基于特征权重感知的VNF资源需求预测方法
虚拟网络功能(Virtual Network Function,VNF)以服务功能链(Service Function Chain,SFC)的形式提供服务,能够满足不同服务的性能需求.由于网络具有动态性,为VNF实例分配固定资源会导致VNF实例的资源过多或者不足的问题.以往的研究对于VNF配置文件相关网络负载特征的重要性未做区分,因此,提出了一种基于特征权重感知的动态VNF资源需求预测方法.首先,使用ECANet学习VNF特征的权重值,以此来减少无用特征对模型预测结果的消极影响.其次,由于VNF配置文件数据集具有结构化特性,构建VNF资源预测模型时需要考虑以加强特征交互的方式来挖掘特征间深层的相互关系,提出使用深度特征交互网络(Deep Feature-Interactive Network,DIN)增强网络负载特征与VNF性能特征之间的交互能力,提高模型预测精度.最后,在基准数据集上将所提方法与同类方法进行对比实验,发现其在预测的有效性与精确性上更具优势.
资源预测、服务功能链、虚拟网络功能、高效通道注意力网络、特征交互
50
TP391(计算技术、计算机技术)
2023-09-20(万方平台首次上网日期,不代表论文的发表时间)
共6页
331-336