基于NFV移动网络的SFC动态配置机制

发布时间：2020-04-20 02:56

【摘要】：经过30多年的爆炸式增长,移动通信发展迅猛,第五代移动通信(5th-genaration,5G)技术到目前已经成为提升社会信息化速度的重要引擎。用户数量和业务流量需求的增长,促使着5G网络技术架构的变革。5G系统的两大关键网络技术网络功能虚拟化(Network Function Virtualization,NFV)和软件定义网络(Software Define Network,SDN)得到了全球研发人员的广泛关注。在NFV网络中,网络功能将不再依赖传统昂贵的专用硬件设备,可以通过软件化将虚拟网络功能实例部署在通用服务器上,从而大大降低运营商的网络运行成本。在NFV网络中,服务功能链(Service Function Chain,SFC)能链接虚拟网络功能,完成用户请求,使其成为了NFV技术的重要突破点。SFC不仅支持网络中细粒度和弹性服务交付,还支持服务功能的修改及负载的迁移。本文的研究重点集中于NFV移动网络中虚拟服务功能链的部署、迁移及调度问题。在NFV网络中的服务功能链的部署中,不同的部署方案会对网络性能有明显影响。本文从处理时延与节点提供的计算资源的依赖关系出发,考虑虚拟网络功能链的部署方案。为考察方案的性能,本文以端到端时延为前提条件,建立以网络的资源利用率为目标的弹性资源分配模型,将该模型抽象为混合整数二次约束规划问题,针对此规划问题提出了一种基于预测-校正原对偶内点算法的服务功能链的部署方案。通过实验仿真发现,该部署方案在保证用户端到端时延的同时,降低网络的资源占用率。对于一些移动场景,传统的移动通信网络中SFC部署方案已无法满足用户的要求。针对这种情况,本文考虑服务功能链的迁移问题,随着用户请求SFC的入口网元的变化,提出不同的迁移方案。对于SFC的迁移重配置问题,根据在线的移动数据变化特性,本文引入马尔可夫决策过程进行建模分析,提出基于深度Q学习的迁移算法。通过实验仿真发现,该智能迁移算法与贪心算法、静态部署方案相比,用户的满意度及系统收益得到了明显提升。随着移动用户数量的增加,用户请求的排队时延剧增。针对服务功能链的调度问题,本文在考虑保证用户服务质量的同时,兼顾了网络性能的提升。在降低用户平均端到端时延的基础上,改善网络节点资源及链路带宽资源的使用情况。建立强化学习模型,将基础算法和最短SFC优先算法作为对比算法,提出能改善网络性能的服务功能链优化调度方案。本文针对NFV移动网络中的虚拟网络功能链的优化部署及迁移调度等问题进行研究,根据不同的流量特性,建立优化模型或机器学习模型,提出匹配模型的相关算法,改善用户的端到端时延,提升网络资源利用率等。
【图文】：

端到端时延,低值,平均值,方案

多算法的端到端时延对比
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TN929.5

【参考文献】