CN108521373A - 一种命名数据网络中的多径路由方法 - Google Patents
一种命名数据网络中的多径路由方法 Download PDFInfo
- Publication number
- CN108521373A CN108521373A CN201810168899.6A CN201810168899A CN108521373A CN 108521373 A CN108521373 A CN 108521373A CN 201810168899 A CN201810168899 A CN 201810168899A CN 108521373 A CN108521373 A CN 108521373A
- Authority
- CN
- China
- Prior art keywords
- link
- node
- content
- time delay
- value
- 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
- H04L45/00—Routing or path finding of packets in data switching networks
- H04L45/14—Routing performance; Theoretical aspects
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L45/00—Routing or path finding of packets in data switching networks
- H04L45/70—Routing based on monitoring results
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种命名数据网络中的多径路由方法,属于通信网络数据处理技术领域。首先,定义节点偏好并且计算每个内容类型和拓扑内节点的偏好相似度;其次,在计算链路损耗时考虑偏好相似度、链路时延和链路带宽三个标准,使用层次分析法分别计算权重,使用LSAs统计各条链路三个标准的具体数据,使用灰度关联法统一到同一维度,结合权重计算每条链路损耗值,以此配置FIB表,当节点接收到一个表示内容请求的兴趣包时,如果CS中没有被请求的内容,同时PIT中不存在该兴趣包名字条目,那么将在FIB中查找合适的转发端口转发相应的兴趣包。本发明有效提升请求路径中间节点的缓存命中率和兴趣包被PIT记录的概率,降低了内容获取时延和网络整体负载。
Description
技术领域
本发明属于通信网络数据处理技术领域,涉及命名数据网络中的路由方案,具体是一种命名数据网络中的多径路由方法。
背景技术
随着通信网络的发展,未来网络将以内容分发与共享为主要应用,因此以内容/信息为中心的网络成为未来网络的可行架构;同时未来网络将有成千上万的终端接入,现有以IP地址为核心的互联网无法解决寻址复杂和带宽有限的不足。
命名数据网络(Named Data Networking,NDN)通过关注数据内容本身而不是数据内容所在位置,解决了端到端通信模式中每次存取内容都要间接映射到内容所在设备的问题,从而有效地减少了网络流量开销。
命名数据链路状态路由(Name-data Link State Routing,NLSR)协议是NDN中一种典型的路由协议,定义了命名、安全性、路由信息传播和路由方法等多方面的规则。NLSR中需要解决的关键问题是路由方法的设计;在NLSR默认的路由方法中,节点广播邻接链路损耗,计算自身各端口到达服务器的损耗值并写入转发信息表(Forwarding InformationBase,FIB);节点根据FIB选择合适的端口转发兴趣包,当兴趣包在请求路径中间节点的内容缓存(Content Store,CS)中找到对应数据包或被待定兴趣表(Pending InterestTable,PIT)所记录时,兴趣包被丢弃并进入数据包回传过程。NDN网络中CS和PIT能够有效提升内容分发效率,默认路由方法缺乏对CS和PIT的考虑,因此不适用于NDN网络。
为了充分利用请求路径之外的CS,已有研究结合NDN的路由和缓存,建立额外的控制表或控制节点来指导兴趣包的路由过程。
一般来说,在路由方法配置完FIB之后,兴趣包会严格按照FIB的指导进行转发,默认路由方法没有充分利用NDN中CS和PIT的作用,我们希望兴趣包在路由过程中能够在请求路径中间节点得到数据包反馈,从而提升缓存利用率并且降低内容获取时延。为了充分利用转发路径之外的CS,一些路由方法会建立额外的记录表或控制节点。在数据包的回传过程中,控制节点将其缓存在对它需求度高并且不在回传路径的节点上,然后在记录表中添加该缓存条目。之后当接收到兴趣包时,控制节点首先查询记录表而不是FIB进行兴趣包转发。该方法虽然降低了内容获取时延,但是同时造成了大量控制开销和链路负载。
