[发明专利]一种基于深度Q网络的边缘网络请求调度决策方法

说明书

本发明提供了一种基于深度Q网络的边缘网络请求调度决策方法，通过网络数据获取子系统获取当前网络状态和请求队列。通过特征嵌入子系统，使用图嵌入方法将网络节点信息抽象为特征向量。通过微云选择子系统和节点选择子系统，读取特征向量，利用深度强化学习方法建立决策模型，将模型存储于移动边缘网络请求调度决策应用系统。最后使用移动边缘网络请求调度决策应用系统，实时获取决策所需的当前网络状态和请求队列，在决策模型已经充分收敛的条件下即可决策出所管理网络的请求调度路径并应用在所管理网络上。

技术领域

本发明涉及一种移动边缘网络服务功能链请求调度方法，属于计算机网络路由技术领域，该方法可以根据当前网络状态和请求特征来动态指导请求在网络中的路由过程以优化整个网络的性能。

背景技术

为了解决网络异构设备和通用网络架构之间的矛盾，软件定义网络(SoftwareDefined Network，SDN)技术和网络功能虚拟化(Network Function Virtualization，NFV)技术应运而生，成为近年来网络架构发展的趋势。SDN是一种新型网络架构，其核心技术OpenFlow将网络设备的控制和转发功能分离开来，并通过SDN控制器进行集中控制，对于网络的管理者来说，可以通过控制器对网络中的所有网络设备进行管理，优化路由、流量监测、故障处理等功能都可以通过SDN的控制平面进行统一管理。而SDN控制器无论是优化路由还是异常处理，都比孤立的单个网元更具有远见，能够更好地做出决策。NFV是通过x86等通用硬件和虚拟化技术，使用软件实现过去依赖专用硬件才能实现的网络功能。NFV不仅能够降低购买昂贵专用设备的成本，而且可以实现网络功能的灵活部署和快速响应。对于特定的网络功能(如NAT、防火墙等)，可以按需部署在指定的机器，当业务需求发生改变时，可以动态增加、删除、迁移虚拟网络功能(Virtual Network Function，VNF)实例，从而将过去需要重新部署实体网络设备、配置网络设备的任务简化为控制系统自动化进行的软件行为，大大提升了网络结构的灵活性。

SDN和NFV等新型网络技术的出现，带来了新的功能的同时，也带来了新的挑战，而请求调度问题则是核心问题之一。特别地，针对NFV技术，不仅存在请求路由问题，还存在服务功能链(Service Function Chain，SFC)组链问题。由于VNF可以快速在多点进行启动，灵活扩张和部署，在指导路由的同时，如何在综合考虑服务器负载、链路带宽延迟，服务器上是否现存所需的VNF实例等多重因素的前提下，合理选择VNF的放置位置，组成请求所需的完整SFC，是这一问题在NFV领域的拓展。由于需要解决VNF在何处部署的问题，因此这一问题又被叫做VNF放置问题。解决这一问题，是提高网络性能、保证网络服务质量(Quality ofService，QoS)的关键。

目前针对路由问题领域的算法，主要分为经典的启发式算法和基于机器学习的算法。在传统网络中，通常基于广播(Broadcast)和洪泛(Blooding)进行网络设备之间的信息交换，主要有LS算法、Dijkstra算法、链路向量选路算法、距离向量算法等。启发式算法难以避免地存在手工工程(Handcrafted)的现象，算法的效率取决于提出者对于网络负载和环境的理解、提出者的洞察力和应用能力，并且需要相当的专业知识和长期收集的统计数据。随着深度学习特别是深度强化学习取得巨大成果，出现了越来越多基于强化学习的无监督训练的算法模型。基于深度学习的算法从动态适应性和性能方面取得了一定程度的进步，但是依然存在相当的局限性。在网络路由领域应用深度强化学习算法，还有大量的研究工作需要完成。

发明内容

为了有效的解决在移动边缘网络中的请求调度问题，本发明提出了一种基于深度神经网络的请求调度方法及系统，以实现对网络请求的路由指导并优化网络性能。

本发明的技术方案：

1、网络数据获取子系统，实时获取当前网络状态和请求队列。

2、特征嵌入子系统，使用图嵌入方法将网络节点映射为p维向量。