CN103916266A - 一种主动休眠节点和链路的高效节能虚拟网络映射算法 - Google Patents

Abstract

本发明公开了一种主动休眠节点和链路的高效节能虚拟网络映射算法，包括构建虚拟网络映射及其能耗模型、构建虚拟网络映射多目标决策模型和底层网络资源主动休眠三个步骤。本发明通过考虑虚拟网络映射成本收益比以及系统能耗，提出多目标决策的虚拟网络映射能耗模型，在保证虚拟网络映射收益成本比的前提下降低系统能耗；由于该模型是混合整数规划模型，求解时间复杂度高，作者通过分析虚拟网络映射动态特征，定义系统饱和与非饱和状态，并提出主动休眠底层节点和链路的方法，把虚拟网络映射在一个较小的节点和链路集合中，从而减小映射路径长度，提高收益成本比、休眠节点和链路数量，有效节约系统能耗。

Description

一种主动休眠节点和链路的高效节能虚拟网络映射算法

【技术领域】

本发明涉及映射算法的技术领域，特别是主动休眠节点和链路的高效节能虚拟网络映射算法的技术领域。 

【背景技术】

随着电力成本不断上涨和人们生态意识的提高，网络运营商已经意识到能耗管理的重要性，减少能耗已成为亟待解决的问题。当前网络为高峰负荷而设计，网络资源超量供给确保了网络的正常运行，然而也导致资源利用率低下。据统计，大型ISP骨干网的平均链路利用率大约30-40％，数据中心服务器的平均利用率为11％～50％。过低的利用率造成了巨大的电能浪费，促使绿色网络研究的兴起，网络能耗问题成为研究热点。 

网络虚拟化，是未来因特网、云计算和软件定义网络的重要技术。其通过整合网络基础设施资源，能够合理有效地使用能量，使得智能能量感知网络部署成为可能。虚拟网络映射是网络资源虚拟化的关键问题。当前大部分映射算法是基于代价的虚拟网络映射，即以最小底层资源代价映射虚拟网络请求，以此获得更多的底层物理资源，以提高虚拟网络映射接收率。然而，由于虚拟网络请求是一个动态变化过程，而底层物理网络根据流量峰值设计，基于代价的虚拟网络映射必然带来不必要的能耗。以节能为目标的虚拟网络化映射应在满足当前虚拟网络请求的前提下最小化能耗。由于当前网络设备对流量负荷的功耗不敏感^[13]，因此在不影响虚拟网络映射性能的情况下尽可能多关闭或休眠网络节点和链路是节能的有效方法。当前基于能量感知的虚拟网络映射通过修改 虚拟网络映射算法，使得虚拟网络尽可能映射到活动的节点和链路，以达到系统节能目的。目前相关节能感知映射算法是通过修改虚拟网络映射算法，被动地休眠网络节点和接口。 

【发明内容】

本发明的目的就是解决现有技术中的问题，提出一种主动休眠节点和链路的高效节能虚拟网络映射算法，能够把虚拟网络映射在一个较小的节点和链路集合中，从而减小映射路径长度，提高收益成本比、休眠节点和链路数量，有效节约系统能耗。 

为实现上述目的，本发明提出了一种主动休眠节点和链路的高效节能虚拟网络映射算法，依次包括以下步骤： 

a)构建虚拟网络映射及其能耗模型： 

a1)通过无向图对底层网络建模，其中N^s为底层网络的节点集合，L^s为底层网络的链路集合，为底层网络的节点属性集合，为底层网络的链路属性集合；通过无向图对虚拟网络建模，其中N^v为虚拟网络的节点集合，L^v为虚拟网络的链路集合，为虚拟网络的节点属性集合，为链路属性集合，设置节点属性为CPU处理器资源，链路属性为带宽资源； 

a2)底层网络能耗主要包括节点能耗和链路能耗两个部分，定义底层网络第i个节点能耗为：其中，P_b为节点的基本能耗，P_m为节点的最大能耗，u表示处理器利用率，P_l＝P_m-P_b，P_l为处理器利用率u的能耗因子；定义底层网络第j条链路能耗为：

a3)把虚拟网络的节点和链路映射到满足虚拟资源需求的底层网络的节点和链路，映射可进一步分为节点映射和链路映射：所述节点映射中一个虚拟网络的不同节点不允许映射到同一底层网络的节点，所述链路映射分为单路径 映射和多路径映射； 

b)构建虚拟网络映射多目标决策模型： 

采用分层法建模把虚拟网络映射能耗模型转化为虚拟网络映射多目标决策模型：设定收益成本比r/c和系统能耗PAver两个目标，并给出重要性序列：r/c，PAver；首先针对r/c目标，找到满足最大收益成本比r/c的虚拟网络映射解集合R₀，然后在R₀内，求满足最小系统能耗PAver的虚拟网络映射解集合R₁，具体虚拟网络映射的多目标决策模型如下： 

