CN106789289A - 用于虚拟网络映射的方法和设备 - Google Patents

Abstract

本发明涉及一种用于虚拟网络映射的方法和设备，所述方法从已有的网络虚拟化数学模型着手，提出了一种新的方法模型，并且通过整数线性规划最优解算法求解所述虚拟网络到底层网络的映射，从而求解出具体VNE问题下的网络规划和资源分配。与目前学术界和工业界使用的贪婪算法、协同算法等相比，本发明所提出的算法具有良好的收敛性和最优解精度。

Description

用于虚拟网络映射的方法和设备

技术领域

本申请涉及网络通信领域，更具体地，本申请涉及一种虚拟网络精确映射的方法。

背景技术

目前，通信网络以及核心网主要是由支持TCP/IP协议的IP网组成。IP网相互之间通过存储/转发的方式进行通信。存储/转发的方式具有很高的可靠性，但其中所进行的数据处理造成了较大的延时。因此，存储/转发方式虽然使IP网络获得了快速的发展，但是也使得当前网络的僵化程度变得严重。

为了克服网络僵化以及促进异构网的扁平化及融合，在2012年的ITU-TY.3011文件中，网络虚拟化被正式提出为下一代网络的关键技术。网络虚拟化技术能够在不改变现有网络架构的情况下，实现灵活多样化的网络服务，同时，底层网络的共享也极大提高了网络资源的利用率。网络运营商可以更灵活地对不同应用的流量需求进行宏观调控，进而执行针对性地收费。

近年来，学术界和工业界对于网络虚拟化的研究十分重视。在学术界，ACMSIGCOMM、MOBICOM、IEEE INFOCOM、ACM/IEEE TON等通信领域的顶级学术会议和期刊上有关网络虚拟化的论文逐年增加。在工业界，近年来关于SDN和OpenFlow的研究让网络实现虚拟化不再是遥不可及的梦想。

在网络虚拟化过程中，多个由终端用户提出的虚拟网络需要共享底层网络的节点和链路等网络资源；然而，每个虚拟网络中的虚拟节点和虚拟链路都具有特定的计算、存储和带宽等资源要求。因此，在满足不同虚拟网络资源要求的前提下，如何将虚拟网络中的虚拟节点和链路映射到底层网络中，以实现底层网络资源利用率的最优化，成为网络虚拟化技术获得成功应用的关键问题之一。该问题直接决定了网络资源的利用效率，因此具有重要的现实意义。通常，我们将这一问题称为虚拟网络映射问题(virtual networkembedding，VNE)。这一问题的建模和求解极为复杂，并且，大量研究已经证实，VNE问题及其简化子问题均属于NP难问题，无法在多项式时间之内求解。因此，VNE问题是网络虚拟化问题所面临的主要挑战之一，也是该领域的研究热点。

依据VNE问题的特性，可以将该问题细分为两个子问题：满足虚拟节点需求(运算、存储能力、位置等)的节点映射和满足虚拟链路需求(带宽、链路延迟等)的链路映射。

目前，学术上提出的求解VNE问题的算法主要分为两类：第一类，运用启发式算法(例如，穷举法、最短路径算法等)来实现虚拟网络的映射，进而实现网络虚拟化。但这一类方法，只是在给定的收敛次数和精度要求下，找到一个局部最优解；然而却无法实现全局最优的资源配置。

第二类算法是在已有的数学模型上，运用优化理论来建立VNE问题的方法模型，再通过引入和简化一些网络约束，从而让具体的VNE问题可解，此外，还可以在给定的收敛次数下找到该具体VNE问题在可行域内的精确解。

本申请属于第二类方法的范畴，通过计算最优解，从而能够为对应的底层网络配置提供准确参考。

发明内容

本申请提出了一种新的用于虚拟网络映射的方法，通过整数线性规划最优解算法求解所述虚拟网络到底层网络的映射，从而求解出具体VNE问题下的网络规划和资源分配。与目前学术界和工业界使用的贪婪算法、协同算法等相比，本发明所提出的算法具有良好的收敛性和最优解精度。

