CN114884833A - 基于鞅理论实现统计时延QoS保障的SFC逐跳带宽分配和部署方法 - Google Patents

基于鞅理论实现统计时延QoS保障的SFC逐跳带宽分配和部署方法 Download PDF

Info

Publication number
CN114884833A
CN114884833A CN202210624204.7A CN202210624204A CN114884833A CN 114884833 A CN114884833 A CN 114884833A CN 202210624204 A CN202210624204 A CN 202210624204A CN 114884833 A CN114884833 A CN 114884833A
Authority
CN
China
Prior art keywords
node
mmbp
arrival
sfc
service
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
CN202210624204.7A
Other languages
English (en)
Other versions
CN114884833B (zh
Inventor
迟学芬
孙玥鑫
于宝珠
陈少琦
李帅
赵爽
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.)
Jilin University
Original Assignee
Jilin 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 Jilin University filed Critical Jilin University
Priority to CN202210624204.7A priority Critical patent/CN114884833B/zh
Publication of CN114884833A publication Critical patent/CN114884833A/zh
Application granted granted Critical
Publication of CN114884833B publication Critical patent/CN114884833B/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
    • H04L41/50—Network service management, e.g. ensuring proper service fulfilment according to agreements
    • H04L41/5003—Managing SLA; Interaction between SLA and QoS
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L47/00—Traffic control in data switching networks
    • H04L47/10—Flow control; Congestion control
    • H04L47/24—Traffic characterised by specific attributes, e.g. priority or QoS
    • 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
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明属于网络功能虚拟化技术领域，具体涉及一种基于鞅理论实现统计时延QoS保障的SFC逐跳带宽分配和部署方法；抽象物理网络，用两种串联排队系统分别构建数据业务和视频电话业务的SFC，使用IBP过程建模数据业务的到达流，使用2A‑MMBP建模视频电话业务的到达流，构造IBP，2A‑MMBP，MMBP过程的到达鞅，构造服务鞅；逐跳推导每个节点处服务过程的服务概率，将每个节点的输出流拟合为IBP或MMBP过程，作为下一个节点的到达过程，完成SFC的逐跳带宽分配和部署，并在预分配服务的限制下得到SFC的最优部署方案；本发明针对多切片上异质业务的SFC部署问题，该方法实现了对SFC逐跳的带宽分配，准确的建模流量的离去过程，满足了业务的统计时延QoS要求。

