1. 项目概述6G网络切片中的服务链嵌入挑战在6G网络的研究与部署蓝图中网络切片和网络功能虚拟化NFV无疑是两大基石技术。它们共同描绘了一个未来物理网络基础设施不再是僵化的“铁板一块”而是可以被灵活切分、按需编排的“乐高积木”。网络切片负责逻辑隔离为自动驾驶、全息通信、工业物联网等千差万别的业务创建专属的虚拟网络NFV则负责功能软化将防火墙、负载均衡器等网络功能从专用硬件中解耦变成可以随处部署、弹性伸缩的软件实例VNF。而将这两者结合起来的核心操作就是服务功能链嵌入。想象一下一个远程手术应用发起请求它需要数据先经过防火墙过滤再通过入侵检测系统分析最后进行视频流优化才能送达医生端。这一连串有序的VNF就构成了一条服务功能链。SFCE要做的就是在遍布边缘和云端的服务器集群中为每个VNF找到“家”放置并在这些“家”之间规划好数据流转的“路”路由同时确保整条路径的时延、带宽满足手术的严苛要求。这听起来已经够复杂了但现实挑战更甚这些请求是实时、动态到达的你必须在毫秒级内做出决策且决策的好坏直接影响着整个网络的能耗和业务成功率。现有的很多研究要么只盯着服务器省电忽略了光传输设备如ROADM同样是个“电老虎”要么采用“先选路再放置”或“先放置再找路”的割裂策略容易在最后关头才发现路不通或资源不够导致请求被阻塞。HORIZON算法的提出正是为了打破这些局限。它采用了一种“倒着来”的智慧从服务链的最后一个VNF最靠近用户的那一个开始往回放置并结合多维度评分来挑选服务器在放置每一步时就提前考虑后续路由的可行性。这种方法就像下棋时多看几步虽然仍是启发式算法无法保证绝对最优但在大规模动态场景下它能以极快的速度找到接近最优的解决方案在功耗和阻塞率之间取得卓越的平衡。2. HORIZON算法核心设计思路拆解HORIZON的设计哲学源于对现有算法缺陷的深刻洞察和对6G网络特性的把握。其核心思路可以概括为主动前瞻、反向驱动、分段耦合。这三大原则共同构成了算法高效运行的基石。2.1 为何选择“反向”放置策略传统启发式算法如Holu采用“正向”放置即从服务链的入口第一个VNF开始依次向后选择服务器。这种策略看似自然却存在一个致命缺陷短视。当为链中靠前的VNF选择服务器时算法无法预知后续VNF的放置位置更无法预判最终到达用户基站的路由是否可行。这可能导致前期将VNF放在了资源充足但位置偏僻的服务器上等到处理最后一个VNF或进行路由时才发现时延预算已耗尽或路径带宽不足造成“晚期失败”前期工作白费请求被阻塞。HORIZON的反向策略巧妙地规避了这个问题。它从服务链的出口最后一个VNF开始放置。这样做有两大优势锚定关键路径服务链的尾部最后一个VNF到用户基站通常对端到端时延最为敏感。先确定尾部VNF的位置就等于先锚定了时延最紧张的那段路径确保了核心QoS约束能被优先满足。实现前瞻性验证当算法为第N个VNF选择服务器时它已经知道了第N1个VNF及其后续所有VNF的放置位置。因此它可以立即评估从候选服务器到已知的下一跳VNF宿主服务器的路由是否满足剩余的时延和带宽要求。这相当于在做出放置决策的瞬间就完成了局部路由可行性的预检查极大降低了后期失败的风险。2.2 多维度服务器评分函数不只是省电选择服务器时如果只考虑“谁最省电”可能会把VNF塞进一个虽然功耗低但位置偏远、负载已高的服务器导致路由路径冗长反而增加了网络部分的功耗。HORIZON的评分函数R(s_k)是一个加权和平衡了三个关键维度R(s_k) w_C * C(s_k) w_β * β(s_k) w_P * ΔP(s_k)中心性衡量一个服务器在网络拓扑中的“枢纽”程度。