流量遷移（二）

1、 Predictive Analysis in Network Function Virtualization

NFV的預測分析

問題提出：

一、新部署的NFV服務比精緻的硬件更容易出現問題。
二、NFV至關於在原來的設備上添加了更多的層，致使底層設備故障事件更難定位。
如何更好的爲NFV進行故障預測和分析？

問題解決：

針對一種重要的NFV——vPE (virtualized Provider Edge router)，設計了將深度學習模型（LSTM），模型定製和經過遷移學習共享到syslog的組合相結合的系統，從而使咱們可以識別潛在故障特徵，從而近乎實時地預測故障，最後進行了性能的測試。

主要面臨的問題：

一、解決訓練樣本數據不均衡：使用無監督的異常檢測方法來訓練帶有「正常」日誌的長短時間記憶（LSTM）網絡[14]模型。 異常日誌模式會觸發對網絡故障狀況的預測。
二、解決NFV的多樣性，很差選特徵集的問題：使用聚類來識別具備類似配置和日誌行爲的VNF，並對其進行彙總（將它們做爲合併後的系統日誌做爲一個單元進行處理）
三、網絡基礎架構隨着時間動態修改：使用相似於遷移學習的增量培訓。 這有助於咱們在軟件更新後快速引導模型，而不會致使收集訓練數據的時間延遲。
Q1:這個系統是如何設計的？ 機器學習算法等分析日誌，進行預測異常故障。
Q2:性能如何、可否進行復現？暫時無法復現。

2、 Design and Implementation of a Consolidated Middlebox Architecture

摘要：

當今的中間盒昂貴且封閉，幾乎沒有鉤子和鉤子擴展性，另外它們來自於獨立的廠商，並部署爲獨立的設備，在管理中間盒集合方面幾乎沒有凝聚力。隨着網絡需求在規模和種類上不斷上升，這種自下而上的方法將中間盒部署置於不斷增加的設備蔓延的軌道上，相應地增長了資本和管理成本。爲問題的解決，提出CoMb，對中間盒的創建和管理整合在一塊兒的機遇進行了探索【解決部署不高效，管理不方便問題】。
效果：CoMb將網絡配置成本下降了1.8–2.5倍，並將網絡中的負載不平衡下降了2–25倍。

Click

Click創建網絡原型：The click modular router，在github有star。
相似於將中間盒看成SDN中的交換機，而後加一箇中央控制器。。。這也行？

3、 OFM-- Optimized Flow Migration for NFV Elasticity Control

年份： 2018
來源： IWQos

摘要：

以前的NFV流遷移重點關注的是使用什麼樣的機制來保證 （帶有狀態的NF直接）正確的流量遷移。可是，忽略了遷移流的選擇也是一個重大的問題。本文提出了一種新型的流量遷移控制器——OFM，肯定不一樣狀況的觸發條件和控制目標，主要解決三個挑戰：1）避免緩存溢出 2）遷移成本計算 3）高效選擇遷移的流量，在SDN和NFV結合的環境下實現了OFM。

主要貢獻：

1. 對典型的NF彈性控制場景進行了分類。主要包括NF擴展、NF負載均衡、NF故障恢復和NF升級。而後分析了它們的觸發條件和流選擇的目標。
2. 爲NFV彈性控制的流量遷移優化設計了OFM。OFM收集流的數據和NF運行時的負載，而且識別出哪裏須要進行流量遷移。經過有效地建模緩衝區需求和遷移延遲，OFM能夠選擇適當的流以實現彈性控制目標，同時最大程度地減小遷移成本並避免緩衝區溢出。
   3.OFM基於floodlight，而且給出了普遍的評估。

四 OpenNF---Enabling Innovation in Network Function Control

年份：2014
來源：sigcom

摘要：

SDN+NFV能夠幫助運營商知足嚴格的服務水平協議，準確監控和操縱網絡流量，並最大程度地減小運營支出。可是，在要求在整個網絡功能（NF）實例的集合中從新分配數據包處理的狀況下，要同時實現全部這三個目標，就須要一個框架，該框架應提供對內部NF狀態和網絡轉發狀態的高效，協調的控制。 爲此，咱們設計了一個稱爲OpenNF的控制平面。 咱們使用精心設計的API以及事件和轉發更新的巧妙組合，以解決競爭條件，限制開銷並容納各類NF。 咱們的評估代表，OpenNF能夠在不影響靈活性的狀況下提供有效的狀態控制，而且須要適度添加NF。

三個挑戰問題：

• 1）遷移時NF狀態競爭問題：引入事件概念以及結合兩個階段更新網絡轉發狀態實現解決。
• 2）遷移可能致使負載過大：引入南向API接口以精確的操縱應用狀態的移動、複製、共享。
• 3）遷移的同時減少對NFs的更改：設計了新穎的南向接口容許控制器請求導入 /導出NF狀態，而不用改變NF內部狀態的管理。

OpenNF的評估代表：

（1）與使用當前的控制框架相比，OpenNF能夠消除虛假警報並將NFScale in時間縮短數十分鐘； （2）即便要求某些保證，狀態也能夠被有效地移動，複製和共享，例如，涉及500個流的狀態的無損移動僅花費215ms，而且對操做期間接收到的數據包僅施加50ms的額外等待時間； （3）爲支持OpenNF南向API而添加的NF最多將代碼大小增長了9.8％，而且在狀態導出或導入期間，NF的數據包處理時間增長了不到6％。

五 Load Balancing Algorithm Based on Time Series Prediction of Packet Loss Rate

對實際的網絡物理路徑進行路徑丟包率預測，從而選擇合適的路徑發送數據包。

摘要：

當前的負載均衡方法存在一些問題，例如缺少爲忽然的峯值作準備的能力。本文，咱們描述了PPLR(prediction packet loss rate)如何動態預測全部可用網絡路徑上的丟失水平，以及如何爲下一預測期調整數據包的分配比例。

在本文中，咱們介紹了一種新的基於數據包的多路徑負載平衡算法，稱爲PPLR，這是一種主動的負載平衡策略，能夠防止數據包丟失。PPLR算法要求動態預測全部可用路徑上的損耗水平。 而後將此預測信息用做控制信息的輸入，以在某個預測週期將數據包的比例分配給可用路徑。

預測丟包率的動機來自多種考慮。

第一

在特殊的BADABING中使用主動測量損耗率，BADABING是目前可用的最準確的損耗特性測量工具[6]。

第二

預測方法將比一般測量的方法更快地跟蹤擁塞情況。 值採用反應性方法。

第三

對於使用前向糾錯（FEC）傳輸的實時多媒體流量，它表明帶寬開銷，所以，必須僅發送所需數量的這些內容。 在這方面，準確的預測將很是有用。在PPLR中，負載平衡決策基於對單個路徑的丟包率的預測，而不是對相同路徑的過去丟失級別的測量。