Description

基于鞅理论实现统计时延QoS保障的SFC逐跳带宽分配和部署 方法
技术领域
本发明属于网络功能虚拟化技术领域，具体涉及一种基于鞅理论实现统计时延QoS保障的SFC逐跳带宽分配和部署方法。
背景技术
NFV(network function virtualization，即网络功能虚拟化)和SDN(softwaredefined network，即软件定义网络)有望解决传统网络僵化的问题。NFV体系结构通过将VNF(virtual network function，即虚拟网络功能)整合到大容量服务器、存储器和交换机上，来解耦软件和专用硬件。当一个业务到达网络时，这些模块化的VNF按照指定的顺序编排并由数据流遍历，形成了一条SFC(service function chain，即服务功能链)。在NFV架构中，SFC部署是一项重要的研究，而这一部署过程被SDN所管理。因此，SDN使网络控制能够高度可编程。结合NFV和SDN技术，5G网络切片将一个物理网络分割成多个大小和结构各不相同的逻辑独立网络，专门服务不同类型的业务，高效的利用了网络资源。
将SFC部署到物理网络的过程中，应当考虑异质业务不同的统计时延QoS(qualityof service，即服务质量)要求而合理的分配网络切片上的资源。随着切片上请求的类型和数量的增加，带宽资源逐渐变得紧张。现有带宽分配的方法要么不满足业务的延迟限制，要么浪费了大量的带宽。如何为异质业务的SFC逐跳分配带宽资源以保障其统计时延QoS约束是网络功能虚拟化领域的重要问题。排队论与鞅理论为统计时延QoS约束下的SFC部署提供了理论支撑。
在目前关于SFC部署中，常采用独立同分布到达过程或恒定速率到达过程作为SFC的到达流量建模，这些到达分布不能很好地描述实际流量的复杂随机特征。具有异质性质的流量可以被建模为更适合于实际应用的马尔可夫到达过程。在现有技术中，一个SFC常被建模为一个端到端串联排队系统。对于这种级联方式，一个节点的离去过程是下一跳的到达过程，因此对离去过程的建模直接影响下一个节点的延迟分析的准确性。大多数工作将SFC建模为M/M/1串联排队系统，应用Burke定理很容易获得流量的离去过程。然而，如果到达过程采用马尔可夫形式，则离去过程的建模相对复杂。此外，通常采用SNC(stochasticnetwork calculus，即随机网络演算)来求解具有相对松散的延迟界的离去过程。但SNC观察的是累积到达和累积服务，因此很难获得离去过程的显式表达。因此，在SFC部署中，针对串联排队系统的时延分析，如何准确的建模离去过程是值得关注的问题。
发明内容
为了克服上述问题，本发明提供一种基于鞅理论实现统计时延QoS保障的SFC逐跳带宽分配和部署方法，针对多切片上异质业务的SFC部署问题，该方法实现了对SFC逐跳的带宽分配，准确的建模流量的离去过程，满足了业务的统计时延QoS要求。
为达到上述目的，本发明提供如下技术方案：
一种基于鞅理论实现统计时延QoS保障的SFC逐跳带宽分配和部署方法，包括以下步骤：
步骤一，抽象物理网络，根据请求的QoS要求实现细粒度的SFC部署，用两种串联排队系统分别构建数据业务和视频电话业务的SFC，使用IBP过程建模数据业务的到达流，使用两个MMBP的聚合过程2A-MMBP建模视频电话业务的到达流，其中两个参数不同的MMBP分别建模视频流和音频流，几何分布建模节点的服务过程；
步骤二，构造IBP，2A-MMBP，MMBP过程的到达鞅，构造几何分布的服务鞅：
对于SFC的第m个节点，此时m＝1、2、...、M，am(n)为第m个节点在时隙n时到达数据包的数目，
Figure BDA0003676064420000021
为在第m个节点处时隙0到n内到达的数据包总数，j＝1，……n；
对于
Figure BDA0003676064420000022
构造到达过程的到达鞅为：
Figure BDA0003676064420000023
其中θ为衰减指数，Kam和ham(am(n))为依赖于θ的鞅参数；
对于IBP，2A-MMBP和MMBP的到达鞅，通过获得不同的Am(0,n)，Kam，ham(am(n))得到；
所述构造几何分布的服务鞅，具体为：
对于第m个节点的服务过程，此时m＝1、2、...、M，sm(n)为时隙n内服务数据包的数目，
Figure BDA0003676064420000024
表示在时隙0到n内累计服务的数据包总数，对于
Figure BDA0003676064420000025
构造服务过程的服务鞅为：
Figure BDA0003676064420000026
其中θ为衰减指数，Ksm和hsm(sm(n))为依赖于θ的鞅参数；
令hsm(sm(n))＝1，Ksm按下式计算为：
Figure BDA0003676064420000031
其中E表示求期望，gm为服务概率；
综上，得到在SFC的所有节点处的到达过程的到达鞅，几何分布的服务鞅；
步骤三，为保障请求的统计时延QoS要求，基于鞅理论逐跳推导每个节点处服务过程的服务概率；具体为：
对于IBP到达的SFC的第m个节点，此时m＝1、2、...、M，积压超鞅为：
Figure BDA0003676064420000032
其中
Figure BDA0003676064420000033
和Ksm为依赖于θ*的鞅参数，在第m个节点处时隙0到n内到达的数据包总数为
Figure BDA0003676064420000034
为第m个节点处IBP过程在时隙j时到达数据包的数目；
对于2A-MMBP到达的SFC的第一个节点，2A-MMBP到达的积压超鞅为：
Figure BDA0003676064420000035
其中
Figure BDA0003676064420000036
和Ks1为依赖于θ*的鞅参数，第一个节点处在时隙0到n内到达的数据包总数为
Figure BDA0003676064420000037
其中
Figure BDA0003676064420000038
和
Figure BDA0003676064420000039
分别为2A-MMBP中第1和第2个MMBP过程在时隙j时到达数据包的数目；对于该SFC的后续节点，此时m＝2，...，M，第m个节点处的MMBP到达的积压超鞅为：
Figure BDA00036760644200000310
其中
Figure BDA00036760644200000311
和Ksm为依赖于θ*的鞅参数，第m个节点处到达的MMBP过程在时隙0到n内到达的数据包总数为
Figure BDA00036760644200000312
其中
Figure BDA00036760644200000313
为MMBP过程在时隙j时到达数据包的数目；
令delaym(n)表示在时隙n时第m个节点处的时延，Dm(0,n)表示第m个节点从时隙0到n累积离去的数据包个数，时延的定义式为：
delaym(n)＝min{t≥0|Am(0,n-t)≤Dm(0,n)}
其中t为求delay(n)时的参量；
进一步在积压超鞅的基础上，流量的时延违反概率为：
对于IBP到达流，此时m＝1、2、...、M，第m个节点处的时延违反概率为：
Figure BDA0003676064420000041
其中E为求期望，
Figure BDA0003676064420000042
对于2A-MMBP到达流，第一个节点处的时延违反概率为：
Figure BDA0003676064420000043
其中
Figure BDA0003676064420000044
后续第m个节点，此时m＝2，...，M的时延违反概率为：
Figure BDA0003676064420000045
其中
Figure BDA0003676064420000046
所述基于鞅理论逐跳推导每个节点处服务过程的服务概率，具体为：
在指定统计时延QoS要求下，在0-1内采用二分搜索算法求得节点处服务过程的服务概率gm，具体如下：
(1)令服务概率搜索上界upper＝1，服务概率搜索下界lower＝0，令gm＝upper为服务概率，计算IBP到达流、2A-MMBP或MMBP到达流的时延违反概率阈值
Figure BDA0003676064420000047
Figure BDA0003676064420000048
或
Figure BDA0003676064420000049
Figure BDA00036760644200000410
(2)如果threshold与目标时延违反概率阈值target＝ε之差的绝对值小于或等于自定义的极小数μ，则将upper值作为所求节点的服务概率gm；
(3)否则，以mid＝(upper+lower)/2为服务概率gm，计算IBP到达流、2A-MMBP或MMBP到达流的时延违反概率阈值
Figure BDA0003676064420000051
Figure BDA0003676064420000052
或
Figure BDA0003676064420000053
Figure BDA0003676064420000054
(4)如果步骤(3)计算得到的threshold与目标时延违反概率阈值target＝ε之差的绝对值小于或等于自定义的极小数μ，则将mid值作为所求节点的服务概率gm；
(5)否则，
若步骤(3)计算得到的threshold>target，则将mid值赋给lower，返回到步骤(3)；
若步骤(3)计算得到的threshold<target，则将mid值赋给upper，返回到步骤(3)；直至threshold与target之差的绝对值小于或等于自定义的极小数μ，将当前mid值作为所求节点的服务概率gm；
步骤四，在鞅理论的指导下，在统计时延QoS的要求下采用离去拟合的方式将每个节点的输出流拟合为IBP或MMBP过程，作为下一个节点的到达过程，直至完成整个SFC逐跳带宽预分配；具体为：
对于SFC的第一个节点，如果输入过程是一个IBP过程，则将该节点的离去过程拟合为另一个IBP模型，如果输入过程是一个2A-MMBP过程，则将该节点的离去过程拟合为另一个参数为
Figure BDA0003676064420000055
的MMBP模型；
其中第一个节点离去的MMBP模型中一态转移到本态和二态的状态转移概率分别为
和1-，二态转移到本态和一态的状态转移概率分别为和1-，数据包离去概率分别为和；
当SFC的第一个节点到达流为2A-MMBP过程时，根据状态转移矩阵
Figure BDA0003676064420000056
和速率转移矩阵
Figure BDA0003676064420000057
第k个MMBP模型的表征矩阵为：
Figure BDA0003676064420000058
其中k＝1或2，I为2*2维单位矩阵，叠加源的表征矩阵为：
Figure BDA0003676064420000061
其中n＝0,1,2，n的最大值为聚合流中MMBP的数量，当i＝2时，
Figure BDA0003676064420000062
为2*2维零矩阵，当i＝0且n＝2时，
Figure BDA0003676064420000063
为2*2维零矩阵；
假设K为排队系统缓冲区大小，(K+1)*(K+1)维传输概率矩阵表示为：
Figure BDA0003676064420000064
其中
Figure BDA0003676064420000065
Figure BDA0003676064420000066
