CN102082718A - 一种面向服务的虚拟网中业务聚类方法 - Google Patents

一种面向服务的虚拟网中业务聚类方法 Download PDF

Info

Publication number
CN102082718A
CN102082718A CN2011100429827A CN201110042982A CN102082718A CN 102082718 A CN102082718 A CN 102082718A CN 2011100429827 A CN2011100429827 A CN 2011100429827A CN 201110042982 A CN201110042982 A CN 201110042982A CN 102082718 A CN102082718 A CN 102082718A
Authority
CN
China
Prior art keywords
service
time
cluster
business
resource
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN2011100429827A
Other languages
English (en)
Inventor
吴春明
王保进
陈庶樵
廖生权
黄万伟
吴晓春
张栋
刘勤让
袁博
邬钧霆
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
PLA Information Engineering University
Original Assignee
PLA Information Engineering University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by PLA Information Engineering University filed Critical PLA Information Engineering University
Priority to CN2011100429827A priority Critical patent/CN102082718A/zh
Publication of CN102082718A publication Critical patent/CN102082718A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明涉及一种虚拟路由器组成的虚拟网,尤其涉及一种针对差异化业务构建虚拟网之前的聚类方法。针对用户业务聚类定义层次化网络服务,进而完成面向业务的虚拟网网络服务的生成,包括如下步骤:首先针对用户不同业务需求呈现出的业务特征参数进行分析、抽象,选定感知网络性能的参数;其次,通过一次聚类计算特定时间范围内的业务带宽随时间的波动率来判断该资源的动态特性,确定业务是否需要进行资源动态调整;最后,通过二次聚类,对强动态资源的业务做第二次业务聚合,并把用户需求转换成聚类特征属性。本发明有效的解决了虚拟网中业务聚类问题,能够推进网络虚拟化技术真正走向产业化应用。与传统的业务聚类技术相比,实现简便,效率高,灵活性好。

