本发明涉及网络功能虚拟化,尤其涉及一种基于边缘网络的服务功能链重构方法。
背景技术:
1、物联网(internet of things,iot)设备的迅速普及造成物联网终端(如工业传感器、智能摄像头等)产生了越来越多异构的计算密集型和时延敏感型业务请求流,为了满足这些请求流的安全性、可靠性、时敏性等传输要求,互联网服务提供商(internet serviceprovider,isp)利用移动边缘计算(mobile edge computing,mec)技术和网络功能虚拟化(network function virtualization,nfv)技术,在网络边缘侧部署由多个虚拟网络功能(virtual network function,vnf)依序组成的服务功能链(service function chain,sfc)为这些请求流提供高质量的网络服务。
2、越来越多的物联网设备试图随时随地访问边缘网络服务,导致网络流量实时变化,造成已部署的sfc对底层网络的资源需求发生变化,从而可能超出已部署边缘服务器的资源使用阈值,降低网络服务质量(qualityofservice,qos),为确保向用户提供一致性的高质量服务,网络服务提供商需要对部分已部署的sfc进行重构。
3、目前,一般通过实时监控边缘服务器负载变化来触发服务功能链的重构,通过预测虚拟网络功能实例的资源需求,以解决服务功能链重构问题。但链路重构也会额外消耗资源,导致重构效果不佳。
技术实现思路
1、本发明提供一种基于边缘网络的服务功能链重构方法及系统,以解决目前服务功能链重构性能不佳的问题。
2、本发明通过下述技术方案实现:
3、本发明的第一方面,提供了一种基于边缘网络的服务功能链重构方法,所述服务功能链包括多个虚拟网络功能,所述虚拟网络功能部署在边缘服务器上,所述方法包括:
4、基于用户的历史轨迹信息得到用户的预测位置信息,所述用户为所述服务功能链服务的用户;
5、基于所述预测位置信息预测所述服务功能链的端到端时延;基于虚拟网络功能的历史资源使用信息预测各所述虚拟网络功能的资源需求;
6、当所述端到端时延违反端到端时延约束,或者所述资源需求超过负载范围,则基于各所述端到端时延和资源需求确定待迁移虚拟网络功能;
7、建立优化函数,所述优化函数为各边缘服务器之间的端到端时延和重构成本的加权和;
8、基于所述优化函数确定待迁入边缘服务器,以使得将所述待迁移虚拟网络功能迁移至所述待迁移服务器时所述优化函数值最小;
9、将所述待迁移虚拟网络功能迁移至所述待迁入边缘服务器。
10、本发明的服务功能链重构方法,考虑物联网终端用户高移动性影响,通过资源需求预测和端到端时延预测,基于预测结果提前触发服务功能链的重构,并根据虚拟网络功能在下一时隙的资源需求和端到端时延确定待迁移的虚拟网络功能,将过载节点上的虚拟网络功能迁入合适节点,在网络服务质量下降前完成服务功能链的重构,为用户提供一致性的高质量服务。在确定迁入节点时,基于构建的优化函数,综合考虑重构成本和重构性能,将迁移代价控制在最优解,保障了边缘网络的性能和高可用性。
11、进一步地,基于各所述端到端时延和资源需求确定待迁移虚拟网络功能,包括:
12、将所述资源需求超过负载范围的虚拟网络功能确定为待迁移虚拟网络功能;或者,
13、将所述违反端到端时延约束的服务功能链中的虚拟网络功能确定为候选虚拟网络功能;
14、将所述候选虚拟网络功能按照资源利用率进行从大到小的排序,将排序结果中前n个候选虚拟网络功能确定为待迁移虚拟网络功能,以使得将所述前n个候选虚拟网络功能迁移至所述待迁入边缘服务器时,所述服务功能链满足端到端时延约束。
15、进一步地,将所述资源需求超过对应边缘服务器负载范围的虚拟网络功能确定为待迁移虚拟网络功能,包括:
16、基于所述资源需求计算各所述虚拟网络功能的资源利用率,若所述虚拟网络功能的资源利用率大于资源利用率上限或者小于资源利用率下限,则将所述虚拟网络功能确定为所述待迁移虚拟网络功能。
17、进一步地,基于所述优化函数确定待迁入边缘服务器,包括:
18、将满足端到端时延约束,且满足资源需求约束的边缘服务器确定为候选边缘服务器;
19、将候选边缘服务器中使得优化函数值最小的边缘服务器确定为待迁入边缘服务器。
