PowerPoint プレゼンテーション...2016/2/18 3 各要求に対する配置状態に関する評価 •EvoVNFP で得られる配置状態の平均ユーザ遅延はILP とほぼ等し

2016/2/18

1

An Evolvable Approach for the Virtual Network Function

Placement Problem in Varying Environments

進化適応性を備えた仮想ネットワーク機能配置手法

村田研究室乙倉麻里

1

• 仮想ネットワーク機能（VNF）• Network Function Virtualization（NFV）技術によって仮想化されたネットワーク機能

• VNF は仮想計算機（VM）上で動作

• VNF 配置問題

• VNF を実行する VM の物理計算機（PM）への配置状態を決定

研究背景

VM

VM

遅延：大遅延：小

2

VNF1 VNF2→

ユーザ要求

VNF1

VM

VNF2 VNF1 VNF2

動的 VNF 配置問題

• 動的 VNF 配置問題• ユーザの動的な要求変更に応じて VM の配置状態を再構成

• 動的 VNF 配置問題における 2 つの要件

• 要求変更時に必要となる配置再構成操作回数の削減

• 配置再構成操作：VM 移動、VM サイズ変更、VM 追加、VM 削除、VNF 移動、VNF サイズ変更

• 各要求に対しての配置状態の良さ

• 静的な VNF 配置手法を適用する際の問題点

• 配置再構成操作回数の削減が困難

• 従来の VNF 配置手法 [10][12] では考慮できない

• 要求変動よりも短い時間スケールでの最適化計算が困難

• VNF の配置最適化自体が NP 困難

3[12] R. Cohen, L. Lewin-Eytan, J. Naor, and D. Raz, “Near Optimal Placement of Virtual Network Functions,” in Proceedings of 2015 IEEE Conference on Computer Communications, pp. 1346–1354, Apr. 2015.

[10] M. F. Bari, S. R. Chowdhury, R. Ahmed, and R. Boutaba, “On Orchestrating Virtual Network Functions in NFV,” in Proceedings of 11th International Conference on Network and Service Management Mini-Conference, Nov. 2015.

研究の目的とアプローチ

• 本研究の目的• 以下の特徴を有する動的 VNF 配置手法の提案

• 配置再構成操作回数を抑制

• 短時間で配置状態を生成可能

• 各要求に対して良い配置状態を生成可能

• 本研究のアプローチ• 生物の環境変動への適応性の知見を利用

• 生物は、環境変動の中で進化することにより、環境変動に対し少しの構造変化で適応可能な構造を獲得 [1]

• ユーザの動的な要求変更への適応性を有する配置状態を生成

4[1] N. Kashtan and U. Alon, “Spontaneous evolution of modularity and network motifs,” PNAS, vol. 102, no. 39, pp. 13773–13778, Sept, 2005.

Evolvable VNF Placement (EvoVNFP)

• 要求変更への適応性を有する配置状態を生成する動的 VNF 配置手法• 一定世代数の遺伝的アルゴリズム（GA）を用いて、ユーザの要求を満たす配置状態を生成

• 配置状態生成後は次のユーザ要求変更まで実行を停止

• ユーザの要求変更時は、集団初期化を行わずに、1 つ前の要求に対して生成されていた集団を用いて、新しい要求を満たす配置状態を生成

5

time

制御開始ユーザ要求:

Req1

ユーザ要求変更ユーザ要求:

Req2

ユーザ要求変更ユーザ要求:

Req3

EvoVNFPシミュレーション

実際の配置状態 …

集団

初期化

（一定世代数）

（シミュレーション結果に基づき実際の配置状態を再構成）

VM

VNF VNFVM

VNF VM

VNF

VMVNF

… …

GA実行中(Req1)


GA実行中(Req2)

GA実行中(Req3)


…

…

…

EvoVNFP 内で用いられる GA の概要

• 各要求に対しての配置状態の良さのみに基づいて良い配置状態を選択

• 適応度：各要求に対しての配置状態の良さ

• 平均ユーザ遅延が小さく、使用コア数が少ないほど大きな値

• 個体：3 層ネットワーク（下図左）

• 配置状態をネットワークの接続状態で表現

• PM 層と VM 層の接続：PM への VM の配置

• VM 層と VNF 層の接続：VM への VNF の配置

• 突然変異：ネットワークの要素を 1 つランダムに選択・変更

• リンク接続状態、各ノードのコア数、VM 層ノード数のいずれか6

＝VM1コア8

VNF1コア2

VNF2コア6

VM2コア6

VNF3コア3

VNF4コア3

PM1コア16

PM2コア16

PM3コア16

PM4コア16

PM1コア16

PM2コア16

PM3コア16

PM4コア16

VM1コア8

VM2コア6

VNF1コア2

VNF2コア6

VNF3コア3

VNF4コア3

PM層（ノード数固定）

VM層（ノード数可変）

VNF層（ノード数固定）

開始

突然変異

エリート選択

適応度計算

集団初期化

次世代集団決定

終了

yes

no

（1世代）

終了判定

GA のフローチャート

2016/2/18

2

シミュレーション設定

• 物理ネットワーク• 5 ルータ、10 PM、各 PM は 16 コア保有（右図）

• ユーザ処理要求

• 3 つのユーザ処理要求

• 始点 𝑟1, 終点 𝑟3, VNF1→VNF2, 𝑏𝑢1[Mbps]

• 始点 𝑟5, 終点 𝑟3, VNF2, 𝑏𝑢2[Mbps]

• 始点 𝑟4, 終点 𝑟2, VNF1→VNF3, 𝑏𝑢3[Mbps]

• 要求伝送速度𝑏𝑢1、𝑏𝑢2、𝑏𝑢3が時間経過により変動

• 評価指標

• 配置再構成に関する指標：配置再構成操作回数、各実行において最初の許容解を得るまでの世代数

• 各時点での配置状態の良さに関する指標：使用コア数、平均ユーザ遅延

• 比較手法

• 静的な VNF 配置手法を要求変動ごとに再実行

• EvoVNFP で用いている GA

• 整数計画問題（ILP）7

𝑟1

𝑟5

𝑟3

𝑟2

𝑟4

PM1 PM2 PM3 PM4

PM6

PM5

PM10 PM9 PM8 PM7

• EvoVNFP は GA や ILP と比較して少ない操作回数で配置再構成が可能

• EvoVNFP では GA と比較して少ない世代数で許容解を生成可能

• EvoVNFP では、各要求に対して用いる世代数を適切に設定することにより、再構成操作回数、初めての許容解が得られるまでの世代数共に改善

• 適切な設定により、各要求への過適応を防止

配置再構成に関する評価

8

再構成操作回数

初めての許容解が

得られるまでの世代数

EvoVNFP GA ILP EvoVNFP GA

EvoVNFP

世代数24

EvoVNFP

世代数216

GA世代数

24

GA世代数216

ILP EvoVNFP世代数

24

EvoVNFP世代数216

GA世代数

24

GA世代数216






9





EvoVNFP

世代数24

EvoVNFP

世代数216

GA世代数

24

GA世代数216


24

EvoVNFP世代数216

GA世代数

24

GA世代数216






10





EvoVNFP

世代数24

EvoVNFP

世代数216

GA世代数

24

GA世代数216


24

EvoVNFP世代数216

GA世代数

24

GA世代数216






11





EvoVNFP

世代数24

EvoVNFP

世代数216

GA世代数

24

GA世代数216


24

EvoVNFP世代数216

GA世代数

24

GA世代数216

各要求に対する配置状態に関する評価

• EvoVNFP で得られる配置状態の平均ユーザ遅延は ILP とほぼ等しい

• EvoVNFP で得られる配置状態の使用コア数は ILP と比べて約2倍

• 再構成操作回数と使用コア数はトレードオフの関係

• EvoVNFP では、各要求に対して用いる世代数を増加させることにより、平均ユーザ遅延、使用コア数共に改善

12

使用コア数

平均ユーザ遅延

EvoVNFP GA ILP

EvoVNFP

世代数24

EvoVNFP

世代数216

GA世代数

24

GA世代数216

ILP

EvoVNFP GA ILP

EvoVNFP

世代数24

EvoVNFP

世代数216

GA世代数

24

GA世代数216

ILP

2016/2/18

3






13

使用コア数


EvoVNFP GA ILP

EvoVNFP

世代数24

EvoVNFP

世代数216

GA世代数

24

GA世代数216

ILP

EvoVNFP GA ILP

EvoVNFP

世代数24

EvoVNFP

世代数216

GA世代数

24

GA世代数216

ILP






14

使用コア数


EvoVNFP GA ILP

EvoVNFP

世代数24

EvoVNFP

世代数216

GA世代数

24

GA世代数216

ILP

EvoVNFP GA ILP

EvoVNFP

世代数24

EvoVNFP

世代数216

GA世代数

24

GA世代数216

ILP






15

使用コア数


EvoVNFP GA ILP

EvoVNFP

世代数24

EvoVNFP

世代数216

GA世代数

24

GA世代数216

ILP

EvoVNFP GA ILP

EvoVNFP

世代数24

EvoVNFP

世代数216

GA世代数

24

GA世代数216

ILP

まとめと今後の課題

• まとめ• 動的 VNF 配置手法 EvoVNFP を提案

• GA を用いて、各ユーザ処理要求を満たす VNF 配置状態を生成

• ユーザ処理要求変更時は、集団を初期化せずに GA を再実行

• シミュレーション評価により EvoVNFP の有効性を確認

• 比較手法に対して、配置再構成に必要な操作回数を削減

• 資源（コア）を十分に確保した配置状態を生成

• 比較手法に対して、配置状態の計算に必要な世代数を削減

• 各要求に対して、最適配置状態とほぼ同等のサービス性能となる配置状態を生成

• 今後の課題

• EvoVNFP ともう 1 つの提案手法である EvoVNFP-2 の比較

• より大規模なネットワークを想定した検証

16

Documents

PowerPoint プレゼンテーション...2016/2/18 3 各要求に対する配置状態に関する評価 •EvoVNFP で得られる配置状態の平均ユーザ遅延はILP とほぼ等し