CN113596868A - 基于sdn和nfv的5g网络切片资源管理机制 - Google Patents
基于sdn和nfv的5g网络切片资源管理机制 Download PDFInfo
- Publication number
- CN113596868A CN113596868A CN202110684284.0A CN202110684284A CN113596868A CN 113596868 A CN113596868 A CN 113596868A CN 202110684284 A CN202110684284 A CN 202110684284A CN 113596868 A CN113596868 A CN 113596868A
- Authority
- CN
- China
- Prior art keywords
- slice
- network
- network slice
- slices
- performance
- 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.)
- Pending
Links
- 230000007246 mechanism Effects 0.000 title claims abstract description 38
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 55
- 238000000034 method Methods 0.000 claims abstract description 37
- 230000008901 benefit Effects 0.000 claims abstract description 23
- 238000005457 optimization Methods 0.000 claims abstract description 22
- 230000008569 process Effects 0.000 claims abstract description 21
- 238000012544 monitoring process Methods 0.000 claims abstract description 11
- 238000010276 construction Methods 0.000 claims abstract description 10
- 238000011084 recovery Methods 0.000 claims abstract description 10
- 238000007726 management method Methods 0.000 claims description 30
- 230000006870 function Effects 0.000 claims description 25
- 239000013598 vector Substances 0.000 claims description 20
- 238000012360 testing method Methods 0.000 claims description 16
- 230000003416 augmentation Effects 0.000 claims description 9
- 208000018910 keratinopathic ichthyosis Diseases 0.000 claims description 9
- 238000011156 evaluation Methods 0.000 claims description 7
- 239000000126 substance Substances 0.000 claims description 6
- 230000035772 mutation Effects 0.000 claims description 5
- 238000013507 mapping Methods 0.000 claims description 4
- 230000001174 ascending effect Effects 0.000 claims description 3
- 230000005012 migration Effects 0.000 claims description 3
- 238000013508 migration Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000007493 shaping process Methods 0.000 claims description 3
- 230000004083 survival effect Effects 0.000 claims description 3
- 239000002699 waste material Substances 0.000 claims description 3
- 238000013468 resource allocation Methods 0.000 claims description 2
- 238000010845 search algorithm Methods 0.000 claims description 2
- 238000004891 communication Methods 0.000 abstract description 2
- 230000000875 corresponding effect Effects 0.000 description 11