根据本发明的一方面，本申请提供了一种用于虚拟网络映射的方法，包括：确定约束条件，所述约束条件包括：在某一实际节点处映射的虚拟节点所需的运算能力的总和不超过所述实际节点的实际运算能力；任意实际链路的延时小于在所述实际链路上映射成功的任意虚拟链路的时延需求；基于所述约束条件，通过整数线性规划最优解算法求解所述虚拟网络到底层网络的映射，并且通过所述算法：映射得到的虚拟网络中的资源消耗为所可能达到的最小值。

根据本发明的一方面，本申请提供了一种用于虚拟网络映射的设备，包括：处理器；以及存储器，其中存储用于虚拟网络映射的程序；并且所述处理器当执行所述程序时，被配置为执行以下步骤：确定约束条件，所述约束条件包括：在某一实际节点处映射的虚拟节点所需的运算能力的总和不超过所述实际节点的实际运算能力；任意实际链路的延时小于在所述实际链路上映射成功的任意虚拟链路的时延需求；基于所述约束条件，通过整数线性规划最优解算法求解所述虚拟网络到底层网络的映射，并且通过所述算法：映射得到的虚拟网络中的资源消耗为所可能达到的最小值。

附图说明

本申请的以上方面和其他方面将参照附图通过下面对示例性实施例的详细描述变得更加显然，其中：

图1根据一个或多个实施例，示出了执行用于虚拟网络映射的方法100的流程图；

图2根据一个或多个实施例，示出了映射成功率随着节点数的增加而变化的趋势的示意图；

图3根据一个或多个实施例，示出了平均节点利用率随着节点数的增加而变化的趋势的示意图；

图4根据一个或多个实施例，示出了平均链路利用率随着节点数的增加而变化的趋势的示意图。

具体实施方式

下面将详细描述本发明的各个方面的特征和示例性实施例。在下面的详细描述中，提出了许多具体细节，以便提供对本发明的全面理解。但是，对于本领域技术人员来说很明显的是，本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明的更好的理解。本发明决不限于下面所提出的任何具体配置和算法，而是在不脱离本发明的精神的前提下覆盖了元素、部件和算法的任何修改、替换和改进。在附图和下面的描述中，没有示出公知的结构和技术，以便避免对本发明造成不必要的模糊。

在下面的表1中，列出了一些符号以及其实际的含义之间的对应关系。

表1

另外，本文中所使用的一些变量如下所示：

是用来描述任意虚拟节点M与任意实际网络节点m的映射关系，若呈映射关系，则为1，否则为0；

是用来描述任意虚拟链路MN与任意实际网络路径mn的映射关系，若呈映射关系，则为1，否则为0。

本申请所要实现的目标是：寻求最优情况下，任意虚拟节点M与任意实际网络节点m之间的映射关系，以及任意虚拟链路MN与任意实际网络路径mn之间的映射关系，即完成虚拟网络G(N^V，L^V)和底层网络G(N^S，L^S)之间的映射关系；同时，在所完成的虚拟网络和底层网络的映射关系中，尽量提高底层网络的节点和链路的利用率。

在图1中，示出了一种用于虚拟网络映射的方法100的流程图。该流程图只是示意，本领域的技术人员可以理解，可以在该图的基础上进行适应性地变化、替代和修改。

在计算模型中，进一步确定以下关于约束关系的界定。

在待映射的虚拟网络G(N^V，L^V)和底层网络G(N^S，L^S)之间的映射中，可以存在以下需要满足的约束条件：

1)虚拟节点与实际网络节点之间的映射关系：

对于每个虚拟节点，仅可以且必须与一个实际节点建立映射关系：

对于每个实际节点，最多与一个虚拟节点建立映射关系：

2)虚拟节点、实际节点间的运算能力约束关系

在某一实际节点m处映射的虚拟节点所需的运算能力的总和应当小于该实际节点m的实际运算能力：

3)虚拟节点、实际节点之间的位置约束关系：

被映射的虚拟节点和虚拟链路虽然不具备相应的物理实体，但仍然在空间中具有其各自的物理位置。在本申请的计算中，要求成功映射的虚拟节点和实际节点间的距离应当满足虚拟节点的位置需求不超过LR(M)，这里，LR(M)可根据需求自行设置。在极端情形下，LR(M)可设置为无穷大。

