CN113535388B - 面向任务的服务功能聚合方法 - Google Patents

面向任务的服务功能聚合方法 Download PDF

Info

Publication number
CN113535388B
CN113535388B CN202110711120.2A CN202110711120A CN113535388B CN 113535388 B CN113535388 B CN 113535388B CN 202110711120 A CN202110711120 A CN 202110711120A CN 113535388 B CN113535388 B CN 113535388B
Authority
CN
China
Prior art keywords
task
virtual network
tasks
similarity
network functions
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
CN202110711120.2A
Other languages
English (en)
Other versions
CN113535388A (zh
Inventor
李晓欢
陈明凤
陈倩
唐欣
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.)
Guangxi Comprehensive Transportation Big Data Research Institute
Guilin University of Electronic Technology
Original Assignee
Guangxi Comprehensive Transportation Big Data Research Institute
Guilin University of Electronic Technology
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 Guangxi Comprehensive Transportation Big Data Research Institute, Guilin University of Electronic Technology filed Critical Guangxi Comprehensive Transportation Big Data Research Institute
Priority to CN202110711120.2A priority Critical patent/CN113535388B/zh
Publication of CN113535388A publication Critical patent/CN113535388A/zh
Application granted granted Critical
Publication of CN113535388B publication Critical patent/CN113535388B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5061—Partitioning or combining of resources
    • G06F9/5077—Logical partitioning of resources; Management or configuration of virtualized resources
    • 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
    • G06F9/46—Multiprogramming arrangements
    • G06F9/48—Program initiating; Program switching, e.g. by interrupt
    • G06F9/4806—Task transfer initiation or dispatching
    • G06F9/4843—Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2209/00—Indexing scheme relating to G06F9/00
    • G06F2209/50—Indexing scheme relating to G06F9/50
    • G06F2209/504—Resource capping
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2209/00—Indexing scheme relating to G06F9/00
    • G06F2209/50—Indexing scheme relating to G06F9/50
    • G06F2209/506—Constraint

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

本申请提供了一种面向任务的服务功能聚合方法，涉及计算机技术领域。该方法包括：获取预设时间段内的至少一个任务；对各任务进行任务分解，得到各任务分别包含的虚拟网络功能；计算各虚拟网络功能计算各任务之间的任务相似度，基于任务相似度对至少一个任务进行分类。本申请实施例从任务角度出发，根据任务相似度对任务进行分类，在同一类内根据底层物理资源的限制进行功能聚合。提高了聚合效率，降低了实例化成本，提高了物理资源利用率；此外在类内聚合时本申请从底层物理资源的约束下进行聚合，考虑了底层物理资源限制，提高了映射时请求接受率和降低了物理资源碎片化。