发明内容
本发明的目的在于提供一种命名数据网络中的多径路由方法,通过配置网络节点的FIB表,当节点接收到一个表示内容请求的兴趣包时,如果CS中没有被请求的内容,同时PIT中不存在该兴趣包名字条目,那么将在FIB中查找合适的转发端口转发相应的兴趣包;为不同内容类别提供了不同路由路径,能够有效提高内容获取效率和降低网络整体负载。
具体步骤如下:
第一步、针对命名数据网络的节点ri,定义该节点对每个内容类别的偏好相似度;
首先,针对节点ri对不同内容类别的偏好度如下:
K表示网络的内容类别总数,表示节点ri对第k类内容的偏好度,同时满足和
然后,计算每个兴趣包所属的内容类别:l=(l1,...,lk,...,lK);lk代表兴趣包对第k类内容的偏好度,当兴趣包属于第k类内容时,lk=1且其他项设为0。
最后,使用余弦相似度公式计算第k类内容和节点ri的偏好相似度:
第二步、使用层次分析法计算网络拓扑链路损耗的三个标准分别在链路损耗中所占的权重值;
三个标准为:偏好相似度、链路时延和链路带宽;偏好相似度的权重值设为w1,链路时延的权重值设为w2,链路带宽的权重值设为w3。
具体步骤如下:
步骤201、建立三层结构层次模型;
顶端的目标层为相邻节点间的链路损耗分析;中间的准则层分别为偏好相似度、链路时延、链路带宽三个标准;底端的方案层为拓扑中的各条有向链路。
步骤202、将层次模型中各个标准的重要度两两进行对比,从而构造判断矩阵;
其中hpq代表第p个标准相对于第q个标准的重要程度,矩阵维度N为链路损耗的标准个数;在判断矩阵H中,当p,q∈{1,2,3}时,满足hqp=1/hpq。
步骤203、计算判断矩阵的一致性比率CR,并判断是否CR<0.1,如果是,则判断矩阵被接受;否则,重新优化判断矩阵直到CR<0.1。
一致性比率计算公式如下:
其中,λmax是矩阵H的最大特征值。RI为N维平均随机一致性指标,通过查找N维平均随机一致性指标表获得。
步骤204、使用几何平均法将判断矩阵H转化为权重向量,得到相邻节点间链路损耗时各对应标准的权重值w1,w2和w3。
第三步、节点ri通过广播LSAs向全网通告自身的内容偏好度pi、邻接链路时延和带宽;
邻接链路时延和带宽为节点预先测量值。
第四步、将所有节点各自的内容偏好度、邻接链路的时延和带宽构成网络拓扑图;
有向拓扑图G=(R,A)中,R为拓扑图中的节点集合,R={r1,r2,...ri,...rL};A为相邻节点间的有向链路集合,A={a1,a2,...am,...aM};定义am=(ri,rj)∈A为由节点ri出发到达节点rj的有向链路。
第五步、使用灰度关联法将网络拓扑中每条有向路径am的偏好相似度、链路时延和链路带宽统计数据统一到同一维度,从而得出该路径am的链路损耗值;
具体步骤如下:
步骤501、针对第k类内容,计算有向路径am的比较序列(x1′(am),x2′(am),x3′(am));
其中x1′(am)为有向路径am中偏好相似度的统计参数值;x1′(am)=Sim(l,rj),即第k类内容由节点ri发送到节点rj;x2′(am)为有向路径am中链路时延的统计参数值;x3′(am)为有向路径am中链路带宽的统计参数值。
根据第三步中,节点ri向全网广播自己邻接链路的时延和带宽,所以网中任意节点都直接得到了全网每条邻接链路的时延和带宽信息。
步骤502、根据M个有向路径的比较序列生成信息矩阵:
步骤503、对信息矩阵中每个标准,分别进行归一化处理;
针对x′p(am)进行归一化处理公式如下:
当x′p(am)越大链路损耗越小,则当x′p(am)越小时链路损耗越小,那么
步骤504、根据每个标准对应的序列与链路损耗的关系,对信息矩阵进行更新;
得到:
步骤505、从更新后的信息矩阵中,选定参考序列;
根据原则:xp(am)代表有向路径am第p个标准的归一化参数值,xp(am)越靠近1,代表在第p个标准中距离最优值最近,即链路am将以更小的损耗转发兴趣包至服务器。xp(0)代表第p个标准的对比参数值;因为链路损耗越小越好,所以参考序列定为
x(0)=(x1(0),x2(0),x3(0))T=(0,0,0)T。
步骤506、根据参考序列和比较序列计算灰度关联系数。
灰度关联系数表示为
其中τ∈(0,1)是一个分辨系数,灰度关联系数越大,xp(am)越接近xp(0)。
