網(wǎng)絡(luò)功能虛擬化環(huán)境中大規(guī)模資源狀態(tài)監(jiān)測策略

海梅生，伊鵬，江逸茗，謝記超

網(wǎng)絡(luò)功能虛擬化環(huán)境中大規(guī)模資源狀態(tài)監(jiān)測策略

海梅生，伊鵬，江逸茗，謝記超

（國家數(shù)字交換系統(tǒng)工程技術(shù)研究中心，河南 鄭州 450002）

在網(wǎng)絡(luò)功能虛擬化（NFV）環(huán)境中，為了提高網(wǎng)絡(luò)中基礎(chǔ)設(shè)施資源利用率，高效動態(tài)部署服務(wù)功能鏈，編排管理域需要對網(wǎng)絡(luò)中底層資源及虛擬網(wǎng)絡(luò)功能狀態(tài)進(jìn)行實時監(jiān)測，但實時監(jiān)測會產(chǎn)生大量通信開銷。提出了網(wǎng)絡(luò)通信開銷最小化的智能分布式監(jiān)測策略，通過改進(jìn)的標(biāo)簽傳播算法智能劃分子網(wǎng)并選擇代理監(jiān)測節(jié)點，實現(xiàn)了對資源和虛擬功能狀態(tài)的高效監(jiān)測，并使監(jiān)測信息通信開銷最小。仿真結(jié)果表明，所提監(jiān)測策略使網(wǎng)絡(luò)中監(jiān)測信息通信開銷降低約13%。

網(wǎng)絡(luò)功能虛擬化；監(jiān)測；通信開銷；代理節(jié)點

1 引言

傳統(tǒng)網(wǎng)絡(luò)架構(gòu)通常采用大量的專用設(shè)備為網(wǎng)絡(luò)用戶提供業(yè)務(wù)服務(wù)，網(wǎng)絡(luò)中新型業(yè)務(wù)和流量的不斷增加給運營商帶來一系列問題，如運維成本昂貴、網(wǎng)絡(luò)配置管理復(fù)雜度高和業(yè)務(wù)擴(kuò)展能力差等。為了解決這些問題，工業(yè)界提出了網(wǎng)絡(luò)功能虛擬化[1]（NFV，network functions virtualization）的概念。網(wǎng)絡(luò)功能虛擬化摒棄了傳統(tǒng)的基于專用硬件靜態(tài)、僵化的網(wǎng)絡(luò)功能部署方式，利用虛擬化技術(shù)，將網(wǎng)絡(luò)功能（防火墻、網(wǎng)絡(luò)地址轉(zhuǎn)換和深度檢測）從專用硬件中剝離，并以軟件的形式部署在通用的x86服務(wù)器中，實現(xiàn)了專用硬件的軟硬件解耦和。這些基于軟件的虛擬網(wǎng)絡(luò)功能根據(jù)用戶需求按照一定的邏輯順序組合成服務(wù)功能鏈[2]，進(jìn)而為用戶提供相應(yīng)的網(wǎng)絡(luò)服務(wù)。與提前部署、硬件獨享、業(yè)務(wù)固定的傳統(tǒng)網(wǎng)絡(luò)相比，網(wǎng)絡(luò)功能虛擬化不再依賴于專用硬件。網(wǎng)絡(luò)服務(wù)可以靈活部署，資源充分共享，不僅降低了運營商的成本，而且提高了網(wǎng)絡(luò)的擴(kuò)展性能[3]。

