CN104506337B - 基于区域性故障预测的虚拟网络映射方法及装置 - Google Patents
基于区域性故障预测的虚拟网络映射方法及装置 Download PDFInfo
- Publication number
- CN104506337B CN104506337B CN201410668310.0A CN201410668310A CN104506337B CN 104506337 B CN104506337 B CN 104506337B CN 201410668310 A CN201410668310 A CN 201410668310A CN 104506337 B CN104506337 B CN 104506337B
- Authority
- CN
- China
- Prior art keywords
- virtual
- link
- virtual network
- network requests
- msub
- 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.)
- Active
Links
Landscapes
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明提供一种基于区域性故障预测的虚拟网络映射方法及装置，该方法包括：将接收到的虚拟网络请求组成虚拟请求队列；根据初始化后的区域性故障模型的统计信息确定区域故障严重度；选取具有最大平均收益的虚拟网络请求；对具有最大平均收益的虚拟网络请求执行基于贪心策略的节点映射方案；判断具有最大平均收益的虚拟网络请求是否允许链路分裂；允许链路分裂时，根据区域故障严重度为候选映射路径中的每个分支分配对应的带宽；对每个分支执行虚拟链路映射，直至所有虚拟链路执行完毕。本发明利用区域性故障模型以及风险评估的方法对潜在的区域性故障发生的可能进行预测并指导虚拟网络的映射，从而避开故障区域或者减少区域性故障的性能损失预期。
Description
技术领域
本发明涉及互联网领域，特别是指一种基于区域性故障预测的虚拟网络映射方法及装置。
背景技术
当前的互联网结构已经成功地支持多种分布式应用和异构网络技术。然而由于互联网的普及以及多重利益相关者在目标和策略方面的不同，多以修补的方式应对互联网的创新和发展,这种思路导致互联网僵化问题的出现。网络虚拟化是克服当前互联网僵化状况的一种新思路，通过网络虚拟化技术，多个虚拟网络可以共存于同一底层物理网络之上，为终端用户提供个性化的服务，从而有效地促进网络创新的部署和应用。
虚拟网络映射是网络虚拟化中的重要问题，即多个虚拟网络请求之间如何对底层资源有效分配的计算。然而，现有的这些方法都没有考虑底层网络故障对于已映射虚拟网络的影响。由于多个虚拟网络共享同一个底层资源，一个底层网络故障能影响多个映射在它上面的虚拟网络，可能导致虚拟网络服务中断。
虚拟网络的生存性问题是指在底层故障发生时，如何保证虚拟网络能够正常的运行。目前，已有许多文献对虚拟网络的生存性加以考虑，但是这些生存性映射方案是基于单节点或者单链路故障假设，即一次有且只有一个底层节点或者链路发生故障。然而在现实情况中，地震、海啸等自然灾害能够引发区域故障，即一定区域范围内的多节点多链路故障，在区域性故障场景下，虚拟网络的生存性映射更加复杂。
发明内容
本发明提出一种基于区域性故障预测的虚拟网络映射方法及装置，解决了现有技术中在区域故障下的虚拟网络映射的生存性差的问题。
第一方面，本发明提供一种基于区域性故障预测的虚拟网络映射方法，包括：
将接收到的虚拟网络请求组成虚拟请求队列；
根据初始化后的区域性故障模型的统计信息确定区域故障严重度；
选取位于虚拟请求队列中的具有最大平均收益的虚拟网络请求；
对具有最大平均收益的虚拟网络请求执行基于贪心策略的节点映射方案；
判断具有最大平均收益的虚拟网络请求是否允许链路分裂；
在具有最大平均收益的虚拟网络请求允许链路分裂时，根据区域故障严重度为候选映射路径中的每个分支分配对应的带宽；
对每个分支执行虚拟链路映射，直至所述虚拟请求队列中所有的虚拟网络请求中的所有虚拟链路执行完毕。
优选的，所述将接收到的虚拟网络请求组成虚拟请求队列的步骤之前，所述方法还包括：
根据历史灾害引起的网络故障的统计数据建立区域性故障模型。
优选的，还包括：在具有最大平均收益的虚拟网络请求不允许链路分裂时，为候选映射虚拟链路依次选择具有最小链路风险属性的底层链路，具有最小链路风险属性的底层链路组成链路映射路径；
对链路映射路径执行虚拟链路映射过程，重复虚拟链路映射过程直到所有的虚拟网络请求中所有虚拟链路执行完毕。
优选的，还包括：
