CN112860384B - 一种面向多维资源负载均衡的vnf复用和迁移方法 - Google Patents
一种面向多维资源负载均衡的vnf复用和迁移方法 Download PDFInfo
- Publication number
- CN112860384B CN112860384B CN202110276714.5A CN202110276714A CN112860384B CN 112860384 B CN112860384 B CN 112860384B CN 202110276714 A CN202110276714 A CN 202110276714A CN 112860384 B CN112860384 B CN 112860384B
- Authority
- CN
- China
- Prior art keywords
- vnf
- node
- migration
- resource
- nodes
- 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
- 238000013508 migration Methods 0.000 title claims abstract description 96
- 230000005012 migration Effects 0.000 title claims abstract description 96
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000013507 mapping Methods 0.000 claims abstract description 57
- 230000002776 aggregation Effects 0.000 claims description 34
- 238000004220 aggregation Methods 0.000 claims description 34
- 230000008569 process Effects 0.000 claims description 8
- 238000013459 approach Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000002093 peripheral effect Effects 0.000 claims description 3
- 238000013461 design Methods 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 19
- 238000007726 management method Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000010485 coping Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 241000287196 Asthenes Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
Classifications
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种面向多维资源负载均衡的VNF复用和迁移方法,包括:对客户端发起的请求编排生成对应的服务链,然后对编排生成的服务链以源目节点相同为特征进行分组;对于每组服务链计算出源节点到目的节点之间的前K条最短路径并进行缓存;根据前K条最短路径制定每条服务链的映射;服务链映射成功后,若有节点出现资源负载的情况则触发对该节点上VNF进行迁移的操作。本发明通过快速匹配法复用VNF,在VNF‑FG设计阶段保证负载均衡的同时尽可能减少VNF个数,不仅优化VM的启动成本和VNF的实例化成本,也为后期在VNF迁移场景中通过VNF复用减少了迁移成本。
Description
技术领域
本发明涉及通信技术领域,尤其涉及一种面向多维资源负载均衡的VNF复用和迁移方法。
背景技术
随着互联网和移动互连网局势的迅猛发展,诸多新兴网络技术和新型网络应用逐渐兴起,云计算,移动边缘计算,大数据,数据中心,软件定义网络和网络虚拟化等成为研究的热点。随着物联网时代的到来,网络体系结构的不断扩张,网络功能的不断更新,这对于网络服务功能的管理和数据中心资源分配的要求变得更加严格。目前大多数的数据中心网络是基于传统的网络架构建立的,这种架构由极其复杂的交换机、路由器、终端以及其他设备组成,这些网络设备使用着封闭、专有的内部接口,并运行着大量的分布式协议;其局限性在于无法对网络设备做到统一的管理,同时无法对数据中心中的网络资源进行统一的调度因而无法最大限度的提高资源的利用率。