- 230000004044 response Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- RDUORFDQRFHYBF-UHFFFAOYSA-N 6-methoxy-1-methyl-2,3,4,9-tetrahydro-1h-pyrido[3,4-b]indole Chemical class CC1NCCC2=C1NC1=CC=C(OC)C=C12 RDUORFDQRFHYBF-UHFFFAOYSA-N 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- 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
- H04L41/0893—Assignment of logical groups to network elements
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/16—Central resource management; Negotiation of resources or communication parameters, e.g. negotiating bandwidth or QoS [Quality of Service]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种基于SDN和NFV的5G网络切片资源管理机制，主要包括如下步骤:步骤1计算综合效益；步骤2创建性能监测模块；步骤3创建网络切片，基于图论的初始解获取算法，以及基于PSO和DE算法得到启发式优化算法；步骤4在运行已创建好的网络切片过程中，根据切片运行状态适时调整网络切片；步骤5当网络切片达到生存周期，或者租户因其他原因不再需要某个切片时，采用切片回收决策。本发明能够在5G网络通信环境下兼顾运营商资源效益和用户关注的服务质量两方面综合效益，通过对网络切片资源进行高效管理，比较优选切片初始构造方案、基于实时性能反馈动态调整优化切片结构、延迟回收和复用失效切片，从而获得最大综合效益。
Description
技术领域
本发明属于5G网络通信技术领域，具体是基于SDN和NFV的5G网络切片资源管理机制。
背景技术
5G网络切片资源管理是5G网络中的一个重要研究点，基于此技术，能够有效地支持各垂直行业的多样化应用场景、优化网络切片结构、提升服务质量和用户实际体验。同时优化网络切片的资源占用量，为服务供应商减小成本。
目前的5G基础设施建设不完善，仍处于过渡时期，表现为：在5G的三类标准应用场景中只能看出EMBB的高带宽特性；在组网方式上，采取非独立组网的方式让5G专用设备与现有的网络基础设施共同提供网络服务。针对此问题，现有方法大都从SDN与NFV的结构融合方面入手，要么研究SDN和NFV结构融合理论模型，要么着眼于资源利用率实现运营商收益的最大化。然而，未能兼顾运营商和终端用户以及忽略对切片生命周期的全面考虑，而这对应用网络切片是非常重要的。本发明通过基于粒子群优化和差分进化改进的启发式算法创建切片，通过基于最大流算法的内部调整方案和垂直扩充与水平扩充相结合的外部调整方案进行切片的调整，最后提出切片延迟回收策略进行失效切片的复用。本发明相对已有方法具备更优的资源效率和执行速度。
发明内容
本发明的目的是提供一种基于SDN和NFV的5G网络切片资源管理机制，能够根据用户需求创建切片并在切片运行过程中实时动态调整资源状态，最后能够对失效切片进行复用和回收。该机制综合考虑了运营商关注的资源效益和用户关注的服务质量以及切片为用户提供的端到端服务性能与承诺的理论性能指标的偏差，能够根据网络实时运行状态自动进行切片状态调整，实现了高效的资源效率和更快的执行速度。
为实现上述目的本发明采用的技术方案是：
一种基于SDN和NFV的5G网络切片资源管理机制，主要包括如下步骤：
步骤1计算综合效益；通过接收运营商设定的网络切片定价参数，用以计算作为资源管理机制的全局优化目标的综合效益；
步骤2创建性能监测模块；通过实时测试并反馈各网络切片的实际性能指标，作为网络切片资源管理的触发条件；
步骤3创建网络切片，基于图论的初始解获取算法，以及基于PSO和DE算法得到启发式搜索算法；
步骤4在运行已创建好的网络切片过程中，根据切片运行状态适时调整网络切片，包括基于VNF迁移的内部调度算法和外部调度算法；
步骤5当网络切片达到生存周期，或者租户因其他原因不再需要某个切片时，采用切片回收决策，决定切片资源延迟回收及复用策略。
所述步骤1包括如下步骤：
步骤1.1定义综合效益：利润和负面影响因子的指数函数之和计算公式(1)：
步骤1.2分别计算利润和负面影响因子的指数函数，利润pns即切片收入rens与切片成本costns之差如式(2)：
pns＝rens-γcostns (2)
切片ns收入rens定义如式(3)：
其中，
表示ns所属类型的切片的单价，bwthns、rlbns和delayns均是切片要求的KPI，分别表示端到端带宽、可靠性和时延；
切片成本costns定义如式(4)：
其含义是切片ns所占用的节点容量和链路带宽的加权和，其中β为两者的权重系数；
负面影响因子体现的是用户实际体验到的性能，用户实际体验越差，该值越小，其定义如式(5)：
其中，bwthns、rlbns和delayns分别是该切片承诺的端到端带宽、可靠性和时延，而与其对应的rbwthns、rrlbns和rdelayns则代表切片的实际性能反馈；采取整形函数fQoS(x)将nens限制在1以下，避免在优化过程中产生性能指标过高而资源占用过大的方案，以免造成无端的资源浪费。
所述步骤2中.性能监测模块是在虚拟机之上、虚拟网络功能之下的模块；既可以是独立于编排器、SDN控制器、电信业务运营支持***的一个模块，也可以是三者的一个组件，其主要功能是实时测试并反馈各网络切片的实际性能指标，作为网络切片资源管理的触发条件，在仿真程序中进行了代码实现，提供的实时监测结果是资源管理机制正常运行的重要参考因素。
所述步骤3包括如下步骤：
步骤3.1***接收切片创建请求，并解析其中各项性能要求；
