CN114710196A - 一种软件定义卫星网络虚拟网络功能迁移方法 - Google Patents

一种软件定义卫星网络虚拟网络功能迁移方法 Download PDF

Info

Publication number
CN114710196A
CN114710196A CN202210301210.9A CN202210301210A CN114710196A CN 114710196 A CN114710196 A CN 114710196A CN 202210301210 A CN202210301210 A CN 202210301210A CN 114710196 A CN114710196 A CN 114710196A
Authority
CN
China
Prior art keywords
vnf
migration
rrmp
node
satellite
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.)
Granted
Application number
CN202210301210.9A
Other languages
English (en)
Other versions
CN114710196B (zh
Inventor
梁承超
李泽明
刘占军
刘立祥
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.)
Chongqing University of Post and Telecommunications
Original Assignee
Chongqing University of Post and Telecommunications
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 Chongqing University of Post and Telecommunications filed Critical Chongqing University of Post and Telecommunications
Priority to CN202210301210.9A priority Critical patent/CN114710196B/zh
Publication of CN114710196A publication Critical patent/CN114710196A/zh
Application granted granted Critical
Publication of CN114710196B publication Critical patent/CN114710196B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/14—Relay systems
    • H04B7/15—Active relay systems
    • H04B7/185—Space-based or airborne stations; Stations for satellite systems
    • H04B7/1851—Systems using a satellite or space-based relay
    • H04B7/18519—Operations control, administration or maintenance

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Astronomy & Astrophysics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明涉及一种软件定义卫星网络虚拟网络功能迁移方法，属于卫星通信技术领域。针对软件定义卫星网络下服务请求量变化引起的服务功能链SFC资源负载不均问题，建立VNF迁移模型；根据各个卫星节点上VNF计算资源需求量选择待迁移VNF集合；在保证各个卫星节点负载均衡以及服务性能下，以卫星节点计算资源容量，星间链路带宽容量为约束，优化VNF迁移成本，为已部署的SFC制定资源重配置和VNF迁移策略。本发明所提的VNF迁移方法基于列生成算法，旨在降低迁移成本和迁移时延，同时提高资源利用率，增强网络负载的平衡性。