Description

面向任务的服务功能聚合方法
技术领域
本申请涉及计算机技术领域，具体而言，本申请涉及一种面向任务的服务功能聚合方法。
背景技术
在部署SFC(服务功能链)的过程中，为高效利用物理资源降低VNF(虚拟网络功能)重复实例化带来的实例化成本开销，采用功能聚合的方式，通过尽可能减少VNF实例化数量，来降低实例化成本。
现有技术都是将相同端节点的服务链组成一个簇,簇中功能相同的2个(或2个以上)节点聚合为一个资源相加的大节点，达到降低虚拟网络功能实例化成本的目的，但现有功能聚合方式效率低下，实例化成本仍然过高、物理资源利用率低，未考虑底层物理资源限制，在映射时导致请求接受率降低和物理资源碎片化。
发明内容
本申请的目的旨在至少能解决上述的技术缺陷之一，特别是现有功能聚合方式效率低下，实例化成本仍然过高、物理资源利用率低，未考虑底层物理资源限制，在映射时导致请求接受率降低和物理资源碎片化的技术缺陷。
第一方面，提供了一种面向任务的服务功能聚合方法，该方法包括：
获取预设时间段内的至少一个任务；
对各所述任务进行任务分解，得到各所述任务分别包含的虚拟网络功能；
根据所述各虚拟网络功能计算各所述任务之间的任务相似度，基于所述任务相似度对所述至少一个任务进行分类。
作为本申请一种可能的实施方式，在该实施方式中，所述获取预设时间段内的至少一个任务，包括：
获取上一任务处理时刻后预设时间段内的至少一个任务。
作为本申请一种可能的实施方式，在该实施方式中，所述对各所述任务进行任务分解，得到各所述任务分别包含的虚拟网络功能，包括：
确定各所述任务中虚拟网络功能的数量；
确定各所述虚拟网络功能的类别；
确定各所述虚拟网络功能的计算需求；
确定各所述虚拟网络功能间的依赖关系；
确定各所述虚拟网络功能间的通信带宽需求。
作为本申请一种可能的实施方式，在该实施方式中，所述根据所述各虚拟网络功能计算各所述任务之间的任务相似度，包括：
基于各所述任务中类别相同的虚拟网络功能的数量计算各所述任务之间的任务相似度。
作为本申请一种可能的实施方式，在该实施方式中，所述基于各所述任务中类别相同的虚拟网络功能的数量计算各所述任务之间的任务相似度，包括：
在计算两个任务之间的任务相似度时，采用如下公式进行计算：
m＝typequal(rirj)；i,j∈n
其中，η2为ri、rj两个任务的相似度，m为任务ri、rj包含相同虚拟网络功能的个数，totaltype(ri)为任务ri中总的虚拟网络功能个数，precenti为任务ri中相同虚拟网络功能个数占总的虚拟网络功能的比例；
在计算超过两个任务之间的任务相似度时，采用如下公式进行计算：
其中，t表示任务个数，表示第/>种组合的任务之间的任务相似度，ηt表示t个任务之间的任务相似度。
作为本申请一种可能的实施方式，在该实施方式中，所述基于所述任务相似度对所述至少一个任务进行分类之后，还包括：
计算各类中任务共用链路的最大带宽，
基于所述最大带宽对所述各类中的任务进行聚合，以使所述最大带宽小于物理链路中的最大带宽。
作为本申请一种可能的实施方式，在该实施方式中，所述基于所述任务相似度对所述至少一个任务进行分类之后，还包括：
计算各类中任务所需计算能力；
基于所述计算能力对所述各类中的任务进行聚合，以使所述计算能力小于物理节点的最大计算能力。
第二方面，提供了一种面向任务的服务功能聚合装置，该装置包括：
任务获取模块，用于获取预设时间段内的至少一个任务；
任务分解模块，用于对各所述任务进行任务分解，得到各所述任务分别包含的虚拟网络功能；
分类模块，用于根据所述各虚拟网络功能计算各所述任务之间的任务相似度，基于所述任务相似度对所述至少一个任务进行分类。
第三方面，提供了一种电子设备，该电子设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现上述的面向任务的服务功能聚合方法。
第四方面，提供了一种计算机存储介质，所述存储介质存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现上述的面向任务的服务功能聚合方法。
本申请实施例从任务角度出发，根据任务相似度对任务进行分类，在同一类内根据底层物理资源的限制进行功能聚合。本申请有效的解决了现有聚合方式效率低下导致实例化开销过大以及聚合时未考虑底层物理资源限制导致映射接受率低的问题。和基于具有相同源节点和目的节点的聚合方式比较，本申请从任务本身出发，提高了聚合效率，降低了实例化成本，提高了物理资源利用率；此外在类内聚合时本申请从底层物理资源的约束下进行聚合，考虑了底层物理资源限制，提高了映射时请求接受率和降低了物理资源碎片化。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对本申请实施例描述中所需要使用的附图作简单地介绍。
