CN113225211B - 细粒度的服务功能链扩展方法 - Google Patents
细粒度的服务功能链扩展方法 Download PDFInfo
- Publication number
- CN113225211B CN113225211B CN202110462420.1A CN202110462420A CN113225211B CN 113225211 B CN113225211 B CN 113225211B CN 202110462420 A CN202110462420 A CN 202110462420A CN 113225211 B CN113225211 B CN 113225211B
- Authority
- CN
- China
- Prior art keywords
- expansion
- physical link
- link
- hop count
- extension
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 80
- 230000008859 change Effects 0.000 claims description 8
- 238000012937 correction Methods 0.000 abstract description 2
- 238000002474 experimental method Methods 0.000 description 6
- 230000007480 spreading Effects 0.000 description 4
- 238000004808 supercritical fluid chromatography Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 235000008694 Humulus lupulus Nutrition 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- HEFNNWSXXWATRW-UHFFFAOYSA-N Ibuprofen Chemical compound CC(C)CC1=CC=C(C(C)C(O)=O)C=C1 HEFNNWSXXWATRW-UHFFFAOYSA-N 0.000 description 1
- 240000000278 Syzygium polyanthum Species 0.000 description 1
- AGOYDEPGAOXOCK-KCBOHYOISA-N clarithromycin Chemical compound O([C@@H]1[C@@H](C)C(=O)O[C@@H]([C@@]([C@H](O)[C@@H](C)C(=O)[C@H](C)C[C@](C)([C@H](O[C@H]2[C@@H]([C@H](C[C@@H](C)O2)N(C)C)O)[C@H]1C)OC)(C)O)CC)[C@H]1C[C@@](C)(OC)[C@@H](O)[C@H](C)O1 AGOYDEPGAOXOCK-KCBOHYOISA-N 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/70—Admission control; Resource allocation
- H04L47/83—Admission control; Resource allocation based on usage prediction
-
- 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
- H04L41/08—Configuration management of networks or network elements
- H04L41/0896—Bandwidth or capacity management, i.e. automatically increasing or decreasing capacities
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/70—Admission control; Resource allocation
-
- 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
- Y02D30/50—Reducing energy consumption in communication networks in wire-line communication networks, e.g. low power modes or reduced link rate
