一種基于模糊邏輯的虛擬服務遷移策略

王子厚，徐月梅，張露晨

（1.國家計算機網絡應急技術處理協(xié)調中心，北京 100029；2.北京外國語大學計算機系，北京 100089）

研究與開發(fā)

一種基于模糊邏輯的虛擬服務遷移策略

王子厚1，徐月梅2，張露晨1

（1.國家計算機網絡應急技術處理協(xié)調中心，北京 100029；2.北京外國語大學計算機系，北京 100089）

在網絡虛擬化環(huán)境中，用戶對虛擬網絡的需求不是一成不變的，而是受到用戶行為、位置、移動性等多方面因素的影響。針對用戶需求變化的應用場景，為了實現綠色節(jié)能、低能耗、高效利用的虛擬資源遷移與調度，提出了基于模糊邏輯推理的虛擬服務遷移機制。該機制能夠有效地對用戶需求的變化進行判斷，根據用戶需求的變化情況，對虛擬服務進行遷移，既提高了資源利用率，也提升了用戶的服務體驗。

網絡虛擬化；服務遷移；模糊邏輯

1 引言

2016年，全球移動互聯網用戶數已經達到36億戶[1]。增強移動性需求、網絡適應能力、保障和提高用戶的體驗質量對互聯網提出了新的考驗。具體地，可能會出現在某些時刻大量用戶訪問同一網絡服務，或者在移動環(huán)境下出現用戶大規(guī)模遷移的場景。網絡虛擬化技術的發(fā)展將協(xié)助解決這些問題，網絡虛擬化的目標是在不用考慮物理網絡屬性的情況下實現虛擬服務的平滑移動，實現對網絡資源的按需分配，提高用戶的體驗質量。而由于網絡中用戶數量、行為和偏好的變化，如何根據用戶行為對服務進行遷移和調整，以節(jié)約網絡的資源、提高使用者的用戶體驗，也是網絡虛擬化環(huán)境下的挑戰(zhàn)性問題。為了直觀的說明虛擬服務遷移的意義，這里首先列舉服務遷移可能發(fā)生的兩個場景。

（1）時區(qū)場景

時區(qū)場景針對跨越多個大洲的網絡服務。這種場景下，多組用戶分布于不同的時區(qū)位置，共同使用相同的服務，用戶對網絡應用具有低時延的需求，而不同地域的每組用戶的使用時間都是在固定的時間段，比如都是在上班時間使用某種商業(yè)應用。一種解決方式是在每個時區(qū)均設置云數據中心，以滿足用戶的需求。這種方式能夠解決諸如內容存放、下載等類型的服務，而不能滿足那些對實時性、互通性要求較高的應用服務。另一種想法則是，將一個或多個裝有應用的虛擬機和數據隨時間進行遷移，比如某些全球性商業(yè)金融服務，在每天的日落時刻將數據遷移到即將日出的時區(qū)，如東京—倫敦—紐約。遷移的時機、開銷、帶來的收益是需要綜合考慮的問題。

（2）用戶移動性場景

用戶移動性場景指的是，服務的用戶在一天中的不同時刻處于不同的位置，而用戶位置變化的統(tǒng)計特征則有規(guī)律可循。比如，在上下班時刻，用戶服務的熱點處于公交車站/地鐵等位置，工作時間用戶服務的熱點則處于城市中心/商業(yè)區(qū)/工業(yè)區(qū)等位置，晚上網絡服務的熱點則集中于居民區(qū)/衛(wèi)星城等區(qū)域。同時，在不同時刻，用戶對應用的需求類型也是不同的，比如，在上下班時間，用戶關注的應用服務主要集中在一些新聞、小游戲等內容，而在晚上，用戶則更傾向于視頻點播、大型游戲等內容。這些熱點和資源分布是可以預測的。根據熱點分布的不同，對網絡中服務位置進行動態(tài)調整，能夠有效地節(jié)約網絡的資源。

從以上的應用場景可以看出，分析用戶行為、分布的變化，并以此來調整網絡服務的位置，可以有效地節(jié)約網絡資源，降低服務響應時間，改善用戶的使用體驗。圖1展示了終端設備的移動可能導致的服務遷移。在終端設備發(fā)生遷移時，服務從一個節(jié)點遷移到另一個節(jié)點更能滿足用戶的需要。