使用接近中心性计算即该服务器到网络中所有其他服务器的平均最短路径时延的倒数。中心性高的服务器到其他节点的平均距离短有利于减少后续VNF间通信的跳数和时延。基站邻近度这是6G边缘计算特性的直接体现。该指标评估服务器离所有基站的“平均距离”。对于首先被放置的尾部VNF赋予此指标较高的权重能确保服务链的出口尽可能靠近用户减少最后一跳的传输时延。增量功耗这是能效的直接体现。计算将新VNF实例放置到该服务器上所带来的额外功耗。这里有一个关键细节功耗计算基于服务器的实际CPU利用率而资源预留决策基于VNF实例的标称CPU需求。这鼓励算法将VNF整合到已活跃的服务器上利用其闲置计算能力避免唤醒新的服务器产生更高的基础功耗。在实际调参中HORIZON对链中不同位置的VNF使用了不同的权重配比。对于最后一个VNFw_β基站邻近度权重设置得较高如0.56强调低时延对于链中其他VNFw_P增量功耗权重设置得较高如0.4强调资源整合与节能。这种动态权重机制体现了算法对不同VNF角色的精细化考量。2.3 分段式后向路由与放置紧密耦合路由不是放置完成后的独立步骤而是与反向放置过程交织进行的。每成功放置一个VNF算法立即尝试为其到下一个已放置VNF或最终到基站的这段“路径段”寻找路由。这里采用了改进的LARAC算法来寻找时延约束下的最小成本路径。关键在于“成本”的定义它不仅是传统意义上的跳数或带宽消耗而是链路段激活所带来的ROADM增量功耗。由于ROADM的功耗与激活的波长数呈非线性关系每增加一个波长功耗阶跃上升算法在计算路径成本时会预估选择某条链路将导致其关联的ROADM增加多少功耗。这种分段式路由的好处是资源实时确认每成功路由一段就立即从网络中预留相应的带宽和波长资源。后续的路由决策基于更新后的、真实的网络剩余状态进行避免了基于过时信息做出不可行决策。早期失败检测如果在为某个路径段找路时失败算法可以立即回溯尝试为当前VNF选择另一个候选服务器或者直接拒绝整个请求避免了无谓的后续计算。3. 系统建模与问题形式化详解要理解HORIZON解决了多难的问题必须深入其背后的数学模型。这是一个典型的在线二元整数线性规划问题目标是在严格约束下最小化增量总功耗与服务阻塞率的加权和。3.1 网络、服务与功耗模型物理网络建模为一个无向图G(N, L)。节点N包括服务器、ROADM、基站和接入点。链路L包括光纤和无线链路。每个服务器有CPU和内存容量每个ROADM支持有限个波长每条链路有带宽容量和传播时延。服务模型网络被划分为多个切片每个切片对应一种服务类型如自动驾驶、增强现实。每个服务请求属于一个切片请求一个特定的服务功能链类型并携带CPU/内存需求、所需数据速率和最大允许端到端时延。关键约束放置与耦合每个VNF必须被部署到一台且仅一台服务器上。可以选择实例化一个新的VNF实例或者复用同一切片内已存在的、有剩余容量的VNF实例。服务器容量新实例化VNF时需要从服务器预留其标称的完整资源CPU, RAM。VNF实例容量复用现有VNF实例时该实例已处理的所有请求的实际资源需求之和不能超过其标称容量。链路容量与流守恒请求的数据速率不能超过路径上任何链路的剩余带宽并且流量必须遵循源-宿的路径约束。端到端时延从第一个VNF到服务基站的整条路径总时延不能超过请求规定的最大值。3.2 核心挑战非线性的ROADM功耗模型这是本文模型的一个亮点也是区别于许多仅考虑服务器功耗的研究的关键。ROADM的功耗并非随波长数线性增长。