步骤507、根据灰度关联系数计算出每个可选序列的灰度关联值,得到每条链路最终的链路损耗值。
使用不同标准的权重向量值,计算灰度关联值代表am的链路损耗值ε(am):
第六步、每条有向路径对应于每类内容具有不同的链路损耗值,根据不同的链路损耗值配置FIB表。
对于每类内容,节点ri根据最短路径算法分别计算通过每个转发端口到达服务器的损耗值,并将其写入FIB表。
第七步、判断命名数据网络中的拓扑参数是否发生变化,如果是,转到第三步各节点重新广播LSAs;否则,每个节点根据FIB表中的损耗值排序将不同内容类别的兴趣包发送至不同的最佳转发端口。
拓扑参数为节点对不同内容类别的偏好度、链路时延和带宽
本发明的优点在于:
1)、一种命名数据网络中的多径路由方法,考虑了社交网络场景下内容类别和节点间的偏好相似度,在路由过程中将兴趣包转发至对它需求高的节点上,提高兴趣包在中间节点命中或被PIT记录的概率。同时,沿兴趣包相反路径返回的数据包可以直接在对它需求高的节点上缓存以供后续使用;
2)、一种命名数据网络中的多径路由方法,选取偏好相似度、链路时延和链路带宽作为计算链路损耗的三个标准,使用层次分析法计算三个标准所占权重,对于不同拓扑场景例如节点缓存空间大小不同,可以灵活调节标准权重。
3)、一种命名数据网络中的多径路由方法,能够有效提升请求路径中间节点的缓存命中率和兴趣包被PIT记录的概率,从而不必向服务器索取数据包,降低了内容获取时延和网络整体负载。
附图说明
图1为本发明链路状态通告LSAs的格式图;
图2为本发明一种命名数据网络中的多径路由方法的原理图;
图3为本发明一种命名数据网络中的多径路由方法的流程图;
图4为本发明使用层次分析法计算链路损耗的标准分别所占的权重值流程图;
图5为本发明使用灰度关联法将每条有向路径的标准统一到同一维度,计算路径的链路损耗值流程图。
具体实施方式
下面将结合附图和实施例对本发明作进一步的详细说明。
本发明一种命名数据网络中的多径路由方法。如图2所示,首先,定义节点偏好并且计算每个内容类型和拓扑内节点的偏好相似度,偏好相似度越高,属于该内容类型的兴趣包在节点CS命中的概率越高,如果没有命中,在待定兴趣表PIT中被记录的概率也越高;其次,在计算链路损耗时考虑偏好相似度、链路时延和链路带宽三个标准,使用层次分析法计算三个标准在链路损耗中所占权重,使用链路状态通告(Link State Advertisements,LSAs)统计各条链路三个标准的具体数据,使用灰度关联法将统计数据统一到同一维度。结合权重计算每条有向路径的链路损耗值,最后,配置网络节点的FIB表,当节点接收到一个表示内容请求的兴趣包时,如果CS中没有被请求的内容,同时PIT中不存在该兴趣包名字条目,那么将在FIB中查找合适的转发端口转发相应的兴趣包;
由于在考虑链路损耗时考虑了偏好相似度,使得在选择转发路径时包含了更多对兴趣包需求度高的节点,能够在中间节点产生更多的命中或被PIT记录。而链路时延和链路带宽是则是从其他方面降低了链路损耗,时延的降低使得传输速率快,带宽的增加能够增加数据包传输成功率;从而在选择转发路径时包含更多对兴趣包需求度高的节点。
如图3所示,具体步骤如下:
第一步、针对命名数据网络的节点ri,定义该节点对每个内容类别的偏好相似度;
分别定义K维向量pi表示网络中节点ri对K类内容的偏好度和K维向量l表示每个兴趣包所属的内容类别,给出节点ri与每个内容类别的偏好相似度的计算方法;
首先,针对节点ri对不同内容类别的偏好度如下:
K表示网络的内容类别总数,表示节点ri对第k类内容的偏好度,同时满足和
然后,计算每个兴趣包所请求的内容类别:l=(l1,...,lk,...,lK);lk代表兴趣包对第k类内容的偏好度,当兴趣包属于第k类内容时,lk=1且其他项设为0。
最后,使用余弦相似度公式计算第k类内容和节点ri的偏好相似度:
第二步、使用层次分析法计算网络拓扑链路损耗的三个标准分别在链路损耗中所占的权重值;
网络拓扑的链路损耗通常不能直接精确的衡量,其计算需要考虑多个复杂标准;本发明引入偏好相似度、链路时延、链路带宽作为计算链路损耗的三个标准,使用层次分析法计算上述各个标准在链路损耗中所占权重;生成权重向量w={w1,w2,w3},其中当p=1、2或3时,wp分别表示偏好相似度、链路时延、链路带宽的权重值。
如图4所示,具体步骤如下:
步骤201、建立三层结构层次模型;
在分析链路权重时,将有关的各个因素按照不同属性自上而下地分解成若干层次,本发明包含三层:顶端的目标层为相邻节点间的链路损耗分析;中间的准则层分别为偏好相似度、链路时延、链路带宽三个标准;底端的方案层为拓扑中的各条有向链路。
