Online Strategies for Intra and Inter Provider Service Migration in Virtual Networks
网络虚拟化允许构建动态分布式系统,其中资源可以动态地分配在它们最有用的位置。为了充分利用这种新技术的好处,需要设计出能够对需求变化做出有效反应的协议。本文认为,在线算法和竞争分析领域提供了有用的工具来处理和推理请求动态中的不确定性,并设计具有可证明性能保证的算法。作为案例研究,我们描述了一个系统(例如,游戏应用程序),其中网络虚拟化用于支持移动设备的瘦客户端应用程序,以提高它们的QoS。通过将服务与底层资源基础设施分离,可以将其迁移到更靠近当前客户机位置的位置,同时考虑迁移成本。本文确定了这种系统中的主要成本因素,并形式化了相应的优化问题。随机和确定性,重心为基础的在线算法,实现了良好的权衡改善QoS和迁移成本之间的最坏情况下,无论是在一个基础设施提供商的服务迁移,以及网络支持跨提供商迁移。本文报告了我们的模拟结果,并提出了一个明确的最佳离线算法的建设,例如,以实证方式评估竞争比率。
2011-03-04 cs.NI
Scaling Migrations and Replications of Virtual Network Functions based on Network Traffic Forecasting
虚拟网络功能(VNF)的迁移和复制是在互联网服务提供商(ISP)边缘网络中面对动态资源请求的公知机制。它们不仅用于重新分配运营商网络中的资源,而且在流量过度波动的情况下,还可以将VNF卸载到第三方云提供商。我们建议研究如何流量预测可以帮助减少所需的迁移和复制的数量时,流量动态变化的网络。我们分析和比较VNF迁移和复制的三种场景:(i)仅当前观察到的流量需求,(ii)过去观察到的特定最大流量需求值,或(iii)预测流量值。对于交通需求值的预测,我们使用LSTM模型,该模型被证明是时间序列预测问题中最准确的方法之一。在流量预测模型的基础上,采用混合线性规划(MILP)模型和贪心算法来求解考虑VNF迁移和复制的优化问题。结果表明,当有足够的可用资源分配副本时,基于LSTM的流量预测可以将迁移次数减少45%,而与过度配置相比,基于云的卸载需要更少。
2021-05-11 cs.NI
Virtual Machine Migration Planning in Software-Defined Networks
在本文中,我们研究的问题,如何安排迁移,以及如何分配网络资源的迁移时,多个虚拟机需要在同一时间进行迁移。我们认为,在软件定义网络(SDN)的上下文中的问题,因为它提供了灵活的控制路由。更具体地说,我们提出了一种方法,计算最佳的迁移序列和网络带宽用于每次迁移。我们制定这个问题作为一个混合整数规划,这是NP-难。为了使其在计算上适用于大规模数据中心,我们提出了一种线性近似加完全多项式时间近似的近似方案,并得到了其理论性能界。通过大量的仿真,我们证明了我们的完全多项式时间近似(FPTA)算法具有良好的性能相比,最优解和两个国家的最先进的算法。也就是说,我们提出的FPTA算法接近最优解小于10%的变化和更少的计算时间。同时,与最先进的算法相比,它将总迁移时间和服务停机时间分别减少了40%和20%。
2014-12-16 cs.NI
Bandwidth management VMs live migration in wireless fog computing for 5G networks
动态虚拟机迁移旨在实现虚拟化数据中心的网络/计算物理资源的动态平衡使用,从而降低能耗。在这里,我们分析的特点,原型软件和测试的最佳带宽管理器的虚拟机在无线信道中的实时迁移。在本文中,我们提出了最佳的可调复杂度带宽管理器(TCBM)的QoS实时迁移的虚拟机下的无线信道从智能手机到接入点。我们的目标是在服务水平协议(SLA)引起的总迁移时间,停机时间和整体可用带宽的硬约束下,迁移引起的通信能量最小化。
2017-01-22 cs.NI
CAMIG: Concurrency-Aware Live Migration Management of Multiple Virtual Machines in SDN-enabled Clouds
通过集成软件定义网络和云计算,可以通过虚拟机(VM)的实时迁移动态重新分配虚拟化网络和计算资源。当定期触发算法时,动态资源管理(如负载均衡和节能策略)可以请求多次迁移。在动态资源管理方面存在显著的研究成果,其减轻了单次迁移开销,例如在选择潜在的VM和迁移目的地时的单次迁移时间和共址干扰。然而,现有的动态资源管理方案忽略了迁移请求之间的资源依赖关系,导致迁移调度过程中服务质量(服务质量,QoS)下降和违反服务水平协议(SLA)。因此,必须将单个和多个迁移开销集成到VM重新分配规划中。在本文中,我们提出了一个并发意识的多迁移选择器,操作的基础上的最大集团和独立集的资源依赖图的多个迁移请求。我们提出的方法可以与现有的动态资源管理策略。实验结果表明,该方案在实现动态资源管理的同时,最大限度地提高了多次迁移的性能,有效地减少了迁移干扰,缩短了重新分配的收敛时间.