目标函数： $\min \underset{i\∈N^s}{\mathrm{\Σ}}{\mathrm{PN}}^i+\underset{j\∈L^s}{\mathrm{\Σ}}{\mathrm{PL}}^j;$

映射成本比最大化约束： $\max \frac{\underset{l^v\∈L^v}{\mathrm{\Σ}}\mathrm{bw}\left(l^v\right)+\underset{n^v\∈N^v}{\mathrm{\Σ}}\mathrm{CPU}\left(n^v\right)}{\underset{l^v\∈L^v}{\mathrm{\Σ}}\underset{l^s\∈L^s}{\mathrm{\Σ}}\mathrm{bw}(l^v,\mathrm{fp}{(}_{l^v}^{l^s}))+\underset{n^v\∈N^v}{\mathrm{\Σ}}\mathrm{CPU}\left(n^v\right)};$

容量约束： $(\∀u\∈N^v)(\∀j\∈N^s):x_j^u\·\mathrm{CPU}\left(u\right)\≤\mathrm{CPU}\left(j\right),$

$(\∀l_{\mathrm{jk}}\∈L^s)(\∀l_{\mathrm{uw}}\∈L^v):f_{\mathrm{jk}}^{\mathrm{uw}}\·\mathrm{BWL}\left(l_{\mathrm{uw}}\right)\≤\mathrm{BWL}\left(l_{\mathrm{jk}}\right);$

传输约束： $(\∀i,j\∈N^s):{\mathrm{LD}}_{\mathrm{BW}}^{i,j}=\underset{l_{\mathrm{uw}}\∈L^v}{\mathrm{\Σ}}{\mathrm{LD}}_{\mathrm{BW}}(u,w)x_i^u{x}_j^w;$

一个虚拟节点映射到一个底层节点的约束：

相同虚拟节点不能映射到同一底层节点的约束：

其中，CPU(j)表示如果j是底层节点，则CPU(j)是底层节点j剩余CPU资源量，如果j是虚拟节点，则CPU(j)是虚拟节点j请求的CPU资源量；BWL(l_jk)表示如果l_jk为底层链路，则BWL(l_jk)是底层链路l_jk剩余带宽，如果l_jk为虚拟链路，则BWL(l_jk)是虚拟链路l_jk请求带宽；为二进制变量，当虚拟节点u映射到底层节点j上，则否则NNo为虚拟网络节点数量；为二进制变量，当虚拟链路l_uw映射到底层链路l_jk上，则否则 表示底层节点i到j为虚拟网络分配的带宽总量，由一个或者多个虚拟链路l_uv带宽组成， LD_BW(u,w)为虚拟链路l_uv带宽，L^v为虚拟链路集合； 

c)底层网络资源主动休眠： 

c1)网络虚拟化动态特征及系统状态的描述：网络虚拟化动态特征包括虚拟网络、底层网络和虚拟网络映射算法动态特征，系统状态包括系统饱和状态以及系统非饱和状态；当系统处于非饱和状态时，底层网络具有足够的资源，能够映射所有的虚拟网络请求，虚拟网络接收率达到100％，系统收益达到最高值；当系统处于饱和状态，底层网络没有足够的资源，不能映射所有的虚拟网络请求，虚拟网络接收率小于100％； 

c2)底层网络节点和链路主动休眠算法： 

底层网络链路休眠数量：设R_v表示一个时间窗内到达的虚拟网络请求数量，其数学期望为E(R_v)；表示一个虚拟网络的链路数量，其数学期望为 表示一条虚拟链路带宽，其数学期望为S_v表示一个虚拟网络的生存时间，其数学期望为E(S_v)，计算映射的虚拟网络链路资源Res(VS^l),即  $\mathrm{Res}\left({\mathrm{VS}}^l\right)=E\left(R_v\right)\·E\left(B_v^l\right)\·E\left(N_v^l\right)\·E\left(S_v\right)\·\mathrm{mr},$ 在非饱和状态下，式  $\mathrm{Res}\left({\mathrm{VS}}^l\right)=E\left(R_v\right)\·E\left(B_v^l\right)\·E\left(N_v^l\right)\·E\left(S_v\right)\·\mathrm{mr}$ 中mr为1，是一个时间窗的虚拟网络请求链路资源的总和，设定链路资源整体利用率crl，通过链路资源整体利用率crl以及底层网络链路的总和，计算可使用的底层网络链路资源Res(S^l)，即Res(S^l)＝crl·∑bw^s，其中bw^s为底层网络带宽，∑bw^s为底层网络带宽总和；在非饱和状态下，可以休眠底层网络链路，以达到节能的目的，计算休眠的底层网络链路数量sleep^l公式如下： ${\mathrm{sleep}}^l=\mathrm{INT}\_(\mathrm{Res}\left(S^l\right)-\mathrm{Res}\left({\mathrm{VS}}^l\right))/E\left(B_s^l\right)),$ 其中，Res(S^l)为非饱和状态下的可以使用的底层网络链路资源，crl为通过训练所得，不同映射算法crl是不同的；Res(VS^l)表示一个时间窗的所有虚拟网络链路资源总量；表示一条底层网络链路带宽的数学期望；INT_表示取下整函数，根据sleep^l的计算结果，判断是否可以休眠链路：如果sleep^l大于0，说明可以 通过休眠底层网络链路的方式节能；如果小于等于0，则说明不能通过休眠链路的方式节能，否则将会影响系统收益以及虚拟网络映射成功率； 

