CN105119741A - 一种云网络可靠性度量方法 - Google Patents
一种云网络可靠性度量方法 Download PDFInfo
- Publication number
- CN105119741A CN105119741A CN201510430406.8A CN201510430406A CN105119741A CN 105119741 A CN105119741 A CN 105119741A CN 201510430406 A CN201510430406 A CN 201510430406A CN 105119741 A CN105119741 A CN 105119741A
- Authority
- CN
- China
- Prior art keywords
- node
- matrix
- cloud network
- cloud
- limit
- 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
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/12—Discovery or management of network topologies
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/142—Network analysis or design using statistical or mathematical methods
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Algebra (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Pure & Applied Mathematics (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明请求保护一种基于矩阵分解的云计算网络可靠性度量方法,包括步骤:a.获取云计算网络节点及链路,形成云网络等值拓扑模型,形成云网络邻接矩阵;b.为云计算网络指定节点集K,当K中所有节点正常,并且存在连通K中所有节点的通路时网络处于可靠状态;c.基于云计算网络邻接矩阵,求取其不相交K-端路径;d.基于云计算网络不相交K-端路径以及t时刻节点和链路的工作效率,求取t时刻云计算网络可靠度R;本发明提除了能减少矩阵运算次数外,还可用于节点与节点间存在多条链路的情况。在最大限度提高计算效率的同时,也提高了可靠性分析的准确性。
Description
技术领域
本发明属于网络系统安全性分析领域,具体涉及到一种云网络可靠性的量化方法。
背景技术
云计算(CloudComputing)是一种新兴的商业计算模型,它将计算任务分布在大量的分布式计算机构成的资源池上,采用付费使用的方式,使各种系统能够根据需要获取计算能力、存储空间和各种软件服务,这种资源池称为“云”。“云”是一些可以自我维护和管理的虚拟计算资源,通常为一些大型服务器集群,包括计算服务器、存储服务器、带宽资源等等。云计算将计算资源集中起来,由软件实现自动管理,无需人为参与这就使得应用提供者无需为繁琐的细节而烦恼,能够更加专注于自己的业务,有利于创新和降低成本。
基于云计算的上述优势,“云”已经具有相当的规模,Google云计算已经拥有100多万台服务器,Amazon、IBM、Yahoo等公司的“云”均拥有几十万台服务器,这也使得云网络逐渐成为最复杂的网络之一,因此如何使如此大量的服务器在后端正常运行是云计算系统高效稳定运行的关键问题。然而云计算系统后端的网络拓扑有别于一般的网络拓扑特征:它的服务器节点分布广泛,数据流量大,拓扑结构相对复杂,因此迫切需要对云网络可靠性进行深入分析,以期为云网络控制、运行、检修和规划等决策提供依据。
在对现有技术进行分析后,发明人发现目前基于云计算的研究主要集中在软件层和虚拟化领域,具体分布在云资源分配、任务调度、云服务计费和基于云的应用等方面。但对于云网络可靠性的评估,由于云网络的复杂性,涉及众多的可靠性因素,云网络上承载的业务也是多种多样,因此目前业界对云网络的可靠性评估还没有公认的方法。
基于目前对于产品级的可靠性评估,尤其是硬件的可靠性评估已经有了比较成熟的方法,本发明将直接从云网络物理层面入手,将云网络节点及节点间接线均纳入云网络整体模拟过程,形成整个云网络的等值拓扑模型,并将整个云网络的可靠性分析问题转化为K-端网络可靠性问题,在此基础上,利用条件概率对网络节点及节点间链路均纳入可靠性分析过程的云网络进行可靠性分析,很好的适应了云网络发展趋势。
发明内容
针对现有技术的不足,提出了一种能根据已有物理设备参数及网络拓扑结构对建设中或运营中的云网络进行可靠性评估、提高计算效率的同时,也提高了可靠性分析的准确性的云网络可靠性度量方法。本发明的技术方案如下:一种云网络可靠性度量方法,其包括以下步骤:
101、获取云网络节点及链路,形成云网络等值拓扑模型,形成云网络邻接矩阵;
102、给云网络指定节点集K,当节点集K中所有节点正常,并且存在连通节点集K中所有节点的通路时云网络处于可靠状态;
103、基于步骤101中的云网络邻接矩阵并结合步骤102中的节点集K求取其不相交节点集K-的端路径;
104、获取t时刻节点和链路的工作效率,并根据步骤103中的基于云网络不相交节点集K-的端路径,求取t时刻的云网络可靠度R。
进一步的,所述步骤101中邻接矩阵生成方法具体包括:
A1、将云网络中节点按1到m顺序编号;
A2、若节点i和节点j间存在链路,则矩阵元素mi,j为边ei,j;
A3、若节点i和节点j间不存在链路,则矩阵元素mi,j为0;
A4、矩阵对角线元素定义为1,生成矩阵Cm×m。
进一步的,步骤103中云网络邻接矩阵分解求云网络不相交节点集K-的端路径的具体步骤为:
B1、在邻接矩阵中选择在邻接矩阵中选择元素m1,k,当k∈K时,优先选择该元素;
B2、根据香农分解公式将Cm×m分解成为一个m维矩阵C1k0和m-1维矩阵C1k1,C1k0的获取方法为:将Cm×m中m1,k和m1,k均替换为0;C1k1的获取方法为:该元素所在列为k,则将第k行加到第1行,第k列加到第1列,删除第k行第k列;
B3、并对m维矩阵C1k0和m-1维矩阵C1k1进行简化,继续对C1k0和C1k1进行步骤B2中的香农分解直到所有结果为1和0,所有输出项即为不相交节点集K-的端路径表达式,其中S为云网络可靠性表达式,表示第i条路径中出现的节点k,pi表示第i条路径。
进一步的,步骤B3中所述的对m维矩阵C1k0和m-1维矩阵C1k1进行简化的步骤具体为:
C1、若矩阵元素包含节点且均不属于K,且该矩阵元素所在行和列所有元
素均为0,则删除相应行和列中元素;
C2、对任意矩阵元素ei,j,若i和j均属于K,则表示节点i和j均不可
达,该状态下云网络处于不可靠状态,则Cij0为0;
进一步的,步骤104中求取不相交节点集K-的端路径概率的计算分两种情况,包括:
步骤B3中所述的对m维矩阵C1k0和m-1维矩阵C1k1进行简化的步骤具体为:
C1、若矩阵元素包含节点且均不属于K,且该矩阵元素所在行和列所有元
素均为0,则删除相应行和列中元素;
C2、对任意矩阵元素ei,j,若i和j均属于K,则表示节点i和j均不可
达,该状态下云网络处于不可靠状态,则Cij0为0;
步骤104中求取不相交节点集K-的端路径概率的计算分两种情况:
(1)端路径都是边原变量:对于都是边原变量时,将相同的节点合并,多个边原变量相乘的概率为边原变量中所有端点和链路相乘的概率,即e1,2e2,4的概率为:Pr(e1,2e2,4)=Pr(e1)Pr(e2)Pr(l1,2)Pr(e2)Pr(e4)Pr(l2,4),其中vi表示云网络中节点i,li,j表示节点vi和vj之间的链路;
(2)端路径中既有边原变量又有边反变量:对任一反变量若节点i和j均出现在边原变量中,则用将其代替,若只有一个节点出现在边原变量中,假设为节点i,则用代替。整个云网络的可靠性R可通过如下公式计算:
本发明的优点及有益效果如下:
本发明提供了将云计算网络中节点及链路均纳入云计算网络可靠性分析过程的方法,而且在形成云计算网络等值拓扑的同时,并没增加网络拓扑复杂性,并且在对网络邻接矩阵进行变换运算时,是以矩阵元素而不是以节点或者链路作为变换的对象,除了能减少矩阵运算次数外,还可用于节点与节点间存在多条链路的情况。在最大限度提高计算效率的同时,也提高了可靠性分析的准确性。
附图说明
图1是本发明提供实施例整个云网络可靠性分析流程;
图2为某云网络基本构造;
图3转化后的云网络拓扑模型;
图4为云网络拓扑的邻接矩阵;
图5为云网络邻接矩阵分解流程。
具体实施方式
以下结合附图,对本发明作进一步说明:
本发明将现有的数据采集设备、前沿的理论技术以及成熟的实施技术相结合。提出面向节点及节点间链接的整体分析方法,依托云网络的主要元件作为模拟分析方法的基础,采用矩阵分解和面向整体的拓扑分析方法,得到云网络可靠性参数。分析流程如图1所示,具体包括如下步骤:
首先通获取云网络等值拓扑模型,包括如下步骤:
(1)获取云网络节点(网络中的各种物理设备,包括主机、交换机、路由器、服务器等)及链路(两个节点之间的连接关系)。
(2)根据所获取的节点及连接信息,构成云网络的拓扑模型,将该拓扑模型通过邻接矩阵的方式反映出来。
进一步的,假设云网络基本构造如图2所示,其中服务器1、服务器2和服务器3,路由器7,用户主机4、用户主机5和用户主机6,均抽象为云网络拓扑中节点1-7,连接主机、路由器或服务器之间的链路均抽象为网络拓扑中连接各节点的链路,则可得到如图3所示的云网络拓扑。
其中云网络中的节点和链路,均存在正常和失效两种工作状态,节点和链路正常工作的概率随着时间t的变化而变化。且将云网络正常工作的状态定义为:
令K={1,2,3}为指定服务器节点集合,则在任一时刻,云网络处于可靠状态当且仅当K中所有服务器节点正常,并且存在连通K中所有节点的通路。
其中,云网络的邻接矩阵Cm×m的生成方法为:
(1)将云网络中节点按1到m顺序编号;
(2)若节点i和节点j间存在链路,则矩阵元素mi,j为边ei,j;
(3)若节点i和节点j间不存在链路,则矩阵元素mi,j为0;
(4)矩阵对角线元素定义为1;
进一步的,根据上述云网络的邻接矩阵的生成方法,图2中网络拓扑可得到如图4所示邻接矩阵C。
进一步的,所述方法还包括:
一种基于云网络邻接矩阵,对云网络进行不相交K-端路径求取的方法,具体求取过程如图5所示。其步骤包括:在邻接矩阵中选择合适元素m1,k,根据香农分解定理,将Cm×m分解成为一个m维矩阵C1k0和m-1维矩阵C1k1,并对C1k0和C1k1进行简化,接着继续对C1k0和C1k1进行香农分解直到所有结果为(表示有节点与K中节点不连通)或(表示K中所有节点合并为一个节点),所有输出项即为不相交K-端路径表达式。
其中,在邻接矩阵中选取进行分解的元素时,应优先选取第一行中非0或非1,并且其另一节点在K中的元素。如对应于矩阵C,第一行中需要变换的元素有e1,2,e1,3,e1,6,其中节点1、2和3均在集合K中,故优先选取e1,2或e1,3进行分解。
其中,所述香农分解定理为且C1k0的获取方法为:将Cm×m中m1,k和m1,k均替换为0;C1k1的获取方法为:该元素所在列为k,则将第k行加到第1行,第k列加到第1列,这里所有的加法运算均为布尔运算,删除第k行第k列,得到C1k1;
其中,所述简化原则为:
(1)若矩阵元素包含节点均不属于K,且该矩阵元素所在行和列所有元素均为0,则删除相应行和列中元素;
(2)对任意矩阵元素ei,j,若i和j均属于K,则表示节点i和j均不可达,该状态下云网络处于不可靠状态,则Cij0为0;
对于如图4中的矩阵,当选取e1,2作为第一个分解元素时,通过分解和简化规则,可得到如下矩阵C121和C120:
通过上述步骤获取的云网络不相交K-端路径表达式形式为:
其中,p表示获取的不交路径数目,c表示一条路径中取反的边变量数目,d表示一条路径中原边变量数目,为取反的边变量,e*为边原变量。
依托于得到的云网络不相交K-端路径以及t时刻节点和链路的工作效率,可以得到一种衡量云网络可靠度的方法。;
其中,云网络可靠度为所有不相交K-端路径的概率值和,因此需要先计算各个路径出现的概率,由于可能存在共同的端点,且路径的边并不相互独立,分两种情况讨论K-端路径概率的计算:都是边原变量和既有边原变量又有边反变量的情况。
进一步地,对于都是边原变量的情况,将相同的节点合并,多个边原变量相乘的概率为边原变量中所有端点和链路相乘的概率。对于既有边原变量又有边反变量的情况,对任意反变量若节点i和j均出现在边原变量中,则用将其代替,若只有一个节点出现在边原变量中,假设为节点i,则用代替。
进一步的,假设云网络中节点与链路失效的概率为λ1和λ2,则在任意时刻t,节点和链路正常工作的概率为和
最后,根据链路及节点正常工作概率和云网络不相交K-端路径表达式,整个云网络的可靠性可通过如下公式计算:
其中,p表示获取的不交路径数目,c表示一条路径中取反的边变量数目,d表示一条路径中原边变量数目,假设包括节点m,n以及链路emn,则:
以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后,技术人员可以对本发明作各种改动或修改,这些等效变化和修饰同样落入本发明权利要求所限定的范围。
Claims (5)
1.一种云网络可靠性度量方法,其特征在于:包括以下步骤:
101、获取云网络节点及链路,形成云网络等值拓扑模型,形成云网络邻接矩阵;
102、给云网络指定节点集K,当节点集K中所有节点正常,并且存在连通节点集K中所有节点的通路时云网络处于可靠状态;
103、基于步骤101中的云网络邻接矩阵并结合步骤102中的节点集K求取其不相交节点集K-的端路径;
104、获取t时刻节点和链路的工作效率,并根据步骤103中的基于云网络不相交节点集K-的端路径,求取t时刻的云网络可靠度R。
2.根据权利要求1所述的一种云网络可靠性度量方法,其特征在于:所述步骤101中邻接矩阵生成方法具体包括:
A1、将云网络中节点按1到m顺序编号;
A2、若节点i和节点j间存在链路,则矩阵元素mi,j为边ei,j;
A3、若节点i和节点j间不存在链路,则矩阵元素mi,j为0;
A4、矩阵对角线元素定义为1,生成矩阵Cm×m。
3.根据权利要求1所述的一种云网络可靠性度量方法,其特征在于:步骤103中云网络邻接矩阵分解求云网络不相交节点集K-的端路径的具体步骤为:
B1、在邻接矩阵中选择元素m1,k,当k∈K时,选择该元素;
B2、根据香农分解公式将Cm×m分解成为一个m维矩阵C1k0和m-1维矩阵C1k1,C1k0的获取方法为:将Cm×m中m1,k和m1,k均替换为0;C1k1的获取方法为:该元素所在列为k,则将第k行加到第1行,第k列加到第1列,删除第k行第k列;
B3、对m维矩阵C1k0和m-1维矩阵C1k1进行简化,继续对C1k0和C1k1进行步骤B2中的香农分解直到所有结果为1和0,所有输出项即为不相交节点集K-的端路径表达式:其中S为云网络可靠性表达式,表示第i条路径中出现的节点k,pi表示第i条路径。
4.根据权利要求3所述的一种云网络可靠性度量方法,其特征在于:步骤B3中所述的对m维矩阵C1k0和m-1维矩阵C1k1进行简化的步骤具体为:
C1、若矩阵元素包含节点且均不属于K,且该矩阵元素所在行和列所有元
素均为0,则删除相应行和列中元素;
C2、对任意矩阵元素ei,j,若i和j均属于K,则表示节点i和j均不可
达,该状态下云网络处于不可靠状态,则Cij0为0。
5.根据权利要求1所述的一种云网络可靠性度量方法,其特征在于:步骤104中求取不相交节点集K-的端路径概率的计算分两种情况:
(1)端路径都是边原变量:对于都是边原变量时,将相同的节点合并,多个边原变量相乘的概率为边原变量中所有端点和链路相乘的概率,即e1,2e2,4的概率为:Pr(e1,2e2,4)=Pr(e1)Pr(e2)Pr(l1,2)Pr(e2)Pr(e4)Pr(l2,4),其中vi表示云网络中节点i,li,j表示节点vi和vj之间的链路;
(2)端路径中既有边原变量又有边反变量:对任一反变量若节点i和j均出现在边原变量中,则用将其代替,若只有一个节点出现在边原变量中,假设为节点i,则用代替。整个云网络的可靠性R可通过如下公式计算:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510430406.8A CN105119741A (zh) | 2015-07-21 | 2015-07-21 | 一种云网络可靠性度量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510430406.8A CN105119741A (zh) | 2015-07-21 | 2015-07-21 | 一种云网络可靠性度量方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105119741A true CN105119741A (zh) | 2015-12-02 |
Family
ID=54667639
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510430406.8A Pending CN105119741A (zh) | 2015-07-21 | 2015-07-21 | 一种云网络可靠性度量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105119741A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105590145A (zh) * | 2016-01-11 | 2016-05-18 | 北京交通大学 | 变电站内的一次设备之间的最短连通距离的识别方法和装置 |
CN110213088A (zh) * | 2019-05-16 | 2019-09-06 | 南京理工大学 | 一种传输时限下aloha网络可靠性的优化方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012086920A2 (ko) * | 2010-12-24 | 2012-06-28 | (주)케이티 | 내용 기반 중복 방지 기능을 가지는 분산 저장 시스템 및 그 오브젝트 저장 방법 및 컴퓨터에 의하여 독출가능한 저장 매체 |
CN104200390A (zh) * | 2014-06-20 | 2014-12-10 | 重庆邮电大学 | 基于细胞自动机的电力网络可靠性分析方法 |
-
2015
- 2015-07-21 CN CN201510430406.8A patent/CN105119741A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012086920A2 (ko) * | 2010-12-24 | 2012-06-28 | (주)케이티 | 내용 기반 중복 방지 기능을 가지는 분산 저장 시스템 및 그 오브젝트 저장 방법 및 컴퓨터에 의하여 독출가능한 저장 매체 |
CN104200390A (zh) * | 2014-06-20 | 2014-12-10 | 重庆邮电大学 | 基于细胞自动机的电力网络可靠性分析方法 |
Non-Patent Citations (1)
Title |
---|
张本宏等: "节点不完全可靠无向网络k-端可靠度计算", 《电路与系统学报》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105590145A (zh) * | 2016-01-11 | 2016-05-18 | 北京交通大学 | 变电站内的一次设备之间的最短连通距离的识别方法和装置 |
CN105590145B (zh) * | 2016-01-11 | 2019-11-15 | 北京交通大学 | 变电站内的一次设备之间的最短连通距离的识别方法和装置 |
CN110213088A (zh) * | 2019-05-16 | 2019-09-06 | 南京理工大学 | 一种传输时限下aloha网络可靠性的优化方法 |
CN110213088B (zh) * | 2019-05-16 | 2022-03-22 | 南京理工大学 | 一种传输时限下aloha网络可靠性的优化方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bensi et al. | Efficient Bayesian network modeling of systems | |
Yang et al. | A time efficient approach for detecting errors in big sensor data on cloud | |
Almasan et al. | Digital twin network: Opportunities and challenges | |
CN108228724A (zh) | 基于图数据库的电网gis拓扑分析方法及存储介质 | |
US9342370B2 (en) | Server migration | |
CN110502509B (zh) | 一种基于Hadoop与Spark框架的交通大数据清洗方法及相关装置 | |
CN113010393A (zh) | 基于混沌工程的故障演练方法及装置 | |
CN104361169A (zh) | 一种基于分解法建模的可靠性监测方法 | |
US20170012848A1 (en) | Parallelized network traffic flow availability simulation using stochastic process and traffic engineering algorithms | |
CN104298825A (zh) | 一种基于权限管理和模型分解的故障树协同分析系统 | |
CN102281290A (zh) | 一种PaaS云平台的仿真系统及方法 | |
Shakkottai et al. | Evolution of the internet as-level ecosystem | |
CN106228263A (zh) | 基于大数据的物流信息化方法 | |
JP2021018821A (ja) | データインテリジェント予測方法、装置、コンピュータ機器及び記憶媒体 | |
Uke et al. | UML based modeling for data aggregation in secured wireless sensor network | |
CN106603673A (zh) | 基于纠删码的细粒度云存储调度方法 | |
da Silva et al. | A science-gateway workload archive to study pilot jobs, user activity, bag of tasks, task sub-steps, and workflow executions | |
Abdoos et al. | Holonification of a network of agents based on graph theory | |
CN112181659A (zh) | 云仿真内存资源预测模型构建方法与内存资源预测方法 | |
CN103634167B (zh) | 云环境中对目标主机进行安全配置检查的方法和系统 | |
Di Stefano et al. | Prometheus and aiops for the orchestration of cloud-native applications in ananke | |
CN106155822A (zh) | 一种处理能力评估方法及装置 | |
Liu et al. | DCNSim: A data center network simulator | |
CN105119741A (zh) | 一种云网络可靠性度量方法 | |
CN112948123B (zh) | 一种基于Spark的网格水文模型分布式计算方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20151202 |
|
RJ01 | Rejection of invention patent application after publication |