2021-11-17 cs.DC cs.NI
A Machine Learning-Based Migration Strategy for Virtual Network Function Instances
Western University(韦仕敦大学)
随着对数据连接的需求不断增长,网络服务提供商面临着减少资本和运营费用的任务,同时提高网络性能并满足不断增长的需求。虽然网络功能虚拟化(NFV)已被确定为有前途的解决方案,但必须解决若干挑战以确保其可行性。在本文中,我们通过开发VNF神经网络实例迁移(VNNIM)来解决虚拟网络功能(VNF)迁移问题,VNNIM是VNF实例的迁移策略。通过粒子群优化算法对学习率超参数进行优化,进一步提高了VNNIM的性能。结果表明,VNNIM是非常有效的预测迁移后的服务器表现出99.07%的二进制精度和延迟差异分布,是集中在平均值为零时相比,优化模型。然而,VNNIM的最大优势是通过运行时分析突出显示的运行时效率。
2020-06-15 cs.LG cs.NI
Improving Reliability of Service Function Chains with Combined VNF Migrations and Replications
网络功能虚拟化(NFV)范例使得能够以虚拟网络功能(VNF)的形式将传统网络功能灵活地、可编程地实现到通用硬件中。为了提供服务,VNF通常以某种有序的序列连接,称为服务功能链(SFC)。SFC通常需要满足一定的可靠性水平。这就需要在与其他目标(例如网络和服务器负载均衡)联合优化可靠性的同时放置VNF。通常用于数据中心中的虚拟机(VM)的传统迁移和复制机制可用于提高SFC可靠性。我们研究如何提高服务的可靠性,联合使用复制和迁移,考虑到NFV固有的链接问题。虽然复制提供了可靠性,但执行迁移到更可靠的服务器可以减少资源开销。提出了一种线性规划模型来研究主动-主动配置对网络和服务器资源的影响。此外,为了从服务器故障中快速恢复,我们考虑NFV网络中的N到N配置,并研究其对服务器资源的影响。结果表明,复制不仅提高了可靠性,但也可以用来实现更好的服务器和网络的负载均衡,当与迁移一起使用时,可以提高资源利用率,而不会降低可靠性。
2017-11-24 cs.NI
A new model for virtual machine migration in virtualized cluster server based on Fuzzy Decision Making
在本文中,我们表明,虚拟化集群服务器的性能可以提高通过智能决策的虚拟机迁移时间跨异构的物理节点的集群服务器。该集群提供从Web服务到文件服务的各种服务。虚拟化技术具有硬件成本低、散热成本低、可扩展性强等优点。其中一个主要好处是通过在主机之间使用VM迁移来实现更好的负载均衡。要进行迁移,我们必须知道需要迁移哪个虚拟机,何时必须进行重新定位,而且必须指定哪个主机。为了将虚拟机从过载的服务器重新定位到欠载的服务器,我们需要从最高容量到最低容量对节点进行排序。目前已有一些模型来寻找最大负载节点,但都存在一些不足。本文的重点是提出了一种新的方法来迁移集群节点之间的虚拟机使用TOPSIS算法-一个最有效的多准则决策技术-作出更有效的决策,在整个集群的活动服务器,并找到负载最高的服务器,为了评估该模型的性能提高,我们使用集群响应时间和不平衡因子。
2010-02-17 cs.NI cs.OS
Defending Against Network Attacks for Secure AI Agent Migration in Vehicular Metaverses
本文针对车载元宇宙中AI智能体在RSU间迁移时面临的DDoS攻击和恶意RSU攻击,提出基于POMDP与多智能体近端策略优化的防御方法及信任评估机制,将迁移总延迟降低约43.3%。
2024-12-28 cs.NI
Towards studying Service Function Chain Migration Patterns in 5G Networks and beyond
