CN112822050B - 用于部署网络切片的方法和装置 - Google Patents
用于部署网络切片的方法和装置 Download PDFInfo
- Publication number
- CN112822050B CN112822050B CN202110007538.5A CN202110007538A CN112822050B CN 112822050 B CN112822050 B CN 112822050B CN 202110007538 A CN202110007538 A CN 202110007538A CN 112822050 B CN112822050 B CN 112822050B
- Authority
- CN
- China
- Prior art keywords
- network
- network slice
- resources
- virtual network
- deploying
- 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
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
- H04L41/08—Configuration management of networks or network elements
- H04L41/0893—Assignment of logical groups to network elements
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/10—Flow control between communication endpoints
Abstract
本发明提供用于部署网络切片的方法和装置。所述方法包括:预测所述网络切片的流量需求;根据所述流量需求,确定所述网络切片所需的虚拟网络功能的数量以及针对所需的虚拟网络功能而消耗的资源;基于针对所需的虚拟网络功能而消耗的资源,将所需的虚拟网络功能部署在所述网络切片中的物理服务器上,并在满足所述网络切片的时延限制的情况下使得所需的虚拟网络功能在所述物理服务器上所占用的资源量小于所述物理服务器的可用资源量,并且使得部署在所述物理服务器之间的数据传输链路所承载的总带宽小于所述数据传输链路的剩余带宽。
Description
技术领域
本申请涉及通信领域,尤其涉及一种用于部署网络切片的方法和装置。
背景技术
通常,使用网络切片技术将网络运营商的物理网络切分成多个虚拟网络以适应不同的服务需求,因此,可通过时延、带宽、安全性、可靠性来划分不同的网络以满足不同场景下的用户需求。通过网络切片技术在一个独立的物理网络上切分出多个逻辑网络,可避免为每一个服务建设一个专用的物理网络,从而大幅度地节省了网络部署的成本。
在相关技术中,网络切片的内部部署算法对于降低网络运营商的成本和能耗以及为用户提供优质的网络性能也是至关重要。然而,现有的研究主要侧重于网络切片静态部署,因而忽略了网络运营商对网络切片的动态部署和扩展的需求,这会在一定程度上造成物理资源的浪费。
为此,迫切需要一种能够解决上述问题的动态地部署网络切片的方法和装置。
发明内容
本发明的目的在于提供用于部署网络切片的方法和装置。
根据本发明的一方面,提供一种用于部署网络切片的方法,所述方法包括:预测所述网络切片的流量需求;根据所述流量需求,确定所述网络切片所需的虚拟网络功能的数量以及针对所需的虚拟网络功能而消耗的资源;基于针对所需的虚拟网络功能而消耗的资源,将所需的虚拟网络功能部署在所述网络切片中的物理服务器上,并在满足所述网络切片的时延限制的情况下使得所需的虚拟网络功能在所述物理服务器上所占用的资源量小于所述物理服务器的可用资源量,并且使得部署在所述物理服务器之间的数据传输链路所承载的总带宽小于所述数据传输链路的剩余带宽。
优选地,所述预测所述网络切片的流量需求,包括:使用三次指数平滑算法来预测所述网络切片的流量需求。
优选地,所述方法还包括:在预测的流量需求的基础上预留冗余资源,以在所述网络切片的实际流量需求大于预测的流量需求的情况下具有足够的资源执行所述部署。
优选地,所述将所需的虚拟网络功能部署在所述网络切片中的物理服务器上,包括:使用基于模拟退火的离散粒子群算法将所需的虚拟网络功能部署在所述网络切片中的物理服务器上。
优选地,所述虚拟网络功能包括以下功能中的至少一种:移动管理功能;会话管理功能;认证服务器功能;用户平面功能;策略控制功能;以及网络切片选择功能。
优选地,所述针对所需的虚拟网络功能而消耗的资源包括以下资源中的至少一种:所述网络切片中的物理服务器的计算资源;所述网络切片中的物理服务器的存储资源;以及所述网络切片中的物理服务器的通信资源。
优选地,所述网络切片为5G网络中的部分网络。
根据本发明的另一方面,提供一种用于部署网络切片的装置,所述装置包括:流量预测单元,被配置为:预测所述网络切片的流量需求;资源确定单元,被配置为:根据所述流量需求,确定所述网络切片所需的虚拟网络功能的数量以及针对所需的虚拟网络功能而消耗的资源;资源部署单元,被配置为:基于针对所需的虚拟网络功能而消耗的资源,将所需的虚拟网络功能部署在所述网络切片中的物理服务器上,并在满足所述网络切片的时延限制的情况下使得所需的虚拟网络功能在所述物理服务器上所占用的资源量小于所述物理服务器的可用资源量,并且使得部署在所述物理服务器之间的数据传输链路所承载的总带宽小于所述数据传输链路的剩余带宽。