步骤3.2根据确定的发点和收点在底层拓扑图上利用图论知识分别映射节点和链路以获得初始解；通过在Dijkstra算法中增加搜索到以sink为目的最短路径作为循环终止条件，不断利用接入点到sink节点的最短路径作为增广路径，并根据路径有效带宽分配相应链路带宽和节点容量，得到路径的并集作为切片构造方案；为综合考虑时延和可靠性两重属性，将算法中的边权值
设为时延与可靠性之商，如式(7)所示：
其中，
表示时延，
表示可靠性；
步骤3.3基于PSO和DE算法进行启发式搜索，获得优化方案；包括编码方案、适应度函数、初始化、变异、交叉和选择操作这六部分的内容；通过采取基于节点容量的编码方式对网络切片进行编码，解码是将编码后的两个向量与基础设施做解码运算即可获得对应的网络切片抽象；
定义适应度函数如式(8)：
该式代表了网络切片占用的节点和链路资源之和；
在解空间中随机产生均匀分布的个体，初始化如式(9)：
其中，j代表向量维度，hj和lj分别对应节点可分配给
的容量下限和上限；
在第g代迭代中，个体xi(g)经差分变异产生变异个体hi(g)的运算如式(10)：
hi(g)＝xr1(g-1)+F·(xr2(g-1)-xr3(g-1))，F∈[0，2] (10)
其中，r1、r2、r3是三个不相等的随机整数，缩放因子F用于控制差分向量的权重，取F＝0.5；
基于PSO的速度向量更新运算如式(11)-(12)：
xi(g)＝xi(g-1)+si(g) (11)
si(g)＝ωsi(g)+rand(0，1)[C1(besti-xi(g-1))+C2(best-xi(g-1))] (12)
其中，C1是局部搜索因子，取C1＝1.8；C2是全局搜索因子，取C2＝1.9；非负实数ω是惯性因子，正相关于算法的全局搜索能力；
对原个体xi(g-1)和变异个体hi(g)进行交叉选择获得试验个体ti(g)，交叉选择操作如式(13)：
其中，cr∈[0，1]代表交叉概率；
通过对比个体xi(g-1)和交叉操作获得的试验个体ti(g)两者的适应度，选择适应度值更小的方案作为新一代个体，选择操作如式(14)：
步骤3.4根据两种方案的综合效益进行优选，从而获得较优解；对获得的较优解进行解码以获得切片拓扑图，作为***分配节点和链路资源以生成实际的网络切片的依据。
所述步骤4的包括如下步骤：
步骤4.1性能监测模块检测到网络切片的性能指标不达标时，首先对这些网络切片执行内部调度，通过调整网络切片中VNF的部署位置和数量来优化网络结构，在不改变当前网络切片资源分配方案的前提下改善服务性能；通过改进Dinic算法在路径增广时考虑时延和SFC中网络功能部署的限制，并且以具体的用户数作为约束条件，在各个发点间交替执行流扩充过程；
步骤4.2当切片的负载过重，内部调度的结果也无法使得网络性能达标时，则考虑对切片进行外部调度，根据扩充的资源位置不同，又分为垂直扩充和水平扩充；垂直扩充是在不改变当前网络切片节点以及链路部署位置的前提下，对其节点和链路所占用的资源量进行调整；水平扩充是在当前***的可调度资源的基础上进行重构。
垂直扩充：通过计算每条网络流的扩充代价，然后按扩充代价进行升序排序，再基于排序后的网络流进行链路和节点资源的扩充；计算网络流扩充代价如式(15)：
β是定义资源成本使用的权重系数，b∈Bi，j是集合Bi，j中的任意一个元素，rm(vi，j)和rm(ei，j)分别表示网络流中某节点或某链路对应的切片中节点或链路的剩余资源大小。
水平扩充：和创建网络切片的过程类似，不同之处在于可调度资源范围及处理顺序；水平扩充中各切片可调度资源是自身已占有资源、基础设施层的未分配资源以及其他切片的空闲资源的并集；通过综合考虑各切片的性能状态、用户规模以及切片生存时间，定义网络切片的水平调整优先级如式(16)：
其中，Tri表示切片的剩余服务时间，Ui表示预期用户规模，nei表示负面性能评价；该优先级保证切片剩余生存时间越长、用户规模越小、切片性能越差的网络切片越优先进行水平扩充。
所述步骤5的具体步骤包括：
步骤5.1当网络切片达到了其生存周期，或租户因其他原因不再需要某个切片时，失效切片将持续存在，直到该切片被复用或者因***资源短缺而被释放资源；
步骤5.2切片只有同时满足两个限制条件才能对失效切片进行复用：(1)接入点限制；(2)KPI限制；接入点限制是指失效切片与接入节点的匹配，只有失效切片与接入点集合匹配才可能进行复用；KPI限制是保证失效切片的端到端性能能够满足切片创建或调整的要求，包括带宽、时延和可靠性要求。
本发明的主要有益效果：能够兼顾运营商的资源效益和用户关注的服务质量这两方面的综合效益作为算法的全局优化目标，来获得最大综合效益。包括对网络切片创建问题求最优解、基于实时性能反馈的切片动态调整机制以及失效切片的延迟回收机制和与之配套的失效切片复用策略。实践证明，本发明的资源管理机制更加符合5G***的实际使用场景，具备更高的实用价值。
附图说明
图1为基于SDN和NFV的5G网络切片资源管理***框图。
图2为创建网络切片整体流程图。
图3为基于PSO及DE的启发式优化流程图。
图4为调整网络切片机制流程图。
图5为请求接受率的测试结果示意图。
图6a为平均性能偏差的测试结果示意图之一。
图6b为平均性能偏差的测试结果示意图之二。
图6c为平均性能偏差的测试结果示意图之三。
图7为平均响应时间的测试结果示意图。
具体实施方式
下面结合说明书附图1-5、图6a、图6b、图6c、图7对本发明进一步详细说明，本发明提出了一种基于SDN和NFV的5G网络切片资源管理***。该***通过最小费用最大流算法与基于粒子群优化和差分进化改进的启发式算法结果进行优选来获取切片初始构造方案，然后通过基于最大流算法的内部调整方案和垂直扩充与水平扩充相结合的外部调整方案优化网络切片结构，最后利用失效切片延迟回收和复用策略进行切片回收，用于网络切片的综合资源管理。以下详细说明本发明方法涉及的关键步骤。
一种基于SDN和NFV的5G网络切片资源管理机制，包括以下几方面：
1.计算综合效益；
1.1综合效益定义，综合效益应同时反映网络切片两方面的内容：其一，运营商利用切片为终端用户提供服务而产生的利润；其二，服务质量低于运营商承诺的性能要求时产生的负面影响。因此将网络切片ns的综合效益定义为利润和负面影响因子的指数函数之和的形式，如式(1)：
CUns表示综合效益，pns表示利润，
表示负面影响因子的指数函数，nens表示负面影响因子。
1.2具体计算
利润pns即切片收入rens与切片成本costns之差如式(2)：
pns＝rens-γcostns (2)
切片ns收入rens定义如式(3)：
其中，
表示ns所属类型的切片的单价，bwthns、rlbns和delayns均是切片要求的KPI，分别表示端到端带宽、可靠性和时延。
切片成本costns定义如式(4)：
其含义是切片ns所占用的节点容量和链路带宽的加权和，其中β为两者的权重系数。
负面影响因子体现的是用户实际体验到的性能，用户实际体验越差，该值越小，其定义如式(5)：
其中，bwthns、rlbns和delayns分别是该切片承诺的端到端带宽、可靠性和时延，而与它们对应的rbwthns、rrlbns和rdelayns则代表切片的实际性能反馈。之所以采取整形函数fQoS(x)将nens限制在1以下是为了避免在优化过程中产生性能指标过高而资源占用过大的方案，以免造成无端的资源浪费。
2.性能监测模块
性能监测模块是在虚拟机(virtual machine，VM)之上、虚拟网络功能(virtualnetworkfunctions，VNFs)之下的模块。既可以是独立于编排器、SDN控制器、电信业务运营支持***(OSS/BSS)的一个模块，也可以是三者的一个组件，其主要功能是实时测试并反馈各网络切片的实际性能指标，作为网络切片资源管理的触发条件，虽然本申请仅在仿真程序中进行了代码实现，但该模块提供的实时监测结果是本文设计的资源管理机制正常运行的重要参考因素。
3.创建网络切片，网络切片的本质是运行于底层资源之上的定制化的虚拟网络，因此网络切片创建就是根据具体要求为用户设计虚拟网络的拓扑，并将其映射到租户的底层节点和链路上。在创建过程中，要在满足所有requestns中限制条件的前提下，使得ns的综合效益最大化。请参阅图2所示的创建网络切片整体流程，主要包括以下步骤：
3.1解析切片要求
***接收切片创建请求，并解析其中各项性能要求；
3.2基于图论的初始解获取
在获取的初始阶段，因为接入点和节点容量要求已固定，而sink节点作为统一的收点，因此切片网络图的构建可以简化为有向图的多次端到端路径寻找过程。通过在Dijkstra算法中增加搜索到以sink为目的最短路径作为循环终止条件，不断利用接入点到sink节点的最短路径作为增广路径，并根据路径有效带宽分配相应链路带宽和节点容量，得到路径的并集作为切片构造方案。为综合考虑时延和可靠性两重属性，将算法中的边权值
设为时延与可靠性之商，如式(7)所示：
其中，
表示时延，
表示可靠性。
3.3基于PSO及DE的启发式优化
通过在整体上采取DE算法对候选解进行迭代，与此同时利用PSO算法从全局和局部最优解出发对种群进行调整。也就是在DE算法变异的过程中穿插PSO算法中速度向量迭代，增加全局搜索性能。包括编码方案、适应度函数、初始化、变异、交叉和选择操作这六部分的内容。
请参阅图3所示的基于PSO及DE的启发式优化流程，主要包括以下步骤：
3.3.1编码与解码
需要对网络切片进行实数编码才能代入差分进化算法进行求解。通过采取基于节点容量的编码方式对网络切片进行编码，以一维向量
表示一个解向量，对应一个网络切片的节点，向量维数n表示基础设施中的节点数目。网络切片的虚拟链路集合同样编码为一维向量
获得编码后的一个完整切片，然后需要进行解码操作。将编码的两个向量与基础设施做解码运算即可获得对应的网络切片抽象Gi＝{Vi，Ei，Ci，Bi，D，Ri}，解码运算如式(8)-(13)：
Vi表示第i个节点，Ei表示第i条边，Ci表示第i个节点的性能容量，Bi表示第i条链路的带宽，Di表示第i条链路的传播时延，Ri表示第i条链路的可靠性。
3.3.2适应度函数
采取基于PSO和DE的启发式算法对切片构造方案进行求解，与DE算法的差别在于保留了PSO算法的速度向量更新操作。在创建网络切片的问题中，网络切片构造方案被抽象为个体向量，而个体之间的优劣性则需要根据适应度进行判断。因此定义适应度函数如式(14)：
该式代表了网络切片占用的节点和链路资源之和。
3.3.3初始化
在解空间中随机产生均匀分布的个体，用节点剩余容量限制解空间，除接入点和sink点外的每一维的取值方式如式(15)：
其中，j代表向量维度，hj和lj分别对应节点可分配给
的容量下限和上限。
3.3.4变异
在本发明中，变异既有DE算法的差分变异算子，又有PSO算法的速度向量算子。在第g代迭代中，个体xi(g)经差分变异产生变异个体hi(g)的运算如式(16)：
hi(g)＝xr1(g-1)+F·(xr2(g-1)-xr3(g-1))，F∈[0，2] (16)
其中r1、r2、r3是三个不相等的随机整数，缩放因子F用于控制差分向量的权重，取F＝0.5。
基于PSO的速度向量更新运算如式(17)-(18)：
xi(g)＝xi(g-1)+si(g) (17)
si(g)＝ωsi(g)+rand(0，1)[C1(besti-xi(g-1))+C2(best-xi(g-1))] (18)
其中，C1是局部搜索因子，取C1＝1.8。C2是全局搜索因子，取C2＝1.9。非负实数ω是惯性因子，正相关于算法的全局搜索能力。
3.3.5交叉
对原个体xi(g-1)和变异个体hi(g)进行交叉选择获得试验个体ti(g)，交叉选择操作如式(19)：
其中，cr∈[0，1]代表交叉概率。
3.3.6选择
通过对比个体xi(g-1)和交叉操作获得的试验个体ti(g)两者的适应度，选择适应度值更小的方案作为新一代个体，选择操作如式(20)：
3.4获取切片拓扑图
