CN108809699A - 一种实现大规模虚拟网络节点重复映射的方法 - Google Patents

Abstract

一种实现大规模虚拟网络节点重复映射的方法，它属于虚拟网络映射技术领域。本发明解决了传统虚拟网络映射方法存在的只能一对一映射，且映射成功率和收益开销比不高的问题。本发明分别利用资源剩余量评价函数和资源请求量评价函数量化各物理节点的资源剩余量AR和虚拟节点的资源请求量DR，并将最高DR节点映射至最高AR节点，在剩余满足映射条件的虚拟节点中，选择融合连接参数最大的虚拟节点，将其映射至最高AR节点上，同理，直至最高AR节点不能再接受其他虚拟节点；然后利用上述方法，将虚拟节点映射至第二高AR节点，以此类推，直至所有虚拟节点映射完成。本发明保证较高的映射成功率和收益开销比。本发明可以应用于虚拟网络映射技术领域用。

Description

一种实现大规模虚拟网络节点重复映射的方法

技术领域

本发明属于虚拟网络映射技术领域，具体涉及一种实现大规模虚拟网络节点重复映射的方法。

背景技术

云计算是既分布式计算、网格计算、P2P计算之后的一种新型的按需访问虚拟分布式资源的计算模型。云计算的快速发展带来虚拟化技术的复兴，虚拟化技术实现从底层物理资源虚拟出逻辑资源，为云计算提供技术支持。其中，网络虚拟化是虚拟化技术中非常重要的研究内容，是克服当前互联网架构变革阻力的重要技术。作为虚拟资源和物理资源之间的桥梁，网络虚拟网技术应用到很多领域，比如构建目标网络环境，评估新的协议和服务等。网络虚拟化就是在一个物理网络上模拟出多个逻辑网络来提供各种服务。其中，大规模虚拟网络映射问题致力于解决网络虚拟化过程中的资源分配问题，将给定的大规模虚拟网络请求映射至底层物理资源，被映射的物理网络节点需要同时满足对每个虚拟网络节点和链路的资源请求量，因此，人们致力于在有限的物力资源中映射大规模虚拟网络请求。传统的虚拟网络映射方法虽然能够将虚拟网络节点一对一的映射到物理网络节点中，但是当今云服务环境中的虚拟网络庞大且复杂，传统的节点一对一映射方法难以直接应用到如今的大规模虚拟网络映射问题中，而且在有限的物理资源中的成功映射率和收益开销比不高。

发明内容

本发明的目的是为解决传统虚拟网络一对一映射方法存在的在有限的物理资源中的成功映射率和收益开销比不高，而且难以直接应用到大规模虚拟网络映射的问题。

本发明为解决上述技术问题采取的技术方案是：

一种实现大规模虚拟网络节点重复映射的方法，该方法的具体步骤为：

步骤一、定义物理网络为加权无向图N^s和L^s分别表示物理网络节点和物理链路的集合，每个物理网络节点n^s对应的物理网络节点CPU权重为每两个物理网络节点之间的物理链路对应的链路带宽权重为其中，即第i个物理网络节点和第j个物理网络节点之间的物理链路，n^s∈N^s，

定义虚拟网络为加权无向图N^v和L^v分别表示虚拟网络节点和虚拟链路的集合，每个虚拟网络节点n^v对应的虚拟网络节点CPU权重为每两个虚拟网络节点之间的虚拟链路对应的链路带宽权重为其中，即第i个虚拟网络节点和第j个虚拟网络节点之间的虚拟链路，n^v∈Nv，T_start和T_end分别表示虚拟网络请求的到达时间和离开时间；

步骤二、利用物理网络节点资源剩余量评价函数AR(n^s)来量化各个物理网络节点的资源剩余量AR；

步骤三、利用虚拟网络节点资源请求量评价函数DR(n^v)来量化各个虚拟网络节点的资源请求量DR；

步骤四、将步骤三的资源请求量DR最高的虚拟网络节点n^v1映射到步骤二的资源剩余量AR最高的物理网络节点n^s1上；

步骤五、选择剩余未被映射且能够被映射至n^s1的具有最大融合连接参数的虚拟网络节点n^vλ，将其映射至n^s1；同理，将其他虚拟网络节点映射到n^s1上，直至n^s1不能再接受任何其他虚拟网络节点；