底层网络节点休眠数量：设表示一个虚拟网络的节点数量，其数学期望为 表示一个虚拟节点CPU处理器资源量，其数学期望为计算映射的虚拟网络节点资源Res(VSⁿ),即在非饱和状态下，式中mr为1，是一个时间窗的虚拟网络请求节点资源的总和，设定节点资源整体利用率crn，通过节点资源整体利用率crn以及底层网络节点CPU资源量的总和，计算可使用的底层网络节点资源Res(Sⁿ)，即Res(Sⁿ)＝crn·∑CPU^s，其中CPU^s为底层网络CPU资源量，∑CPU^s为底层网络CPU资源量总和，在非饱和状态下，可以休眠底层网络节点，以达到节能的目的，计算休眠的底层网络节点数量sleepⁿ公式如下：  ${\mathrm{sleep}}^n=\mathrm{INT}\_\left(\right(\mathrm{Res}\left(S^n\right)-\mathrm{Res}\left({\mathrm{VS}}^n\right))/E\left(B_s^n\right)),$ 其中，Res(Sⁿ)为非饱和状态下的可以使用的底层网络节点资源，crn为通过训练所得，不同映射算法crn是不同的；Res(VSⁿ)表示一个时间窗的所有虚拟网络链路资源总量；表示一条底层网络节点CPU资源的数学期望，根据sleepⁿ的计算结果，判断是否可以休眠节点：如果sleepⁿ大于0，说明可以通过休眠底层节点的方式节能；如果小于等于0，则说明不能通过休眠节点的方式节能，否则将会影响系统收益以及虚拟网络映射成功率； 

用sln表示底层网络链路已经休眠的数量，用snn表示为底层网络节点已经休眠的数量，初始化所有的节点和链路为激活状态后计算底层网络节点的度；找到最小度的激活节点，休眠该底层网络节点以及与该节点相连的链路，并记录休眠底层网络节点和链路数量，更新底层网络节点的度，这样可以保证底层网络的连通性，运行过程应满足sln＜sleep^l and snn＜sleepⁿ条件，表示休眠底 层网络节点或链路两者必须同时不能超过计算的数量，否则将会影响收益成本比、系统收益及虚拟网络接收率。 

作为优选，所述步骤b)中根据不同的链路映射条件可以分为单路径链路映射与多路径链路映射；如果为单路径流flow，则映射为单路径链路映射，单路径流：在底层网络中，设path是底层节点s到t的一条无环路径，满足下述条件的函数flow称为s到t在path上的可行流： 

(1)容量限制条件：在path中的每条边(i,j)，满足0≤flow(l_ij)≤BWL(l_ij)； 

(2)方向条件：flow(l_ij)＝-flow(l_ji)，单路径流有方向性； 

(3)平衡条件：对于中间点，流出量等于流入量，即在path中的对每个u(u≠s,t),有 $\underset{(u,m)\∈N^s}{\mathrm{\Σ}}\mathrm{flow}\left(l_{\mathrm{um}}\right)=0;$ 对于s和t， $\underset{(s,p)\∈N^s}{\mathrm{\Σ}}\mathrm{flow}\left(l_{\mathrm{sp}}\right)=\underset{(q,t)\∈N^s}{\mathrm{\Σ}}\mathrm{flow}\left(l_{\mathrm{qt}}\right).$

如果为多路径流mflow，则映射为多路径链路映射，多路径流：在底层网络中，s和t是底层两个节点，则s到t的多路径流mflow由多条单路径流flow组成，同时满足一下条件： 