步骤202、将层次模型中各个标准的重要度两两进行对比,从而构造判断矩阵;
其中hpq代表第p个标准相对于第q个标准的重要程度,矩阵维度N为链路损耗的标准个数;这里取N=3。在判断矩阵H中,当p,q∈{1,2,3}时,满足hqp=1/hpq。
例如,h12=5代表当计算权重时,偏好相似度比链路时延明显重要,并且取h21=1/5。
步骤203、计算判断矩阵的一致性比率CR,并判断是否CR<0.1,如果是,则判断矩阵被接受;否则,重新优化判断矩阵直到CR<0.1。
成对比较可能会造成判断矩阵各标准重要程度不完全一致,此时需要检验矩阵的一致性。一致性比率计算公式如下:
其中,λmax是矩阵H的最大特征值。RI为N维平均随机一致性指标,通过查找N维平均随机一致性指标表获得。当N=3时,RI=0.58。一般来说,如果CR<0.1,则表示矩阵可以接受。否则重新优化矩阵直到CR<0.1。
步骤204、使用几何平均法将判断矩阵H转化为权重向量,得到相邻节点间链路损耗时各对应标准的权重值w1,w2和w3。
第三步、节点ri通过广播LSAs向全网通告自身的内容偏好度pi、邻接链路时延和带宽;
邻接链路时延和带宽为节点预先测量值。LSAs的格式如图1所示;包括前缀LSA和邻接LSA;前缀LSA包括前缀个数,各个名称前缀序号以及偏好相似度和签名;邻接LSA包括邻接个数,每个邻居的序号,链路时延,链路带宽以及签名。
第四步、将所有节点各自的内容偏好度、邻接链路的时延和带宽构成网络拓扑图;
有向拓扑图G=(R,A)中,R为拓扑图中的节点集合,R={r1,r2,...ri,...rL};A为相邻节点间的有向链路集合,A={a1,a2,...am,...aM};定义am=(ri,rj)∈A为由节点ri出发到达节点rj的有向链路。
第五步、使用灰度关联法将网络拓扑中每条有向路径am的偏好相似度、链路时延和链路带宽统计数据统一到同一维度,从而得出该路径am的链路损耗值;
使用灰度关联法将不同维度的统计数据转化为归一化的比较序列,然后根据这些序列,选择出一个参考序列,也就是目标序列。接下来,根据参考序列和比较序列计算灰度关联系数。最后,根据灰度关联系数计算出每个可选序列的灰度关联值,该值即为每条链路最终的链路损耗值。
如图5所示,具体步骤如下:
步骤501、针对第k类内容,计算有向路径am的比较序列(x1′(am),x2′(am),x3′(am));
其中x1′(am)为有向路径am中偏好相似度的统计参数值;x1′(am)=Sim(l,rj),即第k类内容由节点ri发送到节点rj;x2′(am)为有向路径am中链路时延的统计参数值;x3′(am)为有向路径am中链路带宽的统计参数值。
根据第三步中,节点ri向全网广播自己邻接链路的时延和带宽,所以网中任意节点都直接得到了全网每条邻接链路的时延和带宽信息。
步骤502、根据M个有向路径的比较序列生成信息矩阵:
步骤503、对信息矩阵中每个标准,分别进行归一化处理;
每一个标准有不同的范围和方向,针对x′p(am)进行归一化处理公式如下:
如果x′p(am)越大链路损耗越小,则如果x′p(am)越小时链路损耗越小,那么
步骤504、根据每个标准对应的序列与链路损耗的关系,对信息矩阵进行更新;
得到:
步骤505、从更新后的信息矩阵中,选定参考序列;
根据原则:xp(am)代表有向路径am第p个标准的归一化参数值,xp(am)越靠近1,代表在第p个标准中距离最优值最近,即链路am将以更小的损耗转发兴趣包至服务器。因为链路损耗越小越好,所以参考序列定为
x(0)=(x1(0),x2(0),x3(0))T=(0,0,0)T。
步骤506、根据参考序列和比较序列计算灰度关联系数。
灰度关联系数表示为
其中τ∈(0,1)是一个分辨系数,这里设为τ=0.5。灰度关联系数越大,xp(am)越接近xp(0);xp(0)代表第p个标准的对比参数值。
步骤507、根据灰度关联系数计算出每个可选序列的灰度关联值,得到每条链路最终的链路损耗值。
使用不同标准的权重向量值,计算灰度关联值代表am的链路损耗值ε(am):
第六步、每条有向路径对应于每类内容具有不同的链路损耗值,根据不同的链路损耗值配置FIB表。
am对应于每类内容具有不同的链路损耗值;对于每类内容,节点ri根据最短路径算法分别计算通过每个转发端口到达服务器的损耗值,并将其写入FIB表。
第七步、判断命名数据网络中的拓扑参数是否发生变化,如果是,转到第三步各节点重新广播LSAs;否则,每个节点根据FIB表中的损耗值排序将不同内容类别的兴趣包发送至不同的最佳转发端口。
拓扑参数为节点对不同内容类别的偏好度、链路时延和带宽。
Claims (4)