Abstract
本发明涉及一种细粒度的SFC扩展方法,属于网络安全领域。首先,将垂直扩展方法进行改进,将垂直扩展与流量***相结合,提高垂直扩展的成功率。其次,将水平扩展方法进行改进,根据SFC扩展资源需求为其提供资源,降低扩展资源开销,提高资源利用率。最后,将改进型的垂直扩展方法与水平扩展方法相结合,进一步提高扩展成功率,降低扩展资源开销。
Description
技术领域
本发明涉及一种细粒度的服务功能链(Service Function Chain,SFC)扩展方法,包括改进的垂直和水平扩展方法,属于网络安全领域。
背景技术
文献“Hui Yu,Jiahai Yang,and Carol Fung.Fine-Grained Cloud ResourceProvisioning for Virtual Network Function”针对动态的SFC扩展问题,提出了弹性的资源提供方法,即ElasticNFV方法。该方法采用垂直扩展降低资源开销,当服务器的CPU等资源不满足扩展资源需求时,迁移部署在服务器上的其他VNF实例直到有足够的剩余资源。文献“Adel Nadjaran Toosi,Jungmin Son,Qinghua Chi,Rajkumar Buyya.ElasticSFC:auto-scaling techniques for elastic service function chaining in networkfunctions virtualization-based clouds”针对动态的SFC扩展问题,提出了一种弹性的SFC扩展方法,即ElasticSFC方法。该方法采用水平扩展与垂直扩展,提高了扩展成功率。但ElasticNFV方法与ElasticSFC方法尚存在以下问题:
(1)ElasticNFV方法由于受到服务器的可用资源以及底层链路的可用带宽约束,易导致SFC扩展失败,该方法扩展成功率较低。
(2)ElasticSFC方法采用垂直扩展时,由于受到底层链路的可用带宽约束,易导致SFC扩展失败。
(3)ElasticSFC方法采用水平扩展时,属于粗粒度扩展,易造成扩展资源开销增大,降低资源利用率。
发明内容
要解决的技术问题
为了在提高服务功能链扩展成功率的同时进一步降低扩展资源开销,本发明提出一种细粒度的SFC扩展方法。
技术方案
一种细粒度的服务功能链扩展方法,其特征在于步骤如下:
步骤1:对第g条服务功能链SFC的资源需求进行预测;
步骤2:根据资源需求预测结果,判断是否需要扩展;如果SFC(g)t+1时刻的资源需求变化率大于满足服务水平协议的最大资源需求变化率,即λg(t+1)>λ-δ,则需要扩展;如果λg(t+1)<1,则释放相应的资源;
步骤3:对于每一个虚拟网络功能以及相应的虚拟链路,首先采用垂直扩展方法进行扩展;
步骤4:如果改进型的垂直扩展方法失败,则采用水平扩展方法进行扩展。
本发明进一步的技术方案为:所述的步骤1中采用CloudScale技术进行预测。
本发明进一步的技术方案为:步骤3中所述的垂直扩展方法,将垂直扩展与流量***相结合,步骤如下:
步骤1:判断服务器节点的可用CPU、转发和存储资源是否大于等于第j个虚拟网络功能fj下一时刻的资源需求增加值;如果结果为否,垂直扩展失败;否则,进行虚拟链路的扩展;
步骤2:判断fj-1采用的是垂直扩展还是水平扩展;如果是水平扩展,则选择连接新部署的fj-1实例与fj实例的一条物理链路来为相应的虚拟链路提供增加的带宽,同时选择的物理链路的跳数要小于或等于原物理链路的跳数;如果是垂直扩展,则先判断承载相应虚拟链路的物理链路的可用带宽是否满足增加的带宽资源需求,如果满足,则此物理链路提供增加的带宽;如果不满足,则选择连接fj-1实例与fj实例的一条物理链路来为相应的虚拟链路提供增加的带宽,同时选择的物理链路的跳数要小于或等于原物理链路的跳数。
本发明进一步的技术方案为:步骤4中所述的水平扩展方法步骤如下:
步骤1:根据第j个虚拟网络功能fj增加的资源需求选择服务器节点部署新的fj实例;选择的服务器节点要满足fj增加的资源需求和承载能力约束,同时新实例与原实例之间的跳数要小于等于跳数约束h0;如果不存在相应的服务器节点,则扩展失败;
步骤2:判断fj-1采用的是垂直扩展还是水平扩展;如果是垂直扩展,选择连接fj-1实例与新部署的fj实例的一条物理链路来为相应的虚拟链路提供增加的带宽,同时选择的物理链路的跳数要小于或等于原物理链路的跳数;如果是水平扩展,则选择连接新部署的fj-1实例与新部署的fj实例的一条物理链路来为相应的虚拟链路提供增加的带宽,同时选择的物理链路的跳数要小于或等于原物理链路的跳数;如果不存在相应的物理链路来提供增加的带宽,则扩展失败。