Description

一种面向服务的虚拟网中业务聚类方法
技术领域
本发明涉及一种虚拟路由器组成的虚拟网,尤其涉及一种针对差异化业务构建虚拟网之前的聚类方法。
背景技术
虚拟网是一种分层的网络,主要可分为多类型用户网络接入层、物理基础设施提供层、虚拟网提供层以及差异化服务提供层。参见图1,其中多类型用户网络接入层可支持包括互联网用户、电信网用户和广电网用户等多用户类型,他们统一连接至物理基础设施提供层;物理基础设施提供层把资源映射为虚拟网提供层;差异化服务提供层是各种用户业务的实际承载实体,由多个虚拟网络抽象而成,每个虚拟网可以承载一种或者多种具有相似特征的业务,比如IPTV、视频点播等,物理基础设施提供层中的所有资源均可以根据各种业务的特定要求,统一分配到各虚拟网中。物理基础设施提供层是由可编程路由交换节点所组成的核心网络,它既为多种网络用户提供灵活的接入服务,还通过平台化、组件化、构件化等技术实现整个路由器功能的可重构以及性能可编程调整,为虚拟网提供灵活的构建运行平台,它可提供IPv4、IPv6、MPLS/VPN、IPTV、FPBN和真实地址等多种虚拟网。一个路由器可以支持多类业务,即在不同端口上运行不同协议的业务,在同一端口上也可以运行同一协议的不同类型业务。虚拟网结构可以为下一代网络提供更加灵活、有服务保障的业务,用户不需要了解网络构建的Qos(Quality of Service)特征值细节,只需要提出用户需求,通过业务聚类把需求映射到相应的业务类型中,通过业务类型所设定的参数构建相应的虚拟网得到用户满意的服务质量。因此用户需求与业务类型的对应就显得格外的重要,因为下一代网络业务类型的多样性、不确定性都要求我们设计聚类模型时能抽象出本质的特性并考虑其兼容性。
发明内容
本发明所要解决的技术问题:本发明面向服务的虚拟网中业务聚类方法,结合虚拟网建网需求,采用二次聚类的方法对目前各种业务进行统一划分,实现简便,业务聚类的结果具有动态普适性,该方法效率高,灵活性好。
本发明所采用的技术方案:
一种面向服务的虚拟网中业务聚类方法,针对用户业务聚类定义层次化网络服务,从而完成面向业务的虚拟网网络服务的生成,其包括如下步骤:
首先,针对用户不同业务需求呈现出的业务特征参数进行分析、抽象,选定感知网络性能的参数; 
其次,通过一次聚类计算特定时间范围内的业务带宽随时间的波动率来判断该资源的动态特性,确定业务是否需要进行资源动态调整;
最后, 通过二次聚类,对强动态资源的业务做第二次业务聚合,并把用户需求转换成聚类特征属性。
所述业务特征参数的分析过程包括以下方面:
用户业务接入的行为与时间段有很大的关联,参照ATM业务划分的依据,发现ATM网业务流是单业务流,而面向服务的虚拟网是多业务流。单业务流考虑单条链路的恒定或可变速率,多业务流可以从不同时段各类业务对链路的资源占用率变化的情况来划分业务类型。
为了提高面向服务的虚拟网的资源使用率,假设一种业务用户资源使用数是一条曲线f(x)的话,那么多条近似业务用户资源聚合能使得业务曲线拟合程度更佳,因此涉及到何种业务参数作为衡量近似业务的问题:
1) 结合底层物理网络类型等布局要求;
2) 结合服务质量要求的近似即QoS参数,但业务性质尽可能不同,业务曲线f(x)波峰波谷落在不同的时间范围内尽可能大,才能使得曲线拟合的更好;
3) 结合面向服务的虚拟网中业务的资源复用问题即考虑面向服务的虚拟网建立运行时间尽可能的接近作为聚类的一个参数,这样能保证创建的虚拟网的稳定特性。假设业务流带宽曲线f(x)与g(y),在0-24小时内取得最大值的时间点不同即Max[f(x)]在x0处取得, Max[g(y)]在y0处取得则满足x0≠y0,近似业务流带宽曲线拟合后的带宽将优于单独创建2个面向服务的虚拟网所耗费的带宽资源。
所述业务资源动态调整的过程第一次聚类包括以下步骤:
1) 根据公式(1)(2)计算特定时间范围内的业务带宽随时间的波动大小来判断该资源的动态特性。
Figure 804115DEST_PATH_IMAGE001
Figure 626577DEST_PATH_IMAGE002
如(2)所示,计算资源样本波动大小的公式为:
Figure 205195DEST_PATH_IMAGE003
2)所有可达链路上第一次有业务构建网络时,计算特定时间范围内的业务带宽随时间的波动大小来判断该资源的动态特性,如果比较2段特定时间范围内业务资源带宽需求比小于门限值,我们认为资源是稳定的,第一次聚类结束,否则我们认为资源不稳定;
3)如果 24小时里不同时间区域的资源带宽需求因子差异性越大,我们认为资源越不稳定;第一次聚类结束;
通过第一次聚类业务划分为:弱动态资源、实时强动态资源、非实时强动态资源。
所述业务资源动态调整的过程第二次聚类包括以下步骤:
1)对应三个特征参数时延、抖动和丢包率标准化指定高保真业务,容延迟业务,容丢包业务,尽力服务业务四类业务的聚类中心Cr={TU,JV,LW},{u、v、w}∈{1~3},r∈{1~4}; 其中,高保真业务的时延T1为0~100、抖动J1为0~50、丢包率L1为0~0.1%;容延迟业务的时延T2为100~400、抖动J2无特殊要求、丢包率L2为0.1~2%;容丢包业务的时延T3为0~100、抖动J3为0~50、丢包率L3为0.1~2%;
2)对每个样本Xi={Ti,Ji,Li}找到离特征值最近的聚类中心{TU,JV,LW}取上限;
3)计算偏差,并将其u、v、w的值分配到Cr所标明类;
4)计算总偏差,如果总偏差收敛return{ TU,JV,LW}并终止本算法;否则,返回聚类失败。