(1)容量限制条件：每条边(i,j)，满足0≤mflow(l_ij)≤BWL(l_ij)； 

(2)方向条件：mflow(l_ij)＝-mflow(l_ji)，多路径流有方向性； 

(3)平衡条件：对于中间点，流出量等于流入量，即对每个u(u≠s,t),有  $\underset{(u,m)\∈N^s}{\mathrm{\Σ}}\mathrm{mflow}\left(l_{\mathrm{um}}\right)=0;$ 对于s和t， $\underset{(s,p)\∈N^s}{\mathrm{\Σ}}\mathrm{mflow}\left(l_{\mathrm{sp}}\right)=\underset{(q,t)\∈N^s}{\mathrm{\Σ}}\mathrm{mflow}\left(l_{\mathrm{qt}}\right).$

作为优选，所述步骤c1)中虚拟网络的动态特征：包括虚拟网络请求的到来时间、存在时间、虚拟网络节点个数、虚拟链路条数，节点CPU和链路带宽；底层网络动的态特征：随着虚拟网络请求的到来和离开，底层网络剩余CPU、链路剩余带宽资源量和分布将会动态变化；映射算法动态特征：随着虚拟网络请求资源量的变化，在不同映射算法下，底层网络资源利用率、虚拟网络接收率和系统收益是不同的；虚拟网络全部接收的状态为系统非饱和状态，虚拟网 络没有全部接收的状态为系统饱和状态。 

本发明的有益效果：本发明通过考虑虚拟网络映射成本收益比以及系统能耗，提出多目标决策的虚拟网络映射能耗模型，在保证虚拟网络映射收益成本比的前提下降低系统能耗；由于该模型是混合整数规划模型，求解时间复杂度高，作者通过分析虚拟网络映射动态特征，定义系统饱和与非饱和状态，并提出主动休眠底层节点和链路的方法，把虚拟网络映射在一个较小的节点和链路集合中，从而减小映射路径长度，提高收益成本比、休眠节点和链路数量，有效节约系统能耗。 

【具体实施方式】

本发明一种主动休眠节点和链路的高效节能虚拟网络映射算法，依次包括以下步骤： 

a)构建虚拟网络映射及其能耗模型： 

a1)通过无向图对底层网络建模，其中N^s为底层网络的节点集合，L^s为底层网络的链路集合，为底层网络的节点属性集合，为底层网络的链路属性集合；通过无向图对虚拟网络建模，其中N^v为虚拟网络的节点集合，L^v为虚拟网络的链路集合，为虚拟网络的节点属性集合，为链路属性集合，设置节点属性为CPU处理器资源，链路属性为带宽资源； 

a2)底层网络能耗主要包括节点能耗和链路能耗两个部分，定义底层网络第i个节点能耗为：其中，P_b为节点的基本能耗，P_m为节点的最大能耗，u表示处理器利用率，P_l＝P_m-P_b，P_l为处理器利用率u的能耗因子；定义底层网络第j条链路能耗为：

a3)把虚拟网络的节点和链路映射到满足虚拟资源需求的底层网络的节点和链路，映射可进一步分为节点映射和链路映射：所述节点映射中一个虚拟 网络的不同节点不允许映射到同一底层网络的节点，所述链路映射分为单路径映射和多路径映射； 

b)构建虚拟网络映射多目标决策模型： 

采用分层法建模把虚拟网络映射能耗模型转化为虚拟网络映射多目标决策模型：设定收益成本比r/c和系统能耗PAver两个目标，并给出重要性序列：r/c，PAver；首先针对r/c目标，找到满足最大收益成本比r/c的虚拟网络映射解集合R₀，然后在R₀内，求满足最小系统能耗PAver的虚拟网络映射解集合R₁，具体虚拟网络映射的多目标决策模型如下： 

目标函数： $\min \underset{i\∈N^s}{\mathrm{\Σ}}{\mathrm{PN}}^i+\underset{j\∈L^s}{\mathrm{\Σ}}{\mathrm{PL}}^j;$

映射成本比最大化约束： $\max \frac{\underset{l^v\∈L^v}{\mathrm{\Σ}}\mathrm{bw}\left(l^v\right)+\underset{n^v\∈N^v}{\mathrm{\Σ}}\mathrm{CPU}\left(n^v\right)}{\underset{l^v\∈L^v}{\mathrm{\Σ}}\underset{l^s\∈L^s}{\mathrm{\Σ}}\mathrm{bw}(l^v,\mathrm{fp}{(}_{l^v}^{l^s}))+\underset{n^v\∈N^v}{\mathrm{\Σ}}\mathrm{CPU}\left(n^v\right)};$

容量约束： $(\∀u\∈N^v)(\∀j\∈N^s):x_j^u\·\mathrm{CPU}\left(u\right)\≤\mathrm{CPU}\left(j\right),$