一种计算机***,其特征在于包括:一个或多个处理器,计算机可读存储介质,用于存储一个或多个程序,其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现上述的方法。
一种计算机可读存储介质,其特征在于存储有计算机可执行指令,所述指令在被执行时用于实现上述的方法。
一种计算机程序,其特征在于包括计算机可执行指令,所述指令在被执行时用于实现上述的方法。
有益效果
本发明提出的一种细粒度的SFC扩展方法。首先,将垂直扩展方法进行改进,将垂直扩展与流量***相结合,提高垂直扩展的成功率。其次,将水平扩展方法进行改进,根据SFC扩展资源需求为其提供资源,降低扩展资源开销,提高资源利用率。最后,将改进型的垂直扩展方法与水平扩展方法相结合,进一步提高扩展成功率,降低扩展资源开销。
附图说明
附图仅用于示出具体实施例的目的,而并不认为是对本发明的限制,在整个附图中,相同的参考符号表示相同的部件。
图1是本发明所给出的SFC部署示意图。
图2是本发明所给出的SFC扩展方法描述示意图:(a)SFC;(b)垂直扩展;(c)改进型的垂直扩展;(d)水平扩展;(e)改进型的水平扩展。
图3是本发明所给出的改进型垂直扩展方法示意图:(a)SFC部署;(b)改进型的垂直扩展。
图4是本发明所给出的HSM方法流程图。
图5是本发明方法中扩展成功率对比结果图:(a)|Ng|=3;(b)|Ng|=4;(c)|Ng|=5。
图6是本发明方法中平均扩展资源开销对比结果图。
图7是本发明方法中平均扩展资源利用率对比结果图:(a)CPU;(b)带宽。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图和实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。此外,下面描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
1、建立SFC部署的网络模型
物理网络:本发明选择多个基础设施提供商提供硬件服务作为应用场景,通用服务器节点承载能力可能存在差异。物理网络可以用一个赋权无向图Gs=(Vs,Es)表示,其中Vs=Vs,s∪Vs,f,Vs={vi|i=1,2,…,|Vs|},Vs,s={vs,i|i=1,2,…,|Vs,s},Vs,f={vf,i|i=1,2,…,|Vs,f|},Es={ej|j=1,2,…,|Es}。
SFC请求:一个SFC请求可以用一个赋权无向Gg={Ng,Lg,Sg,Tg},其中Ng={fj|j=1,2,…,|Ng|},Lg={lj|j=1,2,…,|Lg|}。业务流从一个交换机节点流入,经过给定顺序的虚拟网络功能后,从另一个交换机节点流出。
SFC部署:当SFC请求到达时,服务提供者按照既定顺序实例化服务功能链的各个虚拟网络功能,如图1所示。SFC部署需要消耗底层网络的带宽资源、计算资源和转发资源,同时SFC的资源需求是动态变化的。本发明常用符号及其含义如表1所示。
表1常用符号及其含义
2、SFC扩展方法描述
SFC扩展方法主要分为垂直扩展与水平扩展。
(1)垂直扩展
如图2(b)所示,当SFC的资源需求增大时,承载VNF的服务器节点以及承载相应虚拟链路的物理链路分别根据资源需求为其提供资源。当SFC的资源需求降低时,服务器节点以及相应的物理链路释放相应的资源。当SFC的资源需求增大时,由于受到服务器节点可用资源以及物理链路可用带宽的约束,垂直扩展易失败。
(2)水平扩展
如图2(d)所示,当SFC的资源需求增大时,在其他服务器节点上部署新的VNF实例,服务器节点为新实例提供的资源与原实例是一样的,新增加的实例与之前实例之间的物理链路提供的带宽与原物理链路提供的带宽相同。服务器节点为新增加的实例提供的资源以及新增加的物理链路提供的带宽往往都大于资源需求。当SFC的资源需求降低时,服务器节点以及相应的物理链路释放相应的资源。水平扩展属于粗粒度扩展,容易造成资源过量提供,扩展资源利用率低。
3、改进型的垂直扩展方法
如图2(c)所示,改进型的垂直扩展(IVS)方法将垂直扩展与流量***相结合,降低了带宽资源约束的影响,提高了扩展成功率。具体步骤如下:
步骤1:判断服务器节点的可用CPU、转发和存储资源是否大于等于下一时刻fj的资源需求增加值。如果结果为否,垂直扩展失败;否侧,进行虚拟链路的扩展。
步骤2:判断fj-1采用的是垂直扩展还是水平扩展。如果是水平扩展,则选择连接新部署的fj-1实例与fj实例的一条物理链路来为相应的虚拟链路提供增加的带宽,同时选择的物理链路的跳数要小于或等于原物理链路的跳数。如果是垂直扩展,则先判断承载相应虚拟链路的物理链路的可用带宽是否满足增加的带宽资源需求,如果满足,则此物理链路提供增加的带宽。如果不满足,则选择连接fj-1实例与fj实例的一条物理链路来为相应的虚拟链路提供增加的带宽,同时选择的物理链路的跳数要小于或等于原物理链路的跳数。如图3所示,物理链路e1的可用带宽不满足增加的带宽需求,通过物理链路e4提供增加的带宽。如果不存在相应的物理链路来提供增加的带宽,则扩展失败。
