【技术实现步骤摘要】
【国外来华专利技术】使用机器学习算法来满足SLA要求的系统和方法
本公开大体上涉及计算机联网工具,并且具体地,涉及一种机器学习算法,所述机器学习算法进行操作以针对容器化环境中的虚拟网络功能来预测并实施将使得系统能够满足服务水平协议(SLA)的动作。
技术介绍
在网络功能虚拟化编排器世界中,存在许多不同的挑战。结合软件定义网络(SDN),网络功能虚拟化(NFV)技术承诺帮助变换当今的载波网络。它将变换如何部署和管理载波网络以及交付服务的方式。最终目标是使得服务提供商能够降低成本、增加业务敏捷性,并且加速新服务的上市时间。NFV将网络功能与底层硬件分离,因此它们在商用现成的且专门构建的硬件上作为软件图像运行。NFV通过使用标准虚拟化技术(计算、网络和存储)将网络功能虚拟化来这样做。目标是通过只有在需要时并且在需要的地方分配并使用物理和虚拟资源来降低对专用的专门物理设备的依赖。利用这种方法,服务提供商可以通过将更多的部件转移到公用物理基础设施而同时优化其使用来降低总体成本,从而允许这些部件通过根据需要来部署新应用和服务而更动态地响应于变化的市场需求。网络功能的虚拟化还实现加速新服务的上市时间,因为它允许服务交付的更自动化且流线型方法。展示出NFV服务的益处的简单实例是虚拟化防火墙或负载平衡器。代替安装并操作专用程序来执行网络功能,NFV允许操作人员根据需要在虚拟机(VM)上简单地加载软件图像。在移动网络中,实例包括将移动分组核心功能虚拟化,诸如,分组数据网络网关(PGW)、服务网关(SGW)、移动管理实体(MME)以及其他元件。NFV将网络功能与硬件分离。然而,从基于NFV的服务中 ...
【技术保护点】
1.一种方法,包括:从相应容器化虚拟网络功能收集虚拟网络功能关键性能指标数据;维持所述相应容器化虚拟网络功能的状态信息;运行机器学习算法,所述机器学习算法一经训练便学习并预测所述相应容器化虚拟网络功能是否需要缩放、修复或上下文切换到同类型虚拟网络功能中的一者以产生确定,其中,所述机器学习算法包括:T(s)=(∑(M(v)+R(a)))%T(m)R(a)=Rvnf/Rtotal
【技术特征摘要】
【国外来华专利技术】2016.06.01 US 15/170,0401.一种方法,包括:从相应容器化虚拟网络功能收集虚拟网络功能关键性能指标数据;维持所述相应容器化虚拟网络功能的状态信息;运行机器学习算法,所述机器学习算法一经训练便学习并预测所述相应容器化虚拟网络功能是否需要缩放、修复或上下文切换到同类型虚拟网络功能中的一者以产生确定,其中,所述机器学习算法包括:T(s)=(∑(M(v)+R(a)))%T(m)R(a)=Rvnf/Rtotal<=全局中间资源使用T(m)=M(v)max+R(a)max,其中T(s)是针对所述相应容器化虚拟网络功能的所述缩放、所述修复或所述上下文切换到所述同类型虚拟网络功能的阈值;M(v)是数值变量;R(a)包括多个容器化虚拟网络功能之中的所述相应容器化虚拟网络功能的绝对单独资源使用;Rvnf包括给定的虚拟网络功能的资源使用;Rtotal包括具有一组虚拟网络功能的网络服务的总资源使用;T(m)是阈值最大值;并且Σ包括从i=1到N的总和,其中,N是所述缩放、所述修复或所述上下文切换的所述阈值T(s)已经成功的次数。2.根据权利要求1所述的方法,其中,在监控与恢复节点处进行所述收集和运行步骤。3.根据权利要求1或2所述的方法,还包括:当所述T(s)阈值被满足N次并且所述确定表明应采取措施时,向供应节点提供指令以执行针对所述相应容器化虚拟网络功能的所述缩放、所述修复和所述上下文切换中的一者。4.根据权利要求1至3中任一项所述的方法,其中,通过多个信道来进行收集所述虚拟网络功能关键性能指标数据的步骤。5.根据权利要求4所述的方法,其中,所述多个信道包括IPSLA、NETCONF和SNMP中的至少两者。6.根据权利要求3至5中任一项所述的方法,其中,当所述机器学习算法预测所述相应容器化虚拟网络功能需要缩放时,向所述供应节点提供指令以添加新的虚拟网络功能实例。7.根据权利要求6所述的方法,其中,所述供应节点使用新的docker容器或虚拟机来添加所述新的虚拟网络功能实例。8.一种系统,其包括:处理器;以及计算机可读介质,存储有指令,该指令在被所述处理器执行时使得所述处理器执行操作,所述操作包括:从相应容器化虚拟网络功能收集虚拟网络功能关键性能指标数据;维持所述相应容器化虚拟网络功能的状态信息;运行机器学习算法,所述机器学习算法一经训练便学习并预测所述相应容器化虚拟网络功能是否需要缩放、修复或上下文切换到同类型虚拟网络功能中的一者以产生确定,其中,所述机器学习算法包括:T(s)=(Σ(M(v)+R(a)))%T(m)R(a)=Rvnf/Rtotal<=全局中间资源使用T(m)=M(v)max+R(a)max,其中T(s)是针对所述相应容器化虚拟网络功能的所述缩放、所述修复或所述上下文切换到所述同类型虚拟网络功能的阈值;M(v)是数值变量;R(a)包括多个容器化虚拟网络功能之中的所述相应容器化虚拟网络功能的绝对单独资源使用;Rvnf包括给定的虚拟网络功能的资源使用;Rtotal包括具有一组虚拟网络功能的网络服务的总资源使用;T(m)是阈值最大值;并且Σ包括从i=1到N的总和,其中N是所述缩放、所述修复或所述上下文切换的所述阈值T(s)已经成功的次数。9.根据权利要求8所述的系统,其中,在监控与恢复节点处进行所述收集和运行步骤。10.根据权利要求8或9所述的系统,其中,所述计算机可读介质存储指令,该指令在被所述处理器执行时使得所述处理器执行其他操作,所述其他操作包括:当用于缩放的所述T(s)阈值被满足N次并且所述确定表明应采取措施时,向供应节点提供指令以执行针对所述相应容器化虚拟网络功能的所述缩放、所述修复和所述上下文切换中的一者。11.根据权利要求8至10中任一项所述的系统,其中,通过多个信道来进行收集所述虚拟网络功能关键性能指标数据的步骤。12.根据权利要求11所述的系统,其中,所述多个信道包括IPSL...
【专利技术属性】
技术研发人员:丹尼什·乔普拉,安素·纳朗,因德普里特·布拉尔,赫曼特·帕特尔,沙希达尔·斯里尼瓦沙,
申请(专利权)人:思科技术公司,
类型:发明
国别省市:美国,US
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。