CN108965020A - 跨域虚拟网络映射方法及其装置、计算机可读介质 - Google Patents
跨域虚拟网络映射方法及其装置、计算机可读介质 Download PDFInfo
- Publication number
- CN108965020A CN108965020A CN201810851179.XA CN201810851179A CN108965020A CN 108965020 A CN108965020 A CN 108965020A CN 201810851179 A CN201810851179 A CN 201810851179A CN 108965020 A CN108965020 A CN 108965020A
- Authority
- CN
- China
- Prior art keywords
- domain
- mapping
- vnr
- sent
- node
- 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.)
- Pending
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L12/00—Data switching networks
- H04L12/28—Data switching networks characterised by path configuration, e.g. LAN [Local Area Networks] or WAN [Wide Area Networks]
- H04L12/46—Interconnection of networks
- H04L12/4641—Virtual LANs, VLANs, e.g. virtual private networks [VPN]
-
- 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
- H04L41/0803—Configuration setting
- H04L41/0823—Configuration setting characterised by the purposes of a change of settings, e.g. optimising configuration for enhancing reliability
-
- 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
- H04L41/12—Discovery or management of network topologies
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Security & Cryptography (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明实施例提供了一种跨域虚拟网络映射方法及其装置、计算机可读介质,属于虚拟网络映射技术领域。所述方法包括:接收用户端发送的VNR,将VNR划分为单元子图并发送至对应候选域的本地控制器;接收本地控制器发送的候选节点方案和域内部分信息,基于候选节点方案和域内部分信息生成伪拓扑,并通过粒子群优化算法计算所述伪拓扑上映射代价最小的最优映射方案;根据所述最优映射方案,将VNR划分为单域子图并发送至各个本地控制域。本发明通过改进在跨域虚拟网络映射模型背景下的粒子群优化算法,降低了原有算法的收敛速度,避免迭代陷入早熟而得到局部最优解。进而使得映射方案的成本更加低廉,并降低了网络映射开销。
Description
技术领域
本发明涉及虚拟网络映射技术领域,尤其涉及一种跨域虚拟网络映射方法及其装置、计算机可读介质。
背景技术
虚拟网络映射是一个资源分配问题,主要研究如何在满足节点和链路的约束条件下,能够为各种虚拟网络请求提供物理网络资源,同时更为有效地利用物理网络资源,提高物理网络资源利用率。一般的虚拟网络(Virtual Network,简称VN)映射算法分为节点映射过程和链路映射过程两个阶段。节点映射过程主要是把虚拟网络请求(Virtual NetworkRequest,简称VNR)中的节点,在满足节点CPU计算资源约束的条件下,映射到物理网络节点上。链路映射阶段主要任务是把VNR中的虚拟链路,在满足链路带宽需求的条件下,映射到一个非循环的物理路径上。
粒子群优化算法是模拟大自然物种觅食行为的启发式算法。每个粒子模拟一个个体,在解空间内搜索最优解(食物),通过迭代更新粒子的位置和速度实现优化过程。现有粒子群优化算法的主要缺点在于:对于中小规模问题,迭代收敛速度过快,容易出现早熟,达到局部最优解;对于离散化问题,如VNE问题,模型速度矢量往往是二值的,优化效果相对较差。
根据物理网络类别不同,虚拟网络映射问题可以分为单域虚拟网络映射和跨域虚拟网络映射两种。跨域物理网络往往规模较大,为了实现VNR的高效映射,不必要获得全部物理网络信息。因此,全局控制器无法得知各个域内所有的拓扑与资源信息,而只知道由本地控制器提供的部分域内信息。此外,VN节点还可能受到地理位置的限制,即某些VN节点只能映射到固定几个域中,这增加了问题的复杂性。因此,现有的跨域虚拟网络映射还存在映射方案成本高、网络映射开销大的问题。
发明内容
