一種基于模糊邏輯的虛擬服務(wù)遷移策略

王子厚，徐月梅，張露晨

（1.國家計(jì)算機(jī)網(wǎng)絡(luò)應(yīng)急技術(shù)處理協(xié)調(diào)中心，北京 100029；2.北京外國語大學(xué)計(jì)算機(jī)系，北京 100089）

研究與開發(fā)

一種基于模糊邏輯的虛擬服務(wù)遷移策略

王子厚1，徐月梅2，張露晨1

（1.國家計(jì)算機(jī)網(wǎng)絡(luò)應(yīng)急技術(shù)處理協(xié)調(diào)中心，北京 100029；2.北京外國語大學(xué)計(jì)算機(jī)系，北京 100089）

在網(wǎng)絡(luò)虛擬化環(huán)境中，用戶對虛擬網(wǎng)絡(luò)的需求不是一成不變的，而是受到用戶行為、位置、移動(dòng)性等多方面因素的影響。針對用戶需求變化的應(yīng)用場景，為了實(shí)現(xiàn)綠色節(jié)能、低能耗、高效利用的虛擬資源遷移與調(diào)度，提出了基于模糊邏輯推理的虛擬服務(wù)遷移機(jī)制。該機(jī)制能夠有效地對用戶需求的變化進(jìn)行判斷，根據(jù)用戶需求的變化情況，對虛擬服務(wù)進(jìn)行遷移，既提高了資源利用率，也提升了用戶的服務(wù)體驗(yàn)。

網(wǎng)絡(luò)虛擬化；服務(wù)遷移；模糊邏輯

1 引言

2016年，全球移動(dòng)互聯(lián)網(wǎng)用戶數(shù)已經(jīng)達(dá)到36億戶[1]。增強(qiáng)移動(dòng)性需求、網(wǎng)絡(luò)適應(yīng)能力、保障和提高用戶的體驗(yàn)質(zhì)量對互聯(lián)網(wǎng)提出了新的考驗(yàn)。具體地，可能會(huì)出現(xiàn)在某些時(shí)刻大量用戶訪問同一網(wǎng)絡(luò)服務(wù)，或者在移動(dòng)環(huán)境下出現(xiàn)用戶大規(guī)模遷移的場景。網(wǎng)絡(luò)虛擬化技術(shù)的發(fā)展將協(xié)助解決這些問題，網(wǎng)絡(luò)虛擬化的目標(biāo)是在不用考慮物理網(wǎng)絡(luò)屬性的情況下實(shí)現(xiàn)虛擬服務(wù)的平滑移動(dòng)，實(shí)現(xiàn)對網(wǎng)絡(luò)資源的按需分配，提高用戶的體驗(yàn)質(zhì)量。而由于網(wǎng)絡(luò)中用戶數(shù)量、行為和偏好的變化，如何根據(jù)用戶行為對服務(wù)進(jìn)行遷移和調(diào)整，以節(jié)約網(wǎng)絡(luò)的資源、提高使用者的用戶體驗(yàn)，也是網(wǎng)絡(luò)虛擬化環(huán)境下的挑戰(zhàn)性問題。為了直觀的說明虛擬服務(wù)遷移的意義，這里首先列舉服務(wù)遷移可能發(fā)生的兩個(gè)場景。

（1）時(shí)區(qū)場景

時(shí)區(qū)場景針對跨越多個(gè)大洲的網(wǎng)絡(luò)服務(wù)。這種場景下，多組用戶分布于不同的時(shí)區(qū)位置，共同使用相同的服務(wù)，用戶對網(wǎng)絡(luò)應(yīng)用具有低時(shí)延的需求，而不同地域的每組用戶的使用時(shí)間都是在固定的時(shí)間段，比如都是在上班時(shí)間使用某種商業(yè)應(yīng)用。一種解決方式是在每個(gè)時(shí)區(qū)均設(shè)置云數(shù)據(jù)中心，以滿足用戶的需求。這種方式能夠解決諸如內(nèi)容存放、下載等類型的服務(wù)，而不能滿足那些對實(shí)時(shí)性、互通性要求較高的應(yīng)用服務(wù)。另一種想法則是，將一個(gè)或多個(gè)裝有應(yīng)用的虛擬機(jī)和數(shù)據(jù)隨時(shí)間進(jìn)行遷移，比如某些全球性商業(yè)金融服務(wù)，在每天的日落時(shí)刻將數(shù)據(jù)遷移到即將日出的時(shí)區(qū)，如東京—倫敦—紐約。遷移的時(shí)機(jī)、開銷、帶來的收益是需要綜合考慮的問題。

（2）用戶移動(dòng)性場景

用戶移動(dòng)性場景指的是，服務(wù)的用戶在一天中的不同時(shí)刻處于不同的位置，而用戶位置變化的統(tǒng)計(jì)特征則有規(guī)律可循。比如，在上下班時(shí)刻，用戶服務(wù)的熱點(diǎn)處于公交車站/地鐵等位置，工作時(shí)間用戶服務(wù)的熱點(diǎn)則處于城市中心/商業(yè)區(qū)/工業(yè)區(qū)等位置，晚上網(wǎng)絡(luò)服務(wù)的熱點(diǎn)則集中于居民區(qū)/衛(wèi)星城等區(qū)域。同時(shí)，在不同時(shí)刻，用戶對應(yīng)用的需求類型也是不同的，比如，在上下班時(shí)間，用戶關(guān)注的應(yīng)用服務(wù)主要集中在一些新聞、小游戲等內(nèi)容，而在晚上，用戶則更傾向于視頻點(diǎn)播、大型游戲等內(nèi)容。這些熱點(diǎn)和資源分布是可以預(yù)測的。根據(jù)熱點(diǎn)分布的不同，對網(wǎng)絡(luò)中服務(wù)位置進(jìn)行動(dòng)態(tài)調(diào)整，能夠有效地節(jié)約網(wǎng)絡(luò)的資源。

