CN112910693B - 基于vnf并置影响分析的sfc部署方法 - Google Patents

基于vnf并置影响分析的sfc部署方法 Download PDF

Info

Publication number
CN112910693B
CN112910693B CN202110073013.1A CN202110073013A CN112910693B CN 112910693 B CN112910693 B CN 112910693B CN 202110073013 A CN202110073013 A CN 202110073013A CN 112910693 B CN112910693 B CN 112910693B
Authority
CN
China
Prior art keywords
deployment
vnf
population
sfc
solution
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
CN202110073013.1A
Other languages
English (en)
Other versions
CN112910693A (zh
Inventor
张栋
潘锡意
程灵飞
林为伟
朱丹红
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.)
Fuzhou University
Original Assignee
Fuzhou University
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 Fuzhou University filed Critical Fuzhou University
Priority to CN202110073013.1A priority Critical patent/CN112910693B/zh
Publication of CN112910693A publication Critical patent/CN112910693A/zh
Application granted granted Critical
Publication of CN112910693B publication Critical patent/CN112910693B/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
    • 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
    • H04L41/0803—Configuration setting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L12/00—Data switching networks
    • H04L12/28—Data switching networks characterised by path configuration, e.g. LAN [Local Area Networks] or WAN [Wide Area Networks]
    • H04L12/46—Interconnection of networks
    • H04L12/4641—Virtual LANs, VLANs, e.g. virtual private networks [VPN]
    • 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
    • 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
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/50—Reducing energy consumption in communication networks in wire-line communication networks, e.g. low power modes or reduced link rate

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Linguistics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Computer Security & Cryptography (AREA)
  • Genetics & Genomics (AREA)
  • Physiology (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种基于虚拟网络功能（VNF）并置影响分析的服务功能链（SFC）部署方法，其利用逻辑VNF节点与物理节点的部署关系作为染色体上的基因，通过遗传算法实现种群的进化，每次进化后计算VNF并置造成的SFC性能干扰影响大小，并以该值作为轮盘赌算法种群淘汰的权重，在种群的不断进化过程中，记录部署最优解，可以实现最小化SFC部署时的VNF并置性能干扰影响兼顾最小化部署的物理资源。

