[论文解读] On Optimal Placement of Hybrid Service Function Chains (SFCs) of Virtual Machines and Containers in a Generic Edge-Cloud Continuum

Francisco Carpio, Wolfgang Bziuk+1 more|arXiv (Cornell University)|Jul 8, 2020

Software-Defined Networks and 5G被引用 5

一句话总结

本文提出了一种混合整数线性规划（MILP）模型和一种贪心启发式算法，用于在ISP主导的边缘-云融合环境中，对结合虚拟机（VMs）和容器的混合服务功能链（SFCs）进行最优部署。该方法联合优化了运营成本、第三方云费用以及SLA违规惩罚，表明与纯VM或纯容器部署相比，混合VM-容器SFC可显著降低总成本，尤其是在边缘资源未充分利用时。

ABSTRACT

Traditionally, Network Function Virtualization (NFV) has been implemented to run on Virtual Machines (VMs) in form of Virtual Network Functions (VNFs). More recently, the so-called Serverless Computing has gained traction in cloud computing, offering Function-as-a-Service (FaaS) platforms that make use of containerization techniques to deploy services. In contrast to VM-based VNFs, where resources are usually reserved and continuously running, FaaS can just be subsets of code implementing small functions allowing for event-driven, on-demand instantiations. Thus, a hybrid VM-Container based Service Function Chains (SFCs) are a natural evolution of NFV architecture. We study a novel problem of optimal placement of hybrid SFCs from an Internet Service Provider (ISP) point of view, whereby VNFs can be instantiated either over VMs or containers in a generic edge and cloud continuum. To this end, we propose a Mixed-Integer Linear Programming model as well as a heuristic solution to solve this optimization problem that considers three objectives unique to the specific VM and container deployment in a carrier network: operational costs for maintaining servers in the edge, costs of placing VNFs in third-party cloud providers and penalty costs applied when SLA agreements are violated in terms of end-to-end delay. We also propose 2-phases optimization process to analyze the effect on performance as a result of replications and migrations of VNFs. The model can be used to highlight scenarios where a combination of VMs and containers can provide most benefits from the monetary costs point of view.

研究动机与目标

• 解决现有优化模型在边缘-云环境中对结合虚拟机和容器的混合SFC缺乏建模的问题。
• 最小化总运营成本，包括边缘服务器维护成本、第三方云使用成本以及SLA违规惩罚成本。
• 分析在动态流量场景下，VNF迁移和复制对成本与性能的影响。
• 评估在运营商网络背景下，基于VM的VNF部署与基于容器的VNF部署之间的成本权衡。
• 提出一种两阶段优化流程，对低负载和高负载场景进行建模，以实现更真实的SFC重构。

提出的方法

• 构建一个混合整数线性规划（MILP）模型，联合优化三项成本目标：边缘服务器运营成本、云服务提供商费用以及SLA违规惩罚成本。
• 对每条流量流建模端到端延迟，不同于以往模型对路径间延迟进行平均或限制的做法。
• 提出一种两阶段优化流程：首先在低负载下进行初始部署，随后在高负载下分析迁移与复制的影响。
• 提出一种贪心启发式算法用于在线部署，其性能接近最优MILP解，尤其在边缘资源充足时表现更优。
• 采用一种通用的ISP主导模型，即ISP拥有边缘基础设施但可租用云资源，从而支持成本敏感的部署决策。
• 在同一SFC中支持VM-VNFs和CT-VNFs，允许采用具有独立成本模型的混合部署策略。

实验结果

研究问题

• RQ1 在边缘-云融合环境中，SFC中混合部署虚拟机和容器如何影响总运营成本？
• RQ2 在动态流量条件下，VNF的迁移与复制对成本与性能有何影响？
• RQ3 在运营商网络中，将VNF部署在边缘服务器与部署在第三方云上，其成本如何比较？
• RQ4 贪心启发式算法在实时SFC部署中，能在多大程度上逼近最优MILP解？
• RQ5 在何种场景下，混合VM-容器SFC在成本效率方面优于纯VM或纯容器SFC？

主要发现

• 当SFC长度不超过4时，贪心启发式算法的性能几乎与最优MILP解相当，尤其在边缘服务器未充分利用时表现更佳。
• 首次适应法和随机适应法的性能相近，但显著劣于贪心方法，原因在于其较差的部署决策导致迁移与复制成本上升。
• 与纯VM或纯容器部署相比，结合虚拟机和容器的混合SFC可显著降低总成本，尤其在边缘资源可用时。
• 边缘部署的总成本低于云部署，原因在于运营成本和使用费用更低，尤其是在ISP拥有基础设施时。
• 当边缘资源饱和时，云使用量上升，基于容器的VNF可能因按使用量计费而产生高于VM的费用，凸显了混合策略的优势。
• 初始部署对后续的迁移与复制成本具有显著影响，表明主动部署可有效降低长期惩罚成本。