优选地,所述流量预测单元被进一步配置为:使用三次指数平滑算法来预测所述网络切片的流量需求。
优选地,所述装置还包括:冗余预留单元,被配置为:在预测的流量需求的基础上预留冗余资源,以在所述网络切片的实际流量需求大于预测的流量需求的情况下具有足够的资源执行所述部署。
优选地,所述资源部署单元被进一步配置为:使用基于模拟退火的离散粒子群算法将所需的虚拟网络功能部署在所述网络切片中的物理服务器上。
优选地,所述虚拟网络功能包括以下功能中的至少一种:移动管理功能;会话管理功能;认证服务器功能;用户平面功能;策略控制功能;以及网络切片选择功能。
优选地,所述针对所需的虚拟网络功能而消耗的资源包括以下资源中的至少一种:所述网络切片中的物理服务器的计算资源;所述网络切片中的物理服务器的存储资源;以及所述网络切片中的物理服务器的通信资源。
优选地,所述网络切片为5G网络中的部分网络。
据本发明的另一方面,提供一种存储有计算机程序的计算机可读存储介质,当所述计算机程序在被处理器执行时,实现如前面所述的用于部署网络切片的方法。
据本发明的另一方面,提供一种计算机设备,所述计算机设备包括:处理器;存储器,存储有计算机程序,当所述计算机程序被处理器执行时,实现如前面所述的用于部署网络切片的方法。
根据本发明的示例性实施例的用于部署网络切片的方法和装置不仅解决了网络切片的动态部署和路由的问题,而且还能满足网络切片的性能要求(诸如,延迟等),并降低网络运营商的成本和能耗。
附图说明
通过下面结合附图进行的描述,本发明的上述目的和特点将会变得更加清楚,其中:
图1示出了根据本发明的示例性实施例的用于部署网络切片的方法的流程图;
图2示出了根据本发明的示例性实施例的用于部署网络切片的装置的结构框图;以及
图3示出了根据本发明的示例性实施例的用于编排和管理物理网络中的各个网络切片的网络架构的示意图。
具体实施方式
本发明的构思在于:首先,预测网络切片的流量需求,以避免频繁地更改网络拓扑;采用虚拟网络功能(VNF)自适应扩展策略来确定网络切片所需的VNF以及针对所需的VNF而消耗的资源,以避免资源浪费;最后,使用VNF部署算法和链路路由算法来部署网络切片,以保证对网络切片的服务需求。这种方式具有高资源利用、低部署成本和低能耗等优点,并且使得网络切片的部署成本和能耗最小化。
以下,将参照附图来详细地说明本发明的实施例。
图1示出了根据本发明的示例性实施例的用于部署网络切片的方法的流程图100。
参照图1,图1所示的方法可包括如下步骤:
在步骤110,可预测网络切片的流量需求。
在示例中,网络切片可以是5G网络中的部分网络,也可以是其他(诸如,但不限于,6G等)网络中的部分网络,对此,本发明没有限制。在该步骤中,可使用诸如,但不限于,三次指数平滑(Holt-Winters,简称HW)算法来预测网络切片的流量需求。
在步骤120,可根据流量需求确定网络切片所需的VNF的数量以及针对所需的VNF而消耗的资源。
在示例中,VNF可包括,但不限于,移动管理功能(AMF)、会话管理功能(SMF)、认证服务器功能(AUSF)、用户平面功能(UPF)、策略控制功能(PCF)以及网络切片选择功能(NSSF)等中的一种或它们的组合。针对所需的VNF而消耗的资源可包括,但不限于,网络切片中的物理服务器的计算资源、网络切片中的物理服务器的存储资源以及网络切片中的物理服务器的通信资源等中的一种或它们的组合。在该步骤中,可使用诸如,但不限于,基于模拟退火(SA)的离散粒子群(DPSO)算法将所需的VNF部署在网络切片中的物理服务器上。
在步骤130,可基于针对所需的VNF而消耗的资源将所需的VNF部署在网络切片中的物理服务器上,并在满足网络切片的时延限制的情况下使得所需的VNF在物理服务器上所占用的资源量小于物理服务器的可用资源量,并且使得部署在物理服务器之间的数据传输链路所承载的总带宽小于数据传输链路的剩余带宽。
另外,在示例中,还可在步骤110中预测的流量需求的基础上预留冗余资源,以在网络切片的实际流量需求大于预测的流量需求的情况下具有足够的资源执行如前所述的部署。
图2示出了根据本发明的示例性实施例的用于部署网络切片的装置的结构框图200。
参照图2,图2所示的用于部署网络切片的装置可包括流量预测单元210、资源确定单元220和资源部署单元230,其中,流量预测单元210可被配置为预测网络切片的流量需求;资源确定单元220可被配置为根据流量需求确定网络切片所需的VNF的数量以及针对所需的VNF而消耗的资源;资源部署单元230可被配置为基于针对所需的VNF而消耗的资源将所需的VNF部署在网络切片中的物理服务器上,并在满足网络切片的时延限制的情况下使得所需的VNF在物理服务器上所占用的资源量小于物理服务器的可用资源量,并且使得部署在物理服务器之间的数据传输链路所承载的总带宽小于链路的剩余带宽。
在图2所示的用于部署网络切片的装置中,网络切片可以是5G网络中的部分网络,也可以是其他网络(诸如,6G等)中的部分网络,对此,本发明没有限制。VNF可包括,但不限于,移动管理功能(AMF)、会话管理功能(SMF)、认证服务器功能(AUSF)、用户平面功能(UPF)、策略控制功能(PCF)以及网络切片选择功能(NSSF)等中的一种或它们的组合。针对所需的VNF而消耗的资源可包括,但不限于,网络切片中的物理服务器的计算资源、网络切片中的物理服务器的存储资源以及网络切片中的物理服务器的通信资源等中的一种或它们的组合。
