高级搜索

基于5G接入网络的多优先级虚拟网络功能迁移开销与网络能耗联合优化算法

唐伦 杨恒 马润琳 陈前斌

引用本文: 唐伦, 杨恒, 马润琳, 陈前斌. 基于5G接入网络的多优先级虚拟网络功能迁移开销与网络能耗联合优化算法[J]. 电子与信息学报, 2019, 41(9): 2079-2086. doi: 10.11999/JEIT180906 shu
Citation:  Lun TANG, Heng YANG, Runlin MA, Qianbin CHEN. Multi-priority Based Joint Optimization Algorithm of Virtual Network Function Migration Cost and Network Energy Consumption[J]. Journal of Electronics and Information Technology, 2019, 41(9): 2079-2086. doi: 10.11999/JEIT180906 shu

基于5G接入网络的多优先级虚拟网络功能迁移开销与网络能耗联合优化算法

    作者简介: 唐伦: 男,1973年生,教授,博士,主要研究方向为新一代无线通信网络、异构蜂窝网络、软件定义无线网络等;
    杨恒: 男,1993年生,硕士生,主要研究方向为网络切片及虚拟网络资源分配;
    马润琳: 女,1993年生,硕士生,主要研究方向为5G网络切片、网络功能虚拟化、无线资源分配等;
    陈前斌: 男,1967年生,教授,博士生导师,主要研究方向为个人通信、多媒体信息处理与传输、下一代移动通信网络、异构蜂窝网络等
    通讯作者: 杨恒,378171465@qq.com
  • 基金项目: 国家自然科学基金(6157073); 重庆市教委科学技术研究项目(KJZD-M201800601)

摘要: 针对5G接入网络中虚拟网络功能(VNF)部署完成后,其资源需求发生动态变化,导致网络中物理机(PM)资源利用率过高或过低这一问题,该文首先将网络中PM的资源使用情况划分5个不同分区,提出一种多优先级VNF迁移请求队列调度模型。其次基于该模型,对VNF迁移开销的最小化及网络能耗的最小化建立联合优化模型。最后提出一种基于5G接入网络的多优先级VNF迁移开销与网络能耗联合优化算法对其进行求解。仿真结果表明,该算法在有效实现VNF迁移开销与网络能耗折中的同时,提高了PM资源利用率,保证了PM性能并均衡各PM负载。

English

    1. [1]

      BOURAS C, KOLLIA A, and PAPAZOIS A. SDN & NFV in 5G: Advancements and challenges[C]. 2017 20th Conference on Innovations in Clouds, Internet and Networks (ICIN), Paris, France, 2017: 107–111.

    2. [2]

      LI Defang, HONG Peilin, XUE Kaiping, et al. Virtual network function placement considering resource optimization and SFC requests in cloud datacenter[J]. IEEE Transactions on Parallel and Distributed Systems, 2018, 29(7): 1664–1677. doi: 10.1109/TPDS.2018.2802518

    3. [3]

      ZHANG Jie, ZENG Deze, GU Lin, et al. Joint optimization of virtual function migration and rule update in software defined NFV networks[C]. GLOBECOM 2017-2017 IEEE Global Communications Conference, Singapore, 2018: 1–5.

    4. [4]

      CHO D, TAHERI J, ZOMAYA A Y, et al. Real-time virtual network function (VNF) migration toward low network latency in cloud environments[C]. 2017 10th International Conference on Cloud Computing (CLOUD), Honolulu, USA, 2017: 798–801.

    5. [5]

      ERAMO V, AMMAR M, and LAVACCA F G. Migration energy aware reconfigurations of virtual network function instances in NFV architectures[J]. IEEE Access, 2017, 5: 4927–4938. doi: 10.1109/ACCESS.2017.2685437

    6. [6]

      ERAMO V, MIUCCI E, AMMAR M, et al. An approach for service function chain routing and virtual function network instance migration in network function virtualization architectures[J]. IEEE/ACM Transactions on Networking, 2017, 25(4): 2008–2025. doi: 10.1109/TNET.2017.2668470

    7. [7]

      ZHANG Jinshi, LI Liang, and WANG Dong. Optimizing VNF live migration via para-virtualization driver and QuickAssist technology[C]. 2017 IEEE International Conference on Communications (ICC), Paris, France, 2017: 1–6.

    8. [8]

      TANG Lun, YANG Heng, MA Runlin, et al. Queue-aware dynamic placement of virtual network functions in 5G access network[J]. IEEE Access, 2018, 6: 44291–44305. doi: 10.1109/ACCESS.2018.2862632

    9. [9]

      XIA Jing, CAI Zhiping, and XU Ming. Optimized virtual network functions migration for NFV[C]. 2016 IEEE 22nd International Conference on Parallel and Distributed Systems (ICPADS), Wuhan, China, 2016: 340–346.

    10. [10]

      LIN Tachun, ZHOU Zhili, TORNATORE M, et al. Demand-aware network function placement[J]. Journal of Lightwave Technology, 2016, 34(11): 2590–2600. doi: 10.1109/JLT.2016.2535401

    11. [11]

      FAN Qiang, ANSARI N, and SUN Xiang. Energy driven avatar migration in green cloudlet networks[J]. IEEE Communications Letters, 2017, 21(7): 1601–1604. doi: 10.1109/LCOMM.2017.2684812

    12. [12]

      XU Heyang and YANG Bo. Energy-aware resource management in cloud computing considering load balance[J]. Journal of Information Science and Engineering, 2017, 33(1): 1–16. doi: 10.6688/JISE.2017.33.1.1

    13. [13]

      MIJUMBI R, SERRAT J, GORRICHO J L, et al. Design and evaluation of algorithms for mapping and scheduling of virtual network functions[C]. The 1st IEEE Conference on Network Softwarization (NetSoft), London, UK, 2015: 1–9.

    1. [1]

      唐伦, 赵培培, 赵国繁, 陈前斌. 基于深度信念网络资源需求预测的虚拟网络功能动态迁移算法. 电子与信息学报, 2019, 41(6): 1397-1404.

    2. [2]

      唐伦, 周钰, 谭颀, 魏延南, 陈前斌. 基于强化学习的5G网络切片虚拟网络功能迁移算法. 电子与信息学报, 2019, 41(0): 1-9.

    3. [3]

      唐伦, 周钰, 杨友超, 赵国繁, 陈前斌. 5G网络切片场景中基于预测的虚拟网络功能动态部署算法. 电子与信息学报, 2019, 41(9): 2071-2078.

    4. [4]

      王汝言, 徐宁宁, 吴大鹏. 能耗和时延感知的虚拟化云无线接入网络资源分配机制. 电子与信息学报, 2019, 41(1): 83-90.

    5. [5]

      唐伦, 魏延南, 马润琳, 贺小雨, 陈前斌. 虚拟化云无线接入网络下基于在线学习的网络切片虚拟资源分配算法. 电子与信息学报, 2019, 41(7): 1533-1539.

    6. [6]

      孙远, 李春国, 黄永明, 杨绿溪. 基于带缓存的云接入网络最优能效设计. 电子与信息学报, 2019, 41(7): 1525-1532.

    7. [7]

      刘彩霞, 胡鑫鑫, 刘树新, 游伟, 赵宇. 基于Lowe分类法的5G网络EAP-AKA$ ' $协议安全性分析. 电子与信息学报, 2019, 41(8): 1800-1807.

    8. [8]

      胡宇翔, 范宏伟, 兰巨龙, 段通. 一种支持硬件加速的虚拟网络功能部署模型. 电子与信息学报, 2019, 41(8): 1893-1901.

    9. [9]

      史久根, 张径, 徐皓, 王继, 孙立. 一种面向运营成本优化的虚拟网络功能部署和路由分配策略. 电子与信息学报, 2019, 41(4): 973-979.

    10. [10]

      季新生, 徐水灵, 刘文彦, 仝青, 李凌书. 一种面向安全的虚拟网络功能动态异构调度方法. 电子与信息学报, 2019, 41(10): 2435-2441.

    11. [11]

      陈前斌, 杨友超, 周钰, 赵国繁, 唐伦. 基于随机学习的接入网服务功能链部署算法. 电子与信息学报, 2019, 41(2): 417-423.

    12. [12]

      卢昱, 刘益岑, 李玺, 陈兴凯, 乔文欣, 陈立云. 面向软件定义网络的服务功能链优化部署算法研究. 电子与信息学报, 2019, 41(1): 74-82.

    13. [13]

      谷允捷, 胡宇翔, 谢记超. 基于重叠网络结构的服务功能链时空优化编排策略. 电子与信息学报, 2019, 41(0): 1-9.

    14. [14]

      唐伦, 杨希希, 施颖洁, 陈前斌. 无线虚拟网络中基于自回归滑动平均预测的在线自适应虚拟资源分配算法. 电子与信息学报, 2019, 41(1): 16-23.

    15. [15]

      刘焕淋, 林振宇, 王欣, 陈勇, 向敏, 马跃. 弹性光网络中基于安全性感知的差异化虚拟光网络的映射策略. 电子与信息学报, 2019, 41(2): 424-432.

