论文部分内容阅读
由于传统网络硬件设备种类繁多且兼容性越来越差,网络服务供应商和数据中心运营商对其提供更新和维护等技术支持变得日益困难,网络功能虚拟化(Network Function Virtualization,NFV)技术应运而生。它将诸多复杂网络设备通过虚拟化技术分解成多种虚拟资源,这些虚拟资源可被灵活地部署在数据中心服务器上,有效地解决网络功能更新和维护日益艰难等问题。服务功能链(Service Function Chaining,SFC)的映射问题是实现NFV技术的一个基本问题,其主要任务是通过优化SFC映射的评价指标,寻找优化的资源分配方案。此外,由于大数据和云计算技术的不断发展,业务流量逐渐呈现“大象流”和“老鼠流”的特征,导致网络负载变得不均衡,用户请求阻塞率增加。弹性光网络(Elastic Optical Network,EON)可以根据业务请求的带宽粒度,为用户灵活地分配网络资源,能大幅降低EON中SFC业务的阻塞率。本文主要针对EON中SFC映射问题进行研究,具体工作内容和创新性如下:(1)研究了SFC映射中网络资源开销的问题:a)建立了资源不受限的数据中心弹性光网络(Data Center over Elastic Optical Network,DC-EON)中的SFC映射的数学模型,该模型以最小化归一化的网络资源总开销为优化目标。b)为实现虚拟网络功能(Virtual Network Function,VNF)的部署和虚拟链路的选路与频谱分配(Routing and spectrum assignment,RSA),定义了业务感知的节点介数中心度和链路介数中心度。VNF的部署方案基于所定义的业务感知的节点介数中心度,虚拟链路的RSA方案兼顾虚拟链路的3个参数,即请求带宽、候选路径长度和候选路径的链路介数中心度。最后提出一种基于介数中心度的综合SFC映射(Betweenness Centrality based Comprehensive SFC Mapping,BCCSM)算法以有效地降低资源消耗。仿真结果表明,与已有的基于最长公共子序列的算法(Longest common subsequence Based Algorithm,LBA)和基于最短路及批处理的算法(Shortest-path and Batch VNF deployment Algorithm,SBA)相比,该算法可获得最小的网络资源总开销。(2)研究了有限资源DC-EON中SFC映射的双目标优化问题:a)在SFC的映射过程中增加服务器资源和带宽资源的约束,并以最小化VNF总部署次数和链路上已占用的最大频隙号为优化目标,建立SFC映射的数学模型;b)针对所建模型,设计一种反馈调整缩放因子的差分进化算子,提出一种基于分解的反馈调整差分进化算法(Feedback-Adjusted Differential Evolution Algorithm based on Decomposition,DEFAD),首次从多目标优化的角度研究有限资源DC-EON中SFC映射的资源分配问题。仿真实验表明,与已有算法相比,所提DEFAD算法可以得到更贴近实际帕累托前端的资源分配方案,可以一次性得到不同优化目标偏好的多组最优“解”集。实际的EON根据其传输容量、覆盖范围等业务需求,存在分层、多域的结构特点,SFC映射的资源分配问题还需进一步研究。另外,所提DEFAD算法在处理SFC映射问题时,由于权向量是均匀初始化的,而两个优化目标之的目标空间不对等,造成最终得到的Pareto解方案分步不均匀、多样性差的问题,下一步可采用将均匀设计、正交设计等初始化方法与智能优化算法相结合的思路来求解该问题。