CN108173777A - 一种基于sdn的虚拟网映射二维资源碎片度量方法 - Google Patents
一种基于sdn的虚拟网映射二维资源碎片度量方法 Download PDFInfo
- Publication number
- CN108173777A CN108173777A CN201711479286.6A CN201711479286A CN108173777A CN 108173777 A CN108173777 A CN 108173777A CN 201711479286 A CN201711479286 A CN 201711479286A CN 108173777 A CN108173777 A CN 108173777A
- Authority
- CN
- China
- Prior art keywords
- fragment
- dimentional
- index
- load
- slice
- 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.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/10—Flow control; Congestion control
- H04L47/12—Avoiding congestion; Recovering from congestion
- H04L47/125—Avoiding congestion; Recovering from congestion by balancing the load, e.g. traffic engineering
-
- 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
- H04L41/08—Configuration management of networks or network elements
- H04L41/0893—Assignment of logical groups to network elements
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/70—Admission control; Resource allocation
- H04L47/82—Miscellaneous aspects
- H04L47/826—Involving periods of time
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种基于SDN的虚拟网映射二维资源碎片度量方法。本发明具体实现步骤如下:步骤1、二维负载均衡度量的离散化处理;步骤2、权值函数的选取与二维负载均衡度量;步骤3、基于时间‑带宽二维的网络资源元碎片分析;步骤4、基于粗糙集理论对二维网络资源碎片度量。本发明针对带宽和时间资源所产生的二维资源碎片,提出了基于粗糙集理论的二维资源碎片度量方法,对资源碎片进行多指标更为完善的刻画与决策。本发明从而极大地提高虚拟网映射成功率,提升了网络资源的利用率,具有广泛的商业应用价值。
Description
技术领域
本发明属于计算机网络技术领域,具体是一种融合了链路带宽与时间维度的基于SDN的虚拟网映射二维资源碎片度量方法。
背景技术
作为实现网络虚拟化关键技术之一的虚拟网映射是将虚拟网的虚拟节点和虚拟链路指派到物理网络的节点和路径上,并根据虚拟网请求分配资源(如节点CPU、链路带宽等)。目前已提出了许多算法来解决虚拟网映射问题,但现有算法对收到的虚拟网请求都是根据物理网络当前时刻的资源剩余情况做出决策,即物理网络剩余资源能满足虚拟网映射约束则接纳该虚拟网请求,否则拒绝该请求。然而在实际应用中,虚拟网请求映射后不是立即在物理网上分配资源并运行,而是等虚拟网请求的起始运行时间到达后才分配资源并运行,因此在做虚拟网映射时,应综合考虑从起始运行时间起到运行终止时间这一段的物理网络剩余资源。并且这些算法的处理方式没有考虑物理网络剩余资源动态变化性,一方面是由于虚拟网请求的动态到达,不断有新的虚拟网构建,需要分配资源;另一方面虚拟网有一定的生命周期,到了某个时刻需要拆除释放资源。因此如何在充分考虑现实网络的时间特性的前提下进行虚拟网映射是一个很实际且很重要的问题。
由于时间因素的刚性(不可移动性),在对资源预分配的过程中会使得物理网资源成碎片状结构,再者由于虚拟网请求的开始时间和生命周期两个因素的存在使得物理网资源由许多不同的块状组合而成。由于物理网资源由不同的块组合而成,故会产生许多断断续续的可利用资源片段,如何度量这些资源碎片会对网络资源的利用率和整个网络的持久运营产生很大影响。
发明内容
本发明的目的在于针对现有技术的不足,提供一种基于SDN的虚拟网映射二维资源碎片度量方法。
本发明解决其技术问题所采用的技术方案,具体包括以下步骤:
步骤1、二维负载均衡度量的离散化处理方法
虚拟网对网络负载均衡影响的时间范围是在其运行起止时间内,而在该时间范围内链路上的负载随着不同虚拟网的开始与结束是在不断变化的。本发明在虚拟网对网络负载均衡影响的时间范围内将虚拟网构建的最小时间单位离散化,定义最小服务时间单位为slice,其中slice=ti-tj,i>0&i-j==1,链路i可用网络带宽资源定义为使得从当前时刻来看,每个时间片内各链路负载是固定的,从而可按照传统一维负载均衡的计算方法求得每个时间片内的负载均衡度。
步骤2、权值函数的选取与二维负载均衡度量
