[发明专利]一种基于流量识别的网络功能虚拟化智能调度方法

说明书

一种基于流量识别的网络功能虚拟化智能调度方法，基于置信区域策略优化算法实现，所述方法包括下列操作步骤：(1)对网络数据流进行分类：(2)设置置信区域策略优化算法的状态空间；(3)设置置信区域策略优化算法的动作空间；(4)设置置信区域策略优化算法的奖励函数：(5)设置置信区域策略优化算法的损失函数；(6)在前述步骤的基础上，利用置信区域策略优化算法实现对虚拟网络功能的智能调度。本发明方法，能根据不同流量数据的服务质量需求，实现虚拟网络功能的智能调度，提高了网络利用率和网络服务性能。

技术领域

本发明涉及一种基于流量识别的网络功能虚拟化智能调度方法，属于信息技术领域，特别是属于网络功能虚拟化技术领域。

背景技术

随着网络流量数据的快速增长和网络应用的不断普及，网络用户对于服务质量的需求越来越高，包括低延时、低丢包率和高吞吐量等，因此网络设备不仅需要提高带宽和容量，更需要一个合适的资源调度机制。Network Function Virtualization(NFV)即网络功能虚拟化技术将网络功能从传统硬件设备分离，能够灵活地编排网络功能，共享网络资源。NFV技术使用virtualized network functions(VNF)即虚拟网络功能实现对不同网络的创建、配置、监测和运行，VNF被部署在不同的网络节点中，不同的网络服务由一些特定的虚拟网络功能组成的服务功能链完成。因此在NFV环境下，对网络功能的编排即调度决定了网络服务的质量与网络资源的调度使用。

但是目前NFV环境中的调度方案大多遵从先进先出原则，以提高网络利用率为目标，完成尽可能多的流量数据的传输任务，而没有考虑到用户对于不同种类的流量数据有着不同的服务质量要求，往往会导致用户优先级较低的流量数据占用大量网络带宽等资源，影响优先级较高的流量数据的用户体验。当前主流的流量识别研究都采用机器学习的方法，提取流量数据的特征进行识别分类。然而这些工作大多局限在识别少数特定网络应用或者特定网络环境下的流量数据，在流量包被加密后很难起到作用，应用的范围较为狭窄。而虚拟网络功能的动态编排方案被视为一个在线决策问题，现有的研究都局限于对环境进行建模来得到最优方案，忽略了从历史经验中提取的最优长期收益。

如何把虚拟网络功能的编排或调度机制与网络流量识别技术进行有效结合，提高网络资源利用率，为不同业务需求提供定制化的服务，并降低网络传输延时和网络功耗，成为网络功能虚拟化技术领域的一个亟待解决的技术难题。

发明内容

有鉴于此，本发明的目的是发明一种基于流量识别的网络功能虚拟化智能调度方法，实现基于用户业务需求的网络流量的种类划分，并实现根据网络环境和用户业务需求的网络功能的智能调度。

为了达到上述目的，本发明提出了一种基于流量识别的网络功能虚拟化智能调度方法，基于置信区域策略优化算法Trust Region Policy Optimization算法实现，所述方法包括下列操作步骤：

(1)对网络数据流进行分类：根据网络数据流的到达时间、数量和长度构造网络数据流的识别特征，对网络数据流进行分类；所述识别特征不会受到网络数据流是否加密的限制；所述识别特征取决于网络用户行为的流量类型，不会受到同一类型不同应用的限制；

所述的识别特征具体包括如下特征：

前向包的到达时间间隔最大值，前向包的到达时间间隔最小值，前向包的到达时间间隔平均值，前向包的到达时间间隔标准差；

后向包的到达时间间隔最大值，后向包的到达时间间隔最小值，后向包的到达时间间隔平均值，后向包的到达时间间隔标准差；

双向包的到达时间间隔最大值，双向包的到达时间间隔最小值，双向包的到达时间间隔平均值，双向包的到达时间间隔标准差；

网络数据流持续时间；

前向包包长度最大值，前向包包长度最小值，前向包包长度平均值，前向包包长度标准差；