從以上的應(yīng)用場景可以看出，分析用戶行為、分布的變化，并以此來調(diào)整網(wǎng)絡(luò)服務(wù)的位置，可以有效地節(jié)約網(wǎng)絡(luò)資源，降低服務(wù)響應(yīng)時(shí)間，改善用戶的使用體驗(yàn)。圖1展示了終端設(shè)備的移動(dòng)可能導(dǎo)致的服務(wù)遷移。在終端設(shè)備發(fā)生遷移時(shí)，服務(wù)從一個(gè)節(jié)點(diǎn)遷移到另一個(gè)節(jié)點(diǎn)更能滿足用戶的需要。

圖1 用戶遷移示意

基礎(chǔ)設(shè)施提供商在對運(yùn)行在其物理網(wǎng)絡(luò)上的虛擬服務(wù)根據(jù)用戶的情況進(jìn)行自由遷移時(shí)，雖然有著廣泛的應(yīng)用場景，但同時(shí)也面臨著很大的挑戰(zhàn)。首先，服務(wù)遷移需要考慮遷移的各種代價(jià)的平衡，平衡主要包括兩個(gè)方面：一方面是遷移帶來的好處，如服務(wù)時(shí)延減小、對鏈路占用率降低等；另一方面則是遷移可能帶來的壞處，如遷移時(shí)大數(shù)據(jù)傳輸對網(wǎng)絡(luò)的壓力、遷移導(dǎo)致的服務(wù)的中斷及恢復(fù)對用戶體驗(yàn)的影響等。

2 相關(guān)工作

目前，對網(wǎng)絡(luò)虛擬化環(huán)境下服務(wù)遷移的研究已經(jīng)有一些想法被提出來。在移動(dòng)互聯(lián)網(wǎng)方面，參考文獻(xiàn)[2]展示了移動(dòng)互聯(lián)網(wǎng)以Web瀏覽器為基礎(chǔ)的服務(wù)遷移的相關(guān)研究工作。參考文獻(xiàn)[3]提出了通過虛擬機(jī)的實(shí)時(shí)遷移來實(shí)現(xiàn)云計(jì)算資源動(dòng)態(tài)池化的手段，提出了服務(wù)遷移需要考慮的一些問題。參考文獻(xiàn)[4]提出了VROOM方案，實(shí)現(xiàn)虛擬路由器的自由遷移問題。OpenFlow[5]利用對流表的控制，簡化了虛擬路由器的控制設(shè)計(jì)，降低了虛擬路由器和邏輯路由器可能對商用路由器的沖擊，成為當(dāng)前的研究熱點(diǎn)。而OpenFlow通過控制網(wǎng)絡(luò)流的方式，減輕了虛擬節(jié)點(diǎn)遷移在技術(shù)上的困難，為服務(wù)遷移的實(shí)現(xiàn)提供了可能，目前很多考慮服務(wù)遷移的文章都以O(shè)penFlow實(shí)現(xiàn)遷移為假設(shè)基礎(chǔ)。參考文獻(xiàn)[6]提出將OpenFlow與XEN主機(jī)虛擬化進(jìn)行結(jié)合，以實(shí)現(xiàn)虛擬網(wǎng)絡(luò)遷移。

在利用服務(wù)遷移以實(shí)現(xiàn)網(wǎng)絡(luò)的資源管理和降低能耗方面，參考文獻(xiàn)[7,8]做了嘗試，提出了虛擬服務(wù)遷移的初步方案。該方法通過對遷移的代價(jià)與收益各個(gè)參數(shù)進(jìn)行量化，通過動(dòng)態(tài)比較的方式，判斷遷移的時(shí)機(jī)。這種方法的缺點(diǎn)包括決定遷移的各個(gè)因素是相互作用影響的，簡單量化不能反映各個(gè)因素之間的相互關(guān)系；各個(gè)因素簡單量化過于死板，不利于遷移時(shí)機(jī)的動(dòng)態(tài)調(diào)整；不易根據(jù)網(wǎng)絡(luò)參數(shù)的變化，對模型進(jìn)行擴(kuò)展。

提出了基于模糊邏輯的虛擬服務(wù)遷移機(jī)制，有效綜合各種因素對遷移的影響，通過模糊邏輯規(guī)則的建立和更新反映了不同參數(shù)對遷移的影響力的不同，并且通過對模糊邏輯規(guī)則庫進(jìn)行分析和判斷，有效地驗(yàn)證了網(wǎng)絡(luò)行為的變化規(guī)律，對遷移進(jìn)行預(yù)判和執(zhí)行。

3 模糊邏輯推理過程

1965年，美國數(shù)學(xué)家Zadeh L[9]首先提出了模糊集合的概念。模糊集合理論給出了表示不確定性的方法，為那些含糊、不精確或缺少必要資料的不確定性事物的建模提供了工具。目前，模糊邏輯理論在計(jì)算機(jī)網(wǎng)絡(luò)研究中已取得一定進(jìn)展。參考文獻(xiàn)[10,11]提出了在數(shù)據(jù)中心中利用模糊邏輯實(shí)現(xiàn)自治管理的方法。參考文獻(xiàn)[12]則提出了利用模糊預(yù)測來進(jìn)行數(shù)據(jù)中心中任務(wù)調(diào)度的方案。參考文獻(xiàn)[13]則展示了利用模糊邏輯來簡化網(wǎng)絡(luò)管理的可能。參考文獻(xiàn)[14]中提出了在網(wǎng)絡(luò)入侵檢測系統(tǒng)中實(shí)現(xiàn)基于模糊邏輯的動(dòng)態(tài)供應(yīng)方法。這些文章為將模糊邏輯推理引入虛擬網(wǎng)絡(luò)服務(wù)遷移問題提供了參考。