步骤六、选择出第二高资源剩余量的物理网络节点n^s2，利用步骤五的方法映射剩余虚拟网络节点，以此类推，直至将虚拟网络节点全部映射到物理网络节点上。

本发明的有益效果是：本发明提供了实现大规模虚拟网络节点重复映射的方法，本发明定义了物理网络和虚拟网络的加权无向图，分别利用物理网络节点资源剩余量评价函数AR(n^s)和虚拟网络节点资源请求量评价函数DR(n^v)量化出各个物理网络节点的资源剩余量AR和各个虚拟网络节点的资源请求量DR，并将资源请求量DR最高的虚拟网络节点n^v1映射至资源剩余量AR最高的网络节点n^s1上，然后选择出剩余的满足被映射到n^s1上的虚拟网络节点，计算各满足映射条件的虚拟网络节点的融合连接参数，将最大的融合连接参数所对应的虚拟网络节点映射到网络节点n^s1上，直至n^s1不能再接受任何其他虚拟网络节点，同理，完成第二高资源剩余量的网络节点n^s2的映射，直至将所有虚拟网络节点映射至相应的网络节点。本发明计算资源剩余量AR同时考虑CPU和带宽资源，计算资源请求量DR同时考虑CPU和带宽请求量，具有较高AR值的物理网络节点拥有足够的CPU资源可以分配给多个虚拟网络节点，并且有足够的链路带宽资源分配给虚拟链路，本发明方法实验中映射成功率普遍提高，当模拟实验中虚拟网络节点平均数量为140时，相比较其他三个方法映射成功率提高11％以上；较高AR值的物理网络节点能放置多个虚拟网络节点，产生较多的内部虚拟链路(Inter-Link)请求，降低了物理链路映射的开销，同时物理网络节点资源利用率的提高有助于接受更多的虚拟网络，并获得更高的收益，同样，当虚拟网络节点数量为140时，可以将收益开销比提高100％以上。本发明实现多个虚拟网络节点映射到同一个物理网络节点的过程，克服了传统映射方法的局限性，适用的网络环境也更符合当今云服务环境。

本发明对提高大规模虚拟网络映射的映射成功率和收益开销比起到很好的作用。

附图说明

图1为本发明所述的一种实现大规模虚拟网络节点重复映射的方法示的流程图；

图2为本发明虚拟网络节点重复映射的模型图；

图3为不同规模虚拟网络环境下，四种算法映射成功率的对比图；

图4为不同规模虚拟网络环境下，四种算法收益的对比图；

图5为不同规模虚拟网络环境下，四种算法开销的对比图；

图6为不同规模虚拟网络环境下，四种算法收益开销比的对比图；

具体实施方式

下面结合附图对本发明的技术方案作进一步的说明，但并不局限于此，凡是对本发明技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，均应涵盖在本发明的保护范围中。

具体实施方式一：结合图1说明本实施方式。本实施方式所述的一种实现大规模虚拟网络节点重复映射的方法，该方法的具体步骤为：

步骤一、定义物理网络为加权无向图N^s和L^s分别表示物理网络节点和物理链路的集合，每个物理网络节点n^s对应的物理网络节点CPU权重为每两个物理网络节点之间的物理链路对应的链路带宽权重为其中，即第i个物理网络节点和第j个物理网络节点之间的物理链路，n^s∈N^s，

定义虚拟网络为加权无向图N^v和L^v分别表示虚拟网络节点和虚拟链路的集合，每个虚拟网络节点n^v对应的虚拟网络节点CPU权重为每两个虚拟网络节点之间的虚拟链路对应的链路带宽权重为其中，即第i个虚拟网络节点和第j个虚拟网络节点之间的虚拟链路，n^v∈N^v，T_start和T_end分别表示虚拟网络请求的到达时间和离开时间；

