块,计算模块具体用于,基于如下公式计算所述能耗成本:
其中,E表示每消耗单位功率的成本,Δt表示选中迁移的VNF导致停机的时间,wn表示节点负载状态对能源消耗影响比重,uv(t)表示服务器节点在时间t的利用率,Pv(t)表示服务器节点功率,V表示物理节点集合,Fv是二进制变量,其值为1表示服务器节点处于使用状态,其值为0表示服务器节点处于非使用状态,wp表示处理资源使用率,wm表示存储资源使用率,S表示目标服务功能链,si表示第i个服务请求,fm表示第m个VNF,为二进制变量,当表示si包含的fm部署在服务器节点v上,/>表示服务请求si包含的fm的处理能力需求,/>表示服务请求si包含的fm的存储能力需求,/>表示服务器节点的处理能力,/>表示服务器节点的存储能力,/>表示预设第一处理资源使用率,/>表示预设第一存储资源使用率,/>表示针对处理资源的矫正比例,/>表示针对存储资源的矫正比例;
所述计算模块,还用于基于如下公式计算所述服务质量损失:
7.根据权利要求5-6任一项所述的装置,其特征在于,所述装置还包括求解模块,求解模块用于:
基于蒙特卡罗树搜索策略对所述迁移成本优化模型进行求解,得到所述最小化迁移成本的服务迁移策略。
8.一种电子设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现权利要求1-4任一所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011627202.0A CN112737854B (zh) | 2020-12-30 | 2020-12-30 | 一种基于能耗和服务质量的服务链迁移方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011627202.0A CN112737854B (zh) | 2020-12-30 | 2020-12-30 | 一种基于能耗和服务质量的服务链迁移方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112737854A CN112737854A (zh) | 2021-04-30 |
CN112737854B true CN112737854B (zh) | 2023-06-09 |
Family
ID=75608054
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011627202.0A Active CN112737854B (zh) | 2020-12-30 | 2020-12-30 | 一种基于能耗和服务质量的服务链迁移方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112737854B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113452788B (zh) * | 2021-06-29 | 2022-04-26 | 中国地质大学(北京) | 一种动态网络中基于服务迁移的适配优化方法 |
CN114448810A (zh) * | 2021-12-24 | 2022-05-06 | 天翼云科技有限公司 | 带宽牵引方法、装置及电子设备 |
CN115086175B (zh) * | 2022-04-26 | 2023-06-30 | 北京邮电大学 | 资源优化的方法及装置 |
CN115086323A (zh) * | 2022-06-15 | 2022-09-20 | 之江实验室 | 一种云网络服务协调系统及方法 |
CN115314394B (zh) * | 2022-06-30 | 2023-06-20 | 国网河南省电力公司信息通信公司 | 一种面向智能电网的资源分配方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111130904A (zh) * | 2019-12-30 | 2020-05-08 | 重庆邮电大学 | 一种基于深度确定性策略梯度的虚拟网络功能迁移优化算法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8214829B2 (en) * | 2009-01-15 | 2012-07-03 | International Business Machines Corporation | Techniques for placing applications in heterogeneous virtualized systems while minimizing power and migration cost |
CN105975330B (zh) * | 2016-06-27 | 2019-06-18 | 华为技术有限公司 | 一种网络边缘计算的虚拟网络功能部署方法、装置和系统 |
WO2018000240A1 (en) * | 2016-06-29 | 2018-01-04 | Orange | Method and system for the optimisation of deployment of virtual network functions in a communications network that uses software defined networking |
CN109617811B (zh) * | 2019-01-29 | 2020-06-30 | 电子科技大学 | 一种云网络中移动应用的快速迁移方法 |
CN110275758B (zh) * | 2019-05-09 | 2022-09-30 | 重庆邮电大学 | 一种虚拟网络功能智能迁移方法 |
CN110505082B (zh) * | 2019-07-26 | 2023-04-21 | 国家电网有限公司 | 一种面向成本和QoS的NFV服务链映射方法 |
-
2020
- 2020-12-30 CN CN202011627202.0A patent/CN112737854B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111130904A (zh) * | 2019-12-30 | 2020-05-08 | 重庆邮电大学 | 一种基于深度确定性策略梯度的虚拟网络功能迁移优化算法 |
Also Published As
Publication number | Publication date |
---|---|
CN112737854A (zh) | 2021-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112737854B (zh) | 一种基于能耗和服务质量的服务链迁移方法及装置 | |
US11018979B2 (en) | System and method for network slicing for service-oriented networks | |
Zhou et al. | A modified PSO algorithm for task scheduling optimization in cloud computing | |
US10152349B1 (en) | Kernel scheduling based on precedence constraints and/or artificial intelligence techniques | |
CN109358971B (zh) | 动态网络环境中快速且负载均衡的服务功能链部署方法 | |
JP2015506526A5 (zh) | ||
GB2536608A (en) | Optimizing the topology of a network with variable traffic demands | |
Liu et al. | Workload forecasting based elastic resource management in edge cloud | |
CN113422812B (zh) | 一种服务链部署方法及装置 | |
EP4100888A1 (en) | Computational graph optimization | |
Ababneh | A hybrid approach based on grey wolf and whale optimization algorithms for solving cloud task scheduling problem | |
CN116680062A (zh) | 一种基于大数据集群的应用调度部署方法及存储介质 | |
Fan et al. | Energy management of renewable based power grids using artificial intelligence: Digital twin of renewables | |
US10474644B2 (en) | Systems and methods for optimizing selection of a replication data node in a distributed file system | |
Fan et al. | DRL-D: revenue-aware online service function chain deployment via deep reinforcement learning | |
Liu et al. | An approach to modeling and analyzing reliability for microservice-oriented cloud applications | |
CN108205706A (zh) | 人工神经网络反向训练装置和方法 | |
CN108965016B (zh) | 一种虚拟网络的映射方法及装置 | |
CN108306302B (zh) | 电压的控制方法、装置及存储介质 | |
Czachórski et al. | Analytical and numerical means to model transient states in computer networks | |
CN112601232A (zh) | 基于最小费用最大流的负载均衡的多服务迁移方法及系统 | |
CN107360210B (zh) | 云计算数据中心兼顾能耗与访问延迟的虚拟机分配方法 | |
Shukla et al. | Low latency and energy efficient sensor selection for IoT services | |
CN106155634A (zh) | 一种预测核间性能干扰的方法及装置 | |
Dai et al. | Cloud workflow scheduling algorithm based on multi-objective hybrid particle swarm optimisation |
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 |