3.1 模糊邏輯的基本概念

在經(jīng)典或清晰的集合中，根據(jù)域內(nèi)元素在給定集合中的變化是否是突變和容易定義的，可明確地分辨元素是否屬于某一個(gè)集合，稱為明確集合。所謂明確就是指“屬于”“不屬于”之間可以做出明確的判斷，一般以0與1兩個(gè)數(shù)值表示。然而在大多數(shù)事物、語義表達(dá)上通常難以做到明確的區(qū)分辨別，而是含有模糊、不明確的敘述，即含有模糊、不明確的外延。以天氣溫度為例，“寒冷”“炎熱”“氣候適宜”都沒有明確的外延。因此，這些模糊的概念不能利用清晰集合加以描述，因?yàn)樗麄儗τ谀硞€(gè)集合而言，不是簡單的“屬于”或者“不屬于”。而模糊集合，如同人們的思維方式，每一元素可以說是將二值邏輯擴(kuò)展成多值邏輯，除了以0和1表示所屬程度之外，并推廣至介于0和1之間的數(shù)值來表示。

集合隸屬度概念是用域上集合來表示域內(nèi)對象。經(jīng)典集合中的元素具有精確的隸屬度，而模糊集合中的對象具有近似的隸屬度。為詳盡起見，假設(shè)有一個(gè)單個(gè)元素x的窮舉集，并構(gòu)成論域X，再設(shè)該域上的這些元素的不同組合構(gòu)成的集合為A。對明確集合來說，此X域上的元素x要么是某個(gè)明確集合A的元素，要么不是。以人的高度為例，設(shè)A集是所有5.0≤x≤7.0英尺人的一個(gè)清晰集合，如圖2（a）所示。某成員x1有6.0英尺，在清晰集合中其隸屬度為1，或用全隸屬度符號(hào)χA(x1)=1表示，另一成員x2有4.99英尺。在A集中的隸屬度等于0或者無隸屬關(guān)系，所以χA(x2)=0。這種情況下的集合隸屬度是二進(jìn)制的，即一個(gè)元素或?qū)儆谝粋€(gè)集合，或不屬于一個(gè)集合。

模糊集合發(fā)展了二進(jìn)制隸屬度的概念，以滿足各種隸屬度函數(shù)能落在實(shí)數(shù)連續(xù)區(qū)間[0,1]上，其端點(diǎn)0和1分別表示無隸屬關(guān)系和有完全隸屬關(guān)系，如同明確集合指標(biāo)函數(shù)一樣，端點(diǎn)間的任何一個(gè)值表示域上某集合元素x的各種隸屬度。該域上能滿足各種隸屬度的集合，稱為模糊集合。仍然以人的身高為例，假設(shè)“大約6英尺高”組成的集合為H集，因“大約6英尺高”屬于模糊性質(zhì)，H集沒有唯一的隸屬度函數(shù)。然而，可以確定模糊的隸屬度函數(shù)μH。這個(gè)函數(shù)的似然性表現(xiàn)為：標(biāo)準(zhǔn)值μH(6)=1；單調(diào)性（H值越接近6，μH值越接近1）；對稱性（與6等距變化的數(shù)，具有相同的μH值）。該隸屬度函數(shù)可見圖2（b）。

圖2 隸屬度函數(shù)示意

不同隸屬度之間的變化可認(rèn)為遵循了模糊集合邊界的不確定性和模糊性的事實(shí)。因此，集合中域內(nèi)元素的隸屬度可由描述不確定性和模糊性的函數(shù)來度量。模糊集合是一個(gè)有著不同隸屬度的元素集合。

3.2 模糊邏輯控制系統(tǒng)

模糊控制指的是在控制方法上應(yīng)用模糊集合理論、模糊語言變量以及模糊邏輯推理的知識(shí)來模擬人的模糊思維方法，用計(jì)算機(jī)實(shí)現(xiàn)與操作者相同的控制。模糊控制用比較簡單的數(shù)學(xué)形式直接將人的判斷、思維過程表達(dá)出來，一般來說大多數(shù)的模糊控制都是依據(jù)Mamdani提出的“if-then”條件命題的語言控制[15]。模糊邏輯控制系統(tǒng)一般包括4個(gè)部分：模糊化、模糊規(guī)則庫、模糊推理、非模糊化，如圖3所示。

圖3 模糊邏輯控制系統(tǒng)

模糊化是一個(gè)使清晰量模糊的過程。模糊化過程主要測量輸入變量的值，并將數(shù)字表示形式的輸入量轉(zhuǎn)化為通常用語言值表示的某一限定碼的序數(shù)。每個(gè)限定碼表示論域內(nèi)的一個(gè)模糊子集，并由隸屬度函數(shù)來定義。對于某一個(gè)輸入值，它必定與某一個(gè)特定限定碼的隸屬程度相對應(yīng)。一旦模糊集設(shè)計(jì)完成，則對于任意的物理輸入x，需要將其映射到模糊集合系統(tǒng)中。

模糊規(guī)則庫包含整個(gè)模糊邏輯控制系統(tǒng)的思考法則，其中所存儲(chǔ)的控制規(guī)則，是結(jié)合人們的經(jīng)驗(yàn)，把受控目標(biāo)各種可能的狀態(tài)，以“if-then”的形式，表示成包含人類判斷模糊性的控制演算法則。每條模糊邏輯規(guī)則由前件（antecedent）和后件（consequent）所組成，其形式為：

