CN111130858A - 一种sd-wan场景下的动态多目标虚拟网络映射方法 - Google Patents

一种sd-wan场景下的动态多目标虚拟网络映射方法 Download PDF

Info

Publication number
CN111130858A
CN111130858A CN201911252272.XA CN201911252272A CN111130858A CN 111130858 A CN111130858 A CN 111130858A CN 201911252272 A CN201911252272 A CN 201911252272A CN 111130858 A CN111130858 A CN 111130858A
Authority
CN
China
Prior art keywords
virtual
node
mapping
physical
network
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
Application number
CN201911252272.XA
Other languages
English (en)
Other versions
CN111130858B (zh
Inventor
刘江
王颖
黄韬
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Network Communication and Security Zijinshan Laboratory
Original Assignee
Network Communication and Security Zijinshan Laboratory
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Network Communication and Security Zijinshan Laboratory filed Critical Network Communication and Security Zijinshan Laboratory
Priority to CN201911252272.XA priority Critical patent/CN111130858B/zh
Publication of CN111130858A publication Critical patent/CN111130858A/zh
Application granted granted Critical
Publication of CN111130858B publication Critical patent/CN111130858B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • H04L41/06—Management of faults, events, alarms or notifications
    • H04L41/0654—Management of faults, events, alarms or notifications using network fault recovery
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • 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
    • H04L41/14—Network analysis or design
    • H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
    • 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
    • H04L45/02—Topology update or discovery
    • 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
    • H04L45/302—Route determination based on requested QoS
