CN102868733A - 虚拟网络资源再映射方法 - Google Patents

Abstract

本发明公开了一种虚拟网络资源再映射方法，涉及虚拟网络技术领域，包括：周期性地获取关键虚拟节点，关键虚拟节点为资源利用率高于阈值的物理节点承载的虚拟节点集合中的虚拟节点；将关键虚拟节点的资源再映射到资源利用率低于阈值物理节点，以使物理网络的资源负载均衡；对与关键虚拟节点相连接的虚拟链路资源进行再映射。本发明周期性地对物理资源整体负载进行分析，判断是否需要进行虚拟资源再映射，再映射过程中只选择部分影响物理资源负载不均衡的关键虚拟节点进行再映射，这样既可以整合现有物理资源，到达物理资源负载均衡，提高虚拟网请求接收率，又可以节约时间开销和计算成本，最大化减少对虚拟网的正常服务中断的影响。

Description

虚拟网络资源再映射方法

技术领域

本发明涉及向虚拟网络技术领域，特别涉及一种虚拟网络资源再映射方法。

背景技术

为解决现有网络的僵化问题，提出了网络虚拟化的概念，并认为是下一代网络体系架构的一种选择。网络虚拟化将传统的网络服务提供商分成两部分：网络设备提供商（InPs）和网络服务提供商（SPs），InPs负责部署底层物理网络资源，SPs通过租赁物理网络资源来部署自己的应用服务。在这样一种架构下，网络虚拟化允许多个异质体系结构的网络服务同时共享一个物理网，进而可以满足不同的网络服务需求。

网络虚拟化中的一个关键需要解决的问题就是虚拟网映射问题，即InPs为带有节点和链路资源约束条件的SPs分配合理的物理资源。虚拟网映射问题已经确定为NP问题。由于虚拟网请求不断地到来或离去，物理网络资源负载（即资源利用率）不断发生变化，最终可能会导致某一时间内，物理网资源负载分配不均，资源利用率低，虚拟网请求接收率也随之降低，需要对虚拟网进行再映射。

为了解现有技术的发展状况，对已有的论文和专利进行了检索、比较和分析，筛选出如下与本发明相关度比较高的技术信息：

技术方案1：专利号为201110364076.9的专利《一种基于粒子群优化的虚拟网络映射方法及系统》，该发明提供了一种基于粒子群优化的虚拟网映射方法。首先更新粒子群的速度和位置，确定可行性粒子，并进一步确定全局最优位置和个体最优位置，依此过程不断进行迭代，当迭代次数达到最大时，将最终确定的全局最优位置作为映射方案输出。通过对粒子的最优位置进行迭代，实现虚拟网映射方案最优化，提高了底层物理资源的利用率。

技术方案2：专利号为201110173662.5的专利《基于虚拟网络资源需求动态变化的再映射方法》，该发明提供了一种基于虚拟网络资源需求动态变化的再映射方法。当虚拟网需要增加或删除虚拟节点或链路时，首先确定可用的物理资源，以最小化资源消耗为优化目标，将具有动态需求的虚拟节点和相应的链路映射到可用的物理资源上，并更新可用的物理资源。

文献方案1：《Algorithms for Assigning Substrate NetworkResources to Virtual Network Components》，该文献提出了虚拟网再映射的方案。动态映射虚拟网的过程中，物理网络的资源负载状态不断发生变化，可能会出现物理网络资源负载分配不均衡的情况。通过对多个虚拟网进行再映射，可以重新整合物理资源，调节资源负载，提高虚拟网请求接收率。

现有技术存在以下缺陷：

上述技术方案1的缺陷为：虚拟网静态映射，物理资源负载不均衡。虚拟网请求到来时，InPs为SPs安排此时最优的物理资源，但由于虚拟网请求不断地到来或离去，物理网络资源负载不断发生变化，则映射时的最优分配不一定是最终的最优分配，最终导致物理网络资源负载分配不均衡，资源利用率低，而随之而来的便是虚拟网请求接收率降低。

上述技术方案2的缺陷为：虚拟资源再映射的驱动因素中未考虑物理资源负载。该技术方案从虚拟网的角度进行考虑，当虚拟网络提出资源动态需求时，如虚拟节点的增加或删除，根据可用的物理资源，对动态需求的虚拟资源进行再映射，最后更新可用的物理资源。在虚拟资源再映射的驱动因素中只考虑了虚拟网本身的动态需求，而未考虑全局物理资源的整体负载状态。