根据两种方案的综合效益进行优选，从而获得较优解。对获得的较优解进行解码以获得切片拓扑图，作为***分配节点和链路资源以生成实际的网络切片的依据。
4.调整网络切片
网络切片在运行的过程中会随着网络流量状态的变化而发生改变，因此需要实时动态调整切片达到扩充网络吞吐量、减小时延的目的，提高综合效益。当不涉及网络切片的拓扑及资源量的调整时，使用内部调度；当网络切片内的负载趋于饱和，切片本身的网络资源不足以支撑当前用户规模，采用外部调度。
请参阅图4所示的调整网络切片机制流程，主要包括以下步骤：
4.1基于VNF迁移的内部调度算法
内部调度算法改进了Dinic算法，经典的最大流算法在处理多发点问题时会添加一个虚拟的“超级发点”作为各个发点的源点，然后转化为单发点的最大流问题，但得出的结果并不能保证各个发点的流的分布状态。因此，本发明在路径增广时考虑时延和SFC中网络功能部署的限制，并且以具体的用户数作为约束条件，在各个发点间交替执行流扩充过程。
4.2外部调度算法
外部调度算法分为：垂直扩充和水平扩充。在不改变当前网络切片节点以及链路部署位置的前提下，对其节点和链路所占用的资源量进行调整，称为垂直扩充；在当前***的可调度资源的基础上进行重构，称为水平扩充。
4.2.1垂直扩充
通过计算每条网络流的扩充代价，然后按扩充代价进行升序排序，再基于排序后的网络流进行链路和节点资源的扩充。计算网络流扩充代价如式(21)：
β是定义资源成本使用的权重系数，b∈Bi，j是集合Bi，j中的任意一个元素，rm(vi，j)和rm(ei，j)分别表示网络流中某节点或某链路对应的切片中节点或链路的剩余资源大小。
4.2.2水平扩充
水平扩充过程和创建网络切片的过程类似，不同之处在于可调度资源范围及处理顺序。水平扩充中各切片可调度资源是自身已占有资源、基础设施层的未分配资源以及其他切片的空闲资源的并集。通过综合考虑各切片的性能状态、用户规模以及切片生存时间，定义网络切片的水平调整优先级如式(22)：
其中，Tri表示切片的剩余服务时间，Ui表示预期用户规模，nei表示负面性能评价。该优先级保证切片剩余生存时间越长、用户规模越小、切片性能越差的网络切片越优先进行水平扩充。
5.回收网络切片，回收机制不以优化资源使用和服务质量为目标，而是通过复用失效切片辅助创建和调整切片阶段。当网络切片达到了其生存周期或租户因其他原因不再需要某个切片时，失效切片将持续存在，直到该切片被复用或者因***资源短缺而被释放资源。
切片只有同时满足两个限制条件才能对失效切片进行复用：(1)接入点限制(2)KPI限制；接入点限制是指失效切片与接入节点的匹配，只有失效切片与接入点集合匹配才可能进行复用。KPI限制是保证失效切片的端到端性能能够满足切片创建或调整的要求，包括带宽、时延和可靠性要求。
6.用例评价
本专利集成了Mininet、Floodlight和sFlow三种工具的仿真平台进行仿真实现。
6.1基准机制
选定的基准机制包括基于复杂网络理论面向服务的切片部署算法(Service-Oriented deployment policy based on Complex Network theory，SOCN)和基于贪心最小负载(Greedy Least Loaded，GLL)的VNF部署算法。
SOCN对5G的三大应用场景下的切片进行区分，并基于复杂网络理论分析三者的不同优化目标，其中EMBB类切片的优化目标是最大化基础设施的节点剩余容量；MMTC类切片的优化目标是最大化基础设施的链路剩余容量；URLLC类切片的优化目标是最小化切片内的路径长度。以此为基础分别设计三类切片的节点和链路映射算法。而GLL是一种基于贪心策略的VNF部署算法，该算法在为网络切片中的虚拟网络节点分配资源时，优先选取拥有最多剩余容量的节点进行VNF的映射，旨在获取良好的节点负载分布平衡性，进而提升网络***的服务请求接受率。这两种基准机制使用了各不相同的虚拟网络构造方案，各项性能指标上呈现出多方面的倾向性，适合与本文提出的切片资源管理机制(Ours)以及提出的仅保留创建网络切片机制的SC机制做出全面的对比。
6.2评价指标
本专利采用了三种性能评价指标，包括：请求接受率、平均性能偏差(平均带宽偏差、平均时延偏差、平均可靠性偏差)和请求响应时间。
其中，请求接受率反映了相同的基础设施在各种资源管理机制下对网络切片的承载能力；平均带宽偏差衡量了本发明与基准机制产生的网络切片的实际用户数据承载能力；平均时延偏差反映了各网络切片应对高负载场景时的时延性能表现；请求响应时间是对算法本身的可用性进行测试。
此三个指标中，请求接受率越高越好，平均性能偏差和请求响应时间越低越好。
6.3评价结果
本申请在Mininet、Floodlight和sFlow三种工具的仿真平台上进行仿真实现，分别实现SOCN(Service-Oriented deployment policy based on Complex Networktheory)机制、GLL(Greedy Least Loaded)机制、本申请提出的Ours机制，还加入仅保留创建网络切片机制的SC机制。这四种机制的测试结果请参阅图5-图7方法测试结果。
本发明在请求接受率和平均性能偏差方面都较优于目前已有的网络切片资源管理方法，说明了本发明对提高资源效用、服务质量等方面起到有益效果。
Claims (8)
1.一种基于SDN和NFV的5G网络切片资源管理机制，其特征在于：主要包括如下步骤：
步骤1计算综合效益；通过接收运营商设定的网络切片定价参数，用以计算作为资源管理机制的全局优化目标的综合效益；
步骤2创建性能监测模块；通过实时测试并反馈各网络切片的实际性能指标，作为网络切片资源管理的触发条件；
步骤3创建网络切片，基于图论的初始解获取算法，以及基于PSO和DE算法得到启发式搜索算法；
步骤4在运行已创建好的网络切片过程中，根据切片运行状态适时调整网络切片，包括基于VNF迁移的内部调度算法和外部调度算法；