在網(wǎng)絡(luò)功能虛擬化環(huán)境中，虛擬網(wǎng)絡(luò)功能按照需求合理地部署在底層物理節(jié)點上或物理節(jié)點中的虛擬機(jī)（VM，virtual machine）內(nèi)部[4]。若網(wǎng)絡(luò)中有業(yè)務(wù)請求到達(dá)時，管理編排域針對服務(wù)請求部署服務(wù)鏈，需要為服務(wù)鏈中每個虛擬網(wǎng)絡(luò)功能和虛擬鏈路分配相應(yīng)的物理資源才能實現(xiàn)網(wǎng)絡(luò)服務(wù)。在資源共享的NFV網(wǎng)絡(luò)環(huán)境中，網(wǎng)絡(luò)中的服務(wù)請求以及業(yè)務(wù)流量不斷發(fā)生變化，底層資源和虛擬網(wǎng)絡(luò)功能的狀態(tài)也隨之不斷變化[5]。網(wǎng)絡(luò)中不同虛擬網(wǎng)絡(luò)功能的生命周期也存在差異性，尤其是網(wǎng)絡(luò)資源或虛擬功能的故障會導(dǎo)致整個服務(wù)中斷，因此，管理編排域需要對NFV網(wǎng)絡(luò)中物理資源、虛擬資源及虛擬網(wǎng)絡(luò)功能狀態(tài)進(jìn)行實時監(jiān)測[6]。對資源狀態(tài)的實時監(jiān)測可以實現(xiàn)網(wǎng)絡(luò)中業(yè)務(wù)請求與資源及虛擬化網(wǎng)絡(luò)功能（VNF）的高度耦合，提高網(wǎng)絡(luò)資源利用率和網(wǎng)絡(luò)穩(wěn)健性，進(jìn)而為服務(wù)功能鏈的靈活高效部署提供有力支撐。

文獻(xiàn)[7]根據(jù)硬件資源利用率和其他特定指標(biāo)來識別網(wǎng)絡(luò)性能瓶頸，但其只針對硬件資源進(jìn)行監(jiān)測，沒有對虛擬資源及虛擬網(wǎng)絡(luò)功能狀態(tài)進(jìn)行監(jiān)測感知。文獻(xiàn)[8]提出了一種監(jiān)測感知架構(gòu)，將現(xiàn)有技術(shù)OpenStack、OpenDayLight和虛擬功能狀態(tài)監(jiān)測進(jìn)行集成，分別對網(wǎng)絡(luò)中計算存儲資源、網(wǎng)絡(luò)資源及網(wǎng)絡(luò)功能狀態(tài)進(jìn)行監(jiān)測，通過添加信息處理模塊對監(jiān)測信息整理。文獻(xiàn)[9]提出監(jiān)測虛擬機(jī)資源策略，利用虛擬功能所耗資源的概率分布對虛擬機(jī)資源監(jiān)測，進(jìn)而完成網(wǎng)絡(luò)資源狀態(tài)監(jiān)測。文獻(xiàn)[10]提出IMO監(jiān)測策略，根據(jù)節(jié)點間跳數(shù)設(shè)置感知監(jiān)測節(jié)點，對網(wǎng)絡(luò)資源狀態(tài)進(jìn)行監(jiān)測。文獻(xiàn)[11]提出分布式監(jiān)測策略DReAM，通過各個節(jié)點對相鄰節(jié)點資源狀態(tài)進(jìn)行監(jiān)測并將異常信息傳輸?shù)焦芾砭幣庞?，但會在網(wǎng)絡(luò)中產(chǎn)生大量通信開銷。

在網(wǎng)絡(luò)功能虛擬化環(huán)境中，為了高效地部署服務(wù)鏈，提高網(wǎng)絡(luò)資源利用率，管理編排域需要對網(wǎng)絡(luò)中大規(guī)模資源和功能狀態(tài)進(jìn)行實時監(jiān)測，現(xiàn)有的監(jiān)測策略會消耗大量時間和鏈路帶寬資源。為了降低網(wǎng)絡(luò)中監(jiān)測信息的通信開銷，本文提出分布式代理監(jiān)測策略，構(gòu)建網(wǎng)絡(luò)通信開銷最小化模型，將大規(guī)模網(wǎng)絡(luò)智能劃分為若干監(jiān)測子網(wǎng)并部署代理監(jiān)測節(jié)點，實現(xiàn)網(wǎng)絡(luò)資源狀態(tài)的高效監(jiān)測。

2 問題描述和系統(tǒng)模型

2.1 問題描述

網(wǎng)絡(luò)功能虛擬化中資源狀態(tài)監(jiān)測框架如圖1所示，主要包含以下部分。

1) 底層物理資源。底層物理資源是NFV網(wǎng)絡(luò)架構(gòu)的基礎(chǔ)，用來托管和連接虛擬網(wǎng)絡(luò)功能，可以同時為多個VNF提供資源，包括計算、存儲資源和連接處理虛擬網(wǎng)絡(luò)功能的網(wǎng)絡(luò)資源。