4)虚拟链路和实际链路之间的映射关系：

完成映射后，任意映射成功的虚拟链路映射到被映射的实际链路的正向或反向：

5)虚拟链路和实际链路之间的带宽约束关系：

底层网络的任意实际链路上所映射成功的虚拟链路带宽的所需求的总和应当小于该实际链路上的带宽：

这里，注意到一条实际链路可以映射到多个虚拟链路上。

6)虚拟链路和实际链路间的链路延迟关系：

底层网络的任意实际链路的延时应当小于在其上映射成功的任意虚拟链路实验需求：

在界定上述约束关系后，进一步确定本申请中算法的目标函数。这里，α、β是对数值进行归一化处理时的权值，γ是凸显所有链路时延的权值。

1)资源消耗函数：

在最终确定映射的最优解所得到的虚拟网络时，该虚拟网络中的资源消耗最小：

2)延时函数：

在最终确定映射的最优解所得到的虚拟网络时，该虚拟网络中的延时最小：

3)资源消耗和负载均衡函数：

最终确定映射得到虚拟网络后，底层网络的“已使用资源数/剩余资源数”要最小，以便于在底层网络中剩余更多资源用于处理新增负载：

4)资源消耗和延时函数：

配置虚拟网络的资源消耗、延时函数以及带宽需求的以下关系，使其不具有凹性，从而使得最优解的计算更为可行：

在定义以上约束条件和目标函数之后，计算最优解。这里，我们采用最优解算法“整数线性规划”来计算最优解，作为示例，可以使用由规划问题软件GPLK来求解。

在上述方法的基础上，申请人进一步提出了一个基于Java语言的开源框架ALEVIN，进一步发展了该框架并且将该算法添加到ALEVIN中；同时，该平台中还添加了工业界和学术界目前使用最多的几种算法，例如以下附图1-3中所示的D-ViNe-SP算法、D-ViNe-MCF算法、以及R-ViNe-SP算法等。通过将这些算法集成，可以进一步评估本申请中算法的性能。

本申请的算法从已有的网络虚拟化数学模型着手，以最优化理论为基础提出了一种新的方法模型；通过利用解规划问题软件GLPK，可以求解出具体VNE问题下的网络规划和资源分配，与目前学术界和工业界使用的贪婪算法、协同算法等相比，具有良好的收敛性和最优解精度。

在图2-4中，分别示出了在一种仿真网络模型下，本申请中所公开的算法以及其它一些常用算法的映射成功率、平均节点和链路利用率的示意图。

该仿真网络的设置如下：底层网络具有50个节点，每对节点以0.5的概率连接，每个节点的运算能力遵循50～100范围内的平均分布，每条底层链路的带宽也遵循50～100范围内的平均分布。每个底层节点的位置在x和y轴上0～200处随机分布。每条链路的链路延迟统一设置为一个时间单元。每个虚拟网络，节点数平均分布在5～10之间，虚拟节点的运算能力以及虚拟链路带宽需求满足1～20内的平均分布。每个虚拟节点的位置需求在x和y轴上0～200处随机分布，所允许的距离则在5～10内随机分布。对于虚拟链路延迟，平均分布在1～4个单位时间上。

同时，虚拟链路的提出遵循泊松分布，网络数目的均值从2到9依次增加。每次实验，底层网络和相应的虚拟网络都重新生成。在每个均值下重复30次，以使得实验结果具有统计意义，达到95％以上的准确度。

如图2-4所示，随着虚拟网络中节点数目的增加，平均映射成功率随之下降；但是在映射成功的虚拟网络中，平均节点利用率和平均链路利用率随之上升。

以上已具体描述了实现本发明的方法和技术，注意到本公开的特定实施例可轻易地包括片上系统(SOC)中央处理单元(CPU)封装。SOC表示将计算机或其他电子系统的组件集成到单个芯片中的集成电路(IC)。其可包含数字、模拟、混合信号和射频功能：所有这些可以在单个芯片基板上提供。其他的实施例可包括多芯片模块(MCM)，其中多个芯片位于单个电子封装内并且被配置为彼此通过电子封装密切交互。在各个其他实施例中，数字信号处理功能可被实现于专用集成电路(ASIC)、现场可编程门阵列(FPGA)和其他半导体芯片中的一个或多个硅核中。另外，在各种实施例中，这里所述的处理器、存储器、网卡、总线、存储设备、相关外设、和其他设备元件可通过由软件或固件配置以仿真或虚拟化这些硬件元件的功能的处理器、存储器和其他相关设备来实现。

