随着网络应用场景和用户服务的多样化,目前的互联网已难以满足日益增长的定制化服务需求。而现有网络功能部署和迁移机制相对静态、僵化,难以解决网络和服务的紧耦合问题。本文基于智融标识网络架构,集成SDN与NFV技术,对虚拟网络功能弹性适配问题展开研究,旨在实现虚拟网络功能按需动态迁移,提高网络的可扩展性和灵活性。本文具体工作如下:首先,本文分析了虚拟功能弹性适配机制的设计需求,以节点负载和服务功能链时延为评价指标,提出了一种智融标识网络下的虚拟功能弹性适配机制,设计了一种基于节点功能迁移的虚拟功能弹性适配系统。该系统包含6个功能模块:服务管理模块提供API接口,接收并解析服务需求;网络与资源感知模块基于ONOS控制器和Kubernetes云平台动态感知资源信息;数据存储模块进行全网信息的记录和维护;需求和资源监控模块对网络状态进行监控分析;弹性适配模块判断网络节点触发虚拟网络功能迁移的时机,并做出相应的迁移决策;部署下发模块通过编排器和控制器执行具体的迁移策略。针对虚拟网络功能迁移决策需求,本文提出了一种深度强化学习的虚拟网络功能迁移决策优化算法。该算法以网络和节点资源为约束条件,建立了包含状态空间、行为空间和奖励机制的迁移决策模型,实现了虚拟网络功能弹性适配。迁移决策包括离线训练和在线决策两个阶段,离线训练阶段采用深度强化学习进行策略网络模型的训练;在线迁移阶段基于训练好的策略网络模型,将当前网络状态作为模型输入,动态生成迁移策略,并在线执行虚拟网络功能的迁移。该算法优化了网络中的节点负载,解决了单一节点负载过重、链路及虚拟功能实例故障导致的服务中断问题。最后,本文对虚拟功能弹性适配机制各模块进行功能和性能测试。功能测试结果表明,该机制能够协调各模块实现服务需求发现与更新、动态感知与监控网络资源,及时响应节点负载过高、虚拟网络功能实例故障等问题,完成虚拟功能迁移,避免了服务中断。性能测试方面,本文将所提适配机制中迁移算法应用于智融标识网络原型系统中,并与随机迁移算法和最短路径迁移算法进行了节点负载和端到端时延等指标对比,实验结果验证了该算法的有效性。