圖1 NFV中資源狀態(tài)監(jiān)測框架

2) 虛擬資源。虛擬資源是對物理資源的抽象，通過映射在底層物理資源上的虛擬機(jī)或虛擬容器實現(xiàn)，包括虛擬計算資源、虛擬存儲資源和虛擬網(wǎng)絡(luò)資源。

3) 虛擬網(wǎng)絡(luò)功能。虛擬網(wǎng)絡(luò)功能是服務(wù)鏈的基本單元，服務(wù)功能鏈通過組合的虛擬網(wǎng)絡(luò)功能為用戶提供網(wǎng)絡(luò)服務(wù)。虛擬網(wǎng)絡(luò)功能具有開放的外部接口和專屬功能，通過網(wǎng)絡(luò)資源承載來完成特定功能，其業(yè)務(wù)流量處理能力與資源消耗正相關(guān)。

4) 管理編排域。管理編排域負(fù)責(zé)對整個系統(tǒng)進(jìn)行管理維護(hù)，是整個網(wǎng)絡(luò)架構(gòu)的“大腦”。一方面對網(wǎng)絡(luò)中的物理資源、虛擬資源和虛擬網(wǎng)絡(luò)功能狀態(tài)進(jìn)行實時監(jiān)測；另一方面根據(jù)網(wǎng)絡(luò)資源狀態(tài)感知結(jié)果和用戶服務(wù)請求，部署調(diào)度虛擬網(wǎng)絡(luò)功能。

在NFV環(huán)境中，實時監(jiān)測網(wǎng)絡(luò)資源狀態(tài)信息會產(chǎn)生大量通信開銷，對此，本文提出分布式智能分布式監(jiān)測模型，旨在降低監(jiān)測信息在網(wǎng)絡(luò)中的通信開銷，其監(jiān)測框架如圖2所示。分布式智能監(jiān)測框架在原監(jiān)測架構(gòu)的基礎(chǔ)上添加了監(jiān)測子網(wǎng)和代理監(jiān)測節(jié)點。

1) 監(jiān)測子網(wǎng)。在大規(guī)模NFV網(wǎng)絡(luò)中，根據(jù)算法將底層物理資源劃分為互不重疊的若干監(jiān)測子網(wǎng)，并在各子網(wǎng)內(nèi)部署代理監(jiān)測節(jié)點。

2) 代理監(jiān)測節(jié)點。在每個監(jiān)測子網(wǎng)內(nèi)部署一個代理節(jié)點，負(fù)責(zé)監(jiān)測本區(qū)域內(nèi)網(wǎng)絡(luò)資源和虛擬功能狀態(tài)信息，并將監(jiān)測信息匯聚篩選后發(fā)送至管理編排域。

圖2 資源狀態(tài)分布式監(jiān)測框架

3) 網(wǎng)絡(luò)中底層物理資源及其承載的虛擬資源、VNF則根據(jù)分布式監(jiān)測策略分屬于不同的監(jiān)測子網(wǎng)。

考慮到現(xiàn)實網(wǎng)絡(luò)拓?fù)渚哂猩鐖F(tuán)屬性[12]，可以根據(jù)節(jié)點間相關(guān)性對網(wǎng)絡(luò)進(jìn)行子網(wǎng)劃分。同一子網(wǎng)內(nèi)的網(wǎng)絡(luò)節(jié)點通聯(lián)密切、關(guān)聯(lián)性大，子網(wǎng)間節(jié)點關(guān)聯(lián)性較低，可以降低網(wǎng)絡(luò)中監(jiān)測信息的傳輸時延和鏈路資源消耗。標(biāo)簽傳播算法（LPA，label propagation algorithm）[13]可以根據(jù)網(wǎng)絡(luò)社團(tuán)結(jié)構(gòu)將網(wǎng)絡(luò)劃分為多個子網(wǎng)，但在實際網(wǎng)絡(luò)中會存在以下問題：1) 標(biāo)簽傳播算法中節(jié)點標(biāo)簽的傳播和更新順序是隨機(jī)的，但在網(wǎng)絡(luò)中各節(jié)點的影響力和重要性不同，若隨機(jī)傳播更新節(jié)點，會導(dǎo)致子網(wǎng)劃分與網(wǎng)絡(luò)結(jié)構(gòu)不符，且算法穩(wěn)定性較差；2) 標(biāo)簽傳播算法僅針對網(wǎng)絡(luò)結(jié)構(gòu)傳播標(biāo)簽，沒有考慮子網(wǎng)規(guī)模[14]，會導(dǎo)致各子網(wǎng)規(guī)模差值較大，進(jìn)而導(dǎo)致代理監(jiān)測節(jié)點監(jiān)測信息負(fù)載失衡。