4、改进型的水平扩展方法
如图2(e)所示,改进型的水平扩展(IHS)方法为细粒度的扩展方法,降低了扩展资源开销,提高了扩展资源利用率。具体步骤如下:
步骤1:根据fj增加的资源需求选择服务器节点部署新的fj实例。选择的服务器节点要满足fj增加的资源需求和承载能力约束,同时新实例与原实例之间的跳数要小于等于跳数约束h0。如果不存在相应的服务器节点,则扩展失败。
步骤2:判断fj-1采用的是垂直扩展还是水平扩展。如果是垂直扩展,选择连接fj-1实例与新部署的fj实例的一条物理链路来为相应的虚拟链路提供增加的带宽,同时选择的物理链路的跳数要小于或等于原物理链路的跳数。如果是水平扩展,则选择连接新部署的fj-1实例与新部署的fj实例的一条物理链路来为相应的虚拟链路提供增加的带宽,同时选择的物理链路的跳数要小于或等于原物理链路的跳数。如果不存在相应的物理链路来提供增加的带宽,则扩展失败。
5、建立SFC扩展的整数线性规划模型
本发明采用CloudScale技术对SFC的资源需求进行预测,假设各种资源的需求变化率相同,表示为如下:
本文假设λ为满足服务水平协议的最大资源需求变化率,δ为无穷小量。
本发明选择多个基础设施提供商提供硬件服务作为应用场景,通用服务器节点承载能力可能存在差异。本发明假设每个服务器节点只能承载几种类型的虚拟网络功能.如果服务器节点vs,i可以承载虚拟网络功能fj,则x(vs,i,fj)=1。否则,x(vs,i,fj)=0。
为更好地描述SFC的扩展问题,本发明建立SFC扩展的整数线性规划模型,目标函数和相关约束条件如下:
(1)目标函数
其中,|SFCss(t)|表示在t时刻扩展成功的SFC数目,|SFCns(t)|表示在t时刻需要扩展的SFC数目,η表示扩展成功率。
(2)约束条件
当λg(t+1)>λ-δ时,
约束(4)表示如果服务器节点vs,i为虚拟网络功能fj提供增加的资源,则y(vs,i,fj)=1。否则,y(vs,i,fj)=0。约束(5)表示如果物理链路ei为虚拟链路lj提供增加的带宽,则y(ei,lj)=1。否则,y(ei,lj)=0。
约束(6)确保只有一个服务器节点为虚拟网络功能fj提供增加的资源。约束(7)确保只有一条物理链路为虚拟链路lj提供增加的带宽。
约束(8)确保服务器节点vs,i有足够的CPU、转发和存储资源来满足虚拟网络功能fj增加的资源需求。
约束(9)确保物理链路ei有足够的带宽来满足虚拟链路lj增加的带宽需求。
hg,a≤hg,p (10)
约束(10)确保SFC扩展后的跳数没有增加。
约束(11)确保承载新VNF实例的服务器节点满足承载能力约束。
当λg(t+1)<1时,
6、HSM方法设计
图4是本发明给出的HSM方法流程图。
首先,利用CloudScale技术对SFC(g)的资源需求进行预测。其次,根据资源需求预测结果,判断是否需要扩展。如果λg(t+1)>λ-δ,则需要扩展。对于所有的虚拟网络功能以及相应的虚拟链路,首先采用IVS方法扩展,如果IVS失败,则采用IHS方法扩展。如果IHS失败,则扩展失败。如果λg(t+1)<1,则释放相应的资源。
7、性能评估与分析
本发明利用MATLAB进行实验仿真,选取在较大规模的网络场景中对本发明提出方法进行性能验证,并与其它两种方法进行对比分析。
(1)实验环境设置
实验所用的底层网络拓扑和SFC拓扑由改进的Salam网络拓扑随机生成算法生成。本发明假定物理网络的交换机节点和服务器节点处于同一位置,数量均为100,节点间的连接度为0.5。服务器节点和交换机节点的资源都服从参数为[50-60]的平均分布,交换机间的链路带宽资源服从参数为[50-60]的平均分布。本发明假定每一个服务器节点可承载VNF类型为{f1,f2,f3,f4,f5}中的任意两种。
本发明利用正弦和余弦信号的叠加来模拟SFC资源需求的样本数据,并将其离散化。为了模拟真实的环境,每个样本都加入一个服从泊松分布的值。SFC的生存周期服从参数为1000的指数分布。
实验持续10000个时间单位,为减少随机因素的影响,实验进行了10次,取10次实验结果的平均值作为最终的实验结果。
(2)实验分析
本发明设置实验来验证提出的HSM方法性能,在相同的实验条件下与其他两种最新的扩展方法进行了对比,如表二所示,验证HSM方法在扩张成功率以及资源合理利用方面的性能。
表2方法对比