圖1 用戶遷移示意

基礎設施提供商在對運行在其物理網絡上的虛擬服務根據用戶的情況進行自由遷移時，雖然有著廣泛的應用場景，但同時也面臨著很大的挑戰(zhàn)。首先，服務遷移需要考慮遷移的各種代價的平衡，平衡主要包括兩個方面：一方面是遷移帶來的好處，如服務時延減小、對鏈路占用率降低等；另一方面則是遷移可能帶來的壞處，如遷移時大數據傳輸對網絡的壓力、遷移導致的服務的中斷及恢復對用戶體驗的影響等。

2 相關工作

目前，對網絡虛擬化環(huán)境下服務遷移的研究已經有一些想法被提出來。在移動互聯網方面，參考文獻[2]展示了移動互聯網以Web瀏覽器為基礎的服務遷移的相關研究工作。參考文獻[3]提出了通過虛擬機的實時遷移來實現云計算資源動態(tài)池化的手段，提出了服務遷移需要考慮的一些問題。參考文獻[4]提出了VROOM方案，實現虛擬路由器的自由遷移問題。OpenFlow[5]利用對流表的控制，簡化了虛擬路由器的控制設計，降低了虛擬路由器和邏輯路由器可能對商用路由器的沖擊，成為當前的研究熱點。而OpenFlow通過控制網絡流的方式，減輕了虛擬節(jié)點遷移在技術上的困難，為服務遷移的實現提供了可能，目前很多考慮服務遷移的文章都以OpenFlow實現遷移為假設基礎。參考文獻[6]提出將OpenFlow與XEN主機虛擬化進行結合，以實現虛擬網絡遷移。

在利用服務遷移以實現網絡的資源管理和降低能耗方面，參考文獻[7,8]做了嘗試，提出了虛擬服務遷移的初步方案。該方法通過對遷移的代價與收益各個參數進行量化，通過動態(tài)比較的方式，判斷遷移的時機。這種方法的缺點包括決定遷移的各個因素是相互作用影響的，簡單量化不能反映各個因素之間的相互關系；各個因素簡單量化過于死板，不利于遷移時機的動態(tài)調整；不易根據網絡參數的變化，對模型進行擴展。

提出了基于模糊邏輯的虛擬服務遷移機制，有效綜合各種因素對遷移的影響，通過模糊邏輯規(guī)則的建立和更新反映了不同參數對遷移的影響力的不同，并且通過對模糊邏輯規(guī)則庫進行分析和判斷，有效地驗證了網絡行為的變化規(guī)律，對遷移進行預判和執(zhí)行。

3 模糊邏輯推理過程

1965年，美國數學家Zadeh L[9]首先提出了模糊集合的概念。模糊集合理論給出了表示不確定性的方法，為那些含糊、不精確或缺少必要資料的不確定性事物的建模提供了工具。目前，模糊邏輯理論在計算機網絡研究中已取得一定進展。參考文獻[10,11]提出了在數據中心中利用模糊邏輯實現自治管理的方法。參考文獻[12]則提出了利用模糊預測來進行數據中心中任務調度的方案。參考文獻[13]則展示了利用模糊邏輯來簡化網絡管理的可能。參考文獻[14]中提出了在網絡入侵檢測系統(tǒng)中實現基于模糊邏輯的動態(tài)供應方法。這些文章為將模糊邏輯推理引入虛擬網絡服務遷移問題提供了參考。

3.1 模糊邏輯的基本概念

在經典或清晰的集合中，根據域內元素在給定集合中的變化是否是突變和容易定義的，可明確地分辨元素是否屬于某一個集合，稱為明確集合。所謂明確就是指“屬于”“不屬于”之間可以做出明確的判斷，一般以0與1兩個數值表示。然而在大多數事物、語義表達上通常難以做到明確的區(qū)分辨別，而是含有模糊、不明確的敘述，即含有模糊、不明確的外延。以天氣溫度為例，“寒冷”“炎熱”“氣候適宜”都沒有明確的外延。因此，這些模糊的概念不能利用清晰集合加以描述，因為他們對于某個集合而言，不是簡單的“屬于”或者“不屬于”。而模糊集合，如同人們的思維方式，每一元素可以說是將二值邏輯擴展成多值邏輯，除了以0和1表示所屬程度之外，并推廣至介于0和1之間的數值來表示。

