很高興看到我們一篇關于網絡功能虛擬化(NFV)的長文正式發(fā)表在 IEEE Transactions on Cloud Computing (TCC) 期刊上。文章信息如下:
Huawei Huang, Song Guo, Jinsong Wu and Jie Li, “Service Chaining for Hybrid Network Functions”, IEEE Transactions on Cloud Computing (TCC), vol. 7, no. 4, pp. 1082-1094, October-December, 2019
論文下載:附件 [1] TCC-service-chaining.pdf
現(xiàn)今來自終端用戶的多種應用所產生的流量在到達數(shù)據(jù)中心服務器之前,需要經過不同種類的網絡功能服務的處理。比如,網絡流量需要經過防火墻、深度包檢測、負載均衡器、視頻編碼解碼器等網絡功能虛擬化節(jié)點。這篇論文主要研究了基于混合類型的虛擬化網絡功能的“服務鏈(Service Function Chaining)”編排與部署問題,提出了能應對多種網絡功能需求的快速服務鏈編排、具有部署靈活、運營效益最大化特點的解決方案。
IEEE Transactions on Cloud Computing (TCC) 是云計算領域高水準期刊,影響因子為5.967 (中科院SCI期刊一區(qū)),每年僅僅刊載幾十篇高質量論文。
另外一篇相同課題的成果同樣發(fā)表在 IEEE Transactions on Cloud Computing (TCC),已在線但尚未正式出版 (Early Access),論文信息如下:
Huawei Huang, Peng Li, Song Guo, Weifa Liang, Kun Wang, “Near-Optimal Deployment of Service Chains by Exploiting Correlations between Network Functions”, IEEE Transactions on Cloud Computing (TCC), 2018, DOI: 10.1109/TCC.2017.2780165
論文下載:附件[2] IEEE-TCC-Near-OptimalDeployment.pdf
不同于傳統(tǒng)的服務鏈編排方法,在第二篇論文中,作者提出在進行服務鏈編排時需要兼顧考慮以下兩個特性: i)不同網絡功能虛擬化服務節(jié)點之間“橫向”流量的變化性,以及 ii)同種服務節(jié)點之間的協(xié)同操作會造成“縱向”服務能力下降的特點。
此外,針對基于虛擬機與實體物理設備所組成的混合網絡功能體系,作者計劃提出基于機器學習預測結果的高容錯性快速服務鏈編排方案。所提出的方法將會幫助服務提供商與網絡運營商高效穩(wěn)健地為 5G/Beyond 5G 用戶提供可靠的服務。
學者網

評論 0