鉴于对可靠网络架构的需求不可或缺,3GPP推出了一项名为5G基于服务的架构(5G-SBA)的技术。与此同时,多访问边缘计算(MEC)与SBA相结合,通过将应用程序托管从集中式数据中心带到网络边缘,更接近消费者和应用程序生成的数据,为最终用户提供更好的体验。3GPP和ETSI提案都提供了许多好处,特别是提供高度可定制服务的能力。然而,与容忍托管标准虚拟化技术(虚拟机(VM)和服务器)的大型网络中心相比,MEC节点的特点是计算资源较低,因此基于轻量级微服务的应用程序首次亮相。由于当前基于微服务的应用程序在支持用户移动性方面的不足,并假设所有这些问题都在服务功能链(SFC)迁移的保护伞下,我们的目标是介绍,解释和评估不同的SFC迁移模式。实验结果表明,SFC迁移模式并不存在明显的优胜者,但选择合适的SFC迁移模式取决于用户的行为、应用的需求和MEC节点的资源。
2022-01-05 cs.NI
Improving Quality of Service and Reducing Power Consumption with WAN accelerator in Cloud Computing Environments
云计算服务的广泛使用预计将恶化服务质量并增加ICT设备的功耗,因为到服务器的距离变得比以前更长。虚拟机在广域上的迁移可以解决云计算环境中的负载均衡和节能等许多问题。本文提出当虚拟机移动到远程中心时,在网络内动态应用WAN加速器,以防止虚拟机在广域范围内实时迁移后性能下降。为了使用当前可用的WAN加速器,提出了在迁移之前和之后使用不同的TCP连接的基于MSCTP的数据传输。本文没有考虑实时迁移本身的性能下降。然后,提出了降低ICT设备功耗的方法,包括主动安装WAN加速器作为云资源的一部分,并暂时提高通信链路的数据包传送率。实验结果表明,采用广域网加速器后,系统的功耗可以降低到不采用广域网加速器时的十分之一。
2013-02-08 cs.NI
VNF Migration with Fast Defragmentation: A GAT-Based Deep Learning Method
本文针对NFV网络中的多维资源碎片化问题,提出基于多跳图注意力网络(MHGAT)的深度学习方法,通过快速碎片整理优化VNF迁移,显著提升了接受率并降低了过载率与迁移损失。
2024-10-14 cs.NI
Application Components Migration in NFV-based Hybrid Cloud/Fog Systems
雾计算将云扩展到网络的边缘,靠近最终用户,使一些应用程序组件部署在雾中,而其他组件部署在云中。网络功能虚拟化(Network Functions Virtualization,NFV)是将网络功能从底层硬件中分离出来。在NFV设置中,应用组件可以被实现为以表示VNF转发图(VNF-FG)的特定顺序链接的虚拟网络功能(VNF)的集合。已经进行了许多研究以将VNF-FG映射到云系统。然而,在混合云/雾系统中,出现了额外的挑战。雾节点的移动性可能会导致高延迟,因为最终用户和托管组件的节点之间的距离增加。这对于某些应用程序可能是不可容忍的。在这种情况下,一个突出的解决方案是将应用程序组件迁移到更近的雾节点。本文主要研究基于NFV的混合云/雾系统中的应用组件迁移问题。目标是最小化应用程序的总完工时间。该问题的数学模型,并提出了一种启发式算法,以找到次优解在可接受的时间。启发式的目的是找到最佳的雾节点在每个时隙考虑的雾节点的移动性模型的先验知识。实验结果表明,与随机迁移和无迁移算法相比,本文提出的算法在最大完工时间和迁移次数上都有较大的提高。
2019-05-21 cs.NI
Generalized and Resource-Efficient VNet Embeddings with Migrations
本文关注嵌入灵活指定的CloudNets,连接云资源(如存储或计算)的虚拟网络的问题。我们关注的场景是,客户可以在短时间内请求CloudNet,基础设施提供商(或潜在的中间代理或代理)首先快速嵌入CloudNet(例如,使用简单的试探法)。然而,稍后,通过将它们迁移到更合适的位置来优化长期CloudNets嵌入,其精确定义取决于给定的目标函数。例如,这种迁移可以通过在基础设施上分散CloudNet来减少网络中的峰值资源负载,通过将CloudNet移动到一起并关闭未使用的组件来节省能源,或者用于维护目的。我们提出了一个非常通用的算法来计算CloudNets的最佳嵌入:它允许不同的目标函数(例如负载最小化或节能),支持成本感知迁移,并且可以处理实践中出现的所有链路类型(例如,全双工或甚至具有多个端点的无线或有线广播链路)。我们的评估表明,这种严格的优化甚至是可行的,以优化完全灵活的中等规模的CloudNet(例如,路由器站点、小型物理基础设施或虚拟提供商网络)。
2012-02-16 cs.NI
SLA-Aware Multiple Migration Planning and Scheduling in SDN-NFV-enabled Clouds
在支持软件定义网络(SDN)的云数据中心中,实时迁移是用于云服务中的虚拟机(VM)和服务功能链(SFC)中的虚拟网络功能(VNF)的重新分配的关键方法。使用实时迁移方法,云提供商可以在不中断用户服务的情况下解决其动态资源管理和容错目标。然而,在云数据中心中,以任意顺序执行多个实时迁移可能导致服务降级。因此,有效的迁移规划对于减少实时迁移开销的影响至关重要。此外,为了防止服务质量(QoS)降级和违反服务水平协议(SLA),有必要为具有各种紧急性的不同实时迁移请求设置优先级。在本文中,我们提出了SLARQs,一组算法,组成的最后期限感知的多迁移分组算法和在线迁移调度,以确定VM/VNF迁移的顺序。实验结果表明,该方法在合理的算法运行时间下,可以有效地减少截止期错过次数,并在总迁移时间、平均执行时间、停机时间和传输数据量等方面与逐个调度和两种最先进的算法相比,具有良好的迁移性能.我们还评估和分析多迁移规划和调度的QoS和能源消耗的影响。
2021-01-24 cs.DC cs.NI
Delay-Aware Flow Migration for Embedded Services in 5G Core Networks
面向服务的虚拟网络部署基于不同服务的统计资源需求,而来自每个服务的数据流量随时间波动。研究了嵌入式业务的时延感知流迁移问题,以满足时变业务的端到端时延需求。提出了一个非凸多目标混合整数优化问题,解决了在处理和传输资源约束以及QoS要求约束下,流迁移引起的最大负载均衡和最小重配置开销之间的权衡问题.由于原来的问题是不可解的优化求解器,由于不支持类型的二次约束,它被转化为一个易处理的混合整数二次约束规划(MIQCP)问题。证明了这两个问题之间的最优性差距为零,因此我们可以通过对MIQCP问题的求解并进行一些后处理来获得原问题的最优解。数值结果表明,上述权衡,以及从流迁移的E2E延迟性能保证方面的好处。
2019-04-08 cs.NI
Energy-Aware Virtual Machine Management in Inter-datacenter Networks over Elastic Optical Infrastructure
数据中心(DC),大规模部署,以支持不断增长的需求,数据处理应用程序,消耗巨大的能源。利用可再生能源为DC供电可以有效降低棕色能源消耗。由于发展中国家的地理分布,可再生能源发电和数据处理的需求通常在不同的发展中国家有所不同。根据可再生能源的可用性在DC之间迁移虚拟机(VM)有助于匹配DC中的能源需求和可再生能源发电,从而最大化可再生能源的利用。我们首先引出了可再生能源感知的数据中心间(DC间)VM迁移问题,在一个DC间网络的弹性光基础设施,提出了它作为一个多-多播通信问题,然后将其公式化为一个整数线性规划问题。目标是通过VM迁移最小化DC在这种DC间网络中的棕色能量消耗的总成本。我们使用CVX和Guidelines来解决这个问题的小网络配置,我们提出了一些启发式算法,近似的最佳解决方案,为大型网络配置。通过大量的模拟,我们表明,所提出的算法,通过在DC之间迁移VM,可以减少高达19.7%的棕色能源消耗的成本。
2018-02-17 cs.NI
Fog-supported delay-constrained energy-saving live migration of VMs over MultiPath TCP/IP 5G connections
Sapienza University of Rome(罗马大学)
本文提出了一种基于多路径 TCP/IP 5G 连接的虚拟机节能 live 迁移方案,通过可设置复杂度的带宽管理器实现能耗最小化和延迟约束。
2018-05-31 cs.NI
Digital Twin-Empowered Deep Reinforcement Learning for Intelligent VNF Migration in Edge-Core Networks
North Carolina State University(北卡罗来纳州立大学);The George Washington University(乔治华盛顿大学);University of Electro-Communications(电子通信大学);Nagoya University(名古屋大学)
本研究提出一种基于数字孪生和深度强化学习的智能VNF迁移框架,通过模拟环境动态和生成高质量合成经验,实现低延迟和节能的VNF迁移优化。
2026-01-21 cs.NI
Flocking Virtual Machines in Quest for Responsive IoT Cloud Services
我们建议弗洛克;一种简单且可扩展的协议,支持跨异构边缘和传统云平台实时迁移虚拟机(VM),以提高云服务的响应能力。Flock的设计具有适合物联网(IoT)用例的属性。我们描述了正则化延迟测量的属性,Flock可以用于异步和自主迁移决策。这样的决策允许通信的VM遵循类似群集的行为,该行为由三个简单的规则组成:分离、对齐和内聚。使用博弈论,我们推导出分析界的羊群的无政府代价价格(PoA),并证明群集虚拟机收敛到一个纳什均衡,同时解决最好的云平台。我们通过模拟验证了Flock的有效性,并讨论了如何简单地调整其通用目标以实现其他目标,如云负载均衡和能耗最小化。
2016-10-02 cs.DC cs.NI
Security Management Model in Cloud Computing Environment
在云计算环境下,云虚拟机(VM)的数量将越来越多,虚拟机的安全和管理面临巨大的挑战。为了解决云计算虚拟化环境下的安全问题,提出了一种基于虚拟机高效动态部署的虚拟机安全管理模型--状态迁移与调度,研究了其中的虚拟机安全体系结构,基于层次分析法一种基于ARMUM的虚拟机部署调度方法(Cumulative Sum)DDoS攻击检测算法,以及上述用于功能测试和验证的方法。
2016-11-27 cs.DC cs.NI
Transcoder Migration For Real Time Video Streaming Systems
实时的超高清视频服务的增加对当前网络基础设施提出了挑战性的问题,因为其高带宽使用率使网络链路饱和。所需的带宽与数字媒体的严格QoS要求有关。目前有一些系统可以帮助减少这些问题,例如代码转换器和应用层多播。然而,这些方法是有限的,因为它们通常被实现为静态资源。相比之下,通过使用本文中提出的基于OpenFlow的系统,可以提供使用动态资源的更有效的方法-通过在网络中最佳地放置转码器,以及通过在流传输发生时将它们迁移到不同的位置。这种迁移机制提供了一种近乎无缝的数据交换,对客户端的中断最小。
2015-09-27 cs.NI
Robust Network Function Virtualization