規(guī)則1：如果x為A，那么y為B。

其中，A和B都是模糊集合。規(guī)則的設(shè)計(jì)直接影響到模糊控制的效果。規(guī)則產(chǎn)生的方式一般有如下3種：

·直接轉(zhuǎn)換人的實(shí)踐知識(shí)為模糊語言控制規(guī)則；

·根據(jù)控制系統(tǒng)對系統(tǒng)輸入與輸出的反應(yīng)歸納受控行為，以試誤法進(jìn)行設(shè)計(jì)；

·由控制系統(tǒng)本身進(jìn)行學(xué)習(xí)或修正控制規(guī)則，這是最系統(tǒng)化的方法。

當(dāng)控制系統(tǒng)的輸入已經(jīng)模糊化后，必須依據(jù)模糊規(guī)則進(jìn)行合成推理，這種推理稱為模糊推理。模糊邏輯推理借助模糊邏輯運(yùn)算以模擬人類思考判斷的方式，挑選模糊規(guī)則庫中適用的語義化控制規(guī)則，用并行的方式對輸入的模糊化變量做運(yùn)算，求得模糊化輸出。以最大最小推理為例說明，考慮以下模糊推理形式，其中，A、B和C都是模糊集合：

規(guī)則1：如果x為A1，y為B1，那么z為C1；

規(guī)則2：如果x為A2，y為B2，那么z為C2；

…

規(guī)則n：如果x為An，y為Bn，那么z為Cn。

前提：x為x0，y為y0

由前提“x為x0，y為y0”以及各個(gè)模糊規(guī)則，通過取最小得出Cn1為：

其中，表示取最小。

最終結(jié)論C′由以上結(jié)果取最大得到，即：

其中，表示取最大。

通過模糊推理得到的結(jié)果是一個(gè)模糊集合。但在實(shí)際應(yīng)用中，特別是在模糊控制中，必須要有一個(gè)確定的值才能控制或驅(qū)動(dòng)執(zhí)行。在推理后得到的模糊集合中取一個(gè)能夠代表這個(gè)模糊推理結(jié)果可能性的精確值的過程就稱為非模糊化過程。非模糊化過程可以采用許多不同的方法，用不同的方法所得到的結(jié)果是不同的。最常見的重心法是取模糊隸屬度函數(shù)曲線與橫坐標(biāo)圍成面積的重心為模糊推理最終輸出值，即：

4 基于模糊邏輯的虛擬服務(wù)遷移

基礎(chǔ)設(shè)施提供商根據(jù)需求創(chuàng)建虛擬網(wǎng)絡(luò)以后，服務(wù)提供商在虛擬網(wǎng)上創(chuàng)建服務(wù)以提供給用戶。用戶和終端設(shè)備在不同的地理位置，通過接入節(jié)點(diǎn)向服務(wù)發(fā)起請求，而用戶和終端設(shè)備的分布是不確定的和隨時(shí)間變化的。一般情況下，服務(wù)提供商在描述虛擬資源請求時(shí)，就考慮了用戶的初始分布、行為特性等，并根據(jù)此制定不同的資源數(shù)量在網(wǎng)絡(luò)中的不同位置。然而用戶的需求不是一成不變的，隨時(shí)間、用戶行為變化等不斷變化，一些新用戶加入進(jìn)來，一些老的用戶移出，還有一些用戶在網(wǎng)絡(luò)中從一個(gè)接入點(diǎn)遷移到另外的接入點(diǎn)。將虛擬服務(wù)的單個(gè)節(jié)點(diǎn)或者部分節(jié)點(diǎn)根據(jù)用戶的變化移動(dòng)到新的位置是必要的，可以降低網(wǎng)絡(luò)的開銷。基于模糊邏輯推理技術(shù)，提出了根據(jù)用戶變化的場景進(jìn)行虛擬服務(wù)遷移的方法。所提的服務(wù)遷移方法分為以下幾個(gè)步驟：服務(wù)遷移所需參數(shù)的采集、模糊邏輯的判斷、服務(wù)的遷移等。

4.1 服務(wù)遷移的參數(shù)采集

在虛擬服務(wù)遷移中，首先要定義遷移代價(jià)的概念，考慮當(dāng)需要進(jìn)行服務(wù)遷移時(shí)，哪些因素可能影響遷移，哪些因素的變化導(dǎo)致遷移的發(fā)生，而遷移又會(huì)帶來哪些問題，哪些因素阻礙遷移的發(fā)生。這些因素對遷移的影響程度不同，而同一因素在不同環(huán)境下的重要性也可能不同。這些因素的重要性在經(jīng)驗(yàn)的基礎(chǔ)上可以用模糊邏輯進(jìn)行推理和判斷。

一個(gè)虛擬節(jié)點(diǎn)/虛擬服務(wù)器的遷移代價(jià)可能包括多個(gè)因素的影響，例如：物理服務(wù)器的負(fù)載、到終端設(shè)備的流量、到中間設(shè)備的時(shí)延等。為了對問題進(jìn)行簡化，只考慮物理網(wǎng)絡(luò)上只有一個(gè)虛擬網(wǎng)絡(luò)，同時(shí)在虛擬網(wǎng)絡(luò)中只有一個(gè)虛擬節(jié)點(diǎn)/服務(wù)器的情況。

4.1.1 參數(shù)選擇

首先，考慮會(huì)有哪些因素導(dǎo)致遷移，即遷移可能帶來的好處，或者說不遷移/保持現(xiàn)狀要付出的代價(jià)。

Cdelay為服務(wù)的時(shí)延。當(dāng)用戶的位置發(fā)生變化時(shí)，從虛擬服務(wù)器端到用戶端的時(shí)延將增大，這將影響一些服務(wù)的服務(wù)質(zhì)量。簡化此參數(shù)為虛擬節(jié)點(diǎn)到接入節(jié)點(diǎn)的路由器跳數(shù)。同時(shí)，此項(xiàng)因素受到用戶數(shù)量分布的影響，決定于用戶分布的重心。

