微操作符在5 g SDN / NFV网络设计模式

文摘

5 g移动网络的趋势是增加的用户数量和传输速率。许多运营商转向小细胞和室内覆盖的电信网络服务。与新兴软件定义网络虚拟化技术和网络功能,互联网服务提供商能够部署他们的网络更加灵活和动态。除了无线移动网络的部署模型的变化,它还推动微操作符(的发展趋势μO)。电信运营商可以通过公共建筑提供区域网络服务,购物中心,或工业场所。此外,局部网络服务提供和带宽消耗降低。的分布式体系结构μO解决计算要求应用程序、数据和服务的云计算数据中心网络边缘设备或微观数据中心μo .的服务模型μO能够减少网络延迟,以应对未来5 g的低延迟应用边缘计算环境。本文地址5 g微操作符的设计模式,提出了一个基于决策树流重定向(DTBFR)机制将交通流重定向到邻居服务节点。DTBFR机制允许不同μ操作系统共享网络资源,加快发展的优势在未来计算。

1。介绍

许多新运营商选择转向小细胞和微电信网络服务覆盖室内区域后,5 g时代的到来,当用户上网习惯的变化,和增加应用程序的要求。电信运营商可以通过各种接入网络提供服务,如3 g, 4 g, 5克,甚至wi - fi (1- - - - - -3]。与新兴软件定义网络(SDN) /网络功能虚拟化(NFV)技术,互联网服务提供商(ISP)能够部署他们的网络更灵活和动态4- - - - - -6]。isp现在能够提供本地化服务的公共建筑,购物中心,或工业设施,这不仅改变了分布的模型,建立移动网络也生的微操作符(µO) (7- - - - - -9]。因素如稀缺的频谱资源、带宽的有效就业,手机市场的规模,消费者选择的多样性服务协作生产的《盗梦空间》移动虚拟网络运营商(MVNO),进而带来更多样的应用程序和服务的电信市场10]。MVNO可以引用任何电信运营商提供无线通信服务消费者和没有自己的无线网络基础设施。为了扩大他们的业务覆盖,移动网络运营商(MNO)可以选择配合其他MNOs通过租用的带宽和时间用在他们的领域迅速发展的业务MVNO。MVNO提供了全新的发展机遇成熟的移动通信市场和马刺电信市场走向面向服务的竞争。至于5 g移动网络运营商、开发的小细胞和微电信网络服务,涵盖室内的领域正在发起,以满足用户的需求的室内覆盖,成熟的概念µO (11- - - - - -13]。

图1显示了µ网络体系结构。µO是规模相对较小,拥有有限的资源提供特定的和必要的服务一定数量的用户。的µO是起源于芬兰奥卢大学大学由三个功能(14]。移动设备访问本地网络特定的服务空间限制区域与特定的服务依赖于适当的可用网络资源。设施如医院、学校、大型会议、体育场馆,购物中心,超市,工厂可以使用局域网络服务来满足用户的需求为各种应用程序服务。

受到资源和空间,µO区域化服务的角色,允许其提供的情况下硬件基础设施稀缺资源是有限的,不同的地区服务根据不同的领域,使移动设备的用户获得服务在附近的地区。除了降低带宽消耗的资源通过提供附近的网络服务,这种本地化服务也可以转移应用程序,数据和服务节点的计算数据中心云边缘节点的逻辑处理局域网,实现计算边缘的开发环境(15,165 g],减少网络延迟,满足要求改进的延迟。

本文的目的是讨论µ5 g O设计模式在SDN / NFV网络和建立一个实验环境评估决策树建立交通流重定向机制。实现定制的实验环境,网络功能虚拟化是考虑在我们的研究中。我们的贡献如下:(1)一个µO设计模式是构建基于SDN和NFV结合网络fvslicing和隧道技术构建的网络基础设施µ操作系统。(2)DTBFR机制µO提出了决策树理论是用来作为参考方向确定SDN流量。(3)我们建立了一个µO DTBFR的验证机制和环境µ操作系统通信实验。