进而计算在第一个节点处队长的稳态分布π1＝π1(l)，其中0≤l≤K，l为队长的大小；
根据队长的稳态分布π1＝π1(l)及到达过程的参数
Figure BDA0003676064420000067
经参数拟合后即将此节点的离去过程拟合为一个新的参数为
Figure BDA0003676064420000068
的MMBP模型；离去过程作为下一个节点的到达，以此类推，求解整个串联排队系统；
若SFC的第一个节点到达流为IBP过程，节点的离去过程将以相同的方式被拟合为IBP模型；
步骤五，基于协调分配算法CoordVNF完成SFC的逐跳带宽分配和部署，包括SFC的组成，QoS保障下的带宽分配，流量的离去拟合，并在预分配服务的限制下得到SFC的最优部署方案；将SFC嵌入到物理网络中，即为该条SFC部署成功，具体为：
(1)初始化需要被嵌入的第i个请求
Figure BDA0003676064420000069
该请求的QoS要求设定为{Dmax,ε}；输入流的参数矩阵集表示为
Figure BDA00036760644200000610
包括状态转移矩阵，速率转移矩阵，扩展的状态转移矩阵，对角速率矩阵，已经实施的节点和链路部署设置为B；
(2)依据当前物理网络GS、指定的初始嵌入物理节点、QoS要求{Dmax,ε}、输入流的矩阵集，包括IBP的扩展状态转移矩阵和对角速率矩阵、状态转移矩阵和速率转移矩阵、MMBP流的状态转移矩阵和速率转移矩阵、扩展状态转移矩阵和对角速率矩阵和已实施的部署情况B，向物理网络迭代的嵌入第i个请求
Figure BDA0003676064420000071
在迭代中，根据
Figure BDA0003676064420000072
目前的嵌入情况，得到尚未嵌入的VNF集；若该集合为空，则已嵌入该请求，返回已实施的部署情况B；若该集合不为空，则在集合中获取一个VNF，记为VNF v，根据所述步骤三计算VNF v所需要的服务概率；
(3)在当前已嵌入的物理节点处，采用广度优先搜索方式搜索下一个被部署的VNFv和链接前一个VNF w的虚拟链路(w,v)能够嵌入的物理节点集和关联的物理路径；所获得的节点集candidates按最短路径优先以升序排列；选取最佳候选的物理节点和对应的物理路径，并向其中嵌入VNF v和虚拟链路(w,v)；
其中嵌入成功应满足三个条件：1)虚拟节点v的节点资源需求低于候选物理节点的剩余资源；2)物理节点的服务概率大于虚拟节点v所需要的服务概率；3)先前嵌入的物理节点与待嵌入的物理节点之间路径的剩余带宽满足虚拟链路(w,v)所需要的带宽；
(4)若嵌入成功，根据所得VNF v的服务概率和VNF v输入流的矩阵集来拟合VNF v离去流量的参数矩阵集{Matrixd}，即得到下一节点对应的输入流量的矩阵集；
若嵌入不成功，则在所获得的节点集candidates中继续寻找能够嵌入的物理节点和对应的物理链路进行嵌入；
如果该情况下成功嵌入VNF v之前的虚拟链路，则继续嵌入下一个待嵌入的VNF；重复步骤(2)，直至该条SFC嵌入成功后，部署下一个请求。
所述步骤一抽象物理网络具体为：
将物理网络抽象为一个加权有向图，由GS＝{NS,LS}来描述，其中NS表示一系列物理节点，LS表示物理链路集，物理节点u和s之间的链路用(u,s)表示；
采用加权有向图
Figure BDA0003676064420000073
抽象要部署的第i个请求，其中
Figure BDA0003676064420000074
表示对应的SFC中有序的VNF集合，
Figure BDA0003676064420000075
表示一组虚拟链路，虚拟节点v和w之间的链路用(v,w)表示，一个SFC由M个VNF组成；
将同一切片内业务的QoS要求设置为{Dmax,ε}，其中Dmax和ε分别表示时延阈值和时延违反概率阈值，时隙n处的时延delay(n)满足P{delay(n)≥Dmax}≤ε；将SFC的数据包到达过程建模为IBP和2A-MMBP；2A-MMBP由两个具有不同参数的MMBP组成，这两个MMBP在观察时间内具有独立同分布的特征；
IBP模型用于描述数据业务的突发性：设SFC的到达过程为IBP，m为SFC中第m个节点,m＝1、2、...、M；在激活状态下，第m个节点的数据包的到达满足到达概率为
Figure BDA0003676064420000081
到达数据包数为1的伯努利分布，而IBP过程在空闲状态下不生成数据包；激活态转移到本态和空闲态的状态转移概率分别为
Figure BDA0003676064420000082
和
Figure BDA0003676064420000083
空闲态转移到本态和激活态的状态转移概率分别
Figure BDA0003676064420000084
和
Figure BDA0003676064420000085
IBP到达的状态转移矩阵
Figure BDA0003676064420000086
和速率转移矩阵
Figure BDA0003676064420000087
为：
Figure BDA0003676064420000088
Figure BDA0003676064420000089
将IBP的扩展状态转移矩阵和对角速率矩阵分别为
Figure BDA00036760644200000810
和
Figure BDA00036760644200000811
Figure BDA00036760644200000812
Figure BDA00036760644200000813
其中
Figure BDA00036760644200000814
若SFC的到达过程为2A-MMBP过程，对于SFC的第一个节点，2A-MMBP的每个MMBP模型中，一态转移到本态和二态的状态转移概率分别为
Figure BDA00036760644200000815
和
Figure BDA00036760644200000816
二态转移到本态和一态的状态转移概率分别为
Figure BDA00036760644200000817
和
Figure BDA00036760644200000818
其中k＝1或2，表示一个2A-MMBP的第k个MMBP，数据包到达概率分别为
Figure BDA00036760644200000819
和
Figure BDA00036760644200000820
MMBP的状态转移矩阵
Figure BDA00036760644200000821
和速率转移矩阵
Figure BDA00036760644200000822
分别为：
Figure BDA00036760644200000823
Figure BDA0003676064420000091
扩展状态转移矩阵
Figure BDA0003676064420000092
和对角速率矩阵
Figure BDA0003676064420000093
为：
Figure BDA0003676064420000094
Figure BDA0003676064420000095
其中
Figure BDA0003676064420000096
SFC到达过程为2A-MMBP过程时，SFC的后续节点到达流为MMBP，此时m＝2，...，M，第m个节点处到达的MMBP过程的一态转移到本态和二态的状态转移概率分别为
Figure BDA0003676064420000097
Figure BDA0003676064420000098
二态转移到本态和一态的状态转移概率分别为
Figure BDA0003676064420000099
数据包到达概率分别为
Figure BDA00036760644200000910
和
Figure BDA00036760644200000911
状态转移矩阵
Figure BDA00036760644200000912
速率转移矩阵
Figure BDA00036760644200000913
扩展状态转移矩阵
Figure BDA00036760644200000914
对角速率矩阵
Figure BDA00036760644200000915
与第一个节点到达的2A-MMBP中每个MMBP模型有相同的形式；节点的服务时间分布遵循参数为gm的几何分布。
所述步骤二中构造IBP，2A-MMBP，MMBP过程的到达鞅，构造几何分布的服务鞅；具体为：
对于到达过程为IBP的SFC，第m个节点处IBP到达的到达鞅为：
Figure BDA00036760644200000916
其中：此时m＝1、2、...、M，在第m个节点处时隙0到n内到达的数据包总数为
Figure BDA00036760644200000917
其中
Figure BDA00036760644200000918
为第m个节点处IBP过程在时隙j时到达数据包的数目，鞅参数
Figure BDA00036760644200000919
根据下式得到：
Figure BDA00036760644200000920
其中
Figure BDA0003676064420000101
为
Figure BDA0003676064420000102
的第
Figure BDA0003676064420000103
个元素；
Figure BDA0003676064420000104
为第m个节点处IBP到达的扩展转移矩阵的指数列变换，按下式计算：
Figure BDA0003676064420000105
Figure BDA0003676064420000106
的谱半径
Figure BDA0003676064420000107
其中
Figure BDA0003676064420000108
对于到达过程为2A-MMBP的SFC，第一个节点处2A-MMBP到达的到达鞅为：
Figure BDA0003676064420000109
其中：在第一个节点处时隙0到n内到达的数据包总数为
Figure BDA00036760644200001010
其中
Figure BDA00036760644200001011
和
Figure BDA00036760644200001012
分别为2A-MMBP中第1和第2个MMBP过程在时隙j时到达数据包的数目；2A-MMBP中第k个MMBP的到达鞅的鞅参数
Figure BDA00036760644200001013
根据下式得到：
Figure BDA00036760644200001014
其中
Figure BDA00036760644200001015
为
Figure BDA00036760644200001016
的第
Figure BDA00036760644200001017
个元素；
第一个节点处2A-MMBP到达中的MMBP的扩展转移矩阵的指数列变换
Figure BDA00036760644200001018
为：
Figure BDA00036760644200001019
Figure BDA00036760644200001020
的谱半径
Figure BDA00036760644200001021
其中
Figure BDA00036760644200001022
Figure BDA00036760644200001023
对于到达过程为2A-MMBP的SFC，第m个节点，此时m＝2，...，M处MMBP到达的到达鞅为：
Figure BDA0003676064420000111
其中：第m个节点处到达的MMBP过程在时隙0到n内到达的数据包总数为