Caload為服務(wù)器的可用負(fù)載。遷移能否實(shí)現(xiàn)的一個(gè)重要因素是潛在遷移節(jié)點(diǎn)的負(fù)載情況。如果潛在節(jié)點(diǎn)不能滿足待遷移虛擬節(jié)點(diǎn)的需求，則遷移無法進(jìn)行。服務(wù)器的負(fù)載由兩部分構(gòu)成，即物理服務(wù)器本身的容量和上面已經(jīng)運(yùn)行的服務(wù)需要的資源量，兩者做差即服務(wù)可用的負(fù)載量。而在進(jìn)行遷移時(shí)，相同條件下，應(yīng)該選擇服務(wù)器可用負(fù)載較大的節(jié)點(diǎn)進(jìn)行遷移。

接下來，考慮哪些因素對遷移有負(fù)面影響。由于這些因素的存在，服務(wù)遷移必須被慎重考慮。

Cbandwidth為遷移路徑上帶寬的影響。這里的帶寬指的是潛在遷移路徑上的最大帶寬，遷移路徑一般選取從當(dāng)前節(jié)點(diǎn)到遷移目的節(jié)點(diǎn)之間的最短路徑。服務(wù)本身的大小與遷移路徑的帶寬，共同決定了遷移所需要的時(shí)間。

Csize為服務(wù)本身的大小，直接影響服務(wù)遷移的快慢。

Cinterrupt為服務(wù)中斷及恢復(fù)的代價(jià)，這里既包括時(shí)間的代價(jià)，也包括中斷及恢復(fù)的復(fù)雜程度。如果遷移引起的服務(wù)中斷的時(shí)間過長，或者中斷會(huì)對服務(wù)的正常運(yùn)行產(chǎn)生較大的風(fēng)險(xiǎn)，則應(yīng)該慎重選擇遷移。

初步選擇了5種影響遷移的因素，而模糊邏輯的好處就是可以自定義輸入?yún)?shù)及規(guī)則，容易根據(jù)別的參數(shù)對問題進(jìn)行擴(kuò)展。在選擇的5個(gè)因素中，有些因素的值越大越好，有些服務(wù)的值則越小越好，前者稱為正屬性，后者則稱為負(fù)屬性。比如，服務(wù)器的可用負(fù)載越大越好，為正屬性，而服務(wù)本身的大小則越小越好，為負(fù)屬性。

對于具有N個(gè)節(jié)點(diǎn)的網(wǎng)絡(luò)，服務(wù)遷移的代價(jià)可以組成5×N維矩陣，矩陣中的Cij代表節(jié)點(diǎn)Nj的第i種代價(jià)的數(shù)值。

為了使這些因素能夠相互比較，將這些值進(jìn)行歸一化。為了確保99%的值能夠歸一化到[0,1]，采用高斯歸一化[16]的方法對各種代價(jià)進(jìn)行歸一化：

其中，Ci表示代價(jià)Cij的平均值，σ則是Cij的標(biāo)準(zhǔn)方差。而對于每個(gè)節(jié)點(diǎn)Nj，遷移代價(jià)的參考值為：

其中，G(c)是所有正屬性的集合，H(c)則是所有負(fù)屬性的集合，max(Ci′)表示代價(jià)歸一化矩陣中第i行中的最大值，min(Ci′)則代表矩陣中第i行中的最小值。

4.1.2本地監(jiān)視器

對于物理網(wǎng)絡(luò)的每個(gè)節(jié)點(diǎn)，將有一個(gè)監(jiān)視器來采集節(jié)點(diǎn)上的狀態(tài)信息，包括節(jié)點(diǎn)的服務(wù)器負(fù)載、節(jié)點(diǎn)相鄰的可用帶寬情況、節(jié)點(diǎn)到各個(gè)接入節(jié)點(diǎn)的時(shí)延和到當(dāng)前虛擬服務(wù)器所在位置的距離等。

如何處理所有節(jié)點(diǎn)的狀態(tài)是一個(gè)復(fù)雜的問題。一般來說，最常用的方法有算數(shù)平均法和加權(quán)平均法，以對各個(gè)參數(shù)進(jìn)行衡量。然而，在多參數(shù)的情況下，各個(gè)參數(shù)之間存在互相影響的情況。從上面5種參數(shù)的自然屬性也可以看出，簡單地對5種因素進(jìn)行算術(shù)平均或加權(quán)平均難以反映各個(gè)因素之間的復(fù)雜關(guān)系。為此，采用模糊邏輯法，以能夠有效地對問題進(jìn)行分析。

4.1.3 代價(jià)模型建立

對于有N個(gè)節(jié)點(diǎn)的網(wǎng)絡(luò)，對某個(gè)節(jié)點(diǎn)m（1≤m≤N）來說，將其在某一個(gè)時(shí)刻t服務(wù)遷移的代價(jià)定義為：

其中，f代表各種代價(jià)之間的關(guān)系，這里采用模糊邏輯推理，推理的目標(biāo)則是尋找具有最小遷移代價(jià)的節(jié)點(diǎn)：

然后虛擬服務(wù)將從當(dāng)前節(jié)點(diǎn)遷移到具有最小遷移代價(jià)的節(jié)點(diǎn)。

4.2 邏輯判斷

服務(wù)遷移需要的參數(shù)通過本地監(jiān)視器進(jìn)行采集之后，就可以采用模糊邏輯推理來對遷移進(jìn)行判斷和選擇。如上所論述，分為模糊化、規(guī)則建立及推理、非模糊化幾個(gè)部分。

4.2.1 輸入函數(shù)的隸屬度函數(shù)

隸屬度函數(shù)是將采集到的精確數(shù)值映射到模糊集合中，有多種表達(dá)方式。本文采用高斯函數(shù)作為輸入的隸屬度函數(shù)，其表達(dá)式為：