步骤二、利用物理网络节点资源剩余量评价函数AR(n^s)来量化各个物理网络节点的资源剩余量AR；

步骤三、利用虚拟网络节点资源请求量评价函数DR(n^v)来量化各个虚拟网络节点的资源请求量DR；

步骤四、将步骤三的资源请求量DR最高的虚拟网络节点n^v1映射到步骤二的资源剩余量AR最高的物理网络节点n^s1上；

步骤五、选择剩余未被映射且能够被映射至n^s1的具有最大融合连接参数的虚拟网络节点n^vλ，将其映射至n^s1；同理，将其他虚拟网络节点映射到n^s1上，直至n^s1不能再接受任何其他虚拟网络节点；

步骤六、选择出第二高资源剩余量的物理网络节点n^s2，利用步骤五的方法映射剩余虚拟网络节点，以此类推，直至将虚拟网络节点全部映射到物理网络节点上。

本实施方式中的剩余未被映射且能够被映射至n^s1的虚拟网络节点是指：该虚拟网络节点与被映射至n^s1中的虚拟网络节点之间存在虚拟链路，且未超出当前物理网络节点的资源剩余量，以及放入后产生的外部虚拟链路(Exter-Link)权重之和不超出当前物理网络节点的链路带宽资源之和。

将最高的DR对应的虚拟网络节点映射到最高的AR对应的物理网络节点后，下一步是将其他虚拟网络节点陆续映射到该物理网络节点，直到该物理网络节点没有能力接受任何其他虚拟网络节点，传统的方法是选择一组具有高DR值的虚拟网络节点进行下一步的映射，然而，这种方法忽略了与已经映射到该物理网络节点的虚拟网络节点之间的连接关系。这意味着高DR值的虚拟网络节点之间可能没有直接的连接关系，从而产生大量的外部虚拟链路(Exter-Link)需要被映射。本发明考虑了这样的连接关系，从而达到更好的开销收益结果。而且多个虚拟网络节点可映射至同一个物理网络节点中，即实现重复映射，相比较于传统的映射方法，这更符合当今云环境中的网络结构。如图2所示，为虚拟网络节点重复映射的模型图，每个虚拟链路需要被映射到物理链路上，因此我们定义P^s为物理网络中的无环路径。

具体实施方式二：本实施方式对实施方式一所述的一种实现大规模虚拟网络节点重复映射的方法进行进一步的限定，本实施方式中定义被映射至同一个物理网络节点中的虚拟网络节点之间的链路为内部虚拟链路(Inter-Link)，两个被映射至不同物理网络节点的虚拟网络节点之间的链路为外部虚拟链路(Exter-Link)。

本实施方式中定义被映射至同一个物理网络节点中的虚拟网络节点之间的链路带宽请求可以被无限的满足。

具体实施方式三：本实施方式对实施方式二所述的一种实现大规模虚拟网络节点重复映射的方法进行进一步的限定，本实施方式中步骤二的物理网络节点资源剩余量评价函数为：

其中n^s为物理网络节点，为物理网络节点n^s的CPU资源剩余量，为物理网络节点n^s所连接的链路带宽剩余量之和，L^s(n^s)是与物理网络节点n^s连接的物理链路的集合，l^s是与物理网络节点n^s连接的物理链路集合中的元素，|L^s(n^s)|是与物理网络节点n^s所连接的物理链路数量。

不同于传统的量化考虑，本实施方式将各个物理网络节点所连接的链路数量考虑到其中，物理网络节点资源剩余量AR的计算同时考虑CPU和链路资源，且链路资源由节点所连接的链路带宽之和以及数量组成，具有较高AR值的物理网络节点意味着拥有足够的CPU资源分配给多个虚拟网络节点，并且有足够的链路带宽资源分配给虚拟链路，以便提高外部虚拟链路(Exter-Link)的映射成功率。