$(\∀l_{\mathrm{jk}}\∈L^s)(\∀l_{\mathrm{uw}}\∈L^v):f_{\mathrm{jk}}^{\mathrm{uw}}\·\mathrm{BWL}\left(l_{\mathrm{uw}}\right)\≤\mathrm{BWL}\left(l_{\mathrm{jk}}\right);$

传输约束： $(\∀i,j\∈N^s):{\mathrm{LD}}_{\mathrm{BW}}^{i,j}=\underset{l_{\mathrm{uw}}\∈L^v}{\mathrm{\Σ}}{\mathrm{LD}}_{\mathrm{BW}}(u,w)x_i^u{x}_j^w;$

一个虚拟节点映射到一个底层节点的约束：

相同虚拟节点不能映射到同一底层节点的约束：

其中，CPU(j)表示如果j是底层节点，则CPU(j)是底层节点j剩余CPU资源量，如果j是虚拟节点，则CPU(j)是虚拟节点j请求的CPU资源量；BWL(l_jk)表示如果l_jk为底层链路，则BWL(l_jk)是底层链路l_jk剩余带宽，如果l_jk为虚拟链路，则BWL(l_jk)是虚拟链路l_jk请求带宽；为二进制变量，当虚拟节点u映射到底层节点j上，则否则NNo为虚拟网络节点数量；为二进制变量，当虚拟链路l_uw映射到底层链路l_jk上，则否则 表示底层节点i到j为虚拟网络分配的带宽总量，由一个或者多个虚拟链路l_uv带宽组成， LD_BW(u,w)为虚拟链路l_uv带宽，L^v为虚拟链路集合； 

c)底层网络资源主动休眠： 

c1)网络虚拟化动态特征及系统状态的描述：网络虚拟化动态特征包括虚拟网络、底层网络和虚拟网络映射算法动态特征，系统状态包括系统饱和状态以及系统非饱和状态；当系统处于非饱和状态时，底层网络具有足够的资源，能够映射所有的虚拟网络请求，虚拟网络接收率达到100％，系统收益达到最高值；当系统处于饱和状态，底层网络没有足够的资源，不能映射所有的虚拟网络请求，虚拟网络接收率小于100％； 

c2)底层网络节点和链路主动休眠算法： 

底层网络链路休眠数量：设R_v表示一个时间窗内到达的虚拟网络请求数量，其数学期望为E(R_v)；表示一个虚拟网络的链路数量，其数学期望为 表示一条虚拟链路带宽，其数学期望为S_v表示一个虚拟网络的生存时间，其数学期望为E(S_v)，计算映射的虚拟网络链路资源Res(VS^l),即  $\mathrm{Res}\left({\mathrm{VS}}^l\right)=E\left(R_v\right)\·E\left(B_v^l\right)\·E\left(N_v^l\right)\·E\left(S_v\right)\·\mathrm{mr},$ 在非饱和状态下，式  $\mathrm{Res}\left({\mathrm{VS}}^l\right)=E\left(R_v\right)\·E\left(B_v^l\right)\·E\left(N_v^l\right)\·E\left(S_v\right)\·\mathrm{mr}$ 中mr为1，是一个时间窗的虚拟网络请求链路资源的总和，设定链路资源整体利用率crl，通过链路资源整体利用率crl以及底层网络链路的总和，计算可使用的底层网络链路资源Res(S^l)，即Res(S^l)＝crl·∑bw^s，其中bw^s为底层网络带宽，∑bw^s为底层网络带宽总和；在非饱和状态下，可以休眠底层网络链路，以达到节能的目的，计算休眠的底层网络链路数量sleep^l公式如下： ${\mathrm{sleep}}^l=\mathrm{INT}\_(\mathrm{Res}\left(S^l\right)-\mathrm{Res}\left({\mathrm{VS}}^l\right))/E\left(B_s^l\right)),$ 其中，Res(S^l)为非饱和状态下的可以使用的底层网络链路资源，crl为通过训练所得，不同映射算法crl是不同的；Res(VS^l)表示一个时间窗的所有虚拟网络链路资源总量；表示一条底层网络链路带宽的数学期望；INT_表示取下整函数， 根据sleep^l的计算结果，判断是否可以休眠链路：如果sleep^l大于0，说明可以通过休眠底层网络链路的方式节能；如果小于等于0，则说明不能通过休眠链路的方式节能，否则将会影响系统收益以及虚拟网络映射成功率； 

