CN108322525A - 一种工业多核心网络构建方法 - Google Patents

Abstract

本发明公开了一种工业多核心网络构建方法。该方法采用多中心聚集部署算法，在逻辑上对多层次型多核心的SDN智能网络的拓扑结构进行划分。首先将网络中的所有节点抽象化为一个原始图并缩小到合适的规模，然后依据各节点属性值进行区域划分和节点聚集，最后依照拓扑结构将已经被划分的子图回溯成初始图，以此实现大规模网络切片分组效果。本发明提供的工业多核心网络构建方法简便可行，便于工程化实现，可以解决单一智能体网络无法处理的复杂任务，提高了网络的负载能力，更好地保障工业互联网所需的通信质量。

Description

一种工业多核心网络构建方法

技术领域

本发明涉及通信技术领域，具体涉及一种工业多核心网络构建方法。

背景技术

在工业生产流程中，因其本身的高可靠性、高安全性、高准确性的要求，实时可靠的信息传输与精确标准的数据通信是工业信息网络与普通民用网络的最基本与最重要的区别，同时也是国家推进的工业4.0与工业信息的两化融合的最先遇到的技术难题。在工业化和信息化的进程中，通信网络必须要解决实时可靠传输的核心技术问题。

工业控制对实时可靠性具有本能的要求，实时可靠信息传输是工业信息网区别于普通信息网的最基本和最重要特征，是工业化与信息化融合对信息网络提出的最特殊的技术要求。工业信息的两化融合首先必需解决工业信息化网络的实时可靠传输的核心技术问题。

传统的IP网络或者ATM网络在面对工业环境时，其往往不能提供满足工业要求的服务质量和传输时延的保证。软件定义网络是一种新的网络体系结构概念，基本思想是基于最基础的数据转发与控制器分离的技术，实现网络设备信息传输的远端控制功能，形象讲，就是将一个城市的所有红绿灯控制器从各个路口处集中到一个中央控制处，以便进行全方位的实时的统一集中调度，实现全网的最佳资源利用和信息传输，为包括实时以及可靠传输在内的各种服务质量QoS技术的根本解决提供了技术方向。因此，面向实时可靠网络应用的软件定义网络是实现实时工业信息网络最重要的理论路线和技术方向，对实时可靠网络传输技术的发展具有重要的现实意义和应用价值。

常规IP互联网并不能提供包括实时性在内的服务质量QoS保证,使其不能直接承载实时可靠工业信息的传输，直接应用在工业信息网络时存在较严重技术缺陷，对于规模化的工业信息化融合需求，以太网的信息传输范围是远远不够的，必定需要要跨局域网的广域大网络实时工业信息传输。

据此，在工业化信息化融合过程中，目前急需在一个全新技术路线上提出研究解决广域网范围的面向实时可靠应用的信息网络技术，以向两化融合应用提供扎实的信息传输技术支撑。

传统的SDN架构基于单一的拥有全局视图管理功能的控制器。当交换节点需要发送流量时，会首先询问控制器，控制器生成流量转发规则和字段，并将相应的流表信息下发到交换节点。当网络规模越来越大时，单一控制器难以及时高效地处理大量流量转发请求，导致网络负载增大，时延增加，制约了网络的QoS。

在工业实时网络中，一般采用TCP/IP协议保证传输可靠性，采用额外的私有协议支撑协议的实时性能。在以太网中，因为使用了CSMA/CD机制，会造成拥塞网络环境下的传输时延不确定性，往往无法满足工业生产中实时性的要求。

多核心SDN网络由多个具有自主性、交互性、主动性等特点的SDN智能体组成，不同智能体之间可以彼此独立，并可以彼此协作。在多核心SDN网络中，智能体可以将现有知识与自己的目标相结合，制定合适的策略与行为，同时使用RESTFUL接口与其他智能体进行协商合作，规划特定任务的实现方法。现在多核心智能体的技术已经被初步运用到人工智能、交通控制等领域。

另一方面，多核心的SDN网络由于采用分布式的SDN智能体管理下属节点的方案，工厂园区里的底层物理节点与控制器的物理与逻辑距离更近，降低了数据传输和信道传输的链路时延，提升了工业网络的响应速度。

在大规模的SDN网络中，我们可以通过基于多控制器和多智能体的架构方案部署一个满足QoS和业务需求的层次型多核心的SDN智能网络。如何确定同个网络视图下不同SDN智能体的协调和部署问题，是层次型多核心SDN部署的基础和前提。