集合隸屬度概念是用域上集合來表示域內對象。經典集合中的元素具有精確的隸屬度，而模糊集合中的對象具有近似的隸屬度。為詳盡起見，假設有一個單個元素x的窮舉集，并構成論域X，再設該域上的這些元素的不同組合構成的集合為A。對明確集合來說，此X域上的元素x要么是某個明確集合A的元素，要么不是。以人的高度為例，設A集是所有5.0≤x≤7.0英尺人的一個清晰集合，如圖2（a）所示。某成員x1有6.0英尺，在清晰集合中其隸屬度為1，或用全隸屬度符號χA(x1)=1表示，另一成員x2有4.99英尺。在A集中的隸屬度等于0或者無隸屬關系，所以χA(x2)=0。這種情況下的集合隸屬度是二進制的，即一個元素或屬于一個集合，或不屬于一個集合。

模糊集合發(fā)展了二進制隸屬度的概念，以滿足各種隸屬度函數能落在實數連續(xù)區(qū)間[0,1]上，其端點0和1分別表示無隸屬關系和有完全隸屬關系，如同明確集合指標函數一樣，端點間的任何一個值表示域上某集合元素x的各種隸屬度。該域上能滿足各種隸屬度的集合，稱為模糊集合。仍然以人的身高為例，假設“大約6英尺高”組成的集合為H集，因“大約6英尺高”屬于模糊性質，H集沒有唯一的隸屬度函數。然而，可以確定模糊的隸屬度函數μH。這個函數的似然性表現為：標準值μH(6)=1；單調性（H值越接近6，μH值越接近1）；對稱性（與6等距變化的數，具有相同的μH值）。該隸屬度函數可見圖2（b）。

圖2 隸屬度函數示意

不同隸屬度之間的變化可認為遵循了模糊集合邊界的不確定性和模糊性的事實。因此，集合中域內元素的隸屬度可由描述不確定性和模糊性的函數來度量。模糊集合是一個有著不同隸屬度的元素集合。

3.2 模糊邏輯控制系統(tǒng)

模糊控制指的是在控制方法上應用模糊集合理論、模糊語言變量以及模糊邏輯推理的知識來模擬人的模糊思維方法，用計算機實現與操作者相同的控制。模糊控制用比較簡單的數學形式直接將人的判斷、思維過程表達出來，一般來說大多數的模糊控制都是依據Mamdani提出的“if-then”條件命題的語言控制[15]。模糊邏輯控制系統(tǒng)一般包括4個部分：模糊化、模糊規(guī)則庫、模糊推理、非模糊化，如圖3所示。

圖3 模糊邏輯控制系統(tǒng)

模糊化是一個使清晰量模糊的過程。模糊化過程主要測量輸入變量的值，并將數字表示形式的輸入量轉化為通常用語言值表示的某一限定碼的序數。每個限定碼表示論域內的一個模糊子集，并由隸屬度函數來定義。對于某一個輸入值，它必定與某一個特定限定碼的隸屬程度相對應。一旦模糊集設計完成，則對于任意的物理輸入x，需要將其映射到模糊集合系統(tǒng)中。

模糊規(guī)則庫包含整個模糊邏輯控制系統(tǒng)的思考法則，其中所存儲的控制規(guī)則，是結合人們的經驗，把受控目標各種可能的狀態(tài)，以“if-then”的形式，表示成包含人類判斷模糊性的控制演算法則。每條模糊邏輯規(guī)則由前件（antecedent）和后件（consequent）所組成，其形式為：

規(guī)則1：如果x為A，那么y為B。

其中，A和B都是模糊集合。規(guī)則的設計直接影響到模糊控制的效果。規(guī)則產生的方式一般有如下3種：

·直接轉換人的實踐知識為模糊語言控制規(guī)則；

·根據控制系統(tǒng)對系統(tǒng)輸入與輸出的反應歸納受控行為，以試誤法進行設計；

·由控制系統(tǒng)本身進行學習或修正控制規(guī)則，這是最系統(tǒng)化的方法。

當控制系統(tǒng)的輸入已經模糊化后，必須依據模糊規(guī)則進行合成推理，這種推理稱為模糊推理。模糊邏輯推理借助模糊邏輯運算以模擬人類思考判斷的方式，挑選模糊規(guī)則庫中適用的語義化控制規(guī)則，用并行的方式對輸入的模糊化變量做運算，求得模糊化輸出。以最大最小推理為例說明，考慮以下模糊推理形式，其中，A、B和C都是模糊集合：