判断虚拟链路映射是否成功；
在虚拟链路映射成功时，判断是否所有虚拟网络请求中的所有虚拟链路都执行完毕；
在所有虚拟网络请求中的所有虚拟链路都执行完毕时，统计当前的虚拟网络请求接收率。
优选的，还包括：
在所述虚拟链路映射过程不成功时，选取一个位于所述虚拟请求队列中的具有最大平均收益的虚拟网络请求。
优选的，所述选取位于所述虚拟请求队列中的具有最大平均收益的虚拟网络请求，包括：
对到达的虚拟网络请求按照平均收益进行降序排序；
选取位于虚拟请求队列的队首处的虚拟网络请求。
优选的，所述根据区域故障严重度为候选映射路径中的每个分支分配对应的带宽，包括：
利用K短路径算法确定候选映射路径的两条分支，两条分支中的一条分支具有最小花费，另一条分支具有次最小花费，K＝2；
依据区域故障严重度确定每一条分支的分流系数；
根据分流系数为通过故障区域严重度较高的一条分支分配较小的带宽，或者，为通过故障区域严重度较低的一条分支分配较大的带宽。
优选的，所述区域故障严重度满足以下公式：
其中，λl(ez)为分配单位带宽性能所需花费，ω(ez)为可用的带宽性能,为潜在链路故障概率，pz为区域风险概率,Z为区域故障集合。
另一方面，本发明还提供一种基于区域性故障预测的虚拟网络映射装置，包括：
接收单元，用于接收依次到达的虚拟网络请求，将接收到的虚拟网络请求组成虚拟请求队列；
确定单元，用于根据初始化后的区域性故障模型的统计信息确定区域故障严重度；
选取单元，选取位于虚拟请求队列中的具有最大平均收益的虚拟网络请求；
执行单元，对具有最大平均收益的虚拟网络请求执行基于贪心策略的节点映射方案；
链路分裂判断单元，判断具有最大平均收益的虚拟网络请求是否允许链路分裂；
分配单元，在具有最大平均收益的虚拟网络请求允许链路分裂时，根据区域故障严重度为候选映射路径中的每个分支分配对应的带宽；
映射单元，对每个分支执行虚拟链路映射过程，重复虚拟链路映射过程直到所有的虚拟网络请求中所有虚拟链路执行完毕。
优选的，还包括：
映射判断单元，用于判断虚拟链路映射是否成功；
虚拟链路判断单元，在虚拟链路映射成功时，判断是否所有虚拟网络请求中的所有虚拟链路处理完毕；
统计单元，在所有虚拟网络请求中的所有虚拟链路都执行完毕后，用于统计当前的虚拟请求接收率。
由上述技术方案可知，本发明提供的一种基于区域性故障预测的虚拟网络映射方法及装置，在初始化时利用历史灾害引起的网络故障的统计数据对区域性故障问题进行建模，并利用队列接受到达的虚拟网络请求，然后依次处理虚拟网络请求，并且分别进行节点映射和链路映射过程。当映射过程完成后，统计虚拟网络请求接收率等信息。因此能够感知潜在的区域性故障并在此基础上提供有效的链路映射方案。依据历史故障统计信息建立区域故障模型，计算潜在故障发生可能性，并依据此模型设计虚拟网络映射方案，在映射阶段规避潜在故障区域从而减少资源损失以及提高请求接受率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的基于区域性故障预测的虚拟网络映射方法的流程示意图；
图2为本发明实施例提供的基于区域性故障预测的虚拟网络映射方法的部分流程示意图；
图3为本发明实施例提供的的基于区域性故障预测的虚拟网络映射方法的部分流程示意图；
图4为本发明实施例提供的的基于区域性故障预测的虚拟网络映射方法的流程示意图；
图5为本发明实施例提供的的基于区域性故障预测的虚拟网络映射方法的流程示意图；
图6为本发明实施例提供的的基于区域性故障预测的虚拟网络映射装置的原理框图；
图7为本发明实施例中有益效果的示意图；
图8为本发明实施例中有益效果的示意图；
图9为本发明实施例中有益效果的示意图；
图10为本发明实施例中有益效果的示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清除、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例，基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
图1为本发明实施例提供的基于区域性故障预测的虚拟网络映射方法的流程示意图，如图1所示，该基于区域性故障预测的虚拟网络映射方法，包括如下步骤：
101、将接收到的虚拟网络请求组成虚拟请求队列。
计算机接收到达的虚拟网络请求，并将接收到的虚拟网络请求组成虚拟请求队列
102、根据初始化后的区域性故障模型的统计信息确定区域故障严重度。
在本实施例中，将接收到的虚拟网络请求组成虚拟请求队列的步骤之前，方法还包括根据历史灾害引起的网络故障的统计数据建立区域性故障模型。