    • 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
    • H04L45/42—Centralised routing
    • 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
    • H04L47/12—Avoiding congestion; Recovering from congestion
    • H04L47/125—Avoiding congestion; Recovering from congestion by balancing the load, e.g. traffic engineering
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Theoretical Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Genetics & Genomics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Physiology (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明公开了一种SD‑WAN场景下的动态多目标虚拟网络映射方法，所述映射方法包括以下步骤：步骤一，建立WAN中物理网络模型，建立SD‑WAN中虚拟网络模型，建立互联网时延模型和带宽敏感模型；步骤二，针对虚拟服务请求，引入时延权重和高带宽敏感度权重，建立基于时延高带宽的多目标虚拟网络映射问题的模型；步骤三，采用遗传算法求取所述多目标虚拟网络映射问题的模型的解，得到虚拟节点映射方案；步骤四，基于优化后的虚拟节点映射方案，得到最终的虚拟网络映射方案。本发明提出了一种SD‑WAN场景下的多目标VNE算法，增强了对用户服务体验的优化，为时延敏感型业务尽量提供时延较小的服务，对高带宽敏感型业务尽量提供高带宽的服务。

Description

一种SD-WAN场景下的动态多目标虚拟网络映射方法
技术领域
本发明涉及互联网通信技术领域，尤其是一种SD-WAN场景下的动态多目标虚拟网络映射方法。
背景技术
由于WAN始终依赖于容易出现故障的基础传输网络，因此它通常很昂贵且难以管理。为了降低网络故障的可能性，通常会过度配置WAN。SDN具有两个显着特征，包括将控制平面与数据平面分离以及为网络应用程序开发提供可编程性。因此，SDN的定位是提供更有效的配置，更好的性能和更大的灵活性，以适应创新的网络设计。SD-WAN可以促进工作负载的智能分配，动态变化需求的资源分配以及从网络故障中更快地恢复。SD-WAN有助于解决WAN过度配置的问题，这就是为什么它引起了网络工作者更多关注的原因。
随着SDN技术的不断发展，Microsoft和Google都在数据中心之间的WAN环境中使用SDN技术。微软提出的SWAN解决了分散TE技术(与MPLS-TE和ECMP路由相结合)的问题。Google提出的B4实现了更高的链路利用率，并且是标准(分布式MPLS)技术的两倍或更高的效率。基于应用的路由是SD-WAN的一项技术功能，可使服务的提供更加精细和定制。
现阶段的互联网存在多个目标和政策相互冲突，比如消费者和服务提供商SP，且其更新换代仅限于简单的增量更新，几乎不可能部署任何新的或完全替代原有方案的技术，也即互联网僵化。在过去几年中，由于IP网络中数据包的处理是基于尽力而为的传输(举例：UDP)，现代网络经济学的一个广泛接受的原则是，只有通过适当的网络过度配置才能让现阶段的互联网满足日益增长的用户需求。这种正统的网络运营方式开始引起担忧。那就是网络运营商所面临的几乎呈指数形式增长的流量，可能会导致不可持续的网络运营及其维护费用的激增。在互联网僵化的环境下，网络虚拟化NV正在成为缓解互联网僵化的关键技术。
网络虚拟化旨在克服当前互联网对体系结构更改的抵制。网络虚拟化主要解决了将物理网络中的资源分配给虚拟网络的问题，通常被称为虚拟网络嵌入VNE问题。SD-WAN中最重要的问题是资源分配。因此亟需提出一种更符合SD-WAN场景的VNE算法，以帮助服务提供商更合理地分配WAN中的物理资源。
在当前的SD-WAN技术中，数据中心之间的WAN路由是基于最短路径选择算法的。但是，此算法不能保证用户的服务体验。随着5G和6G技术的不断发展，路由的瓶颈不再局限于带宽，而是更加关注用户的服务需求。基于应用的路由选择的目标是更好地满足不同服务的需求。
在众多类型的服务中，时延敏感型服务和高带宽敏感型服务值得我们关注。随着工业互联网等技术的不断发展，我们需要机器之间的极低的通信时延。在SD-WAN中，音频和视频服务的数量不断增加，也使我们更加关注高带宽敏感服务的传输。所以，亟需提出一种时延敏感和高带宽敏感联合优化的VNE算法。
目前关于VNE的研究很多，其中不乏多目标VNE的相关研究，但这些研究考虑的多目标指标大都不包含QoS指标，并未有研究考虑时延和高带宽敏感的联合优化，不能适应在SD-WAN场景下基于应用的路由选择的目的。
已有文献详细地介绍了虚拟网络映射算法的分类、发展现状和发展趋势；提出了一种VNE算法，该算法旨在以最小的带宽成本将虚拟链路映射到物理路径上，同时每条虚拟链路包含时延约束，在问题建模中，其使用排队时延与流速成正比的假设；也有文献假设与物理网络的弧线相关联的预定义的恒定时延并提出了具有时延，路由和位置约束的虚拟网络映射问题(VNMP-DRL)，并将其制定为混合线性优化问题。有文献提出了一种多目标优化的VNE算法，其目标是最大化运营商的收入(最大化一个物理网络上可以接受映射的虚拟网络数)和最小化能量消耗。还有学者提出一种联合优化能量消耗，负载均衡和可用度的多目标优化VNE算法。在DaVinci架构中，每个物理链路周期性地重新分配其虚拟链路之间的带宽份额。在较小的时间尺度上，每个虚拟网络运行分布式协议，独立地最大化其自身的性能目标。DaVinci中每条虚拟链路对应映射到的多条物理路径的路由是确定的，目的是根据这两个目标来分配在不同路径上的流量，属于流量工程中流量分配的问题，而不是虚拟网络映射问题，而VNE的核心在于路由选择。
一种在无线移动切换场景下的最小化时延的VNE算法主要目的是为虚拟网络嵌入提供一个优化框架，以最小化端到端时延；该算法所提出的方案还考虑了用户移动性的影响，以便允许对移动网络进行有效的映射。此外，它允许时延敏感的服务以最小的时延使用已形成的虚拟网络。文献中认为最小化时延与最小化费率是一对可以权衡的优化目标，但其没有联合优化，而是先基于最小化费率映射虚拟节点，然后再基于最小化时延进行链路映射。
上述现阶段的VNE技术优化的目标大都不包含QoS指标，多数优化指标都是与瓶颈带宽相关的。但随着5G，6G技术的不断发展，服务的提供不再局限于瓶颈带宽，而是更加注重于用户的服务体验。不同的虚拟服务具有不同的服务需求。现有的VNE技术无法实现服务的差异化，不能够基于不同服务之间的差异化需求为用户提供服务，不能够将用户的服务体验考虑在服务的提供之中。
在SD-WAN场景下，最吸引人的功能就是基于应用的路由选择。随着工业互联网等技术的不断发展，我们需要为服务提供极低的时延。而随着WAN中音频、视频业务的增多，我们需要能够为服务提供较大带宽，也即高带宽敏感型业务。现有考虑了QoS的VNE技术中大都只考虑了单个时延目标的优化，但在SD-WAN中，时延敏感和高带宽敏感的业务是可以同时存在的，现阶段的VNE算法不适用于SD-WAN场景，难以实现基于应用的路由选择。
在VNE中，虚拟网络的拓扑不可能是一成不变的，现有考虑了时延优化的VNE技术中，不能够为虚拟网络的动态拓扑变化提供映射。而随着云计算等技术的不断发展，服务请求是动态变化的。相比较于静态的VNE技术，动态的VNE技术具有较高的可扩展性。现有技术虽然考虑了时延的优化，但却无法适应网络拓扑的动态变化。
发明内容
针对上述技术问题，本发明提出了一种SD-WAN场景下的多目标VNE算法，增强了对用户服务体验的优化，为时延敏感型业务尽量提供时延较小的服务，对高带宽敏感型业务尽量提供高带宽的服务。
为解决上述技术问题，本发明提供一种联合优化时延敏感和高带宽敏感的动态的虚拟网络映射算法，该映射方法将传统的VNE算法适配到SD-WAN场景中，所述映射方法包括以下步骤：
步骤一，建立WAN中物理网络模型，建立SD-WAN中虚拟网络模型，建立互联网时延模型和带宽敏感模型；
步骤二，针对虚拟服务请求，引入时延权重和高带宽敏感度权重，建立基于时延高带宽的多目标虚拟网络映射问题的模型；
步骤三，采用遗传算法求取所述多目标虚拟网络映射问题的模型的解，得到虚拟节点映射方案；
步骤四，基于优化后的虚拟节点映射方案，得到最终的虚拟网络映射方案。
进一步的，所述步骤一中物理网络模型为：
Gs＝(Ns,Ls)，其中Ns代表广域网中的节点集合，而Ls代表广域网中的物理链路集合；物理节点属性包含CPU，物理链路属性包含带宽和时延；
虚拟网络模型为：
Gr＝(Nr,Lr)代表，其中Nr和Lr分别表示SD-WAN虚拟网络中的节点集合和链路集合，虚拟节点属性包含CPU，虚拟链路属性包含带宽；
互联网时延模型为：
互联网时延模型为平均端到端时延，其中包含传播时延和排队时延：
Figure BDA0002309367240000041
其中pprop表示传播时延。pque表示排队时延；
带宽敏感模型为：
Figure BDA0002309367240000042
其中
Figure BDA0002309367240000043
表示物理链路ls的利用率，L表示承载虚拟服务的物理路径的长度，公式
Figure BDA0002309367240000044
表示承载服务的物理路径的平均可用带宽，q是高带宽敏感性中链路带宽和链路利用率优化的权重。
进一步的，所述步骤二中建立的基于时延高带宽的多目标优化问题的模型为：
Figure BDA0002309367240000045
满足约束：
Figure BDA0002309367240000046
Figure BDA0002309367240000047
Figure BDA0002309367240000048
Figure BDA0002309367240000049
其中，
Figure BDA00023093672400000410
分别是虚拟链路lr的时延敏感权重和高带宽敏感度权重，并且
Figure BDA00023093672400000411
进一步的，所述步骤三具体为：
步骤3.1，染色体编码，将每个虚拟节点映射解决方案编码为一条染色体，虚拟网络请求包含N个虚拟节点，则将染色体编码为N维向量，其中每个维都是一个整数，该整数值用于指示对应的虚拟节点映射到的物理节点编号；
步骤3.2，染色体初始化，使用标志数组来记录虚拟节点映射到的物理节点编号，避免一个物理节点多个虚拟节点的情况，生成初始虚拟节点映射方案(初代染色体)；
步骤3.3，交叉函数问题，将虚拟节点映射数组的部分元素进行交叉运算；
步骤3.4，变异函数问题，一个虚拟节点映射方案变异后返回两种虚拟节点映射方案，随机产生两个突变位，然后原始虚拟节点映射方案根据相应的突变位置进行突变；
步骤3.5，遗传算法的适应度函数是多目标模型的目标函数，对于任何虚拟节点映射方案，将每个虚拟链路映射到一条使其多目标值最小的物理路径，并将所有虚拟链路相对应的物理路径的多目标值相加，得到全局适应度函数值；
步骤3.6，根据步骤3.5得到的全局适宜度函数值，选出其中最小的5种虚拟节点映射方案，回到步骤3.3，直到达到迭代次数。
更进一步的，所述步骤3.2中设定每个物理节点只能映射一个虚拟节点。
更进一步的，所述步骤3.3具体为：将上一代虚拟节点映射分为若干成对的组，每个组执行以下步骤：对于包含n个节点的虚拟网络，随机生成两个突变位t1，t2(t1<t2)，然后交换成对组突变位t1至t2之间的节点号。
更进一步的，所述步骤3.4具体为：随机产生两个突变位t3，t4，将第t3个虚拟节点映射到物理节点q1，释放原有占用物理节点资源，将第t4个虚拟节点映射到物理节点q2，释放原有占用物理节点资源，突变后产生两个变异后的虚拟节点映射方案。
作为一种优选，所述遗传算法的适应度函数为
Figure BDA0002309367240000051
进一步的，所述映射方法基于虚拟网络请求需求增加或减小两种情况，提供动态的多目标虚拟网络映射过程。
进一步的，基于虚拟网络请求需求增加的情况分为以下几类：
在两个虚拟节点之间添加了虚拟链路：当需要在虚拟网络中未链接的两个虚拟节点之间建立链路时，随机生成虚拟链路的带宽需求、时延权重以及高带宽敏感权重，然后将其映射到相应的物理路径；
现有虚拟链路带宽需求增加或现有虚拟节点CPU需求增加：比较原始物理节点或物理路径是否可以提供增加的资源，如果无法提供，则必须释放最初占用的CPU或带宽资源，然后执行节点迁移或链路迁移；
添加一个虚拟节点并与原始虚拟节点建立链路：当一个新的虚拟节点到达网络时，为其分配一个物理节点，如果它和其他虚拟节点之间存在链路，则为其分配物理路径；基于虚拟网络请求需求减小的情况分为以下几类：