有鉴于此,本发明的主要目的在于提供一种跨域虚拟网络映射方法及其装置、计算机可读介质,通过改进在跨域虚拟网络映射模型背景下的粒子群优化算法,降低了原有算法的收敛速度,避免迭代陷入早熟而得到局部最优解。进而使得映射方案的成本更加低廉,并降低了网络映射开销。
第一方面,本发明实施例提供了一种跨域虚拟网络映射方法,应用于全局控制器,所述方法包括:
接收用户端发送的VNR,将VNR划分为单元子图并发送至对应候选域的本地控制器;
接收本地控制器发送的候选节点方案和域内部分信息,基于候选节点方案和域内部分信息生成伪拓扑,并通过粒子群优化算法计算所述伪拓扑上映射代价最小的最优映射方案;
根据所述最优映射方案,将VNR划分为单域子图并发送至各个本地控制域。
结合第一方面,本发明实施例提供了第一方面的第一种可能的实施方式,其中,所述通过粒子群优化算法计算所述伪拓扑上映射代价最小的最优映射方案,具体包括:
步骤a,随机生成粒子的初始位置Xi与初始速度Vi;
步骤b,通过计算所有粒子当前适应度,以预估映射代价,并更新粒子最佳位置Xpb与全局历史最佳位置Xgb;
步骤c,根据以下算式,更新所有粒子的位置和速度;
步骤d,随机抽取粒子,使所抽取粒子的位置和速度发生突变;
步骤e,检查当前的粒子群是否满足所述约束条件,并计算粒子的适应度更新粒子的历史最佳位置和全局历史最佳位置;
步骤f,判断迭代次数是否达到设定值,如果否,则输出粒子的全局历史最佳位置,如果否,则返回步骤c。
结合第一方面,本发明实施例提供了第一方面的第二种可能的实施方式,其中,还包括:
接收本地控制器的反馈的映射情况,判断各个本地控制器的VNR单域子图是否能拼接成完整的VNR;
如果是,则该VNR的映射成功;
如果否,则拒绝该VNR,或者将该VNR放置映射队列末尾等待下次映射。
第二方面,本发明实施例提供了一种跨域虚拟网络映射方法,应用于本地控制器,所述方法包括:
接收所述全局控制器发送的VNR子图,在域内选择VN节点对应的候选节点,并将候选节点方案和域内部分信息发送至全局控制器;
接收所述全局控制器发送的VNR单域子图,完成域内VNR映射。
结合第二方面,本发明实施例提供了第二方面的第一种可能的实施方式,其中,还包括:
各个本地控制器向全局控制器反馈VNR映射情况。
结合第二方面,本发明实施例提供了第二方面的第二种可能的实施方式,其中,所述在域内选择VN节点对应的候选节点,具体包括:
根据以下算式,计算每个虚拟节点映射到域内任一物理节点的预计平均映射代价;
选择所述预计平均映射代价结果中值最小和次小的节点,作为该虚拟节点在域内的候选映射节点。
结合第二方面,本发明实施例提供了第二方面的第三种可能的实施方式,其中,所述完成域内VNR映射,具体包括:
计算域内物理网络资源和虚拟网络请求资源,并分别根据资源量进行排序;
将各个虚拟网络节点,按照虚拟网络请求资源量从大到小的顺序,依次映射至资源量最大且满足需求的物理节点上;
各个本地控制器,根据Dijkstra最短路径算法,将虚拟链路映射至对应的最短路径。
第三方面,本发明实施例提供了一种跨域虚拟网络映射装置,应用于全局控制器,包括:
接收模块,用于接收用户端发送的VNR;
第一划分模块,用于将所述VNR划分为单元子图;
发送模块,用于将划分好的VNR单元子图发送至对应候选域的本地控制器;
所述接收模块还用于接收本地控制器发送的候选节点方案和域内部分信息;
计算模块,用于基于所述候选节点方案和域内部分信息生成伪拓扑,并通过粒子群优化算法计算所述伪拓扑上映射代价最小的最优映射方案;
第二划分模块,用于根据所述最优映射方案,将VNR划分为单域子图;
所述发送模块还用于将所述VNR单域子图发送至各个本地控制域。
第四方面,本发明实施例提供了一种跨域虚拟网络映射装置,应用于本地控制器,包括:
接收模块,用于接收所述全局控制器发送的VNR子图;
选择模块,用于在域内选择VN节点对应的候选节点;
发送模块,用于将候选节点方案和域内部分信息发送至全局控制器;
所述接收模块还用于接收所述全局控制器发送的VNR单域子图;
映射模块,用于完成域内VNR映射。
第五方面,本发明实施例提供了一种具有处理器可执行的非易失的程序代码的计算机可读介质,其中,所述程序代码使所述处理器执行如第一方面或第二方面所述的方法。
本发明实施例带来了以下有益效果:本发明提供了一种跨域虚拟网络映射方法及其装置、计算机可读介质。全局控制器接收用户端发送的VNR,将VNR划分为单元子图并发送至对应候选域的本地控制器;全局控制器接收本地控制器发送的候选节点方案和域内部分信息,基于候选节点方案和域内部分信息生成伪拓扑,并通过粒子群优化算法计算所述伪拓扑上映射代价最小的最优映射方案;然后根据所述最优映射方案,将VNR划分为单域子图并发送至各个本地控制域。该方法通过改进在跨域虚拟网络映射模型背景下的粒子群优化算法,降低了原有算法的收敛速度,避免迭代陷入早熟而得到局部最优解。进而使得映射方案的成本更加低廉,并降低了网络映射开销。
本发明的其他特征和优点将在随后的说明书中阐述,或者,部分特征和优点可以从说明书推知或毫无疑义地确定,或者通过实施本发明的上述技术即可得知。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施方式,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例一提供的一种跨域虚拟网络映射方法流程图;