如图5(a)所示,HSM的扩展成功率稳定在0.95。IVS将垂直扩展与流量***相结合,降低了受带宽资源约束造成的扩展失败。IHS根据资源需求提供资源,减小了扩展资源开销,提高了扩展成功率。HSM将IVS与IHS相结合,其扩展成功率最高。ElasticSFC的扩展成功率稳定在0.88,它将垂直扩展与水平扩展相结合,垂直扩展受到带宽资源约束易失败,水平扩展资源开销大,受到资源约束易失败。ElasticNFV的扩展成功率稳定在0.78,其采用垂直扩展,易受到服务器节点的资源约束以及链路的带宽约束而失败。
从图5(b)和5(c)中可以看出,对于不同VNF数目的SFC,HSM方法的扩展成功率一直都是最高。
如图6所示,随着VNF数目增加,ElasticSFC的平均资源开销分别为119、173和216,在三种方法中,资源开销最大。当服务器节点的可用资源不满足资源需求时,ElasticSFC将采用水平扩展,部署新的VNF实例,服务器节点为新实例提供的资源与原实例相同,新增加的物理链路提供的带宽与原物理链路相同。它们往往都大于资源需求。因此,其平均扩展资源开销最大。HSM与ElasticNFV都是根据资源需求提供资源,因此它们的扩展资源需求远低于ElasticSFC。如果物理节点的可用资源不满足资源需求,ElasticNFV将迁移服务器节点上的其他VNF实例,迁移的资源可能会大于资源需求。HSM在选择物理节点以及物理链路的同时考虑了跳数约束,新增加的物理链路跳数可能会低于原物理链路的跳数。因此,HSM的平均资源开销略低于ElasticNFV。
图7(a)所示为平均扩展CPU资源利用率。HSM与ElasticNFV根据资源需求提供资源,所以它们的平均扩展CPU资源利用率一直为1。如果物理节点的可用资源不满足资源需求,ElasticSFC采用水平扩展,提供给新实例的CPU与原实例相同,很可能大于资源需求。因此,其平均扩展CPU资源利用率小于1,而且随着VNF数目的增加,利用率在不断降低。
图7(b)所示为平均扩展带宽资源利用率。由于承载SFC的物理链路的跳数一般都大于虚拟链路的跳数,因此,三种方法的平均扩展带宽资源利用率都小于1。ElasticSFC采用水平扩展时,新增加的物理链路提供的带宽与原物理链路相同,很可能大于资源需求,因此,其平均扩展带宽资源利用率最低。HSM与ElasticNFV根据资源需求提供带宽,因此其平均带宽资源利用率远高于ElasticSFC。HSM选择物理链路时考虑了跳数约束,新增加的物理链路的跳数可能小于原物理链路的跳数,因此,其平均扩展带宽资源利用率略高于ElasticNFV。
从上述实验可以看出,本发明提出的方法HSM为细粒度的扩展方法,相较于其它两种扩展方法扩展成功率更高,平均扩展资源开销更少,平均扩展资源利用率更高。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明公开的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。
Claims (4)
1.一种细粒度的服务功能链扩展方法,其特征在于步骤如下:
步骤1:对第g条服务功能链SFC的资源需求进行预测;
步骤2:根据资源需求预测结果,判断是否需要扩展;如果SFC(g)t+1时刻的资源需求变化率大于满足服务水平协议的最大资源需求变化率,即λg(t+1)>λ-δ,则需要扩展;如果λg(t+1)<1,则释放相应的资源;其中λ为满足服务水平协议的最大资源需求变化率,δ为无穷小量;
步骤3:对于每一个虚拟网络功能以及相应的虚拟链路,首先采用垂直扩展方法进行扩展;
所述的垂直扩展方法,将垂直扩展与流量***相结合,步骤如下:
步骤3.1:判断服务器节点的可用CPU、转发和存储资源是否大于等于第j个虚拟网络功能fj下一时刻的资源需求增加值;如果结果为否,垂直扩展失败;否则,进行虚拟链路的扩展;
步骤3.2:判断fj-1采用的是垂直扩展还是水平扩展;如果是水平扩展,则选择连接新部署的fj-1实例与fj实例的一条物理链路来为相应的虚拟链路提供增加的带宽,同时选择的物理链路的跳数要小于或等于原物理链路的跳数;如果是垂直扩展,则先判断承载相应虚拟链路的物理链路的可用带宽是否满足增加的带宽资源需求,如果满足,则此物理链路提供增加的带宽;如果不满足,则选择连接fj-1实例与fj实例的一条物理链路来为相应的虚拟链路提供增加的带宽,同时选择的物理链路的跳数要小于或等于原物理链路的跳数;
步骤4:如果改进型的垂直扩展方法失败,则采用水平扩展方法进行扩展;
所述的水平扩展方法步骤如下:
步骤4.1:根据第j个虚拟网络功能fj增加的资源需求选择服务器节点部署新的fj实例;选择的服务器节点要满足fj增加的资源需求和承载能力约束,同时新实例与原实例之间的跳数要小于等于跳数约束h0;如果不存在相应的服务器节点,则扩展失败;
步骤4.2:判断fj-1采用的是垂直扩展还是水平扩展;如果是垂直扩展,选择连接fj-1实例与新部署的fj实例的一条物理链路来为相应的虚拟链路提供增加的带宽,同时选择的物理链路的跳数要小于或等于原物理链路的跳数;如果是水平扩展,则选择连接新部署的fj-1实例与新部署的fj实例的一条物理链路来为相应的虚拟链路提供增加的带宽,同时选择的物理链路的跳数要小于或等于原物理链路的跳数;如果不存在相应的物理链路来提供增加的带宽,则扩展失败。