发明内容

本发明的目的在于克服现有技术的不足，提供一种工业多核心网络构建方法，比单一核心网络具有更好的负载均衡特性，可以保证每个请求相应的时延，进一步实现工业网络的实时性和稳定性。

本发明的目的是通过以下技术方案来实现的：一种工业多核心网络构建方法，包括以下步骤：

A1.对原始工业信息网络基于极大匹配算法进行预处理：区别于普通民用信息网络，为了解决广域网范围的面向实时可靠应用的信息网络技术问题，推进规模化的工业信息化融合，实现工业信息网络高可靠性、高安全性、高准确性的要求，将原始工业信息网络对应的原始图中的节点映射到以{计算能力，交换能力，内存}为正交轴的三维空间中，再将节点以极大匹配算法的合并原则聚合成一个新的节点根据三维空间为新的节点设置特征值f，这样就包含了原始工业信息网络各个节点的精确信息，保证预处理得到的极大匹配可以正确反映原始图的信息；

A2.针对步骤A1预处理后的原始图，采用Kernighan-Lin(KL)试探优化算法进行区域划分和节点聚集：

引入收益值P，P为两个区域内部边权重和与外部边权重和之差；KL算法通过判断P的变化来划分区域，即当P>0时，进行两个区域间点的交换，再判断是否P>0，直到交换了f个点且P<＝0，这时生成的两个区域为割边权重最小的状态Q_m，即状态Q_m中不同区域间边的权重和最小；

A3.将聚集状态的区域图进行还原优化，进而还原为原始图完成工业多核心网络的划分。

进一步地，所述步骤A1中，将原始工业信息网络中的所有节点抽象化为一个原始图G＝(N,E)，其中N表示节点集合，E表示链路集合；再定义G_i＝(N_i,E_i)为图G当中元素的子集，有G_i∈G，且|N_i|<|N|；将G_i中的一组顶点进行合并，粗化成单个顶点的子图G_i+1＝(N_i+1,E_i+1)，多次粗化操作后，将原始图G缩小到合适的规模。

进一步地，所述步骤A2中，原始图G₀的节点已经聚集成k个区域，每个区域由一个特定SDN智能体作为主管理者来控制，其他k-1个SDN智能体作为从管理者协助主管理者完成一些复杂命令和高负载操作；这k个SDN智能体可以组建为一个集群，通过内部通信协议互联沟通。

进一步地，所述步骤A3中，使用带约束的爬山算法，并用全局的带权优先级队列记录和确定下一步节点交换顺序；通过不停地迭代从一个候选结果向另一个候选结果移动，直到达到约束条件；通过有限的重复循环达到状态Q_m-1，这样可以减少计算区域时的资源消耗；通过GKLR(Global Kernighan–Lin Refinement)算法，原始图G₀最终会被分为k个区域，这样就完成了多核心网络的划分，进而实现实时可靠的信息传输和精确标准的数据通信，推进国家工业4.0和工业信息的两化融合。

进一步地，多核心SDN智能体实时监控工厂网络状况，并维护一颗全部由正常元能力组成的安全MSFC树；该安全MSFC树中的元能力都拥有工厂网络总线的访问权限，且保持在运行态；安全MSFC树会基于多核心SDN智能体的策略启动一条或者多条MSFC以提供正常低时延通信服务。

本发明的有益效果是：

1)多核心SDN网络可以解决单一智能体网络无法处理的复杂任务，提高了网络负载能力，更好地保障了工业互联网所需的通信质量。

2)在处理大量突发请求的问题上，由于多核心SDN工业网络与单一核心网络相比具有更好的负载均衡特性，可以保证每个请求相应的时延，进一步实现了工业网络的实时性和稳定性。

附图说明

图1为多中心聚集部署(Multi-Center Clustering Placement，MCCP)算法划分流程；

图2为原始网络基于极大匹配算法预处理得到的节点合并示意图；

图3为基于KL算法区域划分示意图；

图4为采用GKLR算法优化划分结果图。

具体实施方式

下面结合附图和具体实施例对本发明作进一步详细说明。

本发明提供的一种工业多核心网络构建方法，包含如下步骤：

1)对原始工业信息网络基于极大匹配算法进行预处理；

2)针对步骤1)预处理后的原始图采用KL试探优化算法进行区域划分和节点聚集；

3)将聚集状态的区域图进行还原优化，进而还原为原始图完成多核心网络的划分。

进一步地，所述的步骤1)具体为：将网络中的所有节点抽象化为一个原始图G＝(N,E)，其中N表示节点集合，E表示链路集合。再定义Gi＝(Ni,Ei)为图G当中元素的子集，有G_i∈G，且|Ni|<|N|。将Gi中的一组顶点进行合并，粗化成单个顶点的子图G_i+1＝(N_i+1,E_i+1)，多次粗化操作后，我们可以将原始图G缩小到合适的规模，然后定义一种聚集边|E|∈G，且e为原始图G₀中的某一条边，|E|为e的无环集合，其中即任意两条|E|的边不邻接。图的极大匹配|E_max|即为所有聚集边集合中包含元素最多的一个聚集边，|E_max|＝max{|E_i|,i∈R,|E_i|∈G}。为了保证预处理得到的极大匹配可以正确反映原始图的信息，需要为合并得到极大匹配中的节点设置合适的特征值。同样将原始图中的节点映射到以{计算能力，交换能力，内存}为正交轴的三维空间中，再讲以极大匹配算法的合并原则聚合成这样就包含了原始图节点的精确信息，如图2所示。经过多次极大匹配过程，有再对G₁进行极大匹配计算，接着f(G₂)＝G₃······f(G_m-1)＝G_m，直到有σ为一个常数。

进一步地，所述的步骤2)具体为：假设为原始图G₀的一个极大匹配，在聚集阶段我们需要对G_m划分出不同区域，令一个区域的节点聚集为一个子图g_i，那么有k表示G_m中区域的数量。定义Q_m为极大匹配图G_m的聚集状态，且依照每个区域节点权重之和尽可能接近于G₀权重和的1/k为标准划分为k个区域。这里可以采用KL试探优化算法进行区域划分和节点聚集：引入收益值P，P为两个区域内部边权重之和与外部权重和之差。KL算法通过判断交换两个区域的点时P的变化来启发性地划分区域，即当P>0时，进行两个区域间点的交换，再判断是否P>0，直到交换了f个点并P<＝0，这时生成的两个区域为割边权重最小的Q_m，即Q_m中不同区域间边的权重和最小，如图3所示。

进一步地，所述的步骤3)具体为：将已在Q_m状态的G_m的k个区域逐步还原为原始图。先将G_m细化为G_m-1，G_m中同个区域的节点会被聚集到G_m-1的同个区域中，同时图的拓扑规模增大，再对G_m-1进行再细化操作，继续扩大拓扑规模并继承区域划分，直到网络拓扑被还原为原始图G₀。这时G₀的节点已经聚集成k个区域，每个区域由一个特定SDN智能体作为主管理者来控制，其他k-1个SDN智能体作为从管理者协助主管理者完成一些复杂命令和高负载操作。这k个SDN智能体可以组建为一个集群，通过内部通信协议互联沟通。

再细化阶段中，图G_m在经过KL算法计算后处于Q_m状态，即聚集状态，但是细化操作得到的图可能存在更优的节点划分和聚集方式，故G_m-1可能不处于Q_m-1状态。因此，这里需要用GKLR算法对G_m-1做调整，进行局部最小划分并令其达到Q_m-1状态。GKLR算法是一种启发性算法，与聚集阶段采用的KL算法有些类似。它使用了带约束的爬山算法，并用全局的带权优先级队列记录和确定下一步节点交换顺序。通过不停地迭代从一个候选结果向另一个候选结果移动，直到达到约束条件。

存在节点处于的区域a的边界上，即 且其中e_i,j为一条节点到的边，b为另一个区域，定义为节点的邻域，那么记为节点与中的区域相连的边的数量，为与b连接边数量， 为节点与区域a内部节点的连接边的数量。则GKLR算法的最优聚集区域计算过程如下：

1)遍历图全部节点。

2)对于区域中的某一节点如果将加入优先级队列，记录其收益值P为l∈[b,k]。

3)从优先级队列中选取P值最大的节点并移入区域b，b是令最大的一个区域。与此同时符合以下两个平衡条件：

a)

b)

表示图G_m-1的区域a中所有节点权重之和，表示节点

拥有的权重，W^max＝1.03*|N₀|/k，W^min＝0.9*|N₀|/k。

4)重复1)～3)步，直到某一时刻移动了x个节点后，整体的割边权重不变。那么就撤销这x次移动，并结束算法。

GKLR算法可以迭代少量的或者有限的重复循环就达到状态Q_m-1，这样可以减少计算区域时的资源消耗。通过GKLR算法，原始图G₀最终会被分为k个区域，这样就完成了多核心网络的划分。如图4所示。

多核心SDN网络智能体的感知模块实时监控工厂网络状况，并维护一颗全部由正常元能力组成的安全MSFC树。该安全MSFC树中的元能力都拥有工厂网络总线的访问权限，且保持在运行态。安全MSFC树会基于多核心SDN网络智能体的策略启动一条或者多条MSFC以提供正常低时延通信服务；

故障发生时，故障元能力所在MSFC即为故障MSFC。故障元能力会触发反馈机制通知感知模块，多核心SDN网络智能体就会根据故障MSFC在安全MSFC树上的具体位置，从安全MSFC树中计算出可以替代故障MSFC的冗余MSFC以修复故障。由于任何一个故障元能力或者故障MSFC都至少对应了一个安全MSFC或者安全MSFC树，那么在计算冗余MSFC就可以直接迭代搜索故障元能力的父节点和相邻子树，减少了计算的时间消耗，实现快速替代MSFC的快速查找；

当多核心SDN网络智能体在时延约束内找到新的MSFC，且基于新的MSFC进行的通信活动也符合工业实时性的要求，则完成工厂网络的自我修复；否则，再次进行步骤2)。若安全MSFC树的全部链路都无法成为替代MSFC，则视为该故障元能力无法及时修复，后续的故障元能力也将被触发，并且将后续故障元能力的时延约束叠加到现有的时延约束上，重新执行步骤1)～3)。

带时延约束的工业多核心网络自愈机制可以在确定的时延和任务调度周期内，感知故障元能力并计算冗余元能力，启动新的MSFC来替代故障MSFC的工作和通信任务。该机制保证了面向工业实时性的多核心SDN网络智能网络的架构在应对故障时的风险处理能力与自我修复能力，同时自我调节网络状态，降低通信时延。

Claims (5)

1.一种工业多核心网络构建方法，其特征在于，包括以下步骤：

A1.对原始工业信息网络基于极大匹配算法进行预处理：将原始工业信息网络对应的原始图中的节点映射到以{计算能力，交换能力，内存}为正交轴的三维空间中，再将节点以极大匹配算法的合并原则聚合成一个新的节点根据三维空间为新的节点设置特征值f，这样就包含了原始工业信息网络各个节点的精确信息，保证预处理得到的极大匹配可以正确反映原始图的信息；

A2.针对步骤A1预处理后的原始图，采用Kernighan-Lin(KL)试探优化算法进行区域划分和节点聚集：

引入收益值P，P为两个区域内部边权重和与外部边权重和之差；KL算法通过判断P的变化来划分区域，即当P>0时，进行两个区域间点的交换，再判断是否P>0，直到交换了f个点且P<＝0，这时生成的两个区域为割边权重最小的状态Q_m，即状态Q_m中不同区域间边的权重和最小；

A3.将聚集状态的区域图进行还原优化，进而还原为原始图完成工业多核心网络的划分。

2.根据权利要求1所述的工业多核心网络构建方法，其特征在于，所述步骤A1中，将原始工业信息网络中的所有节点抽象化为一个原始图G＝(N,E)，其中N表示节点集合，E表示链路集合；再定义G_i＝(N_i,E_i)为图G当中元素的子集，有G_i∈G，且|N_i|<|N|；将G_i中的一组顶点进行合并，粗化成单个顶点的子图G_i+1＝(N_i+1,E_i+1)，多次粗化操作后，将原始图G缩小到合适的规模。

3.根据权利要求1所述的工业多核心网络构建方法，其特征在于，所述步骤A2中，原始图G₀的节点已经聚集成k个区域，每个区域由一个特定SDN智能体作为主管理者来控制，其他k-1个SDN智能体作为从管理者协助主管理者完成一些复杂命令和高负载操作；这k个SDN智能体可以组建为一个集群，通过内部通信协议互联沟通。

4.根据权利要求3所述的工业多核心网络构建方法，其特征在于，所述步骤A3中，使用带约束的爬山算法，并用全局的带权优先级队列记录和确定下一步节点交换顺序；通过不停地迭代从一个候选结果向另一个候选结果移动，直到达到约束条件；通过有限的重复循环达到状态Q_m-1，这样可以减少计算区域时的资源消耗；通过GKLR(Global Kernighan–LinRefinement)算法，原始图G₀最终会被分为k个区域，这样就完成了多核心网络的划分，进而实现实时可靠的信息传输和精确标准的数据通信，推进国家工业4.0和工业信息的两化融合。

5.根据权利要求4所述的工业多核心网络构建方法，其特征在于，多核心SDN智能体实时监控工厂网络状况，并维护一颗全部由正常元能力组成的安全MSFC树；该安全MSFC树中的元能力都拥有工厂网络总线的访问权限，且保持在运行态；安全MSFC树会基于多核心SDN智能体的策略启动一条或者多条MSFC以提供正常低时延通信服务。