利用历史灾害引起的网络故障的统计数据针对区域性故障问题建立区域性故障模型，对到达的虚拟网络请求以及区域性故障模型进行初始化，并确定每个区域故障严重度。
其中，所述区域性故障模型构建如下：
定义灾害影响因子d以及一系列可能的灾害因子集合D，d∈D。区域性故障指在特定的地理区域内潜在的由灾害引起的底层故障，用集合F表示。对于每一种特定的故障fi∈F，定义函数G(D′)描述灾害影响因子对于故障的影响：
条件为和fi∈F。
故障区域指包含了潜在故障发生可能的底层拓扑网络，用无向图Gz＝(Nz,Ez)表示，其中Nz表示故障区域内的节点集合，Ez表示故障区域内的链路集合，z为区域编号。区域故障模型引入风险评估策略分析潜在的区域性故障，并依据历史上灾害发生的统计信息计算故障发生的经验概率。其中潜在链路故障概率描述有灾害引起的潜在链路故障可能性，用概率函数表示，f∈F,ez∈Ez。可简记为区域风险概率指一个区域内平均链路的故障率，用经验概率函数pz(f)表示，pz(f)∈[0,1],f∈F，ez∈Ez。该函数可以根据潜在链路故障概率计算而得。同样地，pz(f))简记为pz。
其中，所述区域故障严重度定义如下：
其中λl(ez)表示分配单位带宽性能所需花费，ω(ez)表示可用的带宽性能,为潜在链路故障概率，pz表示区域风险概率,Z表示区域故障集合。二进制变量指示那些位于底层候选路径中并且通过故障区域的底层链路。当底层链路eij既位于底层路径又位于故障区域z时，否则底层路径所经区域的严重度之和计算公式如下：
其中z∈Z,以及ei,j∈Ez。
103、选取位于虚拟请求队列中的具有最大平均收益的虚拟网络请求。
104、对具有最大平均收益的虚拟网络请求执行基于贪心策略的节点映射方案。
105、判断具有最大平均收益的虚拟网络请求是否允许链路分裂。
106、在具有最大平均收益的虚拟网络请求允许链路分裂时，根据区域故障严重度为候选映射路径中的每个分支分配对应的带宽。
107、对每个分支执行虚拟链路映射，直至所述虚拟请求队列中所有的虚拟网络请求中的所有虚拟链路执行完毕。
本实施例对于允许链路分裂的情况通过分析区域故障严重度并依据链路通过区域的严重度之和设计带宽分配系数的计算方法，从而减少由灾害发生引起的链路带宽性能损失。
图2为本发明实施例提供的基于区域性故障预测的虚拟网络映射方法的部分流程示意图，具体地，图2为图1中步骤103的子步骤的流程示意图，如图2所示，在本实施例中，选取位于虚拟请求队列中的具有最大平均收益的虚拟网络请求，包括如下步骤：
1031、对到达的虚拟网络请求按照平均收益进行降序排序；
1032、选取位于虚拟请求队列的队首处的虚拟网络请求。
应说明的是，本实施例不限定于仅仅按照平均收益进行降序排序的方式，如，可以按照平均收益进行升序排序的方式，并从虚拟请求队列的队末取出一个具有最大平均收益的虚拟网络请求，本发明不对该具体方式进行限定，可以根据实际情况自行设计。
图3为本发明实施例提供的基于区域性故障预测的虚拟网络映射方法的部分流程示意图，具体地，图3为图1中步骤106的子步骤的流程示意图，如图3所示，在本实施例中，在具有最大平均收益的虚拟网络请求允许链路分裂时，根据区域故障严重度为候选映射路径中的每个分支分配对应的带宽，包括如下步骤：
1061、利用K短路径算法确定候选映射路径的两条分支，两条分支中的一条分支具有最小花费，另一条分支具有次最小花费，K＝2。
1062、依据区域故障严重度确定每一条分支的分流系数。
1063、根据分流系数为通过故障区域严重度较高的一条分支分配较小的带宽，或者，为通过故障区域严重度较低的一条分支分配较大的带宽。
具体地，在允许链路分裂的情况下的链路映射和带宽分配的计算方案是采用一种通用的K短路径算法为虚拟链路选择两条具有满足条件的最小带宽的底层路径和次最小带宽的底层路径，在此基础上为通过区域通过故障区域严重度较高的底层路径分支分配较小的带宽，而为通过故障区域严重度较低的底层路径分支分配较大的带宽。
根据所述区域严重度的公式，本实施例给出路径分裂映射方案的带宽分配系数定义：
其中ei,j∈Ez表示候选底层路径的分支k，由于算法设计分支数为两条，所以k＝0,1。对应候选底层路径的分支，所分配的带宽为
其中，表示虚拟链路eυ映射所需带宽。
应说明的是，本发明不对该具体算法进行限定，除K短路径算法之外，也可以根据实际情况自行选择其他算法。
本实施例提供了一种基于历史故障统计数据预测的策略实施虚拟网络映射，当链路允许分裂时，本实施例依据区域性故障模型分析潜在区域故障并计算带宽分配系数，使通过区域故障严重度较大的分支分配较小的流量的方式减少故障发生后引起的性能损失从而减少因备份带来的资源冗余并提高虚拟网络请求接受率。
图4为本发明实施例提供的一种基于区域性故障预测的虚拟网络映射方法的流程示意图，其中，图4与图1不同的是，图4包括步骤206和步骤207，其中步骤201至步骤205分别对应图1中的步骤101至105，该处不在说明。
如图4所示，该方法还包括：
206、在具有最大平均收益的虚拟网络请求不允许链路分裂时，为候选映射虚拟链路依次选择具有最小链路风险属性的底层链路，具有最小链路风险属性的底层链路组成链路映射路径；
207、对链路映射路径执行虚拟链路映射过程，重复虚拟链路映射过程直到所有的虚拟网络请求中所有虚拟链路执行完毕。
在本实施例中，不允许链路分裂的情况下的链路映射和带宽分配的计算方案，具体为：
链路风险属性Ri,j用于评估整个底层网络中链路潜在故障的可能性，公式表示为：
其中，pz是区域风险概率，是潜在链路故障概率，Ez表示故障区域内的链路集合。如果底层链路eij位于故障区域z内,Ri,j＞1；如果不在故障区域内,Ri,j＝1。链路性能损失期望定义为hi,j，该变量用于估计当故障发生时可能带来的链路性能损失，公式如下：
其中λl(eρ)表示单位带宽资源的花费，函数表示当虚拟网络请求Gυ被映射成功时占用底层链路eij的带宽量。根据链路性能损失期望公式可知，当底层链路eij不在故障区域内时，变量Ri,j＝1。此时链路性能损失期望等价于无故障时虚拟链路映射的花费值。
本实施例对于不允许链路分裂的情况采用一种基于贪心策略的虚拟链路映射方案，通过依次选择当前具有最小链路性能损失的链路进行映射的方法的局部优化的积累从而实现全局优化；对于每一条虚拟链路，本实施例优先从候选路径集合中选择链路性能损失期望hi,j值最小的底层链路作为候选映射链路并遍历整个虚拟请求的链路。当区域故障发生时，该链路映射方法能将故障带来的性能损失维持在较低的水平上。
图5为本发明中的一种基于区域性故障预测的虚拟网络映射方法的流程示意图，其中，图5与图1不同的是，图5中还包括步骤108至步骤110，其中步骤101至步骤107分别对应图1中的步骤101至107，该处不在说明。
如图5所示，该方法还包括以下步骤：
108、判断虚拟链路映射是否成功。
109、在虚拟链路映射成功时，判断是否所有虚拟网络请求中的所有虚拟链路都执行完毕。
此外，在虚拟链路映射不成功时，返回步骤103。
110、在所有虚拟网络请求中的所有虚拟链路都执行完毕时，统计当前的虚拟网络请求接收率。
此外，在所有虚拟网络请求中的所有虚拟链路没有执行完毕时，同样返回步骤103。
本实施例利用区域性故障模型以及风险评估的方法对潜在的区域性故障发生的可能进行预测并指导虚拟网络的映射，从而在映射阶段尽可能的避开故障区域或者减少区域性故障的性能损失预期。
图6为本发明实施例提供的基于区域性故障预测的虚拟网络映射装置的原理框图，如图6所示，所述虚拟网络映射装置包括：接收单元31、确定单元32、选取单元33、执行单元34、链路分裂判断单元35、分配单元36和映射单元37。
其中，接收单元31用于接收依次到达的虚拟网络请求，将接收到的虚拟网络请求组成虚拟请求队列；
确定单元32用于根据初始化后的区域性故障模型的统计信息确定区域故障严重度；
选取单元33用于选取位于虚拟请求队列中的具有最大平均收益的虚拟网络请求；
执行单元34用于对具有最大平均收益的虚拟网络请求执行基于贪心策略的节点映射方案；
链路分裂判断单元35用于判断具有最大平均收益的虚拟网络请求是否允许链路分裂；
分配单元36在具有最大平均收益的虚拟网络请求允许链路分裂时，用于根据区域故障严重度为候选映射路径中的每个分支分配对应的带宽；
映射单元37用于对每个分支执行虚拟链路映射过程，重复虚拟链路映射过程直到所有的虚拟网络请求中所有虚拟链路执行完毕。
优选的，所述装置还包括：映射判断单元38、虚拟链路判断单元39和统计单元40。
其中，映射判断单元38用于判断虚拟链路映射是否成功；
虚拟链路判断单元39在虚拟链路映射成功时，用于判断是否所有虚拟网络请求中的所有虚拟链路处理完毕；
统计单元40在所有虚拟网络请求中的所有虚拟链路都执行完毕后，用于统计当前的虚拟请求接收率。
在一种可能的实现方式中，前述的分配单元36在具有最大平均收益的虚拟网络请求不允许链路分裂时，为候选映射虚拟链路依次选择具有最小链路风险属性的底层链路，具有最小链路风险属性的底层链路组成链路映射路径。
相应地，映射单元37对链路映射路径执行虚拟链路映射，重复虚拟链路映射直到所有的虚拟网络请求中所有虚拟链路执行完毕。
相应地，映射判断单元38判断所述虚拟链路映射是否成功，在虚拟链路映射成功时，虚拟链路判断单元39判断是否所有虚拟网络请求中的所有虚拟链路都执行完毕，在所有虚拟网络请求中的所有虚拟链路都执行完毕时，统计单元40统计当前的虚拟网络请求接收率。