图2为本发明实施例中虚拟网络映射对比实验中的映射成本对比实验结果图;
图3为本发明实施例二提供的一种跨域虚拟网络映射方法流程图;
图4为本发明实施例中虚拟网络映射对比实验中的链路负载均衡度对比实验结果图;
图5为本发明实施例三提供的一种跨域虚拟网络映射方法流程图;
图6a和图6b分别为本发明实施例中跨域虚拟网络请求映射实例中的SN和VNR图;
图7为本发明实施例中跨域虚拟网络请求映射实例中的VNR单元子图;
图8为本发明实施例中跨域虚拟网络请求映射实例中的伪拓扑图;
图9为本发明实施例中跨域虚拟网络请求映射实例中虚拟网络请求的结果图;
图10为本发明实施例中跨域虚拟网络请求映射实例中最终的虚网请求映射结果图;
图11为本发明实施例三提供的一种跨域虚拟网络映射装置结构示意图。
图标:111-接收模块;112-第一划分模块;113-发送模块;114-计算模块;115-第二划分模块;116-判断模块;117-执行模块;118-接收模块;119-选择模块;1110-发送模块;1111-映射模块。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
目前,跨域物理网络往往规模较大,为了实现VNR的高效映射,不必要获得全部物理网络信息。因此,全局控制器无法得知各个域内所有的拓扑与资源信息,而只知道由本地控制器提供的部分域内信息。此外,VN节点还可能受到地理位置的限制,即某些VN节点只能映射到固定几个域中,这增加了问题的复杂性。因此,现有的跨域虚拟网络映射还存在映射方案成本高、网络映射开销大的问题。基于此,本发明实施例提供了一种跨域虚拟网络映射方法及其装置、计算机可读介质,可以应用于虚拟网络映射。
为便于对本实施例进行理解,首先对本发明实施例所公开的一种跨域虚拟网络映射方法进行详细介绍。
实施例一:
本发明实施例提供一种跨域虚拟网络映射方法,应用于全局控制器,如图1所示,该方法包括以下步骤:
S101:接收用户端发送的VNR,将VNR划分为单元子图并发送至对应候选域的本地控制器。
全局控制器收到用户的VNR后,需要将其划分为单元子图的形式下发给对应候选域的本地控制器,以让本地控制器提供一定量的物理网络信息来竞争VNR的映射。每一个虚拟节点对应生成一个单元子图,该子图除了包括该虚拟节点的资源量、候选域信息外,还包括与之直连的链路带宽资源量以及链路另一端节点的候选域信息。
S102:接收本地控制器发送的候选节点方案和域内部分信息,基于候选节点方案和域内部分信息生成伪拓扑,并通过粒子群优化算法计算伪拓扑上映射代价最小的最优映射方案。
全局控制器收到候选节点方案与域内部分信息后,基于这些信息整合出一张伪拓扑来表示跨域物理网络。伪拓扑保留了各域中候选节点与边界节点的拓扑关系,可以作为粒子群算法优化的网络拓扑。通过粒子群优化算法求出的最优映射方案以最小化预估映射代价为目标(适应度函数),即在该伪拓扑上的映射代价最小。
步骤S102中,通过粒子群优化算法计算伪拓扑上映射代价最小的最优映射方案,具体包括:
S1021:随机生成粒子的初始位置Xi与初始速度Vi。
粒子满足的约束条件如下:
Num(nS)=1
以上两个公式分别表示单个虚网节点只能映射到单个物理节点上,单个物理节点承载单个虚网节点。即,对于同一个虚网请求而言,物理节点与虚网节点是一对一的映射关系。
粒子位置Xi:粒子的位置向量表示一种可能的映射方案。其中D是该虚网请求的虚拟节点数,的取值是一个正整数,表示编号为j的虚拟节点映射到伪拓扑中编号为的物理节点上。Xpb表示的是当前粒子的历史最佳位置,Xgb表示的是所有粒子的历史最佳位置。
粒子速度Vi:粒子的速度向量表示对方案一种可能的调整决策。其中是一个值域为{0,1}的二元变量,若表示编号为j的虚拟节点需要重新从候选节点中选择其他节点进行映射,若则保持该节点的当前映射结果。
S1022:通过计算所有粒子当前适应度,以预估映射代价,并更新粒子最佳位置Xpb与全局历史最佳位置Xgb。
对适应度函数的定义如下:
其中,左侧的Est-Cost表示预估映射代价,表示在跨域伪拓扑上的节点映射关系,表示在跨域伪拓扑上的链路映射关系。右侧的第一项表示预估节点映射代价,第二项表示预估链路映射代价。
S1023:根据以下算式,更新所有粒子的位置和速度。
其中,α,β,γ是取值在[0,1]的常量,并且满足α+β+γ=1。
加法在本算法中用于得出最终的映射调整方案,减法在本算法中用于比较两种映射方案的差异,乘法在本算法中用于对原映射方案按粒子速度进行调整。
S1024:随机抽取粒子,使所抽取粒子的位置和速度发生突变。
由于VNE问题是一个离散化的模型,其速度的选择只能为变化或不变,这导致在粒子群优化过程中,粒子群将快速地收敛在一个局部最优解(且往往就是初代所有粒子中的最优,而没有出现解的组合)。通过引入突变因子,在算法迭代的过程中,粒子群有很大概率能落到解空间中尽可能广泛的地方,从而能更高效地搜寻最优解,避免过早收敛。
S1025:检查当前的粒子群是否满足所述约束条件,并计算粒子的适应度更新粒子的历史最佳位置和全局历史最佳位置。
S1026:判断迭代次数是否达到设定值,如果否,则输出粒子的全局历史最佳位置,如果否,则返回步骤c。
在粒子群优化算法中,为了使粒子群优化算法更加适应VN模型,本发明改进了原有PSO算法,通过引入了突变因子降低其收敛速度,从而能在迭代中得到更优的解。实验结果如图2所示,从图2可以看出,对于不同大小的VNR,本发明改进后的M-PSO-VNE算法比原有PSO映射算法、GA映射算法均具有更低的映射成本。这说明突变因子的引入确实有效解决了收敛过快的问题。
S103:根据最优映射方案,将VNR划分为单域子图并发送至各个本地控制域。
全局控制器按照粒子群优化的结果对VNR进行划分,将虚网请求划分为单域子图,并下发至各本地控制器进行后续的域内映射。
该方法还包括以下步骤:
S104:接收本地控制器的反馈的映射情况,判断各个本地控制器的VNR单域子图是否能拼接成完整的VNR。如果是,则该VNR的映射成功。如果否,则拒绝该VNR,或者将该VNR放置映射队列末尾等待下次映射。
全局控制器检查各本地控制器映射的单域虚网请求子图是否能拼接成完整的虚网请求,如果是,则该虚拟网络请求的映射成功,继续进行下一个虚网请求的映射。如果否,根据实际情况的需要可以拒绝该虚网请求,或将其放至待映射队列末尾等待下次映射。
本发明实施例提供了一种跨域虚拟网络映射方法,应用于全局控制器,通过接收用户端发送的VNR,将VNR划分为单元子图并发送至对应候选域的本地控制器,再接收本地控制器发送的候选节点方案和域内部分信息,基于候选节点方案和域内部分信息生成伪拓扑,并通过粒子群优化算法计算伪拓扑上映射代价最小的最优映射方案。通过改进在跨域虚拟网络映射模型背景下的粒子群优化算法,降低了原有算法的收敛速度,避免迭代陷入早熟而得到局部最优解。进而使得映射方案的成本更加低廉,并降低了网络映射开销。
实施例二:
本发明实施例提供一种跨域虚拟网络映射方法,应用于本地控制器,如图3所示,该方法包括:
S201:接收全局控制器发送的VNR子图,在域内选择VN节点对应的候选节点,并将候选节点方案和域内部分信息发送至全局控制器。
步骤S201中,在域内选择VN节点对应的候选节点,具体包括:
S2011:根据以下算式,计算每个虚拟节点映射到域内任一物理节点的预计平均映射代价;
其中,Costi,d(i),j表示VN节点i映射到域d(i)中的物理节点j的预计平均映射代价。公式的第一项C(nV)×P(nS)表示节点映射代价,表示虚网链路的带宽需求量;表示当虚拟链路另一端节点对应的候选域是时的预估链路映射代价。
S2012:选择预计平均映射代价结果中值最小和次小的节点,作为该虚拟节点在域内的候选映射节点。
最终,本地控制器在计算出每个虚拟网络节点对应的多个映射方案的Cost后,选择使Cost最小的映射方案作为其在该域内的候选节点。
本地控制器完成候选节点的计算和挑选后,将候选节点方案和域内部分信息上传至全局控制器,作为其整合伪拓扑与划分VNR的依据。其中域内部分信息包括:VN节点对应的全部候选节点信息、候选节点到各个边界节点最低代价路径的单价、边界节点的CPU单价、可用CPU资源量,以及边界节点之间的链路及其单价以及域间链路的连接情况、链路单价与链路可用资源量。
S202:接收全局控制器发送的VNR单域子图,完成域内VNR映射。
步骤S202中的域内VNR映射,具体包括:
S2021:计算域内物理网络资源和虚拟网络请求资源,并分别根据资源量进行排序。
本地控制器在收到全局控制器划分好的虚网请求单域子图后,首先进行域内物理资源和虚网请求资源的计算。在进行物理资源的计算时,本地控制器需要评估每个物理节点的资源量,并根据资源量进行排序。
S2022:将各个虚拟网络节点,按照虚拟网络请求资源量从大到小的顺序,依次映射至资源量最大且满足需求的物理节点上。
物理节点的资源量和虚拟节点的资源量是分开排序的。然后依次将资源量最大的虚拟节点映射至资源量最大的物理节点上。
S2023:各个本地控制器,根据Dijkstra最短路径算法,将虚拟链路映射至对应的最短路径。
如果待映射的链路是一条域内链路,那么直接在域内进行映射即可;如果待映射的链路是一条跨域链路,那么本地控制器将向全局控制器询问对应的边界路由位置。全局控制器收到查询请求后,根据域的拓扑结构,查询该跨域链路对应的边界路由器及其下一跳所在域。具体地,在该结构图中也采取Dijkstra最短路径算法,求出域间最短路径走法。最终由多个域合作完成跨域链路的映射。
在全局控制器完成单域VN划分后,按最大资源匹配的模式进行VN节点的映射。这样可以有效提升SN链路负载均衡度。实验结果如图4所示。可以看到本发明实施例提供的M-PSO-VNE算法的链路负载均衡度要优于其他两种算法。这是由于本发明在域内VN映射部分采用的是最大资源匹配的贪婪算法。这种算法使得拥有最大资源量的节点与链路被优先使用,从而能实现负载均衡度的提高。
该方法还包括以下步骤:
S203:各个本地控制器向全局控制器反馈VNR映射情况。
各本地控制器完成域内虚拟网络子图的映射后,向全局控制器反馈映射情况。由于单个虚网节点只能映射至单个物理节点上,如果某虚网节点无法完成映射,说明域内所有物理节点的剩余CPU资源无法满足该请求,那么本地控制器将向全局控制器反馈映射失败信息。
本发明实施例提供了一种跨域虚拟网络映射方法,应用于本地控制器,通过候选节点选择算法,对上传全局控制器的信息量进行了改进,使得本地控制器可以上传一定数量的候选节点作为拓扑抽象的依据。通过在计算中引入均方根,提高了对代价较高链路的敏感度,从而避免了对代价较高链路的选择。
实施例三:
本发明实施例提供了一种跨域虚拟网络映射方法,如图5所示,该方法包括:
S301:接收用户端发送的VNR,将VNR划分为单元子图。
全局控制器接收用户端发送的VNR,将VNR划分为单元子图。