图1为本申请实施例提供的一种面向任务的服务功能聚合方法的流程示意图；
图2为本申请实施例提供的一种分解任务的方法的流程示意图；
图3为本申请实施例提供的一种面向任务的服务功能聚合装置的结构示意图；
图4为本申请实施例提供的一种电子设备的结构示意图。
结合附图并参考以下具体实施方式，本申请各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。
具体实施方式
下面将参照附图更详细地描述本申请的实施例。虽然附图中显示了本申请的某些实施例，然而应当理解的是，本申请可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本申请。应当理解的是，本申请的附图及实施例仅用于示例性作用，并非用于限制本申请的保护范围。
应当理解，本申请的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本申请的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意，本申请中提及的“第一”、“第二”等概念仅用于对装置、模块或单元进行区分，并非用于限定这些装置、模块或单元一定为不同的装置、模块或单元，也并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本申请中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本申请实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。
首先对本申请涉及的几个名词进行介绍和解释：
网络虚拟化：NFV(网络功能虚拟化)技术通过分离逻辑功能与物理资源，采用软件实现虚拟网络功能，把多样化的网络功能和服务从底层物理资源中抽象出来，VNF可以根据网络需要在不同的位置上进行实例化,如数据中心、网络节点和用户终端设备等。NFV采用虚拟化技术将多样的网络功能整合迁移至通用硬件平台，如工业标准高性能服务器等，实现网络功能的灵活部署和物理资源的高效利用。虚拟网络功能与专用硬件设备具有相同的功能性，可以由服务提供商或电信运营商在底层基础设施上进行实例化、运行和部署。NFV使得电信运营商能够摆脱专用硬件设备在功能上和空间上的束缚，实现网络服务的快速灵活部署和网络流量的高效处理，并且运营商可以根据VNF的负载变化动态调整VNF的资源分配，在满足更多的服务需求的同时降低运营成本。
服务功能链(SFC)：不同的VNF按照一定策略连接起来，构成了服务功能链(SFC)。对于SFC，它在物理节点上运行，并包含多个VNF。不同的业务流量具有差异化的服务需求，因此，运营商需要对不同的业务流量进行分类,制定不同的路由策略，通过不同的服务功能链以满足相应的服务请求。
功能聚合：在部署SFC的过程中，为降低VNF的实例化成本，大部分研究工作采用了功能聚合的方式，以不同的策略对虚拟网络功能进行聚合，通过尽可能减少同种VNF的实例化数量，来降低实例化成本以及通信带宽的消耗。
本申请提供的面向任务的服务功能聚合方法、装置、电子设备和计算机存储介质，旨在解决现有技术的如上技术问题。
下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本申请的实施例进行描述。
本申请实施例中提供了一种面向任务的服务功能聚合方法，如图1所示，该方法包括：
步骤S101，获取预设时间段内的至少一个任务；
步骤S102，对各所述任务进行任务分解，得到各所述任务分别包含的虚拟网络功能；
步骤S103，根据所述各虚拟网络功能计算各所述任务之间的任务相似度，基于所述任务相似度对所述至少一个任务进行分类。
在本申请实施例中，提供的面向任务的服务功能聚合方法，用于对不同服务请求中的任务按照各任务中虚拟网络功能的种类进行聚合，在获取预设时间段内的至少一个任务时，可以选取时间间隔T，接收这一时间段内的服务请求，其中，该服务请求中包括多个任务，其中，这一段时间内的服务请求可以是同时到达的，也可以是在该时间间隔T内的任一时刻达到的。
