基于图注意力网络的算力资源调配优化研究

摘要

为了提高网络资源的利用率，研究利用网络功能虚拟化技术来降低计算机网络功能部署的复杂性，并结合功能服务链(service function chain, SFC)的用户请求设计出了一个算力资源调配系统。该系统由多个虚拟网络功能(virtualized network function, VNF)提供服务，可将用户请求拆分为多段VNF任务并映射至层级化算力节点。同时，利用图注意力网络(graph attention network, GAT)构建用户请求预测模型，借助其节点注意力机制精准捕捉请求分布规律，并结合Adam优化算法，基于该模型预测的用户请求动态优化算力资源的调配方案。结果显示，研究策略的阻塞率为9.41%,较初始策略、LAMP策略、RAMP策略分别降低15.78%、24.08%、25.65%。中央处理器(central processing unit, CPU)利用率为73.54%,内存利用率为65.04%。基于图注意力网络的算力资源调配优化研究有效地提升了算力资源的调配效率，从而显著提高了网络整体的资源利用率，为算力网络高效运维提供了技术支撑。

关键词

图注意力网络 / 算力资源 / 资源调配 / 功能服务链 / 网络功能虚拟化 / Adam优化算法 / 网络阻塞