[发明专利]基于数据驱动的VNF需求预测方法及系统

说明书

本发明涉及网络信息处理技术领域，特别涉及一种基于数据驱动的VNF需求预测方法及系统，用于NFV网络流量的资源调度，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；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。本发明能够使VNF实例动态精准地供应并服务于NFV网络业务波动的流量，以实现最佳的资源调度和网络业务的高效运行，具有较好的应用价值。

技术领域

本发明涉及网络信息处理技术领域，特别涉及一种基于数据驱动的VNF需求预测方法及系统。

背景技术

网络功能虚拟化(network function virtualization，NFV)通过软硬件解耦及功能抽象使网络设备功能不再依赖于专用硬件，资源可以充分灵活共享，实现新业务的快速开发和部署，进行自动部署、弹性伸缩、故障隔离和自愈等。然而，NFV技术仍处于应用的起步阶段，要使预期优势真正落地仍然需要克服许多的挑战，其中最核心的挑战之一就是如何使虚拟化网络功能(virtualised network function，VNF)实例的动态供应精准地服务于NFV网络中波动的流量，以实现最佳的资源调度，即VNF的需求预测。目前的研究中大多采取被动的方式进行VNF放缩，这种反应式的方式会损害放缩期间的服务质量QoS水平。

发明内容

为此，本发明提供一种基于数据驱动的VNF需求预测方法及系统，使VNF实例动态供应精准地服务于NFV网络中波动的流量，以实现最佳的资源调度和网络业务的高效运行。

按照本发明所提供的设计方案，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，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；

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。

作为本发明基于数据驱动的VNF需求预测方法，进一步地，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，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。

作为本发明基于数据驱动的VNF需求预测方法，进一步地，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。

作为本发明基于数据驱动的VNF需求预测方法，进一步地，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。

作为本发明基于数据驱动的VNF需求预测方法，进一步地，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。