規(guī)則1：如果x為A1，y為B1，那么z為C1；

規(guī)則2：如果x為A2，y為B2，那么z為C2；

…

規(guī)則n：如果x為An，y為Bn，那么z為Cn。

前提：x為x0，y為y0

由前提“x為x0，y為y0”以及各個模糊規(guī)則，通過取最小得出Cn1為：

其中，表示取最小。

最終結論C′由以上結果取最大得到，即：

其中，表示取最大。

通過模糊推理得到的結果是一個模糊集合。但在實際應用中，特別是在模糊控制中，必須要有一個確定的值才能控制或驅動執(zhí)行。在推理后得到的模糊集合中取一個能夠代表這個模糊推理結果可能性的精確值的過程就稱為非模糊化過程。非模糊化過程可以采用許多不同的方法，用不同的方法所得到的結果是不同的。最常見的重心法是取模糊隸屬度函數曲線與橫坐標圍成面積的重心為模糊推理最終輸出值，即：

4 基于模糊邏輯的虛擬服務遷移

基礎設施提供商根據需求創(chuàng)建虛擬網絡以后，服務提供商在虛擬網上創(chuàng)建服務以提供給用戶。用戶和終端設備在不同的地理位置，通過接入節(jié)點向服務發(fā)起請求，而用戶和終端設備的分布是不確定的和隨時間變化的。一般情況下，服務提供商在描述虛擬資源請求時，就考慮了用戶的初始分布、行為特性等，并根據此制定不同的資源數量在網絡中的不同位置。然而用戶的需求不是一成不變的，隨時間、用戶行為變化等不斷變化，一些新用戶加入進來，一些老的用戶移出，還有一些用戶在網絡中從一個接入點遷移到另外的接入點。將虛擬服務的單個節(jié)點或者部分節(jié)點根據用戶的變化移動到新的位置是必要的，可以降低網絡的開銷?；谀：壿嬐评砑夹g，提出了根據用戶變化的場景進行虛擬服務遷移的方法。所提的服務遷移方法分為以下幾個步驟：服務遷移所需參數的采集、模糊邏輯的判斷、服務的遷移等。

4.1 服務遷移的參數采集

在虛擬服務遷移中，首先要定義遷移代價的概念，考慮當需要進行服務遷移時，哪些因素可能影響遷移，哪些因素的變化導致遷移的發(fā)生，而遷移又會帶來哪些問題，哪些因素阻礙遷移的發(fā)生。這些因素對遷移的影響程度不同，而同一因素在不同環(huán)境下的重要性也可能不同。這些因素的重要性在經驗的基礎上可以用模糊邏輯進行推理和判斷。

一個虛擬節(jié)點/虛擬服務器的遷移代價可能包括多個因素的影響，例如：物理服務器的負載、到終端設備的流量、到中間設備的時延等。為了對問題進行簡化，只考慮物理網絡上只有一個虛擬網絡，同時在虛擬網絡中只有一個虛擬節(jié)點/服務器的情況。

4.1.1 參數選擇

首先，考慮會有哪些因素導致遷移，即遷移可能帶來的好處，或者說不遷移/保持現狀要付出的代價。

Cdelay為服務的時延。當用戶的位置發(fā)生變化時，從虛擬服務器端到用戶端的時延將增大，這將影響一些服務的服務質量。簡化此參數為虛擬節(jié)點到接入節(jié)點的路由器跳數。同時，此項因素受到用戶數量分布的影響，決定于用戶分布的重心。

Caload為服務器的可用負載。遷移能否實現的一個重要因素是潛在遷移節(jié)點的負載情況。如果潛在節(jié)點不能滿足待遷移虛擬節(jié)點的需求，則遷移無法進行。服務器的負載由兩部分構成，即物理服務器本身的容量和上面已經運行的服務需要的資源量，兩者做差即服務可用的負載量。而在進行遷移時，相同條件下，應該選擇服務器可用負載較大的節(jié)點進行遷移。

接下來，考慮哪些因素對遷移有負面影響。由于這些因素的存在，服務遷移必須被慎重考慮。

Cbandwidth為遷移路徑上帶寬的影響。這里的帶寬指的是潛在遷移路徑上的最大帶寬，遷移路徑一般選取從當前節(jié)點到遷移目的節(jié)點之間的最短路徑。服務本身的大小與遷移路徑的帶寬，共同決定了遷移所需要的時間。

Csize為服務本身的大小，直接影響服務遷移的快慢。

Cinterrupt為服務中斷及恢復的代價，這里既包括時間的代價，也包括中斷及恢復的復雜程度。如果遷移引起的服務中斷的時間過長，或者中斷會對服務的正常運行產生較大的風險，則應該慎重選擇遷移。

初步選擇了5種影響遷移的因素，而模糊邏輯的好處就是可以自定義輸入參數及規(guī)則，容易根據別的參數對問題進行擴展。在選擇的5個因素中，有些因素的值越大越好，有些服務的值則越小越好，前者稱為正屬性，后者則稱為負屬性。比如，服務器的可用負載越大越好，為正屬性，而服務本身的大小則越小越好，為負屬性。

對于具有N個節(jié)點的網絡，服務遷移的代價可以組成5×N維矩陣，矩陣中的Cij代表節(jié)點Nj的第i種代價的數值。

為了使這些因素能夠相互比較，將這些值進行歸一化。為了確保99%的值能夠歸一化到[0,1]，采用高斯歸一化[16]的方法對各種代價進行歸一化：

其中，Ci表示代價Cij的平均值，σ則是Cij的標準方差。而對于每個節(jié)點Nj，遷移代價的參考值為：

其中，G(c)是所有正屬性的集合，H(c)則是所有負屬性的集合，max(Ci′)表示代價歸一化矩陣中第i行中的最大值，min(Ci′)則代表矩陣中第i行中的最小值。

4.1.2本地監(jiān)視器

對于物理網絡的每個節(jié)點，將有一個監(jiān)視器來采集節(jié)點上的狀態(tài)信息，包括節(jié)點的服務器負載、節(jié)點相鄰的可用帶寬情況、節(jié)點到各個接入節(jié)點的時延和到當前虛擬服務器所在位置的距離等。

如何處理所有節(jié)點的狀態(tài)是一個復雜的問題。一般來說，最常用的方法有算數平均法和加權平均法，以對各個參數進行衡量。然而，在多參數的情況下，各個參數之間存在互相影響的情況。從上面5種參數的自然屬性也可以看出，簡單地對5種因素進行算術平均或加權平均難以反映各個因素之間的復雜關系。為此，采用模糊邏輯法，以能夠有效地對問題進行分析。

4.1.3 代價模型建立

對于有N個節(jié)點的網絡，對某個節(jié)點m（1≤m≤N）來說，將其在某一個時刻t服務遷移的代價定義為：

其中，f代表各種代價之間的關系，這里采用模糊邏輯推理，推理的目標則是尋找具有最小遷移代價的節(jié)點：

然后虛擬服務將從當前節(jié)點遷移到具有最小遷移代價的節(jié)點。

4.2 邏輯判斷

服務遷移需要的參數通過本地監(jiān)視器進行采集之后，就可以采用模糊邏輯推理來對遷移進行判斷和選擇。如上所論述，分為模糊化、規(guī)則建立及推理、非模糊化幾個部分。

4.2.1 輸入函數的隸屬度函數

隸屬度函數是將采集到的精確數值映射到模糊集合中，有多種表達方式。本文采用高斯函數作為輸入的隸屬度函數，其表達式為：

其中，函數的中心ci表示模糊集合i的中心，而函數的權重ri表示模糊集合的半徑。而對于每個參數，本文設定“VL（very low），L（low），M（medium），H（high），VH（veryhigh）”5個隸屬度函數，而對于每個參數，區(qū)間被歸一化到[0,1]，每個參數將有一個對應的隸屬度函數。輸入隸屬度函數如圖4所示。

圖4 輸入隸屬度函數

4.2.2 模糊規(guī)則和推理

模糊邏輯的根本目標是借助模糊集合工具，為不確定問題提供近似推理的工具?；谀：壿嫷南到y(tǒng)模型是由以下形式的模糊規(guī)則組合形成的系統(tǒng)：