SDN(软件定义网络)架构的核心设计是控制平面和转发平面分离,NFV(网络功能虚拟化)技术可以实现网络功能的虚拟化,将功能与硬件设备解耦,易于服务链的编排和管理。目前,网络中已存在将SDN技术和NFV技术融合来进行服务功能链的映射,以此来解决传统网络体系的诸多缺点,在SDN和NFV部署的可重构网络中,可编程交换机将目的流量转发到相应的网络功能单元进行处理,通常运营商为了减少服务器的资源消耗和提升用户的QoS(Quality of Service),会将多条服务功能链的虚拟网络功能集中映射到固定的部分服务器上,此时网络功能的动态部署可能导致各服务器之间的资源负载不均衡,导致负载失衡的资源可能是计算资源,存储资源等。同时,运营商的这种方案缺乏流量高峰期的应对机制,易导致较高的服务请求拒绝率。
发明内容
本发明的目的是提供一种面向多维资源负载均衡的VNF复用和迁移方法,通过利用VNF的可复用特性致力于绿色节能,在降低能源消耗的同时,又解决了流量高峰期因节点服务器过载而引起资源负载失衡问题,避免了导致较高的服务请求拒绝率。
本发明为实现上述发明目的采用如下技术方案:
本发明提供了一种面向多维资源负载均衡的VNF复用和迁移方法,包括:
对客户端发起的请求编排生成对应的服务链,然后对编排生成的服务链以源目节点相同为特征进行分组;
对于每组服务链计算出源节点到目的节点之间的前K条最短路径并进行缓存;
根据前K条最短路径制定每条服务链的映射;
服务链映射成功后,若有节点出现资源负载的情况则触发对该节点上VNF进行迁移的操作。
进一步地,根据前K条最短路径制定每条服务链的映射策略的方法包括:
确定当前服务链的源目节点,获取到已经计算完毕的源目节点之间的前K条短路径,从前K条短路径中最短的路径开始选取,直至选取出资源未发生过载的路径,将其作为当前服务链的待映射路径;
获取待映射路径中每个节点所对应的所有VNF信息,采用快速匹配的策略将各VNF信息映射到对应的源目节点上。
进一步地,选取出资源未发生过载的路径的方法包括:
从源目节点之间的前K条短路径中选取最短的路径作为当前服务链的映射路径;
假设每个节点vi上一共存在r种不同类型的资源,统计出待选路径上所有节点中r种资源最少的可用剩余量,记为再统计出待映射服务链中所有VNF中所需要的r种资源最大需求量
若对于所有类型的最少剩余资源都满足则认为当前路径没有发生过载,可以作为当前服务链的映射路径;若否,继续选择次短路径进行剩余资源量的判断。
进一步地,所述快速匹配的策略为:
假设待映射路径上一共有n个节点,待映射的服务链一共含有m个不同类型的VNF,m≤n,将m个VNF分别映射到不同的节点上,从这n个节点中任意选取出m个不同的节点作为最终的映射节点,共有种映射方案;
对于其中的任意一种映射方案,按照节点的前后顺序依次判断当前位置的节点上是否已经存在对应于服务链中相同位置的VNF,若第i个节点之上已经存在第i个VNF则记xi为1,否则记xi为0,则当前的映射方案的匹配情况用一维向量X=[x1,x2,...,xn]表示,记作为当前映射方案的聚合匹配度;
计算出所有映射方案的匹配度之后再按照匹配度降序的方式对映射方案进行排序。
进一步地,若有节点出现资源负载的情况则触发对该节点上VNF进行迁移的操作的方法包括:
当节点上某一种资源占用率达到了其负载阈值并且负载的持续时间为τ时触发VNF的迁移;
获取该节点的资源信息和VNF信息,根据触发VNF迁移的负载资源类型和表示各VNF复用程度的聚合度计算出每个VNF的迁移指数;
依据迁移指数选择出合适类型的VNF作为待迁移的VNF;
对每个待迁移的VNF都会根据负载节点筛选出其周边时延满足约束且剩余可用资源足够的节点集合,然后计算集合中各节点的迁入指数根据迁入指数选择出合适的节点作为待迁移VNF的目的节点;
根据所确定的待迁移VNF和其对应的迁移目的节点进行VNF的迁移。
进一步地,当节点上某一种资源占用率达到了其负载阈值并且负载的持续时间为τ时触发VNF的迁移的方法包括:
定义VNF迁移指数加入对多维资源的使用情况以及VNF聚合情况的感知,采用动态权重设定;
计算出当前节点上每个VNF的聚合度其中Ntotal为节点上所有的VNF的数量,Ni为第i种类型的VNF的个数,被复用的VNF算多个VNF,迁移指数的表达式为:
式中:χj表示当前节点上第j种资源是否发生过载,λj表示节点上第j种资源的占有率,表示第i种VNF对第j种资源的占有率,根据迁移指数,对过载节点上所有VNF进行排序,选择迁移指数最大的VNF进入VNF迁移序列。
进一步地,根据迁入指数选择出合适的节点作为待迁移VNF的目的节点的方法包括:
A.遍历迁移序列中待迁移VNF,判断其是否是一个被复用的VNF,如果是则进行步骤B,如果不是则进行步骤C;
B.获取复用该VNF的所有服务链的信息,然后将这些服务链按照源目节点相同为特征进行分组;
C.如果是被复用的VNF则按照分组对当前的VNF进行分离迁出,首先在源目节点的前K短路径上所有节点中筛选出时延满足约束且剩余可用资源足够的节点集合Z;如果不是被复用的VNF则直接在源目节点的前K短路径上以同样的方式筛选出合适的节点;
D.计算已经筛选出的各节点的迁入指数,并按照迁入指数的排序选择出合适的节点作为待迁移VNF的目的节点。
进一步地,所述迁入指数计算方法包括:
计算待迁入节点理论上的正理想解;
计算所有待选取节点中每种资源的最小利用率作为理想解的占用率,统计所有待选节点中对当前待迁移VNF的聚合度,选出聚合度作为理想的聚合度,公式如下:
Φj+=min{Φj}
式中,Pi+表示各节点上表示第i种资源的最小利用率,Pi v表示节点v上第i种资源的利用率,Φj+表示各节点上第j种VNF的最小聚合度;
计算待迁入节点理论上的负理想解,计算所有待选取节点中每种资源的最大利用率作为负理想解的占用率,负理想解的VNF聚合度为所有待选节点中最大的一个或者取值为0,公式如下:
Φj-=max{Φj}
式中,Pi-表示各节点上表示第i种资源的最大利用率,Pi v表示节点v上第i种资源的利用率,Φj-表示各节点上第j种VNF的最大聚合度;
求出节点与正理想解和负理想解的趋近程度,分别记为和公式如下:
式中,γi表示各维度资源的的权重,是一个预先定义的值,表示节点v上第i种VNF是否为0,再根据正理想解和负理想解的趋近程度计算出待迁入节点的迁入指数:
对每个节点的迁入指数进行排序,选取迁入指数最大的节点作为迁入节点。
本发明的有益效果如下:
本发明对客户端的服务链以源目节点相同为特征进行分组,然后计算每组服务链源目节点间的前k短路径,然后在前k短路上制定服务链的映射策略,不仅可以有效的减少服务链端到端的时延,该策略还从分利用了VNF的可复用特性,减少了在服务链映射阶段产生的映射成本。对于映射过程中会有节点出现资源负载的情况,本发明提出一种对负载节点上的VNF进行迁移的方案,使用该方案可以有效的解决各节点资源负载失衡的问题,保证各节点相对平稳运行,在提高服务功能链的接受率的同时也提高了网络系统的可靠性。
附图说明
图1为根据本发明实施例提供的一种基于SDN和NFV的服务链映射系统框架图;
图2为根据本发明实施例提供的一种VNF聚合复用流程图;
图3为根据本发明实施例提供的一种VNF迁移方法流程图。
具体实施方式
下面结合具体实施例对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
如图1所示,一种面向多维资源负载均衡的VNF复用方法中使用了MANO控制器(Management And Orchestration Controller),本质上是一个SDN控制器和VNF管理编排器,控制器的各模块的具体说明如下:
注册中心模块:该模块相当于一个信息注册中心,用于接收来自底层的物理网络节点上报的节点各维度资源的剩余可用量,同时接收底层物理网络拓扑信息以及网络中链路的剩余带宽,实时更新全局的网络拓扑资源信息,在需要时将全局的网络拓扑资源的信息发送给映射策略生成模块。当存在有节点的某一种资源达到了负载阈值,该模块负责通知迁移策略生成模块执行VNF迁移的迁移。此外,该模块还需要为物理网络中的每个节点维护一个VNF信息链表,链表的节点记录着该节点上所有VNF的类型以及该类型的VNF被哪些服务功能链所共享,这些信息被用来在服务链映射阶段实现VNF的复用。整个物理节点组成的全局网络拓扑用加权无向图G(V,E)来表示,V表示网络中的节点集合,E表示节点之间的无向边集合。
映射策略生成模块:用于接收来自注册中心模块的全局网络拓扑资源信息,然后根据接收到的信息制定各服务链中VNF的复用策略以及最终的映射策略。当该模块接收到用户发起的请求,将用户的请求编排为对应逻辑服务链,服务链由一组有序的虚拟网络功能VNF串联而成。VNF具有不同的类型,并各自有相应的功能,如防火墙、IDS、负载均衡器等。每条服务链用五元组Si=[ai,di,Fi,bi,ti]表示,其中,Si表示第i条服务链,ai表示第i条服务链的源端点,表di示第i条服务链的目的端点,Fi表示VNF(虚拟网络功能)集合,bi表示服务链所需要的带宽,ti表示服务链的生命周期,当服务链的生命周期结束就会释放其各个VNF所占用的节点资源。
迁移策略生成模块:用于接收来自注册中心模块的节点资源负载通知和网络拓扑资源信息,当收到注册中心的通知后,根据负载的节点资源信息和VNF信息制定出合理的VNF迁移策略。定义待迁移的VNF具有迁移指数根据特定VNF选定其待迁入节点,定义节点都具有迁入指数
VNF的复用具体包括以下步骤:
步骤1,映射策略生成模块对客户端发起的请求编排生成对应的服务链,然后对编排生成的服务链以源目节点相同为特征进行分组;
步骤2,对于每组服务链计算出源节点到目的节点之间的前K条最短路径并进行缓存;
步骤3,映射策略生成模块根据前K条最短路径制定每条服务链的映射策略;
步骤4,服务链映射成功后,若有节点出现资源负载的情况则触发对该节点上VNF进行迁移的操作。
进一步的,映射策略生成模块根据前K条最短路径制定每条服务链的映射策略,包括:
首先,映射策略生成模块确定当前服务链的源目节点,然后获取到已经步骤2计算完毕的源目节点之间的前K短路径,然后从前K端路径中最短的路径开始选取,直到选取到资源未发生过载的路径,将其作为当前服务链的待映射路径。接下来从注册中心模块获取待映射路径中每个节点所对应的所有VNF信息,为了有利于各节点的负载均衡,这里采用快速匹配的策略将各VNF映射到对应节点上。
进一步的,所述选取出资源未发生过载的路径的方法为:优先从源目节点之间的前K端路径中选取最短的路径作为当前服务链的映射路径。假设每个节点vi上一共存在r种不同类型的资源,统计出待选路径上所有节点中r种资源最少的可用剩余量,记为然后在统计出待映射服务链中所有VNF中所需要的r种资源最大需求量若对于所有类型的最少剩余资源都满足则认为当前路径没有发生过载,可以作为当前服务链的映射路径;否则,继续选择次短路径进行剩余资源量的判断。
进一步的,所述快速匹配的策略为:假设待映射路径上一共有n个节点,待映射的服务链一共含有m,m≤n个不同类型的VNF,为了实现节点的负载均衡,将这m个VNF分别映射到不同的节点上,故需要从这n个节点中任意选取出m个不同的节点作为最终的映射节点,共有种映射方案。对于其中的任意一种映射方案,按照节点的前后顺序依次判断当前位置的节点上是否已经存在对应于服务链中相同位置的VNF,即第i个节点之上是否已经存在第i个VNF,若存在则记为1,不存在记为0,则当前的映射方案的匹配情况可以用一维向量X=[x1,x2,...,xn]表示,记作为当前映射方案的聚合匹配度。计算出所有映射方案的匹配度之后再按照匹配度降序的方式对映射方案进行排序,服务链映射时优先选择聚合匹配度高的方案进行映射,如果选取的方案中节点的资源受限,则选择聚合匹配度次高的方案进行映射,以此类推。
如图3所示,一种面向多维资源负载均衡的VNF迁移方法,具体包括以下步骤:
步骤1,当节点上某一种资源占用率达到了其负载阈值并且负载的持续时间为τ时触发VNF的迁移,即在该节点上选取合理的待迁移VNF集合以及待迁入的物理节点;
步骤2,先从注册中心模块获取该节点的资源信息和VNF信息,然后根据触发VNF迁移的负载资源类型和VNF的聚合度计算出每个VNF的迁移指数,依据迁移指数选择出合适类型的VNF作为待迁移的VNF;
步骤3,对每个待迁移的VNF都会根据负载节点筛选出其周边时延满足约束且剩余可用资源足够的节点,然后计算这些节点的迁入指数根据迁入指数选择出合适的节点作为待迁移VNF的目的节点;
步骤4,根据所确定的待迁移VNF和其对应的迁移目的节点进行VNF的迁移。
进一步的,所述VNF的迁移指数计算方案为:
首先定义VNF迁移指数加入对多维资源的使用情况以及VNF聚合情况的感知,采用动态权重设定;根据对应资源的使用情况,保证过载资源的权重大于1,轻载资源的权重小于1,对过载资源使用越多的虚拟功能的迁移指数越大。同时为了尽可能的减少受影响的服务链的数量,计算出当前节点上每个VNF的聚合度其中Ntotal为节点上所有的VNF的数量,Ni为第i种类型的VNF的个数,被复用的VNF算多个VNF,聚合度越高的虚拟功能的迁移指数越小。迁移指数的表达式为:
其中,χj表示当前节点上第j种资源是否发生过载,λj表示节点上第j种资源的占有率,表示第i种VNF对第j种资源的占有率。根据迁移指数,对过载节点上所有VNF进行排序,选择迁移指数最大的VNF进入VNF迁移序列。
进一步地,步骤3所述的计算节点的迁入指数,选取待迁移VNF的目的节点方案为:
A.遍历迁移序列中待迁移VNF,判断其是否是一个被复用的VNF,如果是则进行步骤B,如果不是则进行步骤C;
B.获取复用该VNF的所有服务链的信息,然后将这些服务链按照源目节点相同为特征进行分组;
