Orchestrating network function virtualization platform: Migration or re-instantiation?
Notice bibliographique
Résumé
Network function virtualization (NFV) provokes the evolution of network functions to overcome various challenges facing the network service providers (NSPs). To exploit the advantages of the virtualization technology, NFV platforms should use the cloud environment to provide their services. Typically, an NFV service is represented by a service function chain (SFC) that consists of multiple virtualized network functions (VNFs). Hosting and orchestrating these VNFs in a cloud environment are challenging tasks. In this paper, we discuss the VNF orchestration problem from the perspective of VNF's migration and re-instantiation mechanism to achieve carrier grade-aware NFV services in a cloud-based platform. This paper also provides detailed insights on the NFV system modeling, building blocks, and various challenges hindering its cloud adoption. Also, a novel mixed integer linear programming (MILP) optimization model is proposed as a solution to facilitate the NFV platform orchestration in a cloud environment. The model decides between triggering either VNF's migration or re instantiation while achieving minimal downtime of the VNF, satisfying carrier grade requirements, and finding an optimal placement for the migrated or re-instantiated VNF that minimizes the SFC delays. The proposed model is compared to two availability-agnostic greedy algorithms. The simulation results show that finding an optimized decision whether to migrate or re-instantiate a VNF while associating it with an optimal placement can achieve a minimal VNF's downtime and SFCs delays and can enhance the quality of service accordingly.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».