CN105245448A - 命名数据网络中多业务多路径路由优化方法 - Google Patents

Abstract

本发明公开了命名数据网络中多业务多路径路由优化方法，将NDN网络中的业务分为时延敏感型业务和带宽敏感型业务；边缘节点标记相应的区分服务码点值到interest包的业务类型字段中；对interest包进行路由选择及转发；内容发布者收到interest包后，生成相应的data包，并根据data包中计时器字段、瓶颈带宽记录器字段和业务类型字段更新核心节点的信息素浓度。本发明能够对网络中的多业务进行分类，并利用蚁群优化对不同类型业务按照其度量要求优化选择路由，从而能够很好地支持NDN网络QoS，实现区分服务。

Description

命名数据网络中多业务多路径路由优化方法

技术领域

本发明涉及计算机网络数据路由优化技术领域，具体是命名数据网络NDN(NamedDataNetworking)中一种支持多业务多路径的路由优化方法。

背景技术

命名数据网络NDN(NamedDataNetworking)是一种以命名数据为主要通信对象的网络体系，是信息中心网络的一种特例。在NDN中，通过给数据命名并根据数据包的名字信息进行通信，改变了目前网络基于IP地址的通信方式，在鲁棒性和扩展性等方面相对于TCP/IP网络表现尤为突出。NDN中的通信由内容请求者驱动，即内容请求者首先需要发送数据请求，内容发布者再根据数据请求将相应的数据发送给内容请求者。NDN中包含两种格式包，兴趣包(InterestPacket)和数据包(DataPacket)，其中Interest包是用户为请求数据而发送的包含名字信息的请求包，而Data包中则包含用户要请求的真正数据，其中Data包和Internet包的名字信息相同。所有的包均被内容路由器以逐跳转发的方式进行转发处理，每个内容路由器包含三种表结构，分别为信息转发表FIB(ForwardingInformationBase)、待定请求表PIT(PendingInterestTable)和内容存储器CS(ContentStore)。CS中存储的是内容发布者发送而来的数据，PIT表存储的是已经被当前节点转发出去的interest包的名字信息及其对应的“上游”(UpStream)接口；FIB表记录的是对应名字信息的interest包可以被转发的“下游”(DownStream)接口集合，用来将interest包转发到匹配的下一接口，如果没有匹配是接口，则这个interest包将被丢弃。

NDN中的interest包路由转发方法为NDN领域研究热点。目前所提出的路由方法包括：全转发方法和随机转发方法，全转发方法是路由节点将internet包根据FIB中的接口集合向所有下一跳接口转发，这样会导致网络中存在大量的冗余流量，而随机转发策略则是路由节点为internet包随机选择一个接口进行转发，避免了网络流量的冗余，但是无法保证以最优的路径获取请求的数据；一种分层的NDN路由方法被提出对路由过程进行控制，该方法将路由控制分成2个层次进行处理，即拓扑维护层和名字前缀发布层，前者维护整个NDN的拓扑结构，并计算最短路径树，后者负责在最短路径树上发布名字前缀，避免向所有节点的FIB发送名字前缀信息，解决了FIB表中内容条目过多的问题；一种基于内容流行度的路由选择算法被提出用来概率性选择路径，该方法在路由中引入内容流行度的分析和考虑，将用户访问内容对象的行为特征以及兴趣偏好的分析融入到路由选择算法中，降低了用户的请求失效率；一种邻居缓存路由策略被提出用来优化存储资源，将路由节点缓存因素引入到路由决策中，充分利用了NDN节点CS中缓存的数据，减少了网络中的冗余流量并提高了网络的整体性能；一种名为服务内容中心路由的路由方法被提出用来优化路径选择，该路由方法基于蚁群优化，其思想是将内容中心网络CCN(Content-CentricNetworking)中各内容服务器负载轻重以及链路时延大小作为优化参数的路由依据，其核心是在CCN上添加一个控制层，并在控制层更新路由表，而真实的数据则在CCN层根据路由表信息直接传输。

