.png){kind=icon}
返回
Assembling multipath service function chains in substrate graphs using sharing instances and deep learning
.png){kind=icon}
PRE
AI
DOI：10.1016/j.engappai.2025.110900.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在基础网络拓扑图中组装服务功能链（SFCs）已成为网络功能虚拟化背景下的一项关键挑战。SFCs是指必须按顺序执行以满足特定服务需求的虚拟网络功能（VNFs）序列。通过复用可共享的VNF实例，该领域可以实现网络资源的有效管理，从而降低资源消耗和运营开销。随着网络环境在需求增长和动态复杂性增加中演变，多路径SFCs作为一种增强容错能力并优化资源利用的可行方法引起了广泛关注。多路径SFCs允许流量在网络中穿越多条独立路径，确保负载均衡、冗余配置和性能提升。基于此动机，本研究提出了一种基于基础网络拓扑图中VNF实例共享的多路径SFC组装框架，并采用深度学习算法实现。所提算法利用Soft Actor-Critic算法有效嵌入多路径SFCs。通过动态地将SFCs映射到带宽消耗和时延最小的路径上，该算法优化了网络资源使用。所提算法中的资源分配机制被设计为能够灵活适应多样化的请求需求。此外，通过利用可复用的VNF实例，该算法进一步提升了资源效率。同时，该框架确保在映射过程中物理网络中的所有节点和链路均满足资源约束。仿真结果表明，所提算法在基础网络拓扑图中基于实例共享的多路径SFC组装场景下显著提升了性能指标。具体而言，所提算法相较于现有先进方法，将带宽消耗降低了1.04%，时延减少了0.82ms，SFC组装率提升了2.75%，体现了高效的网络资源管理能力。
Keyword:
Network function virtualization
Service function chains
Sharing instances
Substrate graphs
Deep learning
期刊
IF:
8
论文数:
5.4K
被引数:
3.5W
机构
引用论文
Service Function Chain Orchestration Across Multiple Domains: A Full Mesh Aggregation Approach跨多个域的服务功能链编排: 全网状聚合方法
.png){kind=icon}
PREAI
分享收藏分享收藏Cost-Efficient Service Function Chain Orchestration for Low-Latency Applications in NFV NetworksNFV网络中低延迟应用的经济高效的服务功能链编排
PREAI
分享收藏Robust deadline-aware network function parallelization framework under demand uncertainty需求不确定下鲁棒的期限感知网络功能并行化框架
PREAI
分享收藏Throughput Maximization for Multipath Secure Transmission in Wireless Ad-Hoc Networks无线ad-hoc网络中多径安全传输的吞吐量最大化
PREAI
分享收藏Damping-Assisted Evolutionary Swarm Intelligence for Industrial IoT Task Scheduling in Cloud Computing阻尼辅助的进化群智能在云计算工业物联网任务调度中的应用
OAAI
OAAI分享收藏
查看更多内容