CN103888371A - 一种虚拟网络映射的方法和装置 - Google Patents

Abstract

本发明公开了一种虚拟网络映射的方法和装置，包括：获得网络负载随时间变化的网络负载变化历史曲线；使用余弦趋势函数对所述网络负载变化历史曲线进行拟合；根据拟合曲线和网络负载临界值获得节能控制因子；当网络处于高负载阶段时，采用负载均衡虚拟网络映射，当网络进入低负载阶段时，如果满足节能虚拟网络映射的触发条件则采用节能虚拟网络映射，否则采用负载均衡虚拟网络映射。本发明实现了自适应节能虚拟网络映射，能够根据历史网络业务流量的规律和底层网络拓扑的资源情况，制定出一套节能映射方案，并能够结合当前网络业务流量的情况，自适应地调节该映射方案，使其在保障服务质量的前提下，降低网络总体能耗。

Description

一种虚拟网络映射的方法和装置

技术领域

本发明涉及计算机网络技术领域，特别涉及网络虚拟化技术领域，涉及一种实现节能虚拟网络映射的方法和装置。

背景技术

网络虚拟化是一种抽象底层物理网络基础设施的技术。其核心机制是，服务提供商（Service Provider，SP）根据用户动态变化的业务需求向设备提供商（InfrastructureProvider，InP）发出虚拟网络请求，设备提供商根据底层网络拓扑以及节点和链路的资源使用情况，将虚拟网络请求映射到底层网络，从而为用户提供灵活、多样化的服务，同时增强网络的可控性。利用网络虚拟化对网络资源的管控能力和对用户行为规律的统计分析，网络资源可以得到更加高效的分配和使用，进而能够增加网络资源的能效性，降低网络总体能耗。

随着网络通信技术和应用的不断发展，其电力消耗越来越大。据权威统计，仅在2009年，我国3家电信运营企业的电力消耗就达到了289亿度，能耗总量折合为440.7万吨标准煤，可见其能耗的巨大，同时，与其他高新产业相比，其中也具有很大的节能空间。

根据对用户行为的分析可以发现，网络中的业务流量存在明显的潮汐效应，而网络资源通常是根据网络业务流量峰值进行部署以保障服务质量的，而在网络低负载阶段，大部分网络资源处于空转状态，造成了低能效高能耗的能源浪费。

虚拟网络请求向底层物理网络的映射问题，即虚拟网络映射问题包含了对底层网络资源的分配调度方案。目前与其相关的解决方案普遍的追求方向是：提高虚拟网络请求接受率，提高映射操作的收益，降低映射操作的支出，均衡节点，以及均衡链路压力等效果，而没有结合网络中实际业务流量的情况，从网络整体能耗角度出发，在保障网络服务质量的前提下，尽量地节约能耗。

综上所述，在进行虚拟网络映射的过程中，如何更好地根据网络业务流量情况以及用户行为特点，对底层网络资源能力进行分配和调度，在保证网络服务质量的前提下，如何节约网络整体能耗，是目前虚拟网络映射技术领域的一个非常实用并且亟待解决的问题。

发明内容

有鉴于此，本发明提供一种虚拟网络映射的方法和装置，以根据网络业务流量情况以及用户行为特点，对底层网络资源能力进行分配和调度，在保证网络服务质量的前提下，保证网络整体能耗的降低。

本发明的技术方案是这样实现的：

一种虚拟网络映射的方法，包括：

当网络处于高负载阶段时，采用负载均衡虚拟网络映射；

当网络进入低负载阶段时，判断是否满足节能虚拟网络映射的触发条件，如果满足，则采用节能虚拟网络映射，否则，采用负载均衡虚拟网络映射。

进一步，通过如下方法确定进入高负载阶段和进入低负载阶段的时间：

采集网络流量的历史数据，在业务请求时间范围中，获得网络负载随时间变化的网络负载变化历史曲线；

使用余弦趋势函数对所述网络负载变化历史曲线进行拟合，并使得拟合曲线与实际网络负载变化历史曲线之间的误差最小；

根据所述拟合曲线和网络负载临界值获得节能控制因子；

根据所述节能控制因子确定进入高负载阶段和进入低负载阶段的时间。

进一步，所述余弦趋势函数为：

ρ_t＝β₀+β₁cos(2πft)+β₂sin(2πft)

其中，ρ_t是t时刻的网络负载拟合数据，cos(2πft)和sin(2πft)是回归变量，β₀、β₁和β₂是回归系数。

进一步，所述节能控制因子通过下式获得：

ρ^th＝β₀+β₁cos(2πft)+β₂sin(2πft)