Description

基于VNF并置影响分析的SFC部署方法
技术领域
本发明涉及虚拟网络功能领域，具体涉及一种基于VNF并置影响分析的SFC部署方法。
背景技术
随着NFV架构体系不断完善，如何在NFV架构网络中，对用户服务请求快速的、合理有效的部署编排是一个急需解决的问题。通常，不同的局域网部署需要根据不同的需求进行设计策略，从而满足用户需求的同时最大程度的降低运营商成本开销，提高营收利润。设计合适的部署映射策略进行资源的分配和流量的调度通常影响着用户的体验和服务运营商的收益与成本开销，因此对不同场景设计合理的算法进行资源映射是至关重要的一步。在SFC部署时，利用VNFs性能监测模型获取更准确的性能，更合理的VNF放置是保障用户获得良好服务质量体验、提高NFV网络处理能力和资源利用率的关键，具有重大的研究意义。
发明内容
有鉴于此，本发明的目的在于提供一种基于VNF并置影响分析的SFC部署方法，能有效降低部署SFC耗费的物理资源并兼顾降低VNF并置导致的性能干扰影响。
为实现上述目的，本发明采用如下技术方案：
一种基于VNF并置影响分析的SFC部署方法，包括以下步骤：
步骤S1:在用户向服务提供商管理系统发送服务构建请求后，将单个SFC服务分解为一组以虚拟节点和虚拟链路为单位的部署子任务；
步骤S2:根据用户请求的顺序，以请求为单位，先构建物理节点资源大根堆，进行子任务中虚拟节点部署的求解，再以当前虚拟节点部署结果，验证点对点之间的链路部署方案可行，否则初始解求解失败，拒绝提供用户服务；
步骤S3:以初始解作为初代染色体进行映射节点的单点交叉，获得初始种群解；
步骤S4:利用初始种群解选择不同染色体对进行杂交变异，构建新种群的同时计算不同部署方案下的SFC并置影响大小Es鋠c，借助SFC并置影响大小指导种群进化；
步骤S5:在规定的种群进化代数中记录SFC部署时并置影响大小与资源耗费对应的优化目标值，选取最优解作为当前在线请求部署的方案进行部署。
进一步的，所述用户向服务提供商管理系统提交服务请求，具体为：
Figure GDA0003635999160000021
其中，Nvκ是用户请求服务请求的有序VNF节点集合，Evκ是VNF节点相互连接的逻辑链路；Rcpuκ与Rmemκ分别是逻辑VNF节点
Figure GDA0003635999160000022
需要的计算资源集合和内存资源集合，而Rbdκ表示带宽需求集合。
进一步的，所述初始解构建，具体为：将Rcpuκ集合和Rbdκ分别分解为虚拟节点部署子任务和虚拟链路部署子任务，并且优先选择点集合进行部署
(1)感知物理网络状态信息Gs＝(Ns,Es)，其中Ns代表物理网络节点集合，Es表示物理链路的集合，根据Ns剩余CPU资源构建更新大顶堆Scpu_heap，结合
Figure GDA0003635999160000031
中Nvκ的CPU资源需求，取堆顶元素逐一部署，将Nvκ中的逻辑节点分配部署到物理节点的同时，每部署一个逻辑节点进行一次大顶堆的更新；
(2)部署VNF逻辑节点点对之间的连接链路，部署链路优先使用迪杰斯特拉算法，若链路负载超出阈值范围，则需要重新借助广搜算法查找部署物理链路，链路部署是逻辑节点部署的保证，验证物理节点部署解可行,若验证未通过，则构建初始解失败，决绝服务请求，构建遗传算法初代种群解M1，将当前种群更新为M’←M1。
进一步的，所述步骤S4具体为：
(1)利用当前种群M'染色体，以一定的概率进行交叉、变异，再进行解的点对之间可达性进行验证。验证是可行解则将新解记录至M'1集合，否则不记录；
(2)合并M'1集合染色体至种群M'，基于式(1)计算
Figure GDA0003635999160000032
对应的不同种群解对已部署SFC的性能干扰影响，以影响大小作为轮盘赌算法的权重进行种群的淘汰进化，最终得到新的种群M'，遍历种群，记录最小化资源兼顾最小化并置VNF性能干扰影响的染色体解M'2。若达到最大迭代代数，则结束迭代，返回最优解，否则继续下一代迭代进化；
(3)将M'2染色体解转化为VNF节点和节点对间虚拟链路的映射部署方案，部署成功。
本发明与现有技术相比具有以下有益效果：
本发明可以有效提高物理网络的处理能力，提高物理网络资源利用率并且有效降低VNF并置影响对SFC服务的影响，该方法简单，实现灵活，具有较强的实用性。
附图说明
图1是本发明一实施例中VNF并置示意图；
图2是本发明一实施例中基于VNF并置影响分析的SFC映射部署流程图；
图3是本发明一实施例中VNF并置造成SFC性能干扰示意图；
图4是本发明一实施例中SFC映射示意图。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
请参照图1，本发明提供一种基于VNF并置影响分析的SFC部署方法，包括以下步骤：
步骤S1:在用户向服务提供商管理系统发送服务构建请求后，将单个SFC服务分解为一组以虚拟节点和虚拟链路为单位的部署子任务；
步骤S2:根据用户请求的顺序，以请求为单位，先构建物理节点资源大根堆，进行子任务中虚拟节点部署的求解，再以当前虚拟节点部署结果，验证点对点之间的链路部署方案可行，否则初始解求解失败，拒绝提供用户服务；
步骤S3:以初始解作为初代染色体进行映射节点的单点交叉，获得初始种群解；
步骤S4:利用初始种群解选择不同染色体对进行杂交变异，构建新种群的同时计算不同部署方案下的SFC并置影响大小Es鋠c，借助SFC并置影响大小指导种群进化；
步骤S5:在规定的种群进化代数中记录SFC部署时并置影响大小与资源耗费对应的优化目标值，选取最优解作为当前在线请求部署的方案进行部署。
在本实施例中，用户向服务提供商管理系统提交服务请求，具体为：
Figure GDA0003635999160000051
其中，Nvκ是用户请求服务请求的有序VNF节点集合，Evκ是VNF节点相互连接的逻辑链路；Rcpuκ与Rmemκ分别是逻辑VNF节点
Figure GDA0003635999160000052
需要的计算资源集合和内存资源集合，而Rbdκ表示带宽需求集合。
在本实施例中，所述初始解构建，具体为：将Rcpuκ集合和Rbdκ分别分解为虚拟节点部署子任务和虚拟链路部署子任务，并且优先选择点集合进行部署
(1)感知物理网络状态信息Gs＝(Ns,Es)，其中Ns代表物理网络节点集合，Es表示物理链路的集合，根据Ns剩余CPU资源构建更新大顶堆Scpu_heap，结合
Figure GDA0003635999160000061
中Nvκ的CPU资源需求，取堆顶元素逐一部署，将Nvκ中的逻辑节点分配部署到物理节点的同时，每部署一个逻辑节点进行一次大顶堆的更新；
(2)部署VNF逻辑节点点对之间的连接链路，部署链路优先使用迪杰斯特拉算法，若链路负载超出阈值范围，则需要重新借助广搜算法查找部署物理链路，链路部署是逻辑节点部署的保证，验证物理节点部署解可行,若验证未通过，则构建初始解失败，拒绝服务请求，构建遗传算法初代种群解M1，将当前种群更新为M’←M1。
在本实施例中，所述步骤S4具体为：
(1)利用当前种群M'染色体，以一定的概率进行交叉、变异，再进行解的点对之间可达性进行验证。验证是可行解则将新解记录至M'1集合，否则不记录；
(2)合并M'1集合染色体至种群M'，基于式(1)计算
Figure GDA0003635999160000062
对应的不同种群解对已部署SFC的性能干扰影响，以影响大小作为轮盘赌算法的权重进行种群的淘汰进化，最终得到新的种群M'，遍历种群，记录最小化资源兼顾最小化并置VNF性能干扰影响的染色体解M'2。若达到最大迭代代数，则结束迭代，返回最优解，否则继续下一代迭代进化；
(3)将M'2染色体解转化为VNF节点和节点对间虚拟链路的映射部署方案，部署成功。
以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本发明的涵盖范围。