Description

一种软件定义卫星网络虚拟网络功能迁移方法
技术领域
本发明属于卫星通信技术领域，涉及一种软件定义卫星网络虚拟网络功能迁移方法。
背景技术
传统卫星网络通常局限于特定任务，基础设施和网络资源的隔离限制了资源的动态共享，导致资源利用率低，运行成本高等问题。为了推进细粒度的资源管理和动态流量调度，通过集成NFV和SDN技术，卫星板载(on-board)功能虚拟化为VNF，由部署于LEO卫星节点上的服务功能链按需提供服务，从而实现了软件定义卫星网络(软件定义卫星网络。然而，软件定义卫星网络要实现SDN和NFV的协同部署，确保服务的高质量交付，依旧面临不少挑战：一方面，受限于卫星节点的功率、散热和体积，单个卫星节点匮乏的资源与激增的服务量之间的矛盾依旧存在，因此，一项任务必然要协同多个节点，即多个VNF部署于不同的LEO卫星节点；另一方面，卫星运动的动态性以及VNF资源需求的不确定性，静态部署策略无法匹配服务功能链的动态编排，导致SLA降低。在此背景下，如何推进软件定义卫星网络中高效的资源分配是必须考虑的问题，基于资源分配的VNF迁移是解决网络任务与资源匹配的高效弹性组网机制。
综上所述，目前针对卫星网络中的VNF迁移方法，大多数基于静态的卫星网络拓扑。然而，这样的迁移方法忽略了卫星网络拓扑变化对VNF迁移的影响。同时，对于VNF迁移过程中迁移节点与服务功能链路由的相互制约关系疏于考虑。因此，基于以上分析，如何在兼顾动态的卫星拓扑以及变量耦合的同时以最小化的迁移成本进行VNF迁移是非常必要的。针对上述问题，需要设计一种有效的VNF迁移方法，以低迁移成本和迁移时延，在提高网络资源利用率的同时保证负载均衡。
发明内容
有鉴于此，本发明的目的在于提供一种软件定义卫星网络虚拟网络功能迁移方法，以较低迁移时延的同时，提高资源利用率，保证网络负载均衡。
为达到上述目的，本发明提供如下技术方案：
一种软件定义卫星网络虚拟网络功能迁移方法，该方法为：
通过监测网络中各个卫星节点上的计算资源容量，对达到过载状态的节点选择一定量虚拟网络功能VNF进行迁移，以匹配网络资源和服务量变化；以最小化VNF迁移的成本为目标，为服务功能链SFC制定VNF迁移策略，从而使网络中节点处于正常的负载状态，以保证网络整体的稳定性和负载均衡；具体包括以下步骤：
S1：在软件定义卫星网络场景下，建立动态服务请求量变化下以卫星节点资源容量和SFC性能要求为约束的VNF迁移成本最小化模型；
S2：通过监测各个卫星节点的计算资源过载状态，根据VNF计算资源需求量采用降序选择的方式提取VNF，形成待迁移VNF集合；
S3：根据提取出的待迁移VNF集合，采用基于列生成的VNF迁移方法寻找满足最小迁移成本的VNF迁移方案。
可选的，所述S1中，在软件定义卫星网络场景下，建立动态服务请求量变化下以卫星节点资源容量和SFC性能要求为约束的VNF迁移成本最小化模型VMOP，表示为：
Figure BDA0003562971890000021
其中，
Figure BDA0003562971890000022
表示VNF fq，k是否迁移至节点j的决策变量，
Figure BDA0003562971890000023
表示卫星网络节点，v为节点集合，
Figure BDA0003562971890000024
表示SFCq中的第k项VNF fq，k；
Figure BDA0003562971890000025
表示q的路由选择变量，
Figure BDA0003562971890000026
表示星间链路。
Figure BDA0003562971890000027
表示fq，k的迁移成本，
Figure BDA0003562971890000028
Δq表示每项q的最大可容忍宕机时延为Δq，
Figure BDA0003562971890000029
表示fq，k的数据处理速率，σcost表示数据丢失的单价成本。
VNF迁移约束为：fq，k有且仅迁移至一个节点，即满足
Figure BDA00035629718900000210
SFC路由唯一性约束：fq，k的迁移会改变q的原有路由，为保证q的流量不分割，通过唯一路由完成SFC编排，即满足
Figure BDA00035629718900000211
Figure BDA00035629718900000212
与
Figure BDA00035629718900000213
的耦合约束：fq，k是部署于q的服务路由上，当fq，k迁移至
Figure BDA00035629718900000214
后，q的服务路由将随之改变，fq，k的迁移决策会对q的服务路由选择产生影响，满足：
Figure BDA00035629718900000215
每个节点的计算资源约束：对于迁移至节点
Figure BDA00035629718900000216
的fq，k，其占用的计算资源量不超过