基于以上分析，本文提出的代理監(jiān)測策略如下：首先，基于標(biāo)簽傳播算法，結(jié)合網(wǎng)絡(luò)中節(jié)點的重要程度及代理監(jiān)測節(jié)點的負(fù)載約束，將網(wǎng)絡(luò)節(jié)點智能劃分為互不重疊的多個子網(wǎng)并使各子網(wǎng)規(guī)模相當(dāng)；其次，通過通信開銷最小化模型部署代理監(jiān)測節(jié)點，對子網(wǎng)內(nèi)資源狀態(tài)進(jìn)行監(jiān)測，并將監(jiān)測信息整合過濾后發(fā)送至管理編排域。該監(jiān)測策略無須網(wǎng)絡(luò)規(guī)模等前置信息，可以根據(jù)底層網(wǎng)絡(luò)的不同拓?fù)鋭討B(tài)設(shè)置代理監(jiān)測節(jié)點，實現(xiàn)了對底層資源狀態(tài)的實時監(jiān)測感知，并降低了監(jiān)測信息的通信開銷。

2.2 系統(tǒng)模型

設(shè)置資源狀態(tài)監(jiān)測算法的目標(biāo)函數(shù)為監(jiān)測信息的通信開銷最小，如式(4)所示。

大規(guī)模NFV網(wǎng)絡(luò)中資源狀態(tài)的監(jiān)測還需滿足以下約束條件。

3 算法求解

文獻(xiàn)[14]提出的復(fù)雜網(wǎng)絡(luò)社團(tuán)發(fā)現(xiàn)標(biāo)號傳播算法，根據(jù)網(wǎng)絡(luò)拓?fù)渲泄?jié)點間關(guān)系，在目標(biāo)節(jié)點和鄰居節(jié)點間隨機(jī)更新標(biāo)簽信息，不斷迭代直至標(biāo)簽趨于穩(wěn)定，最后根據(jù)節(jié)點標(biāo)簽劃分子網(wǎng)。該算法可以在線性時間內(nèi)利用少量計算存儲資源將大規(guī)模網(wǎng)絡(luò)劃分成關(guān)聯(lián)性較強(qiáng)的多個子網(wǎng)。

但在實際網(wǎng)絡(luò)中，首先，需要考慮節(jié)點的影響力和重要程度，按照節(jié)點的重要程度依次更新網(wǎng)絡(luò)標(biāo)簽；其次，實際的網(wǎng)絡(luò)結(jié)構(gòu)并非理想均勻，若完全按照標(biāo)簽傳播算法劃分子網(wǎng)可能會導(dǎo)致各子網(wǎng)之間規(guī)模差異較大，需要對子網(wǎng)規(guī)模進(jìn)行約束以降低子網(wǎng)間規(guī)模差異。因此，本文針對NFV網(wǎng)絡(luò)資源狀態(tài)實時監(jiān)測問題，設(shè)計了改進(jìn)的標(biāo)簽傳播子網(wǎng)劃分代理監(jiān)測算法（ILSAM，improved LPA subdomain agent monitor）。該算法不需人工干預(yù)，無須提前獲取網(wǎng)絡(luò)規(guī)模，就可以對不同的網(wǎng)絡(luò)拓?fù)溥M(jìn)行監(jiān)測子網(wǎng)智能劃分并設(shè)置代理監(jiān)測節(jié)點，實現(xiàn)網(wǎng)絡(luò)資源狀態(tài)的高效監(jiān)測。

ILSAM算法主要分為兩步：首先，使用改進(jìn)的標(biāo)簽傳播算法對大規(guī)模網(wǎng)絡(luò)進(jìn)行智能分域；然后，根據(jù)監(jiān)測信息通信開銷最小化模型在各子網(wǎng)內(nèi)部署代理監(jiān)測節(jié)點。該算法實現(xiàn)了編排管理域?qū)Φ讓淤Y源狀態(tài)的監(jiān)測感知，并使網(wǎng)絡(luò)中的監(jiān)測信息通信開銷最小。

（1）智能劃分子網(wǎng)

算法1 子網(wǎng)劃分算法

4) end for;

6) Set=0;

7) while not stop

8)=+1;

13) break;

14) end if;

15) end for;

17) end for;

18) update;

20) break;

21) end if;

22) end while;

23) return

在智能劃分子網(wǎng)的過程中，按照節(jié)點的重要性依次更新標(biāo)簽（第9行），若鄰節(jié)點中多個標(biāo)號數(shù)一樣，按照節(jié)點的重要程度選擇標(biāo)簽（第11行），并控制各子網(wǎng)規(guī)模（第12行），若節(jié)點標(biāo)簽不再更新，則退出程序完成子網(wǎng)劃分（第19行）。

（2）在子網(wǎng)內(nèi)設(shè)置代理監(jiān)測節(jié)點

在監(jiān)測子網(wǎng)內(nèi)部署代理監(jiān)測節(jié)點，使網(wǎng)絡(luò)中資源監(jiān)測的通信開銷最小，詳細(xì)算法如算法2所示。

算法2 代理節(jié)點部署算法

Createnode

4) end for;

6) end for；

4 實驗仿真與性能評估

4.1 仿真環(huán)境

4.2 仿真結(jié)果和性能分析

為了驗證本文提出的監(jiān)測策略及ILSAM算法性能，將該算法與文獻(xiàn)[10-11]提出的資源監(jiān)測算法IMO、DReAM分別進(jìn)行對比，此外將實驗結(jié)果與標(biāo)簽傳播監(jiān)測算法LSAM進(jìn)行了對比。

(1) 網(wǎng)絡(luò)中代理節(jié)點數(shù)量

在ILSAM算法中，根據(jù)網(wǎng)絡(luò)拓?fù)渲泄?jié)點間的相關(guān)性和子網(wǎng)負(fù)載指數(shù)智能劃分子網(wǎng)并設(shè)置代理節(jié)點。因此，針對不同的網(wǎng)絡(luò)規(guī)模和拓?fù)?，算法可以對代理?jié)點數(shù)量和位置進(jìn)行自適應(yīng)調(diào)整，而DReAM和IMO算法中的代理節(jié)點均根據(jù)要求提前部署，無法根據(jù)底層網(wǎng)絡(luò)的動態(tài)變化調(diào)整代理節(jié)點數(shù)量。圖3為ILSAM算法在不同網(wǎng)絡(luò)規(guī)模下代理節(jié)點的變化情況。

圖3 ILSAM在不同網(wǎng)絡(luò)拓?fù)渲写肀O(jiān)測節(jié)點數(shù)

(2) 子網(wǎng)規(guī)模

從以上定義可以看出，子網(wǎng)節(jié)點數(shù)方差表示各監(jiān)測子網(wǎng)間物理節(jié)點數(shù)量的差異程度。方差值越小，子網(wǎng)間節(jié)點數(shù)量差異越小，子網(wǎng)劃分越均勻，則每個代理節(jié)點監(jiān)測信息更加均衡。

根據(jù)子網(wǎng)節(jié)點數(shù)方差對不同算法下代理節(jié)點監(jiān)測的數(shù)量進(jìn)行仿真。圖4為不同網(wǎng)絡(luò)規(guī)模下，不同算法中子網(wǎng)節(jié)點數(shù)量的方差圖。從仿真結(jié)果中可以看到，IMO算法中各子網(wǎng)間節(jié)點數(shù)量差異最小，ILSAM算法次之，LSAM中各子網(wǎng)間節(jié)點數(shù)量差異最大。IMO算法對不同底層網(wǎng)絡(luò)預(yù)先設(shè)置代理節(jié)點數(shù)量，故該算法代理節(jié)點監(jiān)測數(shù)量最為均衡；LSAM沒有考慮節(jié)點密度函數(shù)和代理節(jié)點負(fù)載指數(shù)，所以各子網(wǎng)節(jié)點數(shù)量差值較大；ILSAM算法對代理節(jié)點監(jiān)測開銷做均衡處理，并根據(jù)節(jié)點重要性更新標(biāo)簽，故其子網(wǎng)規(guī)模較為均衡。

(3) 監(jiān)測信息通信開銷

圖5為不同網(wǎng)絡(luò)規(guī)模下網(wǎng)絡(luò)監(jiān)測信息的通信開銷。從仿真結(jié)果可以看到ILSAM算法通信開銷最小，LSAM和IMO算法次之，DReAM算法通信開銷最大。由于DReAM采用相鄰節(jié)點互相監(jiān)測的策略，故其通信開銷最大，對網(wǎng)絡(luò)鏈路的負(fù)載也最大；IMO沒有考慮節(jié)點間結(jié)構(gòu)相關(guān)性，也沒有動態(tài)調(diào)整代理節(jié)點機(jī)制，導(dǎo)致其通信開銷較大；LSAM忽略了節(jié)點影響力和子網(wǎng)規(guī)模，所以網(wǎng)絡(luò)整體通信開銷較大；ILSAM對LSAM進(jìn)行改進(jìn)，結(jié)合節(jié)點的重要程度依次更新標(biāo)簽，并對子網(wǎng)規(guī)模進(jìn)行約束，使資源監(jiān)測信息通信開銷最小。相比次優(yōu)策略，ILSAM通信開銷降低約13%。

圖4 不同算法下子網(wǎng)節(jié)點數(shù)量方差圖

圖5 不同算法下資源監(jiān)測通信開銷

4.3 算法復(fù)雜度分析

5 結(jié)束語

本文主要針對網(wǎng)絡(luò)功能虛擬化環(huán)境中大規(guī)模資源狀態(tài)實時監(jiān)測的問題，設(shè)計了基于網(wǎng)絡(luò)社團(tuán)結(jié)構(gòu)的智能分布式代理監(jiān)測策略，建立監(jiān)測信息通信開銷最小化模型，利用改進(jìn)的標(biāo)簽傳播算法實現(xiàn)了不同拓?fù)湎麓肀O(jiān)測節(jié)點的智能優(yōu)化部署。實驗結(jié)果表明，所提策略降低了算法的計算復(fù)雜度和網(wǎng)絡(luò)通信開銷。但在降低通信開銷的同時，算法犧牲了代理監(jiān)測節(jié)點的計算存儲資源，下一步將繼續(xù)對算法進(jìn)行改進(jìn)，提高算法性能。

[1] SAGUY I S. Challenges and opportunities in food engineering: modeling, virtualization, open innovation and social responsibility[J]. Journal of Food Engineering, 2016, 176: 2-8.

[2] SAHHAF S, TAVERNIER W, CZENTYE J, et al. Scalable architecture for service function chain orchestration[C]//European Workshop on Software Defined Networks. 2015: 19-24.

[3] HAN B, GOPALAKRISHNAN V, JI L, et al. Network function virtualization: challenges and opportunities for innovations[J]. IEEE Communications Magazine, 2015, 53(2): 90-97.

[4] KANEKO M, OKAMOTO M, FUKUMOTO T. A robust VNF allocation method in NFV[J]. IEICE Technical Report, 2015.

[5] HERRERA J G, BOTERO J F. Resource allocation in NFV: a comprehensive survey[M]. IEEE Press, 2016.

[6] LI Y, ZHENG F, CHEN M, et al. A unified control and optimization framework for dynamical service chaining in software-defined NFV system[J]. Wireless Communications IEEE, 2015, 22(6): 15-23.

[7] CAO L, SHARMA P, FAHMY S, et al. NFV-VITAL: a framework for characterizing the performance of virtual network functions[C]// Network Function Virtualization and Software Defined Network. 2016: 93-99.

[8] GARDIKIS G, KOUTRASI, MAVROUDIS G, et al. An integrating framework for efficient NFV monitoring[C]//IEEE Netsoft Conference and Workshops. 2016.

[9] ROSSEM S V, TAVERNIER W, COLLE D, et al. Automated monitoring and detection of resource-limited NFV-based services[C]//IEEE Conference on Network Softwarization. 2017.

[10] CLAYMAN S, CLEGG R, MAMATAS L, et al. Monitoring,aggregation and filtering for efficient management of virtualnetworks[C]//The 7th International Conferenceon Network and Services Management. 2011: 234-240.

[11] PFITSCHER R J, SCHEID E J, SANTOS R L D, et al. DReAM - a distributed result-aware monitor for network functions virtualization[C]//IEEE Symposium on Computers and Communication. 2016: 663-668.

[12] WANG J, QIU Y, WANG R, et al. Remarks on network community properties[J]. Journal of Systems Science & Complexity, 2008, 21(4): 637-644.

[13] RAGHAVAN U N, ALBERT R, KUMARA S. Near linear time algorithm to detect community structures in large-scale networks[J]. Physical Review E Statistical Nonlinear & Soft Matter Physics, 2007, 76(2): 036106.

[14] 劉邦舟, 汪斌強(qiáng), 王文博, 等. 針對大規(guī)模軟件定義網(wǎng)絡(luò)的子域劃分及控制器部署方法[J]. 計算機(jī)應(yīng)用, 2016, 36(12): 3239-3243.

LIU B Z, WANG B Q, WANG W B，et al. Domain partition and controller placement for large scale software defined network[J]. Computer Application, 2016, 36(12): 3239-3243.

[15] BYRD R H ,HRIBAR M E , NOCEDAL J . An interior point algorithm for large scale nonlinear programming[J]. SIAM Journal on Optimization, 1999, 9(4).

Large-scale resource state monitoring strategy in network function virtualization environment

HAI Meisheng, YI Peng, JIANG Yiming, XIE Jichao

National Digital Switching System Engineering & Technology Research Center, Zhengzhou 450002, China

In order to improve the utilization of the infrastructure resource and efficiently deploy the service function chain dynamically in network function virtualization, the orchestration management domain needs to monitor the network resources and virtual network function status in real time, but real-time monitoring will bring large communication overhead. An intelligent distributed monitoring strategy with minimal network communication overhead was proposed. The improved label propagation algorithm intelligently subnets and selects agent monitoring nodes to achieve efficient monitoring of resource and virtual function status and minimize monitoring information communication overhead. The simulation results show that the monitoring strategy proposed reduces the monitoring information communication overhead in the network by about 13%.

network function virtualization, monitoring, communication overhead, agent node

s: The National Key Research and Development Program of China（No.2018YFB0804002）；The National Natural Science Foundation of China (No.61521003, No.61572519)

TP393

A

10.11959/j.issn.2096?109x.2019061

海梅生（1989? ），男，山西萬榮人，碩士，主要研究方向為新型網(wǎng)絡(luò)體系結(jié)構(gòu)和網(wǎng)絡(luò)安全。

伊鵬（1977? ），男，湖北黃岡人，博士，國家數(shù)字交換系統(tǒng)工程技術(shù)研究中心研究員、博士生導(dǎo)師，主要研究方向為新型網(wǎng)絡(luò)體系結(jié)構(gòu)和網(wǎng)絡(luò)安全。

江逸茗（1984? ），男，河南鄭州人，博士，國家數(shù)字交換系統(tǒng)工程技術(shù)研究中心講師，主要研究方向為新型網(wǎng)絡(luò)體系結(jié)構(gòu)和網(wǎng)絡(luò)虛擬化。

謝記超（1994? ），男，河北石家莊人，碩士，主要研究方向為新型網(wǎng)絡(luò)體系結(jié)構(gòu)和網(wǎng)絡(luò)虛擬化。

2019?01?11；

2019?03?12

海梅生，33xywz@163.com

國家重點研發(fā)計劃基金資助項目（No.2018YFB0804002）；國家自然科學(xué)基金資助項目（No.61521003, No.61572519）

論文引用格式：海梅生, 伊鵬, 江逸茗, 等. 網(wǎng)絡(luò)功能虛擬化環(huán)境中大規(guī)模資源狀態(tài)監(jiān)測策略[J]. 網(wǎng)絡(luò)與信息安全學(xué)報, 2019, 5(6): 42-49.

HAI M S, YI P, JIANG Y M, et al. Large-scale resource state monitoring strategy in network function virtualization environment[J]. Chinese Journal of Network and Information Security, 2019, 5(6): 42-49.