服务功能链路径规划方法及相关设备技术

本申请提供了一种服务功能链路径规划方法及相关设备，其中，所述方法包括：构建网络拓扑模型；将服务功能链SFC的全部虚拟网络功能VNF需求以及所述网络拓扑模型输入至预先构建的深度强化学习神经网络模型；基于SFC路径规划决策利用所述深度强化学习神经网络输出所述SFC的路径规划，其中，所述SFC路径规划决策包括：根据网络中各节点为网络带来的最大链路利用率增量生成所述路径规划。本申请提供的方法能够解决大规模网络中的SFC路径规划问题，能够在复杂的网络环境中快速做出合理决策，并且能够大幅降低网络的最大链路利用率。且能够大幅降低网络的最大链路利用率。且能够大幅降低网络的最大链路利用率。

【技术实现步骤摘要】
服务功能链路径规划方法及相关设备


[0001]本申请涉及互联网
，尤其涉及一种服务功能链路径规划方法及相关设备。

技术介绍

[0002]通过虚拟化技术，可以将一个或多个虚拟网络功能(Virtual Network Function，VNF)组成服务功能链(Service Function Chain，SFC)，不同的VNF通常部署在网络环境中的各个节点上，一组SFC流通过更改路由路径以访问多个所需的VNF，这些改变的路由路径则会导致网络不平衡。因此，需要一种智能的路由规划方法，在满足不同SFC的各种VNF需求的同时，最大限度地减少网络的最大链路利用率。