Figure BDA00035629718900000217
有
Figure BDA00035629718900000218
其中
Figure BDA00035629718900000219
表示fq，k的状态信息量，
Figure BDA00035629718900000220
表示fq，k的计算资源需求量，
Figure BDA00035629718900000221
为节点j的计算资源容量。星间传输数据量约束：经由
Figure BDA00035629718900000222
的数据量
Figure BDA00035629718900000223
不能超过
Figure BDA0003562971890000031
即
Figure BDA0003562971890000032
其中，θij表示
Figure BDA0003562971890000033
是否开启。
可选的，所述S2中，通过监测各个节点的计算资源过载状态，根据VNF计算资源需求量降序选择VNF，形成待迁移VNF集合，具体包括：
当部署VNF的节点资源占用量超过一定限度后，承载VNF实例化的虚拟机或者容器的性能会下降。为保证节点的性能，首先判断哪些VNF应当执行迁移。当服务请求量增加，即部署在SDSN中的VNF资源需增加，从而导致卫星节点的计算资源需求量超过容量阈值
Figure BDA0003562971890000034
选择资源占用量过载节点上的VNF作为待迁移VNF。为减少迁移次数，采用对VNF计算资源量进行降序排列，选择VNF计算需求量最大的VNF作为备选迁移目标，直至节点
Figure BDA0003562971890000035
的计算资源占用量降低到
Figure BDA0003562971890000036
以下。
可选的，所述步骤S3中，根据提取出的待迁移VNF集合，采用Dantzig-Wolfe分解DWD方法对VMOP问题进行分解，具体包括：
由SFC约束以及x，y定义的多面体
Figure BDA00035629718900000318
是由|Q|个超平面组成的凸包，根据多面体表示定理，多面体中的任一点必然为其极点的凸组合。若P为有界且非空，则P中
Figure BDA0003562971890000037
与
Figure BDA0003562971890000038
表示为：
Figure BDA0003562971890000039
Figure BDA00035629718900000310
其中，
Figure BDA00035629718900000311
表示极点乘子，
Figure BDA00035629718900000312
为凸约束，通过改变其权重表示P上任意一点。
Figure BDA00035629718900000313
和
Figure BDA00035629718900000317
分别表示多面体P上的极点。将上述两式代入VMOP中，即将其转换为以
Figure BDA00035629718900000314
为变量的主问题MP：
其中，
Figure BDA00035629718900000315
根据多面体表示定理，MP是VMOP的等价转换，MP的解是VMOP的解。
可选的，所述S3中，通过将DWD后的MP转换为受限主问题RMP，对变量进行松弛，转换为RMP松弛问题RRMP，具体包括：
通过DWD将大规模线性规划问题转化为其对应的MP，通过RMP进行求解，RMP只包含MP部分列
Figure BDA00035629718900000316
RMP模型表述如下，
Figure BDA0003562971890000041
s.t. C1：
Figure BDA0003562971890000042
C2：
Figure BDA0003562971890000043
C3：
Figure BDA0003562971890000044
C4：
Figure BDA0003562971890000045
对RMP变量ω进行松弛得到RRMP，
Figure BDA0003562971890000046
s.t. C1～C3
C4：
Figure BDA0003562971890000047
通过引入RRMP约束C1～C3的对偶变量λq，μj，vij，将RRMP的约束松弛到目标函数中构成拉格朗日松弛问题L(ω，λ，μ，v)；根据L(ω，λ，μ，v)得RRMP的拉格朗日对偶函数为
Figure BDA0003562971890000048
对偶变量λ，μ，v采用次梯度法求解。
可选的，所述步骤S4中，通过RRMP的对偶变量构建机会成本，并通过RRMP与定价子问题PP的迭代求解获取VNF迁移的目标节点和SFC服务路径；具体包括：
VMOP是最小化问题，当PP的目标函数ζp都为非负时，RRMP取到最优解，机会成本ζp定义为：
