[发明专利]一种网络服务功能链部署方法

说明书

本发明公开一种网络服务功能链部署方法，步骤为：1)读取服务功能链请求；2)计算底层网络每个节点的全局资源容量值；3)建立图卷积神经网络；4)选出候选部署集B＝{B1，B2，…，BN}；5)按照值函数最大的候选部署子集Bk对物理网络进行部署，更新底层网络信息。本发明使用了节点排序算法概率性生成获选部署集合来减少时间复杂度，采用时序差分算法来更新候选值函数，使用图卷积神经网络动态捕获网络拓扑和剩余资源，并根据最优值函数对网络功能服务请求进行实时到达的在线部署决策。

技术领域

本发明涉及网络服务功能链领域，具体是一种网络服务功能链部署方法。

背景技术

在传统网络中，服务提供者依靠中间盒来实现网络地址转换、入侵防御系统、防火墙和负载均衡器等网络功能。然而，这些网络功能被直接连接到专用硬件中，导致了服务部署中的可伸缩性不足、不灵活和管理成本高的问题。为了解决这些问题，网络功能虚拟化(Network Function Virtualization，NFV)将网络功能从专用硬件转换为软件中间盒。NFV技术以虚拟网络功能(Virtual Network Function，VNFs)的形式部署网络服务或应用程序，实现了灵活、可伸缩的部署和管理。为了组成复杂的服务，网络流量通常需要按照业务逻辑所需的特定顺序通过一组VNFs，这种链被称为服务功能链(Service Function Chain，SFC)。网络的效率在很大程度上取决于部署位置和数据传输链路的选择，这是网络服务功能链部署问题的研究重点。

现有方法有基于数学的部署算法，仿真结果显示该算法能够解决SFC的离线部署，但是需要消耗很大的计算能力，另外，在真实的场景中SFC到达时间与请求的资源是未知的，因此SFC部署应该是一个在线的部署问题，还有基于启发式和元启发式的部署方法，这些方法虽然能够解决上述问题，但是它们可能会陷入局部最优解，还有一些研究基于强化学习的部署算法来解决上述问题，但是这些方法要么有很大的搜索空间，不适合进行实时部署决策，要么依赖于手动选择特性学习算法影响其有效性。

发明内容

本发明的目的是提供一种网络服务功能链部署方法，包括以下步骤：

1)读取当前物理网络信息和服务功能链请求。

所述物理网络信息包括物理网络拓扑A和剩余资源容量状态s_k，其中s_k包含剩余节点容量和剩余链路带宽。

所述服务功能链请求记为SFCs＝{SFC1，SFC2，SFC3，…，SFCn}。n为所述服务功能链请求的数量。

2)基于物理网络信息计算底层网络每个节点的全局资源容量值。

其中，节点u的全局资源容量值r(u)如下所示：

式中，d为常数。d∈(0，1)。表示归一化之后的节点u容量。N(u)表示与节点u相邻的节点集合。b(u,v)表示节点u和节点v之间链路带宽。v、x为与节点u相邻的节点。b(x,v)表示节点x和节点v之间链路带宽。r(v)为节点v的全局资源容量值。

3)建立图卷积神经网络，将物理网络信息s_k输入到图卷积神经网络中，预测出部署前的状态值函数V(s_k)。所述图卷积神经网络包括输入层、隐含层和输出层。其中，图卷积神经网络的输入为部署前的物理网络状态s_k，输出为物理网络状态值函数V(s_k)。

其中，物理网络状态值函数V(s_k)如下所示：

式中，f(*)代表激活函数。代表的是的无向邻接矩阵。I_N为单位矩阵，矩阵w₁和w₂为图卷积神经网络的参数。