底层网络节点休眠数量：设表示一个虚拟网络的节点数量，其数学期望为 表示一个虚拟节点CPU处理器资源量，其数学期望为计算映射的虚拟网络节点资源Res(VSⁿ),即在非饱和状态下，式中mr为1，是一个时间窗的虚拟网络请求节点资源的总和，设定节点资源整体利用率crn，通过节点资源整体利用率crn以及底层网络节点CPU资源量的总和，计算可使用的底层网络节点资源Res(Sⁿ)，即Res(Sⁿ)＝crn·∑CPU^s，其中CPU^s为底层网络CPU资源量，∑CPU^s为底层网络CPU资源量总和，在非饱和状态下，可以休眠底层网络节点，以达到节能的目的，计算休眠的底层网络节点数量sleepⁿ公式如下：  ${\mathrm{sleep}}^n=\mathrm{INT}\_\left(\right(\mathrm{Res}\left(S^n\right)-\mathrm{Res}\left({\mathrm{VS}}^n\right))/E\left(B_s^n\right)),$ 其中，Res(Sⁿ)为非饱和状态下的可以使用的底层网络节点资源，crn为通过训练所得，不同映射算法crn是不同的；Res(VSⁿ)表示一个时间窗的所有虚拟网络链路资源总量；表示一条底层网络节点CPU资源的数学期望，根据sleepⁿ的计算结果，判断是否可以休眠节点：如果sleepⁿ大于0，说明可以通过休眠底层节点的方式节能；如果小于等于0，则说明不能通过休眠节点的方式节能，否则将会影响系统收益以及虚拟网络映射成功率； 

用sln表示底层网络链路已经休眠的数量，用snn表示为底层网络节点已经休眠的数量，初始化所有的节点和链路为激活状态后计算底层网络节点的度；找到最小度的激活节点，休眠该底层网络节点以及与该节点相连的链路，并记录休眠底层网络节点和链路数量，更新底层网络节点的度，这样可以保证底层 网络的连通性，运行过程应满足sln＜sleep^l and snn＜sleepⁿ条件，表示休眠底层网络节点或链路两者必须同时不能超过计算的数量，否则将会影响收益成本比、系统收益及虚拟网络接收率。 

所述步骤b)中根据不同的链路映射条件可以分为单路径链路映射与多路径链路映射；如果为单路径流flow，则映射为单路径链路映射，单路径流：在底层网络中，设path是底层节点s到t的一条无环路径，满足下述条件的函数flow称为s到t在path上的可行流： 

(1)容量限制条件：在path中的每条边(i,j)，满足0≤flow(l_ij)≤BWL(l_ij)； 

(2)方向条件：flow(l_ij)＝-flow(l_ji)，单路径流有方向性； 

(3)平衡条件：对于中间点，流出量等于流入量，即在path中的对每个u(u≠s,t),有 $\underset{(u,m)\∈N^s}{\mathrm{\Σ}}\mathrm{flow}\left(l_{\mathrm{um}}\right)=0;$ 对于s和t， $\underset{(s,p)\∈N^s}{\mathrm{\Σ}}\mathrm{flow}\left(l_{\mathrm{sp}}\right)=\underset{(q,t)\∈N^s}{\mathrm{\Σ}}\mathrm{flow}\left(l_{\mathrm{qt}}\right).$

如果为多路径流mflow，则映射为多路径链路映射，多路径流：在底层网络中，s和t是底层两个节点，则s到t的多路径流mflow由多条单路径流flow组成，同时满足一下条件： 

(1)容量限制条件：每条边(i,j)，满足0≤mflow(l_ij)≤BWL(l_ij)； 

(2)方向条件：mflow(l_ij)＝-mflow(l_ji)，多路径流有方向性； 

(3)平衡条件：对于中间点，流出量等于流入量，即对每个u(u≠s,t),有  $\underset{(u,m)\∈N^s}{\mathrm{\Σ}}\mathrm{mflow}\left(l_{\mathrm{um}}\right)=0;$ 对于s和t， $\underset{(s,p)\∈N^s}{\mathrm{\Σ}}\mathrm{mflow}\left(l_{\mathrm{sp}}\right)=\underset{(q,t)\∈N^s}{\mathrm{\Σ}}\mathrm{mflow}\left(l_{\mathrm{qt}}\right).$ 所述步骤c1)中虚拟网络的动态特征：包括虚拟网络请求的到来时间、存在时间、虚拟网络节点个数、虚拟链路条数，节点CPU和链路带宽；底层网络动的态特征：随着虚拟网络请求的到来和离开，底层网络剩余CPU、链路剩余带宽资源量和分布将会动态变化；映射算法动态特征：随着虚拟网络请求资源量的变化，在不同映射算法下，底层网络资源利用率、虚拟网络接收率和系统收益是不 同的；虚拟网络全部接收的状态为系统非饱和状态，虚拟网络没有全部接收的状态为系统饱和状态。 