其中，ρ^th为网络负载临界值，当网络负载大于ρ^th时，网络系统处于高负载阶段，否则网络系统处于低负载阶段；

当网络负载为ρ^th时，得到

或者

所述

和

即为节能控制因子，所述

和

分别表示低负载阶段开始和结束的时间点；

当时间处于

时，网络处于高负载阶段；

当时间处于

时，网络处于低负载阶段；

当时间处于

时，网络处于高负载阶段；

其中，为一天的结束时间。

进一步，当网络处于低负载阶段并且采用节能虚拟网络映射时：

实时判断是否满足负载均衡虚拟网络映射的触发条件，如果满足，则采用负载均衡虚拟网络映射，否则，继续采用节能虚拟网络映射。

进一步，所述节能虚拟网络映射的触发条件为：临界误差值小于临界误差值上限；

所述负载均衡虚拟网络映射的触发条件为：临界误差值大于误差值上限。

进一步，所述临界误差值上限的取值范围是(0,1-ρ^th)。

进一步，所述临界误差值为所述拟合曲线与当前网络负载的临界误差值，其表示为：

$\mathrm{TE}=\frac{\underset{{t=t}_1}{\overset{t_n}{\mathrm{\Σ}}}\left\{\begin{array}{cc}\mathrm{\ρ}\left(t\right)-\widehat{\mathrm{\ρ}}\left(t\right)& ,\widehat{\mathrm{\ρ}}\left(t\right)\≤\mathrm{\ρ}\left(t\right)\\ 0& \widehat{,\mathrm{\ρ}}\left(t\right)>\mathrm{\ρ}\left(t\right)\end{array}\right.}{t_n-t_1}$

其中，

表示拟合曲线输出值，ρ(t)表示当前网络负载的输出值，t₁是统计开始时间，t_n是当前时间，TE表示当前网络负载输出值大于所述拟合曲线输出值的临界误差值。

进一步，所述节能虚拟网络映射包括：

采用Warshall算法在保证网络最小连通性的前提下，按照网络链路带宽容量升序将富余链路关闭；

采用混合整数线性规划MIP方法，根据节能虚拟网络映射目标函数确定虚拟网络请求在底层网络中各节点和链路资源的分配情况；

其中，所述节能虚拟网络映射目标函数包括：

节点映射阶段：

$\min \mathrm{\α}\underset{n{\∈N}^S}{\mathrm{\Σ}}(\frac{p\left(n\right)}{\mathrm{op}\left(n\right)}+\mathrm{\μ}\·\mathrm{active}\left(n\right))\underset{m{\∈N}^V}{\mathrm{\Σ}}{x}_{\mathrm{mn}}p\left(n\right)+\underset{\mathrm{uv}{\∈\mathrm{ML}}^S}{\mathrm{\Σ}}(\frac{b(u,v)}{\mathrm{ob}(u,v)+\mathrm{\δ}}+\mathrm{\μ}\·\mathrm{ON}(u,v))\underset{i{\∈L}^V}{\mathrm{\Σ}}{f}_{\mathrm{uv}}^i$

链路映射阶段：

$\min \underset{\mathrm{uv}{\∈\mathrm{ML}}^S}{\mathrm{\Σ}}(\frac{b(u,v)}{\mathrm{ob}(u,v)+\mathrm{\δ}}+\mathrm{\μ}\·\mathrm{ON}(u,v))\underset{{i\∈L}^V}{\mathrm{\Σ}}{f}_{\mathrm{uv}}^i$

其中，n、u、v为底层节点编号，p(n)为节点剩余CPU资源；op(n)为节点最大CPU容量；b(u,v)为链路剩余带宽资源；ob(u,v)为链路最大带宽资源；δ为大于0的实数，用于防止分母为0；μ为大于1的实数，用于确保选中未被占用的节点或者链路时加上一个跳变值；x_mn和

分别表示对所述虚拟网络请求的资源分配情况；α为节点与链路的能耗比；N^S为底层节点集合；L^V为虚拟链路集合；active(n)和ON(u,v)分别为底层节点和链路的开关状态，当底层节点或链路处于开启状态时，active(n)和ON(u,v)为1，否则为0；ML^S为一可变链路集合，当对一个虚拟网络请求进行第一次映射时，ML^S定义为当前处于开启ON状态的链路集合，如果映射失败，ML^S定义为所有链路集合，并对该虚拟网络请求进行重映射，映射成功后，按需开启处于关闭OFF状态的链路。

