[发明专利]基于数据驱动的VNF需求预测方法及系统

权利要求书

1.一种基于数据驱动的VNF需求预测方法，用于NFV网络流量的资源调度，其特征在于，包含如下内容：

依据目标待测网络节点及节点之间的链路获取该目标待测网络的拓扑结构及拓扑结构邻接矩阵；并依据时间点上每个节点的VNFI数量构建网络节点特征矩阵；其中，将目标待测网络的拓扑结构表示为G＝(N,E)，其中，N＝{n_i|i＝1,...,m}为网络节点的集合，m为节点数，E＝{e_ij|i,j＝1,...,m}为网络中节点n_i和n_j之间链路集合；拓扑结构邻接矩阵利用无向图邻接矩阵表示；无向图邻接矩阵其中，如果节点n_i和n_j之间存在一条链路e_ij，则链路权重a_ij＝1，否则为0；

通过目标待测网络拓扑结构邻接矩阵及网络节点特征矩阵，并依据每个VNF部署中需要处理的最大流量负载及每个基础设施VNFI在不降低服务质量的情况下能够处理的最大流量，预测待测节点在未来时间段内所需VNFI数量，其中，节点上的VNF数量视为网络节点的特征，并由特征矩阵表示，K是节点特征的数量，即历史序列的长度，X_i表示时刻i每个节点的VNF数量；将VNF需求预测建模的时间和空间依赖性建模为基于网络拓扑G和网络节点的特征矩阵X学习映射函数f的过程，针对目标待测网络的拓扑结构邻接矩阵和网络节点特征矩阵，利用已训练优化的VNF需求预测模型来预测未来时间段内待测节点所需VNFI数量，其中，使用GCN进行特征分类，结合GRU进行时序回归来构建VNF需求预测模型，该VNF需求预测模型包含：依据拓扑结构邻接矩阵和网络节点特征矩阵提取数据空间特征的GCN、依据前一时刻隐藏状态和GCN输出确定当前时刻网络节点特征及节点特征变化趋势的GRU及依据GRU输出确定未来时间段内待测节点VNFI数量的全连接层，VNF需求预测模型依据历史时间序列长度中网络拓扑邻接矩阵和网络节点特征矩阵通过映射函数预测未来时间段VNF数量，将CSV格式的拓扑邻接矩阵和VNFI数量矩阵输入GCN来提取数据的空间特征，在GRU中利用前一时刻的隐藏状态和经过GCN特征重构的当前时刻的VNFI数量数据作为输入来确定当前时刻的节点特征，并通过门控机制在捕获当前节点特征时保留过去的节点特征的变化趋势，以提取待测数据的时间特征，并通过全连接层输出CSV格式的预测结果，预测结果为下一时间步长，或未来一段时间内被预测节点的VNFI数量；VNF需求预测模型训练优化的损失函数表示为其中，V_t和分别表示在时刻t的实际VNF数量和预测VNFI数量，λ表示惩罚因子，L_reg表示回归损失；将p个历史时间序列流量数据输入到VNF需求预测模型中，以获得涵盖时空特征{h_t-p,…,h_t-1,h_t}的p个隐藏状态(h)；并通过收集目标待测网络拓扑结构中设定时间长度的流量数据，将该设定时间长度中各节点域内流量负载构成用于获取流量随时间变化的前后依赖关系的单变量数据集，利用该单变量数据集获取拓扑结构邻接矩阵和网络节点特征矩阵，其中，设定时间长度至少包含一个时间步长。

2.一种基于数据驱动的VNF需求预测系统，其特征在于，基于权利要求1所述的方法实现，包含：数据获取模块和需求预测模块，其中，

数据获取模块，用于依据目标待测网络节点及节点之间的链路获取该目标待测网络的拓扑结构及拓扑结构邻接矩阵；并依据时间点上每个节点的VNFI数量构建网络节点特征矩阵；

需求预测模块，用于通过目标待测网络拓扑结构邻接矩阵及网络节点特征矩阵，并依据每个VNF部署中需要处理的最大流量负载及每个基础设施VNFI在不降低服务质量的情况下能够处理的最大流量，预测待测节点在未来时间段内所需VNFI数量。

3.一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器之行时，使得所述处理器执行如权利要求1所述方法的步骤。

4.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1所述方法的步骤。