1.一种命名数据网络中的多径路由方法,其特征在于,具体步骤如下:
第一步、针对命名数据网络的节点ri,定义该节点对每个内容类别的偏好相似度;
首先,针对节点ri对不同内容类别的偏好度如下:
K表示网络的内容类别总数,表示节点ri对第k类内容的偏好度,同时满足和
然后,计算每个兴趣包所属的内容类别:l=(l1,...,lk,...,lK);lk代表兴趣包对第k类内容的偏好度,当兴趣包属于第k类内容时,lk=1且其他项设为0;
最后,使用余弦相似度公式计算第k类内容和节点ri的偏好相似度:
第二步、使用层次分析法计算网络拓扑链路损耗的三个标准分别在链路损耗中所占的权重值;
三个标准为:偏好相似度、链路时延和链路带宽;偏好相似度的权重值设为w1,链路时延的权重值设为w2,链路带宽的权重值设为w3;
具体步骤为:
步骤201、建立三层结构层次模型;
顶端的目标层为相邻节点间的链路损耗分析;中间的准则层分别为偏好相似度、链路时延、链路带宽三个标准;底端的方案层为拓扑中的各条有向链路;
步骤202、将层次模型中各个标准的重要度两两进行对比,从而构造判断矩阵;
其中hpq代表第p个标准相对于第q个标准的重要程度,矩阵维度N为链路损耗的标准个数;在判断矩阵H中,当p,q∈{1,2,3}时,满足hqp=1/hpq;
步骤203、计算判断矩阵的一致性比率CR,并判断是否CR<0.1,如果是,则判断矩阵被接受;否则,重新优化判断矩阵直到CR<0.1;
一致性比率计算公式如下:
其中,λmax是矩阵H的最大特征值;RI为N维平均随机一致性指标,通过查找N维平均随机一致性指标表获得;
步骤204、使用几何平均法将判断矩阵H转化为权重向量,得到相邻节点间链路损耗时各对应标准的权重值w1,w2和w3;
第三步、节点ri通过广播LSAs向全网通告自身的内容偏好度pi、邻接链路时延和带宽;
邻接链路时延和带宽为节点预先测量值;
第四步、将所有节点各自的内容偏好度、邻接链路的时延和带宽构成网络拓扑图;
有向拓扑图G=(R,A)中,R为拓扑图中的节点集合,R={r1,r2,...ri,...rL};A为相邻节点间的有向链路集合,A={a1,a2,...am,...aM};定义am=(ri,rj)∈A为由节点ri出发到达节点rj的有向链路;
第五步、使用灰度关联法将网络拓扑中每条有向路径am的偏好相似度、链路时延和链路带宽统计数据统一到同一维度,从而得出该路径am的链路损耗值;
第六步、每条有向路径对应于每类内容具有不同的链路损耗值,根据不同的链路损耗值配置FIB表;
对于每类内容,节点ri根据最短路径算法分别计算通过每个转发端口到达服务器的损耗值,并将其写入FIB表;
第七步、判断命名数据网络中的拓扑参数是否发生变化,如果是,转到第三步各节点重新广播LSAs;否则,每个节点根据FIB表中的损耗值排序将不同内容类别的兴趣包发送至不同的最佳转发端口。
2.如权利要求1所述的一种命名数据网络中的多径路由方法,其特征在于,所述的步骤五具体步骤为:
步骤501、针对第k类内容,计算有向路径am的比较序列(x1′(am),x2′(am),x3′(am));
其中x1′(am)为有向路径am中偏好相似度的统计参数值;x1′(am)=Sim(l,rj),即第k类内容由节点ri发送到节点rj;x2′(am)为有向路径am中链路时延的统计参数值;x3′(am)为有向路径am中链路带宽的统计参数值;
步骤502、根据M个有向路径的比较序列生成信息矩阵:
步骤503、对信息矩阵中每个标准,分别进行归一化处理;
针对x′p(am)进行归一化处理公式如下:
当xp′(am)越大链路损耗越小,则当xp′(am)越小时链路损耗越小,那么
步骤504、根据每个标准对应的序列与链路损耗的关系,对信息矩阵进行更新;
得到:
步骤505、从更新后的信息矩阵中,选定参考序列;
根据原则:xp(am)代表有向路径am第p个标准的归一化参数值,xp(am)越靠近1,代表在第p个标准中距离最优值最近,即链路am将以更小的损耗转发兴趣包至服务器;xp(0)代表第p个标准的对比参数值;因为链路损耗越小越好,所以参考序列定为
x(0)=(x1(0),x2(0),x3(0))T=(0,0,0)T
步骤506、根据参考序列和比较序列计算灰度关联系数;
灰度关联系数表示为
其中τ∈(0,1)是一个分辨系数,灰度关联系数越大,xp(am)越接近xp(0);
步骤507、根据灰度关联系数计算出每个可选序列的灰度关联值,得到每条链路最终的链路损耗值;
使用不同标准的权重向量值,计算灰度关联值代表am的链路损耗值ε(am):
3.如权利要求2所述的一种命名数据网络中的多径路由方法,其特征在于,所述的步骤501中,节点ri向全网广播自己邻接链路的时延和带宽,所以网中任意节点都直接得到了全网每条邻接链路的时延和带宽信息。
4.如权利要求1所述的一种命名数据网络中的多径路由方法,其特征在于,所述的步骤七中,拓扑参数为节点对不同内容类别的偏好度、链路时延和带宽。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810168899.6A CN108521373B (zh) | 2018-02-28 | 2018-02-28 | 一种命名数据网络中的多径路由方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810168899.6A CN108521373B (zh) | 2018-02-28 | 2018-02-28 | 一种命名数据网络中的多径路由方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108521373A true CN108521373A (zh) | 2018-09-11 |
CN108521373B CN108521373B (zh) | 2020-05-01 |
Family
ID=63433339
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810168899.6A Active CN108521373B (zh) | 2018-02-28 | 2018-02-28 | 一种命名数据网络中的多径路由方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108521373B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111262785A (zh) * | 2020-01-16 | 2020-06-09 | 北京工业大学 | 一种命名数据网络中的多属性概率缓存方法 |
CN116055385A (zh) * | 2022-12-30 | 2023-05-02 | 中国联合网络通信集团有限公司 | 路由方法、管理节点、路由节点及介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105072030A (zh) * | 2015-07-02 | 2015-11-18 | 哈尔滨工程大学 | 一种基于内容聚类的命名数据网络路由系统及其聚类查询方法 |
CN105682046A (zh) * | 2016-03-10 | 2016-06-15 | 重庆邮电大学 | 车载命名数据网络中基于数据属性的兴趣包转发方法 |
US20170078194A1 (en) * | 2014-01-02 | 2017-03-16 | Futurewei Technologies, Inc. | Method and apparatus for scalable content routing and mobility in named data networks |
CN106911574A (zh) * | 2017-02-26 | 2017-06-30 | 中南民族大学 | 基于粒子群的命名数据网络多约束路由算法 |
-
2018
- 2018-02-28 CN CN201810168899.6A patent/CN108521373B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170078194A1 (en) * | 2014-01-02 | 2017-03-16 | Futurewei Technologies, Inc. | Method and apparatus for scalable content routing and mobility in named data networks |
CN105072030A (zh) * | 2015-07-02 | 2015-11-18 | 哈尔滨工程大学 | 一种基于内容聚类的命名数据网络路由系统及其聚类查询方法 |
CN105682046A (zh) * | 2016-03-10 | 2016-06-15 | 重庆邮电大学 | 车载命名数据网络中基于数据属性的兴趣包转发方法 |
CN106911574A (zh) * | 2017-02-26 | 2017-06-30 | 中南民族大学 | 基于粒子群的命名数据网络多约束路由算法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111262785A (zh) * | 2020-01-16 | 2020-06-09 | 北京工业大学 | 一种命名数据网络中的多属性概率缓存方法 |
CN111262785B (zh) * | 2020-01-16 | 2021-09-28 | 北京工业大学 | 一种命名数据网络中的多属性概率缓存方法 |
CN116055385A (zh) * | 2022-12-30 | 2023-05-02 | 中国联合网络通信集团有限公司 | 路由方法、管理节点、路由节点及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN108521373B (zh) | 2020-05-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | A survey of caching mechanisms in information-centric networking | |
CN112020103B (zh) | 一种移动边缘云中的内容缓存部署方法 | |
CN104717304B (zh) | 一种cdn‑p2p内容优化选择系统 | |
CN110417662B (zh) | 一种面向智慧建筑的命名数据网络传输方法 | |
CN109150627A (zh) | 基于动态资源需求及拓扑感知的虚拟网络映射的构建方法 | |
CN109688056B (zh) | 智能网络控制系统及方法 | |
CN102075359B (zh) | 一种基于网络坐标的服务器部署方法及装置 | |
Ci et al. | Adaptive clustering in wireless sensor networks by mining sensor energy data | |
CN105262833B (zh) | 一种内容中心网络的跨层缓存方法及其节点 | |
CN106603646B (zh) | 一种基于用户兴趣偏好的信息中心网络缓存方法 | |
CN104301305A (zh) | 信息中心网络下兴趣包转发的方法和转发终端 | |
CN110461018A (zh) | 基于可计算ap的机会网络路由转发方法 | |
CN109067920A (zh) | 一种用于服务器内容更新的负载均衡及路由方法 | |
CN112399485A (zh) | 一种6g中基于ccn的新节点价值和内容流行度缓存方法 | |
CN114867061B (zh) | 一种基于无线通信网络的云监控方法 | |
CN111835819A (zh) | 移动边缘计算中区域化层次化任务迁移方法 | |
Khodaparas et al. | A software-defined caching scheme for the Internet of Things | |
Kulkarni et al. | Q-MOHRA: QoS assured multi-objective hybrid routing algorithm for heterogeneous WSN | |
CN108521373A (zh) | 一种命名数据网络中的多径路由方法 | |
Bakshi et al. | Energy-efficient cluster head selection algorithm for IoT using modified glow-worm swarm optimization | |
Cao et al. | A mobility-supported routing mechanism in industrial IoT networks | |
Pu | ProNDN: MCDM‐Based Interest Forwarding and Cooperative Data Caching for Named Data Networking | |
CN107302571B (zh) | 基于果蝇算法的信息中心网络路由和缓存管理方法 | |
CN108173943A (zh) | 移动内容中心网络中基于贡献度感知的视频共享方法 | |
Alduayji et al. | PF-EdgeCache: Popularity and freshness aware edge caching scheme for NDN/IoT networks |
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 |