其中，Xi，i=1，…，n為前件變量，Y則為后件變量。每個前件變量Xi需要覆蓋參數可能產生的空間，在本問題中為[0,1]。

在模糊推理的過程中，采用最大—最小推理方法進行推理，使用模糊邏輯進行推理的步驟如下。

給定一個輸入 Xj=uj*，計算 Xj與每條規(guī)則的匹配度，為：

然后，所有規(guī)則的匹配度被結合以計算系統(tǒng)的輸出：

4.2.3非模糊化

模糊規(guī)則的輸出是模糊的，需要轉化成為系統(tǒng)可以執(zhí)行和識別的值。根據模糊集合和隸屬度函數，非模糊化輸出單一的、可以計量的值。采用重心法得到清晰值：

其中，z*為輸出的非模糊化值，μi(z)為隸屬度函數，z為輸出變量。

4.3 遷移執(zhí)行

經過非模糊化后，輸出了對應節(jié)點的遷移參考值。以此對節(jié)點進行排序，然后選擇參考值最小的節(jié)點作為遷移的目標節(jié)點。

在模糊邏輯推理下，綜合考慮了帶寬、負載、時延等多方面因素，最小化了遷移的開銷，將節(jié)點遷移到最適合的位置。而又可以根據對不同因素影響的認知不同，對模糊邏輯規(guī)則進行不斷修正。

5 性能分析

進行了對基于模糊推理的服務遷移機制的仿真實驗，以考察該機制的運行效率。為了展示新機制的性能效率，本文參考了參考文獻[7,8]中的實驗設置以進行對照試驗。

5.1 實驗設置

實驗采用Erdos-Renyi隨機圖模型[17]來創(chuàng)建實驗網絡，對于實驗網絡設置100個節(jié)點，節(jié)點之間以1%的概率相連，對于每個節(jié)點的最初負載，則符合[50,100]的均勻分布，節(jié)點之間鏈路上的負載也符合[50,100]的均勻分布。服務遷移的中斷時間符合[0,1]的均勻分布，虛擬節(jié)點的大小符合[0,20]的均勻分布。用戶則可能出現在網絡中所有的接入節(jié)點，在所有的接入節(jié)點上，用戶通過發(fā)送對服務的請求以獲取資源，而用戶的行為包括用戶的位置、用戶何時發(fā)送請求、用戶發(fā)送請求的頻率，主要取決于應用場景。用戶請求的時間長度一般符合指數分布。

至于用戶請求的分布，本實驗選擇了兩個場景作為實驗場景：時區(qū)場景和上下班場景。時區(qū)場景將一天分為T個時間段，在時間t，p%的請求出現在網絡中隨機選擇的接入節(jié)點。請求的持續(xù)時間符合指數分布，指數分布參數為λ。另外，剩余的請求作為背景流量則均勻隨機地在所有節(jié)點產生。

上下班場景將1天T作為1個周期，在一天中的上半個時間段[0，T/2]，用戶請求發(fā)生在距離網絡中心較近的節(jié)點，而在下半個時間段，用戶請求則發(fā)生在距離網絡中心較遠的節(jié)點。然后新的一天開始。每次請求總數為2T/2。在時間ti

模糊推理的計算過程是在MATLAB中進行的，包括參數選擇、隸屬度函數及部分規(guī)則推理。所有代價在進行規(guī)則推理前要進行歸一化，以滿足[0,1]的規(guī)則空間，服務的時延則用最短路徑上的節(jié)點跳數來表示。

本實驗采用了參考文獻[8]中的競爭比的概念來衡量算法的有效性，即假設存在算法（用opt表示），提前知道算法過程中所有用戶請求到達的位置和時刻，可以通過最優(yōu)化算法確定網絡中進行遷移的最優(yōu)方案。ρ是所提出算法（用alg表示）與最優(yōu)化算法的代價之比，新算法的目標則是最小化ρ：