其中，函數(shù)的中心ci表示模糊集合i的中心，而函數(shù)的權(quán)重ri表示模糊集合的半徑。而對于每個(gè)參數(shù)，本文設(shè)定“VL（very low），L（low），M（medium），H（high），VH（veryhigh）”5個(gè)隸屬度函數(shù)，而對于每個(gè)參數(shù)，區(qū)間被歸一化到[0,1]，每個(gè)參數(shù)將有一個(gè)對應(yīng)的隸屬度函數(shù)。輸入隸屬度函數(shù)如圖4所示。

圖4 輸入隸屬度函數(shù)

4.2.2 模糊規(guī)則和推理

模糊邏輯的根本目標(biāo)是借助模糊集合工具，為不確定問題提供近似推理的工具。基于模糊邏輯的系統(tǒng)模型是由以下形式的模糊規(guī)則組合形成的系統(tǒng)：

其中，Xi，i=1，…，n為前件變量，Y則為后件變量。每個(gè)前件變量Xi需要覆蓋參數(shù)可能產(chǎn)生的空間，在本問題中為[0,1]。

在模糊推理的過程中，采用最大—最小推理方法進(jìn)行推理，使用模糊邏輯進(jìn)行推理的步驟如下。

給定一個(gè)輸入 Xj=uj*，計(jì)算 Xj與每條規(guī)則的匹配度，為：

然后，所有規(guī)則的匹配度被結(jié)合以計(jì)算系統(tǒng)的輸出：

4.2.3非模糊化

模糊規(guī)則的輸出是模糊的，需要轉(zhuǎn)化成為系統(tǒng)可以執(zhí)行和識(shí)別的值。根據(jù)模糊集合和隸屬度函數(shù)，非模糊化輸出單一的、可以計(jì)量的值。采用重心法得到清晰值：

其中，z*為輸出的非模糊化值，μi(z)為隸屬度函數(shù)，z為輸出變量。

4.3 遷移執(zhí)行

經(jīng)過非模糊化后，輸出了對應(yīng)節(jié)點(diǎn)的遷移參考值。以此對節(jié)點(diǎn)進(jìn)行排序，然后選擇參考值最小的節(jié)點(diǎn)作為遷移的目標(biāo)節(jié)點(diǎn)。

在模糊邏輯推理下，綜合考慮了帶寬、負(fù)載、時(shí)延等多方面因素，最小化了遷移的開銷，將節(jié)點(diǎn)遷移到最適合的位置。而又可以根據(jù)對不同因素影響的認(rèn)知不同，對模糊邏輯規(guī)則進(jìn)行不斷修正。

5 性能分析

進(jìn)行了對基于模糊推理的服務(wù)遷移機(jī)制的仿真實(shí)驗(yàn)，以考察該機(jī)制的運(yùn)行效率。為了展示新機(jī)制的性能效率，本文參考了參考文獻(xiàn)[7,8]中的實(shí)驗(yàn)設(shè)置以進(jìn)行對照試驗(yàn)。

5.1 實(shí)驗(yàn)設(shè)置

實(shí)驗(yàn)采用Erdos-Renyi隨機(jī)圖模型[17]來創(chuàng)建實(shí)驗(yàn)網(wǎng)絡(luò)，對于實(shí)驗(yàn)網(wǎng)絡(luò)設(shè)置100個(gè)節(jié)點(diǎn)，節(jié)點(diǎn)之間以1%的概率相連，對于每個(gè)節(jié)點(diǎn)的最初負(fù)載，則符合[50,100]的均勻分布，節(jié)點(diǎn)之間鏈路上的負(fù)載也符合[50,100]的均勻分布。服務(wù)遷移的中斷時(shí)間符合[0,1]的均勻分布，虛擬節(jié)點(diǎn)的大小符合[0,20]的均勻分布。用戶則可能出現(xiàn)在網(wǎng)絡(luò)中所有的接入節(jié)點(diǎn)，在所有的接入節(jié)點(diǎn)上，用戶通過發(fā)送對服務(wù)的請求以獲取資源，而用戶的行為包括用戶的位置、用戶何時(shí)發(fā)送請求、用戶發(fā)送請求的頻率，主要取決于應(yīng)用場景。用戶請求的時(shí)間長度一般符合指數(shù)分布。

至于用戶請求的分布，本實(shí)驗(yàn)選擇了兩個(gè)場景作為實(shí)驗(yàn)場景：時(shí)區(qū)場景和上下班場景。時(shí)區(qū)場景將一天分為T個(gè)時(shí)間段，在時(shí)間t，p%的請求出現(xiàn)在網(wǎng)絡(luò)中隨機(jī)選擇的接入節(jié)點(diǎn)。請求的持續(xù)時(shí)間符合指數(shù)分布，指數(shù)分布參數(shù)為λ。另外，剩余的請求作為背景流量則均勻隨機(jī)地在所有節(jié)點(diǎn)產(chǎn)生。

上下班場景將1天T作為1個(gè)周期，在一天中的上半個(gè)時(shí)間段[0，T/2]，用戶請求發(fā)生在距離網(wǎng)絡(luò)中心較近的節(jié)點(diǎn)，而在下半個(gè)時(shí)間段，用戶請求則發(fā)生在距離網(wǎng)絡(luò)中心較遠(yuǎn)的節(jié)點(diǎn)。然后新的一天開始。每次請求總數(shù)為2T/2。在時(shí)間ti

模糊推理的計(jì)算過程是在MATLAB中進(jìn)行的，包括參數(shù)選擇、隸屬度函數(shù)及部分規(guī)則推理。所有代價(jià)在進(jìn)行規(guī)則推理前要進(jìn)行歸一化，以滿足[0,1]的規(guī)則空間，服務(wù)的時(shí)延則用最短路徑上的節(jié)點(diǎn)跳數(shù)來表示。