Figure BDA0003676064420000112
其中
Figure BDA0003676064420000113
为MMBP过程在时隙j时到达数据包的数目；第m个节点处到达的MMBP的到达鞅参数
Figure BDA0003676064420000114
与第一个节点处2A-MMBP中第k个MMBP的到达鞅的鞅参数求解方式相同；
所述构造几何分布的服务鞅，具体为：
对于第m个节点的服务过程，sm(n)为时隙n内服务数据包的数目，
Figure BDA0003676064420000115
表示在时隙0到n内累计服务的数据包总数，对于
Figure BDA0003676064420000116
构造服务过程的服务鞅为：
Figure BDA0003676064420000117
其中θ为衰减指数，Ksm和hsm(sm(n))为依赖于θ的鞅参数，
Figure BDA0003676064420000118
令hsm(sm(n))＝1，Ksm由下式计算得到：
Figure BDA0003676064420000119
其中E为求期望，gm为服务概率；
综上，得到在SFC的所有节点处的到达过程的到达鞅，几何分布的服务鞅。
本发明的有益成果：
本发明提出了一个具有统计时延QoS保障的逐跳带宽分配框架以指导细粒度的SFC部署，该框架精确求得节点离去过程，保障了异质业务的时延QoS要求。本发明将异质业务到达流量建模为不同的马尔科夫过程，以排队论和鞅理论为基础，推导到达过程的到达鞅，服务过程的服务鞅，并求解各节点的服务概率，科学合理的为SFC逐跳分配带宽资源，保障了异质业务的统计时延QoS要求；采用离去拟合算法拟合节点的离去过程，获得每一节点离去过程的显示表达，有益于估计每个节点的时延违反概率，并更易于工程上的实现；基于协调SFC分配算法CoordVNF实现了SFC的逐跳带宽分配和部署，有效的保障了异质业务的统计时延QoS要求，并在预分配的服务下得到了SFC最优的部署方案。
附图说明
下面结合附图和具体实施方式对本发明作进一步详细说明。
图1为本发明的总体流程图；
图2为两种异质业务部署的场景图；
图3为IBP和2A-MMBP流量到达的SFC抽象串联排队系统示意图；
图4为采用二分搜索算法求解节点的服务概率流程图；
图5为节点输出流量离去拟合过程的流程图；
图6为IBP到达过程在不同时延阈值和负载率下的时延违反概率理论和仿真值对比示意图；
图7为2A-MMBP到达过程在不同时延阈值和负载率下的时延违反概率理论和仿真值对比示意图；
图8为两种异质业务嵌入后每条SFC的时延违反概率示意图。
具体实施方式
如图1所示，本发明的基于鞅理论实现统计时延QoS保障的SFC逐跳带宽分配和部署方法，具体包括下述步骤：
步骤一，抽象物理网络，根据请求的QoS要求实现细粒度的SFC部署，用两种串联排队系统分别构建数据业务和视频电话业务的SFC，使用IBP过程建模数据业务的到达流，使用两个MMBP的聚合过程2A-MMBP(two-aggregation MMBP，即两个MMBP聚合在一起)建模视频电话业务的到达流，几何分布建模节点的服务过程；具体为：
可选的，如图2所示，将物理网络抽象为多个切片，所述的物理网络拓扑中包含服务器，存储和交换机三类节点及节点间的物理链路。图2中包括两个具有不同QoS(qualityof service)需求的业务，分别代表数据业务和视频电话业务，被分配给相互独立的切片；假设这些异质业务占据了它们各自的切片，对应于由公共的基础设施资源形成的逻辑物理网络。图2中采用两种串联排队系统分别构建数据业务和视频电话业务的SFC，每一条所述的SFC中的虚拟网络功能VNF具有预设类型：计算，存储和网络；假设一个物理硬件只能承载相同类型的VNF，这意味着服务器、存储和交换机分别承载计算、存储和网络类型的VNF；
将物理网络抽象为一个加权有向图，并由GS＝{NS,LS}来描述它，其中NS表示一系列物理节点，它们是大容量的服务器、存储和交换机，LS表示物理链路集。物理节点u和s之间的链路用(u,s)表示。对于VNF的计算/存储/网络任务，物理节点u∈NS提供的最大处理容量表示为
Figure BDA0003676064420000131
每个物理节点可以承载多个VNF；对于物理链路(u,s)∈LS，
Figure BDA0003676064420000132
表示其最大带宽容量；相应地，rN(u)和rL(u,s)用来表示节点u和链路(u,s)中剩余资源量。我们使用typeS(u)表示物理节点u的类型；
采用加权有向图
Figure BDA0003676064420000133
抽象要部署的第i个请求，其中
Figure BDA0003676064420000134
表示对应的SFC中的有序的VNF集合；
Figure BDA0003676064420000135
表示一组虚拟链路，虚拟节点v和w之间的链路用(v,w)表示；此外，每个
Figure BDA0003676064420000136
使用
Figure BDA0003676064420000137
表示节点资源需求；
Figure BDA0003676064420000138
表示虚拟链路
Figure BDA0003676064420000139
所需的带宽，对于每个请求，SFC嵌入的初始和终止物理节点都是已知的，一个SFC由M个VNF组成，使用typeV(v)来定义VNFv的类型(计算/存储/网络)；
上述描述定义了网络层的请求。在数据包层，进一步对请求的数据流进行建模。需要考虑每个流的统计时延QoS要求以指导对SFC的资源分配。将同一切片内业务的QoS要求设置为{Dmax,ε}，其中Dmax和ε表示延迟阈值和延迟违反概率阈值，时隙n处的时延delay(n)应满足P{delay(n)≥Dmax}≤ε。这些流必须在核心网中穿越一系列有序的VNF。每个VNF都被嵌入到一个物理节点中，每个虚拟链路可能被嵌入到一系列的传输链路和中间节点上；
SFC建模为具有无限缓冲区的串联排队系统，数据包到达过程建模为IBP和2A-MMBP。2A-MMBP由两个具有不同到达参数的MMBP组成，这两个MMBP在观察时间内具有独立同分布的特征。SFC后续节点的到达流以类似的方式建模；
IBP模型用于描述数据业务的突发性，它有两个马尔可夫状态，分别是激活状态和空闲状态；设SFC的到达过程为IBP，m为SFC中第m个节点,m＝1、2、...、M；在激活状态下，第m个节点的数据包的到达满足到达概率为
Figure BDA0003676064420000141
到达数据包数为1的伯努利分布，而IBP过程在空闲状态下不生成数据包；激活态转移到本态和空闲态的状态转移概率分别为
Figure BDA0003676064420000142
和
Figure BDA0003676064420000143
空闲态转移到本态和激活态的状态转移概率分别
Figure BDA0003676064420000144
和
Figure BDA0003676064420000145
IBP到达的状态转移矩阵
Figure BDA0003676064420000146
和速率转移矩阵
Figure BDA0003676064420000147
为：
Figure BDA0003676064420000148
Figure BDA0003676064420000149
将IBP的扩展状态转移矩阵和对角速率矩阵表示为
Figure BDA00036760644200001410
和
Figure BDA00036760644200001411
(引用：B.Yu,X.Chi,H.Sun,Delay analysis for aggregate traffic basedon martingales theory,IETCommun.14(5)(2020)760–767)
Figure BDA00036760644200001412
Figure BDA00036760644200001413
其中
Figure BDA00036760644200001414
聚合2A-MMBP过程用于描述视频电话业务，对于SFC的第一个节点，2A-MMBP的每个MMBP模型也分别有两个马尔可夫状态。流量到达率随二态马尔可夫链的变化而变化，一态转移到本态和二态的状态转移概率分别为
Figure BDA00036760644200001415
和
Figure BDA00036760644200001416
二态转移到本态和一态的状态转移概率分别
Figure BDA00036760644200001417
和
Figure BDA00036760644200001418
其中k＝1,2，表示一个聚合2A-MMBP的第k个MMBP。在每种状态下，数据包的到达在一个时隙内遵循独立的伯努利分布，数据包到达概率分别为
Figure BDA00036760644200001419
和
Figure BDA00036760644200001420
MMBP的状态转移矩阵
Figure BDA00036760644200001421
和速率转移矩阵
Figure BDA00036760644200001422
可以表示为：
Figure BDA00036760644200001423
Figure BDA0003676064420000151
扩展状态转移矩阵
Figure BDA0003676064420000152
和对角速率矩阵
Figure BDA0003676064420000153
为:
Figure BDA0003676064420000154
Figure BDA0003676064420000155
其中
Figure BDA0003676064420000156
SFC到达过程为2A-MMBP过程时，SFC的后续节点到达流为MMBP，第m个节点，此时m＝2，...，M处到达的MMBP过程的状态转移概率
Figure BDA0003676064420000157
数据包到达概率
Figure BDA0003676064420000158
和
Figure BDA0003676064420000159
状态转移矩阵
Figure BDA00036760644200001510
速率转移矩阵
Figure BDA00036760644200001511
扩展状态转移矩阵
Figure BDA00036760644200001512
对角速率矩阵
Figure BDA00036760644200001513
与第一个节点到达的2A-MMBP中每个MMBP模型有相同的形式，依据(5)-(8)求解即可；
节点(在SFC中的节点为VNF，也可以叫虚拟节点)的服务时间分布遵循参数为gm几何分布(gm表示SFC第m个VNF在一个时隙所需的服务概率)，m＝1、2、...、M，M为一个SFC中的VNF数量。gm的物理意义是：当一个物理节点承载不同SFC中的多个VNF时，如果节点不能在一个时隙服务一个SFC中的流，它可以服务其他SFC中的流。当一个节点在一个时隙内被服务时，只能服务一个数据包；假定数据包的长度是固定的，服务和到达过程是相互独立的；当数据包到达物理节点的缓冲区时，它将以先入先出(FIFO)的方式被服务。
步骤二，构造IBP，2A-MMBP，MMBP过程的到达鞅，构造几何分布的服务鞅；具体为：
对于SFC的第m个节点，对于一个到达流，am(n)为在第m个节点处时隙n时到达包的数目，
Figure BDA0003676064420000161