    16. [16]

      王汝言, 李宏娟, 吴大鹏. 基于Stackelberg博弈的虚拟化无线传感网络资源分配策略. 电子与信息学报, 2019, 41(2): 377-384.

    17. [17]

      胡致远, 宋晓凤, 黄天聪, 李晓娣, 周瑞芳, 徐鑫, 蒙占宇, 彭强. 四表集抄通信网络虚拟化方案及组网算法研究. 电子与信息学报, 2019, 41(3): 588-593.

    18. [18]

      刘新波, 王布宏, 杨智显, 沈海鸥. 一种碎片感知的安全虚拟网络重构方法. 电子与信息学报, 2019, 41(4): 995-1001.

    19. [19]

      王汝言, 李宏娟, 吴大鹏, 李红霞. 基于半马尔科夫决策过程的虚拟传感网络资源分配策略. 电子与信息学报, 2019, 41(0): 1-8.

    20. [20]

      张瑞, 占友, 钱权. 一种新的基于虚拟队列的无线多播网络编码调度策略. 电子与信息学报, 2019, 41(0): 1-8.

  • 图 1  PM资源使用情况分区指标

    图 2  网络能耗与加权因子$\alpha$的关系

    图 3  迁移开销与加权因子$\alpha$的关系

    图 4  网络能耗与SFC请求数量的关系

    图 5  迁移开销与SFC请求数量的关系

    图 6  计算资源利用率均值与PM个数的关系

    图 7  内存资源利用率均值与PM个数的关系

    图 8  计算资源利用率标准差与PM个数的关系

    图 9  内存资源利用率标准差与PM个数的关系

    表 1  MJOVME算法

     输入:${\text{N}}$, ${\text{M}}$, ${\text{F}}$, ${{\text{P}}^b}$, ${u_1}$, ${u_2}$, $A$, $v_m^f$
     输出:${{\text{P}}^a}$
     (1) 初始化:${{\text{P}}^a} = {{\text{P}}^b}$;
     (2) 确定过载区PM,设置优先级为${Q_4}$,表示为
    ${{\text{N}}_4} = \left\{ n_1^{{Q_4}}\;{\rm{ }}n_2^{{Q_4}}\;{\rm{ }} ·\!·\!· \; n_k^{{Q_4}}\right\} $,执行子算法2;
     (3) 确定高载区PM,设置优先级为${Q_3}$,表示为
    ${{\text{N}}_3} = \left\{ n_{k + 1}^{{Q_3}}\;{\rm{ }}n_{k + 2}^{{Q_3}}\;{\rm{ }} ·\!·\!· \;{\rm{ }}n_l^{{Q_3}}\right\} $,执行子算法2;
     (4) 确定低载区PM,设置优先级为${Q_1}$,表示为
    ${{\text{N}}_1} = \left\{ n_{l + 1}^{{Q_1}}\;{\rm{ }}n_{l + 2}^{{Q_1}}\;{\rm{ }} ·\!·\!· \;n_m^{{Q_1}}\right\} $,执行子算法3;
     (5) 确定轻载区PM,设置优先级为${Q_2}$,表示为
    ${{\text{N}}_2} = \left\{ n_{m + 1}^{{Q_2}}\;{\rm{ }}n_{m + 2}^{{Q_2}}\;{\rm{ }} ·\!·\!· \; n_n^{{Q_2}}\right\} $,执行子算法3。
    下载: 导出CSV

