nfv

SDN、NFV学习与理解

匿名 (未验证) 提交于 2019-12-02 23:38:02
这里写自定义目录标题 欢迎使用Markdown编辑器 新的改变 功能快捷键 合理的创建标题,有助于目录的生成 如何改变文本的样式 插入链接与图片 如何插入一段漂亮的代码片 生成一个适合你的列表 创建一个表格 设定内容居中、居左、居右 SmartyPants 创建一个自定义列表 如何创建一个注脚 注释也是必不可少的 KaTeX数学公式 新的甘特图功能,丰富你的文章 UML 图表 FLowchart流程图 导出与导入 导出 导入 欢迎使用Markdown编辑器 你好! 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章,了解一下Markdown的基本语法知识。 新的改变 我们对Markdown编辑器进行了一些功能拓展与语法支持,除了标准的Markdown编辑器功能,我们增加了如下几点新功能,帮助你用它写博客: 全新的界面设计 ,将会带来全新的写作体验; 在创作中心设置你喜爱的代码高亮样式,Markdown 将代码片显示选择的高亮样式 进行展示; 增加了 图片拖拽 功能,你可以将本地的图片直接拖拽到编辑区域直接展示; 全新的 KaTeX数学公式 语法; 增加了支持 甘特图的mermaid语法 1 功能; 增加了 多屏幕编辑 Markdown文章功能; 增加了 焦点写作模式、预览模式、简洁写作模式

流量迁移(二)

て烟熏妆下的殇ゞ 提交于 2019-12-02 03:01:19
一、 Predictive Analysis in Network Function Virtualization NFV的预测分析 问题提出: 1、新部署的NFV服务比精致的硬件更容易出现问题。 2、NFV相当于在原来的设备上添加了更多的层,导致底层设备故障事件更难定位。 如何更好的为NFV进行故障预测和分析? 问题解决: 针对一种重要的NFV——vPE (virtualized Provider Edge router),设计了将深度学习模型(LSTM),模型定制和通过迁移学习共享到syslog的组合相结合的系统,从而使我们能够识别潜在故障特征,从而近乎实时地预测故障,最后进行了性能的测试。 主要面临的问题: 1、解决训练样本数据不均衡:使用无监督的异常检测方法来训练带有“正常”日志的长短期记忆(LSTM)网络[14]模型。 异常日志模式会触发对网络故障情况的预测。 2、解决NFV的多样性,不好选特征集的问题:使用聚类来识别具有相似配置和日志行为的VNF,并对其进行汇总(将它们作为合并后的系统日志作为一个单元进行处理) 3、网络基础架构随着时间动态修改:使用类似于迁移学习的增量培训。 这有助于我们在软件更新后快速引导模型,而不会导致收集训练数据的时间延迟。 Q1:这个系统是如何设计的? 机器学习算法等分析日志,进行预测异常故障。 Q2:性能如何、能否进行复现?暂时没法复现。 二

NFV和SDN关系、NFV关键能力以及如何演进

余生颓废 提交于 2019-11-26 00:26:12
本文继续探讨NFV,其他内容请阅读前一篇文档。 你能在这里找到我,思科群:529468183;华为群:645866695 1.NFV和SDN的关系 NFV是具体设备的虚拟化,将设备控制平面运行在服务器上,这样设备是开放的兼容的。 SDN是一种全新的网络架构,SDN的思想是取消设备控制平面,由控制器统一计算,下发流表,SDN是全新的网络架构。 NFV和SDN是高度互补关系,但并不互相依赖。网络功能可以在没有SDN的情况下进行虚拟化和部署,然而这两个理念和方案结合可以产生潜在的、更大的价值。 网络功能虚拟化(NFV)的目标是可以不用SDN机制,仅通过当前的数据中心技术去实现。但从方法上有赖于SDN提议的控制和数据转发平面的分离,可以增强性能、简化与已存在设备的兼容性、基础操作和维护流程。 NFV可以通过提供给SDN软件运行的基础设施的方式来支持SDN。而且,NFV和SDN在都利用用基础的服务器、交换机去达成目标,这一点上是很接近的。 SDN的本质是把网络软件化,提高网络可编程能力和易修改性。SDN没有改变网络的功能,而是重构了网络的架构 NFV没有改变设备的功能,而是改变了设备的形态。NFV的本质是把专用硬件设备变成一个通用软件设备,共享硬件基础设施 SDN和NFV的关系: NFV的软件设备(统称VNF)快速部署以及VNF之间网络快速建立,需要支持网络自动化和虚拟化能力