上述文献方案1的缺陷为：虚拟网动态映射，时间和计算成本消耗高。针对当前物理网络资源使用情况，对正在运行的多个虚拟网进行再映射，为虚拟网重新分配物理资源，可以重新整合物理资源，达到负载均衡。但同时映射多个虚拟网，必然会造成很大的时间开销和计算成本，影响虚拟网正常的网络服务。

发明内容

（一）要解决的技术问题

本发明要解决的技术问题是：如何实现一种基于关键节点的虚拟资源再映射方法

（二）技术方案

为解决上述技术问题，本发明提供了一种虚拟网络资源再映射方法，包括以下步骤：

S1：周期性地获取关键虚拟节点，所述关键虚拟节点为资源利用率高于阈值的物理节点承载的虚拟节点集合中的虚拟节点；

S2：将所述关键虚拟节点的资源再映射到资源利用率低于所述阈值的物理节点，以使物理网络的资源负载均衡；

S3：对与所述关键虚拟节点相连接的虚拟链路资源进行再映射。

其中，所述步骤S1具体包括：

每间隔预定周期选择关键虚拟节点至虚拟节点队列中；

若所述虚拟节点队列不为空，从所述虚拟节点队列中获取关键虚拟节点。

其中，关键虚拟节点通过如下方式选择：

选择资源利用率超过所述阈值的物理节点；

从资源利用率超过所述阈值的物理节点中选择资源占用率最大的虚拟节点。

其中，所述阈值确定方式为：

确定物理网络中是否有资源利用率大于等于门限值的物理节点，若有，则根据物理网络中物理节点的资源利用率的最大值和预设的重映射范围权重的乘积确定所述阈值；否则不进行虚拟网络资源再映射。

其中，所述门限值为0.6，重映射范围权重为0.8。

其中，所述步骤S2具体包括：

采用最优化方式求得每个关键虚拟节点可映射的物理节点集合；

删除每个关键虚拟节点对应的物理节点集合中已经承载了隶属于同一虚拟网的其它虚拟节点的物理节点；

若物理节点集合不为空，选择一个物理节点，使得关键虚拟节点映射到该物理节点上时，该物理节点的资源利用率最低。

其中，所述最优化的目标为：

$\min (\underset{\mathrm{uv}\∈L_S}{\mathrm{\Σ}}\left(\frac{1}{R_L(u,v)+\mathrm{\δ}}\underset{i}{\mathrm{\Σ}}{f}_{\mathrm{uv}}^i\right)+\underset{w\∈N_S}{\mathrm{\Σ}}\left(\frac{1}{R_N\left(w\right)+\mathrm{\δ}}\underset{m\∈V}{\mathrm{\Σ}}{x}_{\mathrm{mw}}c\left(m\right)\right))$

其中，R_N(w)表示物理节点w剩余资源，R_L(u,v)表示物理链路uv剩余资源，c(m)表示关键虚拟节点m需要占用的资源，

表示虚拟网i中与关键虚拟节点m相连的虚拟链路在物理链路uv上占用的资源，uv表示从物理节点u到物理节点v的链路，x_mw表示关键虚拟节点m是否能映射到物理节点w，δ为一大于0的数，V表示关键虚拟节点集合，N_s表示物理节点集合，L_s表示物理链路集合。

其中，所述步骤S3中采用多商品流算法对与关键虚拟节点m相连接的虚拟链路资源进行再映射，其优化目标为：

$\min \left(\underset{\mathrm{uv}\∈L_S}{\mathrm{\Σ}}\left(\frac{1}{R_L(u,v)+\mathrm{\δ}}\underset{i}{\mathrm{\Σ}}{f}_{\mathrm{uv}}^i\right)\right)$

其中，R_L(u,v)表示物理链路uv剩余资源，表示虚拟网i中与关键虚拟节点m相连的虚拟链路在物理链路uv上占用的资源，uv表示从物理节点u到物理节点v的链路，δ为一大于0的数，L_s表示物理链路集合。

（三）有益效果

本发明周期性地对物理资源整体负载进行分析，判断是否需要进行虚拟资源再映射。再映射过程中只选择部分影响物理资源负载不均衡的关键虚拟节点进行再映射，这样既可以整合现有物理资源，到达物理资源负载均衡，提高虚拟网请求接收率，又可以节约时间开销和计算成本，最大化减少对虚拟网的正常服务中断的影响。

