为了解决传统网络日益僵化的问题,提升网络的易扩性与灵活性,网络功能虚拟化（NFV）应运而生。NFV支持网络功能（NF）的快速创建、撤销或迁移,依托虚拟技术大大降低网络成本并提升网络弹性。在NFV的架构下,为了给用户提供精准服务,提高网络资源利用率,构建了高效的服务功能链（SFC）,使业务流按照既定的逻辑顺序,被多种NF依次处理。目前,研究者们主要关注如何编排SFC,对SFC的优化部署算法进行研究。然而,SFC具有如下特征:1)SFC中的流量并非一成不变;2)对SFC部署的调整往往存在滞后性。针对SFC的以上特征,本文提出一种基于节点资源消耗预测与SFC行为分析的SFC重构方法,在延时敏感的网络场景中,通过提前调整SFC的部署,减小SFC端到端延时。具体工作如下:首先,本文提出了一种对节点资源消耗进行预测的方法,该方法将节点资源消耗随时间变化的趋势看作由稳定的长期趋势和短期的动态变化两部分组成。分解历史时间序列,对于表示长期趋势的时间序列,本文基于长短期记忆神经网络（LSTM）的预测模型进行预测,对于表示短期动态变化的时间序列,提出了一个基于虚拟动作的深度Q网络模型来进行预测。将本文预测方法与LSTM模型、BP-NN模型、单任务DBN模型进行对比,实验结果表明,本文的预测方法是有效的,并且提升了预测准确率。其次,为了减小SFC端到端延时,提升用户体验,降低SFC重构成本,本文提出了基于隐式马尔可夫模型（HMM）的SFC行为分析方法,根据SFC中有无流量间隔行为预测SFC未来时隙的状态,降低网络中其他干扰因素的影响,准确把握SFC的重构需求。最后,结合节点的资源消耗与SFC状态预测,本文提出了一个SFC重构决策算法,计算SFC在下一时刻的端到端延时,决定是否对其进行重构。此外,为提升SFC的重构速度,对启发式算法进行了优化。实验结果表明,本文方法在降低SFC端到端延时的同时减小了SFC重构成本。