[发明专利]一种基于虚拟网络功能资源需求预测的网络延时优化方法

权利要求书

1.一种基于虚拟网络功能资源需求预测的网络延时优化方法，其特征在于，所述方法包括：

步骤1，利用SDN的全局感知，获取网络中SFC的信息，并提取SFC的资源需求特征；

步骤2，构建LSTM神经网络预测模型，预测VNFs下一时刻的资源需求；

步骤3，根据预测结果，判断所述网络的负载情况，并决定是否进行优化；

步骤4，将网络变化程度分级，并根据网络环境的不同变化程度重构SFCs，使得网络时延最小；

所述步骤1进一步包括：将物理网络表示为一个无向图，表示为G^p＝(N^p,L^p)，其中N^p表示物理节点的集合，L^p表示物理链路的集合；每个物理节点n∈N^p的CPU资源表示为物理节点m,n∈N^p之间的链路l_m,n∈L^p的带宽资源表示为根据需求设定它们各自的阈值，分别表示为r_c、r_b；将SFCs表示为一个有向图，表示为G^s＝(N^s,L^s)，其中N^s表示VNF节点的集合，L^s表示VNF之间虚拟链路的集合；当有T条SFC请求，集合表示为T＝{S₁,S₂,...,S_T}，网络中存在F种类型的VNF，集合表示为F＝{vnf₁,vnf₂,...,vnf_F}；每条SFC由一个或多个VNF组成，其中，第i条SFC由k个不同类型的VNF组成，将S_i表示为其中o_i是源点，t_i是目标点，是k个VNF的集合，表示为当服务器上内存类型的硬件资源充足时，提取CPU资源作为VNF资源需求的特征，其中，将S_i中vnf_k所需的CPU资源表示为C_i,k，观察得到S_i所需CPU资源的历史样本，表示为Q_i＝{C_i,1,C_i,2,...,C_i,k}，其中，d表示样本中时隙的个数，t表示时刻，表示S_i中vnf_k在t时刻所需的CPU资源；将S_i中vnf_k和vnf_k+1之间的虚拟链路表示为l_i,k,k+1，l_i,k,k+1所需的带宽资源表示为B_i,k,k+1；B_i,k,k+1的公式如下所示：B_i,k,k+1＝C_i,k·L_p/t_proc，其中，L_p表示数据包的长度，t_proc表示包处理时间；

所述步骤2进一步包括：通过LSTM的遗忘门、输入门和输出门对VNF输入进行迭代学习，其中，LSTM通过计算以及门控制输入和输出数据来学习门，并且通过遗忘门删除无用的数据；

所述步骤3进一步包括：

构建一个整数线性规划模型(ILP)，公式如下所示：

其中，是一个二进制变量，λ_proc表示虚拟机的利用率，λ_link表示带宽的利用率，当部署在节点n∈N^p上时为1，否则为0；也是二进制变量，当相邻的vnf_k和vnf_k+1之间的虚拟链路l_i,k,k+1映射在物理链路l_m,n∈L^p上时为1，否则为0，根据LSTM预测的结果，判断网络的负载情况，对于已经部署的SFCs，根据网络环境的变化程度选择不同级别的重构方式，对于新到的SFCs，选择合适的节点和链路进行映射；

所述步骤4中的所述网络环境的不同变化程度包括：当节点负载在阈值范围内，链路负载超出阈值，即λ_link超出设定的阈值，但是λ_proc没有超出阈值，将上述公式：简化为以下公式：

在网络中搜寻可替代原链路的负载率最小的链路，重新路由，若搜寻不到，考虑可分离流，将流量分成多条链路路由；若存在相同负载率的可替代链路，选择跳数较小的那个；

所述步骤4中的所述网络环境的不同变化程度还包括：当节点负载超出阈值范围，即λ_proc超出设定的阈值，对整条SFC进行重构，将超出节点资源阈值的VNF迁移到别的负载率小的节点上；其中，SFC的重构成本，表示为C_recon，公式如下所示：

其中，B_i,k,k+1表示迁移vnf_k的带宽需求，|l_u,v|表示将vnf_k从节点u迁移到v的物理链路的跳数，u,v∈N^p表示物理节点u∈N^p和物理节点v∈N^p；再将SFC的重构成本作为约束条件，利用求解器求解整数线性规划模型(ILP),找到的最优解。