一种支持节点分割的vEPC虚拟网络功能部署模型

软件定义网络(SDN)和网络功能虚拟化(NFV)促进了网络的创新,NFV实现了虚拟网络功能(VNF)的逻辑集中部署。针对v EPC(virtualized Evolved Packed Core)网络中VNF的池组化部署问题,该文提出一种支持节点分割的VNF部署模型,该模型基于虚拟请求业务流量的感知,利用节点分割算法动态调整VNF与底层网络资源切片的映射关系,实现VNF的跨域组池。与传统的多功能链联合映射算法相比,该方法能够实现节点资源细粒度化管理和统筹调度,优化网络视图,减少资源碎片。在SNDlib提供的网络拓扑实例下仿真证明,该模型可以降低虚拟网络的资源开销,并提高虚拟网络的请求接收率。

质量功能部署在信息安全管理中的应用

分析了多种信息安全管理体系,并用层次分析法确定用户的需求重点,指出质量功能部署能够较好地实现用户的安全需求到安全服务的转换,并结合一个例子分析了质量功能部署在信息安全管理中的应用。

一种支持硬件加速的虚拟网络功能部署模型

为解决以软件实现的虚拟网络功能(VNF)性能受限问题,软件定义网络和网络功能虚拟化(SDN/NFV)等新型网络架构引入了硬件加速资源。硬件加速资源的部署,使得VNF能够为日益增长的数据流量提供服务保障。该文针对已有研究未考虑具有高性能数据处理需求的服务链VNF部署问题,提出一种支持硬件加速的VNF部署模型。该模型基于硬件加速资源的承载特性,在保证未加速VNF到商用服务器的优化部署下,优先实现交换机中加速资源的复用,并根据网络业务的性能需求,灵活调整加速资源与VNF的映射约束。仿真实验表明,与其他典型部署方法相比,在引入相同硬件加速资源的情况下,该模型可以承载更多的业务流量,满足服务链高性能数据处理需求,有效提高了部署在网络中加速硬件的资源利用率。

质量功能部署中基于多种形式偏好信息的群决策方法

质量功能部署是一个需要跨职能部门的多个成员参与的小组群决策过程.由于小组成员具有不同的知识、背景、能力和经验等,因此在决策过程中他们可能会给出不同形式的偏好信息.通过定义相应的转化函数,本文将这些不同形式的偏好信息一致化为基于二元语义的语言判断矩阵的形式,并给出了相应的群偏好集结和权重求解方法.最后,通过一个实例验证了方法的有效性和实用性.

一种面向运营成本优化的虚拟网络功能部署和路由分配策略

随着网络功能虚拟化(NFV)技术的发展,虚拟网络功能(VNF)可以通过服务功能链(SFC)的形式部署在如虚拟机的通用平台中,为管理带来灵活性。但是对于服务提供商来说,由于网络基础设施的复杂性和日益增长的服务需求,给VNF的部署带来了高昂的运营成本(OPEX)。针对此问题,该文提出一种面向OPEX优化的策略,旨在最小化OPEX中的激活、能耗和传输成本,得到VNF部署和路由分配优化方案。为此建立一种全新的混合整数线性规划(MILP)模型,并设计包括遗传算法(GA)在内的3种OPEX优化算法。仿真实验评估在不同资源配给下MILP和3种算法的OPEX及其性能,其中GA算法在节点资源配比60%以上时可以得到近似于MILP模型的解决方案。

绿色移动边缘网络中可靠的虚拟网络功能部署技术研究

绿色移动边缘网络(GMEN)是一个新兴的分布式网络,它将可再生的绿色能量作为边缘节点运行的主要能源,从而减少从电网中获取的能量。在GMEN中,网络服务供应商可以将多个虚拟网络功能(VNF)按照特定的顺序组成服务功能链(SFC)来处理用户的请求,这些VNF可以以软件实例的形式被灵活地部署在边缘节点上来高效地利用绿色能量。为了保证服务的时延和可靠性要求,需要把多个备份VNF(BVNF)部署在距VNF k跳范围内的节点上,以便在VNF发生故障时能代替它继续提供满足时延要求的服务。然而,每个地理分散的边缘节点收集到的绿色能量是动态变化的,如果VNF周围的节点所收集的能量减少并小于运行BVNF所需的能耗,则需要从电网中获取额外的能量来保证它的运行。因此,根据节点收集的绿色能量和使用计算、通信等资源所消耗的能量速率,制定在线的VNF和BVNF联合部署方案,使得边缘节点从电网中获取的能量被最小化,同时保证服务的时延和可靠性要求,是一个NP-hard问题。目前,已有许多工作对这一问题进行了研究,并取得了一定的成果,但在实际的应用中仍面临着一些问题。为了更深入地推进该领域的研究,对近几年的最新研究成果进行了分析、归纳和总结,对比了它们的优缺点,并对未来的工作进行了展望。