在示例中,流量预测单元210可被进一步配置为使用诸如,但不限于,三次指数平滑算法来预测网络切片的流量需求。资源部署单元230可被进一步配置为使用诸如,但不限于,基于模拟退火的离散粒子群算法将所需的VNF部署在网络切片中的物理服务器上。
另外,图2所示的用于部署网络切片的装置中还可进一步包括冗余预留单元(未示出),冗余预留单元可被配置为在预测的流量需求的基础上预留冗余资源,以在网络切片的实际流量需求大于预测的流量需求的情况下具有足够的资源执行部署。
图3示出了根据本发明的示例性实施例的用于编排和管理物理网络中的各个网络切片的网络架构的示意图300。
参照图3,图3所示的网络架构可包括五个部分,分别为通信服务管理功能(CSMF)310、网络切片描述器(NSD)320、网络切片管理功能(NSMF)330、网络切片子管理功能(NSSMF)340和云网络350。该网络架构可支持在ETSI NFV架构之上动态地编排和部署5G网络切片。
在图1所示的网络架构中,网络切片的部署和管理过程如下:第一步,由网络运营商使用北向接口(例如,但不限于,REST API等)将网络服务请求传输到CSMF 310;第二步,通过CSMF 310将网络服务请求转换为网络切片请求以使用NSD中的网络切片部署算法(如后面所述的主动在线算法)来确定网络切片的部署位置并将其传输至NSMF 330;第三步,通过NSMF 330将对网络切片的需求转化为对独立子网的需求;第四步,通过NSSMF 340协调和管理独立子网中的网络切片。网络中资源的分配可依赖于网络功能虚拟化管理和编排器(NFV-MANO)并且NFV-MANO可负责运行根据本发明示例性实施例的用于部署网络切片的方法,以便于确定各个网络切片中所需的VNF的数量及其最佳部署位置,使得网络运营商可从云网络350中分配资源来部署网络切片。这里,NFV-MANO可包括,但不限于,如图3所示的网络功能虚拟化编排(NFVO)、虚拟网络功能管理器(VNFM)和虚拟化基础架构管理器(VIM)等。
基于上述网络机构的系统模型可包括网络运营商、网络切片提供商和网络切片终端用户,其中,网络运营商可提供基础设施资源,诸如,但不限于,如图3所示的计算资源、存储资源和通信资源等。网络切片提供商可通过租用网络运营商提供的资源来构建网络切片,以便为终端用户提供所需的服务。网络切片提供商可跨多个网络运营商创建网络切片。在仅考虑单个网络运营商的情况下,网络运营商可被视作网络切片提供商。可使用无向图G(N,L,Rn,Bl)来表示网络运营商提供的物理资源,其中,N是物理服务器的集合,L为网络中的链路资源,Rn为物理服务器N的资源容量,Bl为链路L的剩余带宽。
网络切片可以是包括一个或更多个服务链的专用虚拟网络。每个服务链可包括一个或更多个VNF。VNF可通过消耗一定数量的物理服务器资源而被构建。可将同一类型的VNF部署在多个物理服务器上,也可将多种类型的VNF部署在一个物理服务器上。假定网络中存在M个网络切片,对于特定的网络切片m需要在多个时隙中为网络切片用户部署和运行F种网络切片,每个时隙的时间大约为几分钟或几秒钟。总的来说,在时隙t=[1,2,…,T]有Im个服务链需求到达。在时隙ti≤t≤ti+△ti,网络切片m的服务链i的流量速率可为流量率的需求可随着时间不断变化,网络切片中的服务链的流量率需求可使用如前所述的HW算法来进行预测。
下面,将详细地描述关于网络切片的流量需求的预测。
由于网络切片中的服务链的流量需求可随着时间而变化,因此网络切片所需的VNF的数量也随着时间而变化,假定初始时刻t=0时,网络切片先前所需的VNF已经被放置在物理服务器节点中。该时刻的网络切片的初始状态信息已知,网络切片m的服务链i中的类型为f∈F={1,2,…,F}的VNF所需的资源量可为在此,可采用自适应缩放策略来更新VNF,即,根据服务链的流量需求来确定网络切片中的VNF的数量以及针对VNF而消耗的资源量。因此,可将新创建的VNF调整到最适合的大小,以满足网络切片用户的需求。一旦VNF被创建,则网络切片无法即时地更改VNF的大小,而必须提前执行所述更改,以避免导致服务中断的系统重启。
在式(1)中,σ(f)为f型VNF的数据包的处理时间,Lp为流中数据包的长度,表示f型VNF在服务链i中使用(反之不在服务链i中使用)。在时隙t内,网络切片m新增的f型VNF的数量可通过下式(2)进行计算:
在式(2)中,表示网络切片m中单个f型VNF所需的最大资源量,并且可定义为VNF可处理的最大业务流量。具体地,网络切片中新增VNF的数量和对应所需的资源量可包含两种情况:(1)当t时刻新增所需资源量小于或等于时(即,当时,网络切片m需要新增1个VNF),VNF的容量可为容量可表示为(2)当t时刻新增所需资源量大于时(即,当时,网络切片需要新增κm,f(t)-1个容量为和一个容量为的f型VNF),容量可表示为综上所述,在t时刻网络切片m中所需的f型VNF的数量可通过下式(3)进行计算:
对于网络切片中服务链的数据流路由,一旦VNF被创建,则可将数据流的需求划分给多个VNF,并在节点的下一跳VNF处聚合数据流。可将变量定义为沿链路l的数据流需求i的比例,值得注意的是,链路沿路径所用的带宽应小于链路的剩余带宽。
