TWI786839B - 5g核心網路中多流量類型的適性網路切片生成系統及其方法 - Google Patents

5g核心網路中多流量類型的適性網路切片生成系統及其方法 Download PDF

Info

Publication number
TWI786839B
TWI786839B TW110134907A TW110134907A TWI786839B TW I786839 B TWI786839 B TW I786839B TW 110134907 A TW110134907 A TW 110134907A TW 110134907 A TW110134907 A TW 110134907A TW I786839 B TWI786839 B TW I786839B
Authority
TW
Taiwan
Prior art keywords
function module
network function
virtual network
traffic
virtual
Prior art date
Application number
TW110134907A
Other languages
English (en)
Other versions
TW202315366A (zh
Inventor
張本杰
林育霆
Original Assignee
國立雲林科技大學
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 國立雲林科技大學 filed Critical 國立雲林科技大學
Priority to TW110134907A priority Critical patent/TWI786839B/zh
Application granted granted Critical
Publication of TWI786839B publication Critical patent/TWI786839B/zh
Publication of TW202315366A publication Critical patent/TW202315366A/zh

Links

Images

Landscapes

  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

一種5G核心網路中多流量類型的適性網路切片生成系統及其方法，預測5G通訊時不同類型流量所需的預測數據速率，決定流量之最佳網路切片路徑，根據類型的預測數據速率，將虛擬網路功能模組實例以及虛擬網路功能模組元件的虛擬資源動態分配給實體機伺服器，以決定最佳虛擬網路功能模組實例，使獲得功耗最低候選虛擬網路功能模組實例之規模大小，判斷虛擬網路功能模組實例之處理能力大於虛擬網路功能模組元件模板所需總資源量，透過決定最佳規模大小虛擬網路功能模組實例分配實體機實體資源之持有成本、帶來回報以及淨利潤，預測不同類型流量的數據速率、分配虛擬網路功能模組實例以及虛擬網路功能模組元件匹配的最合適規模大小為相對應之規模大小決定虛擬網路功能模組元件模板之最佳虛擬網路功能模組實例，藉此可以達成5G核心網路中多流量類型的適性網路切片生成的技術功效。

