45、虚拟网络底层故障预测：基于时间序列与SVR模型的解决方案

虚拟网络底层故障预测：基于时间序列与SVR模型的解决方案

1. 研究背景与贡献

在虚拟网络环境（VNE）中，多个虚拟网络运行在共享的物理网络上，物理节点或链路的故障可能影响众多虚拟网络，导致关键数据丢失、虚拟网络重新配置以及利润损失等问题。因此，开发一种能提前预测故障的系统至关重要。

本研究的主要贡献如下：
- 提出了一种准确预测VNE中虚拟基础设施组件（物理链路、物理节点和虚拟网络）故障的方法。
- 利用物理链路、物理节点和虚拟网络的故障时间（TTF）来预测这些组件的故障。
- 将时间序列预测建模技术与支持向量回归（SVR）模型相结合，用于预测虚拟基础设施组件的故障。
- 通过计算预测值与实际值之间的百分比误差来评估预测方法的准确性，结果显示该方法具有很高的准确性。
- 将SVR模型的性能与多层感知器（MLP）和高斯过程进行比较，结果表明SVR模型表现更优。

2. 问题概述与相关工作

虚拟网络映射算法是将底层网络资源分配给虚拟网络以实例化虚拟网络的过程。由于要考虑VN请求的处理和带宽容量要求，且多个虚拟网络会映射到具有有限网络资源（如带宽和CPU容量）的共享底层网络上，因此虚拟网络映射是一个NP难问题。

底层实体的单个故障会影响所有映射到它的虚拟实体，虚拟基础设施组件故障的场景包括维护或虚拟网络耗尽底层网络资源等。本研究的主要问题是在VNE中故障发生之前进行预防，采用预防性故障策略是提高系统可靠性的有前景的方法。

近年来，云计算故障预测的研究主要集中在使用无监督学习和贝叶斯模型处理无标签数据集，还有基于贝叶斯模型预测主机长期平均负载、使用自回归积分移动平均预测云计算