下面,将详细地描述关于网络切片的成本和时延的计算。
网络运营商部署网络切片会产生成本和时延,主要来自于VNF的部署和服务链数据流的传输。由于删除VNF所需的成本和时延较小,因此对此可忽略不计。可将创建VNF和服务链数据流的传输作为网络运营商的成本。网络运营商的成本函数可包括网络切片的部署成本和服务的执行成本。假设表示在t时刻网络切片m在物理服务器n上部署f类型VNF的数量(表示多个f型VNF部署在物理服务器n上),则表示网络切片m在t时刻VNF的部署成本,并且可通过下式(4)进行计算:
在式(4)中,表示为在t时刻网络切片m在物理服务器n上部署一个f类型VNF的成本。假设表示在物理服务器n上部署网络切片m的单个f型VNF的时延,则表示网络切片m在t时刻VNF的部署总时延,并且可通过下式(5)进行计算:
网络切片中的数据流的传输也需要消耗时间和成本,由于同一个节点上的VNF之间的数据传输成本和时延较低,因此可忽略不计。可仅考虑不同节点之间VNF的数据流传输成本和时延。可将表示为网络切片m在t时刻的服务链i从物理节点n中的VNFf到物理节点n'中的VNFf'的流入流量率。假设表示网络切片m的服务链i从物理节点n到物理节点n'的传输一个单元数据流的成本,则表示网络切片m在t时隙的数据传输成本,并且可通过下式(6)进行计算:
同样,针对网络切片中数据流的传输,也可仅考虑在不同物理节点之间的传输时延,表示网络切片m的服务链i从物理节点n到物理节点n'传输一个单元数据流传输时延,表示网络切片m在t时刻的数据传输时延,并且可通过下式(7)进行计算:
综上所述,网络运营商的总成本可包括VNF的部署成本和服务的执行成本,并且可通过下式(8)进行计算:
网络切片m在t时刻的总时延包括VNF的部署总时延和数据传输时延,并且可通过下式(9)进行计算:
下面,将详细地描述关于网络切片的能耗的计算。
网络中的能耗问题不可忽略,应该在尽可能地提高资源利用率的同时,合理地降低网络的能耗。网络中服务器的能耗可与物理服务器的资源使用状况有关,因此,可通过下式(10)将网络中物理服务器在t时刻的能耗定义为:
在式(10)中,表示物理服务器n在空闲状态时的能耗,表示物理服务器n的最大能耗(即,物理服务器n的资源完全使用达到的能耗),打开第n个物理服务器所需的能耗,θn(t)表示物理服务器n在t时刻的资源利用率(0≤θn(t)≤1)。
物理服务器n在t时刻的资源利用率可通过下式(11)进行计算:
在式(11)中,Rn表示物理服务器n的最大资源容量,分子表示在t时刻物理服务器n上的所消耗的资源容量。如果t时刻网络切片m新增1个VNF,那么否则,这是因为物理服务器上存在and两种VNF,的数量可由决定。
下面,将详细地描述关于网络切片的成本和能耗的联合优化。
可通过预测算法来预测网络切片m中现有服务链i的流量率需求基于预测结果来确定VNF的数量和资源量,可通过主动在线算法找到一个最优的VNF放置和链路分配,以在满足网络延迟的前提下最小化网络能耗和总成本。因此,可通过下式(12)来实现对网络切片的成本和能耗的联合优化:
subject to:
其中,约束(12.1)用于满足网络切片的延时要求,表示网络切片m在时间t的时延阈值;约束(12.2)用于确保物理服务器n上部署VNF所用资源量小于物理服务器n的可用资源量;约束(12.3)用于确保链路l所承载的总带宽小于链路的剩余带宽Bl;约束(12.4)用于确保网络切片的所有VNF可部署在物理服务器。
总的来说,针对网络切片的成本和能耗的联合优化问题是NP的。联合优化问题可简化为延迟约束的最短路径问题的特殊情况。假设不考虑网络切片的部署成本和延迟以及能耗(即,),则系统的成本可转换为数据传输成本。根据约束(12.1)可知,该问题可等效为满足延迟约束条件下寻求成本最低的路径问题。已知带有时延限制的最短路径问题是NP-Hard的,由此导出的网络切片部署成本和能耗的联合优化问题是NP-Hard的。
可通过主动在线算法来解决这个问题。网络切片部署问题的解决方案可包括三个步骤。首先,可通过HW算法来预测网络切片是否产生新的需求。如果产生新的需求,那么可计算网络切片中新添加的VNF的数量和资源量,并使用VNF部署算法来对新增的VNF进行映射。其次,可通过路由算法为网络切片的链路进行映射,其中,VNF的部署在一定程度上决定了路由的路径,从而影响网络切片的服务链的路由和传输成本。因此,VNF的合理部署至关重要。为了充分利用网络中的物理服务器资源并且降低网络切片的部署成本和能耗,可将目标函数构造为部署成本和网络能耗的联合优化问题,并且可通过下式(13)进行计算:
subject to:(12.1)-(12.5)
下面,将详细地描述关于使用主动部署算法来部署网络切片。
可通过主动部署和被动部署两种方式来部署网络切片。被动部署方式可由于被动地响应已经发生的事情并且不能主动预测网络状态而导致网络资源浪费。主动部署方式可根据实际网络情况及时调整VNF分配策略和链路路由策略。由于网络切片的流量需求可随着时间不断变化,因此可使用主动部署方式来提前预测网络切片的流量率。通过这种方式,可及时有效地部署网络切片,以提高其服务质量并最大限度地减少网络资源浪费。