本发明究网络虚拟化环境下的系统能耗问题，提出多目标决策的虚拟网络映射能耗模型；利用虚拟网络映射动态特征，提出主动休眠底层节点和链路的方法，把虚拟网络映射在一个较小的节点和链路集合中，从而减小映射路径长度，提高收益成本比、休眠节点和链路数量，实现有效节能。仿真实验结果验证了在系统非饱和状态下，基于主动休眠节点和链路的方法能够有效节约系统消耗能量，与其他算法比较节约了27％的系统能耗。 

上述实施例是对本发明的说明，不是对本发明的限定，任何对本发明简单变换后的方案均属于本发明的保护范围。 

Claims (3)

1.一种主动休眠节点和链路的高效节能虚拟网络映射算法，依次包括以下步骤： 

a)构建虚拟网络映射及其能耗模型： 

a1)通过无向图对底层网络建模，其中N^s为底层网络的节点集合，L^s为底层网络的链路集合，为底层网络的节点属性集合，为底层网络的链路属性集合；通过无向图对虚拟网络建模，其中N^v为虚拟网络的节点集合，L^v为虚拟网络的链路集合，为虚拟网络的节点属性集合，为链路属性集合，设置节点属性为CPU处理器资源，链路属性为带宽资源； 

a2)底层网络能耗主要包括节点能耗和链路能耗两个部分，定义底层网络第i个节点能耗为：其中，P_b为节点的基本能耗，P_m为节点的最大能耗，u表示处理器利用率，P_l＝P_m-P_b，P_l为处理器利用率u的能耗因子；定义底层网络第j条链路能耗为：

a3)把虚拟网络的节点和链路映射到满足虚拟资源需求的底层网络的节点和链路，映射可进一步分为节点映射和链路映射：所述节点映射中一个虚拟网络的不同节点不允许映射到同一底层网络的节点，所述链路映射分为单路径映射和多路径映射； 

b)构建虚拟网络映射多目标决策模型： 

采用分层法建模把虚拟网络映射能耗模型转化为虚拟网络映射多目标决策模型：设定收益成本比r/c和系统能耗PAver两个目标，并给出重要性序列：r/c，PAver；首先针对r/c目标，找到满足最大收益成本比r/c的虚拟网络映射解集合R₀，然后在R₀内，求满足最小系统能耗PAver的虚拟网络映射解集合R₁，具体虚拟网络映射的多目标决策模型如下： 

目标函数：

映射成本比最大化约束：

容量约束：

传输约束：

一个虚拟节点映射到一个底层节点的约束：

相同虚拟节点不能映射到同一底层节点的约束：

其中，CPU(j)表示如果j是底层节点，则CPU(j)是底层节点j剩余CPU资源量，如果j是虚拟节点，则CPU(j)是虚拟节点j请求的CPU资源量；BWL(l_jk)表示如果l_jk为底层链路，则BWL(l_jk)是底层链路l_jk剩余带宽，如果l_jk为虚拟链路，则BWL(l_jk)是虚拟链路l_jk请求带宽；为二进制变量，当虚拟节点u映射到底层节点j上，则否则NNo为虚拟网络节点数量；为二进制变量，当虚拟链路l_uw映射到底层链路l_jk上，则否则 表示底层节点i到j为虚拟网络分配的带宽总量，由一个或者多个虚拟链路l_uv带宽组成， LD_BW(u,w)为虚拟链路l_uv带宽，L^v为虚拟链路集合； 

c)底层网络资源主动休眠： 

c1)网络虚拟化动态特征及系统状态的描述：网络虚拟化动态特征包括虚拟网络、底层网络和虚拟网络映射算法动态特征，系统状态包括系统饱和状态以及系统非饱和状态；当系统处于非饱和状态时，底层网络具有足够的资源，能够映射所有的虚拟网络请求，虚拟网络接收率达到100％，系统收益达到最高值；当系统处于饱和状态，底层网络没有足够的资源，不能映射所有的虚拟网络请求，虚拟网络接收率小于100％； 

