论文部分内容阅读
未来网络将支持多样化的业务场景,其承载的终端数量也将大幅度增长,现有的网络架构难以对其提供有力的支持。网络功能虚拟化(Network Function Virtualization,NFV)技术打破了当前网络垂直僵化的运营模式,将网络功能从专用的硬件设备中解耦出来,并以服务功能链(Service Function Chain,SFC)的形式为用户提供定制化服务,提高了服务的灵活性和可扩展性,并降低了网络成本。SFC为一组虚拟网络功能(Virtualized Network Function,VNF)有序连接而成的逻辑链路,如何将SFC在底层物理网络中进行编排是NFV技术中的关键问题。本文将SFC编排问题分为SFC的部署和重配置,并对其进行了重点研究,主要创新内容如下:针对无线用户的SFC请求,提出了一种联合无线资源分配的SFC部署及资源管理方案。首先,构建了一种基于环境感知的SFC资源分配机制,并以此建立了时延要求、无线速率需求以及资源容量等约束下的SFC部署成本最小化模型;进一步,将该优化问题转化为一个离散时间上的马尔可夫决策过程(Markov Decision Processes,MDP),并考虑到该MDP状态空间和动作空间的高维性,提出了一种基于深度确定性策略梯度(Deep Deterministic Policy Gradient,DDPG)的SFC部署及资源分配算法求解该MDP。仿真结果表明,该算法能够在满足SFC性能需求和资源容量约束的同时,有效降低SFC的部署成本和端到端时延。针对SFC部署完成后,其无线速率需求发生变化,导致部署有VNF实例(VNF Instance,VNFI)的服务器节点负载过低或过高这一问题,提出了一种基于竞争行动者-评论家(Actor-Dueling-Critic,ADC)强化学习的SFC重配置算法来使服务器负载均衡。SFC重配置包括VNFI的迁移和资源重分配,根据本文构建的基于环境感知的SFC资源分配机制,该方案首先阐述了资源需求变化的过程,并建立了服务器负载均衡以及性能要求等约束下的VNFI迁移开销最小化模型;进一步,将上述优化问题转化为MDP模型,并采用ADC强化学习算法进行求解得到SFC重配置策略。仿真结果表明,该方案可以保证服务器负载均衡与SFC性能需求的同时,有效降低VNFI的迁移开销,并能在一定程度上节约服务器资源消耗。