一种支持网络功能虚拟化的动态扩展方法、平台及计算机技术

本发明专利技术涉及一种支持网络功能虚拟化的动态扩展方法，包括S1、基于网络功能虚拟化架构，创建原始VNF实例；S2、采用基于注意力机制的CNN

【技术实现步骤摘要】
一种支持网络功能虚拟化的动态扩展方法、平台及计算机


[0001]本专利技术涉及网络功能虚拟化和网络资源调度
，具体涉及一种支持网络功能虚拟化的动态扩展方法、平台及计算机。

技术介绍

[0002]网络功能虚拟化(Network Function Virtualization，缩写为NFV)是将网络功能和专有硬件设备分离，并将这些功能进行软件实现并在虚拟机上运行的软件架构。NFV旨在用运行在通用服务器上的虚拟软件实例取代硬件的网络流量处理设备。它不需要网络运营商购买专门的硬件设备来执行网络服务功能，而是将需要的网络服务分解成虚拟网络功能(Virtual Network Functions，缩写为VNFs)的集合，之后以软件的形式运行在通用物理服务器上，这有效的降低了设备成本和管理运营成本。
[0003]由于网络流量负载随时间不断变化，且网络流量的突发性非常普遍，而流突发会影响服务等级协议(Service Level Agreements,缩写为SLAs)；因此有效地处理流量的突发负载有助于保证SLAs。
[0004]现有技术仅考虑迁移数据流来支持NFV实例的扩展并保证整体流量负载的SLAs。但是，一方面仅考虑迁移数据流来支持NFV实例的扩展方式并不能确保单个数据流的SLAs，而且迁移小数据流将显著损害其SLAs，并不能根据单个数据流情况进行流迁移，无法及时的处理数据流的突发；另一方面仅考虑迁移数据流来支持NFV实例的扩展方式在支持VNF实例动态扩展时，通常无法进行高效的基于负载的数据流状态迁移。r/>[0005]现有的状态迁移技术主要有Split/Merge和OpenNF等框架。这些框架会自动跨VNF传输状态，而且迁移所有流的状态需要数百毫秒才能完成，这导致控制平台在产生了大量开销的同时也降低了相关VNF应用的性能。此外，移动所有流需要控制器更新路由表中的许多条目，这会在控制器和支持有限流量表大小的交换机上造成大量操作开销。