在本申请实施例中，在获取到至少一个任务之后，对该至少一个任务进行分解，得到各任务包含的虚拟网络功能，为方便说明，以一个具体实施例为例，获取到的任务包括任务A、任务B以及任务C，分别对任务A、任务B以及任务C进行分解，其中，分解是根据各任务所包含的虚拟网络功能进行分解的，如任务A中包含的虚拟网络功能为a1、a2、a3，任务B中包含的虚拟网络功能为b1、b2、b3、b4，任务C中包含的虚拟网络功能为c1、c2、c3、c4以及c5，当然，上述实施例只是本申请一种可能的方式，具体分解情况根据实际情况而定。
在本申请实施例中，在确定各任务中包含的虚拟网络功能之后，基于各任务中的虚拟网络功能，计算各任务之间的任务相似度，并基于该任务相似度对个任务进行分类，其中，具体的任务相似度的计算方法，在后续说明书中会详细说明。
本申请实施例从任务角度出发，根据任务相似度对任务进行分类，在同一类内根据底层物理资源的限制进行功能聚合。本申请有效的解决了现有聚合方式效率低下导致实例化开销过大以及聚合时未考虑底层物理资源限制导致映射接受率低的问题。和基于具有相同源节点和目的节点的聚合方式比较，本申请从任务本身出发，提高了聚合效率，降低了实例化成本，提高了物理资源利用率；此外在类内聚合时本申请从底层物理资源的约束下进行聚合，考虑了底层物理资源限制，提高了映射时请求接受率和降低了物理资源碎片化。
本申请实施例提供了一种可能的实施方式，在该实施方式中，所述获取预设时间段内的至少一个任务，包括：
获取上一任务处理时刻后预设时间段内的至少一个任务。
在本申请实施例中，在确定时间间隔T时，可以选取上一任务处理时刻至当前任务处理时刻的时间段作为时间间隔T，并获取该时间段内的至少一个任务，可选的，至少一个任务可以是同时到达的，也可以是分别到达的。
本申请实施例通过将上一任务处理时刻至当前任务处理时刻的时间段确定为时间间隔T，保证任务处理不间断，防止任务漏处理。
本申请实施例提供了一种可能的实施方式，在该实施方式中，如图2所示，所述对各所述任务进行任务分解，得到各所述任务分别包含的虚拟网络功能，包括：
步骤S201，确定各所述任务中虚拟网络功能的数量；
步骤S202，确定各所述虚拟网络功能的类别；
步骤S203，确定各所述虚拟网络功能的计算需求；
步骤S204，确定各所述虚拟网络功能间的依赖关系；
步骤S205、确定各所述虚拟网络功能间的通信带宽需求。
在本申请实施例中，在获取到至少一个任务之后，对该至少一个任务进行分解，得到各任务包含的虚拟网络功能，为方便说明，以一个具体实施例为例，获取到的任务包括任务A、任务B以及任务C，分别对任务A、任务B以及任务C进行分解，其中，分解是根据各任务所包含的虚拟网络功能进行分解的，如任务A中包含的虚拟网络功能为a1、a2、a3，数量为3，任务B中包含的虚拟网络功能为b1、b2、b3、b4，数量为4，任务C中包含的虚拟网络功能为c1、c2、c3、c4以及c5，数量为5，当然，上述实施例只是本申请一种可能的方式，具体分解情况根据实际情况而定。
在本申请实施例中，还需要确定各所述虚拟网络功能的计算需求、各虚拟网络功能之间的依赖关系以及各虚拟网络功能之间的通信带宽需求，以保证在后续进行功能聚合时，物理硬件及网络能够满足聚合条件。
本申请实施例通过确定各任务中虚拟网络功能的数量和种类，方便后续任务相似度的计算。
本申请实施例提供了一种可能的实施方式，在该实施方式中，所述根据所述各虚拟网络功能计算各所述任务之间的任务相似度，包括：
基于各所述任务中类别相同的虚拟网络功能的数量计算各所述任务之间的任务相似度。
在本申请实施例中，在计算任务之间的任务相似度时，基于任务中相同类别的虚拟网络功能的数量确定。
作为本申请一个实施例，在计算相似度时，并不是传统上的当所有的任务都有相同VNF时才计算其相似度，这样只突出了整体相似度而忽略了部分相似度，在进行功能聚合时仍会造成聚合不充分造成过多的实例化开销，物理资源浪费。当有t个任务到达时，本发明中通过分别计算任务的两两相似度，再求以均值，来表示其整体相似度，这样就不会忽略任务间的部分相似度，可以充分实现功能聚合，减少实例化的部署开销。
在本申请实施例中，在计算两个任务之间的任务相似度时，采用如下公式进行计算：
m＝typequal(rirj)；i,j∈n
其中，η2为ri、rj两个任务的相似度，m为任务ri、rj包含相同虚拟网络功能的个数，totaltype(ri)为请求ri中总的虚拟网络功能个数，precenti为任务ri中相同虚拟网络功能个数占总的虚拟网络功能的比例；
在计算超过两个任务之间的任务相似度时，采用如下公式进行计算：
其中，t表示任务个数，表示第/>种组合的任务之间的任务相似度，ηt表示t个任务之间的任务相似度。