优先选择具有较高AR值的物理网络节点来放置多个虚拟网络节点，能够更好的将更多虚拟网络节点映射至同一物理网络节点，从而产生许多不需要映射的内部虚拟链路(Inter-Link)，从而降低了物理链路映射的开销，提高了虚拟网络请求的接受率。

具体实施方式四：本实施方式对实施方式三所述的一种实现大规模虚拟网络节点重复映射的方法进行进一步的限定，本实施方式中步骤三的虚拟网络节点资源请求量评价函数为：

其中，n^v为虚拟网络节点，为虚拟网络节点n^v的CPU资源请求量，为虚拟网络节点n^v所连接的链路带宽请求量之和，L^v(n^v)是与虚拟网络节点n^v连接的虚拟链路的集合，l^v是与虚拟网络节点n^v连接的虚拟链路集合中的元素，|L^v(n^v)|为虚拟网络节点n^v所连接的虚拟链路数量。

与计算AR类似，计算DR同时考虑CPU和链路请求量，链路请求量考虑了虚拟网络节点所连接的虚拟链路带宽之和以及数量。我们需要将DR值最高的虚拟网络节点n^v1映射到AR值最高的物理网络节点n^s1上。n^s1不仅可以接受多个虚拟网络节点，还会产生一些权值较大的内部虚拟链路(Inter-Link)，因为DR值较大的虚拟网络节点往往有许多相邻链路，并且带宽需求很大，这有助于降低底层链路映射开销。

具体实施方式五：本实施方式对实施方式四所述的一种实现大规模虚拟网络节点重复映射的方法进行进一步的限定，本实施方式步骤五中n^vλ节点的融合连接参数NFIV(n^{v λ})为：

其中，为物理网络节点n^s1的CPU资源压力，为虚拟网络节点n^vλ的CPU资源请求量，为虚拟网络节点n^vλ被映射到n^s1之后所产生的外部虚拟链路的链路请求，定义如下：

其中，WEL^s(n^vλ→n^s1)为虚拟网络节点n^vλ被映射到n^s1之后所产生外部虚拟链路的链路权重之和，NEL(n^vλ→n^s1)为虚拟网络节点n^vλ被映射到n^s1之后所产生外部虚拟链路的链路数量。

计算融合连接参数之前，需将所有虚拟网络节点的融合连接参数初始化为0，然后计算满足映射条件的虚拟网络节点的融合连接参数，且满足映射条件的虚拟网络节点的融合连接参数为大于0的数值。

虚拟网络节点的融合连接参数越高，所产生的外部虚拟链路(Exter-Link)请求越小，这将有助于降低映射虚拟网络的成本；同时物理网路节点的资源利用率就越高，这将有助于物理网络充分利用资源接受更多的虚拟网络，并获得更多的收益。因此我们选择剩余未被映射且能够被映射至n^s1的具有最大节点融合连接参数的虚拟网络节点n^vλ，将其映射至n^s1。

我们采用同样的方法将其他虚拟网络节点嵌入到n^s1上，直到n^s1不能接受任何其他虚拟网络节点。然后，我们选择具有第二高AR值的物理网络节点n^s2来映射剩余虚拟网络节点，在剩余未映射的虚拟网络节点中选择DR值最高的虚拟网络节点，并根据节点融合连接参数使用相同的方式映射剩余虚拟网络节点。直到每个虚拟网络节点被映射到指定的底层节点。

具体实施方式六：本实施方式对实施方式五所述的一种实现大规模虚拟网络节点重复映射的方法进行进一步的限定，本实施方式所述大规模虚拟网络节点重复映射的方法还包括步骤七，利用K最短路径算法产生虚拟链路映射结果。

一旦将所有虚拟网络节点映射到物理网络节点上，我们的算法就用k-shortest算法将每个虚拟外部虚拟链路(Exter-Link)分配给一个具体的物理路径。或者，如果支持链路分割，则可以选择多商品流(mult-commodity)算法。本发明实验环境为前者。