其中，seq代表所有用戶請求到達的序列，包括時間和位置。

5.2 規(guī)則表的建立

在對輸入值按照高斯隸屬度函數進行模糊化后，基于直觀感受，使用模糊規(guī)則進行推理。在規(guī)則中，服務中斷的代價最大，如果服務遷移產生較為嚴重的后果，則將總體代價表示為最高值，而不論其他代價的大小。其次則為時延的大小，這兩項關系到服務提供商和終端用戶對服務的使用體驗。其余3項代價主要與物理網絡的資源開銷、運行效率有關，相互間重要程度相差不大。

基礎設施提供商也可以根據自己所管理網絡的不同特點進行規(guī)則的設計，比如提高某種參數的重要程度，也可以根據自己的需要增減網絡的參數，在這里只考慮一般的情況，對特殊的情況不予考慮。

5.3 實驗結果

在對代價總和進行非模糊化后，本實驗即得到了所有節(jié)點的遷移參考代價值cost(n)，然后對所有節(jié)點的遷移參考代價值進行排序，選擇最小的進行遷移。

將本機制與參考文獻[8]中的“不遷移（static，STAT）”與“重心法（centroid，CEN）”進行了比較，“不遷移”即在虛擬網絡運行的過程中，虛擬節(jié)點的位置是靜態(tài)的，對其不做出調整。重心法則是選擇當前所有活躍節(jié)點的“中心”作為遷移的目標。

圖5展示了在時區(qū)場景下不同方法的競爭比情況，在本試驗中p取60%，實驗進行的時間T=60，λ=5。從圖5中可以看出，兩種基于遷移的算法的網絡代價都小于不遷移的靜態(tài)算法，而本文提出的基于模糊邏輯推理的算法競爭比則在3種算法中最小。這說明，在時區(qū)場景下，本文所提算法在提高資源的利用率、降低網絡的開銷方面具有一定的優(yōu)勢。

圖5 時區(qū)場景競爭比的變化

圖6則展示了上下班場景下競爭比的變化，其中，λ=10。與時區(qū)場景類似，可以看出，基于模糊邏輯的算法在提高網絡資源的利用率、降低資源占用開銷方面具有一定的優(yōu)勢。而不遷移算法則仍然具有最大的競爭比，說明其不能滿足用戶場景變化的需要。

圖6 上下班場景競爭比的變化

5.4 結果分析

本文所提的基于模糊邏輯的方法與離線的最優(yōu)化方法相比，具有以下優(yōu)勢。首先，在算法復雜度方面，基于模糊邏輯的方法一旦設定好規(guī)則，則復雜度只決定于規(guī)則的數量，復雜度為O（N），低于最優(yōu)化方法的復雜度。其次，基于模糊邏輯的方法在規(guī)則設定上有較大的靈活性，可以根據實際經驗和不同的需求對規(guī)則進行修改和取舍。比如，如果需要更多地考慮網絡的帶寬，則可以對規(guī)則進行修訂，在規(guī)則中提高帶寬規(guī)則所占的比重。這樣一來，就提高了用戶在虛擬服務遷移方面的體驗。進一步可以將模糊邏輯推理與機器學習相結合，將依靠實踐經驗設計的規(guī)則與機器學習的結果相結合，進一步提升模糊邏輯的推理水平。

6 結束語

本文討論了采用基于模糊推理的算法的虛擬網絡服務遷移機制，對虛擬網絡服務遷移的時機進行及時有效的判斷。仿真結果顯示，該機制與以往算法相比，可以提高遷移的成功率，降低網絡的運營開銷?；谀：壿嬐评淼姆者w移機制具有一定適應能力，滿足現實網絡中場景的需要，具有良好的應用前景，對降低物理網絡的資源開銷、實現綠色節(jié)能與自治管理的網絡虛擬化環(huán)境具有重要的作用。后續(xù)將在提高模糊邏輯推理的自動化水平方面開展進一步研究。

[1]International Telecommunications Union.ICT facts and figures 2016[R].[S.l.:s.n],2016.

[2]ASOKE T,ROOPA Y.Mobile computing:technology,applications, and service creation[M].New York:McGraw-Hill,2006.

[3]TIMOTHY W,PRASHANT S,RAMAKRISHNAN K K,et al. CloudNet:dynamic pooling of cloud resources by live WAN migration of virtual machines[J].ACM SIGPLAN Notices,2011, 46(7):121-132.

[4]YI W,ERIC K,BRIAN B,et al.Virtual routers on the move: live router migration as a network-management primitive[J]. ACM SIGCOMM Computer Communications Review,2008,38(4): 231-242.