相应地，在虚拟链路映射过程不成功时，选取单元33选取一个位于虚拟请求队列中的具有最大平均收益的虚拟网络请求。
本实施例的基于区域性故障预测的虚拟网络映射装置可执行前述的图1至图5所示的方法实施例中的流程，本实施例不在此进行详述。
本实施例基于历史故障统计数据预测的策略实施虚拟网络映射，定义了链路风险属性和链路性能损失期望并依据链路性能损失期望来选择合适的候选底层链路进行映射。当链路允许分裂时，本发明依据区域性故障模型分析潜在区域故障并计算带宽分配系数，使通过区域故障严重度较大的分支分配较小的流量的方式减少故障发生后引起的性能损失从而减少因备份带来的资源冗余并提高虚拟网络请求接收率。
图7为本发明随着虚拟请求数目的变化VN请求的接收率的变化曲线图，图8为本发明随着虚拟请求数目的变化预期性能损失的变化曲线图，图9为本发明中平均请求接受率随负载的变化曲线图；图10为本发明中平均故障密度随着虚拟请求数目的变化曲线图。
为了说明本发明的有益效果，本发明的实例中，利用GT-ITM软件生成底层物理网络拓扑和虚拟网络请求拓扑。其中，底层物理网络拓扑的规模为100个物理节点，物理节点间连接率为50％，所有物理节点随机分布在100*100的网格内，物理节点的转发能力和物理链路的带宽能力都服从50-100的均匀分布。虚拟网络请求拓扑中的虚拟节点数目服从2-10的均匀分布，虚拟节点度的平均值为2，虚拟节点请求的转发能力服从0-20的均匀分布，虚拟链路请求的带宽能力服从50-100的均匀分布。假设虚拟网络创建请求的到来服从每100单位时间内到达率为5的泊松分布，其生命周期服从持续时间为1000单位时间的负指数分布。
本发明提出两种虚拟网络映射算法应对潜在的区域性故障：第一种是在不允许链路分裂条件下的基于最小链路风险优先选择算法(MLRPS)，第二种是在允许链路分裂条件下的非对称带宽分配策略(APFA)，将本发明中的两种算法与一种经典的基于链路分裂的映射算法re-VNM进行比较，如图7至图10所示，无论是VN请求的接收率、预期性能损失、平均请求接受率或平均故障密度随负载的变化情况，本发明的技术效果都优于re-VNM算法。
显然，本领域的技术人员可以对半发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求以及等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (9)
1.基于区域性故障预测的虚拟网络映射方法，其特征在于，包括：
将接收到的虚拟网络请求组成虚拟请求队列；
根据初始化后的区域性故障模型的统计信息确定区域故障严重度；
选取位于所述虚拟请求队列中的具有最大平均收益的虚拟网络请求；
对所述具有最大平均收益的虚拟网络请求执行基于贪心策略的节点映射方案；
判断所述具有最大平均收益的虚拟网络请求是否允许链路分裂；
在所述具有最大平均收益的虚拟网络请求允许链路分裂时，根据所述区域故障严重度为候选映射路径中的每个分支分配对应的带宽；
对所述每个分支执行虚拟链路映射，直至所述虚拟请求队列中所有的虚拟网络请求中的所有虚拟链路执行完毕；
其中，所述区域故障严重度满足以下公式：
<mrow>
<msub>
<mi>s</mi>
<mi>z</mi>
</msub>
<mo>=</mo>
<msub>
<mi>p</mi>
<mi>z</mi>
</msub>
<msub>
<mi>&Sigma;</mi>
<mrow>
<msup>
<mi>e</mi>
<mi>z</mi>
</msup>
<mo>&Element;</mo>
<msup>
<mi>E</mi>
<mi>z</mi>
</msup>
</mrow>
</msub>
<mi>&lambda;</mi>
<mi>l</mi>
<mrow>
<mo>(</mo>
<msup>
<mi>e</mi>
<mi>z</mi>
</msup>
<mo>)</mo>
</mrow>
<mi>&omega;</mi>
<mrow>
<mo>(</mo>
<msup>
<mi>e</mi>
<mi>z</mi>
</msup>
<mo>)</mo>
</mrow>
<msub>
<mi>p</mi>
<msub>
<mi>e</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
</msub>
<mo>,</mo>
<mi>z</mi>
<mo>&Element;</mo>
<mi>Z</mi>
<mo>,</mo>
</mrow>