本发明的算法伪代码如下所示：

实施例

作为一种新兴的网络虚拟化技术，还存在一些不确定的方面，特别是物理网络和虚拟网络请求的实际特点还不十分清楚，因此，我们采用了综合网络拓扑来模拟网络请求，并对所提出的算法进行了评价。

我们使用BRITE工具随机生成物理网络拓扑，拓扑具有100个节点，每个基节点与至少一个其他节点连接。此外，每对物理网络节点随机连接概率0.5。底层节点的CPU资源量从3.2到3.8不等，链路的带宽资源量均匀分布在30和40之间。

假设虚拟网络请求到达过程是泊松过程，到达速率为每100个单位时间到达5个请求。我们假设每个虚拟网络请求一个接一个到达，而不是成批到达。我们通过将虚拟网络拓扑的节点数从50变到200作为变量来评估算法。每个虚拟网络请求具有指数分布的生命周期，平均为400个时间单元。虚拟网络拓扑中每个虚拟网络节点至少连接一个节点，虚拟网络拓扑的平均连接度为0.5。虚拟网络节点的CPU资源请求量从7到13不等，链路的带宽资源请求量均匀分布在0.1到1.9之间。在我们的实验中，我们每次模拟的是1000个时间单位内的虚拟网络映射任务，即每次模拟过程中平均约有50个虚拟网络请求出现。

在实验过程中主要比较以下几个指标：

(1)映射成功率：算法成功映射的虚拟网络请求的百分比。

(2)收益：算法在每次模拟过程中获得的收益，一般来说，性能较好的算法除了获得更高的成功率外，还会获得更多的收益。因为有的算法可能会拒绝一些难以映射的虚拟网络，而接受了更多的容易映射的虚拟网络导致映射成功率很高，但收益很低，将映射成功率和收益相结合能更好的比较出算法的优劣性。

其中，T是模拟过程的时间。

(3)开销：成功映射虚拟网络时所需要的物理网络资源成本，定义如下：这有助于于计算嵌入的收益开销比。

其中，length(M_L(l^v))是被虚拟链路l^v的物理路径的长度。

(4)收益开销比：算法在映射不同规模的虚拟网络请求时所能达到的利润。定义为

公式中的α和β用于调整节点权重和链路权重之间的数量级差距，使二者保持在同一数量级。由具体实验数据确定，根据本实验中的参数设定，取α和β为10。

实验过程中将本发明的节点融合映射算法与由传统方法演变成的节点优先映射算法、网络拓扑感知映射算法和链路优先映射算法进行比较。实验结果如图3所示，为不同规模虚拟网络环境下，四种算法的映射成功率；如图4所示，为不同规模虚拟网络环境下，四种算法的收益；

图3和4表明我们提出的节点融合映射算法比其他三种算法具有更高的映射成功率和收益值，验证了我们的节点融合映射算法具有更好的性能。

如图5所示，为不同规模虚拟网络环境下，四种算法的开销；如图6所示，为不同规模虚拟网络环境下，四种算法的收益开销比；

虽然我们的节点融合映射算法提高了映射成功率和收益值，但我们需要观察节点融合映射是否具有高度的资源利用率。图5可以看出节点融合映射没有过于开销物理网络资源。因此，在较高的映射成功率和收益下，节点融合映射算法的平均代价仅略高于开销最小的节点优先映射算法算法，这说明了节点融合映射算法在降低开销方面取得了更好的效果。图6给出了不同规模虚拟网络环境下的收益开销比，表示映射过程中的利润情况。收益开销比越高时，算法的性能越好。我们发现节点融合映射总是得到更高的比率，即节点融合映射总是得到更高的性能。

Claims (6)

1.一种实现大规模虚拟网络节点重复映射的方法，其特征在于，该方法的具体步骤为：

步骤一、定义物理网络为加权无向图N^s和L^s分别表示物理网络节点和物理链路的集合，每个物理网络节点n^s对应的物理网络节点CPU权重为每两个物理网络节点之间的物理链路对应的链路带宽权重为其中，即第i个物理网络节点和第j个物理网络节点之间的物理链路，n^s∈N^s，