2.根据权利要求1所述的一种细粒度的服务功能链扩展方法,其特征在于所述的步骤1中采用CloudScale技术进行预测。
3.一种计算机***,其特征在于包括:一个或多个处理器,计算机可读存储介质,用于存储一个或多个程序,其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现权利要求1所述的方法。
4.一种计算机可读存储介质,其特征在于存储有计算机可执行指令,所述指令在被执行时用于实现权利要求1所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110462420.1A CN113225211B (zh) | 2021-04-27 | 2021-04-27 | 细粒度的服务功能链扩展方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110462420.1A CN113225211B (zh) | 2021-04-27 | 2021-04-27 | 细粒度的服务功能链扩展方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113225211A CN113225211A (zh) | 2021-08-06 |
CN113225211B true CN113225211B (zh) | 2022-09-02 |
Family
ID=77089305
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110462420.1A Expired - Fee Related CN113225211B (zh) | 2021-04-27 | 2021-04-27 | 细粒度的服务功能链扩展方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113225211B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015118875A1 (ja) * | 2014-02-06 | 2015-08-13 | 日本電気株式会社 | 仮想ネットワーク機能の最適配置方法、ネットワーク制御装置、ネットワーク管理装置およびネットワークシステム |
CN107332913A (zh) * | 2017-07-04 | 2017-11-07 | 电子科技大学 | 一种5g移动网络中服务功能链的优化部署方法 |
CN107682203A (zh) * | 2017-10-30 | 2018-02-09 | 北京计算机技术及应用研究所 | 一种基于服务链的安全功能部署方法 |
CN108900358A (zh) * | 2018-08-01 | 2018-11-27 | 重庆邮电大学 | 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方法 |
CN109104313A (zh) * | 2018-08-20 | 2018-12-28 | 电子科技大学 | 一种具有流量意识与能源感知的sfc动态部署方法 |
CN110120978A (zh) * | 2019-05-17 | 2019-08-13 | 电子科技大学 | 一种弹性用户云计算资源的安全保护方法 |
CN110224873A (zh) * | 2019-06-24 | 2019-09-10 | 北京邮电大学 | 一种基于vnf实例复用的nfv编排方法及装置 |
CN111475252A (zh) * | 2020-03-06 | 2020-07-31 | 重庆邮电大学 | 一种基于深度强化学习的虚拟网络功能部署优化算法 |
CN111580930A (zh) * | 2020-05-09 | 2020-08-25 | 山东汇贸电子口岸有限公司 | 一种面向国产平台的云原生应用架构支撑方法及*** |
CN111638959A (zh) * | 2020-06-02 | 2020-09-08 | 山东汇贸电子口岸有限公司 | 云环境下基于负载回归预测的弹性伸缩方法及可读存储介质 |
