基于SDN/NFV的电力物联网时延敏感业务编排方法

王雅倩，陈心怡，曲 睿，周振宇

(华北电力大学 电气与电子工程学院，北京 102206)

电力物联网(electric internet of things，EIoT)是充分利用人工智能、移动互联等现代信息通信技术，实现电网万物互联、人机交互的工业级物联网[1，2]。随着电力物联网网络流量服务的不断增长，需要通过不断部署和更新网络设备以满足多样化的电力物联网业务需求。同时，电力物联网时延敏感业务对时延提出了苛刻的要求，如配电自动化等控制类业务要求毫秒级时延[3]。然而，传统网络功能的实现需要专用的网元设备来完成，软硬件处于高度耦合的状态，网络封闭僵化，无法满足电力物联网的业务需求[4]。

软件定义网络(software-defined networking，SDN)和网络功能虚拟化(network function virtualization，NFV)为电力物联网业务编排提供了一种有效的解决方案。通过SDN将传统网络设备的控制与数据转发分离，实现对网络资源的集中控制管理[5，6]，并基于NFV实现软硬解耦，将多维度网络资源整合在统一的资源池中，根据抽象网络服务需求，对资源进行统一调度和按需分配[7，8]。在NFV中，服务功能链(service function chain，SFC)被视为构建虚拟化电力物联网的有力解决方案，通过动态地调整资源的分配策略，实现网络资源的高效利用[9]。SFC是由多个虚拟网络功能(virtual network functions，VNFs)按照数据流经过的预定义顺序配置而成的，通过在物理网络上嵌入VNF和映射链路以提供特定的电力物联网服务[10]。然而，面向电力物联网时延敏感业务的编排优化仍然面临着如下挑战。首先，一个物理节点支持多个VNF嵌入，但由于VNF的偏好冲突，不同链上排序相同的VNF的候选物理节点可能相互重叠，难以找到稳定的VNF嵌入策略；
其次，SFC中VNF具有有序性导致前一个VNF的选择会影响后续VNF的时延，使得VNF嵌入策略中时延最小化问题难以用线性方法描述；
最后，电力物联网终端在运行过程中存在复杂的电磁现象[11]，在VNF嵌入策略中忽略了电磁干扰对无线信道的影响将直接影响业务服务质量。

针对电力物联网业务编排中VNF嵌入问题，已有一些学者做了相关的研究。文献[12]面向大规模分布式NFV部署，提出了一种禁忌搜索算法来解决较大规模的VNF的嵌入问题，以降低嵌入成本。文献[13]提出了嵌入和路由相结合的启发式算法，基于节点优先级采用先嵌入后路由的方案，平衡网络中的流量负载，改善链路拥塞。然而，上述工作考虑每个物理节点仅支持一个VNF的嵌入，使得服务器资源和站址资源利用率低，服务提供商资源得不到充分利用。文献[14]在制定VNF嵌入策略时忽略SFC结构，采用外部性匹配博弈，在降低服务中断概率的同时最小化服务完成时间。文献[15]考虑将SFC的所有VNFs嵌入同一物理节点，并设计了一种分布式匹配算法，将计算分散到每个物理节点，以优化节点资源利用率。上述解决方案采用匹配理论虽然一定程度上降低了嵌入问题的复杂度，但是SFC的有序性问题未解决，服务性能仍然表现差。文献[16]构建了基于SDN的能量感知SFC，联合考虑时延、链路利用率和服务器利用率的约束，有效提升业务服务质量。但是，文献[16]没有考虑电力物联网大规模部署时海量终端产生的电磁干扰对无线信道的影响，导致业务服务质量差。

本文研究电力物联网时延敏感业务编排问题，主要贡献如下。首先，提出了基于SDN/NFV的电力物联网业务编排架构，通过在SDN控制器内置VNF嵌入组件以支持VNF嵌入算法，进而提高物理网络资源管理的灵活性和高效性，从而满足电力业务编排的定制化需求；
其次，考虑多VNF嵌入和电磁干扰的影响，基于匹配理论，将最小化业务服务总时延的VNF嵌入问题转换为VNF与物理节点的单边匹配问题，基于嵌入物理节点的时延，构建VNF的匹配喜好，提出基于升价匹配的多阶段多对一VNF嵌入(pricing matching-based multi-phase many to one VNF embedding，PMVE)算法，在每个阶段实现不同SFC链上排序相同的VNF集合与物理节点集合间的匹配；
最后，仿真结果表明，与现有算法相比，所提算法能够获得更小的业务服务总时延，从而保障电力物联网时延敏感业务需求。

1.1 网络模型

本文考虑基于SDN/NFV的电力物联网业务编排架构，如图1所示，包含业务层、控制编排层、数据转发层。业务层承载电力物联网时延敏感业务，如配电房实时监控、配电自动化等。控制编排层包括具备网络拓扑感知的SDN控制器、网络功能虚拟化编排器(NFV orchestration，NFVO)、虚拟网络功能管理器(VNF management，VNFM)、VNF嵌入组件等。数据转发层主要包含提供数据转发与计算的物理节点，如基站、边缘计算服务器等。

图1 基于SDN/NFV的电力物联网业务编排架构Fig.1 SDN/NFV-based service orchestration architecture for EIoT

电力物联网业务编排流程如下所示。首先，NFVO根据业务层差异化需求及应用场景构建定制化的服务策略，即数据流必须遍历的VNF组合；
其次，NFVO将服务策略发送给SDN控制器，SDN控制器根据服务策略将多个VNFs按照数据流经过的预定义顺序配置为SFC，并根据数据转发层物理网络信息，制定最优VNF嵌入策略；
最后，通过VNF嵌入组件将制定的VNF嵌入策略下发给数据转发层物理节点，完成VNF嵌入及链路映射，形成具体服务路径，提供网络流的实时处理。

通过优化电力物联网业务编排中的VNF嵌入策略，降低业务服务总时延。以一种VNF嵌入策略为例，来说明业务服务具体流程。针对配电房实时监控业务和配电自动化业务，SDN控制器分别将其编排成SFC1和SFC2，SFC1是由VNF1、VNF2、VNF3构成的有序链路，SFC2是由VNF4、VNF5、VNF6构成的有序链路，VNF嵌入组件根据嵌入策略将VNF1、VNF2、VNF3分别对应嵌入物理节点n1、n2、n5，并形成具体流路径n1→n2→n5，将数据流经过具体路径完成处理所需时间定义为业务服务时延，因此，由图可知配电房实时监控业务的业务服务时延为5+8+5+7+3=28ms，将VNF4、VNF5、VNF6分别对应嵌入物理节点n3、n4、n2，并形成具体流路径n3→n4→n2，因此，配电自动化业务服务时延为4+6+3+8+4=25ms，其中物理节点n2支持不同SFC链上排序不同的VNF2和VNF6嵌入，以进一步提高节点计算资源利用率并降低时延[17]。

1.2 时延模型

时延是指数据流从链路的一端传送到另一端所需要的时间。对于每个成功服务的业务请求，数据流从嵌入第一个VNF的物理节点开始处理并传输到路径上的后续节点进行处理所需的时间为业务服务时延，由传输时延、传播时延、计算时延、等待时延组成。本文考虑到电磁波在自由空间的传播速率为光速，因此将传播时延忽略不计。

1.2.1 传输时延

(1)

r(n′,n)=B(n′,n)log2(1+SINR(n′,n))

(2)

式中：B(n′,n)表示链路(n′,n)的传输带宽；
SINR(n′,n)表示链路(n′,n)的信干噪比，表示为

(3)

式中：P(n′,n)表示链路(n′,n)的传输功率；
g(n′,n)表示链路(n′,n)的信道增益；
σ0表示噪声功率；
λ(n′,n)表示链路(n′,n)的电磁干扰功率。

1.2.2 计算时延

(4)

1.2.3 等待时延

由于物理节点处理流的顺序是根据流的到达顺序进行的，因此，当物理节点n目前正处理其它sk′数据流时，新到达的数据流需等待一定时间进行处理，sk数据流的等待时延为

(5)

1.2.4 业务服务总时延

业务服务总时延是完成所有服务请求sk∈S所需要的总时间，表示为

(6)

1.3 问题建模

本文的优化目标为通过制定最优的VNF嵌入策略，最小化业务服务总时延，故优化问题可建模为

(7)

式中：C1表示嵌入约束，每个VNF能且仅能嵌入一个物理节点；
C2表示一个物理节点可支持不同SFC链上排序不同的多个VNF嵌入。

2.1 问题转换

优化问题P1是一个混合整数非线性规划问题，具有NP-hard和难以直接求解的特点。匹配理论作为一种研究两组代理之间互利关系的有效工具，能够为VNF的嵌入问题提供有效的解决方案[18]。因此，本文利用复杂度较低的匹配理论来求解P1。

2.2 基于升价匹配的多阶段多对一VNF嵌入算法

2.2.1 建立偏好列表

匹配模型的定义如下：

(2)μ(n)⊂F,|μ(n)|≤V,∀n∈N

(8)

式中：τn为嵌入物理节点n的价格，即匹配成本。

2.2.2 VNF嵌入算法

本文提出的PMVE算法如表1所示，具体过程如下。

表1 PMVE算法Tab.1 PMVE algorithm

初始化：设置匹配价格τn=0，匹配价格步长Δτn=0.1，VNF偏好列表集合L=Ø，匹配集合μ=Ø。

2.2.3 复杂度分析

在第v阶段的匹配中，VNFs和物理节点的个数分别为K和N，在基于升价的匹配过程中，VNFs获取偏好值并建立偏好列表的复杂度分别为O(K)和O(Klog(K))。假设解决匹配中价格上涨过程中的冲突元素匹配所需的迭代次数为ζ，则匹配过程的复杂度有两种结果，即当K≥N时，匹配过程的复杂度为O(Kζ)；
当K检查每一组可能的组合可获得最优匹配结果，但穷举搜索算法复杂度为O(KNN!)。< p>

3.1 场景设置

本文考虑图1所示的电力物联网场景，每次请求中SFC的数量K为5，每条SFC所代表的业务分别为精准负荷控制、配网差动保护、设备故障检测、配网状态监测、配电自动化业务，每条SFC的VNF数量V为10，物理节点数量n为20。本文将所提出的PMVE算法与文献[19]所提的不含价格的双边匹配算法(matching-based VNF scheduling，MBVS)进行对比。在服务总时延、平均等待时延等方面验证PMVE算法的优越性。具体仿真参数如表2所示[20，21]。

表2 仿真参数Tab.2 Simulation parameters

3.2 仿真分析

图2展示了总时延随请求次数的变化对比。仿真结果表明，与MBVS相比，一方面，PMVE的总时延降低了29.9%；
另一方面，PMVE时延波动相对较小。这是因为PMVE在每次匹配过程中基于服务总时延来建立偏好列表，并考虑价格机制，实现带竞争的匹配，最终得到的匹配结果都是根据偏好列表得到的最优值。然而，MBVS没有考虑价格，难以实现效用最大化，并且导致匹配结果波动较大。

图2 总时延随请求次数的变化对比Fig.2 Comparison of total delay versus number of requests

图3展示了总时延随SFC数量K的变化对比。仿真结果表明，随着每次请求的SFC数量的增加，PMVE与MBVS算法的总时延均呈上升趋势，但相比于MBVS算法，PMVE的总时延上升幅度降低了29.4%。其原因在于，受物理节点的数目以及计算资源的限制，当SFC数量增加时，物理节点难以同时处理众多业务，导致网络拥塞现象的发生，使总时延增大，而PMVE根据总时延建立的偏好列表中含有在不同匹配阶段间存在相关性的等待时延，基于这样的偏好列表，在不同匹配阶段会尽可能地避开正在处理业务的物理节点，从而有效降低网络拥塞，因而PMVE的上升幅度低于MBVS。

图3 总时延随SFC数量K的变化对比Fig.3 Comparison of total delay versus the number of SFC K

图4展示了平均等待时延随SFC中VNF数量V的变化对比。由图可以看出，与MBVS对比，PMVE的平均等待时延降低了36.1%，其原因在于，对于PMVE，物理节点在每一个阶段所匹配的VNF均为根据偏好列表所选择的最优值，对于每一阶段匹配而言，等待时延中等待本节点处理前一个VNF的时延都是相对较低的，因而其平均等待时延要低于MBVS算法。

图4 平均等待时延随SFC中VNF数量V的变化对比Fig.4 Comparison of average waiting delay versus number of VNF V in SFC

图5展示了总时延随物理节点数量N的变化对比。仿真结果表明，随着物理节点数目增加，PMVE的总时延降低，其原因在于，当物理节点增多，底层网络资源变丰富，PMVE不同阶段的VNF选择同一个节点进行传输的概率变小，使得总时延中等待时延降低，进而使时延变低，而MBVS仍然随机选择节点，因而其总时延并无降低的趋势。与MBVS相比，节点n的数目从16增加至24时，PMVE的总时延从降低28.6%提升至降低35.7%。

图5 总时延随物理节点数量N的变化对比Fig.5 Comparison of total delay versus number of physical node N

针对电力物联网时延敏感业务编排问题，提出了基于SDN/NFV的电力物联网业务编排架构，通过提高物理网络资源管理的灵活性和高效性，满足了时延敏感业务定制化需求，在此基础上，面向最小化业务服务总时延的优化目标，提出了基于升价匹配的多阶段多对一VNF嵌入方法，即PMVE算法。与传统VNF嵌入方法相比，考虑了多VNF嵌入、SFC有序性以及电磁干扰对电力物联网时延敏感业务编排的影响，弥补了传统算法在电磁干扰环境下时延保障能力的不足。仿真结果表明，与传统算法相比，PMVE算法可降低总时延29.9%、平均等待时延36.1%。

本文从保障电力物联网时延敏感业务低时延需求的角度出发，研究VNF嵌入策略的优化方法，没有考虑业务数据流调度的优化。因此，如何在未来电力物联网多种业务共存场景下，协同优化VNF嵌入与数据流调度，从而满足电力业务的差异化需求，还有待进一步研究。