Claims (4)

1.一种基于VNF并置影响分析的SFC部署方法，其特征在于，包括以下步骤：
步骤S1:在用户向服务提供商管理系统发送服务构建请求后，将单个SFC服务分解为一组以虚拟节点和虚拟链路为单位的部署子任务；
步骤S2:根据用户请求的顺序，以请求为单位，先构建物理节点资源大根堆，进行子任务中虚拟节点部署的求解，再以当前虚拟节点部署结果，验证点对点之间的链路部署方案可行，否则初始解求解失败，拒绝提供用户服务；
步骤S3:以初始解作为初代染色体进行映射节点的单点交叉，获得初始种群解；
步骤S4:利用初始种群解选择不同染色体对进行杂交变异，构建新种群的同时计算不同部署方案下的SFC并置影响大小Esfc，借助SFC并置影响大小指导种群进化；
步骤S5:在规定的种群进化代数中记录SFC部署时并置影响大小与资源耗费对应的优化目标值，选取最优解作为当前在线请求部署的方案进行部署。
2.根据权利要求1所述的基于VNF并置影响分析的SFC部署方法，其特征在于，所述用户向服务提供商管理系统提交服务请求，具体为：
Figure FDA0003629315940000011
其中，Nvκ是用户请求服务请求的有序VNF节点集合，Evκ是VNF节点相互连接的逻辑链路；Rcpuκ与Rmemκ分别是逻辑VNF节点
Figure FDA0003629315940000021
需要的计算资源集合和内存资源集合，而Rbdκ表示带宽需求集合。
3.根据权利要求2所述的基于VNF并置影响分析的SFC部署方法，其特征在于，所述初始解构建，具体为：将Rcpuκ集合和Rbdκ分别分解为虚拟节点部署子任务和虚拟链路部署子任务，并且选择点集合进行部署
(1)感知物理网络状态信息Gs＝(Ns，Es)，其中Ns代表物理网络节点集合，Es表示物理链路的集合，根据Ns剩余CPU资源构建更新大顶堆Scpu_heap，结合
Figure FDA0003629315940000022
中Nvκ的CPU资源需求，取堆顶元素逐一部署，将Nvκ中的逻辑节点分配部署到物理节点的同时，每部署一个逻辑节点进行一次大顶堆的更新；
(2)部署VNF逻辑节点点对之间的连接链路，部署链路优先使用迪杰斯特拉算法，若链路负载超出阈值范围，则需要重新借助广搜算法查找部署物理链路，链路部署是逻辑节点部署的保证，验证物理节点部署解可行，若验证未通过，则构建初始解失败，拒绝服务请求，构建遗传算法初代种群解M1，将当前种群更新为M′←M1。
4.根据权利要求2所述的基于VNF并置影响分析的SFC部署方法，其特征在于，所述步骤S4具体为：
(1)利用当前种群M′染色体，以一定的概率进行交叉、变异，再进行解的点对之间可达性进行验证；验证是可行解则将新解记录至M′1集合，否则不记录；
(2)合并M′1集合染色体至种群M′，基于式(1)计算
Figure FDA0003629315940000031
对应的不同种群解对已部署SFC的性能干扰影响，以影响大小作为轮盘赌算法的权重进行种群的淘汰进化，最终得到新的种群M′，遍历种群，记录最小化资源兼顾最小化并置VNF性能干扰影响的染色体解M′2；若达到最大迭代代数，则结束迭代，返回最优解，否则继续下一代迭代进化；
(3)将M′2染色体解转化为VNF节点和节点对间虚拟链路的映射部署方案，部署成功。
CN202110073013.1A 2021-01-20 2021-01-20 基于vnf并置影响分析的sfc部署方法 Active CN112910693B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110073013.1A CN112910693B (zh) 2021-01-20 2021-01-20 基于vnf并置影响分析的sfc部署方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110073013.1A CN112910693B (zh) 2021-01-20 2021-01-20 基于vnf并置影响分析的sfc部署方法