本发明的有益积极效果:
1、本发明面向服务的虚拟网中业务聚类方法,与传统的业务聚类技术相比,实现简便,效率高,灵活性好。结合虚拟网建网需求,采用二次聚类的方法对目前各种业务进行统一划分,业务聚类的结果具有动态普适性。是一种扩展性好,适应目前新型业务的个性化与多样性的需求的聚类技术。
2、本发明面向服务的虚拟网中业务聚类方法,有效的解决了虚拟网中业务聚类问题,能够推进网络虚拟化技术真正走向产业化应用。对虚拟网业务的有效聚类是采用数学模型合理构建虚拟网的前提,本发明通过分析真实网络中差异化业务的需求,抽象其业务参数特性,在虚拟网构建时反映到拓扑图中节点或链路的特征向量中的前提,实现了对虚拟网业务的有效聚类。为虚拟网络的进一步发展奠定了基础。
附图说明
图1:虚拟网分层结构示意图;
图2:本发明面向服务的虚拟网中业务聚类方法第一次聚类过程流程图;
图3:本发明面向服务的虚拟网中业务聚类方法第二次聚类过程流程图。
具体实施方式
实施例一:参见图1~图3,本发明面向服务的虚拟网中业务聚类方法,针对用户业务聚类定义层次化网络服务,从而完成面向业务的虚拟网网络服务的生成。首先,针对用户不同业务需求呈现出的业务特征参数进行分析、抽象,选定感知网络性能的参数为时延、抖动和丢包率;选定特定时间范围内的业务带宽随时间的波动率Sj通过一次聚类来判断该资源的动态特性。其次,通过二次聚类,把用户需求转换成聚类特征属性;
由于用户的需求和对应的聚类特征属性指标并不完全一致,首先我们需要把用户需求转换成聚类特征属性,假设用户提出的视频会议需要的图像分辨率是1024*800,每秒25帧,接收延时小于3秒等业务需求,业务聚类模块需要将该业务需求转化成该业务对网络的性能需求。然后根据所需构建该业务的带宽指标5M带宽、延时低于0.1s、抖动低于50ms、丢包率低于0.1%和建网时间为3个小时指标的虚拟网。同时,用户提出的IPTV、上网冲浪、P2P下载等业务需求,同上所述首先转化为对网络性能的需求,再根据第一次聚类过程流程和第二次聚类过程流程聚类该3类业务最终所需要构建虚拟网的数量和类型。
本发明面向服务的虚拟网中业务聚类方法,考虑用户感知网络性能的关键参数;考虑用户在不同时段内的业务使用特性;考虑聚类颗粒精细程度带来代价包括虚拟网建网、调整网络的代价和复杂性问题。
实施例二:参见图1~3。本实施例面向服务的虚拟网中业务聚类方法,
首先,针对用户不同业务需求呈现出的业务特征参数进行分析、抽象,选定感知网络性能的参数; 
其次,通过一次聚类计算特定时间范围内的业务带宽随时间的波动率来判断该资源的动态特性,确定业务是否需要进行资源动态调整
最后, 通过二次聚类,对强动态资源的业务做第二次业务聚合,并把用户需求转换成聚类特征属性。
从而,针对用户业务聚类定义层次化网络服务,完成面向业务的虚拟网网络服务的生成。
实施例三:参见图1。本实施例面向服务的虚拟网中业务聚类方法,与实施例二不同的是,所述业务特征参数的分析过程包括以下步骤:
因为用户业务接入的行为与时间段有很大的关联,参照ATM业务划分的依据,发现ATM网业务流是单业务流,而面向服务的虚拟网是多业务流。单业务流考虑单条链路的恒定或可变速率,多业务流可以从不同时段各类业务对链路的资源占用率变化的情况来划分业务类型。
为了提高面向服务的虚拟网的资源使用率,假设一种业务用户资源使用数是一条曲线f(x)的话,那么多条近似业务用户资源聚合能使得业务曲线拟合程度更佳,因此涉及到何种业务参数作为衡量近似业务的问题:
1) 结合底层物理网络类型等布局要求;
2) 结合服务质量要求的近似即QoS参数,但业务性质尽可能不同,业务曲线f(x)波峰波谷落在不同的时间范围内尽可能大,才能使得曲线拟合的更好;
3) 结合面向服务的虚拟网中业务的资源复用问题即考虑面向服务的虚拟网建立运行时间尽可能的接近作为聚类的一个参数,这样能保证创建的虚拟网的稳定特性。假设业务流带宽曲线f(x)与g(y),在0-24小时内取得最大值的时间点不同即Max[f(x)]在x0处取得, Max[g(y)]在y0处取得则满足x0≠y0,近似业务流带宽曲线拟合后的带宽将优于单独创建2个面向服务的虚拟网所耗费的带宽资源。
实施例四:参见图1、图2。本实施例面向服务的虚拟网中业务聚类方法,与实施例三不同的是,业务资源动态调整的过程第一次聚类包括以下步骤:
1)所有可达链路上第一次有业务构建网络时,计算特定时间范围内的业务带宽随时间的波动大小来判断该资源的动态特性,如果比较2段特定时间范围内业务资源带宽需求比小于门限值,我们认为资源是稳定的,第一次聚类结束,否则我们认为资源不稳定,跳转步骤2);
2)如果 24小时里不同时间区域的资源带宽需求因子差异性越大,我们认为资源越不稳定;第一次聚类结束;通过第一次聚类业务划分为:弱动态资源、实时强动态资源、非实时强动态资源。
实施例五:参见图3本实施例面向服务的虚拟网中业务聚类方法,与实施例四不同的是,业务资源动态调整的过程第二次聚类包括以下步骤:
1)对应三个特征参数时延、抖动和丢包率标准化指定高保真业务,容延迟业务,容丢包业务,尽力服务业务四类业务的聚类中心Cr={TU,JV,LW},{u、v、w}∈{1~3},r∈{1~4};
2)对每个样本Xi{Ti,Ji,Li}找到离特征值最近的聚类中心{TU,JV,LW}取上限;
3)计算偏差,并将其u、v、w的值分配到Cr所标明类;
计算总偏差,如果总偏差收敛return{ TU,JV,LW}并终止本算法;否则,返回聚类失败。