c2)底层网络节点和链路主动休眠算法： 

底层网络链路休眠数量：设R_v表示一个时间窗内到达的虚拟网络请求数量，其数学期望为E(R_v)；表示一个虚拟网络的链路数量，其数学期望为 表示一条虚拟链路带宽，其数学期望为S_v表示一个虚拟网络的生存时间，其数学期望为E(S_v)，计算映射的虚拟网络链路资源Res(VS^l),即 在非饱和状态下，式 中mr为1，是一个时间窗的虚拟网络请求链路资源的总和，设定链路资源整体利用率crl，通过链路资源整体利用率crl以及底层网络链路的总和，计算可使用的底层网络链路资源Res(S^l)，即Res(S^l)＝crl·∑bw^s，其中bw^s为底层网络带宽，∑bw^s为底层网络带宽总和；在非饱和状态下，可以休眠底层网络链路，以达到节能的目的，计算休眠的底层网络链路数量sleep^l公式如下：其中，Res(S^l)为非饱和状态下的可以使用的底层网络链路资源，crl为通过训练所得，不同映射算法crl是不同的；Res(VS^l)表示一个时间窗的所有虚拟网络链路资源总量；表示一条底层网络链路带宽的数学期望；INT_表示取下整函数，根据sleep^l的计算结果，判断是否可以休眠链路：如果sleep^l大于0，说明可以通过休眠底层网络链路的方式节能；如果小于等于0，则说明不能通过休眠链路的方式节能，否则将会影响系统收益以及虚拟网络映射成功率；底层网络节点休眠数量：设表示一个虚拟网络的节点数量，其数学期望为 表示一个虚拟节点CPU处理器资源量，其数学期望为计算映射的虚拟网络节点资源Res(VSⁿ),即在非饱和状态下，式 中mr为1，是一个时间窗的虚拟网络请求节点资源的总和，设定节点资源整体利用率crn，通过节点资源整体利用率crn以及底层网络节点CPU资源量的总和，计算可使用的底层网络节点资源Res(Sⁿ)，即 Res(Sⁿ)＝crn·∑CPU^s，其中CPU^s为底层网络CPU资源量，∑CPU^s为底层网络CPU资源量总和，在非饱和状态下，可以休眠底层网络节点，以达到节能的目的，计算休眠的底层网络节点数量sleepⁿ公式如下： 其中，Res(Sⁿ)为非饱和状态下的可以使用的底层网络节点资源，crn为通过训练所得，不同映射算法crn是不同的；Res(VSⁿ)表示一个时间窗的所有虚拟网络链路资源总量；表示一条底层网络节点CPU资源的数学期望，根据sleepⁿ的计算结果，判断是否可以休眠节点：如果sleepⁿ大于0，说明可以通过休眠底层节点的方式节能；如果小于等于0，则说明不能通过休眠节点的方式节能，否则将会影响系统收益以及虚拟网络映射成功率； 

用sln表示底层网络链路已经休眠的数量，用snn表示为底层网络节点已经休眠的数量，初始化所有的节点和链路为激活状态后计算底层网络节点的度；找到最小度的激活节点，休眠该底层网络节点以及与该节点相连的链路，并记录休眠底层网络节点和链路数量，更新底层网络节点的度，这样可以保证底层网络的连通性，运行过程应满足sln＜sleep^l and snn＜sleepⁿ条件，表示休眠底层网络节点或链路两者必须同时不能超过计算的数量，否则将会影响收益成本比、系统收益及虚拟网络接收率。 

2.如权利要求1所述的一种主动休眠节点和链路的高效节能虚拟网络映射算法，其特征在于：所述步骤b)中根据不同的链路映射条件可以分为单路径链路映射与多路径链路映射；如果为单路径流flow，则映射为单路径链路映射，单路径流：在底层网络中，设path是底层节点s到t的一条无环路径，满足下述条件的函数flow称为s到t在path上的可行流： 

(1)容量限制条件：在path中的每条边(i,j)，满足0≤flow(l_ij)≤BWL(l_ij)； 

(2)方向条件：flow(l_ij)＝-flow(l_ji)，单路径流有方向性； 

(3)平衡条件：对于中间点，流出量等于流入量，即在path中的对每个u(u≠s,t),有对于s和t，

如果为多路径流mflow，则映射为多路径链路映射，多路径流：在底层网络中，s和t是底层两个节点，则s到t的多路径流mflow由多条单路径流flow组成，同时满足一下条件： 

(1)容量限制条件：每条边(i,j)，满足0≤mflow(l_ij)≤BWL(l_ij)； 

(2)方向条件：mflow(l_ij)＝-mflow(l_ji)，多路径流有方向性； 

(3)平衡条件：对于中间点，流出量等于流入量，即对每个u(u≠s,t),有 对于s和t，

3.如权利要求1所述的一种主动休眠节点和链路的高效节能虚拟网络映射算法，其特征在于：所述步骤c1)中虚拟网络的动态特征：包括虚拟网络请求的到来时间、存在时间、虚拟网络节点个数、虚拟链路条数，节点CPU和链路带宽；底层网络动的态特征：随着虚拟网络请求的到来和离开，底层网络剩余CPU、链路剩余带宽资源量和分布将会动态变化；映射算法动态特征：随着虚拟网络请求资源量的变化，在不同映射算法下，底层网络资源利用率、虚拟网络接收率和系统收益是不同的；虚拟网络全部接收的状态为系统非饱和状态，虚拟网络没有全部接收的状态为系统饱和状态。