[5]MCKEOWN N,ANDERSON T,BALAKRISHNAN H,et al. OpenFlow:enabling innovation in campus networks[J].ACM SIGCOMM Computer Communication Review,2008,38(2):69-74. [6]PISA P S,FERNANDES N C,CARVALHO H E T,et al. OpenFlow and Xen-based virtual network migration[C]//IFIP TC 6 InternationalConference,September20-23,2010, Brisbane,Australia.New Jersey:IEEE Press,2010:170-181.

[7]BIENKOWSKIM,FELDMANN A,JURCA D,etal. Competitive analysis for service migration in VNets[C]//ACM SIGCOMM Workshop on Virtualized Infrastructure Systems and Architectures,August 30-September 3,2012,New Delhi,India. New York:ACM Press,2010:17-24.

[8]ARORA D,BIENKOWSKI M,FELDMANN A,et al.Online strategies for intra and inter provider service migration in virtual networks[J].Computer Science,2011:1-11.

[9]LOTFI Z.Fuzzy sets[J].Information and control,1965,8(3): 338-353.

[10]XU J,ZHAO M,FORTES J,et al.On the use of fuzzy modeling in virtualized data center management[C]//International Conference on Autonomic Computing,June 11-15,2007, Jacksonville,USA.New York:ACM Press,2007:25-25.

[11] XU J,ZHAO M,FORTES J,et al.Autonomic resource management in virtualized data centers using fuzzy logic-based approaches[J].Cluster Computing,2008,11(3):213-227.

[12] KONG X,LIN C,JIANG Y,et al.Efficient dynamic task scheduling in virtualized data centers with fuzzy prediction[J]. Journal of Network&Computer Applications,2011,34(4): 1068-1077.

[13]SOHAIL S,KHANUM A.Simplifying network management with fuzzy logic[C]//IEEE International Conference on Communications Workshops,May 19-23,2008,Beijing,China.New Jersey:IEEE Press,2008:195-201.

[14] LI B,LI J,WO T,et al.A fuzzy-based dynamic provision approach for virtualized network intrusion detection systems[C]// Advances in Computer Science and Information Technology, AST/UCMA/ISA/ACN 2010 Conferences,June 23-25,2010, Miyazaki,Japan.New York:ACM Press,2010:115-128.

[15] MAMDANI E H.An experiment in linguistic synthesis with a fuzzy logic controller[J].International Journal of Man-Machine Studies,1975,51(1):1-13.

[16]ORTEGA M,RUI Y,CHAKRABARTI K,et al.Supporting ranked boolean similarity queries in MARS[J].IEEE Transactions on Knowledge&Data Engineering,1998,10(6):905-925.

[17] ERD?S P,RéNYI A.On random graphs[J].Publicationes Mathematicae,1959(6):290-291.

王子厚（1985-），男，博士，國家計算機網絡應急技術處理協(xié)調中心工程師，主要研究方向為網絡與信息安全、云計算與未來網絡。

徐月梅（1985-），女，博士，北京外國語大學計算機系講師，主要研究方向為下一代互聯網、內容中心網絡等。

張露晨（1986-），女，博士，國家計算機網絡應急技術處理協(xié)調中心助理研究員，主要研究方向為信息安全與網絡安全。

Virtual service migration based on fuzzy logic approach

WANG Zihou1,XU Yuemei2,ZHANG Luchen1
1.National Computer Network Emergency Response Technical Team/Coordination Center of China,Beijing 100029,China 2.Department of Computer Science,Beijing Foreign Studies University，Beijing 100089,China

During the lifetime of virtual network,users’requirements for virtual services will be affected by their locations,behaviors and mobility.For a green,energy-saving,efficient-using virtual resource migration and scheduling,the service migration method based on fuzzy logic inference was proposed.The method could infer the changes of user demand,migrate the virtual service according to the changes.It would increase the resource utilization and the QoE.

network virtualization,service migration,fuzzy logic

TP393

A

10.11959/j.issn.1000-0801.2016246

2016-04-30；

2016-09-13

張露晨，zlc@cert.org.cn

國家自然科學基金資助項目（No.61502038，No.61571144）

Foundation Items:The National Natural Science Foundation of China(No.61502038,No.61571144)