其公式为P_m,i w_m,i * (1 Σ_{k0}^{n_m,i -1} 1/2^k) * P_h其中w_m,i是当前处理的波长总数n_m,i ceil(log2(w_m,i))P_h是单个加热器的平均功耗。这个模型反映了ROADM内部基于热光开关的架构增加波长需要激活更多的开关级。功耗随波长数呈“阶梯式”增长。例如从处理3个波长增加到4个波长可能需要开启新一级开关功耗会有一个相对较大的跃升而从4个波长增加到7个波长功耗增长则相对平缓因为仍在同一级开关容量内。在ILP模型中这种非线性关系通过“独热编码”技术被线性化。我们预先计算ROADM在不同波长数量w下的功耗值构成一个集合。然后引入一组二进制变量t_{m,i,w}其中只有一个为1表示ROADMm_i当前处于处理w个波长的状态。通过约束Σ_w (t_{m,i,w} * w) w_m,i和Σ_w t_{m,i,w} 1将离散的功耗值与连续的波长变量关联起来从而在ILP框架内处理这种非线性。3.3 问题复杂性与启发式算法的必要性上述ILP问题被证明是NP-Hard的。决策变量的数量随着网络规模|N|、链路数量|L|和服务链长度L呈多项式增长特别是路由变量和用于线性化ROADM功耗的变量会使得问题规模在大型网络中爆炸式增长。使用Gurobi等求解器寻找精确解在小型拓扑上可能需时数百毫秒这完全无法满足6G在线服务请求可能每秒数十个的实时性要求。因此设计像HORIZON这样能在多项式时间内给出高质量近似解的启发式算法不仅是必要的而且是实际部署的唯一可行路径。4. HORIZON算法实操流程与实现细节理解了设计思路和模型后我们来看HORIZON如何一步步处理一个到达的服务请求。整个过程清晰分为两个阶段以下是结合了实际实现心得的详细拆解。4.1 阶段一主动后向VNF放置输入一个服务请求SR包含SFC类型、资源需求、时延预算等当前网络状态G包括所有服务器的资源使用、链路带宽占用、现有VNF实例及其负载。输出一个VNF到服务器的放置方案P或者拒绝请求。尝试单服务器放置操作首先检查是否存在一台服务器其剩余资源足以容纳该SFC的所有VNF实例。意图这是最优的功耗和时延场景。所有VNF间通信变为服务器内部通信时延为零且只激活一台服务器。实操心得在实际编码中这是一个快速的过滤步骤。遍历所有服务器检查其CPU和内存的未预留容量是否大于SFC所有VNF标称需求之和。如果找到多台用评分函数R(s_k)选出最优的一台。这一步能处理掉相当一部分请求尤其是对资源需求不高的SFC。后向逐VNF放置如果单服务器放置不可行则进入此主循环。设SFC长度为LVNF索引从1到L。循环for p L down to 1从最后一个VNF开始倒序向前处理。步骤A寻找候选可复用实例集V_reuse遍历当前网络中与待放置VNF类型相同、且属于同一切片的所有现有实例。检查每个实例的剩余处理容量标称容量 - 当前所有已处理请求的实际需求之和是否大于等于新请求的需求。满足条件的实例加入集合。可创建新实例的服务器集S_new遍历所有服务器检查其未预留资源是否大于等于该VNF类型的标称需求。满足条件的服务器加入集合。步骤B评分与选择对V_reuse中每个实例计算其宿主服务器的评分R(s_k)。对S_new中每个服务器计算其评分R(s_k)。注意对于S_new中的服务器增量功耗ΔP(s_k)需要计算放置新实例后的功耗与当前功耗的差值。比较V_reuse中的最佳评分与S_new中的最佳评分。选择逻辑选择评分更优的选项。如果选择复用则将VNFp分配给该实例所在的服务器如果选择新建则将其分配给该服务器并在此服务器上标记为需要创建一个新的VNF实例。