定义虚拟网络为加权无向图N^v和L^v分别表示虚拟网络节点和虚拟链路的集合，每个虚拟网络节点n^v对应的虚拟网络节点CPU权重为每两个虚拟网络节点之间的虚拟链路对应的链路带宽权重为其中，即第i个虚拟网络节点和第j个虚拟网络节点之间的虚拟链路，n^v∈N^v，T_start和Tend分别表示虚拟网络请求的到达时间和离开时间；

步骤二、利用物理网络节点资源剩余量评价函数AR(n^s)来量化各个物理网络节点的资源剩余量AR；

步骤三、利用虚拟网络节点资源请求量评价函数DR(n^v)来量化各个虚拟网络节点的资源请求量DR；

步骤四、将步骤三的资源请求量DR最高的虚拟网络节点n^v1映射到步骤二的资源剩余量AR最高的物理网络节点n^s1上；

步骤五、选择剩余未被映射且能够被映射至n^s1的具有最大融合连接参数的虚拟网络节点n^vλ，将其映射至n^s1；同理，将其他虚拟网络节点映射到n^s1上，直至n^s1不能再接受任何其他虚拟网络节点；

步骤六、选择出第二高资源剩余量的物理网络节点n^s2，利用步骤五的方法映射剩余虚拟网络节点，以此类推，直至将虚拟网络节点全部映射到物理网络节点上。

2.根据权利要求1所述的一种实现大规模虚拟网络节点重复映射的方法，其特征在于，定义被映射至同一个物理节点中的虚拟网络节点之间的链路为内部虚拟链路，两个被映射至不同物理节点的虚拟网络节点之间的链路为外部虚拟链路。

3.根据权利要求2所述的一种实现大规模虚拟网络节点重复映射的方法，其特征在于，所述步骤二中的物理网络节点资源剩余量评价函数为：

其中n^s为物理网络节点，为物理网络节点n^s的CPU资源剩余量，为物理网络节点n^s所连接的链路带宽剩余量之和，L^s(n^s)是与物理网络节点n^s连接的物理链路的集合，l^s是与物理网络节点n^s连接的物理链路集合中的元素，|L^s(n^s)|是与物理网络节点n^s所连接的物理链路数量。

4.根据权利要求3所述的一种实现大规模虚拟网络节点重复映射的方法，其特征在于，所述步骤三中的虚拟网络节点资源请求量评价函数为：

其中，n^v为虚拟网络节点，为虚拟网络节点n^v的CPU资源请求量，为虚拟网络节点n^v所连接的链路带宽请求量之和，L^v(n^v)是与虚拟网络节点n^v连接的虚拟链路的集合，l^v是与虚拟网络节点n^v连接的虚拟链路集合中的元素，|L^v(n^v)|为虚拟网络节点n^v所连接的虚拟链路数量。

5.根据权利要求4所述的一种实现大规模虚拟网络节点重复映射的方法，其特征在于，步骤五中n^vλ节点的融合连接参数NFIV(n^vλ)为：

其中，为物理网络节点n^s1的CPU资源压力，为虚拟网络节点n^vλ的CPU资源请求量，为虚拟网络节点n^vλ被映射到n^s1之后所产生的外部虚拟链路的链路请求，定义如下：

其中，WEL^s(n^vλ→n^s1)为虚拟网络节点n^vλ被映射到n^s1之后所产生外部虚拟链路的链路权重之和，NEL(n^vλ→n^s1)为虚拟网络节点n^vλ被映射到n^s1之后所产生外部虚拟链路的链路数量。

6.根据权利要求5所述的一种实现大规模虚拟网络节点重复映射的方法，其特征在于，所述大规模虚拟网络节点重复映射的方法还包括步骤七，利用K最短路径算法产生虚拟链路映射结果。