Розподілений фреймворк багаторівневої оркестрації для оперативного відновлення віртуалізованих мережевих функцій
DOI:
https://doi.org/10.64915/RADAP.2026.105.%25pКлючові слова:
віртуалізація мережевих функцій, NFV, мережевий слайсинг, локальна реконфігурація, SLA-орієнтована оптимізація, розподілене відновленняАнотація
Швидке впровадження слайсингу мережі 5G на віртуалізовану інфраструктуру призвело до виявлення ключової прогалини в існуючих системах відновлення, через яку централізовані підходи до оркестрації не здатні забезпечити виконання вимог щодо відновлення за менш ніж секунду для слайсів наднадійного зв'язку з низькою затримкою (URLLC, Ultra-Reliable Low Latency Communications), тоді як прості евристики не можуть спостерігати неоднорідність угоди про рівень обслуговування (SLA, Service Level Agreement) між типами слайсів.
У статті розглянуто систему DLR (Distributed Latency-aware Recovery, розподілене відновлення з урахуванням затримки) – трирівневу ієрархічну архітектуру оркестрації для швидкого відновлення віртуалізованих мережевих функцій (VNF, Virtualized Network Function) у сегментованих мережах 5G. Система базується на декомпозиції керування на глобальний оркестратор, регіональні менеджери слайсів (RSM, Regional Slice Managers) та локальні агенти моніторингу (LMA, Local Monitoring Agents), де рішення щодо відновлення приймаються локально на основі порушень SLA без будь-яких центральних вузьких місць. Розміщення RSM сформульовано як багатоцільова оптимізаційна задача з мінімальною затримкою від вузла до менеджера, дисбалансом навантаження та накладними витратами на координацію між менеджерами, при цьому розв'язувач генетичних алгоритмів забезпечує на 11–33% кращі комбіновані показники якості, ніж базові стратегії. Виділені алгоритми відновлення справляються як з катастрофічною відмовою вузлів через стрибок обмеження та пріоритетний порядок перепризначення VNF, так і з наростаючими перевантаженнями, використовуючи проактивну міграцію на основі оцінювання із заданим граничним значенням для розширення або скорочення періоду міграції.
Сформульовано нову чотирикомпонентну функцію вартості міграції VNF, засновану на спільному врахуванні витрат на обчислення, мережу, міграцію та штрафні витрати за SLA, що призводить до зменшення кількості кроків міграції до 44% для випадків нарастаючого перевантаження. Для міждоменних сценаріїв полегшений консенсусний протокол координує дії із сусідніми RSM без центрального арбітражу.
Результати моделювання на синтетичній топології з 10 вузлами показують, що DLR має середній час відновлення 0,7 с (у 5,4 раза швидше, ніж CGO), при цьому порушення SLA URLLC обмежені 4% (порівняно з 14% для найближчого доступного збігу) та знижують експлуатаційні витрати на 27% порівняно з підходами, що враховують лише затримку. Ці результати формулюють DLR як масштабоване та економічно обізнане рішення, засноване на SLA, для стійкого управління 5G NS з потенціалом для прогнозної міграції на основі машинного навчання та розширення для кількох операторів для майбутнього розгортання 6G.
Посилання
1. Li W., et al. (2019). Latency-Optimal VNF Resource Allocation for 5G Backhaul Transport Network Slicing. Applied Sciences, Vol. 9, Iss. 4, 701; DOI: 10.3390/app9040701.
2. Ordonez-Lucena J., et al. (2017). Network slicing for 5G with SDN/NFV: Concepts, architectures, and challenges. IEEE Communications Magazine, Vol. 55, No. 5, pp. 80--87, DOI: 10.1109/MCOM.2017.1600935.
3. Dobreff G., Bader A. and Pac A. (2025). A QoE and Availability-Aware Framework for Network Slice Placement and Resource Allocation. IEEE Access, Vol. 13, pp. 1481--1495, DOI: 10.1109/access.2024.3523900.
4. Gatzianas M., et al. (2021). Offline Joint Network and Computational Resource Allocation for Energy-Efficient 5G. Applied Sciences, Vol. 11, Iss. 22, 10547, DOI: 10.3390/app112210547.
5. Shinde S., Marabissi D. and Tarchi D. (2021). A network operator-biased approach for multi-service NF placement in 5G slicing. Computer Networks, Vol. 201, DOI: 10.1016/j.comnet.2021.108598.
6. Vidhya P., et al. (2025). Dynamic network slicing based resource management and VNF migration in 5G networks. Computer Networks, Vol. 259, DOI: 10.1016/j.comnet.2025.111064.
7. Di Mauro M., et al. (2025). Reliability and availability in virtualized networks: A survey. arXiv, DOI: 10.48550/arXiv.2503.22034.
8. Thien P., et al. (2024). Optimizing Placement and Scheduling for VNF by a Multi-objective Optimization Genetic Algorithm. International Journal of Computational Intelligence Systems, Vol. 17, DOI: 10.1007/s44196-024-00430-x.
9. Hirayama T., Jibiki M. and Kafle V. (2023). Salience-based VNF placement method for evolving multiple network slices. Computer Networks, Vol. 236, DOI: 10.1016/j.comnet.2023.110002.
10. Benkacem I., Taleb T., Bagaa M. and Flinck H. (2018). Optimal VNFs Placement in CDN Slicing Over Multi-Cloud Environment. IEEE Journal on Selected Areas in Communications, Vol. 36, Iss. 3, pp. 616--627, DOI: 10.1109/jsac.2018.2815441.
11. Addad R., et al. (2020). Optimization Model for Cross-Domain Network Slices in 5G Networks. IEEE Transactions on Mobile Computing, Vol. 19, Iss. 5, pp. 1156--1169, DOI: 10.1109/tmc.2019.2905599.
12. Nguyen T., et al. (2023). Optimizing Resource Allocation and VNF Embedding in RAN Slicing. IEEE Transactions on Network and Service Management, Vol. 21, Iss. 2, pp. 2187--2199, DOI: 10.1109/tnsm.2023.3319309.
13. Abdellatif A., et al. (2023). Intelligent-Slicing: An AI-Assisted Network Slicing Framework for 5G-and-Beyond. IEEE Transactions on Network and Service Management, Vol. 20, Iss. 2, pp. 1024--1039, DOI: 10.1109/tnsm.2023.3274236.
14. Panitsas I., et al. (2025). SlicePilot: Demystifying Network Slice Placement in Heterogeneous Cloud Infrastructures. arXiv, DOI: 10.48550/arXiv.2509.18545.
15. Chiosi M., et al. (2012). Network Functions Virtualisation: An Introduction. ETSI White Paper.
16. Gember-Jacobson A., et al. (2014). OpenNF: Enabling innovation in network function control. ACM SIGCOMM.
17. Cohen R., Lewin-Eytan L., Naor J.S. and Raz D. (2015). Near optimal placement of virtual network functions. Proc. IEEE INFOCOM, pp. 1346--1354, DOI: 10.1109/INFOCOM.2015.7218511.
18. Venkatapathy S., et al. (2024). Slice-aware 5G network orchestration framework based on dual-slice isolation (D-SIMS). Scientific Reports, Vol. 14, Article number: 18623, DOI: 10.1038/s41598-024-68892-9.
19. ETSI (2014). Network Functions Virtualisation (NFV); Management and Orchestration. GS NFV-MAN 001 v1.1.1. Sophia Antipolis.
20. Halabian H. (2019). Distributed Resource Allocation Optimization in 5G Virtualized Networks. IEEE Journal on Selected Areas in Communications, Vol. 37, Iss. 3, pp. 627--642, DOI: 10.1109/jsac.2019.2894305.
21. Motalleb M., et al. (2023). Resource Allocation in an Open RAN System Using Network Slicing. IEEE Transactions on Network and Service Management, Vol. 20, Iss 1, pp. 627--642, DOI: 10.1109/tnsm.2022.3205415.
22. Heller B., Sherwood R. and McKeown N. (2012). The controller placement problem. Proc. ACM SIGCOMM HotSDN, pp. 7--12, DOI: 10.1145/2342441.2342444.
23. Sahu V., Sahu N. and Sahu R. (2024). Challenges and opportunities of 5G network: A review. American Journal of Electrical and Computer Engineering, Vol. 8, No. 1, pp. 11--20. DOI: 10.11648/j.ajece.20240801.12.
24. ETSI (2016). Network Functions Virtualisation (NFV); Os-Ma-nfvo Interface and Information Model Specification. GS NFV-IFA 013 v2.1.1. Sophia Antipolis.
25. ITU-R (2023). IMT-2030 Framework. Recommendation ITU-R M.2160-0. Geneva.
26. Herrera J. G. and Botero J. F. (2016). Resource allocation in NFV: A comprehensive survey. IEEE Transactions on Network and Service Management, Vol. 13, No. 3, pp. 518--532, DOI: 10.1109/TNSM.2016.2598420.
27. Di Mauro M., et al. (2025). Reliability and availability in virtualized networks: A survey on standards, modeling approaches, and research challenges. arXiv preprint arXiv:2503.22034, DOI: 10.48550/arXiv.2503.22034.
28. 3GPP (2021). Service requirements for the 5G system. TS 22.261, Release 16.
29. Moens H. and De Turck F. (2014). VNF-P: A model for efficient placement of virtualized network functions. Proc. CNSM, Rio de Janeiro, pp. 418--423. DOI: 10.1109/CNSM.2014.7014205.
30. 3GPP (2023). System architecture for the 5G System (5GS). TS 23.501, Release 17.
31. 3GPP (2018). Telecommunication management; Study on management and orchestration of network slicing. TR 28.801, Release 15.
32. Sudhamani C., et al. (2023). A survey on 5G coverage improvement techniques. Sensors, Vol. 23, No. 4, Article 2356, DOI: 10.3390/s23042356.
Завантаження
Опубліковано
Номер
Розділ
Ліцензія
Авторське право (c) 2026 С. В. Суліма, Є. Д. Карашевич
Ця робота ліцензується відповідно до ліцензії Creative Commons Attribution 4.0 International License.
1. Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у нашому журналі.
2. Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована нашим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у нашому журналі.
3. Політика журналу дозволяє і заохочує розміщення рукопису роботи авторами в мережі Інтернет (наприклад, на arXiv.org або на особистих веб-сайтах). Причому рукописи статей можуть бути розміщенні у відкритих архівах як до подання рукопису до редакції, так і під час його редакційного опрацювання. Це сприяє виникненню продуктивної наукової дискусії, позитивно позначається на оперативності ознайомлення наукової спільноти з результатами Ваших досліджень і як наслідок на динаміці цитування вже опублікованої у журналі роботи. Детальніше про це: The Effect of Open Access.
