面向可靠性的5G网络切片重构及映射算法
发布时间:2021-01-03 05:07
针对传统网络切片映射方法资源利用率低且可靠性差的问题,该文提出了可靠性感知的网络切片(NS)重构及映射策略(RNSRE)。首先,建立了面向可靠性和资源的网络切片可靠映射效用函数。其次,综合考虑虚拟网络功能(VNF)的资源需求和位置约束,提出了一种VNF可靠性需求的度量方法。在此基础上,以最大化VNF可靠部署收益的同时最小化链路带宽资源开销为目标,建立了切片可靠映射整数线性规划模型。最后,针对不同的网络切片类型,提出了基于邻域搜索的网络切片映射算法和关键VNF备份的网络切片重构映射算法。仿真结果表明,所提算法在满足VNF可靠性需求的同时,提高了资源利用率,降低了映射的开销。
【文章来源】:电子与信息学报. 2020年06期 北大核心
【文章页数】:8 页
【部分图文】:
网络切片场景
苈首罡摺?图5显示了不同映射算法下,NSR的可靠性。在NSE过程中,RNSEG算法以可靠性最大化为主要目标映射NSR,所以在整体可靠性性能方面产生优于NSETS和NSERA。但是,后面两种算法,综表3仿真参数设置表仿真参数参数设置仿真参数参数设置物理节点的数目N=12,25,36物理节点CPU资源容量U[10,20]物理节点可靠性分布U[0.95,0.99]物理链路带宽资源容量U[20,50]NSR的VNF个数3NSR生命周期[4,12,24]3种类型切片的可靠性需求U[0.90,0.98]VNF节点CPU资源需求U[2,6]VNF之间带宽资源需求U[8,16]图2不同算法平均成本比较图3所提算法与3种算法的平均物理节点、链路资源利用率累计分布函数第6期赵国繁等:面向可靠性的5G网络切片重构及映射算法1483
?成渌惴ㄏ拢?NSR的可靠性。在NSE过程中,RNSEG算法以可靠性最大化为主要目标映射NSR,所以在整体可靠性性能方面产生优于NSETS和NSERA。但是,后面两种算法,综表3仿真参数设置表仿真参数参数设置仿真参数参数设置物理节点的数目N=12,25,36物理节点CPU资源容量U[10,20]物理节点可靠性分布U[0.95,0.99]物理链路带宽资源容量U[20,50]NSR的VNF个数3NSR生命周期[4,12,24]3种类型切片的可靠性需求U[0.90,0.98]VNF节点CPU资源需求U[2,6]VNF之间带宽资源需求U[8,16]图2不同算法平均成本比较图3所提算法与3种算法的平均物理节点、链路资源利用率累计分布函数第6期赵国繁等:面向可靠性的5G网络切片重构及映射算法1483
【参考文献】:
期刊论文
[1]面向底层单节点失效的轻量级可靠虚拟网络映射算法[J]. 刘光远,苏森. 电子与信息学报. 2013(11)
本文编号:2954377
【文章来源】:电子与信息学报. 2020年06期 北大核心
【文章页数】:8 页
【部分图文】:
网络切片场景
苈首罡摺?图5显示了不同映射算法下,NSR的可靠性。在NSE过程中,RNSEG算法以可靠性最大化为主要目标映射NSR,所以在整体可靠性性能方面产生优于NSETS和NSERA。但是,后面两种算法,综表3仿真参数设置表仿真参数参数设置仿真参数参数设置物理节点的数目N=12,25,36物理节点CPU资源容量U[10,20]物理节点可靠性分布U[0.95,0.99]物理链路带宽资源容量U[20,50]NSR的VNF个数3NSR生命周期[4,12,24]3种类型切片的可靠性需求U[0.90,0.98]VNF节点CPU资源需求U[2,6]VNF之间带宽资源需求U[8,16]图2不同算法平均成本比较图3所提算法与3种算法的平均物理节点、链路资源利用率累计分布函数第6期赵国繁等:面向可靠性的5G网络切片重构及映射算法1483
?成渌惴ㄏ拢?NSR的可靠性。在NSE过程中,RNSEG算法以可靠性最大化为主要目标映射NSR,所以在整体可靠性性能方面产生优于NSETS和NSERA。但是,后面两种算法,综表3仿真参数设置表仿真参数参数设置仿真参数参数设置物理节点的数目N=12,25,36物理节点CPU资源容量U[10,20]物理节点可靠性分布U[0.95,0.99]物理链路带宽资源容量U[20,50]NSR的VNF个数3NSR生命周期[4,12,24]3种类型切片的可靠性需求U[0.90,0.98]VNF节点CPU资源需求U[2,6]VNF之间带宽资源需求U[8,16]图2不同算法平均成本比较图3所提算法与3种算法的平均物理节点、链路资源利用率累计分布函数第6期赵国繁等:面向可靠性的5G网络切片重构及映射算法1483
【参考文献】:
期刊论文
[1]面向底层单节点失效的轻量级可靠虚拟网络映射算法[J]. 刘光远,苏森. 电子与信息学报. 2013(11)
本文编号:2954377
本文链接:https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/2954377.html