S302:将单元子图发送至对应候选域的本地控制器。
全局控制器将划分好的单元子图发送至对应候选域的本地控制器。
S303:在域内选择VN节点对应的候选节点。
本地控制器在域内选择VN节点对应的候选节点。
S304:将候选节点方案和域内部分信息发送至全局控制器。
本地控制器将将候选节点方案和域内部分信息发送至全局控制器。
S305:基于候选节点方案和域内部分信息生成伪拓扑,并通过粒子群优化算法计算伪拓扑上映射代价最小的最优映射方案。
全局控制器计算最优映射方案。
S306:根据最优映射方案,将VNR划分为单域子图。
全局控制器根据最优映射方案,将VNR划分为单域子图。
S307:将单域子图发送至各个本地控制域。
全局控制器将单域子图发送至各个本地控制域。
S308:本地控制器向全局控制器反馈VNR映射情况。
S309:判断各个本地控制器的VNR单域子图是否能拼接成完整的VNR。如果是,则该VNR的映射成功。如果否,则拒绝该VNR,或者将该VNR放置映射队列末尾等待下次映射。
全局控制器接收到反馈的VNR映射情况后,判断映射是否成功。
上述步骤S301至S309与实施例一和实施例二的步骤内容相同,在此不再赘述。
例如,跨域虚拟网络请求映射过程,如图6所示,以图6中的SN和VNR为例。
全局控制器收到图6所示的VNR后,首先将其分割为单元子图,如图7所示的子图(a)、(b)、(c)。然后将它们发给对应域的控制器,例如单元子图(a)将会被发至编号为1和2的域的本地控制器。
各本地控制器计算每个虚拟网络请求单元子图对应各个物理节点的预估映射代价,并选择代价最小的两个节点作为候选节点。对于图7的子图(a),先计算其在编号为1的域内的候选节点,若其映射至编号为0的物理节点上,其预估映射代价为
若另一端选择的域也是编号为1的域,那么应取域内所有路径代价的均值;若另一端选择的是编号为3的域,那么应取该点到节点0(即到域3的边界节点)的最短路径代价。因此:
代入得
Cost0,1,0=56+97.91=153.91
同理,
Cost0,1,1=56+130.48=186.48
Cost0,1,2=16+200.65=216.65
根据计算结果可知,虚网节点0在编号为1的域内的候选节点是0号和1号。同理计算其在编号为2的域内的候选节点。
Cost0,2,0=48+166.66=214.66
Cost0,2,1=24+136.53=160.53
Cost0,2,2=80+166.66=246.66
显然,其候选节点是0号和1号。经过计算,最终得到各域的候选节点集合,并加上边界节点信息组合成如图8所示的伪拓扑图。
在伪拓扑上随机生成可行解,并利用MPSO算法进行迭代优化。该算法优化的结果存在随机性,因此这里直接给出一种可能的优化结果。经过PSO算法的映射结果是:VN0--0;VN1--7;VN2--8。
结合伪拓扑与原跨域物理网络拓扑的对应关系可知,VN0节点被预映射至编号为1的域中,VN1、VN2节点被预映射至编号为3的域中。据此划分虚拟网络请求的结果如图9所示。其中图9的子图(a)将被下发至域1,子图(b)将被下发至域3。
本地控制器计算资源量。例如,对于编号为1的域,
而对于划分好的虚网请求子图(a),
其他域中其他节点的计算是同理的。
根据计算的资源量进行VN节点的映射。对于编号为1的域,通过以上的计算,由于H0>H1>H2且编号为0的虚拟网络节点被映射至域1中编号为0的物理节点上。同理,经过计算可以得出,编号为1的虚拟网络节点被映射至域3中编号为0的物理节点上,编号为2的虚拟网络节点被映射至域3中编号为2的物理节点上。
根据已映射的VN节点继续映射VN链路。其中,链路VN1-VN2是一条域内链路,将会被直接映射至域3的物理链路SN0-SN2上。而链路VN0-VN1与VN0-VN2均是域间链路,将会由两个域合作完成映射。映射结果是VN0-VN1被映射至域间链路(D1-SN0)-(D3-SN2)上,VN0-VN2被映射至两段链路(D1-SN0)-(D3-SN2)-(D3-SN0)上。
全局控制器组合各域映射的虚拟网络请求子图,并将其组合成一个完整的虚网请求。对于本例而言,最终的虚网请求映射结果如图10所示,其中用灰色阴影标注的是已被映射的物理节点。可以发现,相应被占用的节点CPU资源与链路带宽资源已被扣除。
本发明实施例提供一种跨域虚拟网络映射方法,通过改进在跨域虚拟网络映射模型背景下的粒子群优化算法,降低了原有算法的收敛速度,避免迭代陷入早熟而得到局部最优解。进而使得映射方案的成本更加低廉,并降低了网络映射开销。
实施例四:
本发明实施例提供了一种跨域虚拟网络映射装置,应用于全局控制器,如图11所示,该装置包括:
接收模块111,用于接收用户端发送的VNR;接收模块111还用于接收本地控制器发送的候选节点方案和域内部分信息。
第一划分模块112,用于将VNR划分为单元子图。
发送模块113,用于将划分好的VNR单元子图发送至对应候选域的本地控制器;发送模块还用于将VNR单域子图发送至各个本地控制域。
全局控制器收到用户的VNR后,需要将其划分为单元子图的形式下发给对应候选域的本地控制器,以让本地控制器提供一定量的物理网络信息来竞争VNR的映射。每一个虚拟节点对应生成一个单元子图,该子图除了包括该虚拟节点的资源量、候选域信息外,还包括与之直连的链路带宽资源量以及链路另一端节点的候选域信息。
计算模块114,用于基于候选节点方案和域内部分信息生成伪拓扑,并通过粒子群优化算法计算伪拓扑上映射代价最小的最优映射方案。
