[发明专利]一种虚拟网络功能智能迁移方法

摘要

本发明涉及一种虚拟网络功能智能迁移方法，属于移动通信技术领域。在该方法中，在每个离散时隙上，在保证每个切片的最高平均时延约束、节点缓存资源消耗限制以及链路带宽容量限制的前提下，根据各个虚拟网络功能(Virtualized Network Function，VNF)实例的队列状态信息、节点状态信息以及链路状态信息，以最小化通用服务器平均运行能耗为目标，为切片制定最佳的VNF迁移策略并动态地调整网络内节点CPU资源的分配策略。本方法既可以充分利用CPU资源，又可以满足切片平均端到端时延的要求；实现了VNF实例的共享，在节约系统平均能耗的同时有效地保持系统的稳定性。

主权项

1.一种虚拟网络功能智能迁移方法，其特征在于：在该方法中，在每个离散时隙上，在保证每个切片的最高平均时延约束、节点缓存资源消耗限制以及链路带宽容量限制的前提下，根据各个虚拟网络功能(Virtualized Network Function，VNF)实例的队列状态信息、节点状态信息以及链路状态信息，以最小化通用服务器平均运行能耗为目标，为切片制定最佳的VNF迁移策略并动态地调整网络内节点CPU资源的分配策略；具体包括以下步骤：S1：建立VNF实例多队列的时延模型和系统能耗模型，其中所述网络切片i的VNF调度总时延由处理时延和链路传输时延两部分组成，且CPU资源的分配策略影响VNF的处理时延；所述能耗模型主要包含两部分内容：节点处于开启状态时产生的基础能耗和随着VNF实例负载变化产生的运行能耗；S2：将VNF的迁移和CPU资源的分配建立成基于受限马尔可夫决策过程(Constrained Markov Decision Process，CMDP)的随机优化模型，该模型以最小化通用服务器平均运行能耗为目标，同时受限于各切片平均时延约束以及平均缓存、带宽资源消耗约束；S3：通过拉格朗日理论将CMDP问题转化为不受限马尔可夫决策过程MDP问题，即将优化目标从找到最优策略转化为寻找最佳的Q函数；S4：建立基于强化学习框架的VNF智能迁移在线学习方法来近似行为值函数，从而在每个离散的时隙内根据当前系统状态为每个网络切片寻求最佳的VNF迁移策略及CPU资源分配方案。