    表 2  子算法2高负载PM消除算法

     输入:高负载PM$n_j^{{Q_q}}$, ${\text{N}}$, ${\text{M}}$, ${\text{F}}$, ${{\text{P}}^a}$, $u_{n_j^{{Q_q}}}^{{\rm{cpu}}}$, $u_{n_j^{{Q_q}}}^{{\rm{mem}}}$, ${u_1}$, ${u_2}$
     输出:${{\text{P}}^a}$
     (1) 创建该PM待迁移的VNF集合${\rm{VNFSET}}\left(n_j^{{Q_q}}\right) = {\rm{NULL}}$;
     (2) 据式(20)按值从小到大,对该PM上VNF进行排序,表示为:
    ${{\text{M}}_z} = \left\{ k_{m,1}^{f,l}\;{\rm{ }}k_{m,i}^{f,l}\;{\rm{ }} ·\!·\!· \;k_{m,z}^{f,l}\right\} $;
     (3) while $u_{n_j^{{Q_q}}}^{{\rm{cpu}}} > {u_2}$或$u_{n_j^{{Q_q}}}^{{\rm{mem}}} > {u_2}$ do
     (4) for $k_{m,i}^{f,l}\;(1 \le i \le z)$ do
     (5)   if 迁移VNF$k_{m,i}^{f,l}$能够使得PM的$u_{n_j^{{Q_q}}}^{{\rm{cpu}}}$与$u_{n_j^{{Q_q}}}^{{\rm{mem}}}$均小于${u_2}$ do
     (6)   将VNF$k_{m,1}^{f,l}$添加到集合${\rm{VNFSET}}\left(n_j^{{Q_q}}\right)$中;
     (7)   break;
     (8)   end if
     (9)   end for
     (10)  if $i > z$ then
     (11)  将$k_{m,1}^{f,l}$添加到集合${\rm{VNFSET}}\left(n_j^{{Q_q}}\right)$中,同时更新集合
    ${{\text{M}}_z} = {{\text{M}}_z} - k_{m,1}^{f,l}$;
     (12)  $z = z - 1$;
     (13)  end if
     (14)  据式(11)、式(12)更新计算PM$n_j^{{Q_q}}$的$u_{n_j^{{Q_q}}}^{{\rm{cpu}}}$与$u_{n_j^{{Q_q}}}^{{\rm{mem}}}$;
     (15)  end while
     (16)  for $k_m^{f,l} \in {\rm{VNFSET}}\left(n_j^{{Q_q}}\right)$ do
     (17)  执行子算法4,得到迁移目标PM$n$;
     (18)  if 子算法4返回NULL then
     (19)   据式(21)按值从小到大,对休眠状态的PM进行排序表
        示为:${{\text{N}}_z} = \{ {n_1}\;{\rm{ }}\;{n_i}\;{\rm{ }} ·\!·\!· \;{n_z}\} $;
     (20)   for ${n_i} \in {{\text{N}}_z}$ do
     (21)   据式(7)计算将VNF$k_m^{f,l}$迁移至PM${n_i}$上时,VNF$k_m^{f,l}$所
         属SFC$f$的时延${D_f}$;
     (22)   if ${D_f} < D_f^{{\rm{up}}}$ then
     (23)    据式(6)计算得到$B_{({n_i} - 1){n_i}}^v$与$B_{({n_i} - 1){n_i}}^v$;
     (24)    if $B_{({n_i} - 1){n_i}}^v < {B_{({n_i} - 1){n_i}}}$且$B_{({n_i} - 1){n_i}}^v < {B_{({n_i} - 1){n_i}}}$ then
     (25)     将VNF$k_m^{f,l}$迁移至PM${n_i}$,同时更新${{\text{P}}^a} = {{\text{P}}^a}$;
     (26)      break;
     (27)  else 将$k_m^{f,l}$迁移至目的PM$n$,更新${{\text{P}}^a} = {{\text{P}}^a}$;
     (28)  end if
     (29) end for
     (30) return ${{\text{P}}^a}$。
    下载: 导出CSV

    表 3  子算法3低负载PM整合算法

     输入:低负载PM$n_j^{{Q_q}}$, ${\text{N}}$, ${\text{M}}$, ${\text{F}}$, ${{\text{P}}^a}$, $u_{n_j^{{Q_q}}}^{{\rm{cpu}}}$, $u_{n_j^{{Q_q}}}^{{\rm{mem}}}$, ${u_1}$, ${u_2}$
     输出:${{\text{P}}^a}$
     (1) 据式(19)分别计算$(1 - \alpha ) \cdot C\,_n\,\!\!\!^{{\rm{mig}}}/C\,_n\,\!\!\!^{\max }$的值与$\alpha \cdot \Delta E_n^{{\rm{sum}}}/$
    $\Delta E_n^{\max }$的值;
     (2) if $(1 - \alpha ) \cdot C\,_n\,\!\!\!^{{\rm{mig}}}/C\,_n\,\!\!\!^{\max } \ge \alpha \cdot \Delta E_n^{{\rm{sum}}}/\Delta E_{{n}}^{\max }$ then
     (3)  return ${{\text{P}}^a}$,算法结束;//迁移开销大于等于网络能耗减
    小量,整合无意义
     (4) end if
     (5) ${{\text{P}}^t} = {{\text{P}}^a}$
     (6) for 每一个运行在PM$n_j^{{Q_q}}$上的$k_m^{f,l}$ do
     (7)  执行子算法4,得到迁移目标PM$n$,此时计划将VNF$k_m^{f,l}$
    迁移至PM$n$;
     (8)  if 子算法4返回NULL then
     (9)   return ${{\text{P}}^a} = {{\text{P}}^t}$,算法结束;//VNF$k_m^{f,l}$无法找到目的
    PM,放弃整合
     (10)  end if
     (11) end for
     (12) 将步骤(7)中计划迁移的VNF迁移至其目的PM,更新${{\text{P}}^a}$;
     (13) return ${{\text{P}}^a}$。
    下载: 导出CSV