Description

5G核心網路中多流量類型的適性網路切片生成系統及其方法
一種網路切片生成系統及其方法，尤其是指一種5G核心網路中多流量類型的適性網路切片生成系統及其方法。
為了在5G中實現虛擬網路功能模組(Virtualizing Network Function，VNF)的部署，有以下兩種部署模式：非獨立組網(Non-Stand Alone，NSA)模式以及獨立組網(Stand Alone，SA)模式。雖然非獨立組網有利於將現有4G進階長期演進技術(LTE-Advanced，LTE-A)設備立即共享到5G，但基於獨立組網模式的5G核心網路(Core Network，CN)可以完全實現服務功能鏈與網路功能虛擬化(Network Function Virtualization，NFV)的不同類型的網路切片(slicing)，以滿足多樣化的基於服務品質(Quality of Service，QoS)的應用。5G獨立組網模式規定了幾個關鍵機制，包括網路切片、微操作服務、虛擬化、分裂為控制面(Control Plane，CP)以及使用者面(User Plane，UP)以及超可靠低時延通信。
基於5G獨立組網模式提出了基於自適應基於成本獎勵決定的實體機(Physical Machine，PM)/虛擬網路功能模組實例(Virtualizing Network Function instance，VNFi)/虛擬網路功能模組元件(Virtualizing Network Function component，VNFc)以及基於軟體定義網路(Software Defined Network，SDN)服務功能鏈(Service Function Chaining，SFC)切片(Adaptive Cost-Reward-based determinations of PM/VNFi/VNFc and SDN-based SFC Slicing，aCRSS)，以實現以下幾個優勢：靈活以及可擴展地分配/解除分配5G虛擬資源、最大化網路功能以及實體機/虛擬網路功能模組實例/虛擬網路功能模組元件虛擬資源的利用效率、最大化淨利潤以及最小化承載成本以及滿足不同類型流量的服務品質/關鍵績效指標(Key Performance Indicators，KPI)等。
5G核心網路分別為控制面以及使用者面的不同類型的服務品質流量定義了不同的網路切片(Network Slicing，NS)，其中每個網路切片由虛擬網路功能模組元件(VNFc)的虛擬序列組成。一些典型的虛擬網路功能模組元件，例如：防火牆(FW)、流量監視器(TM)、廣域網優化控制器(WOC)等。對於每個虛擬網路功能模組元件，都考慮了幾個功能特性：虛擬網路功能模組元件規模大小(例如：小型/標準/大型)、所需的虛擬中央處理器核心數量(vCPU，例如：2/4/6/8核心…等)、處理能力(以Mbps為單位)、使用者面請求的最大處理量…等。
當一個類型流量到達並被5G核心接受時，選擇該流量對應的服務功能鏈，具體而言，如果uRLLC的流量被5G核心接受，則“SMF→NAT→FW→TM→FW→NAT→UPF”的服務功能鏈將被選擇，5G控制器通過提議的基於自適應成本獎勵的實體機/虛擬網路功能模組實例/虛擬網路功能模組元件 確定以及基於軟體定義網路的服務功能鏈切片來確定uRLLC服務功能鏈的網路切片。值得注意的是，基於軟體定義網路的5G核心網路是由多鏈路多路徑網路建模。因此，自適應地確定虛擬網路功能模組實例、虛擬網路功能模組元件的虛擬資源以及實體網路基礎設施以及相應的虛擬網路切片層(例如：uRLLC)之間的虛擬網路鏈路/路徑以及動態確定完整的網路切片遍歷路徑根據分段路由(segment-routing)變成一個NP完全(NP-Complete，NP-C)問題，這意味著最優解不能在多項式時間內確定。
綜上所述，可知先前技術中長期以來一直存在現有5G分配/取消分配5G核心網路之虛擬資源不便的問題，因此有必要提出改進的技術手段，來解決此一問題。
有鑒於先前技術存在現有5G分配/取消分配5G核心網路之虛擬資源不便的問題，本發明遂揭露一種5G核心網路中多流量類型的適性網路切片生成系統及其方法，其中：本發明所揭露的5G核心網路中多流量類型的適性網路切片生成系統，適用於5G通訊的行動終端裝置，其包含：流量預測模組、網路切片路徑模組、虛擬資源動態分配模組、實體資源分配模組以及切片生成模組。
流量預測模組是用以預測5G通訊時不同類型流量所需的預測數據速率，以減少決定最佳實體機之時間；網路切片路徑模組是用以當不同類型流量抵達至5G核心時，決定流量之最佳網路切片路徑；虛擬資源動態分配模組與網路切片路徑模組相連，根據不同類型流量的預測數據速率，將虛擬網路功 能模組實例以及虛擬網路功能模組元件的虛擬資源動態分配給實體機伺服器，透過獲得功耗最低候選虛擬網路功能模組實例之規模大小，來決定最佳虛擬網路功能模組實例，其中，活動實體機伺服器中的活動虛擬網路功能模組實例以及新虛擬網路功能模組實例以及空閒實體機伺服器中的新虛擬網路功能模組實例將被視為虛擬網路功能模組實例候選；實體資源分配模組是透過決定最佳規模大小虛擬網路功能模組實例分配實體機實體資源之持有成本、帶來回報以及淨利潤；及切片生成模組是預測不同類型流量的數據速率、分配虛擬網路功能模組實例以及虛擬網路功能模組元件匹配的最合適規模大小、為相對應之規模大小決定虛擬網路功能模組元件模板之最佳虛擬網路功能模組實例。
本發明所揭露的5G核心網路中多流量類型的適性網路切片生成方法，適用於5G通訊的行動終端裝置，其包含下列步驟：首先，預測5G通訊時不同類型流量所需的預測數據速率，以減少決定最佳實體機之時間；接著，當不同類型流量抵達至5G核心時，決定對應流量之最佳網路切片路徑；接著，根據類型的預測數據速率，將虛擬網路功能模組實例以及虛擬網路功能模組元件的虛擬資源動態分配給實體機伺服器，透過獲得功耗最低候選虛擬網路功能模組實例之規模大小，來決定最佳虛擬網路功能模組實例，其中，活動實體機伺服器中的活動虛擬網路功能模組實例以及新虛擬網路功能模組實例以及空閒實體機伺服器中的新虛擬網路功能模組實例將被視為虛擬網路功能模組實例候選；接著，判斷虛擬網路功能模組實例之處理能力大於虛擬網路功能模組元件模板所需總資源量；接著，透過決定最佳規模大小虛擬網路功能模組實例分配實體機實體資源之持有成本、帶來回報以及淨利潤；最後，預測不同類型流量的數據速率、分配虛擬網路功能模組實例 以及虛擬網路功能模組元件匹配的最合適規模大小、為相對應之規模大小決定虛擬網路功能模組元件模板之最佳虛擬網路功能模組實例。
本發明所揭露的系統及方法如上，與先前技術之間的差異在於預測5G通訊時不同類型流量所需的預測數據速率，決定流量之最佳網路切片路徑，根據類型的預測數據速率，將虛擬網路功能模組實例以及虛擬網路功能模組元件的虛擬資源動態分配給實體機伺服器，以決定最佳虛擬網路功能模組實例，使獲得功耗最低候選虛擬網路功能模組實例之規模大小，判斷虛擬網路功能模組實例之處理能力大於虛擬網路功能模組元件模板所需總資源量，透過決定最佳規模大小虛擬網路功能模組實例分配實體機實體資源之持有成本、帶來回報以及淨利潤，預測不同類型流量的數據速率、分配虛擬網路功能模組實例以及虛擬網路功能模組元件匹配的最合適規模大小為相對應之規模大小決定虛擬網路功能模組元件模板之最佳虛擬網路功能模組實例。
透過上述的技術手段，本發明可以達成5G核心網路中多流量類型的適性網路切片生成的技術功效。
10:行動終端裝置
11:流量預測模組
12:網路切片路徑模組
13:虛擬資源動態分配模組
14:實體資源分配模組
15:切片生成模組
21:平均流量變化
22:流量數據
23:功能模組實例
24:對照數據
25:對照數據
26:預分配機制
27:對照數據
28:對照數據
步驟101:預測5G通訊時不同類型流量所需的預測數據速率，以減少決定最佳實體機之時間
步驟102:當不同類型流量抵達至5G核心時，決定對應流量之最佳網路切片路徑
步驟103:根據類型的預測數據速率，將虛擬網路功能模組實例以及虛擬網路功能模組元件的虛擬資源動態分配給實體機伺服器，透過獲得功耗最低候選虛擬網路功能模組實例之規模大小，來決定最佳虛擬網路功能模組實例，其中，活動實體機伺服器中的活動虛擬網路功能模組實例以及新虛擬網路功能模組實例以及空閒實體機伺服器中的新虛擬網路功能模組實例將被視為虛擬網路功能模組實例候選
步驟104:判斷虛擬網路功能模組實例之處理能力大於虛擬網路功能模組元件模板所需總資源量
步驟105:透過決定最佳規模大小虛擬網路功能模組實例分配實體機實體資源之持有成本、帶來回報以及淨利潤
步驟106:預測不同類型流量的數據速率、分配虛擬網路功能模組實例以及虛擬網路功能模組元件匹配的最合適規模大小、為相對應之規模大小決定虛擬網路功能模組元件模板之最佳虛擬網路功能模組實例
第1圖繪示為本發明5G核心網路中多流量類型的適性網路切片生成系統的系統方塊圖。
第2圖繪示為本發明前迭代的小規模流量每毫秒的平均流量變化圖。
第3圖繪示為本發明實際到達流量以及小規模預測流量在
Figure 110134907-A0305-02-0007-1
(t+1)的數據圖。
第4圖繪示為本發明虛擬網路功能模組實例在空閒以及活動的不同實體機狀態圖。
第5圖繪示為本發明不同分配虛擬資源比率下不同類型流量的成本函數以及獎勵函數圖。
第6圖繪示為本發明優化分配的實體機實體資源
Figure 110134907-A0305-02-0008-2
的預分配機制圖。
第7圖繪示為本發明優化分配的實體機物理資源的預分配機制圖。
第8圖繪示為本發明eMERGENCY不同時間複雜度以及延遲圖。
第9圖繪示為本發明uRLLC不同時間複雜度以及延遲圖。
第10圖繪示為本發明5G核心網路中多流量類型的適性網路切片生成方法的方法流程圖。
以下將配合圖式及實施例來詳細說明本發明的實施方式，藉此對本發明如何應用技術手段來解決技術問題並達成技術功效的實現過程能充分理解並據以實施。
以下首先要說明本發明所揭露的5G核心網路中多流量類型的適性網路切片生成系統，並請參考「第1圖」所示，「第1圖」繪示為本發明5G核心網路中多流量類型的適性網路切片生成系統的系統方塊圖。
本發明所揭露的5G核心網路中多流量類型的適性網路切片生成系統，適用於5G通訊的行動終端裝置10，其包含：流量預測模組11、網路切片路徑模組12、虛擬資源動態分配模組13、實體資源分配模組14以及切片生成模組15。
流量預測模組11是用以預測5G通訊時不同類型流量所需的預測數據速率，以減少決定最佳實體機之時間；網路切片路徑模組12是用以當不同類型流量抵達至5G核心時，決定流量之最佳網路切片路徑；虛擬資源動態分配模組13是根據類型的預測數據速率，將虛擬網路功能模組實例以及虛擬網路功能模組元件的虛擬資源動態分配給實體機伺服器，以決定最佳虛擬網路功能模組實例，使獲得功耗最低候選虛擬網路功能模組實例之規模大小；實體資源分配模組14是透過決定最佳規模大小虛擬網路功能模組實例分配實體機實體資源之持有成本、帶來回報以及淨利潤；及切片生成模組15是預測不同類型流量的數據速率、分配虛擬網路功能模組實例以及虛擬網路功能模組元件匹配的最合適規模大小、為相對應之規模大小決定虛擬網路功能模組元件模板之最佳虛擬網路功能模組實例。
為了最小化根據分段路由確定網路切片遍歷路徑，提出了小規模流量預測算法，先驗預測不同類型流量所需的數據速率。儘管虛擬網路功能模組實例需要幾分鐘才能為虛擬網路功能模組元件加載以及啟動，但小規模流量數據速率預測以及先前提議的虛擬網路功能模組實例與虛擬網路功能模組元件預分配肯定有助於最佳實體機確定。因此，當一個類型流量到達5G核心時，5G控制器擁有所有可用資源的最新狀態，並為此直接確定最優網路切片路徑(而不是花時間查詢所有可用資源的狀態)流動。憑藉寶貴的預測數據速率，它確實實現了幾個優點：確實減少了最佳網路切片路徑確定的計算時間、顯著最大化了伺服器以及網路的虛擬以及實體資源的利用效率以及滿足服務品質/關鍵績效指標各種類型的流量在延遲、丟失、可靠性、數據速率等方面一目了然。
假設k時間類型流量t+1(inms)的預測所需速率為
Figure 110134907-A0305-02-0010-16
(t+1)，5G核心網路由兩種類型的實體伺服器組成：計算密集型(由PM Comp 表示)以及數據密集型(由PM Data 表示)伺服器。基於google雲端伺服器配置類型，5G核心中的每種類型的伺服器都考慮了虛擬網路功能模組實例的三種規模的虛擬平台，即大(
Figure 110134907-A0305-02-0010-13
)、中(
Figure 110134907-A0305-02-0010-14
)以及小(
Figure 110134907-A0305-02-0010-15
)規模。
為了確定具有預測數據速率
Figure 110134907-A0305-02-0010-12
(t+1)的類型流量的最佳網路切片路徑，5G核心控制器為服務功能鏈的每個虛擬網路功能模組元件選擇最佳虛擬網路功能模組實例(例如：
Figure 110134907-A0305-02-0010-10
、
Figure 110134907-A0305-02-0010-11
…等)。
所提出的小規模預測算法旨在每毫秒預測不同類型流量的到達數據速率，並保證該類型流量的相應服務水平協議(Service Level Agreements，SLA)。確定的小規模預測流量
Figure 110134907-A0305-02-0010-9
(t+t SFC-deploy )，對於需要較短操作時間的行動裝置u，其中是流類型k；D，D
Figure 110134907-A0305-02-0010-155
{w d ,w e }表示工作日(w d )或週末(w e )的日期類型；捐贈域區域預測流量；t SFC-deploy 表示平均服務功能鏈部署時間。
首先，採用具有視窗大小b(用ψ b 表示)的集合來存儲先前的小規模流量ψ，如下所示：ψ b (t)←{
Figure 110134907-A0305-02-0010-7
(t),
Figure 110134907-A0305-02-0010-8
(t-1),…,
Figure 110134907-A0305-02-0010-6
(t-b+1)}
計算如下：
Figure 110134907-A0305-02-0010-4
(t+t SFC-deploy )←
Figure 110134907-A0305-02-0010-3
(t)+σ s ．N(t)
其中，σ s 是先前迭代的小規模流量b每毫秒的平均流量變化21，請參考「第2圖」所示，「第2圖」繪示為本發明前迭代的小規模流量每毫秒的平均流量變化圖，N(t)是具有相同到達次數的時隙數(以毫秒為單位)。
先前迭代的小規模流量b每毫秒的平均流量變化，σ s 可以進一步由下式表示：
Figure 110134907-A0305-02-0011-17
下面給出一個數值結果，其中我們假設平均虛擬網路功能模組實例部署時間為t SFC-deploy =1(ms)，視窗大小為b=5，服務功能鏈部署時間為8秒。我們需要觀察以毫秒為單位的流量變化以處理各種傳入請求。之前的小規模流量ψ b =5如下：ψ 5(t)←{1069,1223,1016,1046,1327},ψ 5(t-1)←{1223,1016,1046,1327,1134},ψ 5(t-2)←{1016,1046,1327,1134,1477},ψ 5(t-3)←{1046,1327,1134,1477,1370},and ψ 5(t-4)←{1327,1134,1477,1370,1305}.
因此，每秒的平均流量變化可以計算如下：
Figure 110134907-A0305-02-0011-18
由於1069的流量首先到達時間t，因此該流量的時隙數(以毫秒為單位)設置為1，即N(t)=1。最後，最終的小規模時間t SFC-deploy 預測流量
Figure 110134907-A0305-02-0012-153
(數據封包數量)獲得，請參考「第2圖」所示。
請參考「第3圖」所示，「第3圖」繪示為本發明實際到達流量以及小規模預測流量在
Figure 110134907-A0305-02-0012-22
(t+1)的數據圖，實際到達流量數據以及小規模預測流量數據22請參考「第3圖」所示，由數據可以得到平均相對錯誤率小於1%(在視窗大小b=5下)。
因此，在確定了類型k流UEu的小規模預測流量
Figure 110134907-A0305-02-0012-23
(t+1)後，我們需要通過對每個類型流量UEu的小規模預測流量求和，得到類型k流的預測數據速率
Figure 110134907-A0305-02-0012-24
(t+1)，如下所示：
Figure 110134907-A0305-02-0012-20
接下來，根據類型 k 流量的預測數據率，以分別確定虛擬網路功能模組實例以及虛擬網路功能模組元件的最佳擬合規模大小(即大、中以及小)。
虛擬網路功能模組實例以及虛擬網路功能模組元件的虛擬資源根據類型k流量
Figure 110134907-A0305-02-0012-25
(t+1)的預測數據速率動態分配給實體機伺服器(Physical Machine Server，PMS)。主要在分配虛擬網路功能模組實例以及虛擬網路功能模組元件的最佳擬合規模大小。
可以從同類型k的預測數據速率
Figure 110134907-A0305-02-0012-26
(t+1)中得到類型流量的預測數據速率
Figure 110134907-A0305-02-0012-27
(t+1)(以Mbps為單位)，如下所示：
Figure 110134907-A0305-02-0012-21
其中，L k 是類型k流量的數據封包長度。
在5G中，為了有效地將虛擬網路功能模組元件分配給虛擬網路功能模組實例，同時最小化承載成本、功耗成本等，不同的虛擬網路功能模組元件規模大小，例如大(由
Figure 110134907-A0305-02-0013-28
表示)、中(由
Figure 110134907-A0305-02-0013-29
表示)以及小(由
Figure 110134907-A0305-02-0013-30
表示)被考慮用於不同的虛擬網路功能模組元件。例如：虛擬網路功能模組元件FW有3個虛擬網路功能模組元件規模大小(大/中/小)，TM有1個虛擬網路功能模組元件規模大小(中)。因此，對於“SMF→NAT→FW→TM→FW→NAT→UPF”的uRLLC服務功能鏈來說，如何在最小化承載成本的同時最大化5G核心網路切片效率成為亟待解決的關鍵問題。
為了確定最佳擬合算法的虛擬網路功能模組元件數量，分為
Figure 110134907-A0305-02-0013-33
(t+1)
Figure 110134907-A0305-02-0013-32
以及
Figure 110134907-A0305-02-0013-34
(t+1)>
Figure 110134907-A0305-02-0013-35
兩種情況。
在
Figure 110134907-A0305-02-0013-31
(t+1)
Figure 110134907-A0305-02-0013-36
時：由於所需的數據速率小於任何規模虛擬網路功能模組元件的處理能力，因此只會選擇一個達到最佳擬合的虛擬網路功能模組元件。
對於服務功能鏈的第n-th虛擬網路功能模組元件(由
Figure 110134907-A0305-02-0013-37
表示)，確定的最佳擬合結果(定義為虛擬網路功能模組元件模板，
Figure 110134907-A0305-02-0013-38
)由
Figure 110134907-A0305-02-0013-39
(
Figure 110134907-A0305-02-0013-40
)表示，如下所示：
Figure 110134907-A0305-02-0013-41
 其中，
Figure 110134907-A0305-02-0013-42
是虛擬網路功能模組元件j與規模大小的處理能力。例如，假設eMERGENCY服務功能鏈“SMF→NAT→FW→NAT→ UPF”類型k流量的預測數據速率為200(Mbps)，即
Figure 110134907-A0305-02-0014-43
。服務功能鏈(
Figure 110134907-A0305-02-0014-44
)NAT的第二個虛擬網路功能模組元件的最佳擬合結果(
Figure 110134907-A0305-02-0014-46
)由
Figure 110134907-A0305-02-0014-45
確定。由於小的尺度可以產生min{0.56,0.67.0.73}=0.56，
Figure 110134907-A0305-02-0014-47
(
Figure 110134907-A0305-02-0014-48
)←[0.56]的最小值。因此，對於服務功能鏈(
Figure 110134907-A0305-02-0014-49
)、NAT的第二個虛擬網路功能模組元件，5G核心控制器將為eMERGENCY服務功能鏈分配一個小型虛擬網路功能模組元件NAT。
在
Figure 110134907-A0305-02-0014-50
(t+1)>
Figure 110134907-A0305-02-0014-51
時：由於所需的數據速率大於任何規模虛擬網路功能模組元件的處理能力，因此需要多個虛擬網路功能模組元件。此外，在單個虛擬網路功能模組實例或不同虛擬網路功能模組實例中部署更多數量的小虛擬網路功能模組元件具備下列優點：增加計算時間複雜度、切片長度以及切片延遲等。因此，為了避免部署更多數量的小虛擬網路功能模組元件，最佳擬合算法提出如下：
Figure 110134907-A0305-02-0014-52
 其中虛擬網路功能模組元件模板
Figure 110134907-A0305-02-0014-53
由下公式所確定。
Figure 110134907-A0305-02-0014-54
表示確定的第一個滿足虛擬網路功能模組元件的容量；並
Figure 110134907-A0305-02-0014-55
表示虛擬網路功能模組元件的任何規模(即大、中或小)的容量。
Figure 110134907-A0305-02-0015-56
例如，假設eMERGENCY服務功能鏈“SMF→NAT→FW→NAT→UPF”類型流量的預測數據速率為2000(Mbps)，即
Figure 110134907-A0305-02-0015-57
2000(Mbps)。首先檢查滿足條件的虛擬網路功能模組元件尺度，並選擇虛擬網路功能模組元件模板作為第一個滿足的虛擬網路功能模組元件：
Figure 110134907-A0305-02-0015-58
即首先選擇NAT(
Figure 110134907-A0305-02-0015-59
)的兩個大型虛擬網路功能模組元件作為第一個滿足的虛擬網路功能模組元件。再確定剩餘所需數據速率500Mbps(2000-2．750=500)的第二個滿足虛擬網路功能模組元件模板，如下：
Figure 110134907-A0305-02-0015-60
因此，對於服務功能鏈(
Figure 110134907-A0305-02-0016-61
)，NAT的2nd虛擬網路功能模組元件，5G核心控制器將為eMERGENCY服務功能鏈分配NAT的2個大以及1個中型虛擬網路功能模組元件。接下來，將選擇具有相應規模大小的確定模板虛擬網路功能模組元件(s)的最佳虛擬網路功能模組實例。
提出了基於指數成本獎勵的函數來確定最佳虛擬網路功能模組實例，用於加載服務功能鏈的第n-th虛擬網路功能模組元件的已確定模板虛擬網路功能模組元件(NAT的2個大型以及1個中型虛擬網路功能模組元件)(
Figure 110134907-A0305-02-0016-62
)。5G核心中的實體機伺服器可能會呈現兩種狀態：活動實體機伺服器中至少有1個或多個活動虛擬網路功能模組實例以及空閒實體機伺服器中的0個虛擬網路功能模組實例。因此，在這兩種情況下，活動實體機伺服器中的活動虛擬網路功能模組實例以及新虛擬網路功能模組實例以及空閒實體機伺服器中的新虛擬網路功能模組實例將被視為虛擬網路功能模組實例候選，用
Figure 110134907-A0305-02-0016-63
表示，請參考「第4圖」所示，「第4圖」繪示為本發明虛擬網路功能模組實例在空閒以及活動的不同實體機狀態圖，功能模組實例23請參考「第4圖」所示。
獲得具有最小功耗的候選虛擬網路功能模組實例(PMs)的規模大小(大、中或小)，並且所考慮的虛擬網路功能模組實例的處理能力大於模板虛擬網路功能模組元件所需的總容量，這被選為加載/執行確定
Figure 110134907-A0305-02-0016-64
的模板虛擬網路功能模組元件的最佳結果。
Figure 110134907-A0305-02-0016-65
Figure 110134907-A0305-02-0017-66
上述只確定實體機s的
Figure 110134907-A0305-02-0017-69
最優值。請注意，如果服務功能鏈的虛擬網路功能模組元件的虛擬網路功能模組實例確定之一失敗，則請求的類型k流量將被5G核心拒絕。否則，將為此流量動態確定網路切片路徑。
對於集合中的每個虛擬網路功能模組實例候選
Figure 110134907-A0305-02-0017-68
，我們已經確定了實體機s的最佳擬合
Figure 110134907-A0305-02-0017-67
。提出基於成本回報的方法來確定具有最高淨利潤的實體機作為最優實體機s。對於每台實體機s伺服器，它包含兩種類型的成本：空閒實體機伺服器的靜態功耗成本，包括空閒功耗、冷卻成本等以及活動實體機s伺服器的動態功耗成本使用虛擬網路功能模組實例(s)運行，包括使用虛擬計算、存儲以及網路等的成本，如下所示：
Figure 110134907-A0305-02-0017-70
Figure 110134907-A0305-02-0017-71
是類型r資源的總和；
Figure 110134907-A0305-02-0017-72
是為虛擬網路功能模組實例分配的類型r資源；P s,Idle 是空閒伺服器的功耗。C i (t)表示虛擬網路功能模組實例在t時刻的處理能力利用率，如下所示：
Figure 110134907-A0305-02-0018-73
其中
Figure 110134907-A0305-02-0018-74
是虛擬網路功能模組元件的處理能力之和，j以及
Figure 110134907-A0305-02-0018-76
是虛擬網路功能模組實例的處理能力。假設實體機伺服器的最小以及最大功耗分別為98(瓦)以及222(瓦)。請注意，實體機伺服器中的3種資源類型包括核心、內存以及存儲。
在確定在實體機s中部署
Figure 110134907-A0305-02-0018-77
所需的功耗即
Figure 110134907-A0305-02-0018-78
(t)，注意0
Figure 110134907-A0305-02-0018-79
(t)
Figure 110134907-A0305-02-0018-80
(t)，如下所示：
Figure 110134907-A0305-02-0018-81
 其中，U s,i,j 表示具有虛擬網路功能模組元件中的UE流量加載功能的移位因子，如下所示：
Figure 110134907-A0305-02-0018-82
其中，
Figure 110134907-A0305-02-0018-84
表示所有接受的UE流量的總和，
Figure 110134907-A0305-02-0018-83
表示虛擬網路功能模組元件中的最大UE流量。
接著，不同類型(或優先級)的流量給5G核心提供商帶來不同的回報。更高類型的流量帶來更高的回報。在資源有限的情況下，在滿足UE流量服務品質的同時最大化獎勵以及最大化淨利潤成為一個很大的挑戰。UE u類型k流量的獎勵函數定義如下：
Figure 110134907-A0305-02-0019-85
 其中K是最大流量類型指數，k是流量類型指數(k=1是最高類型的流量)，ε k 表示移位因子，如下所示：
Figure 110134907-A0305-02-0019-86
 最後，將選擇具有最大淨利潤的實體機s中的部署
Figure 110134907-A0305-02-0019-87
作為最優結果。
Figure 110134907-A0305-02-0019-88
不同類型流量(例如K=4)的成本函數以及獎勵函數，請參考「第5圖」所示，「第5圖」繪示為本發明不同分配虛擬資源比率下不同類型流量的成本函數以及獎勵函數圖，隨著分配的虛擬資源比率的增加，成本呈指數增長。此外，最高類型的流量(即eMERGENCY)產生最高的獎勵，反之亦然，轉移因子與優先級別對照數據24請參考「第5圖」所示。
在已經確定了實體機s中的最佳部署
Figure 110134907-A0305-02-0019-89
。虛擬網路功能模組實例以及虛擬網路功能模組元件的虛擬資源計算了持有成本、帶來的回報以及淨利潤。但是，服務功能鏈的虛擬網路切片路徑肯定會經過虛擬網路功能模組實例以及虛擬網路功能模組元件的實體鏈路以及實體伺服器。
因此，預分配機制應確定為最優分配的實體機實體資源
Figure 110134907-A0305-02-0019-90
的持有成本、帶來的回報以及淨利潤，請參考「第6圖」所示，「第6圖」繪示為本發明優化分配的實體機實體資源
Figure 110134907-A0305-02-0019-91
的預分配機制圖，分配的虛擬資 源比率與成本的對照數據25請參考「第6圖」所示，假設能量功率為實體機伺服器s類型r資源在時間t消耗為P s (t)，如下公式所示：
Figure 110134907-A0305-02-0020-92
 其中P s,Max 以及P s,Min 分別表示最大以及最小功率，
Figure 110134907-A0305-02-0020-93
(t)表示實體機s的類型r資源利用率。
Figure 110134907-A0305-02-0020-94
(t)可以用下列公式表示：
Figure 110134907-A0305-02-0020-95
 其中
Figure 110134907-A0305-02-0020-96
是類型r資源的總量；
Figure 110134907-A0305-02-0020-97
為實體機s的部署
Figure 110134907-A0305-02-0020-98
類型r資源；U s,i,j 是UE在虛擬網路功能模組元件中的流量加載。因此，可以將實體機伺服器s的所有資源在時間t，
Figure 110134907-A0305-02-0020-99
(t)的總能量功率相加，如下所示：
Figure 110134907-A0305-02-0020-100
接下來，實體機s的指數持有成本在等式中被公式化如下：
Figure 110134907-A0305-02-0020-101
 其中0
Figure 110134907-A0305-02-0020-103
(t)
Figure 110134907-A0305-02-0020-104
(t)以及C S 表示時間t時實體機s伺服器中平均部署的虛擬網路功能模組實例成本，如下所示：
Figure 110134907-A0305-02-0020-102
其中虛擬網路功能模組實例i成本
Figure 110134907-A0305-02-0021-105
已被確定。採用平均部署虛擬網路功能模組實例σ s 成本的主要是：在實體機中公平分配虛擬網路功能模組實例以及最小化虛擬網路功能模組實例部署的承載成本，而不是無序或隨機分配虛擬網路功能模組實例。尤其是虛擬資源部署成本肯定會影響實體資源。
結果，對於實體機伺服器s，可以獲得淨利潤，如下：
Figure 110134907-A0305-02-0021-108
←R u,k,s (．)-
Figure 110134907-A0305-02-0021-107
(．).
請注意，類型k流量的UEu帶來的獎勵已被定義，請參考「第7圖」所示，「第7圖」繪示為本發明優化分配的實體機物理資源的預分配機制圖，預分配機制26請參考「第7圖」所示，隨著分配的實體資源比率增加，成本呈指數增加。此外，最高類型的流量，eMERGENCY，產生最高的帶來回報，回報總是高於持有成本。也就是說，最高類型的流量總是被5G核心接受。相反，當分配的實體資源比率大於0.7時，最低類型的流量mMTC帶來的回報最少，持有成本高於mMTC的回報。在這種情況下，mMTC流量將被拒絕。
在確定了淨利潤最高的實體機來分配虛擬網路功能模組實例加載/執行所需的虛擬網路功能模組元件，實現了實體機淨利潤最大化並帶來回報，以及功耗以及承載成本最小化的目標。此外，在5G中，不同類型流量的服務品質/關鍵績效指標在延遲、抖動、可靠性、數據速率等方面各不相同。最小化或保證更高類型流量(例如，eMERGENCY、uRLLC等)的延遲或抖動以及為了最大化較低類型流量(例如，eMBB、mMTC等)的數據速率，採用候選實體機伺服器(由表示)用於類型流量，其中每個實體機與分配虛擬網路功能模組實例的最高淨利潤。
Figure 110134907-A0305-02-0022-109
基於該思想，選擇虛擬(相鄰)鏈路
Figure 110134907-A0305-02-0022-112
的延遲最小(對於更高類型的流量)VNFi i-1的實體機VNFi i ，從虛擬服務功能鏈的到
Figure 110134907-A0305-02-0022-113
，作為分配VNFi i 的最優實體機，表示為
Figure 110134907-A0305-02-0022-114
(
Figure 110134907-A0305-02-0022-117
)，用於加載/執行所需的虛擬網路功能模組元件，如下所示：
Figure 110134907-A0305-02-0022-118
類似地，虛擬(相鄰)鏈路
Figure 110134907-A0305-02-0022-119
的N-Candidate集合中具有最大數據速率或帶寬(對於較低類型的流量)的實體機，從虛擬服務功能鏈的VNFi i-1到VNFi i ，被選為最佳實體機，vNCC u,k 用於分配VNFi i ，如下所示：
Figure 110134907-A0305-02-0022-120
因此，5G核心控制器有效地為UE的請求類型流量確定了最佳服務功能鏈虛擬路徑，如下所示：
Figure 110134907-A0305-02-0022-122
(vPath)←
Figure 110134907-A0305-02-0022-123
此外，最佳服務功能鏈的最佳vPath、vLinks以及vNodes完全確定
Figure 110134907-A0305-02-0022-124
，如
Figure 110134907-A0305-02-0022-125
(vPath,vLink,vNode)所示。
最後，描述了對類型流量的實體機伺服器(即
Figure 110134907-A0305-02-0022-126
)的最佳候選數N-Candidate的分析。由於計算的時間複雜度增加，隨著
Figure 110134907-A0305-02-0022-127
增加。雖然 目標是實現最大的淨利潤(
Figure 110134907-A0305-02-0023-128
)以及最小的虛擬路徑延遲(
Figure 110134907-A0305-02-0023-129
,VNFi i )，但需要分析計算時間複雜度以及切片延遲之間的權衡。
顯然，對於更高類型的流量，虛擬路徑延遲隨著
Figure 110134907-A0305-02-0023-130
增加而減少並且計算時間增加。假設服務功能鏈的長度表示
Figure 110134907-A0305-02-0023-131
，實體機伺服器的總數表示｜V(S)｜，I是實體機伺服器中虛擬網路功能模組實例(s)的最大數量，J是虛擬網路功能模組實例中虛擬網路功能模組元件的最大數量以及實體機伺服器的候選數表示
Figure 110134907-A0305-02-0023-133
。請注意，I，J以及
Figure 110134907-A0305-02-0023-132
是小常數。基於Dijkstra最短路徑算法確定實體網路(而非虛擬網路)中的最優路徑，Dijkstra算法的時間複雜度為O(｜E(G)｜+｜V(G)｜2)，其中｜E(G)｜為實體鏈路數，｜V(G)｜為實體節點數。
因此，最優服務功能鏈虛擬路徑的時間複雜度，
Figure 110134907-A0305-02-0023-134
(vPath)，計算分析如下：
Figure 110134907-A0305-02-0023-136
∵
Figure 110134907-A0305-02-0023-138
(a small constant)<｜E(G)｜+｜V(G)｜2
∴
Figure 110134907-A0305-02-0023-139
提出的方法展示了最佳服務功能鏈虛擬路徑確定計算的高可擴展性以及低時間複雜度。
相反，確定最優服務功能鏈虛擬路徑
Figure 110134907-A0305-02-0024-142
(vPath)的最小延遲的蠻力算法的算法變為：
Figure 110134907-A0305-02-0024-141
請參考「第8圖」以及「第9圖」所示，「第8圖」繪示為本發明eMERGENCY不同時間複雜度以及延遲圖；「第9圖」繪示為本發明uRLLC不同時間複雜度以及延遲圖。
對於eMERGENCY，這種情況產生最少的延遲以及較短的執行時間。雖然這種情況產生了較高的延遲以及較短的執行時間，但產生最小的延遲滿足緊急情況流量的延遲服務品質，其對照數據27、28請參考「第8圖」以及「第9圖」所示。因此，被選中用於緊急情況。對於uRLLC，這種情況產生了更低的延遲以及更低的執行時間。
接著，以下將說明本發明的運作方法，並請參考「第10圖」所示，「第10圖」繪示為本發明5G核心網路中多流量類型的適性網路切片生成方法的方法流程圖。
首先，預測5G通訊時不同類型流量所需的預測數據速率，以減少決定最佳實體機之時間(步驟101)；接著，當不同類型流量抵達至5G核心時，決定對應流量之最佳網路切片路徑(步驟102)；接著，根據類型的預測數據速率，將虛擬網路功能模組實例以及虛擬網路功能模組元件的虛擬資源動態分配給實體機伺服器，透過獲得功耗最低候選虛擬網路功能模組實例之規模 大小，來決定最佳虛擬網路功能模組實例，其中，活動實體機伺服器中的活動虛擬網路功能模組實例以及新虛擬網路功能模組實例以及空閒實體機伺服器中的新虛擬網路功能模組實例將被視為虛擬網路功能模組實例候選(步驟103)；接著，判斷虛擬網路功能模組實例之處理能力大於虛擬網路功能模組元件模板所需總資源量(步驟104)；接著，透過決定最佳規模大小虛擬網路功能模組實例分配實體機實體資源之持有成本、帶來回報以及淨利潤(步驟105)；最後，預測不同類型流量的數據速率、分配虛擬網路功能模組實例以及虛擬網路功能模組元件匹配的最合適規模大小、為相對應之規模大小決定虛擬網路功能模組元件模板之最佳虛擬網路功能模組實例(步驟106)。
綜上所述，可知本發明與先前技術之間的差異在於預測5G通訊時不同類型流量所需的預測數據速率，決定流量之最佳網路切片路徑，根據類型的預測數據速率，將虛擬網路功能模組實例以及虛擬網路功能模組元件的虛擬資源動態分配給實體機伺服器，以決定最佳虛擬網路功能模組實例，使獲得功耗最低候選虛擬網路功能模組實例之規模大小，判斷虛擬網路功能模組實例之處理能力大於虛擬網路功能模組元件模板所需總資源量，透過決定最佳規模大小虛擬網路功能模組實例分配實體機實體資源之持有成本、帶來回報以及淨利潤，預測不同類型流量的數據速率、分配虛擬網路功能模組實例以及虛擬網路功能模組元件匹配的最合適規模大小、為相對應之規模大小決定虛擬網路功能模組元件模板之最佳虛擬網路功能模組實例。
藉由此一技術手段可以來解決先前技術所存在現有5G分配/取消分配5G核心網路之虛擬資源不便的問題，進而達成5G核心網路中多流量類型的適性網路切片生成的技術功效。
雖然本發明所揭露的實施方式如上，惟所述的內容並非用以直接限定本發明的專利保護範圍。任何本發明所屬技術領域中具有通常知識者，在不脫離本發明所揭露的精神以及範圍的前提下，可以在實施的形式上及細節上作些許的更動。本發明的專利保護範圍，仍須以所附的申請專利範圍所界定者為準。
10:行動終端裝置
11:流量預測模組
12:網路切片路徑模組
13:虛擬資源動態分配模組
14:實體資源分配模組
15:切片生成模組

Claims (8)

  1. 一種5G核心網路中多流量類型的適性網路切片生成系統，適用於5G通訊的行動終端裝置，其包含：一流量預測模組，用以預測5G通訊時不同類型流量所需的預測數據速率，以減少決定最佳實體機之時間；一網路切片路徑模組，用以當不同類型流量抵達至5G核心時，決定對應流量之最佳網路切片路徑；一虛擬資源動態分配模組，所述虛擬資源動態分配模組與所述網路切片路徑模組相連，根據不同類型流量的預測數據速率，將虛擬網路功能模組實例以及虛擬網路功能模組元件的虛擬資源動態分配給實體機伺服器，透過獲得功耗最低候選虛擬網路功能模組實例之規模大小，來決定最佳虛擬網路功能模組實例，其中，活動實體機伺服器中的活動虛擬網路功能模組實例以及新虛擬網路功能模組實例以及空閒實體機伺服器中的新虛擬網路功能模組實例將被視為虛擬網路功能模組實例候選；一實體資源分配模組，透過決定最佳規模大小虛擬網路功能模組實例分配實體機實體資源之持有成本、帶來回報以及淨利潤；及一切片生成模組，預測不同類型流量的數據速率、分配虛擬網路功能模組實例以及虛擬網路功能模組元件匹配的最合適規模大小、為相對應之規模大小決定虛擬網路功能模組元件模板之最佳虛擬網路功能模組實例。
  2. 如請求項1所述的5G核心網路中多流量類型的適性網路切片生成系統，其中所述網路切片路徑模組是透過分段路由以決定流量之最佳網路切片路徑。
  3. 如請求項1所述的5G核心網路中多流量類型的適性網路切片生成系統，其中所述虛擬資源動態分配模組透過選擇不同的流量所需的數據速率與虛擬網路功能模組元件的處理能力相關之值以達到最佳擬合的虛擬網路功能模組元件。
  4. 如請求項1所述的5G核心網路中多流量類型的適性網路切片生成系統，其中所述虛擬資源動態分配模組是基於指數成本獎勵的函數來確定最佳虛擬網路功能模組實例。
  5. 一種5G核心網路中多流量類型的適性網路切片生成方法，適用於5G通訊的行動終端裝置，其包含下列步驟：預測5G通訊時不同類型流量所需的預測數據速率，以減少決定最佳實體機之時間；當不同類型流量抵達至5G核心時，決定對應流量之最佳網路切片路徑；根據不同類型流量的預測數據速率，將虛擬網路功能模組實例以及虛擬網路功能模組元件的虛擬資源動態分配給實體機伺服器，透過獲得功耗最低候選虛擬網路功能模組實例之規模大小，來決定最佳虛擬網路功能模組實例，其中，活動實體機伺服器中的活動虛擬網路功能模組實例以及新虛擬網路功能模組實例以及空閒實體機伺服器中的新虛擬網路功能模組實例將被視為虛擬網路功能模組實例候選；判斷虛擬網路功能模組實例之處理能力大於虛擬網路功能模組元件模板所需總資源量；透過決定最佳規模大小虛擬網路功能模組實例分配實體機實體資源之持有成本、帶來回報以及淨利潤；及 預測不同類型流量的數據速率、分配虛擬網路功能模組實例以及虛擬網路功能模組元件匹配的最合適規模大小、為相對應之規模大小決定虛擬網路功能模組元件模板之最佳虛擬網路功能模組實例。
  6. 如請求項5所述的5G核心網路中多流量類型的適性網路切片生成方法，其中所述當類型流量抵達至5G核心時，決定流量之最佳網路切片路徑的步驟是透過分段路由以決定流量之最佳網路切片路徑。
  7. 如請求項5所述的5G核心網路中多流量類型的適性網路切片生成方法，其中所述根據類型的預測數據速率，將虛擬網路功能模組實例以及虛擬網路功能模組元件的虛擬資源動態分配給實體機伺服器，以決定最佳虛擬網路功能模組實例，使獲得功耗最低候選虛擬網路功能模組實例之規模大小的步驟是透過選擇不同的流量所需的數據速率與虛擬網路功能模組元件的處理能力相關之值以達到最佳擬合的虛擬網路功能模組元件。
  8. 如請求項5所述的5G核心網路中多流量類型的適性網路切片生成方法，其中所述根據類型的預測數據速率，將虛擬網路功能模組實例以及虛擬網路功能模組元件的虛擬資源動態分配給實體機伺服器，以決定最佳虛擬網路功能模組實例，使獲得功耗最低候選虛擬網路功能模組實例之規模大小的步驟是基於指數成本獎勵的函數來確定最佳虛擬網路功能模組實例。
TW110134907A 2021-09-17 2021-09-17 5g核心網路中多流量類型的適性網路切片生成系統及其方法 TWI786839B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
TW110134907A TWI786839B (zh) 2021-09-17 2021-09-17 5g核心網路中多流量類型的適性網路切片生成系統及其方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW110134907A TWI786839B (zh) 2021-09-17 2021-09-17 5g核心網路中多流量類型的適性網路切片生成系統及其方法