其中，λl(ez)为分配单位带宽性能所需花费，ω(ez)为可用的带宽性能，为潜在链路故障概率，pz为区域风险概率,Z为区域故障集合，z表示区域编号，Ez表示故障区域内的链路集合，eij表示链路i和j，ez表示故障区域内的链路。
2.如权利要求1所述的方法，其特征在于，所述将接收到的虚拟网络请求组成虚拟请求队列的步骤之前，所述方法还包括：
根据历史灾害引起的网络故障的统计数据建立区域性故障模型。
3.如权利要求1所述的方法，其特征在于，还包括：
在所述具有最大平均收益的虚拟网络请求不允许链路分裂时，为候选映射虚拟链路依次选择具有最小链路风险属性的底层链路，所述具有最小链路风险属性的底层链路组成链路映射路径；
对所述链路映射路径执行虚拟链路映射过程，重复所述虚拟链路映射过程直到所有的虚拟网络请求中所有虚拟链路执行完毕。
4.如权利要求1或3所述的方法，其特征在于，还包括：
判断所述虚拟链路映射是否成功；
在所述虚拟链路映射成功时，判断是否所有虚拟网络请求中的所有虚拟链路都执行完毕；
在所有虚拟网络请求中的所有虚拟链路都执行完毕时，统计当前的虚拟网络请求接收率。
5.如权利要求4所述的方法，其特征在于，还包括：
在所述虚拟链路映射过程不成功时，选取一个位于所述虚拟请求队列中的具有最大平均收益的虚拟网络请求。
6.如权利要求1所述的方法，其特征在于，所述选取位于所述虚拟请求队列中的具有最大平均收益的虚拟网络请求，包括：
对到达的所述虚拟网络请求按照平均收益进行降序排序；
选取位于所述虚拟请求队列的队首处的虚拟网络请求。
7.如权利要求1所述的方法，其特征在于，所述根据区域故障严重度为候选映射路径中的每个分支分配对应的带宽，包括：
利用K短路径算法确定所述候选映射路径的两条分支，所述两条分支中的一条分支具有最小花费，另一条分支具有次最小花费，K＝2；
依据所述区域故障严重度确定每一条分支的分流系数；
根据所述分流系数为通过所述故障区域严重度较高的一条分支分配较小的带宽，或者，为通过所述故障区域严重度较低的一条分支分配较大的带宽。
8.基于区域性故障预测的虚拟网络映射装置，其特征在于，包括：
接收单元，用于接收依次到达的虚拟网络请求，将接收到的虚拟网络请求组成虚拟请求队列；
确定单元，用于根据初始化后的区域性故障模型的统计信息确定区域故障严重度；
选取单元，选取位于所述虚拟请求队列中的具有最大平均收益的虚拟网络请求；
执行单元，对所述具有最大平均收益的虚拟网络请求执行基于贪心策略的节点映射方案；
链路分裂判断单元，判断所述具有最大平均收益的虚拟网络请求是否允许链路分裂；
分配单元，在所述具有最大平均收益的虚拟网络请求允许链路分裂时，根据所述区域故障严重度为候选映射路径中的每个分支分配对应的带宽；
映射单元，对所述每个分支执行虚拟链路映射过程，重复所述虚拟链路映射过程直到所有的虚拟网络请求中所有虚拟链路执行完毕；
其中，所述区域故障严重度满足以下公式：
<mrow>
<msub>
<mi>s</mi>
<mi>z</mi>
</msub>
<mo>=</mo>
<msub>
<mi>p</mi>
<mi>z</mi>
</msub>
<msub>
<mi>&Sigma;</mi>
<mrow>
<msup>
<mi>e</mi>
<mi>z</mi>
</msup>
<mo>&Element;</mo>
<msup>
<mi>E</mi>
<mi>z</mi>
</msup>
</mrow>
</msub>
<mi>&lambda;</mi>
<mi>l</mi>
<mrow>
<mo>(</mo>
<msup>
<mi>e</mi>
<mi>z</mi>
</msup>
<mo>)</mo>
</mrow>
<mi>&omega;</mi>
<mrow>
<mo>(</mo>
<msup>
<mi>e</mi>
<mi>z</mi>
</msup>
<mo>)</mo>
</mrow>
<msub>
<mi>p</mi>
<msub>
<mi>e</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
</msub>
<mo>,</mo>
<mi>z</mi>
<mo>&Element;</mo>
<mi>Z</mi>
<mo>,</mo>
</mrow>
其中，λl(ez)为分配单位带宽性能所需花费，ω(ez)为可用的带宽性能,为潜在链路故障概率，pz为区域风险概率,Z为区域故障集合，z表示区域编号，Ez表示故障区域内的链路集合，eij表示链路i和j，ez表示故障区域内的链路。
9.如权利要求8所述的基于区域性故障预测的虚拟网络映射装置，其特征在于，还包括：
映射判断单元，用于判断所述虚拟链路映射是否成功；
虚拟链路判断单元，在所述虚拟链路映射成功时，判断是否所有虚拟网络请求中的所有虚拟链路处理完毕；