Figure BDA0003562971890000049
对于每一个PP，要找到使目标函数最小的列，即为对RRMP改进最大的极点。VMOP的|Q|个相同的PP表述为：
Figure BDA0003562971890000051
s.t. C1：
Figure BDA0003562971890000052
C2：
Figure BDA0003562971890000053
C3：
Figure BDA0003562971890000054
C4：
Figure BDA0003562971890000055
C5：
Figure BDA0003562971890000056
C7：
Figure BDA0003562971890000057
C8：
Figure BDA0003562971890000058
其中，
Figure BDA0003562971890000059
每次迭代中，RRMP只需要更新
Figure BDA00035629718900000510
并通过PP生成新的列，再不断迭代向RRMP添加机会成本为负的有效列，直至没有新的可添加列为止，得到RRMP的一个下界。PP新生成的服务路径和节点通过机会成本ζp判断是否为最优。
如果ζp＜0，由PP生成的服务路径和节点将会添加到RRMP中，否则，将不会添加到RRMP中，RRMP将会使用现有的列求解。
RRMP和PP能够被迭代求解，直到遇到终止条件。
如果RRMP的解U*是整数，则其解是MP的解。当U*为非整数时，RRMP求得的非整数解为MP的下界U。对于每一项q，如果设置
Figure BDA00035629718900000511
则其他q′对应的
Figure BDA00035629718900000512
得到的可行解为MP的上界
Figure BDA00035629718900000513
定义∈为最优间隙，一旦满足条件
Figure BDA00035629718900000514
时，算法终止。
本发明的有益效果在于：在充分考虑软件定义卫星网络服务请求量变化导致的SFC负载资源分布不均的基础上，设计一种软件定义卫星网络中VNF迁移方法，更好的为用户提供服务，降低VNF迁移成本以及迁移时延，在提高资源利用率的同时保证网络负载均衡。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作优选的详细描述，其中：
图1为本发明的流程图。
图2为本发明提供优选实施例的VNF迁移场景图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
其中，附图仅用于示例性说明，表示的仅是示意图，而非实物图，不能理解为对本发明的限制；为了更好地说明本发明的实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。
本发明实施例的附图中相同或相似的标号对应相同或相似的部件；在本发明的描述中，需要理解的是，若有术语“上”、“下”、“左”、“右”、“前”、“后”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此附图中描述位置关系的用语仅用于示例性说明，不能理解为对本发明的限制，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
请参阅图1～图2，为一种软件定义卫星网络中VNF迁移方法，其包括以下步骤：
S1：基于软件定义卫星网络架构下，针对服务请求量变化引起的VNF迁移问题，建立面向迁移成本最小化的迁移数学模型；
S2：通过监测各个节点的计算资源过载状态，根据VNF计算资源需求量降序选择VNF，形成待迁移VNF集合；
S3：根据提取出的待迁移VNF集合，采用基于列生成的VNF迁移方法寻找满足最小迁移成本以及节点资源约束下最佳VNF迁移方案。
如本发明流程图1所示，本方法具体包括以下实施步骤：
a、在软件定义卫星网络架构下，建立动态服务请求量变化下以卫星节点资源容量和SFC性能要求为约束的VNF迁移成本最小化模型(VMOP)为：
Figure BDA0003562971890000071
b、根据过载节点上的VNF计算资源需求量，选择待迁移VNF集合。具体包括：当部署VNF的节点资源占用量超过一定限度后，承载VNF实例化的虚拟机或者容器的性能会逐渐下降。因此，为了保证节点的性能，首先应该判断哪些VNF应当执行迁移。当服务请求量增加，即部署在SDSN中的VNF资源需增加，从而导致卫星节点的计算资源需求量超过容量阈值
Figure BDA0003562971890000072
因此，本章选择资源占用量过载节点上的VNF作为待迁移VNF。同时，为了减少迁移次数，采用对VNF计算资源量进行降序排列，选择VNF计算需求量最大的VNF作为备选迁移目标，直至节点
Figure BDA0003562971890000073
的计算资源占用量降低到
Figure BDA0003562971890000074
以下。
c、运用DWD方法构建MP，并转换为RMP问题，从而对变量松弛得到RRMP问题，具体包括：
由SFC约束以及x，y定义的多面体
Figure BDA0003562971890000075
是由|Q|个超平面(等式和不等式)组成的凸包，根据多面体表示定理，多面体中的任一点必然为其极点的凸组合。若P为有界且非空，则P中
Figure BDA0003562971890000076
与
Figure BDA0003562971890000077
可以表示为
Figure BDA0003562971890000078
以及
Figure BDA0003562971890000079
因此MP表述为
Figure BDA00035629718900000710
s.t. C1：
Figure BDA00035629718900000711
C2：
Figure BDA00035629718900000712
C3：
Figure BDA00035629718900000713
C4：
Figure BDA00035629718900000714
进一步，通过MP的子集
Figure BDA00035629718900000715
重建模RMP，其表述为
Figure BDA0003562971890000081
s.t. C1：
Figure BDA0003562971890000082
C2：
Figure BDA0003562971890000083
C3：
Figure BDA0003562971890000084
C4：
Figure BDA0003562971890000085
对RMP变量松弛得到RRMP，其表述为
Figure BDA0003562971890000086
s.t. C1～C3
C4：
Figure BDA0003562971890000087
通过引入RRMP约束C1～C3的对偶变量λq，μi，νij，将RRMP的约束松弛到目标函数中构成拉格朗日松弛问题L(ω，λ，μ，v)。因此，根据L(ω，λ，μ，v)可得RRMP的拉格朗日对偶函数为
Figure BDA0003562971890000088
对偶变量λ，μ，v采用次梯度法求解。
d、通过RRMP的对偶变量构建机会成本，并通过RRMP与PP的迭代求解获取VNF迁移的目标节点和SFC服务路径。具体包括：由于VMOP是最小化问题，当PP的目标函数(机会成本)ζp都为非负时，RRMP取到最优解，机会成本ζp定义为，
Figure BDA0003562971890000089
因此，对于每一个PP，要找到使目标函数最小的列，即为对RRMP改进最大的极点。VMOP的|Q|个相同的PP表述为
Figure BDA0003562971890000091
s.t. C1：
Figure BDA0003562971890000092
C2：
Figure BDA0003562971890000093
C3：
Figure BDA0003562971890000094
C4：
Figure BDA0003562971890000095
C5：
Figure BDA0003562971890000096
C7：
Figure BDA0003562971890000097
C8：
Figure BDA0003562971890000098
其中，
Figure BDA0003562971890000099
每次迭代中，RRMP只需要更新
Figure BDA00035629718900000910
并通过PP生成新的列，再不断迭代向RRMP添加机会成本为负的有效列，直至没有新的可添加列为止，即可得到RRMP的一个下界。PP新生成的服务路径和节点通过机会成本ζp判断是否为最优。如果ξp＜0，由PP生成的服务路径和节点将会添加到RRMP中，否则，将不会添加到RRMP中，RRMP将会使用现有的列求解。RRMP和PP可以被迭代求解，直到遇到终止条件。如果RRMP的解U*是整数，则其解也将是MP的解。当U*为非整数时，显然RRMP求得的非整数解为MP的下界U。对于每一项q，如果设置
Figure BDA00035629718900000911
则其他q′对应的
Figure BDA00035629718900000912
此时得到的可行解为MP的上界
Figure BDA00035629718900000913
定义∈为最优间隙，一旦满足条件
Figure BDA00035629718900000914
时，算法终止。采用该准则进行收敛可以显著提高算法的效率，同时保证算法的近似最优解。
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (6)

1.一种软件定义卫星网络虚拟网络功能迁移方法，其特征在于：该方法为：
通过监测网络中各个卫星节点上的计算资源容量，对达到过载状态的节点选择一定量虚拟网络功能VNF进行迁移，以匹配网络资源和服务量变化；以最小化VNF迁移的成本为目标，为服务功能链SFC制定VNF迁移策略，从而使网络中节点处于正常的负载状态，以保证网络整体的稳定性和负载均衡；具体包括以下步骤：
S1：在软件定义卫星网络场景下，建立动态服务请求量变化下以卫星节点资源容量和SFC性能要求为约束的VNF迁移成本最小化模型；
S2：通过监测各个卫星节点的计算资源过载状态，根据VNF计算资源需求量采用降序选择的方式提取VNF，形成待迁移VNF集合；
S3：根据提取出的待迁移VNF集合，采用基于列生成的VNF迁移方法寻找满足最小迁移成本的VNF迁移方案。
2.根据权利要求1所述的一种软件定义卫星网络虚拟网络功能迁移方法，其特征在于：所述S1中，在软件定义卫星网络场景下，建立动态服务请求量变化下以卫星节点资源容量和SFC性能要求为约束的VNF迁移成本最小化模型VMOP，表示为：
Figure FDA0003562971880000011
其中，
Figure FDA0003562971880000012
表示VNFfq，k是否迁移至节点j的决策变量，
Figure FDA0003562971880000013
表示卫星网络节点，v为节点集合，
Figure FDA0003562971880000014
表示SFCq中的第k项VNFfq，k；
Figure FDA0003562971880000015
表示q的路由选择变量，
Figure FDA0003562971880000016
表示星间链路；
Figure FDA0003562971880000017
表示fq，k的迁移成本，
Figure FDA0003562971880000018
Δq表示每项q的最大可容忍宕机时延为Δq，
Figure FDA0003562971880000019
表示fq，k的数据处理速率，σcost表示数据丢失的单价成本；
VNF迁移约束为：fq，k有且仅迁移至一个节点，即满足
Figure FDA00035629718800000110
SFC路由唯一性约束：fq，k的迁移会改变q的原有路由，为保证q的流量不分割，通过唯一路由完成SFC编排，即满足
Figure FDA00035629718800000111
Figure FDA00035629718800000112
与
Figure FDA00035629718800000113
的耦合约束：fq，k是部署于q的服务路由上，当fq，k迁移至
Figure FDA00035629718800000114
后，q的服务路由将随之改变，fq，k的迁移决策会对q的服务路由选择产生影响，满足：
Figure FDA00035629718800000115
每个节点的计算资源约束：对于迁移至节点
Figure FDA0003562971880000021
的fq，k，其占用的计算资源量不超过
Figure FDA0003562971880000022
有
Figure FDA0003562971880000023
其中
Figure FDA0003562971880000024
表示fq，k的状态信息量，
Figure FDA0003562971880000025
表示fq，k的计算资源需求量，
Figure FDA0003562971880000026
为节点j的计算资源容量；星间传输数据量约束：经由
Figure FDA0003562971880000027
的数据量
Figure FDA0003562971880000028
不能超过
Figure FDA0003562971880000029
即
Figure FDA00035629718800000210
其中，θij表示
Figure FDA00035629718800000211
是否开启。
3.根据权利要求2所述的一种软件定义卫星网络虚拟网络功能迁移方法，其特征在于：所述S2中，通过监测各个节点的计算资源过载状态，根据VNF计算资源需求量降序选择VNF，形成待迁移VNF集合，具体包括：
当部署VNF的节点资源占用量超过一定限度后，承载VNF实例化的虚拟机或者容器的性能会下降；为保证节点的性能，首先判断哪些VNF应当执行迁移；当服务请求量增加，即部署在SDSN中的VNF资源需增加，从而导致卫星节点的计算资源需求量超过容量阈值
Figure FDA00035629718800000212
选择资源占用量过载节点上的VNF作为待迁移VNF；为减少迁移次数，采用对VNF计算资源量进行降序排列，选择VNF计算需求量最大的VNF作为备选迁移目标，直至节点
Figure FDA00035629718800000213
的计算资源占用量降低到
Figure FDA00035629718800000214
以下。
4.根据权利要求3所述的一种软件定义卫星网络虚拟网络功能迁移方法，其特征在于：所述步骤S3中，根据提取出的待迁移VNF集合，采用Dantzig-Wolfe分解DWD方法对VMOP问题进行分解，具体包括：
由SFC约束以及x，y定义的多面体
Figure FDA00035629718800000215
是由
Figure FDA00035629718800000216
个超平面组成的凸包，根据多面体表示定理，多面体中的任一点必然为其极点的凸组合；若P为有界且非空，则P中
Figure FDA00035629718800000217
与
Figure FDA00035629718800000218
表示为：
Figure FDA00035629718800000219
Figure FDA00035629718800000220
其中，
Figure FDA00035629718800000221
表示极点乘子，
Figure FDA00035629718800000222
为凸约束，通过改变其权重表示P上任意一点；
Figure FDA00035629718800000223
和
Figure FDA00035629718800000224
分别表示多面体P上的极点；将上述两式代入VMOP中，即将其转换为以
Figure FDA00035629718800000225
为变量的主问题MP：
Figure FDA0003562971880000031
s.t.C1：
Figure FDA0003562971880000032
C2：
Figure FDA0003562971880000033
C3：
Figure FDA0003562971880000034
C4：
Figure FDA0003562971880000035
其中，
Figure FDA0003562971880000036
根据多面体表示定理，MP是VMOP的等价转换，MP的解是VMOP的解。
5.根据权利要求4所述的一种软件定义卫星网络虚拟网络功能迁移方法，其特征在于：所述S3中，通过将DWD后的MP转换为受限主问题RMP，对变量进行松弛，转换为RMP松弛问题RRMP，具体包括：
通过DWD将大规模线性规划问题转化为其对应的MP，通过RMP进行求解，RMP只包含MP部分列
Figure FDA0003562971880000037
RMP模型表述如下，
Figure FDA0003562971880000038
s.t.C1：
Figure FDA0003562971880000039
C2：
Figure FDA00035629718800000310
C3：
Figure FDA00035629718800000311
C4：
Figure FDA00035629718800000312
对RMP变量ω进行松弛得到RRMP，
Figure FDA00035629718800000313
s.t.C1～C3
C4：
Figure FDA0003562971880000041
通过引入RRMP约束C1～C3的对偶变量λq，μj，vij，将RRMP的约束松弛到目标函数中构成拉格朗日松弛问题L(ω,λ,μ,v)；根据L(ω，λ，μ，v)得RRMP的拉格朗日对偶函数为
Figure FDA0003562971880000042
对偶变量λ，μ，v采用次梯度法求解。
6.根据权利要求5所述的一种软件定义卫星网络虚拟网络功能迁移方法，其特征在于：所述步骤S4中，通过RRMP的对偶变量构建机会成本，并通过RRMP与定价子问题PP的迭代求解获取VNF迁移的目标节点和SFC服务路径；具体包括：
VMOP是最小化问题，当PP的目标函数ζp都为非负时，RRMP取到最优解，机会成本ζp定义为：
Figure FDA0003562971880000043
对于每一个PP，要找到使目标函数最小的列，即为对RRMP改进最大的极点；VMOP的|Q|个相同的PP表述为：
Figure FDA0003562971880000044
s.t.C1：
Figure FDA0003562971880000045
C2：
Figure FDA0003562971880000046
C3：
Figure FDA0003562971880000047
C4：
Figure FDA0003562971880000048
C5：
Figure FDA0003562971880000049
C7：
Figure FDA00035629718800000410
C8：
Figure FDA00035629718800000411
其中，
Figure FDA00035629718800000412
每次迭代中，RRMP只需要更新
Figure FDA00035629718800000413
并通过PP生成新的列，再不断迭代向RRMP添加机会成本为负的有效列，直至没有新的可添加列为止，得到RRMP的一个下界；PP新生成的服务路径和节点通过机会成本ζp判断是否为最优；如果ζp＜0，由PP生成的服务路径和节点将会添加到RRMP中，否则，将不会添加到RRMP中，RRMP将会使用现有的列求解；RRMP和PP能够被迭代求解，直到遇到终止条件；如果RRMP的解U*是整数，则其解是MP的解；当U*为非整数时，RRMP求得的非整数解为MP的下界U；对于每一项q，如果设置
Figure FDA0003562971880000051
则其他q′对应的
Figure FDA0003562971880000052
得到的可行解为MP的上界
Figure FDA0003562971880000053
定义∈为最优间隙，一旦满足条件
Figure FDA0003562971880000054
时，算法终止。
CN202210301210.9A 2022-03-24 2022-03-24 一种软件定义卫星网络虚拟网络功能迁移方法 Active CN114710196B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210301210.9A CN114710196B (zh) 2022-03-24 2022-03-24 一种软件定义卫星网络虚拟网络功能迁移方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210301210.9A CN114710196B (zh) 2022-03-24 2022-03-24 一种软件定义卫星网络虚拟网络功能迁移方法