基于Q-learning算法的vEPC虚拟网络功能部署方法

针对虚拟化演进分组核心网(v EPC)环境下,现有虚拟网络功能(VNF)部署方法无法在优化时延的同时保证服务链部署收益的问题,提出一种改进的基于Q-learning算法的v EPC虚拟网络功能部署方法。在传统0-1规划模型的基础上,采用马尔可夫决策过程建立了v EPC服务链部署的空间—时间优化模型,并设计了改进的Q-learning算法求解。该方法同时考虑了空间维度下的EPC服务链虚拟映射和时间维度下的VNF生命周期管理,实现了VNF部署的收益—时延多目标优化。仿真结果表明,与其他VNF部署方法相比,该方法在降低网络时延的同时提高了VNF部署的收益和请求接受率。

面向实时网络应用的虚拟网络功能部署

相比较于传统的解决方案,网络功能虚拟化技术能够有效地减少网络应用的部署成本。实时网络应用是对于数据处理响应时间有着严格时间期限约束要求的一类应用,有着复杂的数据处理流程,通过调用底层的虚拟网络功能,可以完成对数据的实时处理。虚拟网络功能模块可以被部署到基质网络的不同节点中,这些节点具有异构性,同时具有不同的数据处理能力,此外,基质网络中节点间的延迟也有所不同。因此,如何有效地在基质网络中进行虚拟网络功能的部署,从而保证实时网络应用时间期限约束需求是当前亟需解决的问题。提出一种新型的DAP(Deadline-Aware VNF Placement)算法来部署实时应用的虚拟网络功能。该算法首先采用一种启发式的资源分配策略为每个实时应用分配优先级,然后按照优先级的大小为实时网络应用分配资源。采用TopologyZoo中的某些网络拓扑结构作为测试集,通过实验验证该方法可以有效地减少实时网络应用的时间期限丢失率。

基于改进深度强化学习的虚拟网络功能部署优化算法

针对网络功能虚拟化/软件定义网络(NFV/SDN)架构下,网络服务请求动态到达引起的服务功能链(SFC)部署优化问题,该文提出一种基于改进深度强化学习的虚拟网络功能(VNF)部署优化算法。首先,建立了马尔科夫决策过程(MDP)的随机优化模型,完成SFC的在线部署以及资源的动态分配,该模型联合优化SFC部署成本和时延成本,同时受限于SFC的时延以及物理资源约束。其次,在VNF部署和资源分配的过程中,存在状态和动作空间过大,以及状态转移概率未知等问题,该文提出了一种基于深度强化学习的VNF智能部署算法,从而得到近似最优的VNF部署策略和资源分配策略。最后,针对深度强化学习代理通过ε贪婪策略进行动作探索和利用,造成算法收敛速度慢等问题,提出了一种基于值函数差异的动作探索和利用方法,并进一步采用双重经验回放池,解决经验样本利用率低的问题。仿真结果表示,该算法能够加快神经网络收敛速度,并且可以同时优化SFC部署成本和SFC端到端时延。

