【技术实现步骤摘要】
本专利技术属于网络与通信，涉及一种基于同异步时空特性融合的vnf多维资源需求预测方法，可应用于预测vnf多维资源需求。
技术介绍
1、网络功能虚拟化(nfv，network functions virtualization)是一种通过虚拟化技术将传统的网络功能(例如路由、交换、防火墙、负载均衡等)从专用硬件设备上分离出来，将它们部署在通用硬件设备上运行的一种网络架构和理念。虚拟网络功能(vnf，virtualized network functions)是nfv框架中的具体实现，它代表了网络功能在虚拟化环境中的具体实例。每个vnf实现了网络的某一特定功能，如防火墙、路由器、交换机等，它们不再依赖专用硬件，而是运行在虚拟化平台上。将多个vnf按特定的顺序链接起来，形成一个服务功能链(sfc，service functions chain)。通过sfc，数据流在网络中按照预定的顺序流经一系列的vnf，从而实现复杂的网络服务。运行中的vnf对cpu资源、内存资源和带宽资源的需求是高度动态变化的。一方面，如果没有预测，可能会出现资源过度分配的情况，导致资源浪费；另一方面，如果资源不足，可能会导致vnf无法正常运行，影响网络服务质量。通过对vnf的cpu资源需求、内存资源需求和带宽资源需求(多维资源需求)进行预测，可以根据未来的资源需求提前进行资源调度，实现资源的弹性伸缩。
2、唐伦等于2024年7月在专利申请公布号为cn119030877a，名称为“一种基于资源预测的数字孪生辅助虚拟网络功能主动迁移方法”的专利申请中，提出了
技术实现思路
1、本专利技术的目的在于克服上述现有技术存在的缺陷，提出了一种基于同异步时空特性融合的vnf多维资源需求预测方法，旨在提高对vnf多维资源需求预测的精度。
2、为实现上述目的，本专利技术采取的技术方案包括如下步骤：
3、(1)获取辅助样本集、训练样本集和测试样本集：
4、对n个vnf中每个vnf包含的t个时间步的多维资源需求数据进行归一化，并对每个vnf的s个时间步的多维资源需求数据进行划分，然后将划分后的前u个的长度为m的数据块及其标签组成训练样本集，将剩余的v个数据块组成测试样本集，将未划分的归一化后的n×tp个多维资源需求数据组成辅助样本集，其中n≥1，t＝s+tp，t≥10000，s＝u+v+m，m≥5；
5、(2)构建基于同异步时空特性融合的vnf多维资源需求预测网络模型：
6、构建包括级联的增强特征提取模块、时延相关性提取模块、同异步邻接矩阵构造模块和同异步时空特征融合模块的vnf多维资源需求预测网络模型o；
7、(3)对预测网络模型进行迭代训练：
8、通过辅助样本集和训练样本集对预测网络模型o进行迭代训练，得到训练好的预测网络模型o*；
9、(4)获取vnf多维资源需求预测结果：
10、将测试样本集作为训练好的预测网络模型o*的输入进行前向传播，得到每个测试样本的预测值。
11、本专利技术与现有技术相比，具有如下优点：
12、本专利技术在对预测网络模型进行迭代训练以及获取预测结果的过程中，同异步时空特征融合模块通过同异步邻接矩阵代替图的归一化邻接矩阵，能同时融合vnf的同步空间特征、异步空间特征和时间特征，避免了现有技术忽略不同vnf之间异步空间特征的缺陷，有效提高了vnf多维资源需求的预测精度。
本文档来自技高网...【技术保护点】
1.一种基于同异步时空特性融合的VNF多维资源需求预测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的方法，其特征在于，步骤(1)中所述的对N个VNF中每个VNF包含的T个时间步的多维资源需求数据进行归一化，其中，VNFn中第t个时间步的多维资源需求数据包括VNFn的CPU资源需求数据内存需求数据和带宽需求数据对进行归一化的公式为：
3.根据权利要求1所述的方法，其特征在于，步骤(1)中所述的对归一化后的每个VNF的S个时间步的多维资源需求数据进行划分，具体方法为：
4.根据权利要求1所述的方法，其特征在于，步骤(2)中所述的基于同异步时空特性融合的VNF多维资源需求预测网络模型，其中：
5.根据权利要求1所述的方法，其特征在于，步骤(3)中所述的对预测网络模型O进行迭代训练，实现步骤为：
6.根据权利要求5所述的方法，其特征在于，步骤(5b)中所述的第tp个时间步的增强特征其计算公式为：
7.根据权利要求5所述的方法，其特征在于，步骤(5b)中所述的时延相关性提取模块对EF进行时延相关性提取，实现
8.根据权利要求5所述的方法，其特征在于，步骤(5b)中所述的同异步邻接矩阵MSA，包括M×M个维度为N×N的子块，第r行第c列的子块Ar,c的构建方法为：
9.根据权利要求5所述的方法，其特征在于，步骤(5c)中所述的隐藏特征H，计算公式为：
10.根据权利要求5所述的方法，其特征在于，步骤(5d)中预测网络模型的损失值Loss的计算公式，以及对Wk进行更新的更新公式分别为：
...【技术特征摘要】
1.一种基于同异步时空特性融合的vnf多维资源需求预测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的方法，其特征在于，步骤(1)中所述的对n个vnf中每个vnf包含的t个时间步的多维资源需求数据进行归一化，其中，vnfn中第t个时间步的多维资源需求数据包括vnfn的cpu资源需求数据内存需求数据和带宽需求数据对进行归一化的公式为：
3.根据权利要求1所述的方法，其特征在于，步骤(1)中所述的对归一化后的每个vnf的s个时间步的多维资源需求数据进行划分，具体方法为：
4.根据权利要求1所述的方法，其特征在于，步骤(2)中所述的基于同异步时空特性融合的vnf多维资源需求预测网络模型，其中：
5.根据权利要求1所述的方法，其特征在于，步骤(3)中所...
【专利技术属性】
技术研发人员：马英红，李少杰，焦毅，刘伟，刘勤，李红艳，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。