多源数据驱动的网络服务功能链和业务服务系统的建模及其弹性评测

In order to cope with emergencies and ensure the quality of service (QoS) of cloud data center, it's necessary to make timely prediction and rapid elasticity. In the research of project, from the dimension of business service system (we call it X) and network service function (SF), an on-line machine learning model is constructed for the load prediction of business ecosystem. Besides it also adds research of real-time prediction with the fine real-time data and the model for the business service ecosystem. Then the formal models of the existing SFs are combined to build a formal model of network service function chaining(SFC), the orchestration of the SFC model and the data model (we also call it X) as a whole is deeply studied. Furthermore based on YANG, the construction of an abstract specification and extended SFC structure model is researched on, and based on the structure model and YANG, the generation of service-level agreement(SLA) format of business ecosystem is studied. After that the load prediction values are used as the parameters of SLA format to produce a concrete SLA which reacts elastic requirement of business ecosystem. According to the resulting SLA, the generation of the auto-configuration file of the business ecosystem is studied. Also the auto configuration features of the correctness and the consistency of the business ecosystem are evaluated and tested. With aid of the executable formal model and the data model, the method of which POC evaluation and testing is studied..

为了应对突发事件，保障云数据中心的服务质量，需要及时进行负载预测并快速弹性。项目从业务服务系统（称为X）和网络服务功能SF的实时状态信息维度，研究建立业务生态系统负载的在线机器学习模型，并利用细粒度的实时数据和模型对业务生态服务系统的负载进行实时预测的方法。对已有的SF进行形式化建模并编排构建网络服务功能链SFC的形式化模型，研究将SFC的模型与业务服务系统的数据模型（也用X表示）进行一体化编排的方法。基于YANG研究构建抽象规范扩展的SFC结构模型的方法，并研究基于YANG和SFC扩展结构模型给出业务生态系统规范的SLA格式的方法。依据负载预测值进行实例化得到具体的反应业务生态系统弹性需求的SLA，研究依据SLA生成业务生态系统的自动配置文件并给出整个业务生态系统的配置属性的正确性以及一致性验证的评测方法。研究由可执行的形式化模型及数据模型辅助的POC评测方法。

项目从服务功能链和业务系统的实时状态信息维度，对业务生态系统的负载预测、形式化建模、弹性评测等不同方面展开了研究。提出了一种在线和离线模型集成的负载预测方法，并给出了一个在线集成模型框架。基于资源当前状态以及负载需求预测值，给出了资源弹性容量计算方法。针对流时间序列的全链集挖掘问题，提出一种新的流时间序列全链集挖掘算法。基于MapReduce框架给出了一种业务应用性能分析预测的方法。研究了服务功能链与业务系统的CPN一体化模型的构建，并对其正确性进行了验证。采用CPN构建了整体网络行为模型，通过分析相关源码得到网络全局状态视图，结合网络不变式对网络属性进行正确性验证。提出了一种离线建立验证模型、在线验证部署结果的验证SFC部署正确性的方法。针对用户越来越复杂的SFC部署需求，基于YANG提出了SFC结构模型的规范扩展PA-SFC。对云业务平台自动部署中涉及到的参数使用YANG语言对参数的属性、约束以及参数间的关系进行了数据建模，以自动生成符合用户需求参数的文件以及业务部署方案。提出一种RS-EIF的双层架构，以减轻异常检测中处理高维数据时冗余属性带来的负面影响，提高了异常检测的精度。研究了SF在虚拟机环境中的创建以及SFC+X在物理环境中配置的方法，以构建虚实结合的POC场景。考虑了云网平台服务所具有的通用云服务和软件化的特点，从服务提供者和用户两个视角出发，对服务质量模型的设计进行了需求分析，并获得服务质量模型的分类维度。研究了基于POC实现数据中心固有的重资产属性背景下的SFC评测方法。构建了包含弹性指标的SFC评测指标体系。.本项目的研究工作对服务功能链与业务系统的负载预测、形式化建模、部署方案验证以及弹性评测等问题进行了有益的探索并取得较好的成果，项目在创新型人才培养方面、标准制定方面也获得了较好的成果。