步骤5当网络切片达到生存周期，或者租户因其他原因不再需要某个切片时，采用切片回收决策，决定切片资源延迟回收及复用策略。
2.根据权利要求1所述的基于SDN和NFV的5G网络切片资源管理机制，其特征在于：所述步骤1包括如下步骤：
步骤1.1定义综合效益：利润和负面影响因子的指数函数之和计算公式(1)：
步骤1.2分别计算利润和负面影响因子的指数函数，利润pns即切片收入rens与切片成本costns之差如式(2)：
pns＝rens-γcostns (2)
切片ns收入rens定义如式(3)：
其中，
表示ns所属类型的切片的单价，bwthns、rlbns和delayns均是切片要求的KPI，分别表示端到端带宽、可靠性和时延；
切片成本costns定义如式(4)：
其含义是切片ns所占用的节点容量和链路带宽的加权和，其中β为两者的权重系数；
负面影响因子体现的是用户实际体验到的性能，用户实际体验越差，该值越小，其定义如式(5)：
其中，bwthns、rlbns和delayns分别是该切片承诺的端到端带宽、可靠性和时延，而与其对应的rbwthns、rrlbns和rdelayns则代表切片的实际性能反馈；采取整形函数fQoS(x)将nens限制在1以下，避免在优化过程中产生性能指标过高而资源占用过大的方案，以免造成无端的资源浪费。
3.根据权利要求1所述的基于SDN和NFV的5G网络切片资源管理机制，其特征在于：所述步骤2中.性能监测模块是在虚拟机之上、虚拟网络功能之下的模块；既可以是独立于编排器、SDN控制器、电信业务运营支持***的一个模块，也可以是三者的一个组件，其主要功能是实时测试并反馈各网络切片的实际性能指标，作为网络切片资源管理的触发条件，在仿真程序中进行了代码实现，提供的实时监测结果是资源管理机制正常运行的重要参考因素。
4.根据权利要求1所述的基于SDN和NFV的5G网络切片资源管理机制，其特征在于：所述步骤3包括如下步骤：
步骤3.1***接收切片创建请求，并解析其中各项性能要求；
步骤3.2根据确定的发点和收点在底层拓扑图上利用图论知识分别映射节点和链路以获得初始解；通过在Dijkstra算法中增加搜索到以sink为目的最短路径作为循环终止条件，不断利用接入点到sink节点的最短路径作为增广路径，并根据路径有效带宽分配相应链路带宽和节点容量，得到路径的并集作为切片构造方案；为综合考虑时延和可靠性两重属性，将算法中的边权值
设为时延与可靠性之商，如式(7)所示：
其中，
表示时延，
表示可靠性；
步骤3.3基于PSO和DE算法进行启发式搜索，获得优化方案；包括编码方案、适应度函数、初始化、变异、交叉和选择操作这六部分的内容；通过采取基于节点容量的编码方式对网络切片进行编码，解码是将编码后的两个向量与基础设施做解码运算即可获得对应的网络切片抽象；
定义适应度函数如式(8)：
该式代表了网络切片占用的节点和链路资源之和；
在解空间中随机产生均匀分布的个体，初始化如式(9)：
其中，j代表向量维度，hj和lj分别对应节点可分配给
的容量下限和上限；
在第g代迭代中，个体xi(g)经差分变异产生变异个体hi(g)的运算如式(10)：
hi(g)＝xr1(g-1)+F·(xr2(g-1)-xr3(g-1))，F∈[0，2] (10)
其中，r1、r2、r3是三个不相等的随机整数，缩放因子F用于控制差分向量的权重，取F＝0.5；
基于PSO的速度向量更新运算如式(11)-(12)：
xi(g)＝xi(g-1)+si(g) (11)
si(g)＝ωsi(g)+rand(0，1)[C1(besti-xi(g-1))+C2(best-xi(g-1))](12)
其中，C1是局部搜索因子，取C1＝1.8；C2是全局搜索因子，取C2＝1.9；非负实数ω是惯性因子，正相关于算法的全局搜索能力；
对原个体xi(g-1)和变异个体hi(g)进行交叉选择获得试验个体ti(g)，交叉选择操作如式(13)：
其中，cr∈[0，1]代表交叉概率；
通过对比个体xi(g-1)和交叉操作获得的试验个体ti(g)两者的适应度，选择适应度值更小的方案作为新一代个体，选择操作如式(14)：
步骤3.4根据两种方案的综合效益进行优选，从而获得较优解；对获得的较优解进行解码以获得切片拓扑图，作为***分配节点和链路资源以生成实际的网络切片的依据。
5.根据权利要求1所述的基于SDN和NFV的5G网络切片资源管理机制，其特征在于：所述步骤4的包括如下步骤：
步骤4.1性能监测模块检测到网络切片的性能指标不达标时，首先对这些网络切片执行内部调度，通过调整网络切片中VNF的部署位置和数量来优化网络结构，在不改变当前网络切片资源分配方案的前提下改善服务性能；通过改进Dinic算法在路径增广时考虑时延和SFC中网络功能部署的限制，并且以具体的用户数作为约束条件，在各个发点间交替执行流扩充过程；
步骤4.2当切片的负载过重，内部调度的结果也无法使得网络性能达标时，则考虑对切片进行外部调度，根据扩充的资源位置不同，又分为垂直扩充和水平扩充；垂直扩充是在不改变当前网络切片节点以及链路部署位置的前提下，对其节点和链路所占用的资源量进行调整；水平扩充是在当前***的可调度资源的基础上进行重构。
6.根据权利要求5所述的基于SDN和NFV的5G网络切片资源管理机制，其特征在于：
垂直扩充：通过计算每条网络流的扩充代价，然后按扩充代价进行升序排序，再基于排序后的网络流进行链路和节点资源的扩充；计算网络流扩充代价如式(15)：
β是定义资源成本使用的权重系数，b∈Bi，j是集合Bi，j中的任意一个元素，rm(vi，j)和rm(ei，j)分别表示网络流中某节点或某链路对应的切片中节点或链路的剩余资源大小。
7.根据权利要求5所述的基于SDN和NFV的5G网络切片资源管理机制，其特征在于：
水平扩充：和创建网络切片的过程类似，不同之处在于可调度资源范围及处理顺序；水平扩充中各切片可调度资源是自身已占有资源、基础设施层的未分配资源以及其他切片的空闲资源的并集；通过综合考虑各切片的性能状态、用户规模以及切片生存时间，定义网络切片的水平调整优先级如式(16)：
