The high performance design architecture for network function virtualization is an efficient network function virtualization framework, which can eliminate the redundancy of processing in network function by aggregating the operation of network function on data flow in service chain to realize efficient network data path. The design framework establishes local action matching tables in each network function to record the operation behavior of data packets and network function status in data stream, and establishes global action matching tables to aggregate all local action matching tables. At the same time, event triggering tables and new data packet processing modes are used to ensure the logical correctness of network functions at run time, as well as through network function letters. Parallelization of numbers to improve system performance. Under the condition of guaranteeing the correctness of network function logic, the processing delay and throughput of network function service chain are significantly optimized.
【技术实现步骤摘要】
面向网络功能虚拟化的高性能设计方法
本专利技术属于网络
,涉及网络功能虚拟化(NFV)的性能优化,特别涉及一种面向网络功能虚拟化的高性能设计方法。
技术介绍
网络功能虚拟化(NetworkFunctionVirtualization,NFV)是指在软件中实现网络功能(NF,如入侵检测,监控和负载平衡等),以实现更具弹性的管理和更低的网络系统成本。网络功能通常连接在一起形成一个串行的服务链,而NFV运行商通过服务链引导数据包进行传递。然而,网络功能的软件化实现也带来了较大的性能问题。现有研究表明,当数据包通过含有多个网络功能的长链时,包处理性能会严重下降。NFV的性能问题促使研究人员提出了一些解决方案,以提升服务链处理数据包的性能。现有研究主要从两个角度出发:(1)一类工作专注于直接加速NFV的数据平面路径,包括使用特殊硬件(例如FPGA和GPU)来加速单个NF的性能,以及引入NF之间数据包传输的共享内存机制(例如NetVM和ClickOS)来加速服务链的性能。(2)另一类研究提议并行执行NF以加速服务链(例如,NFP和Parabox)。这类研究的分析表明,服务链内部的某些NF之间并没有依赖关系,因此可以并行执行。我们将NF并行化执行称为拓宽数据路径,因为它试图在原有数据路径上同时执行网络功能。然而,以上两种服务链性能优化方法有一个共同的假设:网络功能是模块化的,即一个网络功能的处理与下一个网络功能处理之间的仍然是互相隔离的。因此,服务链的处理性能存在一个上限。即使使用了上述两类优化方法,性能下降也是不可避免的。如果我们不打破NF处理的边界,例如合并作 ...
【技术保护点】
1.一种面向网络功能虚拟化的高性能设计方法,其特征在于,对每条数据流的第一个数据包和之后的数据包进行不同的处理,其中:对数据流的第一个数据包处理步骤如下:步骤(11),数据包经过包分类器,计算数据包对应数据流的FID,在GMAT中寻找对应数据流的处理动作缓存;步骤(12),如果在GMAT没有找到对应数据流的处理动作缓存,则新建一个对于该数据流的空缓存并分配一个新的FID,然后将数据包发送给NF链进行进行处理并记录处理操作;步骤(13),NF链中的每个NF正常处理数据包,将处理动作按FID编号缓存到LMAT中,然后将数据包传递给下一个NF,所述处理动作包括对头部的动作和对NF内部状态的动作;步骤(14),每个NF将LMAT中对于数据流的头部动作以及状态动作可能触发的事件列表与对应行为上传到GMAT中,并将所有的NF头部动作按顺序叠加,建立新的数据流缓存以备后续使用;对数据流的后续数据包处理步骤如下:步骤(21),数据包经过包分类器,计算数据包对应流的FID,在GMAT中寻找对应数据流的处理动作缓存;步骤(22),如果在GMAT找到对应数据流的处理动作缓存,取出FID对应缓存空间中处理动作 ...
【技术特征摘要】
1.一种面向网络功能虚拟化的高性能设计方法,其特征在于,对每条数据流的第一个数据包和之后的数据包进行不同的处理,其中:对数据流的第一个数据包处理步骤如下:步骤(11),数据包经过包分类器,计算数据包对应数据流的FID,在GMAT中寻找对应数据流的处理动作缓存;步骤(12),如果在GMAT没有找到对应数据流的处理动作缓存,则新建一个对于该数据流的空缓存并分配一个新的FID,然后将数据包发送给NF链进行进行处理并记录处理操作;步骤(13),NF链中的每个NF正常处理数据包,将处理动作按FID编号缓存到LMAT中,然后将数据包传递给下一个NF,所述处理动作包括对头部的动作和对NF内部状态的动作;步骤(14),每个NF将LMAT中对于数据流的头部动作以及状态动作可能触发的事件列表与对应行为上传到GMAT中,并将所有的NF头部动作按顺序叠加,建立新的数据流缓存以备后续使用;对数据流的后续数据包处理步骤如下:步骤(21),数据包经过包分类器,计算数据包对应流的FID,在GMAT中寻找对应数据流的处理动作缓存;步骤(22),如果在GMAT找到对应数据流的处理动作缓存,取出FID对应缓存空间中处理动作,然后将数据包以及每个针对状态的动作发送给不同的分核进行处理;步...
【专利技术属性】
技术研发人员:崔勇,江逸敏,吴文斐,顾嘉瀚,许哲,
申请(专利权)人:清华大学,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。