基于微服务的网络功能虚拟化编排架构重构与优化

发布时间：2023-11-26 14:01

　　随着网络技术的发展,网络的规模越来越大,同时对于灵活性的需求也愈发增加。网络功能虚拟化是网络架构发展的新方向,网络功能虚拟化编排器是其中的重要组成部分,负责编排、运维等基础性工作。本文对开源网络功能虚拟化编排器项目OPEN-O进行调研,发现其现有架构存在的问题。针对架构短板,设计实现了基于Spring Cloud微服务框架的重构方案。为了充分发挥微服务架构的优势,通常将微服务以容器的形式部署在服务器上,并借助容器编排系统管理微服务容器,通过调整微服务副本数实现弹性伸缩。本文分析了当前最为流行的容器编排系统Kubernetes的弹性伸缩原理,是基于阂值的响应式伸缩。为了提高系统性能,增强服务稳定性,本文对Kubernetes进行了增强,设计实现了基于负载预测的弹性伸缩模型。同时针对现有负载预测算法所存在的不足,文章提出了基于递归神经网络和多级注意力的负载预测算法模型RNNDA,算法综合考虑了CPU、内存、磁盘和网络收发等多种因素对负载的影响,并加入了自注意力和时域注意力机制,做到了消除噪声和学习到不同时刻数据对预测结果的重要性。经过测试,验证了相对于现有的负载预测算法,RNNDA具有更好...

【文章页数】：64 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景和意义
    1.2 国内外研究现状
    1.3 研究内容与创新工作
    1.4 论文组织结构
第二章 技术综述
    2.1 网络功能虚拟化
        2.1.1 NFV概述
        2.1.2 开源网络编排器
    2.2 微服务
        2.2.1 微服务概述
        2.2.2 微服务框架
    2.3 容器Docker与容器编排系统Kubernetes
        2.3.1 Docker
        2.3.2 Kubemetes
    2.4 本章小结
第三章 基于递归神经网络和多级注意力的负载预测模型
    3.1 问题描述
    3.2 RNNDA模型的设计
        3.2.1 递归神经网络(RNN)
        3.2.2 RNNDA模型整体结构
        3.2.3 RNNDA中基于注意力的输入特征变换
        3.2.4 RNNDA中基于注意力的时域预测
        3.2.5 RNNDA模型训练
    3.3 实验及结果分析
        3.3.1 阿里巴巴Cluster Trace Program数据
        3.3.2 实验对比算法
        3.3.3 实验模型细节
        3.3.4 实验性能结果
        3.3.5 消融测试
    3.4 本章小结
第四章 系统架构设计
    4.1 项目背景
        4.1.1 OPEN-O系统分析
        4.1.2 Kubernetes弹性伸缩策略
    4.2 系统需求分析
        4.2.1 网络编排器重构
        4.2.2 弹性伸缩优化
    4.3 总体架构设计方案
        4.3.1 网络编排器设计
        4.3.2 弹性伸缩设计
    4.4 本章小结
第五章 系统实现与测试
    5.1 系统实现
        5.1.1 网络编排器重构
        5.1.2 基于负载预测的弹性伸缩实现
    5.2 重构测试
        5.2.1 实验环境
        5.2.2 实验设计
        5.2.3 实验结果与分析
    5.3 本章小结
第六章 总结与展望
    6.1 工作总结
    6.2 未来工作与展望
参考文献
致谢
攻读学位期间取得的研究成果



本文编号：3867918