Claims (4)

1.一种面向服务的虚拟网中业务聚类方法,针对用户业务聚类定义层次化网络服务,从而完成面向业务的虚拟网网络服务的生成,其特征在于包括如下步骤:
1)针对用户不同业务需求呈现出的业务特征参数进行分析、抽象,选定感知网络性能的参数; 
2)通过一次聚类计算特定时间范围内的业务带宽随时间的波动率来判断该资源的动态特性,确定业务是否需要进行资源动态调整;
3)通过二次聚类,对强动态资源的业务做第二次业务聚合,并把用户需求转换成聚类特征属性。
2.根据权利要求1所述的面向服务的虚拟网中业务聚类方法,其特征在于所述业务特征参数的分析过程包括以下方面:
根据用户业务接入的行为与时间段之间的关联性,参照ATM业务划分的依据,从不同时段各类业务对链路的资源占用率变化的情况来划分业务类型;
假设一种业务用户资源使用数是一条曲线f(x),则多条近似业务用户资源使用能使得业务曲线拟合程度更佳,根据下述步骤获取感知网络性能的参数:
1) 结合底层物理网络类型布局要求;
2) 结合服务质量要求的QoS参数,使业务曲线f(x)波峰波谷落在不同的时间范围内尽可能大,从而使得曲线拟合的更好;
3) 结合面向服务的虚拟网中业务的资源复用问题即考虑面向服务的虚拟网建立运行时间尽可能的接近作为聚类的一个参数,以保证创建的虚拟网的稳定特性;
4)设业务流带宽曲线f(x)与g(y)在0-24小时内取得最大值的时间点不同,即Max[f(x)]在x0处取得, Max[g(y)]在y0处取得,则满足x0≠y0,近似业务流带宽曲线拟合后的带宽将优于单独创建2个面向服务的虚拟网所耗费的带宽资源。
3.根据权利要求2所述的面向服务的虚拟网中业务聚类方法,其特征在于所述业务资源动态调整的过程第一次聚类包括以下步骤:
1)所有可达链路上第一次有业务构建网络时,计算特定时间范围内的业务带宽随时间的波动大小来判断该资源的动态特性,如果比较2段特定时间范围内业务资源带宽需求比小于门限值,我们认为资源是稳定的,第一次聚类结束,否则我们认为资源不稳定,跳转步骤2);
2)如果 24小时里不同时间区域的资源带宽需求因子差异性越大,我们认为资源越不稳定;第一次聚类结束;通过第一次聚类业务划分为:弱动态资源、实时强动态资源、非实时强动态资源。
4.根据权利要求1所述的面向服务的虚拟网中业务聚类方法,其特征在于所述业务资源动态调整的过程第二次聚类包括以下步骤:
1)对应三个特征参数时延、抖动和丢包率标准化指定高保真业务,容延迟业务,容丢包业务,尽力服务业务四类业务的聚类中心Cr={TU,JV,LW},{u、v、w}∈{1~3},r∈{1~4};其中,高保真业务的时延T1为0~100、抖动J1为0~50、丢包率L1为0~0.1%;容延迟业务的时延T2为100~400、抖动J2无特殊要求、丢包率L2为0.1~2%;容丢包业务的时延T3为0~100、抖动J3为0~50、丢包率L3为0.1~2%;
2)对每个样本Xi={Ti,Ji,Li}找到离特征值最近的聚类中心{TU,JV,LW}取上限;
3)计算偏差,并将其u、v、w的值分配到Cr所标明类;
4)计算总偏差,如果总偏差收敛return{ TU,JV,LW}并终止本算法;否则,返回聚类失败。
CN2011100429827A 2011-02-23 2011-02-23 一种面向服务的虚拟网中业务聚类方法 Pending CN102082718A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN2011100429827A CN102082718A (zh) 2011-02-23 2011-02-23 一种面向服务的虚拟网中业务聚类方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN2011100429827A CN102082718A (zh) 2011-02-23 2011-02-23 一种面向服务的虚拟网中业务聚类方法

Publications (1)

