用于网内可实现功能部署的PDP交换机外部存储器：基于深度学习的SFC重配置
External Memories of PDP Switches for In-Network Implementable Functions Placement: Deep Learning Based Reconfiguration of SFCs
AI总结：
针对网内功能部署的成本与性能需求，提出基于深度强化学习的服务功能链重配置方法，借助PDP交换机外部存储器与策略网络过滤器优化收敛、接受率与成本。
摘要：
网络功能虚拟化利用可编程数据平面（PDP）交换机部署网内可实现功能，以提升服务质量（QoS）。交换机的存储器可通过远程直接内存访问访问外部存储器进行扩展。本文利用交换机的外部存储器，以固定时间间隔部署对超低延迟和高带宽有需求的虚拟网络功能（VNF）。重配置决策被建模为一个优化问题，在满足服务功能链（SFC）截止期限的同时，最小化部署与重配置成本。本文提出一种基于深度强化学习（DRL）的方法，可根据动态网络和流量特性对服务链进行重配置。为应对部署场景复杂性导致的收敛缓慢问题，在策略网络构建中使用了静态和动态过滤器，以减少不可行的部署探索。实验结果表明，该方法在收敛速度、接受率和成本方面均有提升。
英文摘要：
Network function virtualization leverages programmable data plane switches to deploy in-network implementable functions, to improve QoS. The memories of switches can be extended through remote direct memory access to access external memories. This paper exploits the switches external memories to place VNFs at time intervals with ultra-low latency and high bandwidth demands. The reconfiguration decision is modeled as an optimization to minimize the deployment and reconfiguration cost, while meeting the SFCs deadlines. A DRL based method is proposed to reconfigure service chains adoptable with dynamic network and traffic characteristics. To deal with slow convergence due to the complexity of deployment scenarios, static and dynamic filters are used in policy networks construction to diminish unfeasible placement exploration. Results illustrate improvement in convergence, acceptance ratio and cost.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
