CN105376157B - 一种路由路径选择的方法和装置 - Google Patents
一种路由路径选择的方法和装置 Download PDFInfo
- Publication number
- CN105376157B CN105376157B CN201510828758.9A CN201510828758A CN105376157B CN 105376157 B CN105376157 B CN 105376157B CN 201510828758 A CN201510828758 A CN 201510828758A CN 105376157 B CN105376157 B CN 105376157B
- Authority
- CN
- China
- Prior art keywords
- link
- path
- route
- routed path
- network
- 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
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000005265 energy consumption Methods 0.000 claims abstract description 67
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 41
- 230000005059 dormancy Effects 0.000 claims abstract description 23
- 238000000354 decomposition reaction Methods 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 10
- 238000005295 random walk Methods 0.000 claims description 8
- 230000001174 ascending effect Effects 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 5
- 230000002194 synthesizing effect Effects 0.000 claims description 2
- 238000004891 communication Methods 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 10
- 238000002474 experimental method Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000013138 pruning Methods 0.000 description 4
- 238000010835 comparative analysis Methods 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 208000027877 Disorders of Sex Development Diseases 0.000 description 2
- 230000004913 activation Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000003471 mutagenic agent Substances 0.000 description 1
- 231100000707 mutagenic chemical Toxicity 0.000 description 1
- 230000003505 mutagenic effect Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 230000007958 sleep Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Landscapes
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种路由路径选择的方法和装置。其中,该方法包括:在接收到路由请求后,获取历史流量数据;根据历史流量数据建立流量感知模型;根据流量感知模型利用LBUS休眠策略休眠网络中的预定链路,并生成路由路径;基于预设约束条件根据Dijkstra算法得到路由路径中能耗最小的路径;在网络中的路径负载不为零时,判断网络中的路径的链路容量是否满足请求带宽;在链路容量满足请求带宽时,判断网络中的路径的延迟是否小于预设延迟值;在延迟小于或等于预设延迟值时,按照能耗最小的路径完成路由。本发明解决了现有技术无法降低网络能耗和提高通信效率的技术问题。
Description
技术领域
本发明涉及云计算技术领域,具体而言,涉及一种路由路径选择的方法和装置。
背景技术
在云计算中,各个虚拟机对资源的调度具有随机性、突发性,因此支持云计算的网络应承受以快速且可靠的方式传送大量数据。而云计算本身就是一种高效实现绿色计算的方式,通过虚拟化技术,实现对资源的有效整合,通过休眠技术,实现节能。
目前,针对云计算的空闲能耗和冗余能耗,国内外提出了许多解决方案,现有的提高网络能效的方法可以分为三大方向:一是面向网络硬件设备的能耗节约问题,通过对硬件控制方案、降低CPU能耗和设计绿色网络元器件等实现;二是从网络全局的角度进行分析能够更好地指导网络节能策略的设计;三是基于网络拓扑的能效问题,利用能耗管理机制和最优化模型达到节能的目的。
但是,上述方法的策略过于单一,使得网络能效优化不能达到最佳。面对云计算业务流量的突发性、波动性和实效性,无法降低网络能耗并且提高通信效率。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种路由路径选择的方法和装置,以至少解决现有技术无法降低网络能耗和提高通信效率的技术问题。
根据本发明实施例的一个方面,提供了一种路由路径选择的方法,包括:在接收到路由请求后,获取历史流量数据;根据所述历史流量数据建立流量感知模型;根据所述流量感知模型利用LBUS休眠策略休眠网络中的预定链路,并生成路由路径;其中,所述预定链路包括链路的中间性小于或等于中间性门限值且链路利用率小于或等于预设利用率门限值的链路;基于预设约束条件根据Dijkstra算法得到所述路由路径中能耗最小的路径;在所述网络中的链路负载不为零时,判断所述网络中的路径的链路容量是否满足请求带宽;在所述链路容量满足请求带宽时,判断所述网络中的路径的延迟是否小于预设延迟值;在所述延迟小于或等于预设延迟值时,按照所述能耗最小的路径完成路由。
可选地,所述根据所述历史流量数据建立流量感知模型包括:对所述历史流量数据进行零均值处理;将零均值处理过的历史流量数据进行小波分解;在确定所述小波分解后的历史流量数据为高频时,进行小波重构,并确定GM模型得到第一预测时间序列;在确定所述小波分解后的历史流量数据为非高频时,确定AR模型,并对所述AR模型进行小波重构得到 第二预测时间序列;合成所述第一预测时间序列和所述第二预测时间序列得到所述流量感知模型。
可选地,所述根据所述流量感知模型利用LBUS休眠策略休眠网络中的预定链路包括:通过最短路径法或随机游走法测量所述网络中链路的中间性;将所述链路的中间性按照升序排序,得到链路队列;判断所述链路队列中的当前链路是否超出所述链路队列的长度;在确定所述当前链路未超出所述链路队列的长度时,休眠所述当前链路;设置链路权重为与链路利用率有关的函数,对所述历史流量数据进行路由,确定链路利用率低的链路;统计所述链路利用率低的链路对应的路由请求故障次数;在所述路由请求故障次数不大于零时,删除所述当前链路。
可选地,所述预设约束条件包括:路由中流量出入守恒;目的节点从其他节点接收流量,而不向临近节点发送流量;中间节点的流量出入守恒;链路的最高利用率小于或等于所述预设利用率门限值以及路由占用的链路数目小于或等于预设数目门限值。
可选地,在所述链路容量不满足请求带宽时,所述方法还包括:将当前链路权重设置为无穷大;利用所述当前链路的权重进行重路由,获得新的路由路径;并在确定所述新的路由路径的链路容量满足请求带宽时,确定重路由成功,并继续基于所述预设约束条件根据Dijkstra算法得到所述新的路由路径中能耗最小的路径;在所述延迟大于预设延迟值时,所述方法还包括:将当前链路权重设置为无穷大;利用所述当前链路的权重进行重路由,获得新的路由路径;并在确定所述新的路由路径的延迟小于或等于所述预设延迟值时,确定重路由成功,并继续基于所述预设约束条件根据Dijkstra算法得到所述新的路由路径中能耗最小的路径。
根据本发明实施例的另一方面,还提供了一种路由路径选择的装置,包括:获取单元,用于在接收到路由请求后,获取历史流量数据;模型建立单元,用于根据所述历史流量数据建立流量感知模型;路径生成单元,用于根据所述流量感知模型利用LBUS休眠策略休眠网络中的预定链路,并生成路由路径;其中,所述预定链路包括链路的中间性小于或等于中间性门限值且链路利用率小于或等于预设利用率门限值的链路;处理单元,用于基于预设约束条件根据Dijkstra算法得到所述路由路径中能耗最小的路径;第一判断单元,用于在所述网络中的链路负载不为零时,判断所述网络中的路径的链路容量是否满足请求带宽;第二判断单元,用于在所述链路容量满足请求带宽时,判断所述网络中的路径的延迟是否小于预设延迟值;路由单元,用于在所述延迟小于或等于预设延迟值时,按照所述能耗最小的路径完成路由。
可选地,所述模型建立单元用于通过以下步骤执行根据所述历史流量数据建立流量感知 模型:对所述历史流量数据进行零均值处理;将零均值处理过的历史流量数据进行小波分解;在确定所述小波分解后的历史流量数据为高频时,进行小波重构,并确定GM模型得到第一预测时间序列;在确定所述小波分解后的历史流量数据为非高频时,确定AR模型,并对所述AR模型进行小波重构得到第二预测时间序列;合成所述第一预测时间序列和所述第二预测时间序列得到所述流量感知模型。
可选地,所述路径生成单元用于通过以下步骤执行根据所述流量感知模型利用LBUS休眠策略休眠网络中的预定链路:通过最短路径法或随机游走法测量所述网络中链路的中间性;将所述链路的中间性按照升序排序,得到链路队列;判断所述链路队列中的当前链路是否超出所述链路队列的长度;在确定所述当前链路未超出所述链路队列的长度时,休眠所述当前链路;设置链路权重为与链路利用率有关的函数,对所述历史流量数据进行路由,确定链路利用率低的链路;统计所述链路利用率低的链路对应的路由请求故障次数;在所述路由请求故障次数不大于零时,删除所述当前链路。
可选地,所述预设约束条件包括:路由中流量守恒;目的节点从其他节点接收流量,而不向临近节点发送流量;中间节点的流量出入守恒;链路的最高利用率小于或等于所述预设利用率门限值以及路由占用的链路数目小于或等于预设数目门限值。
可选地,所述装置还包括:重路由单元,用于在所述链路容量不满足请求带宽时,将当前链路权重设置为无穷大;利用所述当前链路的权重进行重路由,获得新的路由路径;并在确定所述新的路由路径的链路容量满足请求带宽时,确定重路由成功,并继续基于所述预设约束条件根据Dijkstra算法得到所述新的路由路径中能耗最小的路径;所述重路由单元,还用于在所述延迟大于预设延迟值时,将当前链路权重设置为无穷大;利用所述当前链路的权重进行重路由,获得新的路由路径;并在确定所述新的路由路径的延迟小于或等于所述预设延迟值时,确定重路由成功,并继续基于所述预设约束条件根据Dijkstra算法得到所述新的路由路径中能耗最小的路径。
在本发明实施例中,在接收到路由请求后,获取历史流量数据;根据该历史流量数据建立流量感知模型;根据该流量感知模型利用LBUS休眠策略休眠网络中的预定链路,并生成路由路径;其中,该预定链路包括链路的中间性小于或等于中间性门限值且链路利用率小于或等于预设利用率门限值的链路;基于预设约束条件根据Dijkstra算法得到该路由路径中能耗最小的路径;在该网络中的的链路负载不为零时,判断所述网络中的路径的链路容量是否满足请求带宽;在该链路容量满足请求带宽时,判断该网络中的路径的延迟是否小于预设延迟值;在该延迟小于或等于预设延迟值时,按照该能耗最小的路径完成路由。这样,通过建立流量感知模型,并通过流量感知模型将链路中间性和利用率低的链路休眠,建立满足云计 算业务需求的能效智能路由模型,以此减少云计算的能耗。从而解决现有技术无法降低网络能耗和提高通信效率的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的一种可选的路由路径选择方法的流程示意图;
图2是根据本发明实施例的一种可选的流量感知模型建立方法的流程示意图;
图3是根据本发明实施例的一种可选的仿真示意图;
图4是根据本发明实施例的另一种可选的仿真示意图;
图5是根据本发明实施例的第三种可选的仿真示意图;
图6是根据本发明实施例的第四种可选的仿真示意图;
图7是根据本发明实施例的第五种可选的仿真示意图;
图8是根据本发明实施例的第六种可选的仿真示意图;
图9是根据本发明实施例的第七种可选的仿真示意图;
图10是根据本发明实施例的八种可选的仿真示意图;
图11是根据本发明实施例的第九种可选的仿真示意图;
图12是根据本发明实施例的一种可选的路由路径选择的装置的结构示意图;
图13是根据本发明实施例的另一种可选的路由路径选择的装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,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做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本发明实施例,提供了一种路由路径选择的方法实施例,需要说明的是,在附图的 流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例提供的一种路由路径选择的方法,如图1所示,本发明实施例的执行主体可以是一种路由路径选择的装置,该方法包括如下步骤:
步骤S101、在接收到路由请求后,获取历史流量数据。
步骤S102、根据该历史流量数据建立流量感知模型。
可选地,如图2所示,通过以下步骤执行步骤S102:
S11、对该历史流量数据进行零均值处理。
S12、将零均值处理过的历史流量数据进行小波分解。
S13、在确定该小波分解后的历史流量数据为高频时,进行小波重构,并确定GM模型得到第一预测时间序列。
在本发明实施例中,该GM模型为:
令α=(α,μ)T,Y=Hα
利用最小二乘准则得到:
α=(HTH)-1H-1Y
其中,α为一阶单变量的参数的预测值;
H为一阶单变量的数据矩阵,
Y为该一阶单变量的数据向量,z(0)=(z(0)(1),z(0)(2),...,z(0)(n))为时间序列。
根据上述GM模型可以得到第一预测时间序列,其中,该第一预测时间序列为:
其中,a和μ为待辨识参数。
S14、在确定该小波分解后的历史流量数据为非高频时,确定AR模型,并对该AR模型进行小波重构得到第二预测时间序列。
在本发明实施例中,该AR模型为:
设
整理后得到:
其中,p为该AR模型的阶数,{Xt}是平稳时间序列,为实数,εt为平均数(本发明实施例中假设为0),σ为白噪声序列的标准差。
根据上述AR模型可以得到第二预测时间序列,其中,该第二预测时间序列为:
其中,Xt(r)为Xt的r阶预测结果,p为该AR模型的阶数,i=1、2......p,为实数。
S15、合成该第一预测时间序列和该第二预测时间序列得到该流量感知模型。
这样,通过对两部分进行独立的预测,最后合成最终的预测结果,可以解决网络流量预测过程中的高度病态特性,有效提高流量的预测精度。
下面通过仿真实验对流量感知模型的有效性进行说明:
仿真实验是在Matlab2012环境下进行的,仿真实验使用GEANT网络拓扑结构和真实的流量数据进行分析。GEANT网络拓扑中有23个节点,74条单向链路和529个源-目的节点对,流量数据采用5-min的抽样间隔,共计672个时刻。流量值的大小在0-800Gb/s之间变化,最大链路利用率α=90%,我们根据α来设置链路最大容量(如950Gb/s),在本实施例中,为了更好的说明本发明实施例中的流量感知模型的有效性,可以将网络流量分成两个部分进行分析:一部分是趋于平稳周期性变化的流量,另一部分是包含突变因素的网络流量。
通过仿真实验,能够得出流量感知模型可以对周期性平稳的流量进行准确预测。而对于突变流量的预测,流量感知模型对于突变的流量也能准确预测,得到的预测值与真实值基本吻合。因此,说明流量感知模型能够对真实的网络流量进行准确刻画,能够对流量进行精确的感知。
步骤S103、根据该流量感知模型利用LBUS休眠策略休眠网络中的预定链路,并生成路由路径。
其中,该预定链路包括链路的中间性小于或等于中间性门限值且链路利用率小于或等于预设利用率门限值的链路。
可选地,通过以下步骤执行根据该流量感知模型利用LBUS休眠策略休眠网络中的预定链路:
S21、通过最短路径法或随机游走法测量该网络中链路的中间性。
在本发明实施例中,通过最短路径法得到的中间性可以为:
其中,B(k)为中间性,λsd为s,d两点之间的最短路径条数,λsd(k)为经过节点k的最短路径的条数,V为全部节点集合。
通过随机游走法得到的到中间性可以为:
其中,γsd为从源节点s到目的节点d的流量,γ=∑s,dγsd,bsk(d)为节点s出发到达节点d的随机游走过程。
需要说明的是,中间性的大小可以反映链路使用的概率,中间性越小越容易造成网络能源的浪费。
S22、将该链路的中间性按照升序排序,得到链路队列。
S23、判断该链路队列中的当前链路是否超出该链路队列的长度。
S24、在确定当前链路未超出该链路队列的长度时,休眠该当前链路。
其中,将中间性按照从小到大排列,同时将最大的中间性链路处于休眠状态,也就是说中间性越大,流经它的数据分组越多,但会产生拥塞问题,为了提高网络能效,所以休眠此链路。同时选择拥塞小的链路,提高网络能效。
进一步地,在确定当前链路超出该链路队列的长度时,修改当前链路的权重并重路由。
其中,修改当前链路的权重并重路由的具体过程包括:将当前链路权重设置为无穷大;利用该当前链路的权重进行重路由,获得新的路由路径。
S25、设置链路权重为与链路利用率有关的函数,对该历史流量数据进行路由,确定链路利用率低的链路。
S26、统计该链路利用率低的链路对应的路由请求故障次数。
S27、在该路由请求故障次数不大于零时,删除该当前链路。
其中,由于中间性大的链路容易产生网络瓶颈,因此在判断链路利用率低的链路可行的话,可以使用链路利用率低的链路进行路由。同时删除中间性大的链路,使用链路利用率低的链路,提高网络能效。
进一步地,在该路由请求故障次数大于零时,则执行后续步骤S104至步骤S107。
在本发明实施例中,为了说明LBUS休眠策略的有效性,可以从休眠链路数目、激活链路的平均利用率和网络比特能耗三个方面对有无LBUS休眠策略进行详细地对比分析。
图3为有无LBUS休眠策略对网络链路数目的影响,从仿真结果可以看出,有休眠策略的实现方式可以休眠9条链路,从而使得网络比特能耗降低,如图4所示。从图4的仿真结果中可以看出,随着业务平均请求量的增加,网络的比特能耗不断减小,有休眠策略的实现方式的比特能耗低于无休眠策略的实现方式。
图5为LBUS休眠策略对平均链路利用率的影响。从仿真结果中可以看出,激活链路的平均利用率随着业务需求的增加而增大。有LBUS休眠策略的实现方式的平均链路利用率高于无LBUS休眠策略的实现方式。这是因为休眠的链路数越多,处于激活状态的链路平均利用率就会增大。
步骤S104、基于预设约束条件根据Dijkstra算法得到该路由路径中能耗最小的路径。
其中,每条链路lij的能耗函数由两个参数决定,一个是固定参数β,表示基本能耗的比例系数,另一个为链路容量Cij。基本能耗可以表示成线性函数当链路负载为0时,能耗也为0,这意味着链路lij被关闭。
根据基本能耗所占的比例系数可以得出,流量能耗在链路能耗中所占比例为1-β,因此,流量的能耗函数可以由凸函数形式表示:
综上,链路lij的能耗函数可以表示为:
其中,xij表示从节点i到节点j的链路负载。
则以最小化网络的比特能耗为优化目标的优化模型可以表示为:
其中,MininizeηBE表示最小能耗,B表示比特;E表示拓扑中所有链路的集合,E(xij)表示链路的能耗函数,xij表示从节点i到节点j的链路负载。
则在上述优化模型满足该预设约束条件下,通过该优化模型即可得到能耗最小的路径。
在本发明实施例中,上述约束条件包括:
1、路由中流量出入守恒。
即源节点通过一条出链路发送流量,并且不接受任何流量:
其中,为节点(本实施例中为源节点)的出流量,为节点(本实施例中为源节点)的入流量,rsd表示源节点s到目的节点d经过链路的请求带宽量。
2、目的节点从其他节点接收流量,而不向临近节点发送流量。
即
其中,为节点(本实施例中为目的节点)的出流量,为节点(本实施例中为目的节点)的入流量,rsd表示源节点s到目的节点d经过链路的请求带宽量。
3、中间节点的流量出入守恒。
即
其中,为节点(本实施例中为中间节点)的出流量,为节点(本实施例中为中间节点)的入流量。
4、链路的最高利用率小于或等于该预设利用率门限值。
即
其中,为链路的最高利用率,αCij为预设利用率门限值,Cij为链路容量。
5、路由占用的链路数目小于或等于预设数目门限值。
即
其中,为路由占用的链路数目,maxhop为该预设数目门限值,该maxhop可以为74。
在本实施案例中,主要考虑了预设利用率门限值Alpha和路由最大延迟约束MaxDelay参数对网络能耗的影响。其中,Alpha有α=80%和α=90%的情况,MaxDelay分为有最大延迟约束和无最大延迟约束两种情况。
从图6中可以看出,在不同的延迟约束下,随着业务平均请求量的增加,网络的比特能耗逐渐减小。其中,Alpha=90%的比特能耗小于Alpha=60%时的比特能耗,且无延迟约束时,网络的比特能耗较小。
图7为不同QoS约束条件下,链路的平均利用率随流量平均需求增加的变化情况。从图中可以明显看出,随着业务平均请求量的增加,链路的平均利用率逐渐增大,其中,Alpha=90%且无延迟约束时,平均链路利用率最高,这是因为网络休眠的链路数固定,Alpha越大,允许通过的业务请求值越大,从而链路利用率会增加。
步骤S105、在该网络中的链路负载不为零时,判断该网络中的路径的链路容量是否满足请求带宽。
其中,在本发明实施例中,链路容量可以为950。
进一步地,在该网络中的链路负载为零时,则路径不存在,保存当前结果,路由结束。
步骤S106、在该链路容量满足请求带宽时,判断该网络中的路径的延迟是否小于预设延迟值。
进一步地,在该链路容量不满足请求带宽时,将当前链路权重设置为无穷大;利用该当前链路的权重进行重路由,获得新的路由路径;并在确定该新的路由路径的链路容量满足请求带宽时,确定重路由成功,并继续执行步骤S104。
需要说明的是,在继续执行步骤S104后,执行步骤S105。
步骤S107、在该延迟小于或等于预设延迟值时,按照该能耗最小的路径完成路由。
进一步地,在该延迟大于预设延迟值时,将当前链路权重设置为无穷大;利用该当前链路的权重进行重路由,获得新的路由路径;并在确定该新的路由路径的延迟小于或等于该预设延迟值时,确定重路由成功,并继续执行步骤S104。
需要说明的是,在继续执行步骤S104后,执行步骤S105至步骤S106。
进一步地,在按照该能耗最小的路径完成路由后,更新路径使用过链路的容量和路由的权重值,并判断业务请求是否结束,如果没有结束则继续根据下一路由请求执行步骤S103至步骤S107,如果结束了保存路由结果,则当前业务请求的路由结束。
在本实施案例中,为了进一步验证本发明实施例的性能,本发明进一步研究不同路由算法间的性能对比,在仿真实验中,将本发明实施例分别与开放式最短路径优先OSPF算法、基于EAR拓扑修剪算法的GreenOSPF以及基于最大团的拓扑修剪算法MaxCompatibility算法进行对比,从链路休眠率、平均链路利用率、网络能耗及比特能耗四个方面进行了详细的对比分析。仿真实验中的预设利用率门限值Alpha设为90%,最大延迟约束MaxDelay设为5。
图8为不同路由算法的链路休眠率对比仿真图,从图中可以明显地看出,本发明实施例的链路休眠率最高,可以休眠12%的链路,其次是基于最大团的拓扑修剪算法MaxCompatibility算法,可以休眠5%的链路,基于EAR拓扑修剪算法的GreenOSPF可以休眠4%的链路,而OSPF链路休眠率为0。
图9为不同路由算法激活链路的平均利用率随着业务平均请求量变化的情况。从图中可以明显地看出,随着业务平均请求量的不断增加,四种路由算法的平均链路利用率都是增加的。由于本发明实施例链路休眠率最高,即开启的链路数目较少,在同样的业务请求下,该算法的平均链路利用率明显高于其他三个算法。在低负载时平均链路利用率超过35%,在最高负载时,其平均链路利用率超过了55%。而在对比算法中,MaxCompatibility算法的平均链路利用率最高,其次为GreenOSPF算法,而OSPF算法由于没有链路休眠,其平均链路利用率最低。
图10为不同路由算法下,网络总能耗随业务平均请求量的变化情况。从图中可以看出,网络总能耗随业务平均请求量的增加而增大。其中OSPF算法的能耗值最高,其次为MaxCompatibility和GreenOSPF算法,而本发明实施例的能耗值最低。这是因为本发明实施例关闭的链路数目最多,从而导致网络的总能耗值降低。
为了更好的刻画网络能效的变化情况,图11给出了不同路由算法的网络比特能耗对比图。从图中可以看出,随着业务请求的增加,网络的比特能耗不断减小,即传输1Gbit所消耗的能量增加,而本发明实施例的网络比特能耗明显小于其他三个对比算法。
总之,通过以上详细地对比分析,可以发现本发明实施例的链路休眠率、平均链路利用率、网络的能耗及比特能耗等性能都优于对比算法,因此可以更好的实现网络节能,提高网络能效。
图12为本发明实施例提供的一种路由路径选择的装置,如图12所示,包括:
获取单元1201,用于在接收到路由请求后,获取历史流量数据;
模型建立单元1202,用于根据该历史流量数据建立流量感知模型;
路径生成单元1203,用于根据该流量感知模型利用LBUS休眠策略休眠网络中的预定链路,并生成路由路径;其中,该预定链路包括链路的中间性小于或等于中间性门限值且链路利用率小于或等于预设利用率门限值的链路;
处理单元1204,用于基于预设约束条件根据Dijkstra算法得到该路由路径中能耗最小的路径;
第一判断单元1205,用于在该网络中的链路负载不为零时,判断该网络中的路径的链路容量是否满足请求带宽;
第二判断单元1206,用于在该链路容量满足请求带宽时,判断该网络中的路径的延迟是否小于预设延迟值;
路由单元1207,用于在该延迟小于或等于预设延迟值时,按照该能耗最小的路径完成路由。
可选地,该模型建立单元1202用于通过以下步骤执行根据该历史流量数据建立流量感知模型:对该历史流量数据进行零均值处理;将零均值处理过的历史流量数据进行小波分解;在确定该小波分解后的历史流量数据为高频时,进行小波重构,并确定GM模型得到第一预测时间序列;在确定该小波分解后的历史流量数据为非高频时,确定AR模型,并对该AR模型进行小波重构得到第二预测时间序列;合成该第一预测时间序列和该第二预测时间序列得到该流量感知模型。
可选地,该路径生成单元1203用于通过以下步骤执行根据该流量感知模型利用LBUS休眠策略休眠网络中的预定链路:通过最短路径法或随机游走法测量该网络中链路的中间性;将该链路的中间性按照升序排序,得到链路队列;判断该链路队列中的当前链路是否超出该链路队列的长度;在确定该当前链路未超出该链路队列的长度时,休眠该当前链路;设置链路权重为与链路利用率有关的函数,对所述历史流量数据进行路由,确定链路利用率低的链路;统计所述链路利用率低的链路对应的路由请求故障次数;在该路由请求故障次数不大于零时,删除该当前链路。
可选地,该预设约束条件包括:路由中流量出入守恒;目的节点从其他节点接收流量,而不向临近节点发送流量;中间节点的流量出入守恒;链路的最高利用率小于或等于该预设利用率门限值以及路由占用的链路数目小于或等于预设数目门限值。
可选地,如图13所示,该装置还包括:重路由单元1208,用于在该链路容量不满足请求带宽时,将当前链路权重设置为无穷大;利用该当前链路的权重进行重路由,获得新的路由路径;并在确定该新的路由路径的链路容量满足请求带宽时,确定重路由成功,并继续基于该预设约束条件根据Dijkstra算法得到该新的路由路径中能耗最小的路径;该重路由单元 1208,还用于在该延迟大于预设延迟值时,将当前链路权重设置为无穷大;利用该当前链路的权重进行重路由,获得新的路由路径;并在确定该新的路由路径的延迟小于或等于该预设延迟值时,确定重路由成功,并继续基于该预设约束条件根据Dijkstra算法得到该新的路由路径中能耗最小的路径。
这样,通过采用上述装置,通过建立流量感知模型,并通过流量感知模型将链路中间性和利用率低的链路休眠,建立满足云计算业务需求的能效智能路由模型,以此减少云计算的能耗,从而解决现有技术无法降低网络能耗和提高通信效率的技术问题。
所属本领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的路由路径选择的装置的具体工作过程和描述,可以参考前述方法实施例中的对应过程,在此不再赘述。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (8)
1.一种路由路径选择的方法,其特征在于,包括:
在接收到路由请求后,获取历史流量数据;
根据所述历史流量数据建立流量感知模型;
根据所述流量感知模型利用LBUS休眠策略休眠网络中的预定链路,并生成路由路径;其中,所述预定链路包括链路的中间性小于或等于中间性门限值且链路利用率小于或等于预设利用率门限值的链路;
基于预设约束条件根据Dijkstra算法得到所述路由路径中能耗最小的路径;
在所述网络中的链路负载不为零时,判断所述网络中的路径的链路容量是否满足请求带宽;
在所述链路容量满足请求带宽时,判断所述网络中的路径的延迟是否小于预设延迟值;
在所述延迟小于或等于预设延迟值时,按照所述能耗最小的路径完成路由;
所述根据所述历史流量数据建立流量感知模型包括:对所述历史流量数据进行零均值处理;将零均值处理过的历史流量数据进行小波分解;在确定所述小波分解后的历史流量数据为高频时,进行小波重构,并确定GM模型得到第一预测时间序列;在确定所述小波分解后的历史流量数据为非高频时,确定AR模型,并对所述AR模型进行小波重构得到第二预测时间序列;合成所述第一预测时间序列和所述第二预测时间序列得到所述流量感知模型。
2.根据权利要求1所述的方法,其特征在于,所述根据所述流量感知模型利用LBUS休眠策略休眠网络中的预定链路包括:
通过最短路径法或随机游走法测量所述网络中链路的中间性;
将所述链路的中间性按照升序排序,得到链路队列;
判断所述链路队列中的当前链路是否超出所述链路队列的长度;
在确定所述当前链路未超出所述链路队列的长度时,休眠所述当前链路;
设置链路权重为与链路利用率有关的函数,对所述历史流量数据进行路由,确定链路利用率低的链路;
统计所述链路利用率低的链路对应的路由请求故障次数;
在所述路由请求故障次数不大于零时,删除所述当前链路。
3.根据权利要求1所述的方法,其特征在于,所述预设约束条件包括:
路由中流量出入守恒;
目的节点从其他节点接收流量,而不向临近节点发送流量;
中间节点的流量出入守恒;
链路的最高利用率小于或等于所述预设利用率门限值;
路由占用的链路数目小于或等于预设数目门限值。
4.根据权利要求1所述的方法,其特征在于,
在所述链路容量不满足请求带宽时,所述方法还包括:将当前链路权重设置为无穷大;利用所述当前链路的权重进行重路由,获得新的路由路径;并在确定所述新的路由路径的链路容量满足请求带宽时,确定重路由成功,并继续基于所述预设约束条件根据Dijkstra算法得到所述新的路由路径中能耗最小的路径;
在所述延迟大于预设延迟值时,所述方法还包括:将当前链路权重设置为无穷大;利用所述当前链路的权重进行重路由,获得新的路由路径;并在确定所述新的路由路径的延迟小于或等于所述预设延迟值时,确定重路由成功,并继续基于所述预设约束条件根据Dijkstra算法得到所述新的路由路径中能耗最小的路径。
5.一种路由路径选择的装置,其特征在于,包括:
获取单元,用于在接收到路由请求后,获取历史流量数据;
模型建立单元,用于根据所述历史流量数据建立流量感知模型;
路径生成单元,用于根据所述流量感知模型利用LBUS休眠策略休眠网络中的预定链路,并生成路由路径;其中,所述预定链路包括链路的中间性小于或等于中间性门限值且链路利用率小于或等于预设利用率门限值的链路;
处理单元,用于基于预设约束条件根据Dijkstra算法得到所述路由路径中能耗最小的路径;
第一判断单元,用于在所述网络中的链路负载不为零时,判断所述网络中的路径的链路容量是否满足请求带宽;
第二判断单元,用于在所述链路容量满足请求带宽时,判断所述网络中的路径的延迟是否小于预设延迟值;
路由单元,用于在所述延迟小于或等于预设延迟值时,按照所述能耗最小的路径完成路由;
所述模型建立单元用于通过以下步骤执行根据所述历史流量数据建立流量感知模型:对所述历史流量数据进行零均值处理;将零均值处理过的历史流量数据进行小波分解;在确定所述小波分解后的历史流量数据为高频时,进行小波重构,并确定GM模型得到第一预测时间序列;在确定所述小波分解后的历史流量数据为非高频时,确定AR模型,并对所述AR模型进行小波重构得到第二预测时间序列;合成所述第一预测时间序列和所述第二预测时间序列得到所述流量感知模型。
6.根据权利要求5所述的装置,其特征在于,所述路径生成单元用于通过以下步骤执行根据所述流量感知模型利用LBUS休眠策略休眠网络中的预定链路:
通过最短路径法或随机游走法测量所述网络中链路的中间性;
将所述链路的中间性按照升序排序,得到链路队列;
判断所述链路队列中的当前链路是否超出所述链路队列的长度;
在确定所述当前链路未超出所述链路队列的长度时,休眠所述当前链路;
设置链路权重为与链路利用率有关的函数,对所述历史流量数据进行路由,确定链路利用率低的链路;
统计所述链路利用率低的链路对应的路由请求故障次数;
在所述路由请求故障次数不大于零时,删除所述当前链路。
7.根据权利要求5所述的装置,其特征在于,所述预设约束条件包括:
路由中流量出入守恒;
目的节点从其他节点接收流量,而不向临近节点发送流量;
中间节点的流量出入守恒;
链路的最高利用率小于或等于所述预设利用率门限值;
路由占用的链路数目小于或等于预设数目门限值。
8.根据权利要求5所述的装置,其特征在于,所述装置还包括:
重路由单元,用于在所述链路容量不满足请求带宽时,将当前链路权重设置为无穷大;利用所述当前链路的权重进行重路由,获得新的路由路径;并在确定所述新的路由路径的链路容量满足请求带宽时,确定重路由成功,并继续基于所述预设约束条件根据Dijkstra算法得到所述新的路由路径中能耗最小的路径;
所述重路由单元,还用于在所述延迟大于预设延迟值时,将当前链路权重设置为无穷大;利用所述当前链路的权重进行重路由,获得新的路由路径;并在确定所述新的路由路径的延迟小于或等于所述预设延迟值时,确定重路由成功,并继续基于所述预设约束条件根据Dijkstra算法得到所述新的路由路径中能耗最小的路径。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510828758.9A CN105376157B (zh) | 2015-11-22 | 2015-11-22 | 一种路由路径选择的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510828758.9A CN105376157B (zh) | 2015-11-22 | 2015-11-22 | 一种路由路径选择的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105376157A CN105376157A (zh) | 2016-03-02 |
CN105376157B true CN105376157B (zh) | 2018-06-26 |
Family
ID=55377977
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510828758.9A Active CN105376157B (zh) | 2015-11-22 | 2015-11-22 | 一种路由路径选择的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105376157B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107395502B (zh) * | 2016-05-17 | 2021-02-09 | 华为技术有限公司 | 确定路由策略的方法和装置 |
CN106209631A (zh) * | 2016-07-13 | 2016-12-07 | 福建工程学院 | 端对端通讯网络的实时路由的选择方法 |
CN106713035B (zh) * | 2016-12-23 | 2019-12-27 | 西安电子科技大学 | 一种基于分组测试的拥塞链路定位方法 |
CN110233797B (zh) * | 2019-06-27 | 2020-08-25 | 西安电子科技大学 | 基于动态区间限定的dtn网络最短时延路由方法 |
CN112311667B (zh) * | 2020-11-12 | 2022-07-08 | 山东云海国创云计算装备产业创新中心有限公司 | 一种报文传输方法、装置、设备及存储介质 |
CN114071636A (zh) * | 2021-10-28 | 2022-02-18 | 浪潮通信信息系统有限公司 | 链路分配方法及装置 |
CN114338180A (zh) * | 2021-12-30 | 2022-04-12 | 青岛黄海学院 | 一种大数据网络通信实现方法 |
CN115086224B (zh) * | 2022-05-24 | 2024-01-23 | 广东工业大学 | 基于Farey模型的最短路由实现方法及系统 |
CN115209426B (zh) * | 2022-07-28 | 2023-06-09 | 广东工业大学 | 一种边缘车联网内数字孪生服务器动态部署方法 |
CN115632978A (zh) * | 2022-09-05 | 2023-01-20 | 鹏城实验室 | 一种多模态网络节点控制方法、装置、设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102413509A (zh) * | 2011-11-09 | 2012-04-11 | 中国科学院上海微系统与信息技术研究所 | 一种wsn中的时延受限能耗均衡数据采集树构建方法 |
CN102932868A (zh) * | 2012-10-24 | 2013-02-13 | 苏州两江科技有限公司 | 无线传感网络内进行数据传输的方法 |
CN102970225A (zh) * | 2012-11-13 | 2013-03-13 | 同济大学 | 基于多优先级业务的IP over WDM网络能量感知路由方法 |
CN103297341A (zh) * | 2013-07-04 | 2013-09-11 | 清华大学 | 在域内路由器节点上配置流量的方法 |
EP2675120A1 (en) * | 2011-02-07 | 2013-12-18 | Nec Corporation | Path selection method and control server |
-
2015
- 2015-11-22 CN CN201510828758.9A patent/CN105376157B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2675120A1 (en) * | 2011-02-07 | 2013-12-18 | Nec Corporation | Path selection method and control server |
CN102413509A (zh) * | 2011-11-09 | 2012-04-11 | 中国科学院上海微系统与信息技术研究所 | 一种wsn中的时延受限能耗均衡数据采集树构建方法 |
CN102932868A (zh) * | 2012-10-24 | 2013-02-13 | 苏州两江科技有限公司 | 无线传感网络内进行数据传输的方法 |
CN102970225A (zh) * | 2012-11-13 | 2013-03-13 | 同济大学 | 基于多优先级业务的IP over WDM网络能量感知路由方法 |
CN103297341A (zh) * | 2013-07-04 | 2013-09-11 | 清华大学 | 在域内路由器节点上配置流量的方法 |
Non-Patent Citations (1)
Title |
---|
Qos Constraints-Based Energy-Efficient Model for IP Networks;Dingde Jiang,Wenjuan Wang;《Advanced Information and Computer Technology in Engineering and Manufacturing Environment Engineering》;20130904;1747-1751 * |
Also Published As
Publication number | Publication date |
---|---|
CN105376157A (zh) | 2016-03-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105376157B (zh) | 一种路由路径选择的方法和装置 | |
Sun et al. | Autonomous resource slicing for virtualized vehicular networks with D2D communications based on deep reinforcement learning | |
CN111445111B (zh) | 一种基于边缘协同的电力物联网任务分配方法 | |
Sun et al. | Cooperative computation offloading for multi-access edge computing in 6G mobile networks via soft actor critic | |
CN107579922B (zh) | 网络负载均衡装置和方法 | |
CN110717300B (zh) | 面向电力物联实时在线监测业务的边缘计算任务分配方法 | |
Van Le et al. | Quality of service aware computation offloading in an ad-hoc mobile cloud | |
CN111124531B (zh) | 一种车辆雾计算中基于能耗和延迟权衡的计算任务动态卸载方法 | |
Klaimi et al. | Theoretical game approach for mobile users resource management in a vehicular fog computing environment | |
Chen et al. | A machine-learning based time constrained resource allocation scheme for vehicular fog computing | |
CN110011922B (zh) | 弹性光网络中采用业务预测与频谱转换的rsa方法 | |
Wang et al. | Dynamic offloading scheduling scheme for MEC-enabled vehicular networks | |
Tham et al. | A load balancing scheme for sensing and analytics on a mobile edge computing network | |
Maiti et al. | Efficient data collection for IoT services in edge computing environment | |
CN110290077A (zh) | 一种基于实时业务配置的工业sdn资源分配方法 | |
CN108737268A (zh) | 软件定义工业物联网资源调度方法 | |
Suzuki et al. | Multi-agent deep reinforcement learning for cooperative offloading in cloud-edge computing | |
CN102082732A (zh) | 一种基于虚拟路由器可迁移的虚拟网节能方法 | |
CN104618966A (zh) | 一种基于终端协同的无线泛在环境下速率分配方法 | |
Wang et al. | Multi-access edge computing based vehicular network: Joint task scheduling and resource allocation strategy | |
Suzuki et al. | Multi-agent deep reinforcement learning for cooperative computing offloading and route optimization in multi cloud-edge networks | |
CN105138391B (zh) | 面向广域分布云系统公平的多任务虚拟机分配方法 | |
Wang et al. | Modeling on resource allocation for age-sensitive mobile edge computing using federated multi-agent reinforcement learning | |
Zhang et al. | Vehicular multi-slice optimization in 5G: Dynamic preference policy using reinforcement learning | |
Wang et al. | Joint offloading decision and resource allocation in vehicular edge computing networks |
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 | ||
DD01 | Delivery of document by public notice |
Addressee: Northeastern University Person in charge of patents Document name: payment instructions |
|
DD01 | Delivery of document by public notice |