论文部分内容阅读
为了应对未来数据流量的爆炸性增长和多样化的服务需求,5G网络切片技术应运而生。它借助软件定义网络和网络功能虚拟化技术将有限的物理资源经过分割和重组,形成逻辑上相互独立的虚拟网络资源供各个切片使用,从而实现资源的集中管理并为租户提供更好的服务质量。然而由于底层资源有限,如何有效合理地将切片中虚拟网络功能部署到物理网络中以及对虚拟网络功能进行迁移优化并满足相应的服务质量(QoS)需求,成为虚拟化研究中亟待解决的问题。本文重点研究了5G网络切片下的虚拟网络功能部署问题,主要内容和创新点总结如下:1.针对现有部署方法难以在优化时延的同时保证服务功能链部署可靠性的问题,提出了面向QoS需求的服务功能链部署模型,并设计了一种基于QoS保障的服务功能链动态部署算法。该算法在虚拟网络功能部署阶段首先通过对节点抗毁性和链路可靠性的感知,采用基于谷歌PageRank排序的思想对节点进行评价。然后以负载均衡和协调链路映射为原则,将虚拟网络功能部署到综合资源能力最大的底层节点上,实现了时延和可靠性的整体优化。最后通过选择满足可靠性需求的时延最短路径进行链路映射。仿真结果表明,该算法在降低服务功能链端到端时延的同时保证了部署的可靠性,并且提高了请求接受率和资源利用率。2.针对已有研究缺乏对资源需求的有效预测而导致的实时性迁移问题,提出了一种基于深度信念网络资源需求预测的虚拟网络功能动态迁移算法。该算法首先建立综合带宽开销和迁移代价的系统总开销模型,然后设计基于在线学习的深度信念网络预测算法预测未来时刻的资源需求情况,在此基础下采用自适应学习率并引入多任务学习模式优化预测模型,最后根据预测结果以及对网络拓扑和资源的感知,以尽可能地减少系统开销为目标,通过基于择优选择的贪婪算法将虚拟网络功能迁移到满足资源阈值约束的底层节点上,并提出基于禁忌搜索的迁移机制进一步优化迁移策略。仿真表明,该预测模型能够获得很好的预测效果,自适应学习率加快了训练网络的收敛速度,与迁移算法结合在一起的方式有效地降低了迁移过程中的系统开销和服务等级协议违例次数,提高了网络服务的性能。