技术实现思路

[0006]为了解决现有技术仅考虑迁移数据流来支持NFV实例的扩展方式并不能确保单个数据流的SLAs，而且迁移小数据流将显著损害其SLAs，并不能根据单个数据流情况进行流迁移，无法及时的处理数据流的突发；另一方面仅考虑迁移数据流来支持NFV实例的扩展方式在支持VNF实例动态扩展时，通常无法进行高效地基于负载的数据流状态迁移等技术问题，本专利技术提供一种支持网络功能虚拟化的动态扩展方法、平台及计算机。
[0007]本专利技术解决上述技术问题的技术方案如下：
[0008]一种支持网络功能虚拟化的动态扩展方法，包括如下步骤，
[0009]S1、基于网络功能虚拟化架构，创建原始VNF实例；
[0010]S2、根据所述原始VNF实例的流量负载触发VNF缩放事件；
[0011]S3、监听所述VNF缩放事件，当所述VNF缩放事件触发时，创建新VNF实例；
[0012]S4、采用基于注意力机制的CNN
‑
LSTM方法预测所述原始VNF实例的时序数据流的
未来流量大小，并根据所述原始VNF实例的时序数据流的未来流量大小预测所述原始VNF实例的未来流量负载；
[0013]S5、根据所述原始VNF实例的时序数据流的未来流量负载，在所述原始VNF实例中指定待迁移的时序数据流；
[0014]S6、将所述原始VNF实例中待迁移的时序数据流以及与待迁移的所述时序数据流相对应的数据流状态迁移至所述新VNF实例。
[0015]本专利技术的有益效果是：
[0016]本专利技术通过采用基于注意力机制的CNN
‑
LSTM方法预测所述原始VNF实例的时序数据流的流量大小，从而预测未来所述原始VNF实例的流量负载，能够根据所预测的流量负载，提前做好时序数据流以及对应的数据流状态的迁移准备，提前指定需要迁移的时序数据流以及对应数据流状态；当VNF缩放事件触发时，能够将指定的时序数据流以及对应数据流状态迁移至新VNF实例，能够高效地实现数据流的迁移；同时，本专利技术通过将需要迁移的时序数据流以及其对应的数据流状态一并迁移，保证了单个数据流的SLAs；本专利技术解决了网络功能虚拟化平台上基于网络流量负载进行动态VNF实例有状态缩放，以实现网络数据流级别的SLAs保证和高的资源利用率。
[0017]在上述技术方案的基础上，本专利技术还可以做如下改进。
[0018]进一步，根据所述原始VNF实例的流量负载触发VNF缩放事件，具体包括如下步骤，
[0019]S10、建立环形缓冲器以及队列监视器，并为所述队列监视器设置队列大小阀值；
[0020]S20、将所述原始VNF实例的时序数据流直接存入所述环形缓冲器，得到数据流缓存队列；
[0021]S30、利用所述队列监视器监视所述数据流缓存队列大小，当所述数据流缓存队列大小超过所述队列监视器的所述队列大小阀值时，触发所述VNF缩放事件。
[0022]采用上述进一步方案的有益效果是，通过设置实时基于队列的缓存大小检测机制，当环形缓冲器内的数据流大小超过队列监视器的队列大小阀值的时候，自动判定其原始VNF实例中的数据流会出现流量突发情况，从而触发VNF缩放事件。本专利技术可以快速检测负载突发事件，同时防止消息通信过程中的通信消息的丢失。
[0023]进一步，采用基于注意力机制的CNN
‑
LSTM方法预测所述原始VNF实例的时序数据流的流量大小的方法包括如下步骤，
[0024]S101、建立基于注意力机制的CNN
‑
LSTM模型；
[0025]S102、采集原始VNF实例的时序数据流，并对所述原始VNF实例的时序数据流的带宽时间序列进行预处理，得到预处理序列数据；
[0026]S103、将所述预处理序列数据输入至所述CNN
‑
LSTM模型中；
[0027]S104、利用所述预处理序列数据训练所述CNN
‑
LSTM模型，得到CNN
‑
LSTM训练模型；
[0028]S105、将所述原始VNF实例的时序数据流输入所述CNN
‑
LSTM训练模型，得到预测未来流量带宽的时间序列的预测结果；
[0029]S106、根据所述CNN
‑
LSTM训练模型的预测结果来计算所述原始VNF实例在未来流量带宽的时间序列下的数据流量大小。
[0030]采用上述进一步方案的有益效果是，通过基于注意力机制的CNN
‑
LSTM方法预测所述原始VNF实例的时序数据流的流量大小，能够根据预测未来流量带宽的时间序列以及在
该时间序列下的流量大小，从而预测出可能出现流量突变的带宽的时间序列。根据预测结果能够提前在可能出现流量突变的带宽的时间序列之前准备数据流迁移，能够提高基于负载的数据流状态迁移效率。
[0031]进一步，在所述原始VNF实例中指定待迁移的时序数据流的方法具体为，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种支持网络功能虚拟化的动态扩展方法，其特征在于：包括如下步骤，S1、基于网络功能虚拟化架构，创建原始VNF实例；S2、根据所述原始VNF实例的流量负载触发VNF缩放事件；S3、监听所述VNF缩放事件，当所述VNF缩放事件触发时，创建新VNF实例；S4、采用基于注意力机制的CNN
‑
LSTM方法预测所述原始VNF实例的时序数据流的未来流量大小，并根据所述原始VNF实例的时序数据流的未来流量大小预测所述原始VNF实例的未来流量负载；S5、根据所述原始VNF实例的时序数据流的未来流量负载，在所述原始VNF实例中指定待迁移的时序数据流；S6、将所述原始VNF实例中待迁移的时序数据流以及与待迁移的所述时序数据流相对应的数据流状态迁移至所述新VNF实例。2.根据权利要求1所述的支持网络功能虚拟化的动态扩展方法，其特征在于：根据所述原始VNF实例的流量负载触发VNF缩放事件，具体包括如下步骤，S10、建立环形缓冲器以及队列监视器，并为所述队列监视器设置队列大小阀值；S20、将所述原始VNF实例的时序数据流直接存入所述环形缓冲器，得到数据流缓存队列；S30、利用所述队列监视器监视所述数据流缓存队列大小，当所述数据流缓存队列大小超过所述队列监视器的所述队列大小阀值时，触发所述VNF缩放事件。3.根据权利要求1所述的支持网络功能虚拟化的动态扩展方法，其特征在于：采用基于注意力机制的CNN
‑
LSTM方法预测所述原始VNF实例的时序数据流的流量大小的方法包括如下步骤，S101、建立基于注意力机制的CNN
‑
LSTM模型；S102、采集原始VNF实例的时序数据流，并对所述原始VNF实例的时序数据流的带宽时间序列进行预处理，得到预处理序列数据；S103、将所述预处理序列数据输入至所述CNN
‑
LSTM模型中；S104、利用所述预处理序列数据训练所述CNN
‑
LSTM模型，得到CNN
‑
LSTM训练模型；S105、将所述原始VNF实例的时序数据流输入所述CNN
‑
LSTM训练模型，得到预测未来流量带宽的时间序列的预测结果；S106、根据所述CNN
‑
LSTM训练模型的预测结果来计算所述原始VNF实例在未来流量带宽的时间序列下的数据流量大小。4.根据权利要求1所述的支持网络功能虚拟化的动态扩展方法，其特征在于：在所述原始VNF实例中指定待迁移的时序数据流的方法具体为，采用模拟退火算法在所述原始VNF实例中指定待迁移的时序数据流。5.一种支持网络功能虚拟化的动态扩展平台，其特征在于：包括以下模块，原始VNF实例创建模块，其用于基于网络功能虚拟化架构，创建原始VNF实例；VNF缩放事件触发模块，其用于根据所述原始VNF实例的流量负载触发VNF缩放事件；VNF缩放事件监听及新V...

【专利技术属性】
技术研发人员：刘礼彬，张凯，史慧玲，张玮，
申请(专利权)人：山东省计算中心国家超级计算济南中心，
类型：发明
国别省市：