一种NF场景下基于GNN的VNF资源预测方法及装置制造方法及图纸

本发明专利技术提供了一种NF场景下基于GNN的VNF资源预测方法及装置，所述方法步骤为：数据准备，构建NFV环境中NF可变粒度场景，部署编排管控过程中增加认知功能并提出差异化NFV资源认知服务体系，完成对不同粒度的μNFs资源的抽象与形式化描述，构建图；构建所述图之后开始构建GNN模型；构建所述GNN模型之后开始进行编码网络；编码网络之后开始设计并实现NFV环境下动态资源预测的系统架构。本发明专利技术为解决复杂环境中的VNF资源分配不足或过度分配等资源需求预测问题设计出一种新的应用环境。

【技术实现步骤摘要】

本专利技术属于计算机通信，尤其涉及一种nf场景下基于gnn的vnf资源预测方法及装置。

技术介绍

1、从第一代网络到现在的5g时代，人们的生活离不开日益发展的网络通信。电信运营商拥有最复杂的运营和业务支持系统(oss/bss)，需要通过人工加班提供大量专用基础设施资源来满足需求和供应。这些专用基础设施资源不仅受到维护和运营开销的困扰，而且灵活性也相当有限。互联网上支持的垂直领域即将到来，垂直领域的应用程序体系结构具有一系列极端要求，包括超低延迟和高可靠性。在当前对现有系统的修改中，网络功能虚拟化(nfv)已成为启动5g及未来网络和通信的革命性范例。通过解耦网络功能(nf)和专用网络设备(na)，nfv允许nfs独立于硬件发展，从而导致资本和运营支出(capex/opex)减少。

2、服务器放置、功能放置和在nfv中查看动态资源分配及资源管理是三个关键问题领域，尽管前两个已被广泛研究，但nfv的动态资源分配及资源管理仍然存在挑战。将资源分配给nfv应用程序的服务功能链(sfc)中的虚拟网络功能(vnf)和vnf组件(vnfc)，效率和可靠性是权衡本文档来自技高网...

【技术保护点】

1.一种NF场景下基于GNN的VNF资源预测方法，其特征在于，包括如下步骤：

2.如权利要求1所述的一种NF场景下基于GNN的VNF资源预测方法，其特征在于，具体包括：将服务链的粒度确定和部署问题构建为一个整数线性规划问题，具体的优化目标在满足整体服务链的最小时延约束的情况下充分利用节点资源；考虑各个节点的带宽资源、计算资源、节点间通信代价、细粒度网络功能的带宽需求及最大可接受时延，将中粒度网络功能的构造问题建模为二进制整数规划模型。

3.如权利要求1所述的一种NF场景下基于GNN的VNF资源预测方法，其特征在于，所述构建GNN模型包括三个模块，包括两个驱动及SF...

【技术特征摘要】

1.一种nf场景下基于gnn的vnf资源预测方法，其特征在于，包括如下步骤：

2.如权利要求1所述的一种nf场景下基于gnn的vnf资源预测方法，其特征在于，具体包括：将服务链的粒度确定和部署问题构建为一个整数线性规划问题，具体的优化目标在满足整体服务链的最小时延约束的情况下充分利用节点资源；考虑各个节点的带宽资源、计算资源、节点间通信代价、细粒度网络功能的带宽需求及最大可接受时延，将中粒度网络功能的构造问题建模为二进制整数规划模型。

3.如权利要求1所述的一种nf场景下基于gnn的vnf资源预测方法，其特征在于，所述构建gnn模型包括三个模块，包括两个驱动及sfc环境，展示了gnn工作流和扩散机制的表示形式，用于交换邻域中所有节点内的状态和特征，直到达到平衡，描述了gnn建模的工作流程，并指示参数如何在扩散机制中互连。

4.如权利要求3所述的一种nf场景下基于gnn的vnf资源预测方法，其特征在于，所述gnn模型由两个参数函数hw(转移函数)和gw(输出函数)驱动，分别表示每个节点的状态对其邻域状态的依赖性以及节点输出对其状态的依赖性；所述sfc环境包括了sfc特征、链路特征以及vnfc的状态。

5.如权利要求4所述的一种nf场景下基于gnn的vnf资源预测方法，其特征在于，还包括：通过所述两个参数函数hw和gw对sfc中的每个vnfc进行建模，每个参数函数由前馈神经网络(fnn)实现，以确保hw保持收缩；输入vnfc图的每个节点被用于该节点的计算单元hw替换，当展开时，编码网络中的每个层对应每个节点计算状态的迭代(vnfc)；每个hw单元存储该节点的当前状态，并且当被激活时，计算其对应于下一个时间步长的下一个状态；节点的输出由另一个实现gw的单元产生。

6.如权利要求1所述的...

【专利技术属性】
技术研发人员：吴晓春，唐淦，杨锡炜，邵越，
申请(专利权)人：浙江工商大学，
类型：发明
国别省市：