剩下的纸是组织如下:在部分2、背景和相关工作。部分3描述了µO设计模式和DTBFR机制。部分4给出了实验结果。最后一节总结本文。

2。背景和相关工作

5 g应用程序服务的发展将在很大程度上物联网(物联网),鼓励新通信市场走向一个更vertical-subdivision17,18]。结果将是不同的新兴应用服务场景的形成和更加多样化的要求,网络。然而,随着电信而言,尽管现在有一个全球同意要求物联网由5 g等字符传输速度、容量、覆盖,和安全,仍然有5克的业务模式的空间来提高自己。5 g移动宽带网络将口音在小细胞/基站,如何放大室内覆盖,为用户提供更快的服务,并减少网络传输的延迟,所有这些都给电信运营商带来巨大的挑战[19- - - - - -21]。此外,mvno的出现带来了新的发展机遇MNOs尚未获得许可经营移动通信业务。mvno使用MNOs频谱和网络提供量身定制的移动通信服务,移动虚拟专用网为企业,或许多其他微观市场运营商还没有延伸他们的服务少等利润丰厚的当地或地区的新兴市场。区域化的趋势都观察到小细胞/基站和区域服务不处理公共区域网络的特点,工业应用网络和混合网络。µO是一个新兴的网络商业模式,已经开始发展背景下(22]。文献[14)说明了之间的关系µO和MNO和审查的用例µO-MNO设置可能的商业模式的基础µo .文献[23关于]提出了一种机制µO的共享频谱访问交流和共享的基础设施mono-network通过虚拟/物理网络技术来充分利用宝贵的带宽资源。

如图2的服务模型µO可分为四个象限:(1)第一象限是封闭的,控制,独立,和通用服务,经常在办公室需要的地方。这个地区的用户可以访问该地区提供的服务。(2)第二象限是共享的,透明的,和一般的服务,通常需要在购物中心和学校。这些地区往往挤满了人,需要大量的数据。一套微数据中心可能在该地区为用户快速访问服务。(3)第三象限是共享的,透明的,和特殊服务,经常发生在场景像远程信息处理网络和定制服务。这样的服务很可能是由终端用户使用。终端用户之间的沟通需要特殊的网络协议。(4)第四象限是封闭的,控制,独立,和特殊服务,可能发生在医院,自动化工厂、和智能电网。医院提供不可替代的医疗服务。用户必须连接到这些地区之前获得服务。

由于移动设备用户访问互联网服务的需求增加,运营商需要动态调整和组合,以满足不同的应用程序的要求,以提高网络性能。5 g的服务架构μ啊,还必须结合不同的技术开发如SDN和NFV [25,26]。SDN抽象解耦网络体系结构的网络控制和转发功能启用网络控制成为直接可编程和底层基础设施的抽象和网络服务的应用程序(27]。通过将从数据转发平面和控制平面虚拟化的所有连接,网络管理员可以删除硬编码障碍和迅速改变结构以适应他们的需求。除了SDN, NFV核心结构方式的改变电信基础设施部署。NFV的目标是使服务提供商能够降低成本,更快的服务交付。需求和开放标准,支撑NFV正在开发由欧洲电信标准协会(ETSI) [28]。

自从5 g技术正在迅速发展,传统的网络基础设施不能满足5 g的多样化的需求,µ在未来操作系统的开发服务模型。因此,国际标准组织和设备制造商现在着手促进网络分割的技术允许ISP使用SDN和NFV技术实现网络虚拟切片,几个不同的服务场景的划分,提供定制的网络服务(29日- - - - - -31日]。5 g白皮书提出的下一代移动网络(NGMN),阐述了5 g的网络基础设施在未来包括网络切片技术的概念,以支持特定的连接形式和使用特定的方法来处理通信服务的控制/ user-plane [32]。满足5 g网络的需求灵活配置,诺基亚提出了可编程5 g网络基础设施,网络构造片几个独立的虚拟子网在同一基础设施服务于特定的应用程序的目的(33]。网络分割技术可以将网络资源划分为多个独立的虚拟网络。它不仅能满足不同需求的小细胞/基站和µ啊,但它也可以作为关键技术5 g网络通信的发展。至于虚拟化工具,为了实现网络分段的功能,(34]提出的概念网络虚拟化Layer-FlowVisor将物理网络划分为多个虚拟网络,各自拥有自己的虚拟网络控制器,使个人在同一物理网络设备实现资源配置的目标。文献[35)提出了一种网络虚拟化平台称为OpenVirtex (OVX)能够实现网络虚拟化为多个租户。OVX可以将用户的网络拓扑映射到物理拓扑根据用户的需求和实现网络连接过程。的主要区别OVX FlowVisor是OVX用户不必担心基本物理拓扑和可以定义他们赢得了虚拟网络拓扑。OVX将协助用户完成虚拟网络拓扑映射到物理网络拓扑。