其中，Tri表示切片的剩余服务时间，Ui表示预期用户规模，nei表示负面性能评价；该优先级保证切片剩余生存时间越长、用户规模越小、切片性能越差的网络切片越优先进行水平扩充。
8.根据权利要求1所述的基于SDN和NFV的5G网络切片资源管理机制，其特征在于：
所述步骤5的具体步骤包括：
步骤5.1当网络切片达到了其生存周期，或租户因其他原因不再需要某个切片时，失效切片将持续存在，直到该切片被复用或者因***资源短缺而被释放资源；
步骤5.2切片只有同时满足两个限制条件才能对失效切片进行复用：(1)接入点限制；(2)KPI限制；接入点限制是指失效切片与接入节点的匹配，只有失效切片与接入点集合匹配才可能进行复用；KPI限制是保证失效切片的端到端性能能够满足切片创建或调整的要求，包括带宽、时延和可靠性要求。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110684284.0A CN113596868A (zh) | 2021-06-21 | 2021-06-21 | 基于sdn和nfv的5g网络切片资源管理机制 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110684284.0A CN113596868A (zh) | 2021-06-21 | 2021-06-21 | 基于sdn和nfv的5g网络切片资源管理机制 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113596868A true CN113596868A (zh) | 2021-11-02 |
Family
ID=78244212
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110684284.0A Pending CN113596868A (zh) | 2021-06-21 | 2021-06-21 | 基于sdn和nfv的5g网络切片资源管理机制 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113596868A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114339857A (zh) * | 2021-12-07 | 2022-04-12 | 重庆邮电大学 | 超密集异构无线网络中基于网络相似性的垂直切换方法 |
| CN114584468A (zh) * | 2022-02-12 | 2022-06-03 | 国网宁夏电力有限公司电力科学研究院 | 面向多维资源的网络动态切片方法 |
| CN115967629A (zh) * | 2022-12-19 | 2023-04-14 | 众芯汉创（北京）科技有限公司 | 一种基于5g通信网络切片划分的数据通信*** |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2018141183A1 (zh) * | 2017-02-04 | 2018-08-09 | 中兴通讯股份有限公司 | 一种编排管理***和网络切片处理方法 |
| CN109714795A (zh) * | 2019-01-24 | 2019-05-03 | 南京邮电大学 | 一种基于sdn网络切片的资源管理方法、资源管理***以及装置 |
| CN110087250A (zh) * | 2019-04-04 | 2019-08-02 | 南京邮电大学 | 一种基于多目标联合优化模型的网络切片编排方案及其方法 |
| CN110662231A (zh) * | 2019-09-25 | 2020-01-07 | 南京优速网络科技有限公司 | 面向5g环境的网络切片资源调整方法及*** |
-
2021
- 2021-06-21 CN CN202110684284.0A patent/CN113596868A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2018141183A1 (zh) * | 2017-02-04 | 2018-08-09 | 中兴通讯股份有限公司 | 一种编排管理***和网络切片处理方法 |
| CN109714795A (zh) * | 2019-01-24 | 2019-05-03 | 南京邮电大学 | 一种基于sdn网络切片的资源管理方法、资源管理***以及装置 |
| CN110087250A (zh) * | 2019-04-04 | 2019-08-02 | 南京邮电大学 | 一种基于多目标联合优化模型的网络切片编排方案及其方法 |
| CN110662231A (zh) * | 2019-09-25 | 2020-01-07 | 南京优速网络科技有限公司 | 面向5g环境的网络切片资源调整方法及*** |
Non-Patent Citations (2)
| Title |
|---|
| 周恒等: "一种5G网络切片的编排算法", 《电信科学》 * |
| 周恒等: "一种5G网络切片的编排算法", 《电信科学》, no. 08, 20 August 2017 (2017-08-20) * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114339857A (zh) * | 2021-12-07 | 2022-04-12 | 重庆邮电大学 | 超密集异构无线网络中基于网络相似性的垂直切换方法 |
| CN114339857B (zh) * | 2021-12-07 | 2023-07-25 | 重庆邮电大学 | 超密集异构无线网络中基于网络相似性的垂直切换方法 |