Publications (2)

Publication Number Publication Date
CN114710196A true CN114710196A (zh) 2022-07-05
CN114710196B CN114710196B (zh) 2023-07-18

Family

ID=82171708

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210301210.9A Active CN114710196B (zh) 2022-03-24 2022-03-24 一种软件定义卫星网络虚拟网络功能迁移方法

Country Status (1)

Country Link
CN (1) CN114710196B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116633417A (zh) * 2023-05-11 2023-08-22 中国电信股份有限公司北京研究院 服务迁移方法、装置、电子设备及计算机可读存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106886603A (zh) * 2017-03-03 2017-06-23 东南大学 一种需求响应资源组合优化的分层分布式体系架构和方法
US20180270121A1 (en) * 2017-03-20 2018-09-20 Stanley George Stringfellow Information processing architecture for network edge-based optimization problems
CN109980636A (zh) * 2019-03-21 2019-07-05 上海电力学院 基于改进Benders分解法的风水火协调优化调度方法
CN109981438A (zh) * 2019-03-22 2019-07-05 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
CN111538587A (zh) * 2020-03-06 2020-08-14 重庆邮电大学 一种基于负载均衡的服务功能链重配置方法
CN112566142A (zh) * 2020-12-02 2021-03-26 电子科技大学 基于QoS保障的LEO卫星网络可靠性路由方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106886603A (zh) * 2017-03-03 2017-06-23 东南大学 一种需求响应资源组合优化的分层分布式体系架构和方法
US20180270121A1 (en) * 2017-03-20 2018-09-20 Stanley George Stringfellow Information processing architecture for network edge-based optimization problems
CN109980636A (zh) * 2019-03-21 2019-07-05 上海电力学院 基于改进Benders分解法的风水火协调优化调度方法
CN109981438A (zh) * 2019-03-22 2019-07-05 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
CN111538587A (zh) * 2020-03-06 2020-08-14 重庆邮电大学 一种基于负载均衡的服务功能链重配置方法
CN112566142A (zh) * 2020-12-02 2021-03-26 电子科技大学 基于QoS保障的LEO卫星网络可靠性路由方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
ELHACHEMI GATTAL; ALA-EDDINE BENRAZEK: "A Study of Lagrangian Relaxation and Dantzig-Wolfe Decompositions for the Generalized Assignment Problem", 《2021 INTERNATIONAL CONFERENCE ON NETWORKING AND ADVANCED SYSTEMS (ICNAS)》 *
XIN ZHAO; XUAN JIA; YANPEI HUA: "An Efficient VNF Deployment Algorithm for SFC Scaling-out Based on the Proposed Scaling Management Mechanism", 《2020 INFORMATION COMMUNICATION TECHNOLOGIES CONFERENCE (ICTC)》, pages 167 - 170 *
ZLL_HUST: "干货 | Column Generation算法求解VRPTW松弛模型（附java代码）", Retrieved from the Internet <URL:https://blog.csdn.net/zll_hust/article/details/114059185> *
唐伦；贺兰钦；谭颀；陈前斌: "基于深度确定性策略梯度的虚拟网络功能迁移优化算法", 《电子与信息学报》, vol. 43, no. 2, pages 404 - 411 *
张文晖: "基于拉格朗日松弛算法的应急物流配送车辆调度模型优化研究", 《公路与汽运》, no. 204, pages 46 - 50 *
曹晖; 陈前斌; 梁承超; 唐伦: "低轨卫星移动性管理仿真平台研究及实现", 《重庆邮电大学学报(自然科学版)》, vol. 33, no. 6, pages 912 - 920 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116633417A (zh) * 2023-05-11 2023-08-22 中国电信股份有限公司北京研究院 服务迁移方法、装置、电子设备及计算机可读存储介质

Also Published As

Publication number Publication date
CN114710196B (zh) 2023-07-18

Similar Documents

Publication Publication Date Title
Islam et al. A survey on task offloading in multi-access edge computing
CN109981438B (zh) 一种面向sdn和nfv协同部署框架的卫星网络负载均衡方法
CN108566659B (zh) 一种基于可靠性的5g网络切片在线映射方法
Cui et al. A novel offloading scheduling method for mobile application in mobile edge computing
Huang et al. Scalable orchestration of service function chains in NFV-enabled networks: A federated reinforcement learning approach
CN107005480A (zh) 用于sdt与nfv和sdn相互配合的系统和方法
CN107846371B (zh) 一种多媒体业务QoE资源分配方法
CN113490279B (zh) 一种网络切片配置方法及装置
Mao et al. Joint resource management and flow scheduling for SFC deployment in hybrid edge-and-cloud network
CN116032767A (zh) 一种面向智融标识网络的算力服务链管控系统架构
CN111865668A (zh) 一种基于sdn和nfv的网络切片方法
CN113766544A (zh) 一种基于多边缘协同的电力物联网切片优化方法
Bouzidi et al. Dynamic clustering of software defined network switches and controller placement using deep reinforcement learning
Cao et al. Towards tenant demand-aware bandwidth allocation strategy in cloud datacenter
CN115907038A (zh) 一种基于联邦拆分学习框架的多元控制决策方法
Mao et al. Provably efficient algorithms for traffic-sensitive SFC placement and flow routing
Hu et al. Joint load balancing and offloading optimization in multiple parked vehicle‐assisted edge computing
Premalatha et al. Optimal energy-efficient resource allocation and fault tolerance scheme for task offloading in IoT-FoG computing networks
Li et al. Optimal service selection and placement based on popularity and server load in multi-access edge computing
Yang et al. Towards 6g joint haps-mec-cloud 3c resource allocation for delay-aware computation offloading
Yang et al. Multimedia resource allocation strategy of wireless sensor networks using distributed heuristic algorithm in cloud computing environment
Abouelela et al. Multidomain hierarchical resource allocation for grid applications
Xia et al. Distributed resource management and admission control of stream processing systems with max utility
Liu et al. Revenue maximizing online service function chain deployment in multi-tier computing network
Ji et al. Towards optimal application offloading in heterogeneous edge-cloud computing

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