本申请实施例从任务角度出发，根据任务相似度对任务进行分类，在同一类内根据底层物理资源的限制进行功能聚合。本申请有效的解决了现有聚合方式效率低下导致实例化开销过大以及聚合时未考虑底层物理资源限制导致映射接受率低的问题。和基于具有相同源节点和目的节点的聚合方式比较，本申请从任务本身出发，提高了聚合效率，降低了实例化成本，提高了物理资源利用率。
本申请实施例提供了一种可能的实施方式，在该实施方式中，所述基于所述任务相似度对所述至少一个任务进行分类之后，还包括：
计算各类中任务共用链路的最大带宽，
基于所述最大带宽对所述各类中的任务进行聚合，以使所述最大带宽小于物理链路中的最大带宽。
计算各类中任务所需计算能力；
基于所述计算能力对所述各类中的任务进行聚合，以使所述计算能力小于物理节点的最大计算能力。
在本申请实施例中，在对任务进行聚合时，需要考虑实际物理硬件的资源限制，需要保证一个类中类内多练共用链路最大带宽需求之和小于物理链路中最大带宽，类内相同VNF所需计算能力之和要小于物理节点的最大计算能力。
本申请实施例从任务角度出发，根据任务相似度对任务进行分类，在同一类内根据底层物理资源的限制进行功能聚合。本申请有效的解决了现有聚合方式效率低下导致实例化开销过大以及聚合时未考虑底层物理资源限制导致映射接受率低的问题。和基于具有相同源节点和目的节点的聚合方式比较，本申请从任务本身出发，提高了聚合效率，降低了实例化成本，提高了物理资源利用率；此外在类内聚合时本申请从底层物理资源的约束下进行聚合，考虑了底层物理资源限制，提高了映射时请求接受率和降低了物理资源碎片化。
本申请实施例提供了一种面向任务的服务功能聚合装置，如图3所示，该面向任务的服务功能聚合装置30可以包括：任务获取模块301、任务分解模块302、以及分类模块303，其中，
任务获取模块301，用于获取预设时间段内的至少一个任务；
任务分解模块302，用于对各所述任务进行任务分解，得到各所述任务分别包含的虚拟网络功能；
分类模块303，用于根据所述各虚拟网络功能计算各所述任务之间的任务相似度，基于所述任务相似度对所述至少一个任务进行分类。
作为本申请一种可能的实施方式，任务获取模块301在获取预设时间段内的至少一个任务时，可以用于：
获取上一任务处理时刻后预设时间段内的至少一个任务。
作为本申请一种可能的实施方式，任务分解模块302在对各所述任务进行任务分解，得到各所述任务分别包含的虚拟网络功能时，可以用于：
确定各所述任务中虚拟网络功能的数量；
确定各所述虚拟网络功能的类别；
确定各所述虚拟网络功能的计算需求；
确定各所述虚拟网络功能间的依赖关系；
确定各所述虚拟网络功能间的通信带宽需求。作为本申请一种可能的实施方式，分类模块303在根据所述各虚拟网络功能计算各所述任务之间的任务相似度时，可以用于：
基于各所述任务中类别相同的虚拟网络功能的数量计算各所述任务之间的任务相似度。
作为本申请一种可能的实施方式，分类模块303在基于各所述任务中类别相同的虚拟网络功能的数量计算各所述任务之间的任务相似度时，可以用于：
在计算两个任务之间的任务相似度时，采用如下公式进行计算：
m＝typequal(rirj)；i,j∈n
其中，η2为ri、rj两个任务的相似度，m为任务ri、rj包含相同虚拟网络功能的个数，totaltype(ri)为任务ri中总的虚拟网络功能个数，precenti为任务ri中相同虚拟网络功能个数占总的虚拟网络功能的比例；
在计算超过两个任务之间的任务相似度时，采用如下公式进行计算：
其中，t表示任务个数，表示第/>种组合的任务之间的任务相似度，ηt表示t个任务之间的任务相似度。
作为本申请一种可能的实施方式，分类模块303在基于所述任务相似度对所述至少一个任务进行分类之后，还可以用于：
计算各类中任务共用链路的最大带宽，
基于所述最大带宽对所述各类中的任务进行聚合，以使所述最大带宽小于物理链路中的最大带宽。
作为本申请一种可能的实施方式，分类模块303在基于所述任务相似度对所述至少一个任务进行分类之后，还可以用于：
计算各类中任务所需计算能力；
基于所述计算能力对所述各类中的任务进行聚合，以使所述计算能力小于物理节点的最大计算能力。
本申请实施例的面向任务的服务功能聚合装置可执行本申请前述实施例所示的面向任务的服务功能聚合方法，其实现原理相类似，此处不再赘述。
本申请实施例从任务角度出发，根据任务相似度对任务进行分类，在同一类内根据底层物理资源的限制进行功能聚合。本申请有效的解决了现有聚合方式效率低下导致实例化开销过大以及聚合时未考虑底层物理资源限制导致映射接受率低的问题。和基于具有相同源节点和目的节点的聚合方式比较，本申请从任务本身出发，提高了聚合效率，降低了实例化成本，提高了物理资源利用率；此外在类内聚合时本申请从底层物理资源的约束下进行聚合，考虑了底层物理资源限制，提高了映射时请求接受率和降低了物理资源碎片化。