在示例性实现中，这里所列出的处理活动的至少一些部分还可以用软件来实现。在一些实施例中，这些特征中的一个或多个特征可通过设置在计算设备的元件之外或者以任何适当方式固化以实现预期功能的硬件来实现。各个组件可以包括能够协调从而实现这里所列出的操作的软件(或往复式软件)。在其他的实施例中，这些元件可以包括辅助其操作的任何适合的算法、硬件、软件、组件、模块、接口或对象。

另外，与所描述的微处理器相关联的一些组件可去除或通过其他方式固化。在一般的意义上，计算设备的结构可以在其表示上更逻辑化，而物理体系结构可以包括各种置换、组合和/或这些元件的混合。有必要注意的是，不计其数的可能的设计配置能够用于实现这里所列出的操作目标。相应地，相关联的基础结构具有替代布置、设计选择、设备可能性、硬件配置、软件实现、设备选项等的混合。

任何适当配置的处理器组件能够执行与数据相关联的任何类型的指令以实现这里详述的方法步骤。这里所公开的任何处理器可以将元件或对象(例如数据)从一种状态或事物变换成另一种状态或事物。在另一示例中，这里所列出的一些活动可由固定逻辑或可编程逻辑(例如，软件和/或处理器执行的计算机指令)来实现，并且这里所标识的元件可以是某种类型的可编程处理器、可编程数字逻辑(例如，现场可编程门阵列(FPGA)、可擦除可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM))、ASIC(包括数字逻辑、软件、代码、电子指令、闪存、光盘、CD-ROM、DVDROM、磁卡或光卡、适合于存储电子指令的其他类型的机器可读介质)、或其中任何合适的组合。在操作中，处理器可以适当地或者基于特定需要将信息存储在任何适合类型的非暂态存储介质(例如，随机存取存储器(RAM)、只读存储器(ROM)、现场可编程门阵列(FPGA)、可擦除可编程只读存储器(EPROM)、电可擦除可编程ROM(EEPROM)等)、软件、硬件或任何其他适合的组件、设备、元件或对象中。此外，可以基于特定需要和实现方式在任何数据库、寄存器、表、高速缓存、队列、控制列表或存储结构(所有这些可以任何适合的时间帧来引用)中来提供所跟踪、发送、接收或存储在处理器中的信息。这里所论述的任何存储器品项应当解释为被包含在广义术语“存储器”内。类似地，这里所描述的任何可能的转换器元件、模块和机器应当解释为包含在广义术语“微处理器”或“处理器”内。

实现这里所描述的全部或部分功能的计算机程序逻辑以各种形式来具体实施，包括但绝不限于：源代码形式、计算机可执行形式以及各种中间形式(例如，通过汇编器、编译器、链接器或定位器生成的形式)。在示例中，源代码包括以用于各种操作系统或操作环境的各种编程语言实现的一系列计算机程序指令，各种编程语言诸如为对象代码、汇编语言、或诸如OpenCL，Fortran，C，C++，JAVA，或HTML的高级语言。源代码可以定义以及使用各种数据结构和通信消息。源代码可以是计算机可执行形式(例如，经由解释程序)，或者源代码可以转换(例如，经由翻译程序、汇编器或编译器)成计算机可执行形式。

本申请中，根据已有的网络虚拟化数学模型，以最优化理论为基础定义了一系列的约束条件和目标函数，通过对具体VNE问题的求解，对网络资源进行智能化的调度管理。基于以上思路以及方式，通过替代和/或等价的实施方式以实现本申请的目的，均应认为属于本发明的范围之内。

以上描述了本申请的优选实施例，但是，该实施例仅是示例性的，而不是要限制本申请的范围，本申请的范围由所附权利要求书及其等同物限定。

此外，尽管已经详细描述了本申请及其优势，但应该理解，可以在不背离所附权利要求限定的本申请的主旨和范围的情况下，进行各种不同的改变、替换和更改；而且，本申请的范围并不仅限于本说明书中描述的系统、方法和步骤的实施例。作为本领域的普通技术人员应当理解，通过本申请，现有的或今后开发的用于执行和根据本申请所采用的技术方案基本相同的方式或获得基本相同结果的方法和步骤根据本申请可以被使用。

Claims (10)

1.一种用于虚拟网络映射的方法，包括：

确定约束条件，所述约束条件包括：

在某一实际节点处映射的虚拟节点所需的运算能力的总和不超过所述实际节点的实际运算能力；

任意实际链路的延时小于在所述实际链路上映射成功的任意虚拟链路的时延需求；

基于所述约束条件，通过整数线性规划最优解算法求解所述虚拟网络到底层网络的映射，并且通过所述算法：

映射得到的虚拟网络中的资源消耗为所可能达到的最小值。

2.如权利要求1所述的方法，其中所述约束条件还包括：

每个虚拟节点必须且仅与一个实际节点存在映射关系，并且每个实际节点至多与一个虚拟节点存在映射关系；

成功映射的虚拟节点和相应的实际节点之间的距离满足虚拟节点的位置需求；

任意映射成功的虚拟链路映射到被映射的实际链路的正向或反向；以及

任意实际链路上映射成功的虚拟链路带宽的需求总和小于所述实际链路上的带宽。

3.如权利要求1或2所述的方法，还包括：

映射得到的所述虚拟网络中的延时为所可能达到的最小值。

4.如权利要求1-3任一项所述的方法，还包括：

在最终确定映射得到所述虚拟网络之中，所述底层网络的已使用资源数与其剩余资源数为所可能达到的最小值。

5.如权利要求1-4任一项所述的方法，还包括：

配置虚拟网络的资源消耗、延时函数以及带宽需求的以下函数：

$\begin{array}{c}min(\mathrm{\α}\·\underset{M}{\Σ}\underset{m}{\Σ}{x}_M^m\·C_M^V+\mathrm{\β}\·\underset{MN}{\Σ}\underset{mn}{\Σ}(y_{MN}^{mn}+y_{NM}^{mn})\·B_{MN}^V\·D_{mn}\\ +\mathrm{\γ}\·\underset{MN}{\Σ}\underset{mn}{\Σ}(y_{MN}^{mn}+y_{NM}^{mn})\·D_{mn})\end{array},$

使所述函数不具有凹性。

6.一种用于虚拟网络映射的设备，包括：

处理器；以及

存储器，其中存储用于虚拟网络映射的程序；并且

所述处理器当执行所述程序时，被配置为执行以下步骤：

确定约束条件，所述约束条件包括：

在某一实际节点处映射的虚拟节点所需的运算能力的总和不超过所述实际节点的实际运算能力；

任意实际链路的延时小于在所述实际链路上映射成功的任意虚拟链路的时延需求；

基于所述约束条件，通过整数线性规划最优解算法求解所述虚拟网络到底层网络的映射，并且通过所述算法：

映射得到的虚拟网络中的资源消耗为所可能达到的最小值。

7.如权利要求6所述的设备，其中所述约束条件还包括：

每个虚拟节点必须且仅与一个实际节点存在映射关系，并且每个实际节点至多与一个虚拟节点存在映射关系；

成功映射的虚拟节点和相应的实际节点之间的距离满足虚拟节点的位置需求；

任意映射成功的虚拟链路映射到被映射的实际链路的正向或反向；以及

任意实际链路上映射成功的虚拟链路带宽的需求总和小于所述实际链路上的带宽。

8.如权利要求6或7所述的设备，还包括：

映射得到的所述虚拟网络中的延时为所可能达到的最小值。

9.如权利要求6-8任一项所述的设备，还包括：

在最终确定映射得到所述虚拟网络之中，所述底层网络的已使用资源数与其剩余资源数为所可能达到的最小值。

10.如权利要求6-9任一项所述的设备，还包括：

配置虚拟网络的资源消耗、延时函数以及带宽需求的以下函数：

$\begin{array}{c}min(\mathrm{\α}\·\underset{M}{\Σ}\underset{m}{\Σ}{x}_M^m\·C_M^V+\mathrm{\β}\·\underset{MN}{\Σ}\underset{mn}{\Σ}(y_{MN}^{mn}+y_{NM}^{mn})\·B_{MN}^V\·D_{mn}\\ +\mathrm{\γ}\·\underset{MN}{\Σ}\underset{mn}{\Σ}(y_{MN}^{mn}+y_{NM}^{mn})\·D_{mn})\end{array},$

使所述函数不具有凹性。