一种虚拟网络映射的装置，包括：

网络历史数据采集单元，用于采集网络流量的历史数据，在业务请求时间范围中，获得网络负载随时间变化的网络负载变化历史曲线；

余弦趋势拟合单元，用于使用余弦趋势函数对所述网络负载变化历史曲线进行拟合，并使得拟合曲线与实际网络负载变化历史曲线之间的误差最小；

负载阶段确定单元，用于根据所述拟合曲线和网络负载临界值获得节能控制因子，并根据所述节能控制因子确定进入高负载阶段和进入低负载阶段的时间；

虚拟网络映射单元，用于当网络处于高负载阶段时，采用负载均衡虚拟网络映射，当网络进入低负载阶段时，判断是否满足节能虚拟网络映射的触发条件，如果满足，则采用节能虚拟网络映射，否则，采用负载均衡虚拟网络映射。

从上述方案可以看出，本发明的上述虚拟网络映射的方法和装置实现了自适应节能虚拟网络映射，能够根据历史网络业务流量的规律和底层网络拓扑的资源情况，制定出一套节能映射方案，并能够结合当前网络业务流量的情况，自适应地调节该映射方案，使其在保障服务质量的前提下，降低网络总体能耗。

附图说明

图1为本发明的虚拟网络映射的方法的实施例流程图；

图2为本发明的虚拟网络映射的方法中实现关闭底层链路的实施例流程图；

图3为本发明的虚拟网络映射的方法中实现节能虚拟网络映射的实施例流程图；

图4为本发明的虚拟网络映射的装置的实施例流程图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下参照附图并举实施例，对本发明作进一步详细说明。

本发明实施例涉及如下几项定义。

1）网络负载趋势拟合函数ρ_t

ρ_t＝β₀+β₁cos(2πft)+β₂sin(2πft)

其中，ρ_t是t时刻的网络负载拟合数据，cos(2πft)和sin(2πft)是回归变量，β₀、β₁和β₂是回归系数。

2）网络系统负载ρ

$\mathrm{\ρ}=\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}(\underset{n\∈N_i^V}{\mathrm{\Σ}}{\mathrm{CPU}}_i^n+\underset{\mathrm{uv}\∈L_i^V}{\mathrm{\Σ}}k\·{\mathrm{BW}}_i^{\mathrm{uv}})}{\underset{n\∈N^S}{\mathrm{\Σ}}{\mathrm{CPU}}^n+\underset{\mathrm{uv}{\∈L}^S}{\mathrm{\Σ}}{\mathrm{BW}}^{\mathrm{uv}}}$

其中，

是指当前底层网络所映射的虚拟网络请求i所占用的节点CPU（Central Processing Unit，中央处理器）资源，相应地，

是指当前底层网络所映射的虚拟网络请求i所占用的链路带宽资源，其中k表示虚拟链路uv在底层网络所占用的路径长度；是指底层网络总的节点CPU资源，相应地，

是指总的链路带宽资源。

3）节能控制因子

${\mathrm{\ρ}}^{\mathrm{th}}={\mathrm{\β}}_0+{\mathrm{\β}}_1\cos \left(2\mathrm{\πft}\right)+{\mathrm{\β}}_2\sin \left(2\mathrm{\πft}\right),t=t_{\mathrm{begin}}^{\mathrm{low}},\mathrm{or},t_{\mathrm{end}}^{\mathrm{low}}$

其中，ρth表示网络系统负载临界值，当网络系统负载大于ρ^th时，网络系统处于高负载阶段，否则网络系统处于低负载阶段；

分别表示低负载阶段开始和结束的时间点。

4）临界误差值TE

$\mathrm{TE}=\frac{\underset{{t=t}_1}{\overset{t_n}{\mathrm{\Σ}}}\left\{\begin{array}{cc}\mathrm{\ρ}\left(t\right)-\widehat{\mathrm{\ρ}}\left(t\right)& ,\widehat{\mathrm{\ρ}}\left(t\right)\≤\mathrm{\ρ}\left(t\right)\\ 0& \widehat{,\mathrm{\ρ}}\left(t\right)>\mathrm{\ρ}\left(t\right)\end{array}\right.}{t_n-t_1}$

其中，TE表示当前网络负载输出值大于拟合曲线输出值的临界误差，表示拟合曲线输出值，ρ(t)表示当前网络负载的输出值，t₁是统计开始时间，t_n是当前时间。拟合曲线与当前网络负载的临界误差值TE随当前网络负载的变化而不断变化。

5）能耗模型C_energy(t)

$C_{\mathrm{energy}}^{\mathrm{node}}=\left\{\begin{array}{c}\mathrm{\α},\mathrm{active}\\ 0,\mathrm{inactive}\end{array}\right.,C_{\mathrm{energy}}^{\mathrm{link}}=\left\{\begin{array}{c}1,\mathrm{ON}\\ 0,\mathrm{OFF}\end{array}\right.$

其中，是指底层物理节点的能耗单位，由节点所处状态决定，

是指底层物理链路的能耗单位，由链路所处状态决定，

包括链路本身的能耗以及相应线路卡的能耗，α是节点与链路的能耗比。

$C_{\mathrm{energy}}\left(t\right)=\mathrm{\α}\underset{v\∈V}{\mathrm{\Σ}}\mathrm{active}(t,v)+\underset{l\∈L}{\mathrm{\Σ}}\mathrm{ON}(t,l)$

其中，C_energy(t)是t时刻网络的总能耗；如果当前节点处于active状态，则active(t,v)返回1，否则返回0；如果当前链路处于ON状态，则ON(t,l)返回1，否则返回0。

根据上述定义，本发明实施例公开了一种实现自适应节能虚拟网络映射的方法，包括：一是提出了自适应虚拟网络映射算法选择方案，首先根据网络负载趋势拟合曲线与网络负载临界值ρ^th确定出网络高负载阶段和网络低负载阶段。在网络高负债阶段，采用负载均衡虚拟网络映射算法，在网络低负载阶段使用节能虚拟网络映射算法，并根据当前网络负载情况，调整映射算法，确保网络服务质量；二是提出了一种节能虚拟网络映射算法，对当前底层虚拟网络上的虚拟网络请求进行迁移，整合碎片化资源，在满足网络需求的前提下，使尽可能多的节点进入inactive状态，在满足网络连通性的前提下，是尽可能多的链路进入OFF状态。当对虚拟网络请求进行映射时，可以根据网络当前的资源分配情况，尽可能地将其分配到处于active和ON的节点和链路上，以降低网络的整体能耗。

本发明实施例公开的实现自适应节能虚拟网络映射的方法，包括：

当网络处于高负载阶段时，采用负载均衡虚拟网络映射；

当网络进入低负载阶段时，判断是否满足节能虚拟网络映射的触发条件，如果满足，则采用节能虚拟网络映射，否则，采用负载均衡虚拟网络映射。

其中，进入高负载阶段和进入低负载阶段的时间，通过如下方法确定：

采集网络流量的历史数据，在业务请求时间范围中，获得网络负载随时间变化的网络负载变化历史曲线；

使用余弦趋势函数对所述网络负载变化历史曲线进行拟合，并使得拟合曲线与实际网络负载变化历史曲线之间的误差最小；

根据所述拟合曲线和网络负载临界值获得节能控制因子；

根据所述节能控制因子确定进入高负载阶段和进入低负载阶段的时间。

本发明实施例中，所采用的余弦趋势函数为：

ρ_t＝β₀+β₁cos(2πft)+β₂sin(2πft)

其中，ρ_t是t时刻的网络负载拟合数据，cos(2πft)和sin(2πft)是回归变量，β₀、β₁和β₂是回归系数，f为流量采样频率。

经过拟合之后，便可获得β₀、β₁和β₂等相关系数，进而可获得关于ρ_t随t变化的拟合曲线。

将ρ^th带入上述拟合曲线后，可得到公式：获得

ρ^th＝β₀+β₁cos(2πft)+β₂sin(2πft)

所述节能控制因子便通过该式获得。

其中，ρ^th为网络负载临界值，当网络负载大于ρ^th时，网络系统处于高负载阶段，否则网络系统处于低负载阶段。当网络负载为ρ^th时，可得到t的两个值，即

或者

所述

和

即为节能控制因子，所述

和

分别表示低负载阶段开始和结束的时间点；当时间处于

时，网络处于高负载阶段；当时间处于

时，网络处于低负载阶段；当时间处于

时，网络处于高负载阶段；其中，

为一天的结束时间。

本发明实施例中，当网络处于低负载阶段并且采用节能虚拟网络映射时：实时判断是否满足负载均衡虚拟网络映射的触发条件，如果满足，则采用负载均衡虚拟网络映射，否则，继续采用节能虚拟网络映射。所述节能虚拟网络映射的触发条件为：临界误差值小于临界误差值上限；所述负载均衡虚拟网络映射的触发条件为：临界误差值大于误差值上限。其中临界误差值上限设为TH，该临界误差值上限的取值范围是TH∈(0,1-ρ^th)，其中ρ^th为网络负载临界值，根据用户Qos要求按照经验值设置。

其中，所述临界误差值为所述拟合曲线与当前网络负载的临界误差值，其表示为：

$\mathrm{TE}=\frac{\underset{{t=t}_1}{\overset{t_n}{\mathrm{\Σ}}}\left\{\begin{array}{cc}\mathrm{\ρ}\left(t\right)-\widehat{\mathrm{\ρ}}\left(t\right)& ,\widehat{\mathrm{\ρ}}\left(t\right)\≤\mathrm{\ρ}\left(t\right)\\ 0& \widehat{,\mathrm{\ρ}}\left(t\right)>\mathrm{\ρ}\left(t\right)\end{array}\right.}{t_n-t_1}$

其中，

表示拟合曲线输出值，ρ(t)表示当前网络负载的输出值，t₁是统计开始时间，t_n是当前时间，TE表示当前网络负载输出值大于所述拟合曲线输出值的临界误差值。

以下对上述临界误差以及高低负载阶段的触发过程进行进一步说明。

首先引入拟合曲线与当前网络负载的临界误差值TE，其表示如上式所示。

其次，本发明实施例中高低负载阶段共包括3个阶段。

阶段1：

按照余弦趋势规律，阶段1时网络处于高负载阶段，该阶段选择负载均衡虚拟网络映射算法，以保障网络服务质量，并计算临界误差值TE₁。

阶段2：

按照余弦趋势规律，阶段2开始时网络开始进入低负载阶段。

判断阶段1中计算的临界误差值，如果TE₁大于临界误差值上限，则当天被判断为异常情况，为保障网络服务质量，将继续采用负载均衡虚拟网络映射算法；否则，如果TE₁小于临界误差值上限（节能虚拟网络映射的触发条件），选择节能虚拟网络映射算法以提高能效，并以

为开始时刻计算临界误差值TE₂，并实时判断TE₂是否大于临界误差值上限，当TE₂大于临界误差值上限时，说明业务请求出现异常高值情况，为保障服务质量，开始采用负载均衡虚拟网络映射算法。

阶段3：

按照余弦趋势规律，阶段3中网络将再次进入高负载阶段，为保障服务质量，将采用负载均衡虚拟网络映射算法。

本发明中，所采用的节能虚拟网络映射包括：

采用Warshall算法在保证网络最小连通性的前提下，按照网络链路带宽容量升序将富余链路关闭；

采用MIP（Mixed-integer Programming，混合整数线性规划）方法，根据节能虚拟网络映射目标函数确定虚拟网络请求在底层网络中各节点和链路资源的分配情况；

其中，所述节能虚拟网络映射目标函数包括：

节点映射阶段：

$\min \mathrm{\α}\underset{n{\∈N}^S}{\mathrm{\Σ}}(\frac{p\left(n\right)}{\mathrm{op}\left(n\right)}+\mathrm{\μ}\·\mathrm{active}\left(n\right))\underset{m{\∈N}^V}{\mathrm{\Σ}}{x}_{\mathrm{mn}}p\left(n\right)+\underset{\mathrm{uv}{\∈\mathrm{ML}}^S}{\mathrm{\Σ}}(\frac{b(u,v)}{\mathrm{ob}(u,v)+\mathrm{\δ}}+\mathrm{\μ}\·\mathrm{ON}(u,v))\underset{i{\∈L}^V}{\mathrm{\Σ}}{f}_{\mathrm{uv}}^i$

链路映射阶段：

$\min \underset{\mathrm{uv}{\∈\mathrm{ML}}^S}{\mathrm{\Σ}}(\frac{b(u,v)}{\mathrm{ob}(u,v)+\mathrm{\δ}}+\mathrm{\μ}\·\mathrm{ON}(u,v))\underset{{i\∈L}^V}{\mathrm{\Σ}}{f}_{\mathrm{uv}}^i$

其中，n、u、v为底层节点编号，p(n)为节点剩余CPU资源；op(n)为节点最大CPU容量；b(u,v)为链路剩余带宽资源；ob(u,v)为链路最大带宽资源；δ为大于0的实数，用于防止分母为0；μ为大于1的实数，用于确保选中未被占用的节点或者链路时加上一个跳变值；x_mn和