网络功能虚拟化(NFV)实现了按需网络功能(NF)部署,从而提供敏捷和动态的网络服务。通过量化所有需求的所有NF之间的最小可靠性的评估度量,服务提供商和运营商可以更好地促进灵活的NF服务恢复和迁移,从而提供更高的服务可靠性。在本文中,我们提出了评估指标的NFV可靠性和解决方案的方法来解决鲁棒NFV下的随机NF启用节点故障(S)。我们演示了如何构建一个辅助的NF启用网络及其映射到物理基板网络。利用构造的NF使能网络,我们开发了伪多项式算法来解决鲁棒NF和SFC $s-t$路径问题-鲁棒NFV的子问题。我们还提出了鲁棒NFV的近似算法与SFC-Fork作为NF转发图。此外,我们提出了精确的解决方案,通过混合整数线性规划(MILP)的一般设置下。计算结果表明,我们提出的解决方案的方法是能够管理强大的NFV在一个大规模的网络。
2019-12-10 cs.NI
Priority-aware Gray-box Placement of Virtual Machines in Cloud Platforms
虚拟机(VM)放置对于云平台非常重要。虽然实时虚拟机迁移等技术对于平衡数据中心的负载非常有用,但它们是昂贵的操作。在这份立场文件中,我们建议通过在虚拟机放置算法中应用虚拟机的工作负载模式来最大限度地减少数据中心中负载热点的机会-将需要大量相同类型资源的虚拟机放置在不同的物理服务器上。通过这种方式,可以显著缓解同一物理服务器上的VM的资源竞争。同时,我们还考虑了应用程序和虚拟机的优先级在我们的虚拟机布局算法。
2013-07-25 cs.DC cs.NI
Zero-Instrumentation Dependency Discovery for Guided Microservice Migration Using eBPF
1Independent researcher, San Francisco, USA, 2Independent researcher, Dubai, UAE
该研究使用eBPF内核级网络追踪无插装发现微服务依赖,生成ROI排序的迁移计划,可减少27%跨VM流量暴露,但采集开销存在明显性能代价。
2026-08-06 cs.DC cs.NI
AI-Empowered VNF Migration as a Cost-Loss-Effective Solution for Network Resilience
Technische Universität Kaiserslautern(凯泽斯劳滕工业大学)
随着多接入边缘计算(MEC)在第五代(5G)移动网络中的广泛部署,虚拟网络功能(VNF)可以在不同位置之间灵活地迁移,并且由此显著增强网络弹性以对抗由于网络功能中断而导致的服务质量(QoS)的降级。必须在VNF迁移减少的损失和由此产生的运营成本之间仔细权衡。为了在具有真实用户行为的实际场景中实现这一点,它需要成本和用户移动性的模型。本文提出了一种新的成本模型和AI授权的方法,用于有状态VNF的合理迁移,该方法最小化了运营成本和停机造成的潜在损失之和,并且能够处理复杂的现实用户移动模式。
2021-01-22 cs.AI cs.NI
A Dynamic Service-Migration Mechanism in Edge Cognitive Computing
在边缘计算的愿景和基于人工智能的丰富认知服务的成功推动下,一种新的计算范式--边缘认知计算(ECC)是一种很有前途的方法,它将认知计算应用于网络边缘。ECC具有提供用户认知和网络环境信息的潜力,并进一步提供弹性认知计算服务,以实现比边缘计算更高的能源效率和更高的体验质量(QoE)。本文首先介绍了我们的ECC的体系结构,然后详细描述了它的设计问题。此外,我们提出了一种基于ECC的动态服务迁移机制,以深入了解认知计算如何与边缘计算相结合。为了评估所提出的机制,一个实用的平台,动态服务迁移,移动用户的行为认知的基础上迁移的服务。实验结果表明,提出的ECC架构具有超低的延迟和较高的用户体验,同时为用户提供更好的服务,节省计算资源,实现了较高的能量效率。
2018-08-22 cs.NI
MigrOS: Transparent Operating Systems Live Migration Support for Containerised RDMA-applications