全局控制器收到候选节点方案与域内部分信息后,基于这些信息整合出一张伪拓扑来表示跨域物理网络。伪拓扑保留了各域中候选节点与边界节点的拓扑关系,可以作为粒子群算法优化的网络拓扑。通过粒子群优化算法求出的最优映射方案以最小化预估映射代价为目标(适应度函数),即在该伪拓扑上的映射代价最小。
第二划分模块115,用于根据最优映射方案,将VNR划分为单域子图。
全局控制器按照粒子群优化的结果对VNR进行划分,将虚网请求划分为单域子图,并下发至各本地控制器进行后续的域内映射。
如图所示,所述装置还包括:
判断模块116,用于判断各个本地控制器的VNR单域子图是否能拼接成完整的VNR。
执行模块117,用于在判断模块的结果为否时,则拒绝该VNR,或者将该VNR放置映射队列末尾等待下次映射。
全局控制器检查各本地控制器映射的单域虚网请求子图是否能拼接成完整的虚网请求,如果是,则该虚拟网络请求的映射成功,继续进行下一个虚网请求的映射。如果否,根据实际情况的需要可以拒绝该虚网请求,或将其放至待映射队列末尾等待下次映射。
接收模块111还用于接收接收本地控制器的反馈的映射情况。
本发明实施例还提供一种跨域虚拟网络映射装置,应用于本地控制器,如图所示,该装置包括:
接收模块118,用于接收全局控制器发送的VNR子图;接收模块还用于接收全局控制器发送的VNR单域子图。
选择模块119,用于在域内选择VN节点对应的候选节点。
发送模块1110,用于将候选节点方案和域内部分信息发送至全局控制器。
映射模块1111,用于完成域内VNR映射。
发送模块1110还用于向全局控制器反馈映射情况。
本发明实施例提供的跨域虚拟网络映射装置,与上述实施例一、实施例二提供的跨域虚拟网络映射方法具有相同的技术特征,所以也能解决相同的技术问题,达到相同的技术效果。
实施例五:
本发明实施例提供一种具有处理器可执行的非易失的程序代码的计算机可读介质,所述程序代码使所述处理器执行上述实施例一或实施例二提供的方法。
处理器可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等。还可以是数字信号处理器(Digital SignalProcessing,简称DSP)、专用集成电路(Application Specific Integrated Circuit,简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本公开实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本公开实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统和/或装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
另外,在本发明实施例的描述中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种跨域虚拟网络映射方法,其特征在于,应用于全局控制器,所述方法包括:
接收用户端发送的VNR,将VNR划分为单元子图并发送至对应候选域的本地控制器;
接收本地控制器发送的候选节点方案和域内部分信息,基于候选节点方案和域内部分信息生成伪拓扑,并通过粒子群优化算法计算所述伪拓扑上映射代价最小的最优映射方案;
根据所述最优映射方案,将VNR划分为单域子图并发送至各个本地控制域。
2.根据权利要求1所述的方法,其特征在于,所述通过粒子群优化算法计算所述伪拓扑上映射代价最小的最优映射方案,具体包括:
步骤a,随机生成粒子的初始位置Xi与初始速度Vi;
步骤b,通过计算所有粒子当前适应度,以预估映射代价,并更新粒子最佳位置Xpb与全局历史最佳位置Xgb;
步骤c,根据以下算式,更新所有粒子的位置和速度;
步骤d,随机抽取粒子,使所抽取粒子的位置和速度发生突变;
步骤e,检查当前的粒子群是否满足所述约束条件,并计算粒子的适应度更新粒子的历史最佳位置和全局历史最佳位置;
步骤f,判断迭代次数是否达到设定值,如果否,则输出粒子的全局历史最佳位置,如果否,则返回步骤c。
3.根据权利要求1所述的方法,其特征在于,还包括:
接收本地控制器的反馈的映射情况,判断各个本地控制器的VNR单域子图是否能拼接成完整的VNR;
如果是,则该VNR的映射成功;
如果否,则拒绝该VNR,或者将该VNR放置映射队列末尾等待下次映射。
4.一种跨域虚拟网络映射方法,其特征在于,应用于本地控制器,所述方法包括:
接收所述全局控制器发送的VNR子图,在域内选择VN节点对应的候选节点,并将候选节点方案和域内部分信息发送至全局控制器;
接收所述全局控制器发送的VNR单域子图,完成域内VNR映射。
5.根据权利要求4所述的方法,其特征在于,还包括:
各个本地控制器向全局控制器反馈VNR映射情况。
6.根据权利要求4所述的方法,其特征在于,所述在域内选择VN节点对应的候选节点,具体包括:
根据以下算式,计算每个虚拟节点映射到域内任一物理节点的预计平均映射代价;
选择所述预计平均映射代价结果中值最小和次小的节点,作为该虚拟节点在域内的候选映射节点。
7.根据权利要求4所述的方法,其特征在于,所述完成域内VNR映射,具体包括:
计算域内物理网络资源和虚拟网络请求资源,并分别根据资源量进行排序;