在此,提出一种用于网络切片部署的主动在线算法(又称为成本和能耗联合优化算法(NSD-CEM))来实现针对网络切片的成本和能耗的最小化。首先,使用诸如,但不限于,改进的HW预测算法来预测网络切片服务链的流量需求以配置网络切片,从而避免频繁更新网络拓扑;然后,使用如前所述的NSD-CEM算法高效地处理每个时隙T中网络切片服务链流量率的波动。网络运营商可通过该算法动态地部署网络切片。
下面,将详细地描述关于对网络切片的流量需求的预测。
由于网络切片的用户对网络切片的服务请求随着时间动态地变化,具有一定趋势和周期性,因此可选用HW预测算法来预测网络切片未来的流量率状况,预测值将用于网络切片的VNF数量和对应的资源量,以便于动态地部署网络切片,从而提高资源利用率和网络运营商的收入。预测算法的准确性将直接地影响资源分配算法的性能,准确性越高,相应的资源利用率越高,网络切片的成本越低。可通过流量预测HW算法来对网络切片服务链的流量率状况进行预测,并根据网络切片的不同需求配置网络请求。假设网络中用户对网络切片的请求服从均匀分布,则网络切片m的流量率需求作为点过程Γm来实现,并且可通过下式(14)进行计算:
在式(14)中,ξi为样本t的Dirac参数。用户对网络切片m的服务链i的流量率的需求表示为首先,给定网络切片m的服务链i先前一个周期Tc的请求量数据,其表示为向量然后,通过HW预测算法预测网络切片m的服务链i在一个时间窗口TWIN的流量率的需求值,其表示为向量假设在单个周期内用户对服务请求的过程ψm是平稳且遍历的,则可使用HW预测算法来预测切片m未来的流量需求由于周期性效应(通过添加水平和趋势)会影响预测值,因此可选择HW算法的累加形式,即,通过水平预测趋势和周期性来预测未来切片的流量需求。
然而,这种预测算法可能会低估网络切片的实际流量速率要求。被低估的流量率将直接导致网络切片无法处理所有用户请求,进而影响网络切片的服务可用性。为了避免这种情况发生,可在HW算法的预测值的基础上保留一些冗余资源,以确保网络切片的实际需求大于预测的流量率的需求,使得网络切片可配置足够的资源来满足用户的请求。在此可使用3-σ原则来使网络切片配置足够的资源,其中,σ是预测算法中训练集的估计值和实际需求值的标准方差。基于3-σ原理和HW算法,网络切片m的服务链i在时间t+h的流量需求可使用以下式(15)进行计算:
HW算法有三个可调参数α1、α2和α3。其中,α1是数据平滑因子,α2是趋势平滑因子,α3是周期性改变平滑因子,并且α1、α2和α3介于0和1之间。在求解这些参数时,可采用最小二乘法来最小化误差。
下面,将详细地描述主动在线算法。
可在使用HW预测算法确定网络切片服务链的流量的基础上进一步利用预测值计算网络切片m的服务链i新增f型VNF的个数πm,f(t)和容量。之后,通过使用VNF放置算法(VDA)和链路映射算法(LRA)对于网络切片新增的VNF进行部署。
网络切片中VNF的生命周期可包括准备阶段、实例化阶段、配置和激活阶段、运行时阶段和停用阶段。每个阶段都涉及网络成本和能耗。维护冗余VNF的成本远低于新添加VNF的成本。因此,可考虑使用冗余VNF来减少创建VNF的不必要阶段,以避免在流量波动时频繁地创建或释放VNF,从而降低总网络成本。
在网络切片的服务链部署过程中,可能会出现t时隙的流量率需求大于t+1时隙的流量率需求,即,t时隙的VNF需求大于t+1时隙的VNF需求。如果出现上述情况,可在t+1时隙不直接地删除t时隙多余的VNF,以避免在流量率变化的情况下频繁地新增或删除VNF。因此,可构建缓冲队列来标记t+1时隙中网络切片的冗余VNF。简而言之,在时隙t时多余的VNF将处于休眠状态,可使用在t+1时隙多余的VNF进行标记并存入缓存区队列。在下一个时隙,如果需要新增VNF,将优先从缓冲区队列中弹出VNF来构建网络切片的服务链,以达到降低部署成本的目的。缓存区队列中未使用的VNF的生命周期将持续个时隙,之后将会被删除。
如上所述,VNF需求的变化将决定VNF的配置。因此,从时隙t=2开始,首先对t时隙的VNF需求的大小和t-1时隙的VNF需求的大小进行比较。具体地,对于网络切片m的服务链i中的f类型VNF,可通过利用HW预测算法预测的流量率来估算VNF所需的资源量随后可将其与上一时隙的VNF所需的资源量进行比较以确定流量率需求是否增加或者减少。如果流量率需求小于上一时隙的流量率需求,则可将上一个时隙中多余的VNF放入不同类型的VNF对应的缓冲区队列中并且删除生命周期达到个时隙VNF,随后可计算每个物理服务器的剩余空间容量和链接剩余带宽。如果流量率需求大于上一时隙的流量率需求,则可通过后面的公式来确定新增VNF的数量和VNF对应的资源量并将优先配置缓冲区队列中的VNF以降低部署成本,随后可调用VNF部署算法(VDA)来部署网络切片的服务链新增的VNF,最后可调用链路映射算法(LRA)为VNF执行链路路由。
下面,将详细地描述网络切片中的VNF部署算法。
可使用基于模拟退火(SA)的离散粒子群(DPSO)算法来映射网络切片中的VNF部署。DPSO算法属于群智能优化算法,通过研究鸟类在寻找食物过程中的行为特征,并充分地利用鸟类之间的信息共享求解最优解。在此可将网络运营商的物理服务器和网络切片的VNF的映射过程视为鸟类寻找食物的过程,其中,每一个粒子都是问题的一个可能解,即,最优解为鸟类最终搜索到的食物。