主要的数据中心提供商正在为其租户以及底层基础设施的运营引入基于RDMA的网络。与传统的基于套接字的网络堆栈相比,基于RDMA的网络提供更高的吞吐量、更低的延迟和更少的CPU开销。然而,透明的检查点和迁移操作变得更加困难。关键原因是操作系统被从通信的关键路线中移除。因此,一些通信状态本身驻留在NIC硬件中,不再受操作系统的直接控制。这种控制尤其包括对通信伙伴实时迁移所需的通信虚拟化的支持。在本文中,我们提出了实现一个迁移能力的基于RDMA的网络所需的基本原则。我们建议在软件级别进行一些更改,并在硬件级别进行一些小更改。作为概念验证,我们将所提出的更改集成到SoftRoCE中,SoftRoCE是RoCE协议的开源内核级实现。我们声称,这些变化不会引入运行时开销时,迁移不发生。最后,我们开发了一个概念验证的实现迁移使用基于RDMA的网络的容器化应用程序。
2020-10-23 cs.DC cs.NI cs.OS
Multi-Agent Deep Reinforcement Learning for Cost- and Delay-Sensitive Virtual Network Function Placement and Routing
Beijing University of Posts and Telecommunications(北京邮电大学);SUTD(新加坡科技设计大学);Commonwealth Scientific and Industrial Research Organisation (CSIRO)(联邦科学与工业研究组织(CSIRO));NTU(南洋理工大学)
提出了一种基于多智能体深度强化学习(MADRL)的联合虚拟网络功能(VNF)布局和路由(P&R)方法,该方法可以同时提供多个具有差异化需求的服务请求。服务请求的不同要求反映在对延迟和成本敏感的因素上。我们首先构造一个VNF P&R问题,以联合最小化服务延迟和资源消耗成本的加权和,这是NP完全的。然后,联合VNF P&R问题被解耦为两个迭代子任务:布局子任务和路由子任务。每个子任务由多个并发并行顺序决策过程组成。通过引入深度确定性策略梯度方法和多智能体技术,设计了一个MADRL-P&R框架来完成这两个子任务。新的联合奖励和内部奖励机制,提出了匹配的布局和路由子任务的目标和约束。我们还提出了基于参数迁移的模型再训练方法来处理不断变化的网络拓扑结构。通过实验验证,建议MADRL-P&R框架是优于其替代品的服务成本和延迟,并提供了更高的灵活性,个性化的服务需求。基于参数迁移的模型再训练方法在网络拓扑结构变化不大的情况下能有效地加速收敛。
2022-06-24 cs.AI cs.LG cs.NI
Combination of Convolutional Neural Network and Gated Recurrent Unit for Energy Aware Resource Allocation
Ayandegan Institute of Higher Education(阿扬德甘高等教育学院);Islamic Azad University(伊斯兰阿扎德大学)
云计算服务模式已经经历了快速的增长,并且低效率的资源使用被认为是云数据中心高能耗的最大原因之一。旨在减少能耗的云数据中心中的资源分配已经使用虚拟机(VM)的实时迁移及其合并到少量物理机(PM)中来进行。然而,选择适当的VM进行迁移是一个重要的挑战。为了解决这个问题,可以根据用户请求的模式将VM分类为对延迟敏感或不敏感的类别,然后可以选择合适的VM进行迁移。在本文中,卷积神经网络(CNN)和门控递归单元(GRU)的组合用于Microsoft Azure数据集中的VM分类。由于该数据集中的大多数VM都被标记为对延迟不敏感,因此迁移该组中的更多VM不仅可以降低能耗,还可以减少违反服务水平协议(SLA)的情况。实证结果表明,该模型的预测准确率为95.18,明显优于其他模型。
2021-06-23 cs.DC cs.LG cs.NI