不同时间片内的负载均衡度对当前时刻的二维负载均衡度影响是不一样的,离当前时刻越近,其影响也就越大。对于权值的选取,本发明采用Sigmoid(S形)函数,该函数是良态的、严格递减函数,并无限逼近一个临界值,是一个良好的阈值函数,且该函数满足在此基础上,以各时间片起止时间作为积分上下限,通过对权值函数进行积分以获得该时间片负载均衡度的权值。在此基础上,首先计算链路i上的时间-带宽二维负载Li,采用指数权重位移平均EWMA方法,其中Bi为链路i的总带宽,然后计算t时刻的二维负载均衡度
步骤3、基于时间-带宽二维的网络资源元碎片分析
本发明充分分析影响资源碎片优劣的各种关联因素,基于离散的slice及相邻合并法将形状不规则的碎片分解为形状规则的元碎片。分解方法如下:从t=0时刻开始,以最小服务时间slice为粒度,判断相邻两个slice的可用带宽资源是否相同,若不同,则当前slice即为一个二维网络资源元碎片;若相同,则合并,继续判断是否合并下个时刻的slice,若不同,则当前slice的合集则为一个二维网络资源元碎片。在此基础上,从多角度、多层面挖掘提取各种指标以描述碎片的特征,例如碎片面积、分解得到的元碎片间面积方差、元碎片数量、元碎片最长/短时间、起止时间、元碎片带宽占用大小等指标。
步骤4、基于粗糙集理论对二维网络资源碎片度量
完善的指标能更全面准确地反映碎片的特征,但同时也给碎片的度量增加了难度。该问题本质上属于多指标决策问题,考虑到粗糙集理论具有归纳学习、融合推导、指标约简等特点,适用于解决多指标决策问题,因此,本发明采用粗糙集理论研究资源碎片的度量问题。具体来说,可对不同指标(碎片面积、元碎片数量、元碎片起止时间等)分析其特性,分别建立度量函数,从而得出各指标的度量值。例如,对碎片面积,本发明通过函数进行度量,其中x为资源碎片面积,T为资源碎片面积平均值。当碎片面积较小或较大时,都属于相对较好的状况:这是因为碎片较小,虽然能被利用的概率较低,但资源浪费也少;而碎片面积越大,则可被利用的概率也越高。针对如何将各指标度量值协同起来得到碎片优劣性度量值的问题,本发明基于粗糙集理论求得各指标的权重,对各指标的度量值进行归一化处理后加权求和,从而得出整个碎片的度量值。此外,针对指标过多时的计算量问题,本发明利用粗糙集理论的指标约减功能分析得出关键指标,通过对关键指标的处理以降低计算的开销。
本发明有益效果如下:
本发明推荐效果好,且能有效提高虚拟网的映射成功率与网络资源利用率。本发明通过对不同时间片负载均衡度进行加权求和来获得当前时刻的二维负载均衡度。本发明基于粗糙集理论求得各指标的权重,对各指标的度量值进行归一化处理后加权求和,从而得出整个碎片的度量值。此外,针对指标过多时的计算量问题,本发明利用粗糙集理论的指标约减功能分析得出关键指标,通过对关键指标的处理以降低计算的开销。本发明针对带宽和时间资源所产生的二维资源碎片,提出了基于粗糙集理论的二维资源碎片度量方法,对资源碎片进行多指标更为完善的刻画与决策。
附图说明
图1为时间-带宽二维资源碎片示意图;
图2为离散加权的二维负载均衡度量;
图3为权值函数示意图;
图4为元碎片示意图;
具体实施方式
下面结合附图和实施例对本发明作进一步说明。
如图1所示,在考虑了链路带宽和时间两个维度资源后,虚拟网的映射会产生二维资源碎片问题。这是因为,虽然带宽是柔性的(如图1中的虚拟网7所示),也即单纯对带宽的划分不会产生碎片,但时间是刚性的,从而会产生二维资源碎片。资源碎片对网络资源的使用效率有很大影响,需要对资源碎片的优劣给出量化的度量结果,以作为虚拟网映射策略的优化目标,提高网络资源的长期使用效率。本发明针对带宽和时间资源所产生的二维资源碎片,提出了基于粗糙集理论的二维资源碎片度量方法,对资源碎片进行多指标更为完善的刻画与决策。
步骤1、二维负载均衡度量的离散化处理方法
虚拟网对网络负载均衡影响的时间范围是在其运行起止时间内,而在该时间范围内链路上的负载随着不同虚拟网的开始与结束是在不断变化的。如图2所示,本发明在虚拟网对网络负载均衡影响的时间范围内将虚拟网构建的最小时间单位离散化,定义最小服务时间单位为slice,其中slice=ti-tj,i>0&i-j==1,链路i可用网络带宽资源定义为使得从当前时刻来看,每个时间片内各链路负载是固定的,从而可按照传统一维负载均衡的计算方法求得每个时间片内的负载均衡度。
步骤2、权值函数的选取与二维负载均衡度量
不同时间片内的负载均衡度对当前时刻的二维负载均衡度影响是不一样的,离当前时刻越近,其影响也就越大。对于权值的选取,本发明采用Sigmoid(S形)函数(如图3所示),该函数是良态的、严格递减函数,并无限逼近一个临界值,是一个良好的阈值函数,且该函数满足在此基础上,以各时间片起止时间作为积分上下限,通过对权值函数进行积分以获得该时间片负载均衡度的权值。在此基础上,首先计算链路i上的时间-带宽二维负载Li,采用指数权重位移平均EWMA方法,其中Bi为链路i的总带宽,然后计算t时刻的二维负载均衡度
步骤3、基于时间-带宽二维的网络资源元碎片分析
本发明充分分析影响资源碎片优劣的各种关联因素,基于离散的slice及相邻合并法将形状不规则的碎片分解为形状规则的元碎片(如图4所示)。分解方法如下:从t=0时刻开始,以最小服务时间slice为粒度,判断相邻两个slice的可用带宽资源是否相同,若不同,则当前slice即为一个二维网络资源元碎片;若相同,则合并,继续判断是否合并下个时刻的slice,若不同,则当前slice的合集则为一个二维网络资源元碎片。在此基础上,从多角度、多层面挖掘提取各种指标以描述碎片的特征,例如碎片面积、分解得到的元碎片间面积方差、元碎片数量、元碎片最长/短时间、起止时间、元碎片带宽占用大小等指标。
步骤4、基于粗糙集理论对二维网络资源碎片度量
完善的指标能更全面准确地反映碎片的特征,但同时也给碎片的度量增加了难度。该问题本质上属于多指标决策问题,考虑到粗糙集理论具有归纳学习、融合推导、指标约简等特点,适用于解决多指标决策问题,因此,本发明采用粗糙集理论研究资源碎片的度量问题。具体来说,可对不同指标(碎片面积、元碎片数量、元碎片起止时间等)分析其特性,分别建立度量函数,从而得出各指标的度量值。例如,对碎片面积,本发明通过函数进行度量,其中x为资源碎片面积,T为资源碎片面积平均值。当碎片面积较小或较大时,都属于相对较好的状况:这是因为碎片较小,虽然能被利用的概率较低,但资源浪费也少;而碎片面积越大,则可被利用的概率也越高。针对如何将各指标度量值协同起来得到碎片优劣性度量值的问题,本发明基于粗糙集理论求得各指标的权重,对各指标的度量值进行归一化处理后加权求和,从而得出整个碎片的度量值。此外,针对指标过多时的计算量问题,本发明利用粗糙集理论的指标约减功能分析得出关键指标,通过对关键指标的处理以降低计算的开销。
Claims (2)
1.一种基于SDN的虚拟网映射二维资源碎片度量方法,其特征在于包括以下步骤:
步骤1、二维负载均衡度量的离散化处理
在虚拟网对网络负载均衡影响的时间范围内,将虚拟网构建的最小时间单位离散化,定义最小服务时间单位为slice,其中slice=ti-tj,i>0&i-j==1,链路i用网络带宽资源定义为使得从当前时刻来看,每个时间片内各链路负载是固定的,从而可按照传统一维负载均衡的计算方法求得每个时间片内的负载均衡度;
步骤2、权值函数的选取与二维负载均衡度量
采用Sigmoid函数作为权值函数,以各时间片起止时间作为积分上下限,通过对权值函数进行积分以获得该时间片负载均衡度的权值;具体的:首先计算链路i上的时间-带宽二维负载Li,采用指数权重位移平均EWMA方法,其中Bi为链路i的总带宽,然后计算t时刻的二维负载均衡度
步骤3、基于时间-带宽二维的网络资源元碎片分析
基于离散的slice及相邻合并法将形状不规则的碎片分解为形状规则的元碎片;分解如下:
从t=0时刻开始,以最小服务时间slice为粒度,判断相邻两个slice的可用带宽资源是否相同,若不同,则当前slice即为一个二维网络资源元碎片;若相同,则合并,继续判断是否合并下个时刻的slice,若不同,则当前slice的合集则为一个二维网络资源元碎片;
步骤4、基于粗糙集理论对二维网络资源碎片度量
对不同指标分析其特性,分别建立度量函数,从而得出各指标的度量值,指标包括碎片面积、元碎片数量、元碎片起止时间;求得各指标的权重,对各指标的度量值进行归一化处理后加权求和,从而得出整个碎片的度量值。
2.根据权利要求1所述的一种基于SDN的虚拟网映射二维资源碎片度量方法,其特征在于对于指标碎片面积,通过函数进行度量,其中x为资源碎片面积,T为资源碎片面积平均值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711479286.6A CN108173777B (zh) | 2017-12-29 | 2017-12-29 | 一种基于sdn的虚拟网映射二维资源碎片度量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711479286.6A CN108173777B (zh) | 2017-12-29 | 2017-12-29 | 一种基于sdn的虚拟网映射二维资源碎片度量方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108173777A true CN108173777A (zh) | 2018-06-15 |
CN108173777B CN108173777B (zh) | 2020-08-04 |
Family
ID=62516404
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711479286.6A Active CN108173777B (zh) | 2017-12-29 | 2017-12-29 | 一种基于sdn的虚拟网映射二维资源碎片度量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108173777B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101808030A (zh) * | 2010-03-01 | 2010-08-18 | 浙江大学 | 一种基于虚拟路由器的逻辑网络构建方法 |
CN105187322A (zh) * | 2015-09-22 | 2015-12-23 | 汉鼎信息科技股份有限公司 | 一种基于负载均衡的虚拟网映射方法 |
CN106330557A (zh) * | 2016-08-30 | 2017-01-11 | 杭州电子科技大学 | 一种基于时空关联的多径虚拟网映射方法 |
-
2017
- 2017-12-29 CN CN201711479286.6A patent/CN108173777B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101808030A (zh) * | 2010-03-01 | 2010-08-18 | 浙江大学 | 一种基于虚拟路由器的逻辑网络构建方法 |
CN105187322A (zh) * | 2015-09-22 | 2015-12-23 | 汉鼎信息科技股份有限公司 | 一种基于负载均衡的虚拟网映射方法 |
CN106330557A (zh) * | 2016-08-30 | 2017-01-11 | 杭州电子科技大学 | 一种基于时空关联的多径虚拟网映射方法 |
Non-Patent Citations (3)
Title |
---|
姜明等: "A Virtual Network Mapping Algorithm Based on Time", 《CHINESE JOURNAL OF ELECTRONICS》 * |
姜明等: "网络虚拟化与虚拟网映射算法研究", 《电子学报》 * |
张旻等: "Mapping Multicast Service-Oriented Virtual Networks with Delay and Delay Variation Constraints", 《IEEE GLOBECOM 2010 PROCEEDINGS》 * |
Also Published As
Publication number | Publication date |
---|---|
CN108173777B (zh) | 2020-08-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110908795B (zh) | 云计算集群混部作业调度方法、装置、服务器及存储装置 | |
Zou et al. | A knee-point-based evolutionary algorithm using weighted subpopulation for many-objective optimization | |
Ochoa et al. | Understanding phase transitions with local optima networks: number partitioning as a case study | |
AU2020104133A4 (en) | Expected conditional clustered regressive deep multilayer precepted neural learning for iot based cellular network traffic prediction with big data | |
CN102724103B (zh) | 代理服务器、分层次网络系统及分布式工作负载管理方法 | |
CN106612511B (zh) | 一种基于支持向量机的无线网络吞吐量的评估方法及装置 | |
Chen et al. | Computation and application of the paired combinatorial logit stochastic user equilibrium problem | |
CN106056136A (zh) | 一种聚类中心快速确定的数据聚类方法 | |
CN107220108B (zh) | 一种实现云数据中心负载均衡的方法和系统 | |
CN106027317A (zh) | 信任感知的Web服务质量预测系统及方法 | |
Naik et al. | Time and cost analysis for highway road construction project using artificial neural networks | |
CN108319779A (zh) | 基于m阶邻接矩阵的指挥控制网络级联失效模型建立方法 | |
CN113282409A (zh) | 边缘计算任务的处理方法、装置和计算机设备 | |
CN103793438B (zh) | 一种基于MapReduce的并行聚类方法 | |
Chirico et al. | On the definition of the flow width for calculating specific catchment area patterns from gridded elevation data | |
CN110995597A (zh) | 一种电力通信网安全链路选择方法和系统 | |
Saxena et al. | An intelligent traffic entropy learning-based load management model for cloud networks | |
CN109976879B (zh) | 一种基于资源使用曲线互补的云计算虚拟机放置方法 | |
CN108173777A (zh) | 一种基于sdn的虚拟网映射二维资源碎片度量方法 | |
CN105049315B (zh) | 一种基于虚拟网络分割的虚拟网络改进映射方法 | |
CN104091226A (zh) | 一种面向运营商oss域的信息模型质量评价方法 | |
Sitzenfrei et al. | A complex network approach for Pareto-optimal design of water distribution networks | |
Chen et al. | Predicting epidemic threshold of correlated networks: A comparison of methods | |
CN105335376B (zh) | 一种流处理方法、装置及系统 | |
CN105656709A (zh) | 分组域网络容量的预测方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |