基于VNF并置影响分析的SFC部署方法

基于vnf并置影响分析的sfc部署方法
技术领域
1.本发明涉及虚拟网络功能领域，具体涉及一种基于vnf并置影响分析的sfc部署方法。


背景技术：

2.随着nfv架构体系不断完善，如何在nfv架构网络中，对用户服务请求快速的、合理有效的部署编排是一个急需解决的问题。通常，不同的局域网部署需要根据不同的需求进行设计策略，从而满足用户需求的同时最大程度的降低运营商成本开销，提高营收利润。设计合适的部署映射策略进行资源的分配和流量的调度通常影响着用户的体验和服务运营商的收益与成本开销，因此对不同场景设计合理的算法进行资源映射是至关重要的一步。在sfc部署时，利用vnfs性能监测模型获取更准确的性能，更合理的vnf放置是保障用户获得良好服务质量体验、提高nfv网络处理能力和资源利用率的关键，具有重大的研究意义。


技术实现要素：

3.有鉴于此，本发明的目的在于提供一种基于vnf并置影响分析的sfc部署方法，能有效降低部署sfc耗费的物理资源并兼顾降低vnf并置导致的性能干扰影响。
4.为实现上述目的，本发明采用如下技术方案：
5.一种基于vnf并置影响分析的sfc部署方法，包括以下步骤：
6.步骤s1:在用户向服务提供商管理系统发送服务构建请求后，将单个sfc服务分解为一组以虚拟节点和虚拟链路为单位的部署子任务；
7.步骤s2:根据用户请求的顺序，以请求为单位，先构建物理节点资源大根堆，进行子任务中虚拟节点部署的求解，再以当前虚拟节点部署结果，验证点对点之间的链路部署方案可行，否则初始解求解失败，拒绝提供用户服务；
8.步骤s3:以初始解作为初代染色体进行映射节点的单点交叉，获得初始种群解；
9.步骤s4:利用初始种群解选择不同染色体对进行杂交变异，构建新种群的同时计算不同部署方案下的sfc并置影响大小e
sfc
，借助sfc并置影响大小指导种群进化；
10.步骤s5:在规定的种群进化代数中记录sfc部署时并置影响大小与资源耗费对应的优化目标值，选取最优解作为当前在线请求部署的方案进行部署。
11.进一步的，所述用户向服务提供商管理系统提交服务请求，具体为：
[0012][0013]
其中，nv
κ
是用户请求服务请求的有序vnf节点集合，ev
κ
是vnfs节点相互连接的逻辑链路；rcpu
κ
与rmem
κ
分别是逻辑vnf节点需要的计算资源集合和内存资源集合，而rbd
κ
表示带宽需求集合。
[0014]
进一步的，所述初始解构建，具体为：将rcpu
κ
集合和rbd
κ
分别分解为虚拟节点部署子任务和虚拟链路部署子任务，并且优先选择点集合进行部署
[0015]
(1)感知物理网络状态信息g
s
＝(n
s
,e
s
)，其中n
s
代表物理网络节点集合，e
s
表示物理链路的集合，根据n
s
剩余cpu资源构建更新大顶堆s
cpu
‑
heap，结合中nv
κ
的cpu资源需求，取堆顶元素逐一部署，将nv
κ
中的逻辑节点分配部署到物理节点的同时，每部署一个逻辑节点进行一次大顶堆的更新；
[0016]
(2)部署vnf逻辑节点点对之间的连接链路，部署链路优先使用迪杰斯特拉算法，若链路负载超出阈值范围，则需要重新借助广搜算法查找部署物理链路，链路部署是逻辑节点部署的保证，验证物理节点部署解可行,若验证未通过，则构建初始解失败，决绝服务请求，构建遗传算法初代种群解m1，将当前种群更新为m'
←
m1。
[0017]
进一步的，所述步骤s4具体为：
[0018]
(1)利用当前种群m'染色体，以一定的概率进行交叉、变异，再进行解的点对之间可达性进行验证。验证是可行解则将新解记录至m'1集合，否则不记录；
[0019]
(2)合并m'1集合染色体至种群m'，利用权利要求2所述,计算对应的不同种群解对已部署sfc的性能干扰影响，以影响大小作为轮盘赌算法的权重进行种群的淘汰进化，最终得到新的种群m'，遍历种群，记录最小化资源兼顾最小化并置vnf性能干扰影响的染色体解m'2。若达到最大迭代代数，则结束迭代，返回最优解，否则继续下一代迭代进化；
[0020]
