[发明专利]网络服务功能链在线迁移方法及系统

权利要求书

1.一种网络服务功能链在线迁移方法，其特征在于，包括以下步骤：

步骤A1：获取时间片的网络流量样本数据；

步骤A2：基于DDQN网络架构，构建DDQN神经网络；

步骤A3：基于所述网络流量样本数据，以及与所述网络流量样本数据相对应的迁移策略，对所述DDQN神经网络进行训练；其中，所述迁移策略包括为对应时间片的网络选择的迁移对象；

步骤A4：基于训练完成的所述DDQN神经网络，以及获取到的网络流量预测数据，对对应的迁移对象进行迁移。

2.根据权利要求1所述的网络服务功能链在线迁移方法，其特征在于，所述迁移策略中，在某一个时间片向所述某一个时间片的下一个时间片过渡时，根据流量变化趋势确定迁移对象，其中，当流量变化趋势为减少时，对资源利用率小于预设资源利用率阈值的节点的VNF实例实施迁移，然后关闭迁移后的空闲节点；当流量变化趋势为增加时，对资源利用率大于或者等于所述预设资源利用率阈值，或者服务功能链延迟超出预设延迟阈值的VNF实例实施迁移。

3.根据权利要求1所述的网络服务功能链在线迁移方法，其特征在于，所述步骤A3中，所述DDQN神经网络的输入为：节点状态信息、物理链路状态信息和SFC状态信息；所述DDQN神经网络的训练过程中，每一步的动作是在所有物理节点中，为虚拟功能节点选择最优的物理节点来映射。

4.根据权利要求1所述的网络服务功能链在线迁移方法，其特征在于，所述网络流量预测数据的获取过程包括：

步骤B1：获取历史网络流量数据，所述历史网络流量数据包括当天之前的某三天中与当天的当前时间片相对应的时间片的网络流量，以及当天中所述当天的当前时间片上一个时间片的网络流量；

步骤B2：基于LSTM网络架构，构建LSTM神经网络；

步骤B3：基于所述历史网络流量数据以及所述当天的当前时间片的网络流量，对所述LSTM神经网络进行训练；

步骤B4：基于训练完成的所述LSTM神经网络，对对应时间片的网络流量进行预测。

5.根据权利要求4所述的网络服务功能链在线迁移方法，其特征在于，所述当天之前的某三天分别对应当天的前一天、当天的前两天和当天的前一周。