分别表示对所述虚拟网络请求的资源分配情况；α为节点与链路的能耗比；N^S为底层节点集合；L^V为虚拟链路集合；active(n)和ON(u,v)分别为底层节点和链路的开关状态,当底层节点或链路处于开启状态时，active(n)和ON(u,v)为1，否则为0；ML^S为一可变链路集合，当对一个虚拟网络请求进行第一次映射时，ML^S定义为当前处于开启ON状态的链路集合，如果映射失败，ML^S定义为所有链路集合，并对该虚拟网络请求进行重映射，映射成功后，按需开启处于关闭OFF状态的链路。

如图1所示，为本发明的虚拟网络映射的方法的一个实施例流程图。本实施例实现了根据历史网络负载趋势选择虚拟网络映射算法的机制，同时可以根据当前网络负载特性自适应调节虚拟网络映射算法。其包括以下步骤：

步骤101、使用余弦趋势函数拟合历史网络负载趋势，之后进入步骤102；

步骤102：根据网络负载趋势拟合曲线ρ_t和网络系统负载临界值ρ^th计算控制因子

之后进入步骤103；

步骤103、判断当前时间所属范围，如果属于执行步骤104，如果属于执行步骤105；如果属于

执行步骤108；

步骤104、采用负载均衡虚拟网络映射算法，并计算临界误差值TE₁，之后进入步骤105；

步骤105、比较临界误差值TE₁与临界误差值上限，如果TE₁小于临界误差值上限，则执行步骤106，否则执行步骤108；

步骤106、采用节能虚拟网络映射算法，并从

开始计算临界误差值TE₂，之后进入步骤107；

步骤107、比较临界误差值TE₂与临界误差值上限，如果TE₂小于临界误差值上限，则执行步骤106，否则执行步骤108；

步骤108、采用负载均衡虚拟网络映射算法。

图2所示为本发明中，实现关闭底层链路的方法的一个实施例流程图。在本实施例中，利用Warshall算法判断底层网络连通性。其包括以下步骤：

步骤201、根据底层网络的拓扑情况计算邻接矩阵，之后进入步骤202；

步骤202、将底层链路按照其的带宽容量从小到大的顺序排序，之后进入步骤203；

步骤203、按照链路带宽容量升序顺序遍历底层链路，关闭当前底层链路中链路带宽容量最小的链路，并使用Warshall算法判断关闭该链路后底层网络是否连通，如果连通则执行步骤204，否则执行205；

步骤204、根据步骤203关闭的底层链路，更新底层网络邻接矩阵，之后进入步骤203；

步骤205、判断当前是否遍历了所有底层链路，如果遍历结束，则执行步骤206，否则执行步骤203；

步骤206、输出底层网络邻接矩阵。

其中，Warshall算法为本领域已有技术，可参考2013年24期《西江月》中的《一种判定的无向图连通性的快速Warshall算法》的介绍。

如图3所示，为本发明实现节能虚拟网络映射的方法的一个实施例流程图。本实施例中，利用MIP（Mixed-integer Programming，混合整数线性规划）方法根据节能虚拟网络映射目标函数确定虚拟网络请求在底层网络中各节点和链路资源的分配情况。该目标函数可以根据网络当前的资源使用情况，对下一虚拟网络请求进行映射，使其尽量不占用未开启的链路和未激活的节点。当有虚拟网络请求离开时，还利用该目标函数对当前底层网络的资源进行重分配，防止碎片化。根据虚拟网络请求的到达和离开，将触发网络资源分配。其包括以下步骤：

步骤301、设置节能虚网映射目标函数的参数α和μ，之后进入步骤302；其中α是处于active（激活）状态的节点和处于ON（开启）状态的链路耗能比，节点耗能主要包括CPU处理器的耗能，链路耗能包括线路耗能、传输中继器耗能以及相应两端线卡的耗能；

步骤302：按照图2所示的关闭底层链路的方法关闭底层网络链路，之后进入步骤303；

步骤303：对当前底层网络上的虚拟网络请求按照节能虚网映射目标函数进行重映射，之后进入步骤304；本步骤303一方面可以使更多的节点和链路处于inactive（非激活）和OFF（关闭）状态，节约能耗，另一方面可以防止资源碎片化提高后续虚拟网络请求映射成功的几率，并按需开启额外占用的链路；

步骤304、当前有虚拟网络请求事件发生，如果是虚拟网络请求到达事件，则执行步骤305，如果是虚拟网络请求离开事件，则执行步骤306；

步骤305、使用MIP方法对到达的虚拟网络请求进行节点和链路映射，之后进入步骤304；其中目标函数是节能虚网映射目标函数，并按需开启处于OFF状态的链路；

步骤306、释放要离开的虚拟网络请求所占用的底层网络资源，之后进入步骤302。

本发明中，负载均衡虚拟网络映射可采用本领域已有的方法实现，此处不再赘述。

本发明实施例还提供了一种虚拟网络映射的装置，如图4所示，其包括：

网络历史数据采集单元1，用于采集网络流量的历史数据，在业务请求时间范围中，获得网络负载随时间变化的网络负载变化历史曲线；

余弦趋势拟合单元2，用于使用余弦趋势函数对所述网络负载变化历史曲线进行拟合，并使得拟合曲线与实际网络负载变化历史曲线之间的误差最小；

负载阶段确定单元3，用于根据所述拟合曲线和网络负载临界值获得节能控制因子，并根据所述节能控制因子确定进入高负载阶段和进入低负载阶段的时间；

虚拟网络映射单元4，用于当网络处于高负载阶段时，采用负载均衡虚拟网络映射，当网络进入低负载阶段时，判断是否满足节能虚拟网络映射的触发条件，如果满足，则采用节能虚拟网络映射，否则，采用负载均衡虚拟网络映射。

进一步地，所述虚拟网络映射单元4还包括有负载均衡虚拟网络映射单元401和节能虚拟网络映射单元402，所述负载均衡虚拟网络映射单元401用于进行负载均衡虚拟网络映射，所述节能虚拟网络映射单元402用于进行节能虚拟网络映射。

本发明提供的虚拟网络映射的方法和装置实现了自适应节能虚拟网络映射，能够根据历史网络业务流量的规律和底层网络拓扑的资源情况，制定出一套节能映射方案，并能够结合当前网络业务流量的情况，自适应地调节该映射方案，使其在保障服务质量的前提下，降低网络总体能耗。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。

Claims (10)

1.一种虚拟网络映射的方法，包括：

当网络处于高负载阶段时，采用负载均衡虚拟网络映射；

当网络进入低负载阶段时，判断是否满足节能虚拟网络映射的触发条件，如果满足，则采用节能虚拟网络映射，否则，采用负载均衡虚拟网络映射。

2.根据权利要求1所述的虚拟网络映射的方法，其特征在于，通过如下方法确定进入高负载阶段和进入低负载阶段的时间：

采集网络流量的历史数据，在业务请求时间范围中，获得网络负载随时间变化的网络负载变化历史曲线；

使用余弦趋势函数对所述网络负载变化历史曲线进行拟合；

根据所述拟合曲线和网络负载临界值获得节能控制因子；

根据所述节能控制因子确定进入高负载阶段和进入低负载阶段的时间。

3.根据权利要求2所述的虚拟网络映射的方法，其特征在于，所述余弦趋势函数为：

ρ_t＝β₀+β₁cos(2πft)+β₂sin(2πft)

其中，ρ_t是t时刻的网络负载拟合数据，cos(2πft)和sin(2πft)是回归变量，β₀、β₁和β₂是回归系数。

4.根据权利要求3所述的虚拟网络映射的方法，其特征在于：

所述节能控制因子通过下式获得：

ρ^th＝β₀+β₁cos(2πft)+β₂sin(2πft)