技术实现思路

[0003]有鉴于此，本申请的目的在于提出一种服务功能链路径规划方法及相关设备。
[0004]基于上述目的，本申请提供了一种服务功能链路径规划方法，包括：构建网络拓扑模型；将SFC的全部VNF需求以及所述网络拓扑模型输入至预先构建的深度强化学习神经网络模型；基于SFC路径规划决策利用所述深度强化学习神经网络输出所述SFC的路径规划，其中，所述SFC路径规划决策包括：根据网络中各节点为网络带来的最大链路利用率增量生成所述路径规划。
[0005]可选地，所述根据网络中各节点为网络带来的最大链路利用率增量生成所述路径规划包括：迭代执行第一过程，响应于首轮执行所述第一过程，所述第一过程包括：根据所述全部VNF需求，从所述网络拓扑模型的多个节点中确定多个候选节点，根据每个所述候选节点为网络带来的最大链路利用率增量，从所述多个候选节点中确定目标节点，并将该目标节点满足的VNF需求从所述全部VNF需求中删除，得到更新后的VNF需求；响应于非首轮执行所述第一过程，所述第一过程包括：根据上一轮更新后的VNF需求，从所述网络拓扑模型的多个节点中确定多个候选节点，根据每个所述候选节点为网络带来的最大链路利用率增量，从所述多个候选节点中确定目标节点，并将该目标节点满足的VNF需求从所述上一轮更新后的VNF需求中删除，得到更新后的VNF需求；响应于当前更新后的VNF需求为空，停止执行所述第一过程，并根据全部所述目标节点确定的顺序生成所述路径规划。
[0006]可选地，所述根据所述全部VNF需求或上一轮更新后的VNF需求，从所述网络拓扑模型的多个节点中确定多个候选节点，包括：根据所述全部VNF需求，判断所述SFC中是否存在VNF约束关系；响应于不存在所述VNF约束关系，将所述网络拓扑模型中满足至少一个所述SFC的全部VNF需求或上一轮更新后的VNF需求中的VNF需求的节点确定为所述候选节点。
[0007]可选地，所述约束关系包括VNF需求顺序，所述根据所述全部VNF需求或上一轮更新后的VNF需求，从所述网络拓扑模型的多个节点中确定多个候选节点，还包括：响应于存在所述VNF约束关系，根据所述VNF需求顺序，将所述网络拓扑模型中满足所述全部VNF需求或上一轮更新后的VNF需求中，首个VNF需求的节点确定为所述候选节点。
[0008]可选地，所述根据每个所述候选节点为网络带来的最大链路利用率增量，从所述多个候选节点中确定目标节点，包括：根据当前节点到每个所述候选节点的路径为网络带来的最大链路利用率增量，从所述多个候选节点中确定所述目标节点，其中，所述当前节点为根据已经确定的目标节点确定的，首次执行所述第一过程时，所述当前节点为预设的初始节点。
[0009]可选地，所述根据当前节点到每个所述候选节点的路径为网络带来的最大链路利用率增量，从所述多个候选节点中确定所述目标节点，包括：计算所述当前节点到每个所述候选节点的路径为网络带来的最大链路利用率增量；响应于最小的所述最大链路利用率增量对应的候选节点的数量为一个，则将该候选节点确定为所述目标节点；响应于最小的所述最大链路利用率增量对应的候选节点的数量为至少两个，则将所述最大链路利用率增量最小，且与所述当前节点距离最近的候选节点确定为所述目标节点。
[0010]可选地，所述方法还包括：响应于每确定一个目标节点，根据该目标节点为网络带来的最大链路利用率增量生成奖励反馈，并利用所述奖励反馈更新当前深度强化学习神经网络。
[0011]基于同一专利技术构思，本申请还提供了一种服务功能链路径规划装置，包括：构建模块，被配置为构建网络拓扑模型；输入模块，被配置为将SFC的全部VNF需求以及所述网络拓扑模型输入至预先构建的深度强化学习神经网络模型；输出模块，被配置为基于SFC路径规划决策利用所述深度强化学习神经网络输出所述SFC的路径规划，其中，所述SFC路径规划决策包括：根据网络中各节点为网络带来的最大链路利用率增量生成所述路径规划。
[0012]基于同一专利技术构思，本申请还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现任意一项所述的方法。
[0013]基于同一专利技术构思，本申请还提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使计算机执行任一所述方法。
[0014]从上面所述可以看出，本申请提供的服务功能链路径规划方法及相关设备，其中，所述方法包括：构建网络拓扑模型；将SFC的全部VNF需求以及所述网络拓扑模型输入至预先构建的深度强化学习神经网络模型；基于SFC路径规划决策利用所述深度强化学习神经网络输出所述SFC的路径规划，其中，所述SFC路径规划决策包括：根据网络中各节点为网络带来的最大链路利用率增量生成所述路径规划。本申请提供的方法能够解决大规模网络中的SFC路径规划问题，能够在复杂的网络环境中快速做出合理决策，并且能够大幅降低网络的最大链路利用率。
附图说明
[0015]为了更清楚地说明本申请或相关技术中的技术方案，下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0016]图1为本申请实施例服务功能链路径规划方法的流程示意图；
[0017]图2为本申请实施例的仿真实验1的结果示意图；
[0018]图3为本申请实施例的仿真实验2的结果示意图；
[0019]图4为本申请另一个实施例的仿真实验2的结果示意图；
[0020]图5为本申请实施例的仿真实验3的结果示意图；
[0021]图6为本申请另一个实施例的仿真实验3的结果示意图；
[0022]图7为本申请实施例服务功能链路径规划装置的结构示意图；
[0023]图8为本申请实施例的电子设备硬件结构示意图。
具体实施方式
[0024]为使本申请的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本申请进一步详细说明。
[0025]需要说明的是，除非另外定义，本申请实施例使用的技术术语或者科学术语应当为本申请所属领域内具有一般技能的人士所理解的通常意义本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种服务功能链路径规划方法，其特征在于，包括：构建网络拓扑模型；将服务功能链SFC的全部虚拟网络功能VNF需求以及所述网络拓扑模型输入至预先构建的深度强化学习神经网络模型；基于SFC路径规划决策利用所述深度强化学习神经网络输出所述SFC的路径规划，其中，所述SFC路径规划决策包括：根据网络中各节点为网络带来的最大链路利用率增量生成所述路径规划。2.根据权利要求1所述的服务功能链路径规划，其特征在于，所根据网络中各节点为网络带来的最大链路利用率增量生成所述路径规划，包括：迭代执行第一过程，响应于首轮执行所述第一过程，所述第一过程包括：根据所述全部VNF需求，从所述网络拓扑模型的多个节点中确定多个候选节点，根据每个所述候选节点为网络带来的最大链路利用率增量，从所述多个候选节点中确定目标节点，并将该目标节点满足的VNF需求从所述全部VNF需求中删除，得到更新后的VNF需求；响应于非首轮执行所述第一过程，所述第一过程包括：根据上一轮更新后的VNF需求，从所述网络拓扑模型的多个节点中确定多个候选节点，根据每个所述候选节点为网络带来的最大链路利用率增量，从所述多个候选节点中确定目标节点，并将该目标节点满足的VNF需求从所述上一轮更新后的VNF需求中删除，得到更新后的VNF需求；响应于当前更新后的VNF需求为空，停止执行所述第一过程，并根据全部所述目标节点确定的顺序生成所述路径规划。3.根据权利要求2所述的服务功能链路径规划，其特征在于，所述根据所述全部VNF需求或上一轮更新后的VNF需求，从所述网络拓扑模型的多个节点中确定多个候选节点，包括：根据所述全部VNF需求，判断所述SFC中是否存在VNF约束关系；响应于不存在所述VNF约束关系，将所述网络拓扑模型中满足至少一个所述SFC的全部VNF需求或上一轮更新后的VNF需求中的VNF需求的节点确定为所述候选节点。4.根据权利要求3所述的服务功能链路径规划，其特征在于，所述约束关系包括VNF需求顺序，所述根据所述全部VNF需求或上一轮更新后的VNF需求，从所述网络拓扑模型的多个节点中确定多个候选节点，还包括：响应于存在所述VNF约束关系，根据所述VNF需求顺序，将所述网络拓扑模型中满足所述...

【专利技术属性】
技术研发人员：罗来龙，郭得科，仇常皓，任棒棒，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：