Publication Number Publication Date
CN102082718A true CN102082718A (zh) 2011-06-01

Family

ID=44088474

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2011100429827A Pending CN102082718A (zh) 2011-02-23 2011-02-23 一种面向服务的虚拟网中业务聚类方法

Country Status (1)

Country Link
CN (1) CN102082718A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016109948A1 (zh) * 2015-01-07 2016-07-14 华为技术有限公司 构建网络的方法和装置
CN107741999A (zh) * 2017-09-01 2018-02-27 美林数据技术股份有限公司 一种基于图计算及机器学习的电网拓扑结构跨系统自动匹配与构建的方法
CN109697456A (zh) * 2018-11-21 2019-04-30 华为技术有限公司 业务分析方法、装置、设备及存储介质
CN113038537A (zh) * 2019-12-24 2021-06-25 中国移动通信集团四川有限公司 分配移动网络频谱资源的方法和电子设备
CN113298115A (zh) * 2021-04-19 2021-08-24 百果园技术(新加坡)有限公司 基于聚类的用户分组方法、装置、设备和存储介质

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016109948A1 (zh) * 2015-01-07 2016-07-14 华为技术有限公司 构建网络的方法和装置
CN107113910A (zh) * 2015-01-07 2017-08-29 华为技术有限公司 构建网络的方法和装置
CN107113910B (zh) * 2015-01-07 2020-01-10 华为技术有限公司 构建网络的方法和装置
CN107741999A (zh) * 2017-09-01 2018-02-27 美林数据技术股份有限公司 一种基于图计算及机器学习的电网拓扑结构跨系统自动匹配与构建的方法
CN107741999B (zh) * 2017-09-01 2021-04-30 美林数据技术股份有限公司 一种基于图计算及机器学习的电网拓扑结构跨系统自动匹配与构建的方法
CN109697456A (zh) * 2018-11-21 2019-04-30 华为技术有限公司 业务分析方法、装置、设备及存储介质
CN113038537A (zh) * 2019-12-24 2021-06-25 中国移动通信集团四川有限公司 分配移动网络频谱资源的方法和电子设备
CN113298115A (zh) * 2021-04-19 2021-08-24 百果园技术(新加坡)有限公司 基于聚类的用户分组方法、装置、设备和存储介质

Similar Documents

Publication Publication Date Title
Sahoo et al. A survey on replica server placement algorithms for content delivery networks
CN107566194B (zh) 一种实现跨域虚拟网络映射的方法
JP5390413B2 (ja) 階層的にクラスタ化されたp2pストリーミング・システム
CN108809857A (zh) 一种基于sdn的流量监控与业务服务质量保障策略的方法
JP2017531957A (ja) ソフトウェアデファインドネットワークに基づいてコンテンツディストリビューションネットワークを実現する方法及びシステム
CN112020103A (zh) 一种移动边缘云中的内容缓存部署方法
Al-Jawad et al. An innovative reinforcement learning-based framework for quality of service provisioning over multimedia-based sdn environments
Huang et al. Software-defined QoS provisioning for fog computing advanced wireless sensor networks
Fan et al. Video delivery networks: Challenges, solutions and future directions
CN107846371B (zh) 一种多媒体业务QoE资源分配方法
Mohammadi et al. An adaptive type-2 fuzzy traffic engineering method for video surveillance systems over software defined networks
CN102904837B (zh) 一种基于虚拟业务平面的区分业务生存性方法
CN102082718A (zh) 一种面向服务的虚拟网中业务聚类方法
Jin et al. When cloud media meet network function virtualization: Challenges and applications
Tuncer et al. Scalable cache management for ISP-operated content delivery services
Pacifici et al. Cache bandwidth allocation for P2P file-sharing systems to minimize inter-ISP traffic
Kang et al. Application of adaptive load balancing algorithm based on minimum traffic in cloud computing architecture
Simoens et al. Challenges for orchestration and instance selection of composite services in distributed edge clouds
Jin et al. Towards joint resource allocation and routing to optimize video distribution over future internet
Cao et al. Towards tenant demand-aware bandwidth allocation strategy in cloud datacenter
Yao et al. A novel framework of data-driven networking
Miao et al. Multicast virtual network mapping for supporting multiple description coding-based video applications
William et al. Edge Computing based Traffic Control Management for Distributed Environment
Safaei et al. Latency-driven distribution: infrastructure needs of participatory entertainment applications
Sina et al. CaR-PLive: Cloud-assisted reinforcement learning based P2P live video streaming: a hybrid approach

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C02 Deemed withdrawal of patent application after publication (patent law 2001)
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20110601