袁 泉 游 伟 季新生 汤红波

(解放军战略支援部队信息工程大学 郑州 450002)

1 引言

网络功能虚拟化(Network Function Virtualization, NFV)实现了传统网络功能与专用硬件的解耦，从专用网络设备中抽象出软件化的虚拟网络功能(Virtualized Network Function, VNF)，推动了网络服务部署模式的根本性转变–由僵化的“网元”部署模式转向相对灵活的切片部署模式[1]。在基于网络切片的部署模式中，服务提供商通过创建一组有序的VNF集合为租户提供定制化的网络服务，并通过NFV管理和编排模块(Management And Orchestration Module, MANO)动态调整VNF集合占用的资源容量，实现物理资源(计算、内存和磁盘资源等)的动态按需分配[2]。以物理资源“按需分配”为目标，文献[3]提出了VNF资源容量调整的概念，并设计了基于VNF重映射的解决方案。文献[4]总结了现有的VNF资源容量调整方法，并将其分为以下两种类型[4]：(1)基于流量预测的调整方法[5–10]，通过预测VNF集合输入流量的变化趋势，预判其中VNF实例数量的变化，提前部署或移除相应的VNF实例实现资源容量调整。(2)基于在线优化理论的调整方法[11–14]，在流量不可预测的场景中，利用在线优化模型(如Ski-rental模型)求解局部最优的容量调整策略。本文主要针对基于流量预测的VNF资源容量调整方法进行研究。

文献[5]分析并提取了运营商云数据中心网络的流量特征，设计了一种基于深度神经网络的流量预测算法，并结合预测数据提出了一种基于整数规划的VNF资源容量调整方法。文献[6]提出了一种面向5G核心网上行链路场景的流量预测方法，该方法通过分析流入无线接入和移动性管理功能(Access and Mobility management Function, AMF)上行链路的流量数据提取样本集，然后设计和训练循环神经网络实现流量预测。……