附图说明

图1是本发明实施例的一种虚拟网络资源再映射方法流程图；

图2是图1中步骤S300的具体结构示意图；

图3本发明实施例的虚拟网络资源再映射方法中关键虚拟节点再映射模型图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

多个虚拟网共享物理网的过程中，当物理网运行一段时间后，此时多个虚拟网同时运行在物理网上面，共享物理资源。虚拟网之间具有隔离性，运行过程中独自占有所分配的节点和链路资源，互不干涉。由于虚拟网请求不断地到来或离去，物理节点和链路的资源负载也随之不断发生变化，最终可能导致某时间内，物理资源负载不均衡。本实施例采用基于关键虚拟节点的虚拟资源再映射方法。具体步骤如图1所示，包括：

步骤S100，周期性地选择关键虚拟节点至虚拟节点队列中。关键虚拟节点的选择基于以下机制进行：

定义两个门限值：资源利用率正常门限值θ∈[0,1]和再映射范围权重α∈[0,1]。在关键虚拟节点选择时，首先寻找当前节点资源利用率最高的物理节点，其节点资源利用率为maxn(t)，当maxn(t)≤θ时，则表明当前物理节点的资源利用率都处于合理的地位，物理资源负载均衡，无需进行再映射。当maxn(t)>θ时，则表明当前物理节点中某些节点的资源利用率过高，物理网络资源负载不均衡，需要进行再映射，重新整合物理资源。

其次，选择需要再映射的虚拟节点，而不是对运行于该物理节点上的所有虚拟节点都进行再映射，方法是通过再映射范围权重α。选择物理节点中其资源利用率u(t)≥maxn(t)·α的物理节点。通过设置不同的范围权重α，能够很好地控制再映射虚拟节点的数目。α的选择可以通过进行多次试验，从中选择一个合理的权重值。将选择出的需要再映射的虚拟节点放入虚拟节点队列中。

步骤S200，判断虚拟节点队列是否为空，若为空，说明当前物理资源利用率处于一个均衡的范围之内，不需要进行再映射，返回步骤S100；若集合不为空，说明某些物理节点资源利用率过高，需要进行再映射，则进入步骤S300。

步骤S300，关键虚拟节点资源再映射。该步骤为选择出的关键虚拟节点再映射到一个合理的物理节点，即为资源利用率u(t)<maxn(t)·α的物理节点，使物理网络资源负载均衡。关键虚拟节点再映射算法如下：

步骤S301，最优化求得每个虚拟节点可映射的物理节点集合。最优化目标为：

$\min (\underset{\mathrm{uv}\&Element;L_S}{\mathrm{\&Sigma;}}\left(\frac{1}{R_L(u,v)+\mathrm{\&delta;}}\underset{i}{\mathrm{\&Sigma;}}{f}_{\mathrm{uv}}^i\right)+\underset{w\&Element;N_S}{\mathrm{\&Sigma;}}\left(\frac{1}{R_N\left(w\right)+\mathrm{\&delta;}}\underset{m\&Element;V}{\mathrm{\&Sigma;}}{x}_{\mathrm{mw}}c\left(m\right)\right))$

其中R_N(w)表示物理节点w剩余资源，R_L(u,v)表示物理链路uv剩余资源。使用c(m)表示关键虚拟节点m需要占用的资源，

表示虚拟网i中与关键虚拟节点m相连的虚拟链路在物理链路uv上占用的资源，uv表示从物理节点u到物理节点v的链路，最终结果x_mw表示关键虚拟节点m是否能映射到物理节点w，x_mw∈{0,1}，x_mw=1表示可以映射，x_mw=0表示不可以映射。δ是一个大于0的数，用来防止分母为0，V表示关键虚拟节点集合，N_s表示物理节点集合，L_s表示物理链路集合。

最优化问题最终求元素x_mw∈{0,1}，若x_mw=1，表明虚拟节点m可再映射到物理节点w，但关键虚拟节点的再映射是一个NP问题，采用对x_mw进行松弛的方法，即x_mw≥0，选出所有x_mw>0的物理节点，即为最终最优化求得的可映射的物理节点的集合。