    表 4  子算法4目的PM选择算法

     输入:待迁移$k_m^{f,l}$, ${{\text{N}}_{{\rm{run}}}}$, ${u_1}$, ${u_2}$
     输出:目的PM$n$
     (1) 据式(11)、式(12)计算${{\text{N}}_{{\rm{run}}}}$中各PM的CPU利用率$u_n^{{\rm{cpu}}}$和内存
    利用率$u_n^{{\rm{mem}}}$,并根据${\rm{sum}}_n^u$值依次从大到小重新排列${{\text{N}}_{{\rm{run}}}}$中PM
    的顺序;//${\rm{su}}{{\rm{m}}^u} = u_n^{{\rm{cpu}}} + u_n^{{\rm{mem}}}$
     (2) for $n \in {{\text{N}}_{{\rm{run}}}}$ do
     (3) 据式(11)、式(12)计算将VNF$k_m^{f,l}$迁移至PM$n$上时,PM$n$的
    $u_n^{{\rm{cpu}}}$与$u_n^{{\rm{mem}}}$;
     (4) if ${u_1} < u_n^{{\rm{cpu}}} < {u_2}$且${u_1} < u_n^{{\rm{mem}}} < {u_2}$ then
     (5)  据式(7)计算将VNF$k_m^{f,l}$迁移至PM$n$上时,VNF$k_m^{f,l}$所属
    SFC$f$的时延${D_f}$;
     (6)  if ${D_f} < D_f^{{\rm{up}}}$ then
     (7)   据式(6)计算得到$B_{(n - 1)n}^v$与$B_{n(n + 1)}^v$;
     (8)   if $B_{(n - 1)n}^v < {B_{(n - 1)n}}$且$B_{n(n + 1)}^v < {B_{n(n + 1)}}$ then
     (9)     return 目的PM$n$;
     (10)    break
     (11)   end if
     (12)  end if
     (13) end if
     (14) end for
     (15) if 步骤(9)未执行 then
     (16) return NULL。
     (17) end if
    下载: 导出CSV

    表 5  基础设施中PM节点的参数设置

    参数数值
    PM个数200, 230, 260
    ${M_n}$ (GB){4, 8, 12, 16}
    $P_n^{{\rm{ba}}}$ (W)Uniform[90, 120]
    ${d_{nl}}$(ms)Uniform[1, 2]
    $P_n^{{\rm{mc}}}$ (W)Uniform[170, 230]
    ${B_{nl}}$ (Mbps)Uniform[80, 100]
    $P_n^{{\rm{sl}}}$ (W)Uniform[25, 35]
    ${u_{\rm{1}}}$0.9
    ${C_n}$ (MIPS)Uniform[200, 300]
    ${u_{\rm{2}}}$0.3
    下载: 导出CSV

    表 6  VNF相关参数设置

    参数数值
    VNF种类8
    ${r_{{\rm{mem}}}}$ (GB/Mbps)4
    $v_m^f$ (Mbps)Uniform[0.1, 1.0]
    $D$ (Mb)0.0005
    ${r_{{\rm{cpu}}}}$ (MIPS/ Mbps)110
    $A$100
    下载: 导出CSV

    表 7  SFC相关参数设置

    参数数值
    SFC请求数量60, 70, 80
    $D_f^{{\rm{up}}}$ (ms)[8, 10, 12]
    VNF集合长度Uniform[3, 5](种类随机)
    链路所需带宽资源 (Mbps)Uniform[5, 10]
    下载: 导出CSV
  • 加载中
图(9)表(7)
计量
  • PDF下载量:  51
  • 文章访问数:  566
  • HTML全文浏览量:  399
文章相关
  • 通讯作者:  杨恒, 378171465@qq.com
  • 收稿日期:  2018-09-20
  • 录用日期:  2019-03-06
  • 网络出版日期:  2019-04-01
  • 刊出日期:  2019-09-01
通讯作者: 陈斌, bchen63@163.com
  • 1. 

    沈阳化工大学材料科学与工程学院 沈阳 110142

  1. 本站搜索
  2. 百度学术搜索
  3. 万方数据库搜索
  4. CNKI搜索

/

返回文章