将各个虚拟网络节点,按照虚拟网络请求资源量从大到小的顺序,依次映射至资源量最大且满足需求的物理节点上;
各个本地控制器,根据Dijkstra最短路径算法,将虚拟链路映射至对应的最短路径。
8.一种跨域虚拟网络映射装置,应用于全局控制器,其特征在于,包括:
接收模块,用于接收用户端发送的VNR;
第一划分模块,用于将所述VNR划分为单元子图;
发送模块,用于将划分好的VNR单元子图发送至对应候选域的本地控制器;
所述接收模块还用于接收本地控制器发送的候选节点方案和域内部分信息;
计算模块,用于基于所述候选节点方案和域内部分信息生成伪拓扑,并通过粒子群优化算法计算所述伪拓扑上映射代价最小的最优映射方案;
第二划分模块,用于根据所述最优映射方案,将VNR划分为单域子图;
所述发送模块还用于将所述VNR单域子图发送至各个本地控制域。
9.一种跨域虚拟网络映射装置,应用于本地控制器,其特征在于,包括:
接收模块,用于接收所述全局控制器发送的VNR子图;
选择模块,用于在域内选择VN节点对应的候选节点;
发送模块,用于将候选节点方案和域内部分信息发送至全局控制器;
所述接收模块还用于接收所述全局控制器发送的VNR单域子图;
映射模块,用于完成域内VNR映射。
10.一种具有处理器可执行的非易失的程序代码的计算机可读介质,其特征在于,所述程序代码使所述处理器执行所述权利要求1至7任一所述方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810851179.XA CN108965020A (zh) | 2018-07-27 | 2018-07-27 | 跨域虚拟网络映射方法及其装置、计算机可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810851179.XA CN108965020A (zh) | 2018-07-27 | 2018-07-27 | 跨域虚拟网络映射方法及其装置、计算机可读介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108965020A true CN108965020A (zh) | 2018-12-07 |
Family
ID=64465531
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810851179.XA Pending CN108965020A (zh) | 2018-07-27 | 2018-07-27 | 跨域虚拟网络映射方法及其装置、计算机可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108965020A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109995580A (zh) * | 2019-03-13 | 2019-07-09 | 北京工业大学 | 5g网络切片中基于ga_pso混合算法的vn映射方法 |
CN111385151A (zh) * | 2020-03-11 | 2020-07-07 | 中国电子科技集团公司第五十四研究所 | 一种基于多目标优化的虚拟网络的映射方法及装置 |
CN114697222A (zh) * | 2022-03-22 | 2022-07-01 | 西安交通大学 | 一种基于空天地融合网络的可生存性虚拟网络映射算法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110019674A1 (en) * | 2008-03-28 | 2011-01-27 | Paola Iovanna | End-to-end inter-domain routing |
CN102364899A (zh) * | 2011-11-16 | 2012-02-29 | 北京邮电大学 | 一种基于粒子群优化的虚拟网络映射方法及系统 |
CN104468308A (zh) * | 2014-10-29 | 2015-03-25 | 北京邮电大学 | 基于粒子群算法的跨域虚拟网络映射方法及系统 |
CN107332913A (zh) * | 2017-07-04 | 2017-11-07 | 电子科技大学 | 一种5g移动网络中服务功能链的优化部署方法 |
CN107360031A (zh) * | 2017-07-18 | 2017-11-17 | 哈尔滨工业大学 | 一种基于优化开销收益比的虚拟网络映射方法 |
-
2018
- 2018-07-27 CN CN201810851179.XA patent/CN108965020A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110019674A1 (en) * | 2008-03-28 | 2011-01-27 | Paola Iovanna | End-to-end inter-domain routing |
CN102364899A (zh) * | 2011-11-16 | 2012-02-29 | 北京邮电大学 | 一种基于粒子群优化的虚拟网络映射方法及系统 |
CN104468308A (zh) * | 2014-10-29 | 2015-03-25 | 北京邮电大学 | 基于粒子群算法的跨域虚拟网络映射方法及系统 |