(3)将m'2染色体解转化为vnf节点和节点对间虚拟链路的映射部署方案，部署成功。
[0021]
本发明与现有技术相比具有以下有益效果：
[0022]
本发明可以有效提高物理网络的处理能力，提高物理网络资源利用率并且有效降低vnf并置影响对sfc服务的影响，该方法简单，实现灵活，具有较强的实用性。
附图说明
[0023]
图1是本发明一实施例中vnf并置示意图；
[0024]
图2是本发明一实施例中基于vnf并置影响分析的sfc映射部署流程图；
[0025]
图3是本发明一实施例中vnf并置造成sfc性能干扰示意图；
[0026]
图4是本发明一实施例中sfc映射示意图。
具体实施方式
[0027]
下面结合附图及实施例对本发明做进一步说明。
[0028]
请参照图1，本发明提供一种基于vnf并置影响分析的sfc部署方法，包括以下步骤：
[0029]
步骤s1:在用户向服务提供商管理系统发送服务构建请求后，将单个sfc服务分解为一组以虚拟节点和虚拟链路为单位的部署子任务；
[0030]
步骤s2:根据用户请求的顺序，以请求为单位，先构建物理节点资源大根堆，进行子任务中虚拟节点部署的求解，再以当前虚拟节点部署结果，验证点对点之间的链路部署方案可行，否则初始解求解失败，拒绝提供用户服务；
[0031]
步骤s3:以初始解作为初代染色体进行映射节点的单点交叉，获得初始种群解；
[0032]
步骤s4:利用初始种群解选择不同染色体对进行杂交变异，构建新种群的同时计
算不同部署方案下的sfc并置影响大小e
sfc
，借助sfc并置影响大小指导种群进化；
[0033]
步骤s5:在规定的种群进化代数中记录sfc部署时并置影响大小与资源耗费对应的优化目标值，选取最优解作为当前在线请求部署的方案进行部署。
[0034]
在本实施例中，用户向服务提供商管理系统提交服务请求，具体为：
[0035][0036]
其中，nv
κ
是用户请求服务请求的有序vnf节点集合，ev
κ
是vnfs节点相互连接的逻辑链路；rcpu
κ
与rmem
κ
分别是逻辑vnf节点需要的计算资源集合和内存资源集合，而rbd
κ
表示带宽需求集合。
[0037]
在本实施例中，所述初始解构建，具体为：将rcpu
κ
集合和rbd
κ
分别分解为虚拟节点部署子任务和虚拟链路部署子任务，并且优先选择点集合进行部署
[0038]
(1)感知物理网络状态信息g
s
＝(n
s
,e
s
)，其中n
s
代表物理网络节点集合，e
s
表示物理链路的集合，根据n
s
剩余cpu资源构建更新大顶堆s
cpu_heap
，结合中nv
κ
的cpu资源需求，取堆顶元素逐一部署，将nv
κ
中的逻辑节点分配部署到物理节点的同时，每部署一个逻辑节点进行一次大顶堆的更新；
[0039]
(2)部署vnf逻辑节点点对之间的连接链路，部署链路优先使用迪杰斯特拉算法，若链路负载超出阈值范围，则需要重新借助广搜算法查找部署物理链路，链路部署是逻辑节点部署的保证，验证物理节点部署解可行,若验证未通过，则构建初始解失败，拒绝服务请求，构建遗传算法初代种群解m1，将当前种群更新为m'
←
m1。
[0040]
在本实施例中，所述步骤s4具体为：
[0041]
(1)利用当前种群m'染色体，以一定的概率进行交叉、变异，再进行解的点对之间可达性进行验证。验证是可行解则将新解记录至m'1集合，否则不记录；
[0042]
(2)合并m'1集合染色体至种群m'，利用权利要求2所述,计算对应的不同种群解对已部署sfc的性能干扰影响，以影响大小作为轮盘赌算法的权重进行种群的淘汰进化，最终得到新的种群m'，遍历种群，记录最小化资源兼顾最小化并置vnf性能干扰影响的染色体解m'2。若达到最大迭代代数，则结束迭代，返回最优解，否则继续下一代迭代进化；
[0043]
(3)将m'2染色体解转化为vnf节点和节点对间虚拟链路的映射部署方案，部署成功。
[0044]
以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本发明的涵盖范围。