本申请实施例中提供了一种电子设备，该电子设备包括：存储器和处理器；至少一个程序，存储于存储器中，用于被处理器执行时，获取预设时间段内的至少一个任务；对各所述任务进行任务分解，得到各所述任务分别包含的虚拟网络功能；根据所述各虚拟网络功能计算各所述任务之间的任务相似度，基于所述任务相似度对所述至少一个任务进行分类。与现有技术相比可实现：本申请实施例从任务角度出发，根据任务相似度对任务进行分类，在同一类内根据底层物理资源的限制进行功能聚合。本申请有效的解决了现有聚合方式效率低下导致实例化开销过大以及聚合时未考虑底层物理资源限制导致映射接受率低的问题。和基于具有相同源节点和目的节点的聚合方式比较，本申请从任务本身出发，提高了聚合效率，降低了实例化成本，提高了物理资源利用率；此外在类内聚合时本申请从底层物理资源的约束下进行聚合，考虑了底层物理资源限制，提高了映射时请求接受率和降低了物理资源碎片化。
在一个可选实施例中提供了一种电子设备，如图4所示，图4所示的电子设备4000包括：处理器4001和存储器4003。其中，处理器4001和存储器4003相连，如通过总线4002相连。可选地，电子设备4000还可以包括收发器4004。需要说明的是，实际应用中收发器4004不限于一个，该电子设备4000的结构并不构成对本申请实施例的限定。
处理器4001可以是CPU(Central Processing Unit，中央处理器)，通用处理器，DSP(Digital Signal Processor，数据信号处理器)，ASIC(Application SpecificIntegrated Circuit，专用集成电路)，FPGA(Field Programmable Gate Array，现场可编程门阵列)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器4001也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等。
总线4002可包括一通路，在上述组件之间传送信息。总线4002可以是PCI(Peripheral Component Interconnect，外设部件互连标准)总线或EISA(ExtendedIndustry Standard Architecture，扩展工业标准结构)总线等。总线4002可以分为地址总线、数据总线、控制总线等。为便于表示，图4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。
存储器4003可以是ROM(Read Only Memory，只读存储器)或可存储静态信息和指令的其他类型的静态存储设备，RAM(Random Access Memory，随机存取存储器)或者可存储信息和指令的其他类型的动态存储设备，也可以是EEPROM(Electrically ErasableProgrammable Read Only Memory，电可擦可编程只读存储器)、CD-ROM(Compact DiscRead Only Memory，只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。
存储器4003用于存储执行本申请方案的应用程序代码，并由处理器4001来控制执行。处理器4001用于执行存储器4003中存储的应用程序代码，以实现前述方法实施例所示的内容。
本申请实施例提供了一种计算机存储介质，该计算机存储介质上存储有计算机程序，当其在计算机上运行时，使得计算机可以执行前述方法实施例中相应内容。与现有技术相比，本申请实施例从任务角度出发，根据任务相似度对任务进行分类，在同一类内根据底层物理资源的限制进行功能聚合。本申请有效的解决了现有聚合方式效率低下导致实例化开销过大以及聚合时未考虑底层物理资源限制导致映射接受率低的问题。和基于具有相同源节点和目的节点的聚合方式比较，本申请从任务本身出发，提高了聚合效率，降低了实例化成本，提高了物理资源利用率；此外在类内聚合时本申请从底层物理资源的约束下进行聚合，考虑了底层物理资源限制，提高了映射时请求接受率和降低了物理资源碎片化。
应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上所述仅是本申请的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。