CN107332913A (zh) * | 2017-07-04 | 2017-11-07 | 电子科技大学 | 一种5g移动网络中服务功能链的优化部署方法 |
CN107360031A (zh) * | 2017-07-18 | 2017-11-17 | 哈尔滨工业大学 | 一种基于优化开销收益比的虚拟网络映射方法 |
Non-Patent Citations (2)
Title |
---|
耿瑞雯等: "多域SDN虚拟网络映射算法", 《小型微型计算机系统》 * |
贾伟等: "跨域虚拟网络映射问题研究", 《电子与信息学报》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109995580A (zh) * | 2019-03-13 | 2019-07-09 | 北京工业大学 | 5g网络切片中基于ga_pso混合算法的vn映射方法 |
CN109995580B (zh) * | 2019-03-13 | 2022-08-16 | 北京工业大学 | 5g网络切片中基于ga_pso混合算法的vn映射方法 |
CN111385151A (zh) * | 2020-03-11 | 2020-07-07 | 中国电子科技集团公司第五十四研究所 | 一种基于多目标优化的虚拟网络的映射方法及装置 |
CN114697222A (zh) * | 2022-03-22 | 2022-07-01 | 西安交通大学 | 一种基于空天地融合网络的可生存性虚拟网络映射算法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108768736B (zh) | 一种混合型服务功能链嵌入代价的优化方法 | |
Kamali et al. | Automatic calibration of HEC‐HMS using single‐objective and multi‐objective PSO algorithms | |
CN108322333B (zh) | 一种基于遗传算法的虚拟网络功能的放置方法 | |
Lange et al. | A multi-objective heuristic for the optimization of virtual network function chain placement | |
CN108965020A (zh) | 跨域虚拟网络映射方法及其装置、计算机可读介质 | |
CN109710374A (zh) | 移动边缘计算环境下最小化任务卸载费用的vm迁移策略 | |
Feng et al. | Topology-aware virtual network embedding based on multiple characteristics | |
CN112738820A (zh) | 一种服务功能链的动态部署方法、装置及计算机设备 | |
Wang et al. | Virtual network mapping with traffic matrices | |
US20180219735A1 (en) | Network function virtualization | |
CN111612528A (zh) | 用户分类模型的确定方法、装置、设备及存储介质 | |
CN113037627B (zh) | 一种网络业务线路资源选择的方法和装置 | |
Mi et al. | Embedding virtual infrastructure based on genetic algorithm | |
CN109976901A (zh) | 一种资源调度方法、装置、服务器及可读存储介质 | |
WO2022227217A1 (zh) | 文本分类模型的训练方法、装置、设备及可读存储介质 | |
CN110402567A (zh) | 信息为中心的网络中基于中心性的缓存 | |
CN114595049A (zh) | 一种云边协同任务调度方法及装置 | |
CN104202241A (zh) | 2D-Mesh拓补结构下的片上网络偏转容错路由算法 | |
CN109298930A (zh) | 一种基于多目标优化的云工作流调度方法及装置 | |
CN109409558A (zh) | 一种多目标规划充电服务网络的方法及系统 | |
Faticanti et al. | Deployment of application microservices in multi-domain federated fog environments | |
CN111510334A (zh) | 一种基于粒子群算法的vnf在线调度方法 | |
CN112787833B (zh) | 内容分发网络cdn服务器的部署方法和装置 | |
CN108833295B (zh) | 面向sdn的基于禁忌搜索的虚拟网络重配置方法 | |
CN111385151A (zh) | 一种基于多目标优化的虚拟网络的映射方法及装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181207 |
|
RJ01 | Rejection of invention patent application after publication |