[论文解读] Cost minimization of network services with buffer and end-to-end deadline constraints

Victor Millnert, Enrico Bini+1 more|arXiv (Cornell University)|Sep 15, 2016

Cloud Computing and Resource Management被引用 3

一句话总结

本文提出了一种面向云环境中虚拟网络功能（VNF）服务链在端到端截止时间和缓冲区约束下的成本最小化框架。该框架将动态资源扩展建模为优化问题，通过分析排队和调度模型，推导出在保证延迟边界的同时最小化运行成本的控制策略，关键结果表明在恒定输入流量下性能稳定，并通过自适应的就绪时间延长机制处理扰动。

ABSTRACT

Cloud computing technology provides the means to share physical resources among multiple users and data center tenants by exposing them as virtual resources. There is a strong industrial drive to use similar technology and concepts to provide timing sensitive services. One such is virtual networking services, so called services chains, which consist of several interconnected virtual network functions. This allows for the capacity to be scaled up and down by adding or removing virtual resources. In this work, we develop a model of a service chain and pose the dynamic allocation of resources as an optimization problem. We design and present a set of strategies to allot virtual network nodes in an optimal fashion subject to latency and buffer constraints.

研究动机与目标

• 解决在满足严格端到端截止时间要求的前提下，最小化基于云的虚拟网络功能（VNF）服务链运行成本的挑战。
• 在可变工作负载和缓冲区约束下，将跨VNF的虚拟机动态分配建模为优化问题。
• 通过分析排队行为和处理时间动态特性，制定确保满足端到端延迟边界条件的控制策略。
• 通过延长就绪时间以应对瞬态扰动（如建模误差或工作负载突增），维持服务保障。
• 为未来在时变请求模式和不确定服务速率下的自适应方案奠定基础。

提出的方法

• 构建由相互连接的VNF组成的的服务链的数学模型，每个VNF可配置虚拟机数量。
• 将输入流建模为具有每包端到端截止时间约束的恒定速率请求流。
• 引入一种服务模型，其中每个VNF以FIFO顺序非抢占式处理请求，强调排队延迟而非计算时间。
• 推导出涵盖计算和存储分配的成本模型，从而在活动机器数量上建立最小化目标。
• 使用确定性排队理论和网络演算分析延迟边界，特别关注缓冲区溢出和扰动处理。
• 提出一种自适应就绪时间延长策略（公式39），通过根据扰动大小和空闲时间可用性延长活跃周期，以应对意外的工作负载激增。

实验结果

研究问题

• RQ1 如何动态扩展虚拟网络功能以在确保满足端到端延迟约束的同时最小化成本？
• RQ2 在恒定输入流量的服务链中，排队延迟与计算时间对端到端延迟的影响如何？
• RQ3 当发生意外扰动（如建模误差或工作负载突增）时，应如何调整资源分配？
• RQ4 何种控制策略可在缓冲区约束下实现稳定运行，同时最小化活动虚拟机数量？
• RQ5 当所需处理时间超过正常就绪周期时，系统如何维持服务保障？

主要发现

• 所提出的控制策略通过根据扰动大小和可用空闲时间动态延长VNF的就绪时间，确保了端到端截止时间的合规性。
• 模型表明，排队延迟在决定端到端延迟方面占主导地位，这支持将重点放在缓冲区和调度管理上。
• 通过公式（39）延长就绪周期，可有效处理建模误差或工作负载突增等扰动，该公式考虑了处理额外工作所需完整或部分关闭周期。
• 由于扰动处理导致的成本增加是恒定的，且不影响优化解，因为其与决策变量无关。
• 该框架为未来在时变工作负载下实现自适应方案提供了稳定基线，具有扩展至反馈控制服务速率调节的潜力。
• 仿真结果（文本中未量化）证实，该模型能维持延迟边界，并通过精确的就绪时间延长避免过度配置。