步骤C失败处理如果对于某个VNFpV_reuse和S_new都为空则意味着找不到任何可行的宿主整个放置过程失败算法返回“拒绝请求”。关键细节在评分时对于链中不同位置的VNF使用不同的权重(w_C, w_β, w_P)。这是通过一个简单的配置表实现的。4.2 阶段二后向分段式路由输入阶段一成功的放置方案P确定了每个VNF的宿主服务器s_1, s_2, ..., s_L请求的时延预算d_sr。输出为SFC中每一段VNF到VNF最后一个VNF到基站找到的路径集合或者拒绝请求。初始化剩余时延D_rem d_sr。这个变量记录在规划后续路径段时还剩多少时延预算可用。循环for p L down to 1注意路由也是反向进行从最后一段开始。如果p L则当前段是最后一个VNF的宿主服务器s_L- 服务基站b_sr。否则当前段是第p个VNF的宿主服务器s_p- 第p1个VNF的宿主服务器s_{p1}。执行分段路由图预处理从当前网络状态图中临时移除所有剩余带宽小于请求数据速率r_sr的链路。这是一个重要的剪枝操作能大幅减少搜索空间。调用改进的LARAC算法以w_λ(l_i) ĉ(l_i) λ * d̂(l_i)为链路权重寻找从源服务器到目的服务器基站的路径。其中ĉ(l_i)是链路l_i的归一化增量功耗成本预估选择此链路会带来的ROADM功耗增加。d̂(l_i)是链路l_i的归一化时延。λ是拉格朗日乘子通过二分搜索调整以找到满足当前段时延约束D_rem的最小功耗路径。结果判断如果找不到满足D_rem约束的路径则路由失败整个请求被拒绝。更新状态如果找到路径L_p则从网络中预留该路径上所有链路所需的带宽r_sr。更新相关ROADM的波长计数并计算因此带来的功耗增加用于后续段的成本计算。更新剩余时延D_rem D_rem - d(L_p)其中d(L_p)是路径L_p的总时延。提交与返回所有段路由成功后提交所有资源预留VNF实例创建/复用、链路带宽、ROADM波长更新全局网络状态返回成功。注意阶段一和阶段二在逻辑上是顺序的但在实现时阶段二的分段路由是嵌入在阶段一的后向循环中的。更准确地说在阶段一为第p个VNF选定宿主服务器后可以立即在循环内尝试计算从该服务器到已确定的第p1个VNF宿主服务器的路径。这样能实现最早的可行性检测。本文的算法描述将其分为两个阶段更多是从概念清晰度考虑。5. 性能评估与结果深度分析论文通过在JPN、Sun、ta2等多种真实网络拓扑上的大量离散事件仿真将HORIZON与最优ILP解以及ONE、Holu等先进启发式算法进行了全面对比。评估维度包括功耗、阻塞率、路由效率、计算时间等。以下是对关键结果的解读和背后原因的剖析。5.1 功耗与阻塞率接近最优的平衡在中小规模拓扑JPN, Sun上ILP作为最优基准给出了功耗的下限。HORIZON在几乎所有场景下都最接近这个下限。服务器功耗HORIZON的服务器功耗经常略低于ILP。这听起来反直觉但启发式算法在某些情况下可能偶然发现比ILP当时找到的解更优的服务器整合方案ILP求解器可能在时限内找到的是可行最优解而非绝对最优。这恰恰说明了HORIZON在资源整合上的有效性。它通过多维度评分倾向于将VNF放置在已活跃、中心度高且靠近边缘的服务器上天然促进了整合。网络功耗ROADM这是HORIZON展现显著优势的地方。在Sun拓扑的低资源场景下HORIZON的网络功耗比ONE和Holu低了28.6%和37.5%。这是因为其分段式、功耗感知的路由算法会主动选择那些能最小化ROADM波长激活的路径。而ONE受限于预先选定的K短路径Holu则在放置阶段完全忽略路由导致最终路径可能激活更多ROADM端口。阻塞率在资源充足时所有算法阻塞率都接近0。在资源紧张时HORIZON和Holu保持了极低0.01且稳定的阻塞率而ONE的阻塞率有所上升。这是因为ONE的“路径优先”策略在资源紧张时缺乏灵活性容易因找不到满足所有VNF放置的路径而失败。HORIZON的后向策略和早期路由验证使其能更早发现不可行性或者通过灵活的服务器选择避免阻塞。5.2 路由效率为功耗牺牲的“可控”时延分析路径拉伸实际路径时延/最短路径时延和附加时延实际路径时延 - 最短路径时延揭示了不同算法的策略ILP始终找到最短路径附加时延为0。这是全局最优的结果。Holu最“短视”地追求低时延其附加时延在时延不敏感和低时延业务中是最低的之一。但它是以更高的网络功耗为代价的因为它选择了更直接的、可能激活更多ROADM的路径。HORIZON在时延不敏感和低时延业务中附加时延最高。这看似是缺点实则是其优化策略的体现。HORIZON的路由算法目标是“在时延预算内找最省电的路”而不是“找最快的路”。只要总时延不超过预算它愿意选择一条稍远但功耗更低的路径。这是一种可控的时延牺牲换来了显著的整体功耗降低。关键转折对于超低时延业务5-10ms所有启发式算法的附加时延都急剧下降HORIZON的附加时延降至0.83ms与ONE0.59ms和Holu0.64ms处于同一量级。这说明当约束变得极为严苛时HORIZON的算法能自适应地收紧搜索范围优先满足时延约束。5.3 计算效率实时性的保证这是HORIZON最突出的实践优势之一。在Sun拓扑上ILP处理一个请求平均需要~0.8秒。完全无法用于在线场景。ONE~0.12秒。较快但仍可能无法应对超高请求率。Holu~0.018秒。HORIZON~0.012秒即12毫秒。HORIZON比Holu快约1.5倍比ONE快一个数量级比ILP快67倍。其时间复杂度为O(|F|·|N|^2 |F|·|E|log|N|)对于稀疏网络可简化为O(|F|·|N|^2)。这意味着即使网络规模扩大其处理时间仍可保持在毫秒级完全满足6G动态业务编排的实时性要求。5.4 大规模可扩展性验证在拥有65个节点、108条链路的大规模ta2拓扑上ILP已无法在合理时间内求解。对比HORIZON、ONE和Holu在长期运行处理2000个请求下的表现功耗在低资源、高负载λ20请求/分钟的最严苛场景下HORIZON平均每个请求功耗为0.69W相比ONE0.79W节电12.8%相比Holu0.90W节电23.6%。优势随着负载和资源紧张度增加而扩大。阻塞率HORIZON的阻塞率保持稳定在0.1%左右。ONE在资源稀缺时阻塞率飙升最高达1.42%Holu的阻塞率也略高于HORIZON。这证明了HORIZON策略的鲁棒性。性能波动性HORIZON结果的标准差最小说明其性能最稳定、可预测。而Holu在资源紧张时表现出较大的性能波动。6. 深入讨论权衡、局限与部署考量任何工程方案都是在多维目标间权衡的艺术。HORIZON在追求功耗与阻塞率最优的同时也引入了一些值得深入思考的权衡点。6.1 VNF共置与可靠性风险HORIZON积极推行VNF整合共置即将一个SFC的多个VNF放在同一台服务器上。这是降低功耗和时延的最有效手段但带来了“把所有鸡蛋放在一个篮子里”的风险。服务器故障会导致整条服务链中断。为什么不强制分散放置论文给出了几个理由1) 超低时延业务的首要需求是低时延共置消除了VNF间通信时延是最优解2) 可靠性问题应通过基础设施级机制如服务器冗余、VNF实时迁移、保护路径来解决而非在放置算法中增加硬性约束后者会牺牲效率且不能根本解决可靠性问题。实操建议在生产系统中HORIZON可以作为“性能模式”下的默认编排器。对于需要高可靠性的切片如金融交易、电网控制可以在其排名函数中加入一个“软惩罚项”对将过多VNF尤其是关键VNF放在同一服务器的行为进行扣分从而引导算法进行适度分散。同时运维系统应部署基于状态的故障检测和快速迁移机制作为安全网。6.2 切片间公平性与资源饥渴HORIZON支持切片内VNF复用这可能导致一个活跃的、资源需求大的切片“霸占”了某台服务器上某个VNF实例的所有容量虽然这符合切片隔离原则但可能影响其他切片同类VNF的放置灵活性。仿真结果表明在非对称业务流六个切片的到达概率不同下HORIZON仍能保持所有切片的阻塞率接近且极低。这得益于其算法本身不偏向任何特定切片而是严格遵循每个切片的资源配额和隔离约束进行全局最优搜索。公平性通过约束而非算法偏好来保证。6.3 算法局限与未来扩展故障恢复与迁移当前工作聚焦于初始放置未考虑VNF故障、负载均衡触发的实时迁移。这是一个正交但至关重要的扩展方向。HORIZON可以作为初始放置和重优化决策的核心引擎当监测到服务器过载或故障时触发基于同样优化目标的迁移计算。测试验证目前结果为仿真验证。下一步需要在真实的NFV测试床上集成使用真实的服务器功耗计、可编程交换机/ROADM来验证功耗模型和算法时延。更复杂的网络模型本文模型相对规整。未来可纳入服务器异构性不同CPU架构、能耗模型、链路可靠性、以及多提供商跨域场景下的策略约束。与AI结合HORIZON的权重参数w_C, w_β, w_P目前是手动设定的。可以利用强化学习根据长期的网络状态和业务目标如更侧重节能还是低时延动态调整这些参数实现自适应优化。7. 总结与工程实践启示回顾HORIZON的整体设计其成功并非源于某个惊为天人的单一技术突破而是源于对问题本质的深刻理解和对现有方法缺陷的精准改进。它将“后向放置”、“多维度评分”、“分段路由”这几个并非全新的概念以一种精巧的方式耦合在一起产生了“112”的效果。对于从事网络资源编排、云原生网络、边缘计算的工程师和研究者而言HORIZON提供了几个宝贵的工程实践启示在线算法的核心是“前瞻性”和“早期失败”在动态系统中快速拒绝不可行请求比花费大量时间寻找一个不存在的完美解更有价值。HORIZON的后向策略本质是一种前瞻性验证机制。优化需要全局视野但决策可以局部做出ILP追求全局最优但计算成本高。HORIZON通过一个精心设计的局部评分函数融合了拓扑、功耗、位置信息使每个局部决策都倾向于全局优解。模型细节决定算法有效性许多研究使用简化的线性功耗模型。HORIZON将ROADM的非线性功耗模型纳入考量这使得其优化结果更贴近真实设备特性得出的“省电路径”才是真省电。没有银弹只有权衡HORIZON在时延和功耗之间选择了偏向功耗但确保了时延约束不被违反。在实际部署中算法目标权重应根据运营商的策略是“绿色网络”优先还是“极致体验”优先进行配置。最终HORIZON的价值在于它证明在6G网络切片这个极度复杂的优化问题上存在一种既能在理论上接近最优又能在实践中实时运行的高效解决方案。它为未来智能、绿色、高效的6G网络资源管理提供了一个坚实且极具参考价值的算法框架。将这样的算法集成到ETSI NFV MANO或O-RAN SMO等标准管理框架中将是实现其工业价值的关键一步。