步骤S302，循环遍历每个虚拟节点，求得其可映射的物理节点集合。通过步骤S301，可以得到可映射的物理节点的集合，但要保证同一个虚拟网不能有多个虚拟节点映射到同一物理节点，所以，要在可映射的集合中删除那些已经承载了隶属于同一虚拟网的其他虚拟节点的物理节点。再判断删除相关物理节点后的集合是否为空，若为空，则再映射过程失败，否则进行下一步。

步骤S303，对于每一个虚拟节点可映射的物理节点集合，从中选择一个物理节点，当虚拟节点映射到该物理节点上时，该物理节点资源利用率最低，这样可以保证最低资源负载。

步骤S304，判断循环是否结束，若循环未结束，则返回步骤S302，若循环结束，则再映射过程结束。

步骤S400，对与关键虚拟节点相连的虚拟链路资源再映射。完成关键虚拟节点再映射后，需要再映射与之相连的虚拟链路，即在两个节点中求带有约束条件的路径问题，可以用多商品流MCF（Multi-Commodity Flow）算法进行解决。其优化目标为：

$\min \left(\underset{\mathrm{uv}\&Element;L_S}{\mathrm{\&Sigma;}}\left(\frac{1}{R_L(u,v)+\mathrm{\&delta;}}\underset{i}{\mathrm{\&Sigma;}}{f}_{\mathrm{uv}}^i\right)\right)$

关键虚拟节点资源和与之相连的虚拟链路资源再映射完成后，整个再映射过程就结束了，通过以上过程，降低了负载过高的物理节点资源利用率，对物理资源进行重新整合，使整体资源负载均衡，同时可以为后续接收更多的虚拟网请求。

重复上述步骤S100~S400以实时地对虚拟网络资源再映射。

以下通过具体仿真实验说明本发明。

在仿真实验中，图3给出了一个基于关键虚拟节点再映射的模型，在某时刻虚拟网VN1和VN2共享物理网SN，SN中整数表示其CPU资源数目，百分数表示物理节点资源利用率，VN1和VN2中的整数表示该虚拟节点所需的CPU资源数。设置负载正常门限值θ＝0.6和重映射范围权重α＝0.8。左图表示再映射前的映射及负载状态，右图表示再映射后的映射及负载状态。

本仿真实验中基于关键虚拟节点再映射方法的详细实施步骤如下：

步骤1、某时刻虚拟网VN1及VN2共享物理网SN，其映射情况如图3所示。由于虚拟网动态的到来或离开，导致物理资源负载不均衡。图3中，此时刻，物理节点A的资源利用率为80%，物理节点B的资源利用率为90%，负载都很高，而节点C、节点D和节点E的资源利用率分别为20%、30%和40%，节点F和G的资源利用率为0%，相对较低。需要对物理资源进行重新整合，降低过高的物理资源负载。

步骤2、选择关键虚拟节点资源。由于负载正常门限值θ＝0.6，而maxn(t)为0.9，高于θ值，所以需要进行关键虚拟节点再映射。再映射范围权重α＝0.8，则需要调整资源的物理节点的资源利用率阈值为u(t)≥maxn(t)·α＝0.9×0.8＝0.72。可见物理节点A和物理节点B需要重新调整资源。再选择物理节点上占有资源最大的虚拟节点资源，即为VN1的虚拟节点A和VN2的虚拟节点A。

步骤3、选择出的关键虚拟节点集合包括两个虚拟节点：VN1的虚拟节点A和VN2的虚拟节点A，不为空，则转移到步骤5，进行虚拟节点再映射。

步骤4、关键虚拟节点再映射。需要再映射的关键虚拟节点包括VN1的虚拟节点A和VN2的虚拟节点A，通过计算最优化目标，得到VN1的虚拟节点A可重新映射到物理节点F，资源利用率为45%，VN2的虚拟节点A可重新映射到物理节点D，资源利用率为50%，低于maxn(t)·α＝0.72，达到一个合理的负载均衡状态。

步骤5、与之相连的虚拟链路再映射。再映射完VN1的虚拟节点A和VN2的虚拟节点A后，需要再映射与VN1中虚拟节点A相连的虚拟链路l_VN1(A,B)和与VN2中虚拟节点A相连的虚拟链路l_NV2(A,B)。通过计算最优化目标，得到l_VN1(A,B)重新映射到物理链路l_SN(F,D)，l_NV2(A,B)重新映射到物理链路l_SN(D,E)。