Publications (2)

Publication Number Publication Date
TWI786839B true TWI786839B (zh) 2022-12-11
TW202315366A TW202315366A (zh) 2023-04-01

Family

ID=85794941

Family Applications (1)

Application Number Title Priority Date Filing Date
TW110134907A TWI786839B (zh) 2021-09-17 2021-09-17 5g核心網路中多流量類型的適性網路切片生成系統及其方法

Country Status (1)

Country Link
TW (1) TWI786839B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW201733378A (zh) * 2015-09-11 2017-09-16 英特爾Ｉｐ公司 用於無線通訊之切分架構
US20170318468A1 (en) * 2016-04-27 2017-11-02 Kabushiki Kaisha Toshiba Radio resource slicing in a radio access network
WO2019233420A1 (zh) * 2018-06-04 2019-12-12 北京邮电大学 基于模板的5g端到端网络切片生成方法及装置
CN112291791A (zh) * 2020-10-31 2021-01-29 国网河南省电力公司经济技术研究院 一种基于5g切片电力通信网带宽资源分配方法
CN112640374A (zh) * 2018-09-12 2021-04-09 三菱电机株式会社 无线接入网络的控制器

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW201733378A (zh) * 2015-09-11 2017-09-16 英特爾Ｉｐ公司 用於無線通訊之切分架構
US20170318468A1 (en) * 2016-04-27 2017-11-02 Kabushiki Kaisha Toshiba Radio resource slicing in a radio access network
WO2019233420A1 (zh) * 2018-06-04 2019-12-12 北京邮电大学 基于模板的5g端到端网络切片生成方法及装置
CN112640374A (zh) * 2018-09-12 2021-04-09 三菱电机株式会社 无线接入网络的控制器
CN112291791A (zh) * 2020-10-31 2021-01-29 国网河南省电力公司经济技术研究院 一种基于5g切片电力通信网带宽资源分配方法

Also Published As

Publication number Publication date
TW202315366A (zh) 2023-04-01

Similar Documents

Publication Publication Date Title
Guo et al. Energy-efficient and delay-guaranteed workload allocation in IoT-edge-cloud computing systems
Maheshwari et al. Scalability and performance evaluation of edge cloud systems for latency constrained applications
US20190150158A1 (en) Systems and methods for performing traffic engineering through network slices
Haider et al. Challenges in resource allocation in network virtualization
CN110463140B (zh) 计算机数据中心的网络服务水平协议
Huang et al. When backpressure meets predictive scheduling
Jia et al. QoS-aware task offloading in distributed cloudlets with virtual network function services
US9722930B2 (en) Exploiting probabilistic latency expressions for placing cloud applications
Rabitsch et al. A stream-aware multipath QUIC scheduler for heterogeneous paths
CN112822050A (zh) 用于部署网络切片的方法和装置
Gvozdiev et al. On low-latency-capable topologies, and their impact on the design of intra-domain routing
Buyakar et al. Resource allocation with admission control for GBR and delay QoS in 5G network slices
Li et al. Maximizing the quality of user experience of using services in edge computing for delay-sensitive IoT applications
Othman et al. Efficient admission control and resource allocation mechanisms for public safety communications over 5G network slice
Nouruzi et al. Online service provisioning in NFV-enabled networks using deep reinforcement learning
CN111211996B (zh) 一种流调度方法
Brewka et al. Integrated service resource reservation using queueing networks theory
Ma et al. Mobility-aware delay-sensitive service provisioning for mobile edge computing
Addanki et al. Mars: Near-optimal throughput with shallow buffers in reconfigurable datacenter networks
Carvalho et al. Edge servers placement in mobile edge computing using stochastic Petri nets
Durga et al. Context-aware adaptive resource provisioning for mobile clients in intra-cloud environment
Li et al. Guaranteeing heterogeneous bandwidth demand in multitenant data center networks
Mebrek et al. Energy-efficient solution using stochastic approach for IoT-Fog-Cloud Computing
TWI786839B (zh) 5g核心網路中多流量類型的適性網路切片生成系統及其方法
Kamboj et al. A policy based framework for quality of service management in software defined networks