表示第m个节点的到达流在时隙0到n内到达的数据包总数，j＝1，……n；
对于
Figure BDA0003676064420000162
构造到达过程的到达鞅为：
Figure BDA0003676064420000163
θ为衰减指数，Kam和ham(am(n))为依赖于θ的鞅参数。
Figure BDA0003676064420000164
是在鞅论的基础上对到达过程的建模。
对于IBP，2A-MMBP和MMBP的到达鞅，只需获得不同的Am(0,n)，Kam，ham(am(n))即可；
对于到达过程为IBP的SFC，扩展第m个节点处IBP到达的转移矩阵的指数列变换为
Figure BDA0003676064420000165
按下式计算：
Figure BDA0003676064420000166
对于到达过程为2A-MMBP的SFC，第一个节点处2A-MMBP到达中的MMBP的扩展转移矩阵的指数列变换
Figure BDA0003676064420000167
为：
Figure BDA0003676064420000168
第m个节点，此时m＝2，...，M处MMBP到达的扩展转移矩阵的指数列变换与2A-MMBP中第k个MMBP的求解方式相同，根据公式(11)即可求解；
设sp((T)θ)为(T)θ的谱半径，ha为(T)θ对应sp((T)θ)的右特征向量，ha(a(n))为ha的第a(n)个元素，可以由式(12)求解：
((T)θha)(a(n))＝sp((T)θ)ha(a(n)) (12)
参数Ka可由式(13)求解：
Figure BDA0003676064420000171
推导出
Figure BDA0003676064420000172
和
Figure BDA0003676064420000173
的谱半径为：
Figure BDA0003676064420000174
Figure BDA0003676064420000175
其中
Figure BDA0003676064420000176
Figure BDA0003676064420000177
Figure BDA0003676064420000178
对于到达过程为IBP的SFC，第m个节点处IBP到达鞅的鞅参数
Figure BDA0003676064420000179
根据式(16)得到：
Figure BDA00036760644200001710
其中
Figure BDA00036760644200001711
为
Figure BDA00036760644200001712
的第
Figure BDA00036760644200001713
个元素；
对于到达过程为2A-MMBP的SFC，2A-MMBP中第k个MMBP的到达鞅的鞅参数
Figure BDA00036760644200001714
根据式(17)得到：
Figure BDA00036760644200001715
其中
Figure BDA00036760644200001716
为
Figure BDA00036760644200001717
的第
Figure BDA00036760644200001718
个元素；第m个节点，此时m＝2，...，M处MMBP到达的到达鞅参数
Figure BDA00036760644200001719
与2A-MMBP中第k个MMBP的到达鞅的鞅参数求解方式相同，依据(17)即可求解；
进而推导对于到达过程为IBP的SFC，第m个节点处IBP到达的到达鞅为：
Figure BDA00036760644200001720
其中：在第m个节点处时隙0到n内到达的数据包总数为
Figure BDA00036760644200001721
其中
Figure BDA00036760644200001722
为第m个节点处IBP过程在时隙j时到达数据包的数目；
对于到达过程为2A-MMBP的SFC，第一个节点处2A-MMBP到达的到达鞅为：
Figure BDA0003676064420000181
其中：在第一个节点处时隙0到n内到达的数据包总数为
Figure BDA0003676064420000182
其中
Figure BDA0003676064420000183
和
Figure BDA0003676064420000184
分别为2A-MMBP中第1和第2个MMBP过程在时隙j时到达数据包的数目；对于该SFC的后续节点，第m个节点，此时m＝2，...，M处MMBP到达的到达鞅为：
Figure BDA0003676064420000185
其中：第m个节点，此时m＝2，...，M处到达的MMBP过程在时隙0到n内到达的数据包总数为
Figure BDA0003676064420000186
其中
Figure BDA0003676064420000187
为MMBP过程在时隙j时到达数据包的数目；
接下来我们构建服务过程的鞅，具体方法如下：
对于第m个节点的服务过程，sm(n)为SFC第m个节点在时隙n内服务数据包的数目，
Figure BDA0003676064420000188
表示在时隙0到n内第m个节点累计服务的数据包总数，对于
Figure BDA0003676064420000189
我们构造服务过程sm(n)的服务鞅为：
Figure BDA00036760644200001810
θ为衰减指数，Ksm和hsm(sm(n))为依赖于θ的鞅参数；
由于第m个节点的服务时间分布遵循参数为gm的几何分布，因此节点的服务过程在一个时隙中遵循具有相同参数的伯努利分布。我们将排队系统的服务过程转化为服务概率为gm的伯努利过程：
Figure BDA00036760644200001811
对于独立同分布的服务过程，可以令hsm(sm(n))＝1，则可以由式(23)计算得：
Figure BDA00036760644200001812
其中E为求期望，gm为服务概率；
综上，得到了SFC的每个节点到达过程的到达鞅，服务过程的服务鞅。
步骤三，为保障请求的统计时延QoS要求，基于鞅理论逐跳推导每个节点处服务过程的服务概率；具体为：
基于超鞅理论，积压行为可以被建模成一个指数超鞅过程以分析时延性能，把到达鞅和服务鞅参数用特殊鞅参量θ*联系在一起，在θ*的限制下，积压超鞅
Figure BDA0003676064420000191
被定义为到达超鞅和服务超鞅的乘积；
对于IBP到达的SFC的第m个节点，积压超鞅为：
Figure BDA0003676064420000192
其中
Figure BDA0003676064420000193
和Ksm都为依赖于θ*的鞅参数；
对于2A-MMBP到达的SFC的第一个节点，2A-MMBP到达的积压超鞅为：
Figure BDA0003676064420000194
其中
Figure BDA0003676064420000195
和Ks1都为依赖于θ*的鞅参数；对于该SFC的后续节点，第m个节点处(m＝2，...，M)的MMBP到达的积压超鞅为：
Figure BDA0003676064420000196
其中
Figure BDA0003676064420000197
和Ksm都为依赖于θ*的鞅参数；
若令delaym(n)表示在时隙n时第m个节点处的时延，Dm(0,n)表示第m个节点从时隙0到n累积离去的数据包个数，则时延的定义式为:
delaym(n)＝min{t≥0|Am(0,n-t)≤Dm(0,n)} (27)
其中t为求delay(n)时的一个参量，没有具体含义；
可以将积压超鞅视为在鞅域中对积压过程的建模，这有利于对延迟的分析。进一步，在积压超鞅的基础上，基于超鞅的停时定理推导了流量的时延违反概率(引用：H.Sun,Researchon network QoSanalysis and guarantee under the background ofheterogeneous services,Ph.D.thesis,JiLin University(2019))：
对于IBP到达流，第m个节点处的时延违反概率为：
Figure BDA0003676064420000198
其中E为求期望，
Figure BDA0003676064420000201
对于2A-MMBP到达流，第一个节点处的时延违反概率为：
Figure BDA0003676064420000202
其中
Figure BDA0003676064420000203
后续第m个节点，此时m＝2，...，M的时延违反概率为：
Figure BDA0003676064420000204
其中
Figure BDA0003676064420000205
由于服务概率gm和时延违反概率P(delay(n)≥Dmax)呈隐式关系，所述基于鞅理论逐跳(经过一个节点即经过一跳)推导每个节点处服务过程的服务概率，具体为：在指定时延QoS要求下，在0-1内采用二分搜索算法求得节点的服务概率gm，具体步骤如下：
(1)令服务概率搜索上界upper＝1，服务概率搜索下界lower＝0，令gm＝upper为服务概率，根据式子(23)，(28)/(29)/(30)计算IBP到达流，2A-MMBP或MMBP到达流的时延违反概率阈值
Figure BDA0003676064420000206
Figure BDA0003676064420000207
或
Figure BDA0003676064420000208
Figure BDA0003676064420000209
(2)如果所求threshold与目标时延违反概率阈值target＝ε之差的绝对值小于或等于自定义的极小数μ(0.00001)，即|threshold-target|≤μ，则将upper值作为所求节点的服务概率；
(3)否则，以mid＝(upper+lower)/2为服务概率gm，根据式子(23)，(28)/(29)/(30)计算IBP到达流，2A-MMBP或MMBP到达流的时延违反概率阈值
Figure BDA00036760644200002010
Figure BDA0003676064420000211
或
Figure BDA0003676064420000212
Figure BDA0003676064420000213
(4)如果所求threshold与目标时延违反概率阈值target＝ε之差的绝对值小于或等于自定义的极小数μ(0.00001)，即|threshold-target|≤μ，则将mid值作为所求节点的服务概率；
(5)否则，若步骤(3)计算得到的threshold>target，则将mid值赋给lower(mid和lower的值相同)，返回到步骤(3)；
若threshold<target，则将mid值赋给upper(mid和upper的值相同)，返回到步骤(3)；直至threshold与target之差的绝对值小于或等于自定义的极小数μ，将当前mid值作为所求节点的服务概率gm。
步骤四，在鞅理论的指导下，在统计时延QoS的要求下采用离去拟合的方式将每个节点的输出流拟合为IBP或MMBP过程，作为下一个节点的到达过程，直至完成整个SFC逐跳带宽预分配；具体为：
为抽象在鞅理论指导下的离去拟合过程，分别将IBP和2A-MMBP流量到达的SFC抽象为如图3所示的两个串联排队系统。对于SFC的第一个节点，如果输入过程是一个IBP过程，则该节点的离去过程可以拟合为另一个IBP模型；如果输入过程是一个2A-MMBP过程，则该节点的离去过程可以拟合为另一个参数为