在部署网络切片时,为了充分利用网络中的物理服务器并降低网络切片的部署成本和能耗,可将目标函数作为VNF部署算法的适应度函数,如式(13)所示。首先,假设种群包括N个粒子,则可用向量来表示第n个粒子,其中,n∈{1,2…N},N是种群规模,κ是当前时刻新增的VNF的总个数,δnκ是当前网络切片中第κ个VNF映射到的物理服务器n的序号。接下来,可将代入目标函数中求出当前映射方案的目标函数值。一旦求出某个粒子的适应度,则可更新当前个体的局部最优解slΩ和全局最优解sgκ。为了使粒子有效地寻找最优解,每个粒子对应一个飞行速度,第n个粒子的飞行速度可使用向量表示。使用带压缩因子的DPSO算法,速度的更新如下式(17)所示;压缩因子ρ可通过下式(18)求解;学习因子π1和π2可分别代表粒子本身和其他粒子所获经验,通过调整学习因子来平衡粒子全局和局部最优解;位置更新如下式(19)所示,具体计算如下:
DPSO算法全局搜索能力强,但是容易陷入局部最优的情况,为了避免发生这种情况,可选择基于SA的DPSO算法。模拟退火算法以系统冷却能量为目标函数,将优化过程模拟为系统冷却过程。此外,还可使用模拟退火算法来搜索个体最优解,并且使用一定的概率来确定是否将个体最优解取代全局最优解。状态转移概率和速度更新优化可分别通过下式(20)和(21)进行计算:
下面,将详细地描述具有延时约束的服务链在线路由算法。
在完成网络切片的VNF与物理服务器之间的映射之后,需要对VNF进行链路路由,为了减少复杂的状态变化,假设流中其他数据包的数量保持不变,仅需要根据网络中提供的链路状态信息将流中新增的数据包路由到新增的VNF中。在t时刻新增的流需求集合为I,并且由VNF映射结果确定物理服务器的部署顺序,每个流需求i∈I新增的VNF顺序为那么网络切片m的流i的路径顺序可表示为下式(22):
其中,服务链i通过路径连接。对于每一个路径p,表示新流占路径p的比例,表示网络切片m的链路l映射到路径p上。可通过下式(23)、(24)和(25)实现对网络切片的带宽约束和延迟约束并且确保通信速率不能超过1:
链路路由的目的是在延迟条件下找到具有最低成本的路径。显然,上述问题是线性编程。因此,可选择简单对偶方法来解决网络切片的路由问题。这种计算具有运算速度快,寻优能力强等优点。可将路由问题构建为下式(26)进行计算:
在式(26)中,γ(l)是对偶变量。
根据本发明的示例性实施例的用于部署网络切片的方法和装置不仅具有低延迟、低能耗和高资源利用率的优点,而且能够使得网络切片(诸如,但不限于,5G网络切片等)的部署满足不同应用场景(例如,但不限于,在eMBB、uRLLC和MTC中)的用户需求,从而进一步降低了网络运营商的成本,这对于未来绿色网络切片的构建至关重要。
根据本发明的示例性实施例还提供一种存储有计算机程序的计算机可读存储介质。该计算机可读存储介质存储有当被处理器执行时使得处理器执行根据本发明的用于部署网络切片的方法的计算机程序。该计算机可读记录介质是可存储由计算机系统读出的数据的任意数据存储装置。计算机可读记录介质的示例包括:只读存储器、随机存取存储器、只读光盘、磁带、软盘、光数据存储装置和载波(诸如经有线或无线传输路径通过互联网的数据传输)。
根据本发明的示例性实施例还提供一种计算机设备。该计算机设备包括处理器和存储器。存储器用于存储计算机程序。所述计算机程序被处理器执行使得处理器执行根据本发明的用于部署网络切片的方法的计算机程序。
尽管已参照优选实施例表示和描述了本申请,但本领域技术人员应该理解,在不脱离由权利要求限定的本申请的精神和范围的情况下,可以对这些实施例进行各种修改和变换。
Claims (9)
1.一种用于部署网络切片的方法,其特征在于,所述方法包括:
使用三次指数平滑算法来预测所述网络切片的流量需求;
根据所述流量需求,确定所述网络切片所需的虚拟网络功能的数量以及针对所需的虚拟网络功能而消耗的资源;
基于针对所需的虚拟网络功能而消耗的资源,将所需的虚拟网络功能部署在所述网络切片中的物理服务器上,并在满足所述网络切片的时延限制的情况下使得所需的虚拟网络功能在所述物理服务器上所占用的资源量小于所述物理服务器的可用资源量,并且使得部署在所述物理服务器之间的数据传输链路所承载的总带宽小于所述数据传输链路的剩余带宽。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
在预测的流量需求的基础上预留冗余资源,以在所述网络切片的实际流量需求大于预测的流量需求的情况下具有足够的资源执行所述部署。
3.根据权利要求1所述的方法,其特征在于,所述将所需的虚拟网络功能部署在所述网络切片中的物理服务器上,包括:
使用基于模拟退火的离散粒子群算法将所需的虚拟网络功能部署在所述网络切片中的物理服务器上。
4.根据权利要求1所述的方法,其特征在于,所述虚拟网络功能包括以下功能中的至少一种:
移动管理功能;
会话管理功能;
认证服务器功能;
用户平面功能;
策略控制功能;以及
网络切片选择功能。
5.根据权利要求1所述的方法,其特征在于,所述针对所需的虚拟网络功能而消耗的资源包括以下资源中的至少一种:
所述网络切片中的物理服务器的计算资源;
所述网络切片中的物理服务器的存储资源;以及
所述网络切片中的物理服务器的通信资源。
6.根据权利要求1所述的方法,其特征在于,所述网络切片为5G网络中的部分网络。
7.一种用于部署网络切片的装置,其特征在于,所述装置包括:
流量预测单元,被配置为:使用三次指数平滑算法来预测所述网络切片的流量需求;