WO2020252390A1 (en) * | 2019-06-12 | 2020-12-17 | Arigato Machine, Inc., Dba Manifold | Predictive autoscaling and resource optimization |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8756609B2 (en) * | 2011-12-30 | 2014-06-17 | International Business Machines Corporation | Dynamically scaling multi-tier applications vertically and horizontally in a cloud environment |
JP6436102B2 (ja) * | 2014-02-06 | 2018-12-12 | 日本電気株式会社 | ネットワーク管理方法および装置 |
US9462084B2 (en) * | 2014-12-23 | 2016-10-04 | Intel Corporation | Parallel processing of service functions in service function chains |
CN109076027B (zh) * | 2015-12-30 | 2022-05-17 | 皇家Kpn公司 | 网络服务请求 |
WO2020255025A1 (en) * | 2019-06-18 | 2020-12-24 | Telefonaktiebolaget Lm Ericsson (Publ) | Method and system for deploying a new service function chain (sfc) based on similarities with previously deployed sfcs |
CN110545228B (zh) * | 2019-07-26 | 2020-11-20 | 北京邮电大学 | 服务功能链请求处理方法及*** |
-
2021
- 2021-04-27 CN CN202110462420.1A patent/CN113225211B/zh not_active Expired - Fee Related
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015118875A1 (ja) * | 2014-02-06 | 2015-08-13 | 日本電気株式会社 | 仮想ネットワーク機能の最適配置方法、ネットワーク制御装置、ネットワーク管理装置およびネットワークシステム |
CN107332913A (zh) * | 2017-07-04 | 2017-11-07 | 电子科技大学 | 一种5g移动网络中服务功能链的优化部署方法 |
CN107682203A (zh) * | 2017-10-30 | 2018-02-09 | 北京计算机技术及应用研究所 | 一种基于服务链的安全功能部署方法 |
CN108900358A (zh) * | 2018-08-01 | 2018-11-27 | 重庆邮电大学 | 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方法 |
CN109104313A (zh) * | 2018-08-20 | 2018-12-28 | 电子科技大学 | 一种具有流量意识与能源感知的sfc动态部署方法 |
CN110120978A (zh) * | 2019-05-17 | 2019-08-13 | 电子科技大学 | 一种弹性用户云计算资源的安全保护方法 |
WO2020252390A1 (en) * | 2019-06-12 | 2020-12-17 | Arigato Machine, Inc., Dba Manifold | Predictive autoscaling and resource optimization |
CN110224873A (zh) * | 2019-06-24 | 2019-09-10 | 北京邮电大学 | 一种基于vnf实例复用的nfv编排方法及装置 |
CN111475252A (zh) * | 2020-03-06 | 2020-07-31 | 重庆邮电大学 | 一种基于深度强化学习的虚拟网络功能部署优化算法 |
CN111580930A (zh) * | 2020-05-09 | 2020-08-25 | 山东汇贸电子口岸有限公司 | 一种面向国产平台的云原生应用架构支撑方法及*** |
CN111638959A (zh) * | 2020-06-02 | 2020-09-08 | 山东汇贸电子口岸有限公司 | 云环境下基于负载回归预测的弹性伸缩方法及可读存储介质 |
Non-Patent Citations (6)
Title |
---|
