基于5G网络时延感知的服务功能链部署方法研究.pdfVIP

基于5G网络时延感知的服务功能链部署方法研究

摘要

5G网络借助软件定义网络、网络功能虚拟化和多接入边缘计算(Multi-accessEdge

Computing，MEC)等前沿技术，在网元形态、网络架构等多个方面发生重大变革，并

通过服务功能链(ServiceFunctionChain，SFC)提供灵活、定制化的服务。在这一背景下，

网络时延作为影响服务部署质量和用户体验的核心指标备受关注。研究网络时延感知

方法成为5G网络服务部署过程中的重要议题。对网络时延的感知不仅为SFC部署提供

时延数据支撑，还拓展了SFC部署过程中获取时延的手段。然而，目前对于SFC部署

的研究大多基于网络具备时延感知能力的假设。面对庞大的网络规模和数据量以及时

延的随机性和不确定性，对数据存储处理效率、测量代价以及感知精度带来极大挑战。

此外，鉴于SFC内部虚拟网络功能间复杂的顺序依赖关系，结合对计算速度、服务效

用、资源约束以及网络时延的限制等多方面因素的考虑，为高效部署SFC、合理分配

网络资源以及动态适应网络环境提出极高的要求。综上，本文以提升时延感知能力为

前提，旨在提升SFC部署效率问题，并做出以下贡献：

(1)针对SFC部署过程中传统时延测量方法开销大、精度低的问题，提出了基于布

谷鸟哈希表交换的时延测量方法。为解决数据记录聚合过程中普遍面临的哈希碰撞问

题，设计了基于布谷鸟过滤器的数据记录映射方法。在此基础上，为进一步降低测量

代价，构建了布谷鸟哈希表交换的测量框架。针对测量终端通常选取等长测量窗口导

致的测量误差大、数据利用率低的问题，本文设计了测量窗口的动态调整方案。仿真

和实测结果表明，本文提出的方法具有可控的测量精度，并且能够将相对误差控制在

0.3%以内。相较于现有方案具有更强的适应性以及更低的测量代价。此外，该方法在

实际网络故障监测中具有广泛的适用性。

(2)针对SFC部署过程中突发事件导致无法长时间持续测量时延的问题，提出了基

于对比学习的网络时延预测方法，拓展了网络时延的感知手段。首先，针对传统数据

补偿方法对于连续时延标签分布估计不准确的问题，本文基于核密度估计技术构建了

时延标签分布校正方法。其次，针对线性插值方案产生的高维度数据缺乏实际意义且

背离输入特征原有分布的问题，本文在多尺度特征提取阶段采用基于逆变换插值的方

法合成新样本。最后，针对传统预测方法难以捕捉时延特征相关性、泛化能力差的问

题，本文结合对比学习和经验补偿设计了基于LSTM的时延预测模型。在5G实测数据

I

哈尔滨工程大学博士学位论文

集下的实验表明，本文提出的方法显著提升了总体以及突发高时延样本的预测精度，

能够有效应用于网络故障预测并且故障检测准确率达到91%以上。

(3)针对5GMEC场景中SFC部署问题由于规模庞大、计算复杂导致的部署速度慢

以及资源分配不合理的问题，本文提出一种基于交替方向乘子法的分布式SFC离线部

署方法。充分考虑专用边缘设备资源限制和激活云服务引入的实例化开销，针对传统

建模方案面临的变量规模大并且变量间耦合约束多的问题，设计了一种基于元链路的

单变量建模方法。在此基础上，为进一步提升计算速度，充分利用网络中的资源，本

文设计了基于交替方向乘子法的分布式计算架构并且采用基于Viterbi的启发式方案快

速求解子问题。仿真实验表明，本文提出的方法能够快速收敛并获得近似最优的部署

方案。此外，在相同的网络资源下，至少提高了39%的服务容量。

(4)针对5G核心网中由于任务到达随机强和网络状态动态性高导致的部署稳定性

差、服务接受率低的问题，本文提出了基于多步强化学习的SFC在线部署方法。在建

模阶段，为解决传统强化学习方法对于无效路径和重复路径的探索，以及完整