云边协同下的虚拟网络功能部署和流量调度方法

基于网络功能虚拟化(Network Function Virtualization,NFV)软硬件解耦的网络架构,运营商通过部署多个端到端逻辑网络为垂直行业提供多样化服务.然而,面对时延敏感型服务,需要将部分虚拟网络功能(Virtual Network Function,VNF)下沉到网络边缘.基于此,多接入边缘计算(Multi-Access Edge Computing,MEC)技术应运而生.但是,与核心云相比,边缘云的资源容量和计算能力有限,因此,在部署网络服务时既要考虑云边协同下的资源分配问题,还要考虑如何进行流量调度以提升边缘云的资源利用率并解决底层网络中的负载均衡问题.鉴于此,本文提出了一种基于动态流量拆分的VNF部署和流量调度方法.通过动态流量拆分将流量请求分配到多条路径和多个节点,从而使全局流量分布的更加均衡,根据流量拆分结果进行VNF部署,进而减少发生网络拥塞和流量请求超时的概率.其中,每条流量请求的拆分条数与拆分比例可以根据底层网络的资源状态和流量的特性灵活调整.因此,整个过程包括有效的流量拆分策略、VNF部署策略和流量调度策略.本文将云边协同下的虚拟网络功能部署和流量调度问题描述为混合整数线性规划(Mixed Integer Linear Programming,MILP)问题,并提出了一种基于禁忌搜索算法和遗传算法的联合优化(TSGA)算法.仿真结果表明,TSGA算法相比于TS算法和RB算法可以分别提高7.7%和12.9%的流量请求接受率,并分别减少5.4%和7.8%的流量平均开销.

NSA网络中NR覆盖功能部署策略

本文以电联共建 NSA 网络为背景,通过 NR 覆盖锚点优先和迁回原理的阐述,从实际案例入手,分析NR 覆盖的部署机制,剖析 NR 覆盖功能的部署策略。优化 NR 覆盖部署策略能够保护承建方锚点资源,完善共建共享功能,从而提升用户感知。

结合深度强化学习的边缘计算网络服务功能链时延优化部署方法

该文针对边缘网络资源受限且对业务流端到端时延容忍度低的问题,结合深度强化学习与基于时延的Dijkstra寻路算法提出一种面向时延优化的服务功能链(SFC)部署方法。首先,设计一种基于注意力机制的序列到序列(Seq2Seq)代理网络和基于时延的Dijkstra寻路算法,用于产生虚拟网络功能(VNF)的部署以及服务SFC的链路映射,同时考虑了时延优化模型的约束问题,采用拉格朗日松弛技术将其纳入强化学习目标函数中;其次,为了辅助网络代理快速收敛,采用基线评估器网络评估部署策略的预期奖励值;最后,在测试阶段,通过贪婪搜索及抽样技术降低网络收敛到局部最优的概率,从而改进模型的部署。对比实验表明,该方法在网络资源受限的情况下,比First-Fit算法与TabuSearch算法的时延分别降低了约10%和86.3%,且较这两种算法稳定约74.2%与84.4%。该方法能较稳定地提供更低时延的端到端服务,使时延敏感类业务获得更好体验。

一种基于Viterbi算法的虚拟网络功能自适应部署方法

为了应对移动数据流量的爆炸性增长,5G移动通信网将引入新型的架构设计。软件定义网络和网络功能虚拟化是网络转型的关键技术,将驱动移动通信网络架构的创新,服务链虚拟网络功能的部署是网络虚拟化研究中亟待解决的问题。该文针对已有部署方法未考虑服务链中虚拟网络功能间顺序约束和移动业务特点的问题,提出一种基于Viterbi算法的虚拟网络功能自适应部署方法。该方法实时感知底层节点的资源变化并动态调整拓扑结构,采用隐马尔科夫模型描述满足资源约束的可用的底层网络节点拓扑信息,基于Viterbi算法在候选节点中选择时延最短的服务路径。实验表明,与其它的虚拟网络功能部署方法相比,该方法降低了服务链的服务处理时间,并提高了服务链的请求接受率和底层资源的成本效率。

WebGIS功能的混合部署策略

分析了WebGIS服务器策略和浏览器策略的优缺点,认为WebGIS功能部署优化的目标是降低通讯代价,使用户在浏览器上的操作所引起的网络的数据传输量最小。在分析GIS中各类地理数据使用特征对GIS功能部署的影响的基础上,提出了一种基于低通讯代价的WebGIS功能混合式部署策略。