Publications (2)

Publication Number Publication Date
CN112910693A CN112910693A (zh) 2021-06-04
CN112910693B true CN112910693B (zh) 2022-07-08

Family

ID=76116330

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110073013.1A Active CN112910693B (zh) 2021-01-20 2021-01-20 基于vnf并置影响分析的sfc部署方法

Country Status (1)

Country Link
CN (1) CN112910693B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115086175B (zh) * 2022-04-26 2023-06-30 北京邮电大学 资源优化的方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108322333A (zh) * 2017-12-28 2018-07-24 广东电网有限责任公司电力调度控制中心 一种基于遗传算法的虚拟网络功能的放置方法
CN110134493A (zh) * 2019-05-05 2019-08-16 西安邮电大学 一种基于资源碎片避免的服务功能链部署算法
CN111538570A (zh) * 2020-05-12 2020-08-14 广东电网有限责任公司电力调度控制中心 一种面向节能和QoS保障的VNF部署方法及装置
CN112187510A (zh) * 2020-08-26 2021-01-05 中国科学院信息工程研究所 一种基于遗传算法的虚拟网络功能放置方法及电子装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10432524B2 (en) * 2017-12-20 2019-10-01 At&T Intellectual Property I, L.P. Parallelism for virtual network functions in service function chains

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108322333A (zh) * 2017-12-28 2018-07-24 广东电网有限责任公司电力调度控制中心 一种基于遗传算法的虚拟网络功能的放置方法
CN110134493A (zh) * 2019-05-05 2019-08-16 西安邮电大学 一种基于资源碎片避免的服务功能链部署算法
CN111538570A (zh) * 2020-05-12 2020-08-14 广东电网有限责任公司电力调度控制中心 一种面向节能和QoS保障的VNF部署方法及装置
CN112187510A (zh) * 2020-08-26 2021-01-05 中国科学院信息工程研究所 一种基于遗传算法的虚拟网络功能放置方法及电子装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Virtual Network Function Placement Considering;Defang Li等;《IEEE TRANSACTIONS ON PARALLEL AND DISTRIBUTED SYSTEMS》;20180731;第29卷(第7期);1664-1676 *
一种域适配混合遗传算法及在安全服务链编排中的验证;姚晓辉;《电信科学》;20200520(第5期);16-23 *

Also Published As

Publication number Publication date
CN112910693A (zh) 2021-06-04

Similar Documents

Publication Publication Date Title
Iliopoulou et al. Metaheuristics for the transit route network design problem: a review and comparative analysis
CN111445111B (zh) 一种基于边缘协同的电力物联网任务分配方法
CN108053037A (zh) 一种基于两网融合的配电网抢修策略制定方法及装置
US20240179360A1 (en) Cdn optimization platform
CN114126066B (zh) 面向mec的服务器资源配置与选址联合优化决策方法
CN111614754B (zh) 面向雾计算的成本效率优化的动态自适应任务调度方法
CN116501711A (zh) 一种基于“存算分离”架构的算力网络任务调度方法
CN106101213A (zh) 信息分布式存储方法
CN108256969A (zh) 一种公共自行车租赁点调度区域划分方法
CN113037877A (zh) 云边端架构下时空数据及资源调度的优化方法
CN112910693B (zh) 基于vnf并置影响分析的sfc部署方法
CN113329053B (zh) 一种基于电力业务特征的5g网络虚拟映射方法及装置
CN110275759A (zh) 一种虚拟机簇动态部署方法
CN114493098A (zh) 基于区块链智能合约的电动汽车有序充电引导方法和系统
CN106254452A (zh) 云平台下的医疗大数据访问方法
CN117150893A (zh) 节点机房选址方法、装置、设备及介质
CN109889573A (zh) 混合云中基于ngsa多目标的副本放置方法
CN114913033A (zh) 一种电网多样性数据分级存储均衡与交易安全方法及系统
CN112329215B (zh) 含电动汽车换电站的配电网的可靠性评估方法及计算设备
CN107248923A (zh) 一种基于局部拓扑信息和社团相关性的链路预测方法
Wang et al. Solving virtual network mapping fast by combining neural network and MCTS
Pan et al. Distributed resource scheduling algorithm based on hybrid genetic algorithm
CN112954022A (zh) 一种基于智能变电站的多并发实时通信方法及装置
CN111290853A (zh) 一种基于自适应改进遗传算法的云数据中心调度方法
Pucher et al. EXFed: Efficient Cross-Federation with Availability SLAs on Preemptible IaaS Instances

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