统计单元，在所有虚拟网络请求中的所有虚拟链路都执行完毕后，用于统计当前的虚拟请求接收率。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410668310.0A CN104506337B (zh) | 2014-11-20 | 2014-11-20 | 基于区域性故障预测的虚拟网络映射方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410668310.0A CN104506337B (zh) | 2014-11-20 | 2014-11-20 | 基于区域性故障预测的虚拟网络映射方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104506337A CN104506337A (zh) | 2015-04-08 |
| CN104506337B true CN104506337B (zh) | 2018-02-13 |
Family
ID=52948052
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410668310.0A Active CN104506337B (zh) | 2014-11-20 | 2014-11-20 | 基于区域性故障预测的虚拟网络映射方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104506337B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105141462B (zh) * | 2015-09-15 | 2018-09-25 | 广东电网有限责任公司电力调度控制中心 | 区域故障虚拟网络资源分配方法及系统 |
| WO2017066940A1 (zh) * | 2015-10-21 | 2017-04-27 | 华为技术有限公司 | 一种网络虚拟化环境下的监控方法、监控装置和网络节点 |
| CN107438015B (zh) * | 2017-06-28 | 2019-12-06 | 北京邮电大学 | 一种智能电力通信网虚拟资源映射方法及装置 |
| CN107465535B (zh) * | 2017-07-03 | 2019-08-30 | 北京邮电大学 | 一种链路中断风险分析方法、装置、电子设备及存储介质 |
| CN109743215B (zh) * | 2019-03-05 | 2022-02-22 | 重庆邮电大学 | 一种多区域故障下基于灾难预测的蚁群优化虚拟网络映射方法 |
| CN111431815B (zh) * | 2020-03-23 | 2021-05-28 | 北京智芯微电子科技有限公司 | 虚拟网络映射方法与系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2464792A1 (en) * | 2003-04-30 | 2004-10-30 | Harris Corporation | Predictive routing including the use of fuzzy logic |
| CN102664784A (zh) * | 2012-04-19 | 2012-09-12 | 北京邮电大学 | 一种节点链路压力权重自适应均衡的虚拟网络映射方法 |
| CN102868733A (zh) * | 2012-08-29 | 2013-01-09 | 北京邮电大学 | 虚拟网络资源再映射方法 |
| CN103475504A (zh) * | 2013-08-23 | 2013-12-25 | 北京邮电大学 | 基于拓扑感知的虚拟网络重映射方法 |
| CN103684864A (zh) * | 2013-12-11 | 2014-03-26 | 南京大学 | 针对大规模区域故障的通信网络脆弱性分析系统及其工作方法 |
-
2014
- 2014-11-20 CN CN201410668310.0A patent/CN104506337B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2464792A1 (en) * | 2003-04-30 | 2004-10-30 | Harris Corporation | Predictive routing including the use of fuzzy logic |