本實(shí)驗(yàn)采用了參考文獻(xiàn)[8]中的競爭比的概念來衡量算法的有效性，即假設(shè)存在算法（用opt表示），提前知道算法過程中所有用戶請求到達(dá)的位置和時(shí)刻，可以通過最優(yōu)化算法確定網(wǎng)絡(luò)中進(jìn)行遷移的最優(yōu)方案。ρ是所提出算法（用alg表示）與最優(yōu)化算法的代價(jià)之比，新算法的目標(biāo)則是最小化ρ：

其中，seq代表所有用戶請求到達(dá)的序列，包括時(shí)間和位置。

5.2 規(guī)則表的建立

在對輸入值按照高斯隸屬度函數(shù)進(jìn)行模糊化后，基于直觀感受，使用模糊規(guī)則進(jìn)行推理。在規(guī)則中，服務(wù)中斷的代價(jià)最大，如果服務(wù)遷移產(chǎn)生較為嚴(yán)重的后果，則將總體代價(jià)表示為最高值，而不論其他代價(jià)的大小。其次則為時(shí)延的大小，這兩項(xiàng)關(guān)系到服務(wù)提供商和終端用戶對服務(wù)的使用體驗(yàn)。其余3項(xiàng)代價(jià)主要與物理網(wǎng)絡(luò)的資源開銷、運(yùn)行效率有關(guān)，相互間重要程度相差不大。

基礎(chǔ)設(shè)施提供商也可以根據(jù)自己所管理網(wǎng)絡(luò)的不同特點(diǎn)進(jìn)行規(guī)則的設(shè)計(jì)，比如提高某種參數(shù)的重要程度，也可以根據(jù)自己的需要增減網(wǎng)絡(luò)的參數(shù)，在這里只考慮一般的情況，對特殊的情況不予考慮。

5.3 實(shí)驗(yàn)結(jié)果

在對代價(jià)總和進(jìn)行非模糊化后，本實(shí)驗(yàn)即得到了所有節(jié)點(diǎn)的遷移參考代價(jià)值cost(n)，然后對所有節(jié)點(diǎn)的遷移參考代價(jià)值進(jìn)行排序，選擇最小的進(jìn)行遷移。

將本機(jī)制與參考文獻(xiàn)[8]中的“不遷移（static，STAT）”與“重心法（centroid，CEN）”進(jìn)行了比較，“不遷移”即在虛擬網(wǎng)絡(luò)運(yùn)行的過程中，虛擬節(jié)點(diǎn)的位置是靜態(tài)的，對其不做出調(diào)整。重心法則是選擇當(dāng)前所有活躍節(jié)點(diǎn)的“中心”作為遷移的目標(biāo)。

圖5展示了在時(shí)區(qū)場景下不同方法的競爭比情況，在本試驗(yàn)中p取60%，實(shí)驗(yàn)進(jìn)行的時(shí)間T=60，λ=5。從圖5中可以看出，兩種基于遷移的算法的網(wǎng)絡(luò)代價(jià)都小于不遷移的靜態(tài)算法，而本文提出的基于模糊邏輯推理的算法競爭比則在3種算法中最小。這說明，在時(shí)區(qū)場景下，本文所提算法在提高資源的利用率、降低網(wǎng)絡(luò)的開銷方面具有一定的優(yōu)勢。

圖5 時(shí)區(qū)場景競爭比的變化

圖6則展示了上下班場景下競爭比的變化，其中，λ=10。與時(shí)區(qū)場景類似，可以看出，基于模糊邏輯的算法在提高網(wǎng)絡(luò)資源的利用率、降低資源占用開銷方面具有一定的優(yōu)勢。而不遷移算法則仍然具有最大的競爭比，說明其不能滿足用戶場景變化的需要。

圖6 上下班場景競爭比的變化

5.4 結(jié)果分析

本文所提的基于模糊邏輯的方法與離線的最優(yōu)化方法相比，具有以下優(yōu)勢。首先，在算法復(fù)雜度方面，基于模糊邏輯的方法一旦設(shè)定好規(guī)則，則復(fù)雜度只決定于規(guī)則的數(shù)量，復(fù)雜度為O（N），低于最優(yōu)化方法的復(fù)雜度。其次，基于模糊邏輯的方法在規(guī)則設(shè)定上有較大的靈活性，可以根據(jù)實(shí)際經(jīng)驗(yàn)和不同的需求對規(guī)則進(jìn)行修改和取舍。比如，如果需要更多地考慮網(wǎng)絡(luò)的帶寬，則可以對規(guī)則進(jìn)行修訂，在規(guī)則中提高帶寬規(guī)則所占的比重。這樣一來，就提高了用戶在虛擬服務(wù)遷移方面的體驗(yàn)。進(jìn)一步可以將模糊邏輯推理與機(jī)器學(xué)習(xí)相結(jié)合，將依靠實(shí)踐經(jīng)驗(yàn)設(shè)計(jì)的規(guī)則與機(jī)器學(xué)習(xí)的結(jié)果相結(jié)合，進(jìn)一步提升模糊邏輯的推理水平。

6 結(jié)束語

本文討論了采用基于模糊推理的算法的虛擬網(wǎng)絡(luò)服務(wù)遷移機(jī)制，對虛擬網(wǎng)絡(luò)服務(wù)遷移的時(shí)機(jī)進(jìn)行及時(shí)有效的判斷。仿真結(jié)果顯示，該機(jī)制與以往算法相比，可以提高遷移的成功率，降低網(wǎng)絡(luò)的運(yùn)營開銷?；谀：壿嬐评淼姆?wù)遷移機(jī)制具有一定適應(yīng)能力，滿足現(xiàn)實(shí)網(wǎng)絡(luò)中場景的需要，具有良好的應(yīng)用前景，對降低物理網(wǎng)絡(luò)的資源開銷、實(shí)現(xiàn)綠色節(jié)能與自治管理的網(wǎng)絡(luò)虛擬化環(huán)境具有重要的作用。后續(xù)將在提高模糊邏輯推理的自動(dòng)化水平方面開展進(jìn)一步研究。

[1]International Telecommunications Union.ICT facts and figures 2016[R].[S.l.:s.n],2016.