20、进一步地,所述重构成本表示为:
21、
22、其中cl表示在链路l上每传输100mbit的数据的传播成本,是一个二进制变量,表示t时隙物联网请求流i将服务从边缘服务器c迁移到边缘服务器c',否则表示未进行迁移,是一个二进制变量,表示vnfm从边缘服务器c迁移到边缘服务器c'后的数据包使用物理链路l作为重路由路径,表示物联网请求流i在时隙t从边缘服务器c上的vnfm迁移到边缘服务器c'的数据包大小。
23、进一步地,将所述待迁移虚拟网络功能迁移至所述待迁入边缘服务器,包括:
24、构造所述边缘网络的加权图,所述加权图的节点为边缘服务器,所述加权图的边权重为重构成本和传输时延的加权和;
25、将所述待迁入边缘服务器所在节点拆分为两个虚节点,所述虚节点之间的边权重为处理时延;
26、基于所述加权图获取从所述待迁移虚拟网络功能到所述待迁入边缘服务器之间的最短路径,并基于所述最短路径将所述待迁移虚拟网络功能迁移至所述待迁入边缘服务器。
27、进一步地,基于轨迹预测模型得到所述用户的预测位置信息;所述轨迹预测模型包括bi-lstm编码器、注意力层、lstm解码器;
28、将用户历史轨迹序列输入bi-lstm编码器,所述bi-lstm编码器包括两个lstm,用于对输入序列的正序列和逆序列进行隐层特征提取,得到第一隐藏状态特征;
29、所述注意力层对第一隐藏状态特征施加注意力机制,得到上下文向量;
30、所述解码器包括lstm和全连接层,lstm接收所述上下文向量、上一次的预测值、上一次的隐藏状态特征生成当前隐藏状态特征,并根据上下文向量和当前隐层状态特征输出预测值;
31、所述全连接层处理编码器端lstm的输出,得到用户在下一时刻的预测位置信息。
32、进一步地,所述历史轨迹序列中每一个轨迹点表示为边缘网络的网格索引号。
33、进一步地,基于训练好的资源预测模型预测各所述虚拟网络功能的资源需求,所述资源预测模型包括lstm、注意力层和全连接层;所述负载预测模型的训练过程包括:
34、将各所述虚拟网络功能的历史资源使用信息和关联虚拟网络功能的历史资源使用信息输入lstm;
35、将lstm学习到的信息输至注意力层,以对所述关联虚拟网络功能的历史资源使用信息分配不同的权重;
36、根据全连接层的输出结果调整模型参数,得到训练好的负载预测模型。
37、本发明的第二方面,提供了一种基于边缘网络的服务功能链重构系统,所述服务功能链包括多个虚拟网络功能,所述虚拟网络功能部署在边缘服务器上,所述系统包括:
38、轨迹预测模块,用于基于用户的历史轨迹信息得到用户的预测位置信息,所述用户为所述服务功能链服务的用户;
39、时延预测模块,用于基于所述预测位置信息预测所述服务功能链的端到端时延;
40、资源预测模块,用于基于虚拟网络功能的历史资源使用信息预测各所述虚拟网络功能的资源需求;
41、重构模块,用于当所述端到端时延违反端到端时延约束,或者所述资源需求超过负载范围,则基于各所述端到端时延和资源需求确定待迁移虚拟网络功能;
42、所述重构模块,还用于建立优化函数,所述优化函数为各边缘服务器之间的端到端时延和重构成本的加权和;
43、所述重构模块,还用于基于所述优化函数确定待迁入边缘服务器,以使得将所述待迁移虚拟网络功能迁移至所述待迁移服务器时所述优化函数值最小;
44、迁移模块,用于将所述待迁移虚拟网络功能迁移至所述待迁入边缘服务器。
45、本发明与现有技术相比,具有如下的优点和有益效果:1、通过节点负载预测和端到端时延预测提前完成的服务功能链的重构,为用户提供高质量的一致性网络服务;2、综合节点负载和端到端时延对网络服务质量的影响,触发重构的条件更全面,保障边缘网络的服务性能;3、通过构建边缘网络加权图,规划最短路由路径,将迁移代价控制在最优解,保障了边缘网络的高可用性;4、通过将待迁移虚拟网络功能按照资源需求进行排序,根据排序结果进行有序迁移,提高了重构效率;5、考虑用户高移动性对资源需求变化的影响,基于注意力机制的轨迹预测模型预测用户轨迹,得到更准确的预测值,为节点负载的预测准确性提供了基础,进而提高重构性能;6、以边缘网络索引号表示用户轨迹序列,提高预测结果的细粒度,预测结果更准确7、基于注意力机制的资源需求预测模型,考虑相虚拟网络功能之间的互相影响,预测结果更准确。