其中，ρ^th为网络负载临界值，当网络负载大于ρ^th时，网络系统处于高负载阶段，否则网络系统处于低负载阶段；

当网络负载为ρ^th时，得到或者

所述和

即为节能控制因子，所述

和

分别表示低负载阶段开始和结束的时间点；

当时间处于

时，网络处于高负载阶段；

当时间处于

时，网络处于低负载阶段；

当时间处于

时，网络处于高负载阶段；

其中，

为一天的结束时间。

5.根据权利要求2所述的虚拟网络映射的方法，其特征在于，当网络处于低负载阶段并且采用节能虚拟网络映射时：

实时判断是否满足负载均衡虚拟网络映射的触发条件，如果满足，则采用负载均衡虚拟网络映射，否则，继续采用节能虚拟网络映射。

6.根据权利要求5所述的虚拟网络映射的方法，其特征在于：所述节能虚拟网络映射的触发条件为：临界误差值小于临界误差值上限；

所述负载均衡虚拟网络映射的触发条件为：临界误差值大于临界误差值上限。

7.根据权利要求6所述的虚拟网络映射的方法，其特征在于：所述临界误差值上限的取值范围是(0,1-ρ^th)。

8.根据权利要求6所述的虚拟网络映射的方法，其特征在于：

所述临界误差值为所述拟合曲线与当前网络负载的临界误差值，其表示为：

$\mathrm{TE}=\frac{\underset{{t=t}_1}{\overset{t_n}{\mathrm{\Σ}}}\left\{\begin{array}{cc}\mathrm{\ρ}\left(t\right)-\widehat{\mathrm{\ρ}}\left(t\right)& ,\widehat{\mathrm{\ρ}}\left(t\right)\≤\mathrm{\ρ}\left(t\right)\\ 0& \widehat{,\mathrm{\ρ}}\left(t\right)>\mathrm{\ρ}\left(t\right)\end{array}\right.}{t_n-t_1}$

其中，

为拟合曲线输出值，ρ(t)为当前网络负载的输出值，t₁为统计开始时间，t_n为当前时间，TE为当前网络负载输出值大于所述拟合曲线输出值的临界误差值。

9.根据权利要求1所述的虚拟网络映射的方法，其特征在于，所述节能虚拟网络映射包括：

采用Warshall算法在保证网络最小连通性的前提下，按照网络链路带宽容量升序将富余链路关闭；

采用混合整数线性规划MIP方法，根据节能虚拟网络映射目标函数确定虚拟网络请求在底层网络中各节点和链路资源的分配情况；

其中，所述节能虚拟网络映射目标函数包括：

节点映射阶段：

$\min \mathrm{\α}\underset{n{\∈N}^S}{\mathrm{\Σ}}(\frac{p\left(n\right)}{\mathrm{op}\left(n\right)}+\mathrm{\μ}\·\mathrm{active}\left(n\right))\underset{m{\∈N}^V}{\mathrm{\Σ}}{x}_{\mathrm{mn}}p\left(n\right)+\underset{\mathrm{uv}{\∈\mathrm{ML}}^S}{\mathrm{\Σ}}(\frac{b(u,v)}{\mathrm{ob}(u,v)+\mathrm{\δ}}+\mathrm{\μ}\·\mathrm{ON}(u,v))\underset{i{\∈L}^V}{\mathrm{\Σ}}{f}_{\mathrm{uv}}^i$

链路映射阶段：

$\min \underset{\mathrm{uv}{\∈\mathrm{ML}}^S}{\mathrm{\Σ}}(\frac{b(u,v)}{\mathrm{ob}(u,v)+\mathrm{\δ}}+\mathrm{\μ}\·\mathrm{ON}(u,v))\underset{{i\∈L}^V}{\mathrm{\Σ}}{f}_{\mathrm{uv}}^i$

其中，n、u、v为底层节点编号，p(n)为节点剩余CPU资源；op(n)为节点最大CPU容量；b(u,v)为链路剩余带宽资源；ob(u,v)为链路最大带宽资源；δ为大于0的实数，用于防止分母为0；μ为大于1的实数，用于确保选中未被占用的节点或者链路时加上一个跳变值；x_mn和

分别表示对所述虚拟网络请求的资源分配情况；α为节点与链路的能耗比；N^S为底层节点集合；L^V为虚拟链路集合；active(n)和ON(u,v)分别为底层节点和链路的开关状态，当底层节点或链路处于开启状态时，active(n)和ON(u,v)为1，否则为0；ML^S为一可变链路集合，当对一个虚拟网络请求进行第一次映射时，ML^S定义为当前处于开启ON状态的链路集合，如果映射失败，ML^S定义为所有链路集合，并对该虚拟网络请求进行重映射，映射成功后，按需开启处于关闭OFF状态的链路。

10.一种虚拟网络映射的装置，其特征在于，包括：

网络历史数据采集单元，用于采集网络流量的历史数据，在业务请求时间范围中，获得网络负载随时间变化的网络负载变化历史曲线；

余弦趋势拟合单元，用于使用余弦趋势函数对所述网络负载变化历史曲线进行拟合，并使得拟合曲线与实际网络负载变化历史曲线之间的误差最小；

负载阶段确定单元，用于根据所述拟合曲线和网络负载临界值获得节能控制因子，并根据所述节能控制因子确定进入高负载阶段和进入低负载阶段的时间；

虚拟网络映射单元，用于当网络处于高负载阶段时，采用负载均衡虚拟网络映射，当网络进入低负载阶段时，判断是否满足节能虚拟网络映射的触发条件，如果满足，则采用节能虚拟网络映射，否则，采用负载均衡虚拟网络映射。

Images