网络功能虚拟化(Network Function Virtualization,NFV)将网络功能从专用设备中剥离出来,利用虚拟化技术将网络功能软件部署在工业通用服务器上,形成虚拟网络功能(Virtual Network Function,VNF),由VNF提供原本由专用设备提供的网络功能。多种虚拟网络功能能够以虚拟机的形式共存于通用服务器中,因此,与传统使用专用设备部署网络功能相比,NFV技术能够大大减少专用设备的投入和运营成本。通常,通信流需按指定的顺序依次被网络功能处理,以加强应用的安全及性能。有序的网络功能可以称为服务功能链(Service Function Chain,SFC)。在NFV网络中,SFC由一组有序的VNF组成。给定一系列包含SFC请求的通信服务请求,需要部署相应的VNF及其通信路径来完成这些服务。由于VNF软件特性,其部署位置可以更加灵活地来决定。不同的部署位置产生的能耗和资源消耗不同。因而,对于包含SFC请求的通信服务请求,NFV网络需要一种有效的方法来决定VNF部署位置及其通信路径来降低能耗和资源消耗,这类问题被称为VNF初始部署优化问题(简称VNF部署优化问题)。另外,在网络的长期运行过程中,网络中部署VNF的服务器负载随着通信流量的改变而动态变化,使得初始的VNF部署方案变得不再高效。在出现大量服务器负载降低时,有必要将VNF整合到更少的服务器中以使部分服务器关闭,从而减少服务器的使用,降低服务器能耗,这一过程被称为VNF整合过程。选择关闭哪些服务器,以及如何迁移这些服务器上的VNF直接影响到VNF整合涉及的VNF迁移代价和能耗节省,因而在VNF整合过程中需要一种最优方案来最大化能耗节省同时最小化迁移代价,这一问题被称为VNF整合优化问题。目前NFV环境下VNF部署和整合研究工作仍然存在以下几个方面的问题:(1)已有VNF部署优化方法难以高效平衡服务器能耗和带宽资源消耗;(2)由于VNF部署优化问题的NP难特征以及庞大的解搜索空间,已有基于元启发式或启发式的VNF部署优化方法时间效率仍然不高;(3)对于数据中心中承载应用业务的虚拟机(Virtual Machine,VM)之间通信所需的VNF部署优化问题,忽略了承载应用业务的VM的部署位置对其产生的影响;(4)已有VNF整合优化方法难以高效权衡长期VNF迁移代价和能耗节省。因此,针对上述问题,本文从VNF部署优化和整合优化两个方面进行了深入研究,主要研究内容和贡献如下:1)在VNF部署过程中,减少活动服务器能够有效地降低服务器能耗,但由此很容易增加VNF之间的通信路径长度,从而增加带宽资源消耗。如何在服务器能耗和带宽消耗之间取得一个较好的平衡是解决VNF部署优化问题的一个难点。本文以降低服务器能耗和带宽资源消耗为目标,建立了在线VNF部署优化问题的整数线性规划模型。针对该模型,提出了一种联合优化能耗和带宽消耗的VNF部署优化方法。考虑到底层网络中具有充足链路资源的活动服务器有助于同时降低能耗和带宽资源消耗。该方法在每次的VNF部署过程中,当需要开启新服务器来部署VNF时,在考虑当前VNF部署产生的带宽代价的同时尽可能选择链路带宽资源丰富的服务器来开启。实验结果证明,相比已有VNF部署优化方法,所提出的方法能够更好地平衡服务器能耗和带宽消耗。2)为了提高VNF部署优化方法的时间效率,本文提出将可部署域约束引入VNF部署优化问题中,从而缩小解搜索空间。可部署域是由底层网络中小部分服务器组成的一个集合。每组通信服务的请求有其对应的可部署域。可部署域约束是指在部署某个通信服务请求的VNF时,用于部署VNF的目标服务器只能在相应的可部署域内搜索,而不是直接在所有服务器中搜索。在构建可部署域时,一方面,为了使在可部署域内搜索VNF的部署位置不增加带宽资源消耗,优先选择距离通信流端点路径最短的服务器组成该组请求的可部署域。另一方面,为了使在可部署域内搜索VNF的部署位置不影响VNF部署成功率,可部署域内总服务器容量与其所服务的通信服务请求的资源需求量呈正比。从而保证了可部署域约束能够大大提高VNF部署优化方法的时间效率而不牺牲VNF部署成功率及其方案质量。3)在数据中心中,应用通常通过多个VM以分布式部署在不同服务器中。承载应用业务的VM(简称应用VM)通过相互通信协作完成任务。应用VM部署优化问题即根据应用VM需求和可用的服务器资源,如何选择服务器来承载应用VM以优化需要的目标,如服务器能耗、负载均衡等。为了加强应用的安全与性能,应用VM之间通信通常需要部署SFC。在基于NFV的数据中心中,对于应用VM之间通信服务请求,VNF的成功部署在一定程度上依赖于应用VM的部署位置。因而,有必要联合优化应用VM部署以及应用VM之间所需VNF的部署。当引入可部署域约束以提高VNF部署优化时间效率时,应用VM作为通信流的端点,其部署位置直接决定了应用VM之间通信服务请求的可部署域的设置,进而很大程度上影响应用VM之间VNF的成功部署。本文首次将该联合优化应用VM和VNF部署问题建模为了一个二进制整数线性规划模型,并且,为了求解该模型,提出了两种联合优化应用VM和VNF部署方法。所提出方法在应用VM部署时考虑了其部署位置对应用VM之间通信服务请求的可部署域资源容量的影响,从而大大提高VNF部署的成功率。4)VNF整合通过将VNF集中至尽可能少的服务器中,从而降低能源消耗,但不可避免会引起其它方面额外代价,如迁移代价。其中,选择关闭哪些服务器,继而迁移相应的VNF,是高效权衡能耗节省和迁移代价的关键之一。本文建立了VNF整合优化问题的数学模型,模型以最小化长期平均能耗和迁移代价为优化目标。针对该问题的数学模型,考虑服务器的关闭策略应与多个状态特征相关,继而提出了基于多状态特征的VNF整合优化方法,该方法使用神经网络方法构建多个相关的状态特征和服务器关闭策略之间的关联。另外,由于粒子群算法在优化训练神经网络模型上具有高效性优势,将粒子群优化算法应用于所建立的神经网络模型的训练。实验结果表明,所提出的VNF整合优化方法能够以更低的迁移代价节省更多的能耗。