资源确定单元,被配置为:根据所述流量需求,确定所述网络切片所需的虚拟网络功能的数量以及针对所需的虚拟网络功能而消耗的资源;
资源部署单元,被配置为:基于针对所需的虚拟网络功能而消耗的资源,将所需的虚拟网络功能部署在所述网络切片中的物理服务器上,并在满足所述网络切片的时延限制的情况下使得所需的虚拟网络功能在所述物理服务器上所占用的资源量小于所述物理服务器的可用资源量,并且使得部署在所述物理服务器之间的数据传输链路所承载的总带宽小于所述数据传输链路的剩余带宽。
8.一种存储有计算机程序的计算机可读存储介质,其中,当所述计算机程序被处理器执行时,实现权利要求1至6中任意一项所述的用于部署网络切片的方法。
9.一种计算装置,包括:
处理器;
存储器,存储有计算机程序,当所述计算机程序被处理器执行时,实现权利要求1至6中任意一项所述的用于部署网络切片的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110007538.5A CN112822050B (zh) | 2021-01-05 | 2021-01-05 | 用于部署网络切片的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110007538.5A CN112822050B (zh) | 2021-01-05 | 2021-01-05 | 用于部署网络切片的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112822050A CN112822050A (zh) | 2021-05-18 |
CN112822050B true CN112822050B (zh) | 2023-05-02 |
Family
ID=75857421
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110007538.5A Active CN112822050B (zh) | 2021-01-05 | 2021-01-05 | 用于部署网络切片的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112822050B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113490279B (zh) * | 2021-06-18 | 2024-02-06 | 北京邮电大学 | 一种网络切片配置方法及装置 |
CN113473562B (zh) * | 2021-06-29 | 2022-07-22 | 华为技术有限公司 | 网络切换方法、系统及相关设备 |
CN113612635B (zh) * | 2021-07-29 | 2022-08-12 | 西安电子科技大学 | 基于水平和垂直伸缩结合的网络切片实例资源分配方法 |
CN113783842B (zh) * | 2021-08-09 | 2022-05-24 | 中国科学院计算技术研究所 | 一种5g专网upf的计算存储资源分配方法 |
CN113726571B (zh) * | 2021-08-30 | 2022-07-12 | 电子科技大学 | 一种基于网络切片的网络资源动态分配方法 |
CN114158073B (zh) * | 2021-11-29 | 2024-01-09 | 中国联合网络通信集团有限公司 | 网络切片部署方法、装置、设备及存储介质 |
CN114928526B (zh) * | 2022-02-09 | 2023-06-16 | 北京邮电大学 | 基于sdn的网络隔离和资源规划方法及系统 |
CN115190021B (zh) * | 2022-04-24 | 2024-04-12 | 北京中电飞华通信有限公司 | 面向确定性时延业务的切片部署方法及相关设备 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018089634A1 (en) * | 2016-11-11 | 2018-05-17 | Intel IP Corporation | Network slice management |
JP6823203B2 (ja) * | 2017-05-22 | 2021-01-27 | 華為技術有限公司Huawei Technologies Co.,Ltd. | ネットワークスライスを作成するための方法及び装置並びに通信システム |
CN109361547B (zh) * | 2018-11-19 | 2020-06-30 | 北京邮电大学 | 一种网络切片链路部署方法与装置 |
CN110768837A (zh) * | 2019-10-28 | 2020-02-07 | 北京邮电大学 | 一种网络切片虚拟资源分配方法、系统及装置 |
-
2021
- 2021-01-05 CN CN202110007538.5A patent/CN112822050B/zh active Active
Non-Patent Citations (1)
Title |
---|
梁东明.基于网络虚拟化的WiFi网络切片技术研究.《CNKI优秀硕士学位论文全文库》.2020,(2020年第07期),27-33. * |