| CN102664784A (zh) * | 2012-04-19 | 2012-09-12 | 北京邮电大学 | 一种节点链路压力权重自适应均衡的虚拟网络映射方法 |
| CN102868733A (zh) * | 2012-08-29 | 2013-01-09 | 北京邮电大学 | 虚拟网络资源再映射方法 |
| CN103475504A (zh) * | 2013-08-23 | 2013-12-25 | 北京邮电大学 | 基于拓扑感知的虚拟网络重映射方法 |
| CN103684864A (zh) * | 2013-12-11 | 2014-03-26 | 南京大学 | 针对大规模区域故障的通信网络脆弱性分析系统及其工作方法 |
Non-Patent Citations (1)
| Title |
|---|
| "Fault Diagnosis in Network Virtualization Environment";Y. L. Pan, X. S. Qiu,S. L. Zhang;《18th International Conference on Telecommunications》;20110620;517-522 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104506337A (zh) | 2015-04-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104506337B (zh) | 基于区域性故障预测的虚拟网络映射方法及装置 | |
| US10848428B2 (en) | Method for dynamically allocating resources in an SDN/NFV network based on load balancing | |
| CN108965014B (zh) | QoS感知的服务链备份方法及系统 | |
| Stankovic | Stability and distributed scheduling algorithms | |
| CN104683488B (zh) | 流式计算系统及其调度方法和装置 | |
| CN112738820A (zh) | 一种服务功能链的动态部署方法、装置及计算机设备 | |
| CN104993941B (zh) | 一种基于Openflow网络高容错性虚拟网络映射算法 | |
| CN106817306B (zh) | 一种确定目标路由的方法及装置 | |
| CN103475504A (zh) | 基于拓扑感知的虚拟网络重映射方法 | |
| CN111130898B (zh) | 基于业务特征和节点可靠性的电力通信网故障恢复方法 | |
| CN104917659B (zh) | 一种基于虚拟网络连接特性的虚拟网络映射方法 | |
| CN114296868B (zh) | 一种多云环境下基于用户体验的虚拟机自动迁移决策方法 | |
| CN103490938A (zh) | 一种基于分层的云服务组合失效的恢复系统和方法 | |
| CN103997515B (zh) | 一种分布式云中计算中心选择方法及其应用 | |
| CN105515977A (zh) | 获取网络中传输路径的方法、装置和系统 | |
| CN106209415A (zh) | 一种虚拟网络映射方法及系统 | |
| CN111092827B (zh) | 一种电力通信网资源分配方法及装置 | |
| CN106681839A (zh) | 弹性计算动态分配方法 | |
| CN109560961B (zh) | 一种基于叠加提高可用性的虚拟网络服务链部署方法 | |
| AlOrbani et al. | Load balancing and resource allocation in smart cities using reinforcement learning | |
| CN105704180A (zh) | 数据中心网络的配置方法及其系统 | |
| CN104298539A (zh) | 基于网络感知的虚拟机调度与再调度方法 | |
| CN107689917B (zh) | 一种基于非一致性业务均衡的电力通信网路由分配方法 | |
| CN110958192B (zh) | 一种基于虚拟交换机的虚拟数据中心资源分配系统及方法 | |
| CN106452939A (zh) | 一种考虑冗余容错恢复的云计算系统计算资源可用性评估方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |