CN110290077A - 一种基于实时业务配置的工业sdn资源分配方法 - Google Patents
一种基于实时业务配置的工业sdn资源分配方法 Download PDFInfo
- Publication number
- CN110290077A CN110290077A CN201910528389.XA CN201910528389A CN110290077A CN 110290077 A CN110290077 A CN 110290077A CN 201910528389 A CN201910528389 A CN 201910528389A CN 110290077 A CN110290077 A CN 110290077A
- Authority
- CN
- China
- Prior art keywords
- resource
- real time
- time business
- resource reservation
- reservation
- 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
- 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
- H04L41/0896—Bandwidth or capacity management, i.e. automatically increasing or decreasing capacities
-
- 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
- H04L41/50—Network service management, e.g. ensuring proper service fulfilment according to agreements
- H04L41/5041—Network service management, e.g. ensuring proper service fulfilment according to agreements characterised by the time relationship between creation and deployment of a service
- H04L41/5051—Service on demand, e.g. definition and deployment of services in real time
-
- 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
- H04L47/72—Admission control; Resource allocation using reservation actions during connection setup
- H04L47/724—Admission control; Resource allocation using reservation actions during connection setup at intermediate nodes, e.g. resource reservation protocol [RSVP]
-
- 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
- H04L47/80—Actions related to the user profile or the type of traffic
- H04L47/801—Real time traffic
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
一种基于实时业务配置的工业SDN资源分配方法,将采集的网络实时业务流数据进行数据预处理,选取有标签的样本作为训练集送入分类器进行训练,并并计算分类器中每一类型实时业务的虚拟等价带宽值;采用定义的虚拟带宽计算公式,计算每一类型实时业务的等价带宽值,根据e值与阈值的比较选择不同的按需资源预留分配方式。本发明对于工业SDN的实时业务进行流细粒度划分,可以进行有效的资源分配,避免多个实时业务流同时竞争有限带宽资源,同时在节省成本的同时提高带宽资源利用率,因此能够达到对实时业务资源优化的作用。
Description
技术领域
本发明属于网络信息领域,涉及一种基于实时业务配置的工业SDN资源分配方法。
背景技术
近年来,工业互联网逐步成为工业领域最受关注的热点问题,随着计算机、通信以及控制技术的快速发展,工业互联网的快速发展对于网络架构的要求越来越高,SDN架构以其开放的可编程和灵活的特征使得工业互联网有着更简洁的操作。实时业务的资源分配方法作为增强工业SDN可控性的基础技术之一,不仅可以帮助网络运营商提供更好的服务,而且能够对网络进行有效的监督管理,确保网络实时性和动态性。同时,也能够对带宽资源进行更高的优化,提高资源利用率。
目前有各种技术处理以上问题。
(1)基于云网融合的资源分配方法
实时业务具有固定的传输时间限制,超过时延期限将失去时效性。对于传统的工业SDN架构本身不具备充足的计算资源支持合理的资源分配算法,故构建一个智能中心,通过SDN控制器收集整个网络的状态信息,并且为控制器需要的智能算法提供弹性的路径计算资源,通过对底层网络状态的泛在感知,并根据需要将网络状态信息上传到云智能中心的数据库中进行缓存,该体系架构采用VDC(Virtual Data Center)Manager集中管理链路带宽,从而实现了对业务间通信带宽的保障,但是该方法并没有对业务进行细粒度划分和带宽保障,这样会导致VDC Manager巨大的负担。
(2)基于机器学习的资源分配方法
目前研究的热点主要在人工智能的资源分配方法,使用机器学习智能SDN构建决策的模型,用以学习相关启发式算法选路能力,同时为了更好的学习实时网络状态特征,将业务特征提取出来并用算法来训练建立学习模型,然后对计算好的路径进行匹配。但是该方法的模型复杂度极高,现有的模型并不支持多路径的选择,并且对于不稳定的网络拓扑检测和可变的网络环境资源,尤其在工业网络流量实时性要求极高的情况下,模型的性能有所下降,准确率不确定。
(3)基于时钟同步的资源分配方法
为了避免网络中不同节点发送数据而引起的碰撞,因此提出了将网络节点进行高精度的时钟同步,编写同步协议利用控制器接口设计调度规则,并基于统一的时间基准规划各个节点的发送时间片的大小,有效避免节点竞争发送数据状况的发送,基于时钟同步终端对话进行合理的资源分配。虽然基于时钟方法避免了节点竞争所带来的问题,但是其自身也存在一定的限制:它只能基于IEEE1588协议,需要将uClinux操作系统移植到NIOSII开发板上,并基于uClinux操作系统编写时钟同步应用的发送和接收程序,而且时钟同步是属于调度策略并非更好的满足工业业务资源分配需求。
发明内容
针对上述已有方法存在的问题,本发明的目的是提供了一种基于实时业务配置的工业SDN资源分配方法。
为实现上述目的,本发明采用如下的技术方案:
一种基于实时业务配置的工业SDN资源分配方法,包括以下步骤:
第一步,对于实时业务进行分类;
第二步,对分类后的实时业务进行资源分配;
根据虚拟等价带宽的计算公式,计算每一类型实时业务的虚拟等价带宽e值,根据虚拟等价带宽e值与阈值的大小,选择不同的按需资源预留分配方式;
第三步,判断是否已经进行资源承载预留,若是已经进行资源承载预留则不进行资源分配,若是没有进行资源承载预留,则判断是否允许资源预留,若允许资源预留,则进行步骤四,若不允许资源预留,则舍弃;
第四步,控制器对资源进行解析,发现是资源预留包,判断是否已经存在资源预留连接,若存在资源预留连接,则拒绝为资源建立资源预留连接,若不存在资源预留连接,则建立资源预留连接,并反馈资源内容承载的位置给控制器,控制器根据反馈调整承载的预留请求。
本发明进一步的改进在于,第一步的具体过程如下:将采集的网络业务流进行数据预处理,然后针对实时业务选取带宽需求、传输时间特征、业务流速率、数据包大小信息墒作为维度特征,将4维向量V=(V1,V2,V3,V4),送入分类器进行训练;选取有标签的样本作为训练集构造分类器进行训练,标签分别为大宽带实时业务流内容为0,小宽带实时业务流内容为1,并计算分类器中每一类型实时业务的阈值;当下一条待检测实时业务流进入时,分类器根据自身存储的训练集要求对其进行分类判断,重复以上步骤,根据机器学习的自我学习能力习得带有标记类别的业务流集合的输出最终输出标记类别的业务流集合;其中,V1表示实时业务选取带宽需求,V2表示传输时间特征,V3表示业务流速率,V4表示数据包大小信息墒。
本发明进一步的改进在于,步骤一还包括以下过程:通过计算误差与门限值对比,若误差超过门限值,则进行权重重置,w=1/n,w为权重值,n为样本数量的集合。
本发明进一步的改进在于,步骤一中,误差的计算过程如下:
其中:A为分类误差的准确率;n为样本数量的集合,p为业务流数据的离散抽样概率,w为权重值。
本发明进一步的改进在于,第二步中的虚拟等价带宽的计算公式是:
其中,b是业务流最大数据包长度,S是最大数据包长度,L是传输速率,r是可支持传输速率,D为任意大小的确定性延时。
本发明进一步的改进在于,若虚拟等价带宽e值大于阈值,则进行动态资源预承载,若虚拟等价带宽e值小于阈值,则进行静态资源预承载。
本发明进一步的改进在于,进行动态资源预承载的具体过程为:假设终端2有两种同类型对内容1申请进行资源预留,终端1的实时业务流内容1发送预留资源请求,基站将该资源请求转发至服务器进行查询,控制器对资源请求进行解析发现是资源预留包,判断是否已经存在资源预留连接,若存在资源预留连接,则拒绝为资源请求建立资源预留连接,若不存在资源预留连接,则建立资源预留连接,并反馈资源内容承载的位置给控制器,控制器根据反馈调整承载的预留请求。
本发明进一步的改进在于,若缓存的数据超过门限值,则根据反馈的资源承载信息调整承载的预留请求。
本发明进一步的改进在于,进行静态资源预承载的具体过程为:假设终端1申请进行资源预留,终端1的实时业务流内容1发送预留资源请求,基站将该资源请求转发至服务器进行查询,控制器对资源请求进行解析发现是资源预留包,判断是否已经存在资源预留连接,若存在资源预留连接,则拒绝为资源请求建立资源预留连接,若不存在资源预留连接,则建立资源预留连接,并反馈资源内容承载的位置给控制器,控制器根据反馈调整承载的预留请求。
与现有技术相比,本发明的有益效果为:
本发明以实时业务的配置和资源预承载的概念,针对工业SDN网络的实时业务类型的特点以及动态性需求,提出了基于实时业务配置的资源分配方法。该方法另一方面可以满足实时业务在工业互联网中的传输时延为目标的资源优化,另一方面避免多个实时业务流同时竞争数量有限的带宽资源。本发明的基于机器学习的细粒度实时业务分类和按需资源预留方法,提高了业务配置的准确性,此分类能够更加灵活的应对工业互联网架构对高实时性的要求,节省成本,合理的规划带宽资源分配。
进一步的,由于工业SDN对于实时业务的配置有着很高的要求,如果直接用资源预留的方式,实验效果表现一般,并且会使得资源利用率相对较低,带来很大的折扣。按需资源预留方法,根据大、小宽带实时业务内容的更细粒度划分,尤其在资源需求峰值阶段,能带来资源利用率的很大提升。
附图说明
图1为分类器训练示意图。
图2为实时业务细粒度分类图。
图3为按需资源预承载示意图。
图4为本发明的流程图。
具体实施方式
下面结合附图和实施例对本发明进行详细的描述
首先引入相关的定义:
定义1等价带宽:设定一个经过的业务流M,有一个不限制时延上限的存在的延时D,定义业务流M的有效带宽e为以最大时延的方式来服务业务流M的比特率。
定义2虚拟等价带宽e的计算公式为:
其中,b是业务流最大数据包长度,S是最大数据包长度,L是传输速率,r是可支持传输速率,D为任意大小的确定性延时。
定义3计算分类误差计算分类器的分类误差(即分类准确率,判定标签与当前不符合的情况):
其中:A为分类误差的准确率;n为样本数量的集合,p为业务流数据的离散抽样概率,w为权重值;
本发明中实时业务分类模块以机器学习方法,通过对抓取的流量进行预处理,将数据预处理为特征和标签,如图1所示,选取四维特征(带宽需求、传输时间特征、业务流速率、数据包大小信息墒)构造特征向量集合,然后构建分类器对其进行训练,输入为抵达的业务流的集合,根据其特征进行细粒度识别评估,输出为带有标记类别的业务流集合。最终分类后进行误差即准确率判断,设定误差门限值,若超过门限值的或者是误差值较大的进行权重重置,最后更新分类器,根据规则输入执行相应的输出实时业务类型。
如图1所示,根据实时业务分类模块,将其细粒度分类后的结果是两大类4小类:连续时间段内的大、小带宽业务流和离散时间段内的大小带宽业务流。
基于机器学习的理念,由于传统使用一些传统的监督学习方法做分类的时候,往往是训练样本规模越大,分类的效果就越好。但是在现实网络的很多场景中,如果训练样本的规模过于庞大,训练的时间花费也会比较多。机器学习模拟人类学习的过程,利用已有的知识训练出模型去获取新的知识,根据规则给予相应的输出,并通过不断积累的信息去修正模型,以得到更加准确有用的新模型。
基于资源按需预留的理念,由于传统的工业SDN实时业务资源分配方法多是没有更好优化时延提高资源利用率,本发明除了可以进行有效的资源分配,同时在节省成本的同时提高带宽资源利用率,因此能够达到对实时业务资源优化的作用。
如图4所示,本发明所述基于实时业务配置的工业SDN资源分配方法采用两个模块:实时业务分类模块和资源分配模块。
下面分别介绍每一个模块的功能。
1.实时业务分类模块
在第一个实时业务分类模块里面,由基于机器学习的实时业务细致分类模块。首先将抓取的网络业务流进行数据预处理,将处理好的业务流数据送入分类器进行分类,实现工业网络实时业务流的分类。针对实时业务选取带宽需求、传输时间特征、业务流速率、数据包大小信息墒维度特征,采用4维向量V=(V1,V2,V3,V4)划进行类型标识;资源分配模块采用了资源预承载的按需预留方式,使得整条端到端的带宽资源都得到预留,在降低端到端的传输时延同时,可直接使用预留资源传输数据。
对接入的实时业务流不断的通过机器学习构建的模型树,其每个节点都代表着分类器。每个分类器中均有各已知业务流类型的训练集如图2所示,当下一条待检测实时业务流进入时,所有的叶节点分类器根据自身存储的训练集要求对其进行分类判断,重复以上步骤,最终输出标记类别的业务流集合。
实时业务分类模块通过提取多维度特征建立特征向量集合,训练基于机器学习的分类器,实现对实时业务进行细粒度更细致的划分。根据实时业务分类模块的划分结果,计算每一类型实时业务的等价带宽从而决定资源分配。
2.资源分配模块
在第二个资源分配模块里,基于业务类型的按需资源预留方法。静态承载预留如图3主要针对实时业务流中带宽需求比较小的业务流。假设终端1申请进行资源预留,终端1的实时业务流内容1发送预留资源请求,基站将该请求转发至服务器进行查询,控制器对其进行解析发现是资源预留包,询问是否允许进行资源预留连接,同时判断是否已经存在资源预留连接,存在则拒绝为其建立连接,否则则建立资源按需预留连接,并反馈业务内容资源承载的位置。动态态承载预留主要针对实时业务流中带宽需求比较大的业务流。假设终端2有两种同类型对内容1申请进行资源预留,终端1的实时业务流内容1发送预留资源请求,基站将该请求转发至服务器进行查询,控制器对其进行解析发现是资源预留包,询问是否允许进行资源预留链接,此过程与静态资源预留分配一致,动态分配点在于,鉴于之前已经给内容1进行专用的承载预留来传输,并判断是否有预留申请,所以服务器会继续将请求进行转发,此时计算终端2所传输的内容1的等价带宽,而虚拟等价带宽的计算方式是:
其中,b是业务流最大数据包长度,S是最大数据包长度,L是传输速率,r是可支持传输速率。和之前已分配给终端1的内容1的等效带宽做比较,取两者值中E值最大的作为内容1的预留承载,若缓存的数据超过阈值,则根据反馈的业务流资源承载调整承载的预留请求。
参见图4,本发明的基于实时业务配置的工业SDN资源分配方法,包括以下步骤:
第一步,对于实时业务进行分类;
本步骤属于实时业务分类模块,主要是将采集的网络业务流进行数据预处理,然后针对实时业务选取带宽需求、传输时间特征、业务流速率、数据包大小信息墒作为维度特征,将4维向量V=(V1,V2,V3,V4),送入分类器进行训练。选取有标签的样本作为训练集构造分类器进行训练,标签分别为大宽带实时业务流内容为0,小宽带实时业务流内容为1,并计算分类器中每一类型实时业务的阈值。当下一条待检测实时业务流进入时,所分类器根据自身存储的训练集要求对其进行分类判断,重复以上步骤,根据机器学习的自我学习能力习得带有标记类别的业务流集合的输出最终输出标记类别的业务流集合,通过计算误差与门限值对比,误差超过门限值,则进行权重重置,w=1/n(w为权重值,n为样本数量的集合)。其中,V1表示实时业务选取带宽需求,V2表示传输时间特征,V3表示业务流速率,V4表示数据包大小信息墒。
误差的计算为:
其中:A为分类误差的准确率;n为样本数量的集合,p为业务流数据的离散抽样概率,w为权重值;
本发明使用了损失函数核函数和惩罚参数c,构造求解最优化问题,得到最优解。本发明中的损失函数的表达式为:
0≤Bi≤c,i=1,2,…,n
其中,c为惩罚参数,β为求得最优解。K为核函数;已知训练集T={(x1,y1),(x2,y2)…(xi,yi)},其中xi,yi∈Rn。
第二步,对分类后的实时业务进行资源分配;
虚拟等价带宽的计算公式是:
其中,b是业务流最大数据包长度,S是最大数据包长度,L是传输速率,r是可支持传输速率,D为任意大小的确定性延时。
如图3,根据定义2的虚拟等价带宽的计算公式,计算每一类型实时业务的虚拟等价带宽e值,根据虚拟等价带宽e值与阈值(阈值设定为实际所需带宽的最大值)的比较,选择不同的按需资源预留分配方式。若虚拟等价带宽e值大于阈值,则进行动态资源预承载,若虚拟等价带宽e值小于阈值,则进行静态资源预承载;
动态态承载预留主要针对实时业务流中带宽需求比较大的业务流。
进行动态资源预承载的具体过程为:假设终端2有两种同类型对内容1申请进行资源预留,终端1的实时业务流内容1发送预留资源请求,基站将该资源请求转发至服务器进行查询,控制器对资源请求进行解析发现是资源预留包,判断是否已经存在资源预留连接,若存在资源预留连接,则拒绝为资源请求建立资源预留连接,若不存在资源预留连接,则建立资源预留连接,并反馈资源内容承载的位置给控制器,控制器根据反馈调整承载的预留请求。
由于已经给内容1进行专用预留承载来传输,所以服务器会继续将资源请求进行转发,此时将计算终端2所传输的内容1的虚拟等价带宽与分配给终端1的内容1的虚拟等价带宽进行比较,取两者中e值最大的,作为内容1的预留承载。
若缓存的数据超过设定的门限值,则根据反馈的资源承载信息调整承载的预留请求。
进行静态资源预承载的具体过程为:假设终端1申请进行资源预留,终端1的实时业务流内容1发送预留资源请求,基站将该资源请求转发至服务器进行查询,控制器对资源请求进行解析发现是资源预留包,判断是否已经存在资源预留连接,若存在资源预留连接,则拒绝为资源请求建立资源预留连接,若不存在资源预留连接,则建立资源预留连接,并反馈资源内容承载的位置给控制器,控制器根据反馈调整承载的预留请求。
第三步,判断是否已经进行资源承载预留,若是已经进行资源承载预留则不进行资源分配,若是没有进行资源承载预留,则判断是否允许资源预留,若允许资源预留,则进行步骤四,若不允许资源预留,则舍弃。
第四步,控制器对资源进行解析,发现是资源预留包,判断是否已经存在资源预留连接,若存在资源预留连接,则拒绝为资源建立资源预留连接,若不存在资源预留连接,则建立资源预留连接,并反馈资源内容承载的位置给控制器,控制器根据反馈调整承载的预留请求。
本发明具有以下优点:
1.基于实时业务配置的工业SDN资源分配方法能满足实时业务在工业互联网中的传输时延为目标的资源优化,避免多个实时业务流同时竞争数量有限的带宽资源,能够更加灵活的应对成爆炸性增长的应用类型。
2.由于对实时业务流数据进行流更细粒度的划分,采用机器学习自我学习能力节省了样本标注识别的成本。且采用按需资源预留方法,根据大、小宽带实时业务内容的进行资源预承载分,尤其在资源需求峰值阶段,能带来资源利用率的很大提升。
Claims (9)
1.一种基于实时业务配置的工业SDN资源分配方法,其特征在于,包括以下步骤:
第一步,对于实时业务进行分类;
第二步,对分类后的实时业务进行资源分配;
根据虚拟等价带宽的计算公式,计算每一类型实时业务的虚拟等价带宽e值,根据虚拟等价带宽e值与阈值的大小,选择不同的按需资源预留分配方式;
第三步,判断是否已经进行资源承载预留,若是已经进行资源承载预留则不进行资源分配,若是没有进行资源承载预留,则判断是否允许资源预留,若允许资源预留,则进行步骤四,若不允许资源预留,则舍弃;
第四步,控制器对资源进行解析,发现是资源预留包,判断是否已经存在资源预留连接,若存在资源预留连接,则拒绝为资源建立资源预留连接,若不存在资源预留连接,则建立资源预留连接,并反馈资源内容承载的位置给控制器,控制器根据反馈调整承载的预留请求。
2.根据权利要求1所述的一种基于实时业务配置的工业SDN资源分配方法,其特征在于,第一步的具体过程如下:将采集的网络业务流进行数据预处理,然后针对实时业务选取带宽需求、传输时间特征、业务流速率、数据包大小信息墒作为维度特征,将4维向量V=(V1,V2,V3,V4),送入分类器进行训练;选取有标签的样本作为训练集构造分类器进行训练,标签分别为大宽带实时业务流内容为0,小宽带实时业务流内容为1,并计算分类器中每一类型实时业务的阈值;当下一条待检测实时业务流进入时,分类器根据自身存储的训练集要求对其进行分类判断,重复以上步骤,根据机器学习的自我学习能力习得带有标记类别的业务流集合的输出最终输出标记类别的业务流集合;其中,V1表示实时业务选取带宽需求,V2表示传输时间特征,V3表示业务流速率,V4表示数据包大小信息墒。
3.根据权利要求2所述的一种基于实时业务配置的工业SDN资源分配方法,其特征在于,步骤一还包括以下过程:通过计算误差与门限值对比,若误差超过门限值,则进行权重重置,w=1/n,w为权重值,n为样本数量的集合。
4.根据权利要求3所述的一种基于实时业务配置的工业SDN资源分配方法,其特征在于,步骤一中,误差的计算过程如下:
其中:A为分类误差的准确率;n为样本数量的集合,p为业务流数据的离散抽样概率,w为权重值。
5.根据权利要求1所述的一种基于实时业务配置的工业SDN资源分配方法,其特征在于,第二步中的虚拟等价带宽的计算公式是:
其中,b是业务流最大数据包长度,S是最大数据包长度,L是传输速率,r是可支持传输速率,D为任意大小的确定性延时。
6.根据权利要求1所述的一种基于实时业务配置的工业SDN资源分配方法,其特征在于,若虚拟等价带宽e值大于阈值,则进行动态资源预承载,若虚拟等价带宽e值小于阈值,则进行静态资源预承载。
7.根据权利要求6所述的一种基于实时业务配置的工业SDN资源分配方法,其特征在于,进行动态资源预承载的具体过程为:假设终端2有两种同类型对内容1申请进行资源预留,终端1的实时业务流内容1发送预留资源请求,基站将该资源请求转发至服务器进行查询,控制器对资源请求进行解析发现是资源预留包,判断是否已经存在资源预留连接,若存在资源预留连接,则拒绝为资源请求建立资源预留连接,若不存在资源预留连接,则建立资源预留连接,并反馈资源内容承载的位置给控制器,控制器根据反馈调整承载的预留请求。
8.根据权利要求6所述的一种基于实时业务配置的工业SDN资源分配方法,其特征在于,若缓存的数据超过门限值,则根据反馈的资源承载信息调整承载的预留请求。
9.根据权利要求6所述的一种基于实时业务配置的工业SDN资源分配方法,其特征在于,进行静态资源预承载的具体过程为:假设终端1申请进行资源预留,终端1的实时业务流内容1发送预留资源请求,基站将该资源请求转发至服务器进行查询,控制器对资源请求进行解析发现是资源预留包,判断是否已经存在资源预留连接,若存在资源预留连接,则拒绝为资源请求建立资源预留连接,若不存在资源预留连接,则建立资源预留连接,并反馈资源内容承载的位置给控制器,控制器根据反馈调整承载的预留请求。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910528389.XA CN110290077B (zh) | 2019-06-18 | 2019-06-18 | 一种基于实时业务配置的工业sdn资源分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910528389.XA CN110290077B (zh) | 2019-06-18 | 2019-06-18 | 一种基于实时业务配置的工业sdn资源分配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110290077A true CN110290077A (zh) | 2019-09-27 |
CN110290077B CN110290077B (zh) | 2021-02-09 |
Family
ID=68004205
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910528389.XA Active CN110290077B (zh) | 2019-06-18 | 2019-06-18 | 一种基于实时业务配置的工业sdn资源分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110290077B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111711538A (zh) * | 2020-06-08 | 2020-09-25 | 中国电力科学研究院有限公司 | 基于机器学习分类算法的电力网络规划方法及系统 |
CN111800352A (zh) * | 2020-06-30 | 2020-10-20 | 中国联合网络通信集团有限公司 | 基于负载均衡的服务功能链部署方法和存储介质 |
US20210203550A1 (en) * | 2019-12-31 | 2021-07-01 | Vmware, Inc. | Multi-site hybrid networks across cloud environments |
CN113099535A (zh) * | 2021-03-29 | 2021-07-09 | 北京邮电大学 | 电力通信多业务承载方法及装置 |
CN113391985A (zh) * | 2021-06-09 | 2021-09-14 | 北京猿力未来科技有限公司 | 资源分配方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102904837A (zh) * | 2012-08-08 | 2013-01-30 | 西安交通大学 | 一种基于虚拟业务平面的区分业务生存性方法 |
CN105791164A (zh) * | 2016-02-24 | 2016-07-20 | 中国联合网络通信集团有限公司 | 网络资源分配方法和系统 |
CN108460423A (zh) * | 2018-03-26 | 2018-08-28 | 大连大学 | 一种基于sdn架构的业务识别方法 |
EP3410641A4 (en) * | 2016-03-14 | 2019-02-20 | Huawei Technologies Co., Ltd. | NETWORK TRAFFIC CONTROL METHOD AND NETWORK DEVICE THEREFOR |
-
2019
- 2019-06-18 CN CN201910528389.XA patent/CN110290077B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102904837A (zh) * | 2012-08-08 | 2013-01-30 | 西安交通大学 | 一种基于虚拟业务平面的区分业务生存性方法 |
CN105791164A (zh) * | 2016-02-24 | 2016-07-20 | 中国联合网络通信集团有限公司 | 网络资源分配方法和系统 |
EP3410641A4 (en) * | 2016-03-14 | 2019-02-20 | Huawei Technologies Co., Ltd. | NETWORK TRAFFIC CONTROL METHOD AND NETWORK DEVICE THEREFOR |
CN108460423A (zh) * | 2018-03-26 | 2018-08-28 | 大连大学 | 一种基于sdn架构的业务识别方法 |
Non-Patent Citations (2)
Title |
---|
ZHU MIN ET. AL: "Dynamic Switch Migration Algorithm with Q-learning towards Scalable SDN Control Plane", 《2017 9TH INTERNATIONAL CONFERENCE ON WIRELESS COMMUNICATIONS AND SIGNAL PROCESSING》 * |
赵季红 等: "软件定义承载网中基于负载均衡的虚拟网络重配置方法", 《计算机应用研究》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210203550A1 (en) * | 2019-12-31 | 2021-07-01 | Vmware, Inc. | Multi-site hybrid networks across cloud environments |
US11546208B2 (en) * | 2019-12-31 | 2023-01-03 | Vmware, Inc. | Multi-site hybrid networks across cloud environments |
US11743115B2 (en) | 2019-12-31 | 2023-08-29 | Vmware, Inc. | Multi-site hybrid networks across cloud environments |
CN111711538A (zh) * | 2020-06-08 | 2020-09-25 | 中国电力科学研究院有限公司 | 基于机器学习分类算法的电力网络规划方法及系统 |
CN111711538B (zh) * | 2020-06-08 | 2021-11-23 | 中国电力科学研究院有限公司 | 基于机器学习分类算法的电力网络规划方法及系统 |
CN111800352A (zh) * | 2020-06-30 | 2020-10-20 | 中国联合网络通信集团有限公司 | 基于负载均衡的服务功能链部署方法和存储介质 |
CN111800352B (zh) * | 2020-06-30 | 2023-02-17 | 中国联合网络通信集团有限公司 | 基于负载均衡的服务功能链部署方法和存储介质 |
CN113099535A (zh) * | 2021-03-29 | 2021-07-09 | 北京邮电大学 | 电力通信多业务承载方法及装置 |
CN113099535B (zh) * | 2021-03-29 | 2022-08-12 | 北京邮电大学 | 电力通信多业务承载方法及装置 |
CN113391985A (zh) * | 2021-06-09 | 2021-09-14 | 北京猿力未来科技有限公司 | 资源分配方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110290077B (zh) | 2021-02-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110290077A (zh) | 一种基于实时业务配置的工业sdn资源分配方法 | |
Sun et al. | Intersection fog-based distributed routing for V2V communication in urban vehicular ad hoc networks | |
CN110717300B (zh) | 面向电力物联实时在线监测业务的边缘计算任务分配方法 | |
Ren et al. | A novel control plane optimization strategy for important nodes in SDN-IoT networks | |
Wang et al. | Mobility-aware partial computation offloading in vehicular networks: A deep reinforcement learning based scheme | |
CN105900403A (zh) | 软件定义网络中的分区系统和方法 | |
CN109818786A (zh) | 一种云数据中心应用可感知的分布式多资源组合路径最优选取方法 | |
CN103607737B (zh) | 一种异构网络业务分流方法及系统 | |
CN109688056A (zh) | 智能网络控制系统及方法 | |
CN105791151B (zh) | 一种动态流量控制方法,及装置 | |
CN105515987A (zh) | 一种基于sdn架构面向虚拟光网络的映射方法 | |
CN106993298A (zh) | 一种基于QoS的智能电力通信业务差分调度方法 | |
CN105721577A (zh) | 一种面向软件定义网络的服务器负载均衡方法 | |
Quan et al. | Cybertwin-driven DRL-based adaptive transmission scheduling for software defined vehicular networks | |
CN102065446B (zh) | 面向群组移动环境的拓扑控制系统及控制方法 | |
CN115277574B (zh) | 一种sdn架构下数据中心网络负载均衡方法 | |
Qi et al. | Vehicular edge computing via deep reinforcement learning | |
CN107018018A (zh) | 一种基于sdn的服务器增量在线升级方法及系统 | |
Gadasin et al. | Organization of Interaction between the Concept of Fog Computing and Segment Routing for the Provision of IoT Services in Smart Grid Networks | |
Wang et al. | Reinforcement learning-based optimization for mobile edge computing scheduling game | |
Qiu et al. | Maintaining links in the highly dynamic fanet using deep reinforcement learning | |
CN117639244A (zh) | 一种多域异构配电通信网络集中控制系统 | |
Guo et al. | Intelligent task offloading and resource allocation in digital twin based aerial computing networks | |
CN107454630A (zh) | 负载均衡方法及负载均衡路由器 | |
Wu et al. | Proximal policy optimization-based committee selection algorithm in blockchain-enabled mobile edge computing systems |
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 |