步骤6、再映射完关键虚拟节点及与之相连的虚拟链路后，再映射过程完成。

以上实施方式仅用于说明本发明，而并非对本发明的限制，有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本发明的范畴，本发明的专利保护范围应由权利要求限定。

Claims (8)

1.一种虚拟网络资源再映射方法，其特征在于，包括以下步骤：

S1：周期性地获取关键虚拟节点，所述关键虚拟节点为资源利用率高于阈值的物理节点承载的虚拟节点集合中的虚拟节点；

S2：将所述关键虚拟节点的资源再映射到资源利用率低于所述阈值的物理节点，以使物理网络的资源负载均衡；

S3：对与所述关键虚拟节点相连接的虚拟链路资源进行再映射。

2.如权利要求1所述的虚拟网络资源再映射方法，其特征在于，所述步骤S1具体包括：

每间隔预定周期选择关键虚拟节点至虚拟节点队列中；

若所述虚拟节点队列不为空，从所述虚拟节点队列中获取关键虚拟节点。

3.如权利要求1或2所述的虚拟网络资源再映射方法，其特征在于，关键虚拟节点通过如下方式选择：

选择资源利用率超过所述阈值的物理节点；

从资源利用率超过所述阈值的物理节点中选择资源占用率最大的虚拟节点。

4.如权利要求3所述的虚拟网络资源再映射方法，其特征在于，所述阈值确定方式为：

确定物理网络中是否有资源利用率大于等于门限值的物理节点，若有，则根据物理网络中物理节点的资源利用率的最大值和预设的重映射范围权重的乘积确定所述阈值；否则不进行虚拟网络资源再映射。

5.如权利要求4所述的虚拟网络资源再映射方法，其特征在于，所述门限值为0.6，重映射范围权重为0.8。

6.如权利要求1所述的虚拟网络资源再映射方法，其特征在于，所述步骤S2具体包括：

采用最优化方式求得每个关键虚拟节点可映射的物理节点集合；

删除每个关键虚拟节点对应的物理节点集合中已经承载了隶属于同一虚拟网的其它虚拟节点的物理节点；

若物理节点集合不为空，选择一个物理节点，使得关键虚拟节点映射到该物理节点上时，该物理节点的资源利用率最低。

7.如权利要求6所述的虚拟网络资源再映射方法，其特征在于，所述最优化的目标为：

$\min (\underset{\mathrm{uv}\&Element;L_S}{\mathrm{\&Sigma;}}\left(\frac{1}{R_L(u,v)+\mathrm{\&delta;}}\underset{i}{\mathrm{\&Sigma;}}{f}_{\mathrm{uv}}^i\right)+\underset{w\&Element;N_S}{\mathrm{\&Sigma;}}\left(\frac{1}{R_N\left(w\right)+\mathrm{\&delta;}}\underset{m\&Element;V}{\mathrm{\&Sigma;}}{x}_{\mathrm{mw}}c\left(m\right)\right))$

其中，R_N(w)表示物理节点w剩余资源，R_L(u,v)表示物理链路uv剩余资源，c(m)表示关键虚拟节点m需要占用的资源，

表示虚拟网i中与关键虚拟节点m相连的虚拟链路在物理链路uv上占用的资源，uv表示从物理节点u到物理节点v的链路，x_mw表示关键虚拟节点m是否能映射到物理节点w，δ为一大于0的数，V表示关键虚拟节点集合，N_s表示物理节点集合，L_s表示物理链路集合。

8.如权利要求1所述的虚拟网络资源再映射方法，其特征在于，所述步骤S3中采用多商品流算法对与关键虚拟节点m相连接的虚拟链路资源进行再映射，其优化目标为：

$\min \left(\underset{\mathrm{uv}\&Element;L_S}{\mathrm{\&Sigma;}}\left(\frac{1}{R_L(u,v)+\mathrm{\&delta;}}\underset{i}{\mathrm{\&Sigma;}}{f}_{\mathrm{uv}}^i\right)\right)$

其中，R_L(u,v)表示物理链路uv剩余资源，

表示虚拟网i中与关键虚拟节点m相连的虚拟链路在物理链路uv上占用的资源，uv表示从物理节点u到物理节点v的链路，δ为一大于0的数，L_s表示物理链路集合。

Images