虽然这些算法都根据各自的需求取得了一定效果，但以上这些算法都只单一地归属为以时延作为评价标准的最短路径路由方法DSPR(Delay-shortestPathRouting，或以剩余带宽作为评价标准的最宽带宽路由方法BWPR(Bandwidth-widestPathRouting)。最短路径路由方法能够为时延敏感的业务找到一条时延最低的最佳路径，但是对于带宽敏感的业务来说这未必是最佳路径；同理，最宽带宽路由方法能够为带宽敏感的业务找到一条平均可用带宽最大的最佳路径，但是对于时延敏感的业务来说这条路径的时延可能较大。因此，对于将要承载多种业务的NDN网络，以上算法就不能根据多业务不同的服务质量QoS(QualityofService)需求为其选择不同路径转发，极大地限制了这些路由方法的适用性。

因此，必须提出一种支持多业务的路径选择转发方法，为不同业务类型的数据包选择不同的路径进行转发，从而使NDN能够承载不同类型的业务，并提供区分的QoS服务。

发明内容

本发明的目的在于，提出一种基于蚁群优化算法ACO(AntColonyOptimization)，能有效支持NDN网络QoS的多业务多路径路由方法，实现多业务区分服务效果，本发明称所提出方法为基于蚁群的多业务多路径QoS路由ACO-MsMpQoSR(AntColonyOptimization-basedMulti-serviceMulti-pathQoSRouting)。

本发明的技术方案可以分为以下几个部分：

命名数据网络中多业务多路径路由优化方法，包括以下步骤：

步骤1、将NDN网络中的业务分为无阻碍转发业务EF、保证转发业务AF和尽力转发业务BE三种类型，将无阻碍转发业务业务EF划分为时延敏感型业务，将保证转发业务AF和尽力转发业务BE划分为带宽敏感型业务；

步骤2、内容请求者，即边缘节点标记相应的区分服务码点值DSCP到interest包的业务类型字段ToS中，interest包中包含业务类型字段ToS、计时器字段TS、瓶颈带宽记录器字段MBS、类型字段Type和内容名称字段ContentName；

步骤3、对interest包进行路由选择及转发；

步骤4、内容发布者收到interest包后，生成相应的data包，将interest包中的计时器字段TS、瓶颈带宽记录器字段MBS以及业务类型字段ToS进行复制并封装到对应的data包中的计时器字段TS、瓶颈带宽记录器字段MBS和业务类型字段ToS中，并沿此interest包所经过路径的反向路径，原路回送到内容请求者，反向路径中每个NDN网络中的核心节点收到data包时，根据data包中计时器字段TS、瓶颈带宽记录器字段MBS和业务类型字段ToS更新核心节点的信息素浓度。

如上所述的步骤3包括以下步骤：

步骤3.1、定义核心节点中的PT表包含内容名字信息ContentName、逐跳行为信息PHB、接口Faces和信息素浓度τ，对于每一个内容名字信息ContentName对应两种逐跳行为信息，即无阻碍转发业务EF跳转信息以及保证转发业务AF/尽力转发业务BE跳转信息，每种逐跳行为信息对应不同的接口，每种逐跳行为信息对应的不同的接口具有不同信息素浓度；

步骤3.2、根据interest包的内容名称字段ContentName查找PT表对应的内容名字信息ContentName，根据interest包中的业务类型字段ToS进一步查找PT表中内容名字信息ContentName下的逐跳行为信息PHB，然后根据逐跳行为信息PHB和各个接口针对逐跳行为信息PHB的信息素浓度确定由哪个接口输出。

如上所述的步骤3.2中确定由哪个接口输出即选择针对逐跳行为信息PHB的信息素浓度最大或较大的接口输出，具体为：

步骤3.2.1、定义核心节点i上PT表中转发接口j的信息素浓度表示为其中s表示内容发布者，t表示业务类型，t∈{时延敏感型业务，带宽敏感型业务}，r为一个0到1之间的随机数，r₀为常数，0≤r₀≤1；

步骤3.2.2、当r≤r₀时，下一跳转发接口直接选择针对逐跳行为信息PHB的信息素浓度最大的接口进行转发，即：

步骤3.2.3、当r＞r₀时，采用轮盘赌算法选择针对逐跳行为信息(PHB)的信息素浓度较大的接口进行转发。

如上所述的步骤3.2.3包括以下步骤：

步骤3.2.3.1、计算当前PT表中内容名字信息ContentName对应的逐跳行为信息PHB下每个接口的信息素浓度在当前PT表中内容名字信息ContentName对应的逐跳行为信息PHB下所有接口中所占的比例具体公式如下：

$P_{ij}^{st}=\frac{{\left({\mathrm{\τ}}_{ij}^{st}\right)}^{\∂}}{\underset{k\∈F_i^s}{\Σ}{\left({\mathrm{\τ}}_{ik}^{st}\right)}^{\∂}}$

其中表示在当前PT表中内容名字信息ContentName对应的逐跳行为信息PHB下的各个接口j的集合；

步骤3.2.3.2、对当前PT表中内容名字信息ContentName对应的逐跳行为信息PHB下的各个接口的依次进行累加，当第一次累加到大于r₀时，选择最后一个累加的信息素浓度比例所对应的接口j即为下一转发接口。

如上所述的步骤4中根据data包中计时器字段TS、瓶颈带宽记录器字段MBS和业务类型字段ToS更新核心节点的信息素浓度包括以下步骤：

步骤4.1、定义评价矩阵M：

$M=\left\{\begin{array}{cc}\mathrm{\θ}& 1/\mathrm{\θ}\\ 1/\mathrm{\θ}& \mathrm{\θ}\end{array}\right\},\mathrm{\θ}>1$

评价矩阵M中包括四个元素M₁₁、M₁₂、M₂₁、M₂₂，分别对应θ、1/θ、1/θ、θ；

步骤4.2、若待更新信息素浓度的接口为interest包转发的接口，则待更新信息素浓度的接口的信息素浓度按照信息素挥发因子ρ挥发，然后再加上信息素浓度的增量ρ·▽τ，

即

$\▿\mathrm{\τ}=M_{1t}\·\frac{P_{best}^{Delay}}{TS}+M_{2t}\·\frac{MBS}{P_{best}^{Bandwidth}}$

其中，t∈{时延敏感型业务，带宽敏感型业务}，定义时延敏感型业务为1，带宽敏感型业务为2，TS和MBS分别表示data包中搜集的路径时延信息和路径瓶颈带宽信息，分别表示在本轮更新过程中最佳路径的时延和瓶颈带；

若待更新信息素浓度的接口不是interest包转发的接口，则前述接口的信息素浓度按照信息素挥发因子ρ挥发，然后再加上信息素浓度的增量ρ·▽τ，此时Δτ＝0。

本发明相对于目前NDN中所采用路由算法具有的优势就在于：ACO-MsMpQoSR能够对网络中的多业务进行分类，并利用蚁群优化对不同类型业务按照其度量要求优化选择路由，从而能够很好地支持NDN网络QoS，实现区分服务。

附图说明

图1为本发明的interest包和data包格式。

图2为本发明的核心节点中的节点结构表。

图3为评价矩阵。

图4为仿真实验网络拓扑结构。

图5为BE类型业务在不同路由方法中的时延变化。

图6为BE类型业务在不同路由方法中的吞吐率变化。

图7为EF类型业务在不同路由方法中的时延变化。

图8为EFBE类型业务在不同路由方法中的吞吐量变化。

具体实施方式

下面通过实施例，对本发明的技术方案作详细说明，但不用来限制本发明的范围。

ACO-MsMpQoSR方法具体技术路线主要分为以下步骤：

步骤1根据区分服务模型将NDN网络中的多业务进行分类处理；

步骤1主要描述为：

根据区分服务模型，将NDN网络中的业务分为无阻碍转发业务EF(ExpeditedForwarding)、保证转发业务AF(AssuredForwarding)和尽力转发业务BE(Best-Effort)三种类型，这三种类型业务所对应的QoS需求不同，可将无阻碍转发业务EF划分为时延敏感型业务，而将保证转发业务AF和尽力转发业务BE划分为带宽敏感型业务。根据区分服务模型将NDN网络中的节点分为边缘节点和核心节点。

核心节点根据区分服务码点值DSCP(DifferentiatedServicesCodePoint)确定数据包的逐跳行为PHB(Per-hopBehavior)，并进行相应处理，从而实现等级区分服务。本方法的目标主要是为网络中EF类型业务寻找一条时延花费最小的路径，而为AF/BE类型业务寻找一条可用带宽最大的路径。

步骤2对interest包和data包格式进行修改使其能够为不同类型业务计算出优化路径；

步骤2主要描述为：

内容请求者(即边缘节点)标记相应的区分服务码点值DSCP到interest包的DS域，即interest包的业务类型字段ToS(TypeofService)中，interest包中包含业务类型字段ToS、计时器字段TS(TimerStack)、瓶颈带宽记录器字段MBS(MinimumBandwidthStack)、类型字段Type和内容名称字段ContentName，

业务类型字段ToS中记录的是该业务类型的DSCP值，以区分该interest包的业务类型。

计时器字段TS用来记录interest包探寻路径所花费的时间。

瓶颈带宽记录器字段MBS记录interest包所经过路径的最小带宽值。

类型字段Type区分interest包和data包，即interest包对应的Type值为0，而data包对应的Type值为1。

内容名称字段ContentName，内容请求者请求内容的名字。

利用蚁群算法将interest包通过核心节点路由至内容发布者。

步骤3对interest包进行路由选择及转发。

步骤3主要描述为：

核心节点中的PT表包含内容名字信息(ContentName)、逐跳行为信息(PHB)、接口(Faces)和信息素浓度(τ)，对于每一个内容名字信息(ContentName)对应两种逐跳行为信息，即无阻碍转发业务EF跳转信息以及保证转发业务AF/尽力转发业务BE跳转信息，每种逐跳行为信息对应不同的接口，每种逐跳行为信息对应的不同的接口具有不同信息素浓度。

核心节点中的FIB表包含内容名字信息(ContentName)、逐跳行为信息(PHB)和接口(Faces)。与PT表不同的是，FIB表中所有的内容名字信息ContentName在不同的逐跳行为信息PHB下的下一跳输出接口Face是唯一确定的，即FIB表是由PT表选择好ContentName的下一跳输出Face后简化而来的。

如图2所示。当核心节点需要为interest包查询转发信息时，首先根据interest包的内容名称字段ContentName查找PT表对应的内容名字信息(ContentName)，根据interest包中的业务类型字段ToS进一步查找PT表中内容名字信息(ContentName)下的逐跳行为信息(PHB)，然后根据逐跳行为信息(PHB)和各个接口针对该逐跳行为信息(PHB)的信息素浓度确定由哪个接口输出。即选择针对该逐跳行为信息(PHB)的信息素浓度最大或较大的接口输出，然后将该内容名称信息、逐条行为信息以及选择的下一跳输出接口分别填至核心节点中FIB表的内容名字信息ContentName、逐跳行为信息PHB和接口Face字段。

例如，本实施例中假设内容请求者需要得到内容名称字段为google.com的有关内容，首先根据interest包中的ContentName字段(此时为google.com)找到PT表中与google.com相同的条目，然后查询interest包中的业务类型字段ToS，并根据业务类型字段ToS寻找PT表中对应的逐跳行为信息(PHB)，若根据业务类型字段ToS判断该interest包的业务类型为EF，那么PT表中的转发信息进一步限定在无阻碍转发业务EF跳转信息中，若为BE/AF，则限定在保证转发业务AF/尽力转发业务BE跳转信息中；接着根据逐跳行为信息(PHB)和各个接口针对该逐跳行为信息(PHB)的信息素浓度确定由哪个接口输出，最后将选择的输出接口填写到FIB中对应的Face字段。

图2中对于内容名字前缀google.com，EF业务的最佳转发接口为0，而BE和AF业务的最佳转发接口为1，其中将核心节点i上PT表中转发接口j的信息素浓度表示为其中s表示名字前缀信息相关的内容发布者，t表示业务类型，t∈{时延敏感型业务，带宽敏感型业务}，r为一个0到1之间的随机数，r₀为常数，0≤r₀≤1，则核心节点i接收到interest包后选择转发接口j的状态转移规则如下：

当r≤r₀时，下一跳转发接口直接选择针对该逐跳行为信息(PHB)的信息素浓度最大的接口进行转发，即：

为了避免算法陷入局部最优解，当r＞r₀时，采用轮盘赌算法选择针对该逐跳行为信息(PHB)的信息素浓度较大的接口进行转发，这里需要计算该逐跳行为信息(PHB)下每个接口的信息素浓度在该逐跳行为信息(PHB)下所有接口中所占的比例具体公式如下：

$P_{ij}^{st}=\frac{{\left({\mathrm{\τ}}_{ij}^{st}\right)}^{\∂}}{\underset{k\∈F_i^s}{\Σ}{\left({\mathrm{\τ}}_{ik}^{st}\right)}^{\∂}}$

其中表示在逐跳行为信息PHB下的各个接口j的集合。

采用轮盘赌算法对该PHB下依次累加各个接口的累加的顺序就是PT表中此ContentName对应某PHB下接口的顺序，一般就是从上往下，从小到大，比如tudou/movie/是EF类型此时EF下对应的接口从上到下有0,1,3,5，先计算0号接口的是否大于r₀，若小于r₀则计算0和1号接口的信息素浓度所占比例和是否大于r₀，若小于r₀则计算0、1、3接口信息素浓度所占比例和是否大于r₀，若大于r₀则下一转发接口为接口3，即接口信息素浓度所占比例累加和第一次大于r₀时当前的接口，当的值第一次大于r₀时，选择最后一个累加的信息素浓度比例所对应的接口j即为下一转发接口，即选择针对该逐跳行为信息(PHB)的信息素浓度较大的接口输出。从r≤r₀的计算规则可以看出，当r≤r₀时直接选用最大信息素浓度的接口作为下一转发接口，此时充分利用了蚁群算法历史经验即正反馈机制，最大的即最优的概念，正如经验主义不一定都对一样，蚁群算法有陷入局部最优解的情况，所以需要一个机制跳出局部最优解，r＞r₀正是这样的一个条件，此时采用的轮盘赌算法，有一定的随机性，如r₀大小的选定决定不采用经验主义算法的概率大小(r₀越大r＞r₀的可能性越小)，还有轮盘赌算法的采用体现在接口信息素浓度所占比例和的计算上，采用该逐跳行为信息(PHB)的信息素浓度较大的接口输出也体现了算法的随机性，从而实现了局部最优解的跳出。

步骤4，在NDN网络中，data包是按照对应的interest包的路径的反方向返回的，当核心节点接收到data包后，根据全局更新规则对节点PT表中信息素浓度值进行更新。

在计算中需要定义评价矩阵M来表示各网络状态信息在不同类型的业务下信息素浓度更新时所占的权重，网络状态信息主要有延时(Delay)和带宽(Bandwidth)，如图3所示，评价矩阵M描述如下：

$M=\left\{\begin{array}{cc}\mathrm{\θ}& 1/\mathrm{\θ}\\ 1/\mathrm{\θ}& \mathrm{\θ}\end{array}\right\},\mathrm{\θ}>1$

评价矩阵M的第一列表示的是EF类型业务的interest包从边缘节点到内容发布者的网络状态信息所占的权重，其中第一行表示延时即interest包中TS字段中的数据所占的权重，第二行表示带宽即interest包中MBS字段中的数据所占的权重；第二列表示的是BE/AF类型业务的interest包从边缘节点到内容发布者的网络状态信息所占的权重，其中第一行表示延时即interest包中TS字段中的数据所占的权重，第二行表示带宽即interest包中MBS字段中的数据所占的权重。data包到达核心节点时，核心节点首先判断data包中数据的业务类型，再根据评价矩阵计算各网络状态信息对于该业务类型的信息素更新所占权重，若业务类型为EF，由于EF业务对时延要求较高，故评价矩阵M中TS字段记录的路径时延在信息素浓度更新时所占的权重M₁₁应该大于MBS字段记录的路径瓶颈带宽所占的权重M₂₁，由于θ＞1，我们给定M₁₁＝θ，M₂₁＝1/θ即可反映M₁₁与M₂₁大小关系；同理，若业务类型为BE和AF，则有M₁₂＝1/θ，而M₂₂＝θ。

内容发布者收到interest包后，根据其所需信息，生成相应的data包，内容发布者接收到interest包后，将interest包中的计时器字段TS、瓶颈带宽记录器字段MBS中的路径状态信息以及业务类型字段ToS中的业务类型进行复制并封装到对应的data包中的计时器字段TS、瓶颈带宽记录器字段MBS和业务类型字段ToS中，并沿此interest包所经过路径的反向路径，原路回送到内容请求者，路径中每个NDN网络中的核心节点收到data包时，根据data包中ToS、TS、MBS记录的信息按照信息素更新规则更新该核心节点的信息素浓度。data包对信息素浓度的更新规则如下：

其中，ρ是信息素挥发因子，若ρ较小，则信息素挥发较慢；若ρ较大，信息素挥发较快，则先验知识的重要性就会减弱；Δτ表示信息素浓度的增量，表达式如下：

$\▿\mathrm{\τ}=M_{1t}\·\frac{P_{best}^{Delay}}{TS}+M_{2t}\·\frac{MBS}{P_{best}^{Bandwidth}}$

其中，M_1t表示时延对于业务类型t在信息素浓度更新时所占的权重，M_2t表示带宽对于业务类型t在信息素浓度更新时所占的权重，此处业务类型t∈{时延敏感型业务，带宽敏感型业务}，定义时延敏感型业务为1，带宽敏感型业务为2，TS和MBS分别表示data包中搜集的路径时延信息和路径瓶颈带宽信息， 分别表示在本轮更新过程中最佳路径的时延和瓶颈带宽。

可以看出一轮迭代后，PT表中某一ContentName下的特定逐条信息PHB中所有接口的信息素浓度更新如下：

(1)若interest包是从该接口转发出去的，则该接口的信息素浓度按照信息素挥发因子ρ挥发，然后再加上信息素浓度的增量ρ·▽τ。

即

其中，ρ是信息素挥发因子，若ρ较小，则信息素挥发较慢；若ρ较大，信息素挥发较快，则先验知识的重要性就会减弱；Δτ表示信息素浓度的增量，表达式如下：

$\▿\mathrm{\τ}=M_{1t}\·\frac{P_{best}^{Delay}}{TS}+M_{2t}\·\frac{MBS}{P_{best}^{Bandwidth}}$

其中，M_1t表示时延对于业务类型t在信息素浓度更新时所占的权重，M_2t表示带宽对于业务类型t在信息素浓度更新时所占的权重，此处业务类型t∈{时延敏感型业务，带宽敏感型业务}，定义时延敏感型业务为1，带宽敏感型业务为2，TS和MBS分别表示data包中搜集的路径时延信息和路径瓶颈带宽信息， 分别表示在本轮更新过程中最佳路径的时延和瓶颈带宽。TS是某个interest从请求者到内容发布者所经过的路径中各跳之间的时延累加和，MBS是某个interest从请求者到内容发布者所经过的路径中各跳之间的最小的带宽值。本算法是基于蚁群算法的每次迭代过程中会有m(自定)个蚂蚁同时找路径，是m个蚂蚁找的路径中TS最小的值，是m个蚂蚁找的路径中MBS最大的值。

本轮迭代中最佳路径的时延和瓶颈带宽是确定的，评价矩阵M也是确定的，因此对于Δτ的计算唯一的变量就是data包中TS字段和MBS字段中的数据。若业务类型t为EF业务，则M_1t＝M₁₁＝θ,M_2t＝M₂₁＝1/θ，由于EF业务对时延比较敏感，所以此时M_1t＞M_2t，即时延的权重比带宽的权重大，同时表示对EF业务来说TS字段中时延越小得到的反馈越好，即表现为Δτ越大。若业务类型t为BE/AF业务，则M_1t＝M₁₂＝1/θ,M_2t＝M₂₂＝θ，由于BE/AF业务对带宽比较敏感，所以此时M_1t＜M_2t，即带宽的权重比时延的权重大，同时表示对BE/AF业务来说MBS字段中带宽越大得到的反馈越好，即表现为Δτ越大。

(2)若interest包不是从该接口转发出去的，则该接口的信息素浓度按照信息素挥发因子ρ挥发，然后再加上信息素浓度的增量ρ·▽τ，

即

但此时Δτ＝0，可以理解为当此端口不属于该interest包的转发端口时，此端口的TS字段中数据为无穷大，带宽为0，即不可到达。

其中，ρ是信息素挥发因子，若ρ较小，则信息素挥发较慢；若ρ较大，信息素挥发较快，则先验知识的重要性就会减弱；Δτ表示信息素浓度的增量为0。

最后，将对本发明发明方法(ACO-MsMpQoSR)进行性能仿真分析。采用的仿真平台为ndnSIM，ndnSIM是基于ns-3网络仿真软件用C++编写实现CCNx协议的NDN仿真模块，实现了基本的网络协议、路由转发策略以及数据包节点缓存等功能；采用的网络拓扑为美国国家自然科学基金网(NSFNET)，如图4所示。NSFNET拓扑结构包含14个节点和21条链路，选择编号为13的节点作为内容发布者，其它节点作为内容请求者向内容发布者请求EF和BE两种业务类型的数据。设置每条链路的带宽为1Gbps，各条链路的时延由其物理长度确定。

图5和图6分别是BE类型业务对于不同的路由方法下所得到的时延和吞吐率情况。这里，本实施例与最短路径路由方法，最宽带宽路由方法和服务内容中心路由三种典型的NDN路由方法进行了性能比较。从图5看到，随着EF类业务量增加，对于单路径路由方法而言，BE类业务的时延增幅较大；而对于本发明提出的多路径路由方法(ACO-MsMpQoSR)，BE类业务时延变化平稳，且保持在较低水平。这是因为EF类型的业务具有较高的优先级，当网络中EF类型业务增多时，会抢占BE类业务的网络资源，而本发明算法(ACO-MsMpQoSR)能够避免BE类业务选择与EF类业务相同的路径传输，从而减小了对BE类业务的影响。图6则表明，当EF类业务的流量增加时，对于单路径路由方法而言，BE类业务的吞吐率下降较快，而对于本发明方法(ACO-MsMpQoSR)，吞吐率下降较慢。这是因为EF类业务会抢占BE类业务的网络资源，单路径路由方法只能为所有业务选择一条路径传输，无法实现分流，而多路径路由方法能够为不同类型业务选择各自最优的路径进行传输，更充分地利用了NDN网络资源。

本实施例还在网络负载较为严重时对EF类业务的服务性能做出了评估，如图7和图8分别是EF类业务的时延和吞吐量随时间变化的情况。从图7看到，本发明方法(ACO-MsMpQoSR)在时延优化方面比单路径路由方法表现优越。这是因为最宽带宽路由方法以带宽作为优化指标；最短路径路由方法和服务内容中心路由方法虽然以时延作为优化指标，但由于网络中的负载较重，网络拥塞变大，从而导致时延较大；而本发明方法(ACO-MsMpQoSR)为不同类型业务选择不同路径，实现了业务分流，降低了网络拥塞，从而使时延保持在较低水平。从图8看到，本发明方法(ACO-MsMpQoSR)能够保证EF类业务具有较高的吞吐量，这归于本发明方法(ACO-MsMpQoSR)实现了业务分流，且EF类业务比BE类业务优先级高，从而保证了EF类业务的可靠传输。

如上所述，本发明的技术方案首先对NDN网络中的业务根据时延要求等分为3种类型，并对interest包和data包格式进行了改进以区分不同类型业务，之后基于蚁群优化，针对多类型业务对QoS的不同需求为其进行了路径优化选择，使NDN网络能够对多类型业务实现较好的区分服务，从而保证了NDN网络的QoS。

以上所描述的具体实施例仅为本发明精神的举例说明，本发明领域的普通技术人员能够显而易见的对具体实施例进行修改、补充或以类似方法替代，均应属于本发明的保护范围。

Claims (5)

1.命名数据网络中多业务多路径路由优化方法，其特征在于，包括以下步骤：

步骤1、将NDN网络中的业务分为无阻碍转发业务EF、保证转发业务AF和尽力转发业务BE三种类型，将无阻碍转发业务业务EF划分为时延敏感型业务，将保证转发业务AF和尽力转发业务BE划分为带宽敏感型业务；

步骤2、内容请求者，即边缘节点标记相应的区分服务码点值DSCP到interest包的业务类型字段ToS中，interest包中包含业务类型字段ToS、计时器字段TS、瓶颈带宽记录器字段MBS、类型字段Type和内容名称字段ContentName；

步骤3、对interest包进行路由选择及转发；

步骤4、内容发布者收到interest包后，生成相应的data包，将interest包中的计时器字段TS、瓶颈带宽记录器字段MBS以及业务类型字段ToS进行复制并封装到对应的data包中的计时器字段TS、瓶颈带宽记录器字段MBS和业务类型字段ToS中，并沿此interest包所经过路径的反向路径，原路回送到内容请求者，反向路径中每个NDN网络中的核心节点收到data包时，根据data包中计时器字段TS、瓶颈带宽记录器字段MBS和业务类型字段ToS更新核心节点的信息素浓度。

2.根据权利要求1所述的命名数据网络中多业务多路径路由优化方法，其特征在于，所述的步骤3包括以下步骤：

步骤3.1、定义核心节点中的PT表包含内容名字信息ContentName、逐跳行为信息PHB、接口Faces和信息素浓度τ，对于每一个内容名字信息ContentName对应两种逐跳行为信息，即无阻碍转发业务EF跳转信息以及保证转发业务AF/尽力转发业务BE跳转信息，每种逐跳行为信息对应不同的接口，每种逐跳行为信息对应的不同的接口具有不同信息素浓度；

步骤3.2、根据interest包的内容名称字段ContentName查找PT表对应的内容名字信息ContentName，根据interest包中的业务类型字段ToS进一步查找PT表中内容名字信息ContentName下的逐跳行为信息PHB，然后根据逐跳行为信息PHB和各个接口针对逐跳行为信息PHB的信息素浓度确定由哪个接口输出。

3.根据权利要求2所述的命名数据网络中多业务多路径路由优化方法，其特征在于，所述的步骤3.2中确定由哪个接口输出即选择针对逐跳行为信息PHB的信息素浓度最大或较大的接口输出，具体为：

步骤3.2.1、定义核心节点i上PT表中转发接口j的信息素浓度表示为其中s表示内容发布者，t表示业务类型，t∈{时延敏感型业务，带宽敏感型业务}，r为一个0到1之间的随机数，r₀为常数，0≤r₀≤1；

步骤3.2.2、当r≤r₀时，下一跳转发接口直接选择针对逐跳行为信息PHB的信息素浓度最大的接口进行转发，即：

步骤3.2.3、当r＞r₀时，采用轮盘赌算法选择针对逐跳行为信息(PHB)的信息素浓度较大的接口进行转发。

4.根据权利要求3所述的命名数据网络中多业务多路径路由优化方法，其特征在于，所述的步骤3.2.3包括以下步骤：

步骤3.2.3.1、计算当前PT表中内容名字信息ContentName对应的逐跳行为信息PHB下每个接口的信息素浓度在当前PT表中内容名字信息ContentName对应的逐跳行为信息PHB下所有接口中所占的比例具体公式如下：

$P_{ij}^{st}=\frac{{\left({\mathrm{\τ}}_{ij}^{st}\right)}^{\∂}}{\underset{k\∈F_i^s}{\Σ}{\left({\mathrm{\τ}}_{ik}^{st}\right)}^{\∂}}$

其中表示在当前PT表中内容名字信息ContentName对应的逐跳行为信息PHB下的各个接口j的集合；

步骤3.2.3.2、对当前PT表中内容名字信息ContentName对应的逐跳行为信息PHB下的各个接口的依次进行累加，当第一次累加到大于r₀时，选择最后一个累加的信息素浓度比例所对应的接口j即为下一转发接口。

5.根据权利要求1所述的命名数据网络中多业务多路径路由优化方法，其特征在于，所述的步骤4中根据data包中计时器字段TS、瓶颈带宽记录器字段MBS和业务类型字段ToS更新核心节点的信息素浓度包括以下步骤：

步骤4.1、定义评价矩阵M：

$M=\left\{\begin{array}{cc}\mathrm{\θ}& 1/\mathrm{\θ}\\ 1/\mathrm{\θ}& \mathrm{\θ}\end{array}\right\},\mathrm{\θ}>1$

评价矩阵M中包括四个元素M₁₁、M₁₂、M₂₁、M₂₂，分别对应θ、1/θ、1/θ、θ；

步骤4.2、若待更新信息素浓度的接口为interest包转发的接口，则待更新信息素浓度的接口的信息素浓度按照信息素挥发因子ρ挥发，然后再加上信息素浓度的增量

即 ${\mathrm{\τ}}_{ij}^{st}\←(1-\mathrm{\ρ})\·{\mathrm{\τ}}_{ij}^{st}+\mathrm{\ρ}\·\▿\mathrm{\τ}$

$\▿\mathrm{\τ}=M_{1t}\·\frac{P_{best}^{Delay}}{TS}+M_{2t}\·\frac{MBS}{P_{best}^{Bandwidth}}$

其中，t∈{时延敏感型业务，带宽敏感型业务}，定义时延敏感型业务为1，带宽敏感型业务为2，TS和MBS分别表示data包中搜集的路径时延信息和路径瓶颈带宽信息，分别表示在本轮更新过程中最佳路径的时延和瓶颈带；

若待更新信息素浓度的接口不是interest包转发的接口，则前述接口的信息素浓度按照信息素挥发因子ρ挥发，然后再加上信息素浓度的增量此时Δτ＝0。