传统的离线基准计划不再适合满足5克µOs资源有效利用和需求的共享和充分利用计算资源来应对不同需求的复杂情况来确定交通流的方向。机器学习是最潜在候选人的名单上36]。它提供了一个更强大和复杂的决策能力。决策树是一个最受欢迎的机器学习算法。决策树,另一方面,是高效的监督学习模型是理想的分类和回归预测的数据类型,如ID3和C4.5 [37,38]。C4.5是ID3算法的特征选择的改良版,可以用于过程持续类标签和训练数据的缺失数据问题。它还可以纠正过度拟合的问题决策树的剪枝的方法。至于路线选择和交通流量识别的应用在移动边缘网络方面,(39]使用SDN的特点,结合决策树算法对交通流进行分类,使控制器选择一个接入点的本地网络适用于被连接到移动设备的水平交通拥堵的回程路线。文献[40)提出了一个模型称为安培SDN和机器学习相结合。模型能够分类每个交通流的差异通过学习包识别,然后选择最好的传播途径交通流实现的自动化路由路径的最优选择。

3所示。5克O设计模式和DTBFR机制

SDN之间的交互和NFV使5 g网络以抽象的方式建立一个系统基础设施,进一步提高网络的灵活性,允许垂直系统分为多个切片构造块,并构建一个网络接入,程序和虚拟。操作员可以提前使用网络虚拟化网络和切片技术,作为上述段落,灵活地将一个物理网络划分为多个独立和隔离µO网络根据不同的使用场景。对于基础设施的设计,本文使用SDN和NFV技术为基础,结合网络切片和隧道技术构建的网络基础设施µ操作系统。允许用户不同的基础设施µ操作系统通过隧道连接技术,然后实现的快速连接网络能够有效地提高网络的互连。

被提议的µO设计模式如图3。网络切片技术实现的逻辑分区µ通过OpenVirtex操作系统的网络。核心网络和之间的联系µO是由隧道由SDN边界网关(BG)。互联网云数据中心和微观数据中心由NFV基础设施由ETSI节省设备投资的成本。SDN控制器的任务是使用OpenFlow BG之间构造一个通道的边缘核心网络和BG的边缘µO的网络。一旦SDN控制器开始执行之间的匹配和连接网络通道µO的网络可以建立一个连接通过隧道和主要核心网络。的µO可以继续完成虚拟网络的建设通过OpenVirtex虚拟切片技术,允许用户µO进入附近的微观数据的数据中心。用户还可以通过隧道,连接到云数据中心在互联网上访问特定应用程序的网络服务。建议的体系结构模式结合了网络切片和隧穿实现的通信模型µ操作系统和进一步整合带宽控制技术应用于通信带宽的应用程序µO的网络。这将提高网络资源的利用率和交通流的效率和结果在一个质量更好的经验(体验质量)的网络用户。

在回应的需求µO的网络资源分配,允许用户访问附近的网络资源,本文提出了一种DTBFR机制µO和使用决策树理论作为参考方向确定SDN流量。决策树算法已被用于解决预测分析问题在过去的几年中。决策树是一个监督机器学习模型和简单的过程的直觉,执行效率高。决策树算法主要是用来进行系统的结果和集成数据集和寻找特殊类和标签在决策过程的关系。与其他毫升模型相比,执行速度是一个重要的优势。量化不确定信息和数据集,本文利用熵作为一个方法来衡量不确定性和混乱(1)。熵是衡量杂质的训练实例的集合。熵的增加不确定性或随机性的增加和减少,减少不确定性或随机性。带有不确定性和信息熵的生产可以根据其发生的概率(计41]。有更高的概率,更可能发生混乱和不确定性较低,而恰恰相反,不确定性很高。

决策树算法使用特征选择指导的决定非常有用的属性。不同的特征选择标准导致不同类型的决策树。ID3使用熵和信息增益来构造决策树。信息增益是用来决定哪些特性将构建树的每一步。信息增益度量熵的预期减少分区根据属性的示例。计算的ID3信息增益(所示2)。收益的信息标准来衡量的力量属性和类之间的联系。S是目标类和象征符号代表了类标签。C4.5是ID3的扩展是一个类似树生成算法。C4.5使用分割训练集来获得比基于其测试属性。获得比考虑了分支机构的数量和规模在选择一个属性。它纠正信息增益的考虑到分裂的内在信息。所示的分割信息可以被定义为(3)。所示的获得配给可以被定义为(4)。决策树构造的流程图如图4。

使用的数据集两类决策树包含标签和决定的结果。训练数据收集主要通过SDN用户应用程序流量控制器。数据集包括用户的网络区域、服务器的CPU /内存和交通导向的结果。数据存储格式表示为(user_area、s1_cpu s2_cpu、s3_cpu s1_mem, s2_mem s3_mem,结果]。例如,数据集 对应的类标签(μO, s0_cpu、s0_memory s1_cpu、s1_mem s2_cpu s2_mem,结果]。训练数据是整个数据集与一定比例的一个测试集。更完整的训练数据使分类更容易。重复的值和离婚的值必须首先删除数据集。重复的值引用相同的价值观为每一个类标签的数据集。离婚值计算平均值的类标签。当类标签的值大于±5日的平均数据从数据集将被删除。

完成培训数据收集之后,我们可以开始建立决策树的节点。计算获得(,),SplitInfo(年代),Gain_ratio(年代)从数据集的类标签。挑选最好的Gain_ratio(年代)从列表中并将其保存BestFeature作为决策树的根。其余未经选择的类标签被添加到Unselected_labels。递归的执行开始时建立决策树节点。修剪是一个机器学习技术,减少了决策树的大小通过修剪树的基础上,统计估计的信心。创建决策树时,加载训练数据,开始遍历树节点从根到叶。我们采用了悲观的修剪策略提出使用C4.5避免需要修剪的设置和连续性校正在每个节点出错率。

本文的计算连续类标签和离散类标签是不同的。离散数据的数据类型有明确的价值观而连续数据是数据之间的空间,落在一个连续的序列。表1显示了连续的类标签的例子。第二列显示了服务器的CPU使用率µo .第三列年代代表的输出决定。在这个例子中,我们从66号开始计算增益比率。数据集大于66.0,数据集小于或等于66.0使用(1)来计算熵值为0和0.96,分别。然后,计算出的结果是(2)和(3)。分获得(年代,66.0)由(3)产量增益比率值为0.129。表2显示了计算结果和类标签CPU 66.0在本例中获得最大增益比率值。基于上述计算,每一轮最好的选择价值作为树的节点,直到建立决策树。

基于表的结果2,决策树构造如图5。为了纠正过度学习问题造成的不洁净的决策树中的信息,我们采用了递归地悲观错误修剪策略估计样本的错误率节点每个内部节点所覆盖。悲观错误修剪是基于误差估计来自于训练数据。如果内部节点的错误率低于估计的值,它将取代了最多的子树的叶节点。

假设树的内部节点覆盖N和样品E错误;的错误率叶节点是由(5)。这个惩罚因子是0.5。悲观错误修剪一个常数增加训练误差假设每个叶自动分类的子树一定比例的错误实例。这个分数是被1/2除以总数量的实例被树叶覆盖,被称为连续性校正数据。

修剪后,内部节点成为一个叶子节点和假阳性数还需要添加一个惩罚因子。子树的错误率是由(6)。方程(7)和(8)显示了假阳性数和标准差的子树。假阳性的叶子节点数量(所示9)。

所示(10),如果子树分类错误的数量减去标准错误的错误率仍然大于与叶节点对应的假阳性的数量;然后修剪会发生和树的子树将被删除。直到所有决策树中的所有节点访问,修剪过程完成。修剪过程完成时,所有的决策树中的所有节点访问。图6显示了修剪决策树。

提出DTBFR机制利用SDN技术收集的网络流量信息。决策树算法的计算结果可以为SDN提供指令控制器来指导用户流量在附近的5 g的服务µ阿微数据中心。DTBFR机制结合5 g SDN / NFV可编程网络体系结构可以提高服务效率和节省带宽资源。

4所示。实验结果

这个实验的目的是验证µO的通信基础设施模式在操作期间。实验条件由多个局域网控制的µO和隧道中央控制器。在我们的评估中,我们模拟一个网络在mininet与树状拓扑和度量网络视图划分造成的开销(42]。Mininet用于模拟µO的网络,可以建立在不同和隧道µO地区快速的信息交换。实验由两个虚拟机监控程序,一个OpenVirtex,多个SDN控制器如图7。拓扑是由mininet VM管理程序和µO是由隧道连接技术领域。OpenVirtex函数作为系统管理系统。IT人员可以通过网络接口构建网络切片的系统和后端服务器的网络接口将分析前操作信息解读网络分割成OpenVirtex生产命令。网页使用套接字和片经理来传输信息。片经理接收到信息之后,它将继续使用OpenVirtex的API来构建网络分割为经理。

网络分割广泛应用根据用户群,不同类型的应用程序服务,或要求的资源。本文使用区域化服务作为网络的基准切片和连接均匀区域化服务服务器以隧道技术,形成一个完整的网络分割的区域化服务。C4.5决策树模型是建立基于提出的机制罗斯昆兰作为参考5 g的决心µO的交通流方向和允许将用户的交通流指向亲近些µO访问服务来减少数据包传输的网络延迟。

为了验证µO 0和µO 1的虚拟通信服务基础设施,实验使用虚拟机监控程序来刺激邻近的场景µO沟通。实验的基础设施包括一个Xen hypervisor和两个Ubuntu 16.04虚拟机。Mininet用于虚拟化S1 VM1,添加GRE考试界面,设置远程IP 10.10.10.126, VM2的IP。VM2设置相同,唯一的区别是其远程IP设置为10.10.10.116 VM1的IP。VM1和VM2飞机的控制都设置为OpenVirtex OVX将同时完成逻辑网络分割切片时。如图8TCP带宽测试是由Iperf mono-hypervisor。Iperf网络基准测试工具是用来衡量网络的吞吐量进行UDP和TCP数据(43]。GRE隧道是1.65 Gbps的平均带宽和VxLAN隧道的平均带宽为1.63 Gbps。实验结果如图所示9。如图10、逻辑网络切片基础设施建造的两个虚拟机监控程序。程序1和Hypervisor 2是分开的。实验结果如图所示11。在这种情况下,平均GRE隧道是915 Mbps的带宽和VxLAN隧道的平均带宽是908 Mbps。

从结果来看,我们可以看到,尽管隧道mono-hypervisor中的两个vm之间成功建立,实际上数据包无法离开hypervisor的网卡但是交换内存。这是因为虚拟机都位于相同的程序。两个虚拟机监控程序的情况下,隧道也成功地建立和包实际上达到彼此的hypervisor网卡进行交换。这是由于这一事实,沟通的桥梁建造的隧道和数据包重新包装。因此确定两个虚拟机监控程序比mono-hypervisor场景需要较少的带宽。

至于不相邻的场景µO沟通,我们用两层mininet代替实验基础设施来模拟整个环境,构建一个虚拟实验基础设施在不同领域。如图12在第一层,我们使用mininet构造拓扑结构在不同领域和连接域1和域2通过OpenVSwitch mininet (ov)。域1和域2也可以通过mininet构造自己的拓扑。在第一层的拓扑mininet为租户使用OpenVirtex进行网络分段。片是由隧道和nontunnel片受到管理不同的控制器。例如,隧道片受隧道控制器等等。隧道网络切片使用独家网络片建造的隧道技术。实验使用了两个主流隧道技术,GRE VxLAN,进行比较。实验结果显示在图13。实验设置的带宽链接在100 mb的拓扑结构和实验的主要目的是测试两个隧道技术的传输效率。GRE隧道方案属于第三层路由;VxLAN使用UDP包的包。GRE的平均带宽大约是73.7 mb的平均带宽和VxLAN大约是34.8 mb。结果清楚地表明VxLAN的数据包传输效率甚至不是一半的GRE考试的。这背后的原因是因为包传输的不同方式。UDP是本身不可靠传输和包的方式更容易丢失OpenVirtex担任中介层。这也许可以解释带宽的表现不佳。

评估的效率和性能,DTBFR机制提出了与减少加载第一(MLF)机制。MLF的贪婪算法,可以用来找到最低的服务器负载和直接对服务器的流量通过SDN控制器。

为了让用户的µO访问附近的微观数据中心或链接到互联网数据中心访问特定应用程序通过隧道的网络服务,三项指标可用来确定交通流重定向的决策的质量。µO_num代表访问服务的数量µo . Near_µO_num代表的次数当交通流在附近的访问服务µ因为服务器µ啊,都忙。Datacenter_num代表的次数记录当交通流访问远程数据中心因为附近µ操作系统都是忙碌的。实验结果如图所示14。的价值µO_num提出DTBFR机制显然高于MLF机制。这意味着DTBFR机制能够根据服务器用户的交通流的优先级µO的区域。如果服务器繁忙,DTBFR机制将考虑在附近的访问服务µO和,因为HTTP请求的数量变化,(11)是用来计算重定向的比率。

在相同的实验条件下,决策的交通流方向DTBFR机制如下:68.1%的交通流量将被引导的µO在当前区域访问服务;28.7%的交通流量将被引导到附近µO访问服务;只有3.2%的流量会去访问服务的数据中心。MLF算法是一种基于服务器负载的指导方法,指导交通流量的29.8%µO在当前区域访问服务,附近的交通流量的32.7%µO访问服务和37.5%的流量流向互联网数据中心访问服务。的µO在该地区的访问服务指标表明,DTBFR机制占68.1%,而MLF算法仅占29.8%。实验验证DTBFR机制对流量重定向的性能相对较好。

总之,5 g微操作符的设计模式结合网络切片和隧道技术实现的通信模型µ啊,虽然网络分割前景多5 g,但不是没有障碍。传统的网络体系结构需要重新设计,使网络切片。互操作性应该被测试,以确保网络切片是预期在5 g网络。隧道而言,低效的包开销可能有负面影响网络的性能。为目的的微操作符提供区域服务,DTBFR机制允许不同μ操作系统共享网络资源,提高了数据处理通过引导用户的交通流量µO为减少网络传输延迟、建筑的基础ultrareliable和低延迟通信(URLLC) 5 g。最终,µO设计模式提供本文有助于减少计算负担传统的云网络体系结构,提高了云网络和服务器的负载能力,也能作为开发基础,集成和创新应用Cloudy-Edge计算通过5克。

5。结论

本文运用SDN和NFV技术为基础,结合网络切片和隧道技术,提出一个网络基础设施模式µ操作系统。不同的模式允许用户µ操作系统通过隧道连接技术,然后实现的快速连接网络能够有效地提高网络的互连。为了满足区域微服务运营商的需求,本文提出了DTBFR机制,利用决策树理论作为SDN-based交通决策的基础。在相同的实验条件下,决策的交通流方向DTBFR机制如下:68.1%的交通流量将被引导的µO在当前区域访问服务;28.7%的交通流量将被引导到附近µO访问服务;只有3.2%的流量会去互联网云数据中心访问服务。区域服务功能部署的微操作符可以有效地减少数据中心在互联网上的负担,加快发展的边缘计算服务在未来5 g网络。

未来的工作需要创建一个边缘计算服务模型的广泛采用µO设计模式,尤其是边缘计算技术的集成到5克µO部署路径通过提高管理效率,为微运营商客户提供服务随需应变应用程序。资源评估、任务调度和轻量级虚拟网络功能配置技术的主要研究方向。

数据可用性

使用的数据来支持本研究的结果包括在本文中。

的利益冲突

作者宣称没有利益冲突有关的出版。

确认

本文中描述的工作支持部分由科技部中华民国(项目号。-039年104 - 2221 e - 008, 105 - 2221 - e - 008 - 071, 107 - 2623 - e - 008 - 002和107 - 2636 - e - 003 - 001)。

引用

1. 李x, y s .唐问:陈,“共处的认知小细胞和WiFi系统:交通平衡双臂存取资源分配方案,“无线通信和移动计算ID 4092681条,卷。2018年,17页,2018。视图:出版商的网站|谷歌学术搜索
2. a . Raschella f . Bouhafs g·c·迪帕克·m·麦凯,“QoS意识到无线接入技术在异构网络选择框架使用SDN,”通信和网络杂志》上,19卷,不。6,577 - 586年,2017页。视图:谷歌学术搜索
3. h . Beyranvand m .几何m·迈尔j·a·萨利希c . Verikoukis和d·蒂珀”向5 g: FiWi增强LTE-A hetnets与可靠的低延迟光纤回程分享和WiFi卸载,”IEEE / ACM交易网络,25卷,不。2、690 - 707年,2017页。视图:出版商的网站|谷歌学术搜索
4. f . z . Yousaf m . Bredel s .夏勒和f·施耐德,“NFV SDN-Key技术推动者5 g网络,”IEEE在选定地区通讯》杂志上,35卷,不。11日,第2478 - 2468页,2017年。视图:出版商的网站|谷歌学术搜索
5. b . c . w .曾p h . Lai黄,l·d·周和m . c .吴“NFV部署策略在SDN网络,”国际期刊的高性能计算和网络(IJHPCN)2018年,可用:http://www.inderscience.com/info/ingeneral/forthcoming.php?jcode=ijhpcn。视图:谷歌学术搜索
6. e . j . Kitindi傅,y, a . Kabir y王,“无线网络虚拟化和SDN C-RAN 5 g网络:需求、机会和挑战,”IEEE访问5卷,第19115 - 19099页,2017年。视图:出版商的网站|谷歌学术搜索
7. uO5G”,微操作符概念推动当地服务交付5克,”:http://www.oulu.fi/uo5g/。视图:谷歌学术搜索
8. m . Matinmikko m . Latva-aho p . Ahokangas s Yrjola和t . Koivumaki“微运营商提高本地服务交付5克,”无线个人通信,卷95,不。1,第82 - 69页,2017。视图:出版商的网站|谷歌学术搜索
9. 李z, A·普拉萨德,美国Holtmanns, m . A . Uusitalo”5 g micro-operator网络——新垂直的关键驱动因素和市场”学报2017年25日电信论坛(TELFOR)塞尔维亚贝尔格莱德,页1 - 4,2017年11月。视图:出版商的网站|谷歌学术搜索
10. j·s·生活、h . Hammainen和m . Matinmikko”5 g Micro-operators未来校园:技术经济研究,”学报2017年物联网商业模式,用户和网络,页1 - 8,哥本哈根,丹麦,2017年11月。视图:出版商的网站|谷歌学术搜索
11. m . Matinmikko-Blue和m . Latva-aho“微运营商加速5 g部署”学报2017年IEEE国际会议产业和信息系统(ICIIS),页1 - 5,Peradeniya、斯里兰卡、2017年12月。视图:出版商的网站|谷歌学术搜索
12. k . b . Manosha m . Matinmikko-Blue和m . Latva-aho“频谱授权框架元素及其应用5 g micro-operators”学报2017年物联网商业模式,用户和网络,页1 - 8,哥本哈根,丹麦,2017年11月。视图:出版商的网站|谷歌学术搜索
13. t . Sanguanpuak s Guruacharya e·侯赛因n . Rajatheva和m . Latva-aho“频谱共享中micro-operators 5克,”学报2017年欧洲会议网络和通信(EuCNC)奥卢,页1 - 6,芬兰,2017年6月。视图:出版商的网站|谷歌学术搜索
14. p . Ahokangas、美国Moqaddamerad和m . Matinmikko“未来微运营商商业模式在5克,”业务和管理评审,7卷,不。5,143 - 149年,2016页。视图:谷歌学术搜索
15. p·马赫和z . Becvar移动边缘计算:一项调查在架构和计算卸载,”IEEE通信调查和教程,19卷,不。3、1628 - 1656年,2017页。视图:出版商的网站|谷歌学术搜索
16. j·g . Li歌,j . Wu, j .王”方法计算资源估计基于QoS的优势,”无线通信和移动计算卷。2018年,9页,2018。视图:出版商的网站|谷歌学术搜索
17. m·a .眼肌a . Laya t Mahmoodi et al .,“商业案例和技术分析5 g低延迟应用,”IEEE访问,第5935 - 5917页,2017年。视图:出版商的网站|谷歌学术搜索
18. p .吻,a . Reale c·j·法拉利和z . Istenes,“物联网应用程序的部署5 g的边缘,”学报2018年IEEE未来物联网技术国际会议(未来物联网)埃格尔,页1 - 9,匈牙利,2018年1月。视图:出版商的网站|谷歌学术搜索
19. m . Matinmikko a . Roivainen m . Latva-aho, k . Hiltunen”干扰的研究微许可5 g微操作符小细胞部署,”认知无线电的无线网络卷,228课堂讲稿的计算机科学研究所、社会信息和通信工程275年,页264 -施普林格国际出版,瑞士,2018。视图:出版商的网站|谷歌学术搜索
20. l . Falconetti r .卡拉奇,s . Corroy“实用节能意识细胞小细胞部署,协会”无线通信和移动计算,16卷,不。16,2436 - 2448年,2016页。视图:出版商的网站|谷歌学术搜索