[2]ASOKE T,ROOPA Y.Mobile computing:technology,applications, and service creation[M].New York:McGraw-Hill,2006.

[3]TIMOTHY W,PRASHANT S,RAMAKRISHNAN K K,et al. CloudNet:dynamic pooling of cloud resources by live WAN migration of virtual machines[J].ACM SIGPLAN Notices,2011, 46(7):121-132.

[4]YI W,ERIC K,BRIAN B,et al.Virtual routers on the move: live router migration as a network-management primitive[J]. ACM SIGCOMM Computer Communications Review,2008,38(4): 231-242.

[5]MCKEOWN N,ANDERSON T,BALAKRISHNAN H,et al. OpenFlow:enabling innovation in campus networks[J].ACM SIGCOMM Computer Communication Review,2008,38(2):69-74. [6]PISA P S,FERNANDES N C,CARVALHO H E T,et al. OpenFlow and Xen-based virtual network migration[C]//IFIP TC 6 InternationalConference,September20-23,2010, Brisbane,Australia.New Jersey:IEEE Press,2010:170-181.

[7]BIENKOWSKIM,FELDMANN A,JURCA D,etal. Competitive analysis for service migration in VNets[C]//ACM SIGCOMM Workshop on Virtualized Infrastructure Systems and Architectures,August 30-September 3,2012,New Delhi,India. New York:ACM Press,2010:17-24.

[8]ARORA D,BIENKOWSKI M,FELDMANN A,et al.Online strategies for intra and inter provider service migration in virtual networks[J].Computer Science,2011:1-11.

[9]LOTFI Z.Fuzzy sets[J].Information and control,1965,8(3): 338-353.

[10]XU J,ZHAO M,FORTES J,et al.On the use of fuzzy modeling in virtualized data center management[C]//International Conference on Autonomic Computing,June 11-15,2007, Jacksonville,USA.New York:ACM Press,2007:25-25.

[11] XU J,ZHAO M,FORTES J,et al.Autonomic resource management in virtualized data centers using fuzzy logic-based approaches[J].Cluster Computing,2008,11(3):213-227.

[12] KONG X,LIN C,JIANG Y,et al.Efficient dynamic task scheduling in virtualized data centers with fuzzy prediction[J]. Journal of Network&Computer Applications,2011,34(4): 1068-1077.

[13]SOHAIL S,KHANUM A.Simplifying network management with fuzzy logic[C]//IEEE International Conference on Communications Workshops,May 19-23,2008,Beijing,China.New Jersey:IEEE Press,2008:195-201.

[14] LI B,LI J,WO T,et al.A fuzzy-based dynamic provision approach for virtualized network intrusion detection systems[C]// Advances in Computer Science and Information Technology, AST/UCMA/ISA/ACN 2010 Conferences,June 23-25,2010, Miyazaki,Japan.New York:ACM Press,2010:115-128.

[15] MAMDANI E H.An experiment in linguistic synthesis with a fuzzy logic controller[J].International Journal of Man-Machine Studies,1975,51(1):1-13.

[16]ORTEGA M,RUI Y,CHAKRABARTI K,et al.Supporting ranked boolean similarity queries in MARS[J].IEEE Transactions on Knowledge&Data Engineering,1998,10(6):905-925.

[17] ERD?S P,RéNYI A.On random graphs[J].Publicationes Mathematicae,1959(6):290-291.

王子厚（1985-），男，博士，國家計(jì)算機(jī)網(wǎng)絡(luò)應(yīng)急技術(shù)處理協(xié)調(diào)中心工程師，主要研究方向?yàn)榫W(wǎng)絡(luò)與信息安全、云計(jì)算與未來網(wǎng)絡(luò)。

徐月梅（1985-），女，博士，北京外國語大學(xué)計(jì)算機(jī)系講師，主要研究方向?yàn)橄乱淮ヂ?lián)網(wǎng)、內(nèi)容中心網(wǎng)絡(luò)等。

張露晨（1986-），女，博士，國家計(jì)算機(jī)網(wǎng)絡(luò)應(yīng)急技術(shù)處理協(xié)調(diào)中心助理研究員，主要研究方向?yàn)樾畔踩c網(wǎng)絡(luò)安全。

Virtual service migration based on fuzzy logic approach

WANG Zihou1,XU Yuemei2,ZHANG Luchen1
1.National Computer Network Emergency Response Technical Team/Coordination Center of China,Beijing 100029,China 2.Department of Computer Science,Beijing Foreign Studies University，Beijing 100089,China

During the lifetime of virtual network,users’requirements for virtual services will be affected by their locations,behaviors and mobility.For a green,energy-saving,efficient-using virtual resource migration and scheduling,the service migration method based on fuzzy logic inference was proposed.The method could infer the changes of user demand,migrate the virtual service according to the changes.It would increase the resource utilization and the QoE.

network virtualization,service migration,fuzzy logic

TP393

A

10.11959/j.issn.1000-0801.2016246

2016-04-30；

2016-09-13

張露晨，zlc@cert.org.cn

國家自然科學(xué)基金資助項(xiàng)目（No.61502038，No.61571144）

Foundation Items:The National Natural Science Foundation of China(No.61502038,No.61571144)