Also Published As
Publication number | Publication date |
---|---|
CN112822050A (zh) | 2021-05-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112822050B (zh) | 用于部署网络切片的方法和装置 | |
Hussein et al. | Efficient task offloading for IoT-based applications in fog computing using ant colony optimization | |
Ndikumana et al. | Joint communication, computation, caching, and control in big data multi-access edge computing | |
Mehrabi et al. | Edge computing assisted adaptive mobile video streaming | |
Qian et al. | Survey on reinforcement learning applications in communication networks | |
US8087025B1 (en) | Workload placement among resource-on-demand systems | |
Roig et al. | Management and orchestration of virtual network functions via deep reinforcement learning | |
US20170366472A1 (en) | Fog Computing Network Resource Partitioning | |
CN112737823A (zh) | 一种资源切片分配方法、装置及计算机设备 | |
CN111400001A (zh) | 一种面向边缘计算环境的在线计算任务卸载调度方法 | |
US9722930B2 (en) | Exploiting probabilistic latency expressions for placing cloud applications | |
CN110069341A (zh) | 边缘计算中结合功能按需配置的有依赖关系任务的调度方法 | |
Chen et al. | Latency minimization for mobile edge computing networks | |
Li et al. | DQN-enabled content caching and quantum ant colony-based computation offloading in MEC | |
Xu et al. | Schedule or wait: age-minimization for IoT big data processing in MEC via online learning | |
Xu et al. | Stateful serverless application placement in mec with function and state dependencies | |
CN113315806B (zh) | 一种面向云网融合的多接入边缘计算架构 | |
Ma et al. | Mobility-aware delay-sensitive service provisioning for mobile edge computing | |
Durga et al. | Context-aware adaptive resource provisioning for mobile clients in intra-cloud environment | |
CN115580882A (zh) | 动态网络切片资源分配方法及装置、存储介质及电子设备 | |
Li et al. | Optimal service selection and placement based on popularity and server load in multi-access edge computing | |
CN114785692B (zh) | 一种虚拟电厂聚合调控通信网络流量均衡方法及装置 | |
Farhoudi et al. | Qos-aware service prediction and orchestration in cloud-network integrated beyond 5g | |
Mavromoustakis et al. | Dynamic cloud resource migration for efficient 3D video processing in mobile computing environments | |
CN116418808A (zh) | 一种mec的联合计算卸载和资源分配方法及装置 |
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 |