21. t . Zahid x黑,我们。程,a·艾哈迈德,p . Maruf”软件的性能和可编程性之间的权衡WiFi网络定义,“无线通信和移动计算文章ID 1083575卷,2018年,页1 - 12,2018。视图:出版商的网站|谷歌学术搜索
22. p . Ahokangas m . Matinmikko s Yrjola, Atkova,“颠覆性的收入模式未来的微操作驱动的移动业务生态系统,”24日北欧管理学会研讨会论文集(NFF),第23 - 25页,博多,挪威,2017。视图:谷歌学术搜索
23. m·g . Kibria g . p . Villardi k .阮W.-S。廖、k . Ishizu和f .小岛”,共享频谱访问通信:中立主机微操作的方法,”IEEE在选定地区通讯》杂志上,35卷,不。8,1741 - 1753年,2017页。视图:出版商的网站|谷歌学术搜索
24. “微运营商为垂直特定服务交付5克,”:http://www.5gsummit.org/berlin/docs/slides/Matti-Latva-Aho.pdf/。视图:谷歌学术搜索
25. a . Basta a . Blenk k .霍夫曼h . j . Morper m·霍夫曼和w·凯勒”对成本优化设计5 g移动核心网络基于SDN NFV,”IEEE网络和服务管理,14卷,不。4、1061 - 1075年,2017页。视图:出版商的网站|谷歌学术搜索
26. c·布拉绸、a . Kollia和a . Papazois”SDN和NFV 5 g:进步和挑战,”创新20会议云,互联网和网络,ICIN 2017,页107 - 111,法国,2017年3月。视图:谷歌学术搜索
27. SDN架构,“ONF可用:https://www.opennetworking.org/images/stories/downloads/sdnresources/technical-reports/TRSDNARCH1.006062014.pdf。视图:谷歌学术搜索
28. ETSI”,网络功能虚拟化(NFV),建筑框架,“ETSI。规范,Sophia Antipolis Cedex,法国,2014年。视图:谷歌学术搜索
29. 黄问:贾,r·谢·t·j·刘,刘y,“有效的缓存资源分配网络切片在5 g核心网络,”专业的沟通,11卷,不。18日,第2799 - 2792页,2017年。视图:出版商的网站|谷歌学术搜索
30. 李x m . Samaka h·a·陈et al .,“网络切片5 g:挑战和机遇,”IEEE网络计算,21卷,不。5日相较2017页。视图:出版商的网站|谷歌学术搜索
31. k . Samdanis x Costa-Perez诉Sciancalepore,“从网络共享到多租户:5 g网络片经纪人,“IEEE通讯杂志,54卷,不。7,32-39,2016页。视图:出版商的网站|谷歌学术搜索
32. NGMN联盟,“5 g白皮书”,可用:https://www.ngmn.org/5g-white-paper.html。视图:谷歌学术搜索
33. 诺基亚“动态的端到端网络切片5 g白皮书,”:http://www.hit.bme.hu/ jakab /edu/litr/5G/NOKIA_dynamic_network_slicing_WP.pdf。视图:谷歌学术搜索
34. 分钟,金,j·李,b . Kim w .香港和j .香港“实现multi-controller OpenFlow网络虚拟化的环境中,”学报》第14届国际会议上先进的通信技术,ICACT 2012,页589 - 592年,韩国,2012年2月。视图:谷歌学术搜索
35. a . Al-Shabibi m . De Leenheer m . Gerola et al .,“OpenVirteX:让你的虚拟sdn可编程,”第三届ACM SIGCOMM学报》2014年研讨会在软件定义网络热门话题,HotSDN 2014,25 - 30页,芝加哥,2014年8月,美国。视图:谷歌学术搜索
36. e . Alpaydin介绍机器学习剑桥,麻省理工学院出版社,质量,伦敦,英国,第二版,2009年版。
37. b . Hssina A . Merbouha h . Ezzikouri, m . Erritali“决策树ID3和C4.5的比较研究,“国际期刊《先进的计算机科学和应用程序,4卷,不。2 2014年特刊于2014年车载Ad Hoc网络的发展和应用。视图:出版商的网站|谷歌学术搜索
38. r·c·巴罗斯m . p . Basgalupp卡瓦略·A·c·p·l·f和A . A . Freitas”进化的决策树归纳算法的调查”,IEEE系统,人,控制论,C部分:应用程序和评论,42卷,不。3、291 - 312年,2012页。视图:出版商的网站|谷歌学术搜索
39. d·李和c . s .香港“访问点选择算法提供最佳美联社SDN-based无线网络,”学报》2017年19亚太网络运营和管理研讨会(APNOMS),页362 - 365,首尔,韩国,2017年9月。视图:出版商的网站|谷歌学术搜索
40. s . t . v . Pasca s . s . p . Kodali和k . Kataoka“安培:应用程序知道多路流路由在SDN使用机器学习,”二十三国家通信会议(NCC),页1 - 6,钦奈,印度,2017。视图:出版商的网站|谷歌学术搜索
41. “熵”,可用:https://en.wikipedia.org/wiki/Entropy_ (information_theory)。视图:谷歌学术搜索
42. “Mininet可用:http://mininet.org/。视图:谷歌学术搜索
43. “iPerf可用:https://iperf.fr/。视图:谷歌学术搜索

版权

版权©2018 Chia-Wei曾等。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。