Reliability-Aware Service Function Chain Backup Protection Method;DONG ZHAI,XIANGRU MENG, ZHENHUA YU,XIAOYANG HAN;《IEEE Access》;20210112;全文 * |
基于在线实例配置的服务功能链部署方法;孙士清等;《计算机工程》;20191215(第12期);全文 * |
翟东 ; 孟相如 ; 康巧燕 ; 胡航 ; 韩晓阳.面向时延与可靠性优化的服务功能链部署方法.《电子与信息学报》.2020, * |
虚拟网络功能迁移研究综述;朱晓荣等;《南京邮电大学学报(自然科学版)》;20180304(第01期);全文 * |
阳勇 ; 孟相如 ; 康巧燕 ; 赵文文.基于流量优化的可靠服务功能链部署方法.《***工程与电子技术》.2021, * |
韩晓阳 ; 孟相如 ; 康巧燕 ; 翟东 ; 刘鹏飞.可靠性与拓扑感知的服务功能链备份保护方法.《***工程与电子技术》.2020, * |
Also Published As
Publication number | Publication date |
---|---|
CN113225211A (zh) | 2021-08-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107770096B (zh) | 一种基于负载均衡的sdn/nfv网络动态资源分配方法 | |
CN111445111B (zh) | 一种基于边缘协同的电力物联网任务分配方法 | |
CN111130904B (zh) | 一种基于深度确定性策略梯度的虚拟网络功能迁移优化算法 | |
Cui et al. | A novel offloading scheduling method for mobile application in mobile edge computing | |
CN108076158B (zh) | 基于朴素贝叶斯分类器的最小负载路由选择方法及*** | |
CN108965014A (zh) | QoS感知的服务链备份方法及*** | |
CN109167671A (zh) | 一种面向量子密钥分发业务的配用通信***均衡负载调度算法 | |
KR101578177B1 (ko) | 클라우드 컴퓨팅 환경에서의 자원 이용률에 기초한 마이그레이션 방법 및 시스템 | |
CN106775949B (zh) | 感知复合应用特征与网络带宽的虚拟机在线迁移优化方法 | |
CN106681839B (zh) | 弹性计算动态分配方法 | |
CN111901170A (zh) | 可靠性感知的服务功能链备份保护方法 | |
CN108683557B (zh) | 微服务健康度评估方法、弹性伸缩方法及架构 | |
CN111538570A (zh) | 一种面向节能和QoS保障的VNF部署方法及装置 | |
CN108540405B (zh) | 网络资源迁移方法及装置 | |
Zhao et al. | PLOFR: An online flow route framework for power saving and load balance in SDN | |
CN114625500A (zh) | 云环境下拓扑感知的微服务应用调度的方法及应用 | |
Zhang et al. | A novel virtual network mapping algorithm for cost minimizing | |
CN114466407B (zh) | 一种基于粒子群遗传的网络切片编排算法 | |
CN113225211B (zh) | 细粒度的服务功能链扩展方法 | |
Chen et al. | A collaborative service deployment and application assignment method for regional edge computing enabled IoT | |
CN114201180A (zh) | 微服务部署方法、可读存储介质及设备 | |
Hu et al. | A mobility-aware service function chain migration strategy based on deep reinforcement learning | |
CN112883526B (zh) | 一种任务延迟和可靠性约束下的工作负载分配方法 | |
CN109921991B (zh) | 一种基于Dinkelbach的SDN控制器部署方法 | |
CN113037805A (zh) | 面向移动边缘计算的多实例微服务迁移方法 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20220902 |