Figure BDA0003676064420000214
和
Figure BDA0003676064420000215
的MMBP模型。拟合所需的服务概率在鞅理论的指导下求出。由于第一个节点的离去是第二个节点的到达，以此类推，我们可以精确得到串联排队系统中每个节点的离去和到达；
由于IBP为MMBP模型其中一个马尔科夫状态为空闲态的特例，以下以SFC的第一个节点到达流为2A-MMBP过程为例描述离去拟合的过程，IBP和MMBP流量的离去拟合都可以使用这种方法。
当SFC的第一个节点到达流为2A-MMBP过程时，根据步骤一中所述的状态转移矩阵
Figure BDA0003676064420000216
和速率转移矩阵
Figure BDA0003676064420000217
第k个MMBP模型的表征矩阵为：
Figure BDA0003676064420000221
其中k＝1或2，其中I为2*2维单位矩阵。叠加源是一个四态的马尔科夫过程，它的表征矩阵为：
Figure BDA0003676064420000222
依据Kronecker乘积，可表示为：
Figure BDA0003676064420000223
其中n＝0,1,2，n的最大值为聚合流中MMBP的数量，
Figure BDA0003676064420000224
为2*2维零矩阵；
假设K为排队系统缓冲区大小，将其设置为很大的整数以近似一个无限缓冲区，基于
Figure BDA0003676064420000225
和服务过程的服务概率g1，(K+1)*(K+1)维传输概率矩阵可以被表示为：
Figure BDA0003676064420000226
其中
Figure BDA0003676064420000227
Figure BDA0003676064420000228
U1中的每个元素都是由
Figure BDA0003676064420000229
和g1组成的4*4维矩阵。对于串联排队系统的后续节点，状态转移概率矩阵是相似的，不同在于它们的元素是2*2维矩阵，这是由于第一个节点和后续节点的输出流被拟合为MMBP过程。计算在第一个节点处队长的稳态分布π1＝π1(l)，其中0≤l≤K，l为队长的大小；(引用：W.Fischer,K.Meier-Hellstern,The markov-modulated poisson process(mmpp)cookbook,Perform.Evaluation 18(2)(1993)149–171)；
根据队长的稳态分布π1＝π1(l)及到达过程的参数
Figure BDA00036760644200002210
经参数拟合后即可将此节点的离去过程拟合为一个新的参数为
Figure BDA00036760644200002211
的MMBP；离去过程作为下一个节点的到达，以此类推，我们可以求解整个串联排队系统；
其中第一个节点离去的MMBP模型中一态转移到本态和二态的状态转移概率分别为
和1-，二态转移到本态和一态的状态转移概率分别为和1-，其中d表示第一个节点的离去departure，数据包离去概率分别为和；
(引用：Y.Zhao,Communication network modeling and performanceanalysisbased on tandem queueing network theory,Master’sthesis,JiLin University(2011))
若一个SFC的到达过程为IBP过程，后续节点的离去过程将以类似的方式被拟合为IBP过程。
步骤五，基于协调分配算法CoordVNF(引用：M.Beck,J.Botero,Scalable andcoordinated allocation of service function chains,Comput.Commun.102(2017)78–88)完成SFC的逐跳带宽分配和部署，包括SFC的组成，QoS保障下的带宽分配，流量的离去拟合，并在预分配服务的限制下得到SFC的最优部署方案，将SFC嵌入到物理网络中，即为该条SFC部署成功；具体为：
一个VNF v的需求
Figure BDA0003676064420000231
是VNF的相对处理容量率和流入该VNF的流量的乘积。不同的VNF具有不同的相对处理容量率。我们的目的是将一系列SFC嵌入到一个共享的物理网络基础设施中，并满足每个请求的延迟需求，方法如下：
(1)初始化需要被嵌入的第i个请求
Figure BDA0003676064420000232
该请求的QoS要求设定为{Dmax,ε}，输入流的矩阵集表示为
Figure BDA0003676064420000233
包括状态转移矩阵，速率转移矩阵，扩展的状态转移矩阵，对角速率矩阵。已经实施的节点和链路部署设置为B；
(2)依据当前物理网络GS，指定的初始嵌入物理节点，QoS要求{Dmax,ε}，输入流的矩阵集(包括IBP的扩展状态转移矩阵和对角速率矩阵、状态转移矩阵和速率转移矩阵、MMBP流的状态转移矩阵和速率转移矩阵、扩展状态转移矩阵和对角速率矩阵)和已实施的节点和链路部署情况B，向物理网络迭代的嵌入第i个请求
Figure BDA0003676064420000234
部署的每一步都会获取当前SFC的部署情况。在迭代中，根据
Figure BDA0003676064420000235
目前的嵌入情况，得到尚未嵌入的VNF集。若该集合为空，则已嵌入该请求，返回已实施的部署情况B。若该集合不为空，则在集合中获取一个VNFv，根据鞅论即步骤三计算VNF v所需要的服务概率；
(3)在当前已嵌入的物理节点处，采用广度优先搜索方式搜索下一个被部署的VNFv和链接前一个VNF w的虚拟链路(w,v)可以嵌入的物理节点集和关联的物理路径(只有与v具有相同类型typeV(v)的物理节点才能承载它)。所获得的节点集candidates按最短路径优先以升序排列。选取最佳候选的物理节点和对应的物理路径，嵌入VNF v和v与之前的VNFw之间的虚拟链路(w,v)。嵌入成功应满足三个条件：1)虚拟节点v的节点资源需求低于候选物理节点的剩余资源，即v的容量需求
Figure BDA0003676064420000241
低于候选物理节点u的剩余容量rN(u)；2)物理节点u的服务概率大于虚拟节点v所要求的服务概率；3)先前嵌入的物理节点s与待嵌入的物理节点u之间路径的剩余带宽rL(s,u)满足虚拟链路(w,v)所需要的带宽
Figure BDA0003676064420000242
(4)若嵌入成功，根据当前部署情况更新物理网络中节点和链路的剩余资源，并根据得到的VNF v的服务概率和VNF v输入流的矩阵集(若v为第一个节点则输入流的矩阵集是步骤(1)中的矩阵集，若不为第一个节点则是上一个节点离去拟合出来的矩阵集)来拟合VNF v离去流量的参数矩阵集{Matrixd}，即得到下一节点对应的输入流量的矩阵集；
若嵌入不成功，则在所获得的节点集candidates中继续寻找可以嵌入的物理节点和对应的物理链路进行嵌入。如果成功嵌入了VNF v之前的虚拟链路，则继续嵌入下一个待嵌入的VNF；重复步骤(2)，直至该条SFC嵌入成功后，部署下一个请求，最终得到每个请求所对应的SFC最优的部署方案。
为了验证本实施例提出的基于鞅理论实现统计时延QoS保障的SFC逐跳带宽分配和部署方法的有效性，通过仿真验证了本发明方法的效果。仿真测试实施例如下：
1.仿真条件：
参见表1，展示了在图6和图7中理论值和仿真值对比的各种参数。
表1：理论值和仿真值对比的参数设置
Figure BDA0003676064420000243
Figure BDA0003676064420000251
本发明实施例在ALEVIN仿真框架上进行仿真。使用Waxman模型随机生成50个节点的物理网络拓扑，其中每对物理节点的连接概率为0.3。节点和带宽资源，以单位容量和数据包/时隙来衡量，是在50到100之间均匀分布的随机数。假设VNF上所需容量的增加或减少对流量没有任何影响，因此，我们在80％和120％范围内随机选择VNF的相对处理容量率。为了确保我们的结论的可靠性，每个参数设置会重复实验20次。
在本实施例中共有3组仿真实验：第一组实验为IBP过程的时延违反概率理论值和仿真值的对比实验，负载率ρ分别为0.8,0.55,0.38；第二组实验为2A-MMBP过程的时延违反概率理论值和仿真值的对比实验，负载率ρ分别为0.65,0.55,0.45，其中负载率指的是数据包的平均到达率与节点平均服务率的比值。
第三组实验目标为验证嵌入后的SFC串联排队系统中每个节点是否满足请求的时延违反概率要求，仿真时隙数为5*105。本实施例中选取20条SFC，其中12条SFC为IBP到达，时延阈值Dmax为100时隙；8条为2A-MMBP到达，时延阈值Dmax为40时隙。每个请求的时延违反概率阈值都设置为ε＝10-3。对于每个SFC，我们根据其中VNF的依赖性来确定VNF的顺序，然后在计算VNF和链路所需资源的同时进行部署，这意味着SFC的链接和嵌入同时进行。每个SFC包含5个VNF。我们考虑了两种SFC，第一种使用平方变差系数为0.8-1.3的IBP到达过程，第二种使用2A-MMBP到达过程的SFC，每个MMBP的平方变差系数在1-2.3之间。
2.仿真内容：
第一组实验为IBP到达过程在不同时延阈值和负载率下的时延违反概率理论和仿真值对比实验，对比在指定的IBP到达过程参数下，负载率ρ为0.8,0.55,0.38时，IBP到达过程的理论时延违反概率和仿真时延违反概率的差距。仿真结果采用箱图表示，时延阈值从0递增到50时隙。
第二组实验为2A-MMBP过程在不同时延阈值和负载率下的时延违反概率理论和仿真值对比实验，在指定2A-MMBP到达过程中各个MMBP过程的参数下，负载率ρ为0.65,0.55,0.45时，对比2A-MMBP到达过程的理论时延违反概率和仿真时延违反概率的差距。仿真结果采用箱图表示，时延阈值从6递增到42时隙。
第三组实验为验证在输入统计时延QoS要求不同(时延阈值Dmax不同)的两种请求时，业务的时延违反概率要求被满足的情况。每一个箱图代表SFC串联排队系统中的五个节点处的时延违反概率。
3.仿真结果分析：
请参见图6，图6为本发明实施例中IBP到达过程在不同时延阈值和负载率下的时延违反概率理论和仿真值对比示意图。图6表明理论结果和仿真结果拟合的较好，在负载率较大时，拟合的效果比负载率较小时好，且在三种负载率的条件下，随着时延阈值Dmax的增加，拟合效果越来越好。纵向观察，在相同的时延阈值下，时延违反概率随着负载率的增大而增大。
请参见图7，图7为本发明实施例中2A-MMBP到达过程在不同时延阈值和负载率下的时延违反概率理论和仿真值对比示意图。图7表明在各个负载率时理论结果和仿真结果都拟合的较好，只有在负载率较高而时延阈值较低时，仿真的时延违反概率略高于理论的时延违反概率。
请参见图8，图8为本发明实施例中两种业务嵌入后每条SFC在各个节点处的时延违反概率示意图。图8表明，对于统计时延QoS要求不同的两种业务(Dmax＝100，Dmax＝40)，时延违反概率都能够满足时延违反概率阈值ε＝10-3。由此可见，我们的方法可以满足统计时延QoS要求不同的异质业务的需求，证明了本发明的有效性。
尽管参照上述实施案例对本发明进行了详尽说明，本领域的技术人员应当理解，以上实施例仅仅为本发明的优选实施方案，可以对本发明在细节上进行各种修改，而不脱离本发明的精神和范围。

Claims (3)

1.一种基于鞅理论实现统计时延QoS保障的SFC逐跳带宽分配和部署方法，其特征在于包括以下步骤：
步骤一，抽象物理网络，根据请求的QoS要求实现细粒度的SFC部署，用两种串联排队系统分别构建数据业务和视频电话业务的SFC，使用IBP过程建模数据业务的到达流，使用两个MMBP的聚合过程2A-MMBP建模视频电话业务的到达流，其中两个参数不同的MMBP分别建模视频流和音频流，几何分布建模节点的服务过程；
步骤二，构造IBP，2A-MMBP，MMBP过程的到达鞅，构造几何分布的服务鞅：
对于SFC的第m个节点，此时m＝1、2、...、M，am(n)为第m个节点在时隙n时到达数据包的数目，
Figure FDA0003676064410000011
为在第m个节点处时隙0到n内到达的数据包总数，j＝1，……n；
对于
Figure FDA0003676064410000012
Kam＞0，构造到达过程的到达鞅为：
Figure FDA0003676064410000013
其中θ为衰减指数，Kam和ham(am(n))为依赖于θ的鞅参数；
对于IBP，2A-MMBP和MMBP的到达鞅，通过获得不同的Am(0,n)，Kam，ham(am(n))得到；
所述构造几何分布的服务鞅，具体为：
对于第m个节点的服务过程，此时m＝1、2、...、M，sm(n)为时隙n内服务数据包的数目，
Figure FDA0003676064410000014
表示在时隙0到n内累计服务的数据包总数，对于
Figure FDA0003676064410000015
Ksm＞0，构造服务过程的服务鞅为：
Figure FDA0003676064410000016
其中θ为衰减指数，Ksm和hsm(sm(n))为依赖于θ的鞅参数；
令hsm(sm(n))＝1，Ksm计算为：
Figure FDA0003676064410000017
其中E表示求期望，gm为服务概率；
综上，得到在SFC的所有节点处的到达过程的到达鞅，几何分布的服务鞅；
步骤三，为保障请求的统计时延QoS要求，基于鞅理论逐跳推导每个节点处服务过程的服务概率；具体为：
对于IBP到达的SFC的第m个节点，此时m＝1、2、...、M，积压超鞅为：
Figure FDA0003676064410000021
其中
Figure FDA0003676064410000022
Figure FDA0003676064410000023
和Ksm为依赖于θ*的鞅参数，在第m个节点处时隙0到n内到达的数据包总数为
Figure FDA0003676064410000024
Figure FDA0003676064410000025
为第m个节点处IBP过程在时隙j时到达数据包的数目；
对于2A-MMBP到达的SFC的第一个节点，2A-MMBP到达的积压超鞅为：
Figure FDA0003676064410000026
其中
Figure FDA0003676064410000027
Figure FDA0003676064410000028
和Ks1为依赖于θ*的鞅参数，第一个节点处在时隙0到n内到达的数据包总数为
Figure FDA0003676064410000029
其中
Figure FDA00036760644100000210
和
Figure FDA00036760644100000211
分别为2A-MMBP中第1和第2个MMBP过程在时隙j时到达数据包的数目；对于该SFC的后续节点，此时m＝2，...，M，第m个节点处的MMBP到达的积压超鞅为：
Figure FDA00036760644100000212
其中
Figure FDA00036760644100000213
Figure FDA00036760644100000214
和Ksm为依赖于θ*的鞅参数，第m个节点处到达的MMBP过程在时隙0到n内到达的数据包总数为
Figure FDA00036760644100000215
其中
Figure FDA00036760644100000216
为MMBP过程在时隙j时到达数据包的数目；
令delaym(n)表示在时隙n时第m个节点处的时延，Dm(0,n)表示第m个节点从时隙0到n累积离去的数据包个数，时延的定义式为：
delaym(n)＝min{t≥0|Am(0,n-t)≤Dm(0,n)}
其中t为求delay(n)时的参量；
进一步在积压超鞅的基础上，流量的时延违反概率为：
对于IBP到达流，此时m＝1、2、...、M，第m个节点处的时延违反概率为：
Figure FDA0003676064410000031
其中E为求期望，
Figure FDA0003676064410000032
对于2A-MMBP到达流，第一个节点处的时延违反概率为：
Figure FDA0003676064410000033
其中
Figure FDA0003676064410000034
后续第m个节点，此时m＝2，...，M的时延违反概率为：
Figure FDA0003676064410000035
其中
Figure FDA0003676064410000036
所述基于鞅理论逐跳推导每个节点处服务过程的服务概率，具体为：
在指定统计时延QoS要求下，在0-1内采用二分搜索算法求得节点处服务过程的服务概率gm，具体如下：
(1)令服务概率搜索上界upper＝1，服务概率搜索下界lower＝0，令gm＝upper为服务概率，计算IBP到达流、2A-MMBP或MMBP到达流的时延违反概率阈值
Figure FDA0003676064410000037
Figure FDA0003676064410000038
或
Figure FDA0003676064410000039
Figure FDA00036760644100000310
(2)如果threshold与目标时延违反概率阈值target＝ε之差的绝对值小于或等于自定义的极小数μ，则将upper值作为所求节点的服务概率gm；
(3)否则，以mid＝(upper+lower)/2为服务概率gm，计算IBP到达流、2A-MMBP或MMBP到达流的时延违反概率阈值
Figure FDA0003676064410000041
Figure FDA0003676064410000042
(4)如果步骤(3)计算得到的threshold与目标时延违反概率阈值target＝ε之差的绝对值小于或等于自定义的极小数μ，则将mid值作为所求节点的服务概率gm；
(5)否则，
若步骤(3)计算得到的threshold>target，则将mid值赋给lower，返回到步骤(3)；
若步骤(3)计算得到的threshold<target，则将mid值赋给upper，返回到步骤(3)；直至threshold与target之差的绝对值小于或等于自定义的极小数μ，将当前mid值作为所求节点的服务概率gm；
步骤四，在鞅理论的指导下，在统计时延QoS的要求下采用离去拟合的方式将每个节点的输出流拟合为IBP或MMBP过程，作为下一个节点的到达过程，直至完成整个SFC逐跳带宽预分配；具体为：
对于SFC的第一个节点，如果输入过程是一个IBP过程，则将该节点的离去过程拟合为另一个IBP模型，如果输入过程是一个2A-MMBP过程，则将该节点的离去过程拟合为另一个参数为
Figure FDA0003676064410000043
的MMBP模型；
其中第一个节点离去的MMBP模型中一态转移到本态和二态的状态转移概率分别为
Figure FDA0003676064410000044
和
Figure FDA0003676064410000045
二态转移到本态和一态的状态转移概率分别为
Figure FDA00036760644100000412
和
Figure FDA00036760644100000413
数据包离去概率分别为
Figure FDA00036760644100000414
和
Figure FDA00036760644100000415
当SFC的第一个节点到达流为2A-MMBP过程时，根据状态转移矩阵
Figure FDA0003676064410000046
和速率转移矩阵
Figure FDA0003676064410000047
第k个MMBP模型的表征矩阵为：
Figure FDA0003676064410000048
其中k＝1或2，I为2*2维单位矩阵，叠加源的表征矩阵为：
Figure FDA0003676064410000049
其中n＝0,1,2，n的最大值为聚合流中MMBP的数量，当i＝2时，
Figure FDA00036760644100000410
为2*2维零矩阵，当i＝0且n＝2时，
Figure FDA00036760644100000411
为2*2维零矩阵；
假设K为排队系统缓冲区大小，(K+1)*(K+1)维传输概率矩阵表示为：
Figure FDA0003676064410000051
其中
Figure FDA0003676064410000052
Figure FDA0003676064410000053
进而计算在第一个节点处队长的稳态分布π1＝π1(l)，其中0≤l≤K，l为队长的大小；
根据队长的稳态分布π1＝π1(l)及到达过程的参数
Figure FDA0003676064410000054
经参数拟合后即将此节点的离去过程拟合为一个新的参数为
Figure FDA0003676064410000055
的MMBP模型；离去过程作为下一个节点的到达，以此类推，求解整个串联排队系统；
若SFC的第一个节点到达流为IBP过程，节点的离去过程将以相同的方式被拟合为IBP模型；
步骤五，基于协调分配算法CoordVNF完成SFC的逐跳带宽分配和部署，包括SFC的组成，QoS保障下的带宽分配，流量的离去拟合，并在预分配服务的限制下得到SFC的最优部署方案；将SFC嵌入到物理网络中，即为该条SFC部署成功，具体为：
(1)初始化需要被嵌入的第i个请求
Figure FDA0003676064410000056
该请求的QoS要求设定为{Dmax,ε}；输入流的参数矩阵集表示为
Figure FDA0003676064410000057
包括状态转移矩阵，速率转移矩阵，扩展的状态转移矩阵，对角速率矩阵，已经实施的节点和链路部署设置为B；
(2)依据当前物理网络GS、指定的初始嵌入物理节点、QoS要求{Dmax,ε}、输入流的矩阵集，包括IBP的扩展状态转移矩阵和对角速率矩阵、状态转移矩阵和速率转移矩阵、MMBP流的状态转移矩阵和速率转移矩阵、扩展状态转移矩阵和对角速率矩阵和已实施的部署情况B，向物理网络迭代的嵌入第i个请求
Figure FDA0003676064410000061
在迭代中，根据
Figure FDA0003676064410000062
目前的嵌入情况，得到尚未嵌入的VNF集；若该集合为空，则已嵌入该请求，返回已实施的部署情况B；若该集合不为空，则在集合中获取一个VNF，记为VNF v，根据所述步骤三计算VNF v所需要的服务概率；
(3)在当前已嵌入的物理节点处，采用广度优先搜索方式搜索下一个被部署的VNF v和链接前一个VNF w的虚拟链路(w,v)能够嵌入的物理节点集和关联的物理路径；所获得的节点集candidates按最短路径优先以升序排列；选取最佳候选的物理节点和对应的物理路径，并向其中嵌入VNF v和虚拟链路(w,v)；
其中嵌入成功应满足三个条件：1)虚拟节点v的节点资源需求低于候选物理节点的剩余资源；2)物理节点的服务概率大于虚拟节点v所需要的服务概率；3)先前嵌入的物理节点与待嵌入的物理节点之间路径的剩余带宽满足虚拟链路(w,v)所需要的带宽；
(4)若嵌入成功，根据所得VNF v的服务概率和VNF v输入流的矩阵集来拟合VNF v离去流量的参数矩阵集{Matrixd}，即得到下一节点对应的输入流量的矩阵集；
若嵌入不成功，则在所获得的节点集candidates中继续寻找能够嵌入的物理节点和对应的物理链路进行嵌入；
如果该情况下成功嵌入VNF v之前的虚拟链路，则继续嵌入下一个待嵌入的VNF；重复步骤(2)，直至该条SFC嵌入成功后，部署下一个请求。
2.根据权利要求1所述的一种基于鞅理论实现统计时延QoS保障的SFC逐跳带宽分配和部署方法，其特征在于所述步骤一抽象物理网络具体为：
将物理网络抽象为一个加权有向图，由GS＝{NS,LS}来描述，其中NS表示一系列物理节点，LS表示物理链路集，物理节点u和s之间的链路用(u,s)表示；
采用加权有向图
Figure FDA0003676064410000063
抽象要部署的第i个请求，其中
Figure FDA0003676064410000064
表示对应的SFC中有序的VNF集合，
Figure FDA0003676064410000065
表示一组虚拟链路，虚拟节点v和w之间的链路用(v,w)表示，一个SFC由M个VNF组成；
将同一切片内业务的QoS要求设置为{Dmax,ε}，其中Dmax和ε分别表示时延阈值和时延违反概率阈值，时隙n处的时延delay(n)满足P{delay(n)≥Dmax}≤ε；将SFC的数据包到达过程建模为IBP和2A-MMBP；2A-MMBP由两个具有不同参数的MMBP组成，这两个MMBP在观察时间内具有独立同分布的特征；
IBP模型用于描述数据业务的突发性：设SFC的到达过程为IBP，m为SFC中第m个节点,m＝1、2、...、M；在激活状态下，第m个节点的数据包的到达满足到达概率为
Figure FDA0003676064410000071
到达数据包数为1的伯努利分布，而IBP过程在空闲状态下不生成数据包；激活态转移到本态和空闲态的状态转移概率分别为
Figure FDA0003676064410000072
和
Figure FDA0003676064410000073
空闲态转移到本态和激活态的状态转移概率分别
Figure FDA0003676064410000074
和
Figure FDA0003676064410000075
IBP到达的状态转移矩阵
Figure FDA0003676064410000076
和速率转移矩阵
Figure FDA0003676064410000077
为：
Figure FDA0003676064410000078
Figure FDA0003676064410000079
将IBP的扩展状态转移矩阵和对角速率矩阵分别为
Figure FDA00036760644100000710
和
Figure FDA00036760644100000711
Figure FDA00036760644100000712
Figure FDA00036760644100000713
其中
Figure FDA00036760644100000714
若SFC的到达过程为2A-MMBP过程，对于SFC的第一个节点，2A-MMBP的每个MMBP模型中，一态转移到本态和二态的状态转移概率分别为
Figure FDA00036760644100000715
和
Figure FDA00036760644100000716
二态转移到本态和一态的状态转移概率分别为
Figure FDA00036760644100000717
和
Figure FDA00036760644100000718
其中k＝1或2，表示一个2A-MMBP的第k个MMBP，数据包到达概率分别为
Figure FDA00036760644100000719
和
Figure FDA00036760644100000720
MMBP的状态转移矩阵
Figure FDA00036760644100000721
和速率转移矩阵
Figure FDA00036760644100000722
分别为：
Figure FDA00036760644100000723
Figure FDA0003676064410000081
扩展状态转移矩阵
Figure FDA0003676064410000082
和对角速率矩阵
Figure FDA0003676064410000083
为：
Figure FDA0003676064410000084
Figure FDA0003676064410000085
其中
Figure FDA0003676064410000086
SFC到达过程为2A-MMBP过程时，SFC的后续节点到达流为MMBP，此时m＝2，...，M，第m个节点处到达的MMBP过程的一态转移到本态和二态的状态转移概率分别为
Figure FDA0003676064410000087
Figure FDA0003676064410000088
二态转移到本态和一态的状态转移概率分别为
Figure FDA0003676064410000089
数据包到达概率分别为
Figure FDA00036760644100000810
和
Figure FDA00036760644100000811
状态转移矩阵
Figure FDA00036760644100000812
速率转移矩阵
Figure FDA00036760644100000813
扩展状态转移矩阵
Figure FDA00036760644100000814
对角速率矩阵
Figure FDA00036760644100000815
与第一个节点到达的2A-MMBP中每个MMBP模型有相同的形式；节点的服务时间分布遵循参数为gm的几何分布。
3.根据权利要求2所述的一种基于鞅理论实现统计时延QoS保障的SFC逐跳带宽分配和部署方法，其特征在于所述步骤二中构造IBP，2A-MMBP，MMBP过程的到达鞅，构造几何分布的服务鞅；具体为：
对于到达过程为IBP的SFC，第m个节点处IBP到达的到达鞅为：
Figure FDA00036760644100000816
其中：此时m＝1、2、...、M，在第m个节点处时隙0到n内到达的数据包总数为
Figure FDA00036760644100000817
其中
Figure FDA00036760644100000818
为第m个节点处IBP过程在时隙j时到达数据包的数目，鞅参数
Figure FDA00036760644100000819
根据下式得到：
Figure FDA0003676064410000091
其中
Figure FDA0003676064410000092
为
Figure FDA0003676064410000093
的第
Figure FDA0003676064410000094
个元素；
Figure FDA0003676064410000095
为第m个节点处IBP到达的扩展转移矩阵的指数列变换，按下式计算：
Figure FDA0003676064410000096
(T1 m)θ的谱半径
Figure FDA0003676064410000097
其中
Figure FDA0003676064410000098
对于到达过程为2A-MMBP的SFC，第一个节点处2A-MMBP到达的到达鞅为：
Figure FDA0003676064410000099
其中：在第一个节点处时隙0到n内到达的数据包总数为
Figure FDA00036760644100000910
其中
Figure FDA00036760644100000911
和
Figure FDA00036760644100000912
分别为2A-MMBP中第1和第2个MMBP过程在时隙j时到达数据包的数目；2A-MMBP中第k个MMBP的到达鞅的鞅参数
Figure FDA00036760644100000913
根据下式得到：
Figure FDA00036760644100000914
其中
Figure FDA00036760644100000915
为
Figure FDA00036760644100000916
的第
Figure FDA00036760644100000917
个元素；
第一个节点处2A-MMBP到达中的MMBP的扩展转移矩阵的指数列变换
Figure FDA00036760644100000921
为：
Figure FDA00036760644100000918
Figure FDA00036760644100000919
的谱半径
Figure FDA00036760644100000920
其中
Figure FDA0003676064410000101
Figure FDA0003676064410000102
对于到达过程为2A-MMBP的SFC，第m个节点，此时m＝2，...，M处MMBP到达的到达鞅为：
Figure FDA0003676064410000103
其中：第m个节点处到达的MMBP过程在时隙0到n内到达的数据包总数为
Figure FDA0003676064410000104
其中
Figure FDA0003676064410000105
为MMBP过程在时隙j时到达数据包的数目；第m个节点处到达的MMBP的到达鞅参数
Figure FDA0003676064410000106
Figure FDA0003676064410000107
与第一个节点处2A-MMBP中第k个MMBP的到达鞅的鞅参数求解方式相同；
所述构造几何分布的服务鞅，具体为：
对于第m个节点的服务过程，sm(n)为时隙n内服务数据包的数目，
Figure FDA0003676064410000108
表示在时隙0到n内累计服务的数据包总数，对于
Figure FDA0003676064410000109
Ksm＞0，构造服务过程的服务鞅为：
Figure FDA00036760644100001010
其中θ为衰减指数，Ksm和hsm(sm(n))为依赖于θ的鞅参数，
Figure FDA00036760644100001011
令hsm(sm(n))＝1，Ksm由下式计算得到：
Figure FDA00036760644100001012
其中E为求期望，gm为服务概率；
综上，得到在SFC的所有节点处的到达过程的到达鞅，几何分布的服务鞅。
CN202210624204.7A 2022-06-02 2022-06-02 基于鞅理论实现统计时延QoS保障的SFC逐跳带宽分配和部署方法 Active CN114884833B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210624204.7A CN114884833B (zh) 2022-06-02 2022-06-02 基于鞅理论实现统计时延QoS保障的SFC逐跳带宽分配和部署方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210624204.7A CN114884833B (zh) 2022-06-02 2022-06-02 基于鞅理论实现统计时延QoS保障的SFC逐跳带宽分配和部署方法

Publications (2)

Publication Number Publication Date
CN114884833A true CN114884833A (zh) 2022-08-09
CN114884833B CN114884833B (zh) 2024-03-12

Family

ID=82679560

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210624204.7A Active CN114884833B (zh) 2022-06-02 2022-06-02 基于鞅理论实现统计时延QoS保障的SFC逐跳带宽分配和部署方法

Country Status (1)

Country Link
CN (1) CN114884833B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103455858A (zh) * 2013-09-23 2013-12-18 东南大学 面向服务的系统中的质量动态预警方法
US20150195197A1 (en) * 2014-01-06 2015-07-09 Futurewei Technologies, Inc. Service Function Chaining in a Packet Network
CN108260169A (zh) * 2018-01-26 2018-07-06 重庆邮电大学 一种基于QoS保障的服务功能链动态部署方法
CN111313988A (zh) * 2020-02-22 2020-06-19 吉林大学 基于鞅变换模型实现urllc的免授权noma方法
CN114258074A (zh) * 2021-12-27 2022-03-29 吉林大学 一种基于耦合带宽分配并具有时延QoS保障的VNF部署方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103455858A (zh) * 2013-09-23 2013-12-18 东南大学 面向服务的系统中的质量动态预警方法
US20150195197A1 (en) * 2014-01-06 2015-07-09 Futurewei Technologies, Inc. Service Function Chaining in a Packet Network
CN108260169A (zh) * 2018-01-26 2018-07-06 重庆邮电大学 一种基于QoS保障的服务功能链动态部署方法
CN111313988A (zh) * 2020-02-22 2020-06-19 吉林大学 基于鞅变换模型实现urllc的免授权noma方法
CN114258074A (zh) * 2021-12-27 2022-03-29 吉林大学 一种基于耦合带宽分配并具有时延QoS保障的VNF部署方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
付皓通等: "航空信息网络服务功能链迁移策略研究", 《系统工程与电子技术》, 21 April 2022 (2022-04-21) *

Also Published As

Publication number Publication date
CN114884833B (zh) 2024-03-12

Similar Documents

Publication Publication Date Title
CN110505099B (zh) 一种基于迁移a-c学习的服务功能链部署方法
US10182021B2 (en) Crossbar switch and recursive scheduling
CN108566659B (zh) 一种基于可靠性的5g网络切片在线映射方法
Noormohammadpour et al. Dcroute: Speeding up inter-datacenter traffic allocation while guaranteeing deadlines
US8089959B2 (en) Method and apparatus to schedule packets through a crossbar switch with delay guarantees
CN108684046B (zh) 一种基于随机学习的接入网服务功能链部署方法
Aujla et al. An ensembled scheme for QoS-aware traffic flow management in software defined networks
US9391920B2 (en) Iterative max-min fairness algorithms
JP2006523354A (ja) 周期的現象の効率的スケジューリング用システムおよび方法
Olsen et al. Polling systems with periodic server routeing in heavy traffic: distribution of the delay
CN114884833B (zh) 基于鞅理论实现统计时延QoS保障的SFC逐跳带宽分配和部署方法
Kanaev et al. Increasing the efficiency of the functioning of transport communication networks by using a modified method for determining a set of independent routes
Nishanbayev et al. Evaluating the effectiveness of a software-defined cloud data center with a distributed structure
US20080259867A1 (en) Method and system for scheduling packets from different flows to provide fair bandwidth sharing
CN114826820A (zh) 集中控制下fc-ae-1553网络业务调度方法及设备
Raszhivin et al. Deterministic scheduling of SpaceWire data streams
Asaduzzaman et al. The Eight Class of Service Model-An Improvement over the Five Classes of Service
Guo G-3: An O (1) time complexity packet scheduler that provides bounded end-to-end delay
Kamoun et al. Queueing analysis of ATM tandem queues with correlated arrivals
Le et al. Throughput‐based fair bandwidth allocation in OBS networks
US6952398B1 (en) System and method for optimal allocation of link bandwidth in a communications network for truck routing
Kostiv et al. Metaheuristics in cloud platform traffic engineering
RU2776658C1 (ru) Способ вероятностного приоритетного обслуживания очередей и устройство его реализующее
Stamoulis et al. Optimal distributed policies for choosing among multiple servers
Hanczewski et al. The Impact of the Adopted Queue Discipline on the Accuracy of the Analytical Model in Queuing Systems with Elastic and Adaptive Traffic

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