C.如果是被复用的VNF则按照分组对当前的VNF进行分离迁出,首先在源目节点的前K短路径上所有节点中筛选出时延满足约束且剩余可用资源足够的节点集合Z;如果不是被复用的VNF则直接在源目节点的前K短路径上以同样的方式筛选出合适的节点;
D.计算已经筛选出的各节点的迁入指数,并按照迁入指数的排序选择出合适的节点作为待迁移VNF的目的节点。
进一步的所述的迁入指数计算方法为:
首先,计算待迁入节点理论上的正理想解,正理想解的各个属性是所有备选方案中的最理想值;但并不一定实际存在。计算所有待选取节点中每种资源的最小利用率作为理想解的占用率,考虑到如果待迁移节点上存在着当前的待迁移VNF,则可以不用在节点上创建新的VNF,进一步减少因为迁移而带来的VNF实例化成本,于是需要统计所有待选节点中对当前待迁移VNF的聚合度,选出最低且尽量不为0的聚合度作为理想的聚合度,公式如下:
Φj+=min{Φj}
式中,Pi+表示各节点上表示第i种资源的最小利用率,Pi v表示节点v上第i种资源的利用率,Φj+表示各节点上第j种VNF的最小聚合度;
计算待迁入节点理论上的负理想解,计算所有待选取节点中每种资源的最大利用率作为负理想解的占用率,负理想解的VNF聚合度为所有待选节点中最大的一个或者取值为0,公式如下:
Φj-=max{Φj}
式中,Pi-表示各节点上表示第i种资源的最大利用率,Pi v表示节点v上第i种资源的利用率,Φj-表示各节点上第j种VNF的最大聚合度;
求出节点与正理想解和负理想解的趋近程度,分别记为和
其中,γi表示各维度资源的的权重,是一个预先定义的值;表示节点v上第i种VNF是否为0,再根据正理想解和负理想解的趋近程度计算出待迁入节点的迁入指数:
最后对每个节点的迁入指数进行排序,选取迁入指数最大的节点作为迁入节点;
综上所述,本发明通过采用VNF复用和VNF迁移相结合的方式,可以有效的优化负载均衡:本发明提出VNF聚合匹配度的概念,通过对服务功能链按照源目节点相同为特征进行分组,然后计算出源目节点之间的前K短径集合,再使用快速配的方法,利用VNF聚合匹配度筛选出每条路径上VNF聚合匹配度最高的节点,这在达到VNF复用的同时还保证了各节点负载均衡,减少了运营商服务器VM的启动成本和VNF的实例化成本。
由于在业务高峰期时流量增长迅速,高峰时段业务流量可能远高于平均流量。运营商通常根据流量的峰值速率,而不是平均速率来规划网络容量,因此缺乏流量高峰期的应对机制,易导致较高的服务请求拒绝率,当节点负载严重时会发生节点宕机进而导致服务大规模的不可用。有了合适的VNF迁移策略就可以避免发生这些情况,本发明通过设置合理的VNF迁移指数和节点的迁入指数,可以根据过载资源的具体类型筛选出待迁移的VNF,然后迁入到不会发生资源过载的节点之上,有效的解决了各节点资源负载失衡的问题,提高了网络系统的可靠性。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (6)
1.一种面向多维资源负载均衡的VNF复用和迁移方法,其特征在于,包括:
对客户端发起的请求编排生成对应的服务链;
对服务链以源目节点相同为特征进行分组;
对于每组服务链,计算出源节点到目的节点之间的前K条最短路径;
根据前K条最短路径制定每条服务链的映射;
响应于服务链映射成功后存在节点出现资源负载,对该节点上VNF进行迁移操作;
响应于服务链映射成功后存在节点出现资源负载,对该节点上VNF进行迁移操作,具体过程为:
当节点上某一种资源占用率达到了其负载阈值并且负载的持续时间超过了τ,则触发VNF的迁移;
获取该节点的资源信息和VNF信息,根据触发VNF迁移的负载资源类型和表示各VNF复用程度的聚合度计算出每个VNF的迁移指数;
依据迁移指数选择出合适类型的VNF作为待迁移的VNF;
对每个待迁移的VNF,根据负载节点筛选出其周边时延满足约束且剩余可用资源足够的节点集合,然后计算集合中各节点的迁入指数,根据迁入指数选择出合适的节点作为待迁移VNF的目的节点;
根据所确定的待迁移VNF和其对应的迁移目的节点进行VNF的迁移;
所述迁移指数的表达式为:
;
式中:表示当前节点上第种资源是否发生过载;表示节点上第种资源的占有率;表示第种VNF对第种资源的占有率,根据迁移指数,对过载节点上所有VNF进行排序,选择迁移指数最大的VNF进入VNF迁移序列;表示VNF迁移指数;表示当前节点上每个VNF的聚合度。
2.根据权利要求1所述的一种面向多维资源负载均衡的VNF复用和迁移方法,其特征在于,根据前K条最短路径制定每条服务链的映射,具体过程为:
从前K条短路径中最短的路径开始选取,直至选取出资源未发生过载的路径,将其作为当前服务链的待映射路径;
获取待映射路径中每个节点所对应的所有VNF信息,采用快速匹配的策略将各VNF信息映射到对应的源目节点上。
3.根据权利要求2所述的一种面向多维资源负载均衡的VNF复用和迁移方法,其特征在于,选取出资源未发生过载的路径,具体过程为:
统计出当前服务链待选路径上所有节点中种资源最少的可用剩余量,再统计出待映射服务链中所有VNF中所需要的种资源最大需求量;
若对于所有类型的最少剩余资源,都满足则认为当前路径没有发生过载,可以作为当前服务链的映射路径。
4.根据权利要求2所述的一种面向多维资源负载均衡的VNF复用和迁移方法,其特征在于,所述快速匹配策略的具体过程为:
将个不同类型的VNF分别映射到不同的节点上,从个节点中任意选取出个不同的节点作为最终的映射节点,获得种映射方案,;
对于其中的任意一种映射方案,按照节点的前后顺序依次判断当前位置的节点上是否已经存在对应于服务链中相同位置的VNF,若第个节点之上已经存在第个VNF则记为1,否则记为0,则当前的映射方案的匹配情况用一维向量表示,记作为当前映射方案的聚合匹配度;
计算出所有映射方案的匹配度之后再按照匹配度降序的方式对映射方案进行排序。
5.根据权利要求1所述的一种面向多维资源负载均衡的VNF复用和迁移方法,其特征在于,根据迁入指数选择出合适的节点作为待迁移VNF的目的节点的方法包括:
A.遍历迁移序列中待迁移VNF,判断其是否是一个被复用的VNF,如果是则进行步骤B,如果不是则进行步骤C;
B.获取复用该VNF的所有服务链的信息,然后将这些服务链按照源目节点相同为特征进行分组;
C.如果是被复用的VNF则按照分组对当前的VNF进行分离迁出,首先在源目节点的前K短路径上所有节点中筛选出时延满足约束且剩余可用资源足够的节点集合Z;如果不是被复用的VNF则直接在源目节点的前K短路径上以同样的方式筛选出合适的节点;
D.计算已经筛选出的各节点的迁入指数,并按照迁入指数的排序选择出合适的节点作为待迁移VNF的目的节点。
6.根据权利要求5所述的一种面向多维资源负载均衡的VNF复用和迁移方法,其特征在于,所述迁入指数计算方法包括:
计算待迁入节点理论上的正理想解;
计算所有待选取节点中每种资源的最小利用率作为理想解的占用率,统计所有待选取节点中对当前待迁移VNF的聚合度,选出聚合度作为理想的聚合度,公式如下:
;
式中,表示各节点上表示第i种资源的最小利用率,表示节点v上第i种资源的利用率,表示各节点上第j种VNF的最小聚合度;
计算待迁入节点理论上的负理想解,计算所有待选取节点中每种资源的最大利用率作为负理想解的占用率,负理想解的VNF聚合度为所有待选节点中最大的一个或者取值为0,公式如下:
;
式中,表示各节点上表示第i种资源的最大利用率,表示节点v上第i种资源的利用率,表示各节点上第j种VNF的最大聚合度;
求出节点与正理想解和负理想解的趋近程度,分别记为和,公式如下:
;
式中,表示各维度资源的权重,是一个预先定义的值,表示节点v上第j种VNF是否为0,再根据正理想解和负理想解的趋近程度计算出待迁入节点的迁入指数:
;
对每个节点的迁入指数进行排序,选取迁入指数最大的节点作为迁入节点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110276714.5A CN112860384B (zh) | 2021-03-15 | 2021-03-15 | 一种面向多维资源负载均衡的vnf复用和迁移方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110276714.5A CN112860384B (zh) | 2021-03-15 | 2021-03-15 | 一种面向多维资源负载均衡的vnf复用和迁移方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112860384A CN112860384A (zh) | 2021-05-28 |
CN112860384B true CN112860384B (zh) | 2024-08-06 |
Family
ID=75994490
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110276714.5A Active CN112860384B (zh) | 2021-03-15 | 2021-03-15 | 一种面向多维资源负载均衡的vnf复用和迁移方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112860384B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114124968B (zh) * | 2022-01-27 | 2022-05-20 | 深圳华锐金融技术股份有限公司 | 基于行情数据的负载均衡方法、装置、设备及介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107193638A (zh) * | 2017-05-30 | 2017-09-22 | 南京邮电大学 | 一种基于多维环境感知的网络功能快速自适应迁移方法 |
CN111741069A (zh) * | 2020-05-22 | 2020-10-02 | 南京邮电大学 | 基于sdn和nfv分层式数据中心资源优化方法和系统 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8694644B2 (en) * | 2011-09-29 | 2014-04-08 | Nec Laboratories America, Inc. | Network-aware coordination of virtual machine migrations in enterprise data centers and clouds |
US9461969B2 (en) * | 2013-10-01 | 2016-10-04 | Racemi, Inc. | Migration of complex applications within a hybrid cloud environment |
US9454395B2 (en) * | 2014-11-20 | 2016-09-27 | Ericsson Ab | Traffic-aware data center VM placement considering job dynamic and server heterogeneity |
JP2016192661A (ja) * | 2015-03-31 | 2016-11-10 | 日本電気株式会社 | ネットワークシステム、ネットワーク制御方法および制御装置 |
US10949233B2 (en) * | 2016-06-22 | 2021-03-16 | Ciena Corporation | Optimized virtual network function service chaining with hardware acceleration |
CN109271232B (zh) * | 2018-07-03 | 2019-11-19 | 广东省城乡规划设计研究院 | 一种基于云计算平台的集群资源分配方法 |
CN109981438B (zh) * | 2019-03-22 | 2021-03-02 | 大连大学 | 一种面向sdn和nfv协同部署框架的卫星网络负载均衡方法 |
CN111190688B (zh) * | 2019-12-19 | 2022-12-09 | 西安交通大学 | 一种面向云数据中心的Docker迁移方法及系统 |
CN111147307B (zh) * | 2019-12-30 | 2022-04-29 | 重庆邮电大学 | 基于深度强化学习的服务功能链可靠部署方法 |
CN111130904B (zh) * | 2019-12-30 | 2022-03-29 | 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 |
-
2021
- 2021-03-15 CN CN202110276714.5A patent/CN112860384B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107193638A (zh) * | 2017-05-30 | 2017-09-22 | 南京邮电大学 | 一种基于多维环境感知的网络功能快速自适应迁移方法 |
CN111741069A (zh) * | 2020-05-22 | 2020-10-02 | 南京邮电大学 | 基于sdn和nfv分层式数据中心资源优化方法和系统 |
Non-Patent Citations (1)
Title |
---|
基于可靠性的服务功能链部署策略研究;曹睿;《中国优秀硕士学位论文全文数据库 信息科技辑》(第2期);第28-37页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112860384A (zh) | 2021-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112738820B (zh) | 一种服务功能链的动态部署方法、装置及计算机设备 | |
Praveen et al. | An Adaptive Load Balancing Technique for Multi SDN Controllers | |
Rankothge et al. | Towards making network function virtualization a cloud computing service | |
JP2023549681A (ja) | ネットワーク機能選択のためのランク処理のための方法、システム、およびコンピュータ読取可能媒体 | |
Li et al. | An effective path load balancing mechanism based on SDN | |
Liang et al. | Scalable and crash-tolerant load balancing based on switch migration for multiple open flow controllers | |
CN110463140B (zh) | 计算机数据中心的网络服务水平协议 | |
CN107579922B (zh) | 网络负载均衡装置和方法 | |
CN110365748A (zh) | 业务数据的处理方法和装置、存储介质及电子装置 | |
US11579939B2 (en) | Systems and methods for virtual machine resource optimization using machine learning techniques | |
CN112350949B (zh) | 软件定义网络中基于流调度的重路由拥塞控制方法及系统 | |
Kim et al. | An energy-aware service function chaining and reconfiguration algorithm in NFV | |
WO2020154439A1 (en) | Dynamic inter-cloud placement of virtual network functions for a slice | |
WO2018121178A1 (zh) | 一种资源调整方法、装置和系统 | |
CN104852859B (zh) | 一种聚合接口业务处理方法和设备 | |
JPWO2012141241A1 (ja) | ネットワーク、データ転送ノード、通信方法およびプログラム | |
WO2017114481A1 (en) | Methods and systems for transport sdn traffic engineering using dual variables | |
Kang et al. | Application of adaptive load balancing algorithm based on minimum traffic in cloud computing architecture | |
CN109005126A (zh) | 数据流的处理方法和设备 | |
Xiao et al. | DMSSM: A Decision-Making Scheme of Switch Migration for SDN Control Plane | |
CN112860384B (zh) | 一种面向多维资源负载均衡的vnf复用和迁移方法 | |
CN117081983B (zh) | 数据传输方法及装置 | |
Ammar et al. | Dynamic SDN controllers-switches mapping for load balancing and controller failure handling | |
CN117043748A (zh) | 服务实例部署方法、节点间的负载均衡方法及系统 | |
Rout et al. | Intelligent load balancing techniques in software defined networks: A systematic review |
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 |