用户QoS与网络资源感知的服务功能链部署方法

软件定义网络与网络功能虚拟化的发展,使得运营商可以更加灵活的根据用户请求部署服务功能链(Service Function Chains,SFC)为用户提供服务.当前对SFC部署方法的研究大多考虑了运营商的利益,不考虑用户体验到的服务质量(Quality of Service,QoS)或是考虑的维度单一.鉴于此,提出了一种用户QoS与网络资源感知的服务功能链部署方法SA-TS,该方法综合考虑用户多个维度的QoS需求与运营商的成本,形式化描述了底层资源的约束条件,用时延、服务可用性、链路丢包及拥塞刻画了用户需求.SA-TS方法首先利用模拟退火算法构造了一个满足约束条件的启发式的初始解,然后结合禁忌搜索算法的记忆功能,在该可行解的邻域构造了一组候选解,最后利用禁忌表使候选解朝最小化运营商成本的目标函数不断移动寻优,直到得到最优解.仿真结果表明,该方法在有限的网络资源中很好的保证了用户对服务的QoS需求,得到的解的质量较高,相比于GLR和GLT两种方法,部署成功率平均提高了11%,链路拥塞率平均降低了16%.

面向时延与可靠性优化的服务功能链部署方法

针对5G网络高可靠性、低时延的服务需求,该文提出一种面向时延与可靠性优化的服务功能链(SFC)部署(DROSD)方法。在不预留冗余资源的情况下,首先通过功能互斥约束来确定SFC中相邻虚拟网络功能(VNF)是否可聚合;其次通过功能性约束、资源约束选择可聚合物理节点集合,实现负载均衡,提高SFC可靠性;然后通过跳数约束进行优化,进一步筛选可聚合物理节点集合以降低SFC的端到端时延;最后通过节点可用资源、节点度以及与原节点跳数指标进行降序排列,取最大值物理节点部署VNF。SFC的路由选择,采用K-最短路径算法。仿真实验表明,该文所提算法提高了请求接受率、长期平均收益开销比,增强了SFC可靠性,降低了端到端时延,减小了平均带宽开销。

基于知识图谱的服务功能链在线部署算法

沉浸式云XR、全息通信等新型网络业务的出现对网络服务质量提出了更高的要求。为保证网络服务的可获得性,在实施虚拟网络功能部署时,必须根据网络功能的属性以及之间的依赖关系,将网络服务的时延、可靠性等控制在一定的服务质量等级内。然而邻接矩阵、边表等传统的网络表征形式无法涵盖这些关键网络信息,造成算法在输入阶段的信息缺失,进而导致计算结果的偏差。因此,为了准确提取用户需求,反映网络资源的动态变化,采用知识图谱对网络及其业务进行表征,提出了一种基于知识图谱的服务功能链在线部署算法。所提算法对网络业务请求与底层网络分别进行知识提取,构建或更新相应的知识图谱,分解出它们的关系集合,并基于此设计了一种基于编辑距离的关系对齐方法,指导复杂依赖关系下的服务功能链在线部署。实验表明,所提算法使复杂网络环境下的服务功能链部署请求接收率提高了10%~15%,网络平均能耗降低了约13%,且复杂度低,时效性较强。

一种改进的质量功能部署模型

一种改进的质量功能部署模型滕晓林，赵新力，任守榘（清华大学自动化系国家ＣＩＭＳ－ＥＲＣ，北京１０００８４）ＡｎＩｍｐｒｏｖｅｄＭｏｄｅｌｏｆＱｕａｌｉｔｙＦｕｎｃｔｉｏｎＤｅｐｌｏｙｍｅｎｔＴｅｎｇＸｉａｏｌｉｎＺｈａｏＸｉｎｌｉＲｅｎＳｈｏｕｊｕ（...

基于迁移演员-评论家学习的服务功能链部署算法

针对5G网络切片环境下由于业务请求的随机性和未知性导致的资源分配不合理从而引起的系统高时延问题,该文提出了一种基于迁移演员-评论家(A-C)学习的服务功能链(SFC)部署算法(TACA)。首先,该算法建立基于虚拟网络功能放置、计算资源、链路带宽资源和前传网络资源联合分配的端到端时延最小化模型,并将其转化为离散时间马尔可夫决策过程(MDP)。而后,在该MDP中采用A-C学习算法与环境进行不断交互动态调整SFC部署策略,优化端到端时延。进一步,为了实现并加速该A-C算法在其他相似目标任务中(如业务请求到达率普遍更高)的收敛过程,采用迁移A-C学习算法实现利用源任务学习的SFC部署知识快速寻找目标任务中的部署策略。仿真结果表明,该文所提算法能够减小且稳定SFC业务数据包的队列积压,优化系统端到端时延,并提高资源利用率。