面向云数据中心的模式感知虚拟网络嵌入优化
Pattern-Aware Virtual Network Embedding Optimization for Cloud Data Centers
- Xidian University（西安电子科技大学）
- Hunan University（湖南大学）
- Singapore University of Technology and Design（新加坡科技设计大学）
- Queen’s University Belfast（贝尔法斯特女王大学）
机构由 AI 辅助整理，请以论文原文为准。
AI总结：
针对云数据中心在线虚拟网络嵌入资源碎片化问题，提出基于模式匹配的VNE优化方法，利用聚类量化和列生成构建匹配规则，算法线性复杂度，在106台服务器测试平台上比传统设计多接纳25%-30%的工作负载。
AI中文摘要：
网络虚拟化（NV）技术使得云数据中心中的虚拟网络（VNs）能够共享多种资源。其中的一个关键挑战是为虚拟网络请求（VNR）实时分配资源，这被称为在线虚拟网络嵌入（VNE）。然而，现有的在线VNE方法并未利用不同VNR之间的多维互补关系，导致底层资源的碎片化和浪费。在本文中，我们提出了一种基于模式匹配的在线VNE方法，通过构建观测模式之间的适当匹配规则来最大化资源利用率。我们设计了基于聚类的VNR量化方法，并对模式组合过滤问题进行了严谨的研究。然后，我们利用列生成（column generation）技术来解决该问题并构建模式匹配规则。基于这些规则，我们提出了一种具有线性最坏情况复杂度的在线模式匹配VNE算法。在基于阿里巴巴生产集群轨迹数据集的106台服务器测试平台上的评估表明，我们的算法实现了接近离线（offline）的性能，并接纳了更多的工作负载，比传统设计高出25%-30%。
英文摘要：
The network virtualization (NV) technology has enabled the sharing of multiple resources among virtual networks (VNs) in cloud data centers. One of the key challenges is to allocate resources in real-time for virtual network request (VNR), which is known as online virtual network embedding (VNE). However, the existing online VNE methods do not exploit the multi-dimensional complementary relationship among diverse VNRs, resulting in the fragmentation and waste of substrate resources. In this paper, we propose the pattern matching based online VNE approach by constructing appropriate matching rules among observed patterns to maximize resources utilization. We devise the clustering based VNRs quantization method and conduct rigorous study on the pattern combination filtering problem. Then, we utilize the column generation to solve it and construct the pattern matching rules. Based on the rules, we propose an online pattern matching VNE algorithm with linear worst-case complexity. Evaluation on a 106-server testbed using Alibaba production cluster trace dataset shows that our algorithm achieves close-to-offline performance and more accepted workloads that outperforms traditional designs by 25%-30%.
