面向5G云数据中心的服务功能链部署方法研究
摘要
随着5G工业互联网的普及和云计算的发展，数据中心网络需要处理海量增长的业
务需求，而5G网络由于其超大带宽、超多接入、超低时延的三大特性可以为一些前沿
的应用诸如无人驾驶、智能家居、万物互联提供底层支撑。并且随着5G网络底层网络
功能虚拟化（NetworkFunctionVirtualization，NFV）和软件定义网络（SoftwareDefined
Network，SDN）的结合，使得一条服务请求可以拆分成可以部署到硬件节点上的虚拟
网络功能（VirtualNetworkFunction）的组合，即服务功能链（ServerFunctionChain，
SFC）使得人们对于请求的时延控制和成本控制更加细化。但是，由于现有的研究工作
大多只考虑离线方式的部署，并且所针对的也大都是跨数据中心的VNF部署，使得复
杂网络多变的业务需求难以得到满足。因此，本文以离线部署和在线部署两种环境下，
研究了基于数据中心内部部署成本和跨数据中心之间的传输时延的SFC部署方案。
针对离线的SFC部署服务请求已知、并发请求较高的部署问题，本文设计了一个
基于5GFat-Tree网络拓扑的两阶段部署的混合整数线性规划模型，第一阶段在服务链
划分中，考虑在满足其他资源约束的同时诸如CPU计算资源、链路带宽资源，最小化
一条服务请求的E2E时延；第二阶段研究在各条服务子链的映射，在忽略5G数据中心
内部通信时延的基础上最小化网络运营商的部署成本。为了加快求解，本文将提出的
MILP模型映射为了一个HMM模型，并提出了一个基于改进Viterbi的启发式算法来在
较短时间内获得一个近似最优解。仿真结果表明，本文提出的SFC离线部署方案能够
同时降低了用户请求的端到端时延及运营商成本，使得网络资源得到充分利用。
针对在线的SFC部署服务请求未知、对生存时间敏感以及组链长度过高导致的高
维度部署问题，本文设计了一个基于双重深度Q网络（DoubleDeepQNetwork，DDQN）
的在线SFC部署方案，该算法主要考虑了数据中心层和边缘层业务多变的业务请求，
快速解决了SFC接受率、端到端时延以及资源利用率等高维度优化问题，针对异构网
络中的新兴业务需求利用DDQN算法的强适应性和实时自反馈学习的特性，有效解决
了SFC的权衡分配问题。仿真结果表明，相比于传统离线部署方式，可以实时部署新
兴SFC的虚拟网络功能，得到一个较高的SFC接受率；并且相比于前身的DQN，引入
双重神经网络，收敛效果更好，在权衡多种指标下都能获得更佳的网络资源利用率。
关键词：服务功能链；网络功能虚拟化；云数据中心；强化学习
面向5G云数据中心的服务功能链部署方法研究
Abstract
Withthepopularityof5Gindustrialinternetandthedevelopmentofcloudcomputing,
datacenternetworksneedtohandlemassivebusinessdemands.5Gnetworks,duetotheir
threemajorfeaturesofultra-largebandwidth,ultra-manyaccess,andultra-lowlatency,can
provideunderlyingsupportforcutting-edgeapplicationssuchasautonomousdriving,smart
homes,andtheinternetofthings.Furthermore,withthecombinationofNetworkFunction
Virtualization(NFV)andSoftwareDefinedNetwork(SDN)in5Gnetworkvirtualization,a
servicerequestcanbespliti