Claims (4)

1.一种面向任务的服务功能聚合方法，其特征在于，包括：
获取预设时间段内的至少一个任务；
对各所述任务进行任务分解，得到各所述任务分别包含的虚拟网络功能；
根据所述各虚拟网络功能计算各所述任务之间的任务相似度，基于所述任务相似度对所述至少一个任务进行分类；
所述对各所述任务进行任务分解，得到各所述任务分别包含的虚拟网络功能，包括：
确定各所述任务中虚拟网络功能的数量；
确定各所述虚拟网络功能的类别；
确定各所述虚拟网络功能的计算需求；
确定各所述虚拟网络功能间的依赖关系；
确定各所述虚拟网络功能间的通信带宽需求；
所述根据各虚拟网络功能计算各所述任务之间的任务相似度，包括：
基于各所述任务中类别相同的虚拟网络功能的数量计算各所述任务之间的任务相似度；
所述基于各所述任务中类别相同的虚拟网络功能的数量计算各所述任务之间的任务相似度，包括：
在计算两个任务之间的任务相似度时，采用如下公式进行计算：
m＝typequal(rirj)；i，j∈n
其中，η2为ri、rj两个任务的相似度，m为任务ri、rj包含相同虚拟网络功能的个数，totaltype(ri)为任务ri中总的虚拟网络功能个数，precenti为任务ri中相同虚拟网络功能个数占总的虚拟网络功能的比例；
在计算超过两个任务之间的任务相似度时，采用如下公式进行计算：
其中，t表示任务个数，表示第/>种组合的任务之间的任务相似度，ηt表示t个任务之间的任务相似度。
2.根据权利要求1所述的面向任务的服务功能聚合方法，其特征在于，所述获取预设时间段内的至少一个任务，包括：
获取上一任务处理时刻后预设时间段内的至少一个任务。
3.根据权利要求1所述的面向任务的服务功能聚合方法，其特征在于，所述基于所述任务相似度对所述至少一个任务进行分类之后，还包括：
计算各类中任务共用链路的最大带宽，
基于所述最大带宽对所述各类中的任务进行聚合，以使所述最大带宽小于物理链路中的最大带宽。
4.根据权利要求1所述的面向任务的服务功能聚合方法，其特征在于，所述基于所述任务相似度对所述至少一个任务进行分类之后，还包括：
计算各类中任务所需计算能力；
基于所述计算能力对所述各类中的任务进行聚合，以使所述计算能力小于物理节点的最大计算能力。
CN202110711120.2A 2021-06-25 2021-06-25 面向任务的服务功能聚合方法 Active CN113535388B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110711120.2A CN113535388B (zh) 2021-06-25 2021-06-25 面向任务的服务功能聚合方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110711120.2A CN113535388B (zh) 2021-06-25 2021-06-25 面向任务的服务功能聚合方法

Publications (2)

Publication Number Publication Date
CN113535388A CN113535388A (zh) 2021-10-22
CN113535388B true CN113535388B (zh) 2023-09-29

Family

ID=78125847

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110711120.2A Active CN113535388B (zh) 2021-06-25 2021-06-25 面向任务的服务功能聚合方法

Country Status (1)

Country Link
CN (1) CN113535388B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017173667A1 (zh) * 2016-04-08 2017-10-12 华为技术有限公司 一种管理方法及装置
CN107332913A (zh) * 2017-07-04 2017-11-07 电子科技大学 一种5g移动网络中服务功能链的优化部署方法
KR20170135345A (ko) * 2016-05-31 2017-12-08 아토리서치(주) 소프트웨어 정의 네트워킹을 이용하여 서비스 기능 체인을 운용하는 방법, 장치 및 컴퓨터 프로그램
CN108173761A (zh) * 2017-12-22 2018-06-15 南京邮电大学 一种sdn和nfv融合的资源优化方法
WO2018134911A1 (en) * 2017-01-18 2018-07-26 Nec Corporation Resource allocation system, method, and program
CN109714219A (zh) * 2019-03-13 2019-05-03 大连大学 一种基于卫星网络的虚拟网络功能快速映射算法
WO2019227483A1 (en) * 2018-06-01 2019-12-05 Huawei Technologies Co., Ltd. Multiple server-architecture cluster for providing a virtual network function
CN111126843A (zh) * 2019-12-24 2020-05-08 拉扎斯网络科技（上海）有限公司 任务处理方法、系统、电子设备和非易失性存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10805164B2 (en) * 2018-12-14 2020-10-13 At&T Intellectual Property I, L.P. Controlling parallel data processing for service function chains

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017173667A1 (zh) * 2016-04-08 2017-10-12 华为技术有限公司 一种管理方法及装置
KR20170135345A (ko) * 2016-05-31 2017-12-08 아토리서치(주) 소프트웨어 정의 네트워킹을 이용하여 서비스 기능 체인을 운용하는 방법, 장치 및 컴퓨터 프로그램
WO2018134911A1 (en) * 2017-01-18 2018-07-26 Nec Corporation Resource allocation system, method, and program
CN107332913A (zh) * 2017-07-04 2017-11-07 电子科技大学 一种5g移动网络中服务功能链的优化部署方法
CN108173761A (zh) * 2017-12-22 2018-06-15 南京邮电大学 一种sdn和nfv融合的资源优化方法
WO2019227483A1 (en) * 2018-06-01 2019-12-05 Huawei Technologies Co., Ltd. Multiple server-architecture cluster for providing a virtual network function
CN109714219A (zh) * 2019-03-13 2019-05-03 大连大学 一种基于卫星网络的虚拟网络功能快速映射算法
CN111126843A (zh) * 2019-12-24 2020-05-08 拉扎斯网络科技（上海）有限公司 任务处理方法、系统、电子设备和非易失性存储介质

Also Published As

Publication number Publication date
CN113535388A (zh) 2021-10-22

Similar Documents

Publication Publication Date Title
CN114741207B (zh) 一种基于多维度组合并行的gpu资源调度方法和系统
CN111432247B (zh) 流量调度方法、装置、服务器及存储介质
CN117632361A (zh) 一种资源调度方法、装置及相关设备
CN113904923B (zh) 一种基于软件定义网络的服务功能链联合优化方法
WO2024114484A1 (zh) 一种服务器无感知计算自适应资源调度方法、系统及计算机设备
Maqsood et al. Congestion-aware core mapping for network-on-chip based systems using betweenness centrality
CN114356587B (zh) 算力任务跨区域调度方法、系统及设备
CN112714164A (zh) 一种物联网系统及其任务调度方法
CN113535381B (zh) 基于改进遗传算法的服务功能链映射方法、装置及设备
CN113485792A (zh) 一种kubernetes集群内Pod调度方法、终端设备及存储介质
CN113535388B (zh) 面向任务的服务功能聚合方法
CN116302453A (zh) 量子电子混合平台的任务调度方法及装置
CN113395183B (zh) 网络仿真平台vlan互联的虚拟节点调度方法与系统
CN115640127A (zh) 一种处理器确定方法、装置、设备及介质
CN113935472A (zh) 模型调度处理方法、装置、设备及存储介质
TW202315360A (zh) 微服務分配方法、電子設備及儲存介質
CN112988383A (zh) 一种资源分配方法、装置、设备以及存储介质
CN115834466B (zh) 算力网络路径分析方法、装置、设备、系统及存储介质
CN115361285B (zh) 实现离在线业务混合部署的方法、装置、设备及介质
Attiya et al. Task allocation for minimizing programs completion time in multicomputer systems
CN115705497B (zh) 一种量子计算机操作系统和量子计算机
CN117112242B (zh) 一种云计算系统中的资源节点分配方法和系统
Hammal et al. An Efficient Resource Allocation Technique in a Fog Computing Environment
WO2024093280A1 (zh) 任务管理方法、装置、系统、通信设备及存储介质
Orabi et al. Dynamic offloading in fog computing: A survey

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