| CN114584468A (zh) * | 2022-02-12 | 2022-06-03 | 国网宁夏电力有限公司电力科学研究院 | 面向多维资源的网络动态切片方法 |
| CN115967629A (zh) * | 2022-12-19 | 2023-04-14 | 众芯汉创（北京）科技有限公司 | 一种基于5g通信网络切片划分的数据通信*** |
| CN115967629B (zh) * | 2022-12-19 | 2023-11-03 | 众芯汉创（北京）科技有限公司 | 一种基于5g通信网络切片划分的数据通信*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Islam et al. | A survey on task offloading in multi-access edge computing | |
| CN110275758B (zh) | 一种虚拟网络功能智能迁移方法 | |
| Zhang et al. | Resource provision algorithms in cloud computing: A survey | |
| CN113596868A (zh) | 基于sdn和nfv的5g网络切片资源管理机制 | |
| WO2020258920A1 (zh) | 一种网络切片资源管理方法及设备 | |
| Sun et al. | Dynamic network function provisioning to enable network in box for industrial applications | |
| Zhou et al. | Reinforcement learning-based adaptive resource management of differentiated services in geo-distributed data centers | |
| Cui et al. | A novel offloading scheduling method for mobile application in mobile edge computing | |
| CN102664814B (zh) | 一种虚拟网络中基于灰色预测的自适应动态资源分配方法 | |
| Kim et al. | Multi-agent reinforcement learning-based resource management for end-to-end network slicing | |
| CN105610715B (zh) | 一种基于sdn的云数据中心多虚拟机迁移调度计划方法 | |
| CN108170530B (zh) | 一种基于混合元启发式算法的Hadoop负载均衡任务调度方法 | |
| CN110087250B (zh) | 一种基于多目标联合优化模型的网络切片编排方案及其方法 | |
| Gao et al. | An energy-aware ant colony algorithm for network-aware virtual machine placement in cloud computing | |
| CN107846371B (zh) | 一种多媒体业务QoE资源分配方法 | |
| CN112822050A (zh) | 用于部署网络切片的方法和装置 | |
| WO2023109068A1 (zh) | 一种多云环境下基于用户体验的虚拟机自动迁移决策方法 | |
| Li et al. | An efficient scheduling optimization strategy for improving consistency maintenance in edge cloud environment | |
| Fathi et al. | Consolidating VMs in green cloud computing using harmony search algorithm | |
| Xiang et al. | Computing power allocation and traffic scheduling for edge service provisioning | |
| Mostafa | Cooperative fog communications using a multi-level load balancing | |
| Chai et al. | A parallel placement approach for service function chain using deep reinforcement learning | |
| Saravanan et al. | Improving map reduce task scheduling and micro-partitioning mechanism for mobile cloud multimedia services | |
| Bensalem et al. | Towards optimal serverless function scaling in edge computing network | |
| Wang et al. | An efficient framework for online virtual network embedding in virtualized cloud data centers |
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 | ||
| AD01 | Patent right deemed abandoned | ||
| AD01 | Patent right deemed abandoned |
Effective date of abandoning: 20240329 |