基于DDPG的NFV伸缩流量感知阈值调整

当前方案多聚焦于如何预测流量，而非观察特定NFV场景中的流量特征。因此，它们大多使用统一阈值进行伸缩。在真实NFV场景中，每个VNF可能服务一个或多个流，这些流的特征完全不同，该场景中使用统一阈值并不合适，因为每个VNF具有依赖于 incident 网络流量和事件的独特处理逻辑。即使某些VNF共享如包头分析等包处理功能，上层处理与实现的差异也会表现出独特的资源使用模式。我们提出一种动态阈值伸缩机制，可依据每个VNF的特征定制阈值。由于设置阈值是一项逐VNF任务，且需要深入理解工作负载趋势及每个VNF的多样性，因此我们为传统动态机制添加了定制特征。此外，我们还通过预测工作负载来预留资源，并增加应急模块以应对异常流量，即我们开发了主动与被动伸缩相结合的混合伸缩策略。而且，网络流量的激增不仅可由大量新流入流引起，也可由已有流的增长诱发。若流量上升主要因已有流增长所致，则仅对新流重路由无法快速缓解过载，且可能违反SLA \cite{zhang2016co}。避免SLA违反的唯一方法是快速安全地将流及关联的NF内部状态从已有实例迁移至新伸缩实例，故状态迁移是伸缩过程的重要部分。我们在openNF上实现了伸缩过程中的流迁移，以保证伸缩的准确性和时效性。