虚拟节点的CPU需求减少或虚拟链路的带宽需求减少：如果虚拟节点的CPU需求减少或虚拟链路的带宽需求减少，则释放原来占用的物理网络的资源；
原始虚拟链路断开：返回占用的物理路径的所有资源，并从虚拟网络中删除该链路，对于动态VNE，当虚拟网络请求更改时，分别对应与以上几种情况的组合。
本发明与现有技术相比较，本发明的实施效果如下：
(1)本发明提出了一种SD-WAN场景下的多目标VNE算法，相对于传统的VNE算法，增强了对用户服务体验的优化，为时延敏感型业务尽量提供时延较小的服务。对高带宽敏感型业务尽量提供高带宽的服务，在链路映射时，往往会根据虚拟网络请求对时延和高带宽的权重选取所映射到的物理路径。本发明更好地考虑到了不同用户对于服务的不同需求，实现了服务的差异化，更好地利用了物理网络的资源。
(2)本发明提出的VNE是动态的，可以针对虚拟网络请求的动态变化快速的采取措施，减少动态变化的虚拟服务请求在网络中的等待时间，能够更好地实现即时服务。
附图说明
图1为现有技术中的虚拟节点映射的染色体编码方案示意图；
图2为交叉前染色体成对组示意图；
图3为交叉后染色体成对组示意图；
图4为将变异函数应用于包含5个虚拟节点的虚拟网络上的效果图；
图5为SD-WAN场景下基于应用的路由选择系统结构示意图。
具体实施方式
下面结合附图和具体实例对本发明做更进一步的解释：
实施例1
在SD-WAN场景下，伴随着工业互联网技术的不断发展，以及音频、视频业务流量的不断增多，本发明设计了一种SD-WAN场景下的多目标虚拟网络映射机制。本发明建立了一个多目标优化问题，该问题共同考虑了时延敏感和高带宽敏感。本发明中的虚拟服务请求具有不同的时延敏感和高带宽敏感，基于服务对于时延和高带宽的敏感程度为服务提供路由，即基于应用的路由选择。本发明具体解决以下问题：
(1)时延敏感和高带宽敏感的多目标优化
大多数现有的VNE算法仅考虑优化时延，但是在SD-WAN中，时延敏感和高带宽敏感型服务可以共存。本发明中的虚拟网络中的每一条虚拟链路具有随机生成的时延敏感权重和高带宽敏感权重。要求较低时延的服务的时延敏感度权重较大，而高带宽敏感度权重较小。要求高带宽传输的服务的时延敏感度权重可以比较小，但高带宽敏感度权重较大。随后将时延敏感和高带宽敏感组合到一起构建多目标优化问题，实现了时延敏感和高带宽敏感的多目标优化。
(2)基于应用的路由选择
基于虚拟网络请求的差异化权重，本发明为虚拟服务提供时延敏感和高带宽敏感联合优化后的路由。本发明实现了时延敏感和高带宽敏感的多目标优化，从而可以更有效地实现服务差异化。特别是为工业互联网的相关服务以及音频、视频相关服务提供了比现有VNE技术更好的路由。也即为SD-WAN场景下的这类服务提供了更好的基于应用的路由选择。
(3)动态的虚拟网络映射
在VNE技术中，可以将VNE按照网络拓扑是否变化分为动态VNE以及静态VNE。在静态VNE中虚拟网络拓扑固定不变，但伴随着云计算等技术的不断发展，服务的加入和退出都是十分迅速的，所以静态的VNE不适用于现有的环境。本发明提供了一种动态VNE的方法，这里将虚拟网络拓扑的变化分为5个类别，在虚拟网络的拓扑发生相应变化时，调用相应的子函数。本发明可以较快的释放即将退出的虚拟服务占用的资源以及为新加入的服务提供路由。
WAN中的物理网络由一系列物理设施以及它们之间的链路集合组成。我们使用网络拓扑Gs＝(Ns,Ls)代表物理网络，其中Ns代表广域网中的一组节点，而Ls代表广域网中的一组物理链路，并且
Figure BDA0002309367240000071
物理节点属性包含其可以提供的CPU也即
Figure BDA0002309367240000072
物理链路属性包含带宽
Figure BDA0002309367240000073
和时延pprop。
SD-WAN中的虚拟服务请求建模为具有两个端点的链接，网络拓扑Gr＝(Nr,Lr)代表SD-WAN中的虚拟服务请求的集合，其中Nr和Lr分别表示SD-WAN虚拟服务请求集中的节点集和链路集合。在本发明中，虚拟服务请求是单向请求。虚拟节点属性包含其CPU需求
Figure BDA0002309367240000074
而虚拟链路属性包含其带宽要求
Figure BDA0002309367240000075
时延敏感模型
现在，用户已经处在与机器对机器(M2M)通信和基于触觉的应用程序相关联的网络流量时代，在不久的将来它们将需要非常低的时延。例如，工业互联网和物联网的服务大多对时间敏感，因此用户希望在使用这两种服务时尽量减少时延。因此，在本发明的模型建立中，时延是我们的多目标指标之一。考虑到广域网环境，本发明中的时延模型旨在最大程度地降低平均端到端时延：
Figure BDA0002309367240000081
其中pprop表示传播时延，它是承载服务的物理路径的传播时延的总和。pque表示排队时延，并且与链路利用率成指数关系。
对于具有较高高带宽敏感性的链路，链路利用率较低，而平均可用带宽较大。对于高带宽敏感的服务，它需要较大的带宽才能传输，例如SD-WAN中的音频流和视频流。通常，高带宽敏感建模如下：
Figure BDA0002309367240000082
其中
Figure BDA0002309367240000083
表示物理链路ls的利用率。L表示承载虚拟服务的物理路径的长度，公式
Figure BDA0002309367240000088
表示承载服务的物理路径的平均可用带宽。q是高带宽敏感性中链路带宽和链路利用率优化的权重。
对于多目标优化问题，通常的解决方案是为每个优化目标i引入一个权重wi，以及∑iwi＝1。在本发明的模型建立中，针对虚拟服务请求lr，引入了时延权重
Figure BDA0002309367240000084
和高带宽敏感度权重
Figure BDA0002309367240000085
并且
Figure BDA0002309367240000086
多目标优化问题的模型如下：
Figure BDA0002309367240000087
满足约束：
Figure BDA0002309367240000091
Figure BDA0002309367240000092
Figure BDA0002309367240000093
Figure BDA0002309367240000094
为了解出上述多目标问题的最优解，本发明将遗传算法引入来解决我们的多目标VNE问题。遗传算法的引入共分为以下几步：
1)染色体编码
在使用遗传算法解决SD-WAN中的多目标虚拟网络嵌入问题时，最值得考虑的是染色体编码的设计。本发明将每个虚拟节点映射解决方案编码为一条染色体。例如，如果虚拟网络请求包含N个虚拟节点，则将染色体编码为N维向量，其中每个维都是一个整数值，该整数值用于指示对应的虚拟节点映射到的物理节点。例如，图1显示了具有5个虚拟节点(物理网络包含50个节点，标签从0到49)的虚拟网络请求的节点映射方案。可以看出，虚拟节点0映射到物理节点17，虚拟节点1映射到物理节点45，依此类推。
2)染色体初始化
要利用遗传算法，我们需要初始化一系列第一代染色体解决方案。我们使用标志数组来记录虚拟节点映射到的物理节点。flag数组用来标记相应的物理节点承载的虚拟节点标号。实施算法的关键是物理节点只能映射一个虚拟节点。表2-1演示了生成初始虚拟节点映射方案的过程。
表1初始虚拟节点映射方案的产生
Figure BDA0002309367240000095
Figure BDA0002309367240000101
3)交叉函数
对于遗传算法中的染色体交叉函数，本发明将虚拟节点映射数组的部分元素进行交叉运算。具体来说，本发明将上一代虚拟节点映射方案分为一些成对的组，每个组执行以下步骤：对于包含n个节点的虚拟网络，本发明随机生成两个突变位t1，t2(t1<t2)，然后交换成对组突变位t1至t2之间的节点号。图2以一个由5个节点组成的虚拟网络为例。突变位t1＝1，t2＝3，然后交换两个染色体1至3位的数据。值得注意的是，染色体交叉可能会引入一个物理节点承载了多个虚拟节点的问题。对于这种情况，本发明将映射到同一个虚拟节点的物理节点之一重新映射到别的物理节点。
在图2和图3中，当染色体成对组交换第四位6和17时，可以看出，第一个虚拟节点映射方案的第一虚拟节点映射到的物理节点17与交叉后的第四个虚拟节点映射到的物理节点17重复。该算法重新生成满足第四虚拟节点(例如物理节点26)的CPU要求的物理节点号，以解决染色体元素之间互异性的问题。表2演示了交叉函数的流程。
表2交叉函数
Figure BDA0002309367240000102
4)变异函数
对于染色体的变异，以一个有5个节点的虚拟网络为例，为了增加后代种群的多样性，本发明中一个虚拟节点映射方案变异后返回两种虚拟节点映射方案。首先，随机产生两个突变位t3，t4，然后原始虚拟节点映射方案开始根据相应的突变位置进行突变。算法流程，详见表3。
表3变异函数
Figure BDA0002309367240000111
在图4中，该算法生成的突变为1和3，因此虚拟节点映射方案[17,45,34,6,29]将在突变后产生两个变异后的虚拟节点映射方案，[17,42,34,6,29]和[17,45,34,23,29]。
5)适宜度函数
本发明提出的遗传算法的适应度函数是多目标路由模型的目标函数，即：
Figure BDA0002309367240000112
对于任何虚拟节点映射方案，本发明都将每个虚拟链路映射到一条使其多目标值最小的物理路径，并将所有虚拟链路相对应的多目标值相加，得到全局适应度函数值。
在基于遗传算法的多目标虚拟网络嵌入算法中，我们指定了遗传算法的迭代次数k。表4是本发明的总体算法流程。
表4虚网快速重映射算法流程
Figure BDA0002309367240000113
Figure BDA0002309367240000121
随着云计算技术的兴起，VNE还需要从传统的静态VNE转变为动态VNE。由于相应的虚拟网络请求可以动态更改，因此考虑动态VNE具有更多的研究价值。本发明考虑了动态VNE，并将动态VNE分为两类，一类用于增加虚拟网络请求需求，一类用于减少虚拟网络请求需求。
1)虚拟网络请求需求增加
随着对虚拟网络请求的需求增加，CPU或带宽需求的增加分为以下几类。
·在两个虚拟节点之间添加了虚拟链路：当需要在虚拟网络中未链接的两个虚拟节点之间建立链路时，我们需要随机生成虚拟链路的带宽需求、时延权重以及高带宽敏感权重。然后将其映射到相应的物理路径。
·现有虚拟链路带宽需求增加或现有虚拟节点CPU需求增加：在这种情况下，有必要比较原始物理节点或物理路径是否可以提供增加的资源。如果无法提供，则必须释放最初占用的CPU或带宽资源，然后执行节点迁移或链路迁移。
·添加一个虚拟节点并与原始虚拟节点建立链路：当一个新的虚拟节点到达网络时，需要为其分配一个物理节点。如果它和其他虚拟节点之间存在链路，则需要为其分配物理路径。
2)虚拟网络请求需求减小
·虚拟节点的CPU需求减少或虚拟链路的带宽需求减少：如果虚拟节点的CPU需求减少或虚拟链路的带宽需求减少，则需要释放原来占用的物理网络的资源。
·原始虚拟链路断开：返回占用的物理路径的所有资源，并从虚拟网络中删除该链路。
对于动态VNE，当虚拟网络请求更改时，对应于以上几种情况的组合。
本发明技术方案带来的有益效果
(1)服务的差异化
伴随着工业互联网等技术的不断发展，我们需要能够为时延敏感的业务提供服务。伴随着SD-WAN中音频视频流量的增多，我们需要能够为高带宽敏感的业务提供服务。本发明提供了时延敏感和高带宽敏感的联合优化，可以基于服务请求对时延和高带宽的不同敏感度来为服务请求提供差异化服务，更好的利用物理网络的资源。
(2)适用于SD-WAN场景
在SD-WAN中，最核心的功能就是基于应用的路由选择，本发明基于多目标优化的VNE可以为SD-WAN下的服务请求提供基于应用的路由选择。
(3)动态映射虚拟服务请求
伴随着云计算等技术的不断发展，虚拟网络请求不再是静态的，它可能动态变化。而且我们需要为动态变化的虚拟网络请求释放或者分配物理网络的相应资源。本发明将虚拟网络拓扑的变化分为5个小类，当虚拟网络拓扑动态改变时，调用相应的子函数来实现资源的即时管理。
以上内容是结合具体的实施例对本发明所作的详细说明，不能认定本发明具体实施仅限于这些说明。对于本发明所属技术领域的技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明保护的范围。

Claims (10)

1.一种SD-WAN场景下的动态多目标虚拟网络映射方法，其特征在于，该映射方法将传统的VNE算法适配到SD-WAN场景中，所述映射方法包括以下步骤：
步骤一，建立WAN中物理网络模型，建立SD-WAN中虚拟网络模型，建立互联网时延模型和带宽敏感模型；
步骤二，针对虚拟服务请求，引入时延权重和高带宽敏感度权重，建立基于时延高带宽的多目标虚拟网络映射问题的模型；
步骤三，采用遗传算法求取所述多目标虚拟网络映射问题的模型的解，得到虚拟节点映射方案；
步骤四，基于优化后的虚拟节点映射方案，得到最终的虚拟网络映射方案。
2.根据权利要求1所述的一种SD-WAN场景下的动态多目标虚拟网络映射方法，其特征在于，所述步骤一中物理网络模型为：
Gs＝(Ns，Ls)，其中Ns代表广域网中的节点集合，而Ls代表广域网中的物理链路集合；物理节点属性包含CPU，物理链路属性包含带宽和时延；
虚拟网络模型为：
Gr＝(Nr，Lr)代表，其中Nr和Lr分别表示SD-WAN虚拟网络中的节点集合和链路集合，虚拟节点属性包含CPU，虚拟链路属性包含带宽；
互联网时延模型为：
互联网时延模型为平均端到端时延，其中包含传播时延和排队时延：
Figure FDA0002309367230000011
其中pprop表示传播时延。pque表示排队时延；
带宽敏感模型为：
Figure FDA0002309367230000012
其中
Figure FDA0002309367230000013
表示物理链路ls的利用率，L表示承载虚拟服务的物理路径的长度，公式
Figure FDA0002309367230000014
表示承载服务的物理路径的平均可用带宽，q是高带宽敏感性中链路带宽和链路利用率优化的权重。
3.根据权利要求1所述的一种SD-WAN场景下的动态多目标虚拟网络映射方法，其特征在于，所述步骤二中建立的基于时延高带宽的多目标优化问题的模型为：
Figure FDA0002309367230000015
满足约束：
Figure FDA0002309367230000021
Figure FDA0002309367230000022
Figure FDA0002309367230000023
Figure FDA0002309367230000024
其中，
Figure FDA0002309367230000025
分别是虚拟链路lr的时延敏感权重和高带宽敏感度权重，并且
Figure FDA0002309367230000026
4.根据权利要求1所述的一种SD-WAN场景下的动态多目标虚拟网络映射方法，其特征在于，所述步骤三具体为：
步骤3.1，染色体编码，将每个虚拟节点映射解决方案编码为一条染色体，虚拟网络请求包含N个虚拟节点，则将染色体编码为N维向量，其中每个维都是一个整数，该整数值用于指示对应的虚拟节点映射到的物理节点编号；
步骤3.2，染色体初始化，使用标志数组来记录虚拟节点映射到的物理节点编号，避免一个物理节点多个虚拟节点的情况，生成初始虚拟节点映射方案，即初代染色体；
步骤3.3，交叉函数问题，将虚拟节点映射数组的部分元素进行交叉运算；
步骤3.4，变异函数问题，一个虚拟节点映射方案变异后返回两种虚拟节点映射方案，随机产生两个突变位，然后原始虚拟节点映射方案根据相应的突变位置进行突变；
步骤3.5，遗传算法的适应度函数是多目标模型的目标函数，对于任何虚拟节点映射方案，将每个虚拟链路映射到一条使其多目标值最小的物理路径，并将所有虚拟链路相对应的物理路径的多目标值相加，得到全局适应度函数值；
步骤3.6，根据步骤3.5得到的全局适宜度函数值，选出其中最小的几种虚拟节点映射方案，回到步骤3.3，直到达到迭代次数。
5.根据权利要求4所述的一种SD-WAN场景下的动态多目标虚拟网络映射方法，其特征在于，所述步骤3.2中设定每个物理节点只能映射一个虚拟节点。
6.根据权利要求5所述的一种SD-WAN场景下的动态多目标虚拟网络映射方法，其特征在于，所述步骤3.3具体为：将上一代虚拟节点映射分为若干成对的组，每个组执行以下步骤：对于包含n个节点的虚拟网络，随机生成两个突变位t1，t2(t1＜t2)，然后交换成对组突变位t1至t2之间的节点号。
7.根据权利要求5所述的一种SD-WAN场景下的动态多目标虚拟网络映射方法，其特征在于，所述步骤3.4具体为：随机产生两个突变位t3，t4，将第t3个虚拟节点映射到物理节点q1，释放原有占用物理节点资源，将第t4个虚拟节点映射到物理节点q2，释放原有占用物理节点资源，突变后产生两个变异后的虚拟节点映射方案。
8.根据权利要求4所述的一种SD-WAN场景下的动态多目标虚拟网络映射方法，其特征在于，所述遗传算法的适应度函数为
Figure FDA0002309367230000031
9.根据权利要求1至8任一项所述的一种SD-WAN场景下的动态多目标虚拟网络映射方法，其特征在于，所述映射方法基于虚拟网络请求需求增加或减小两种情况，提供动态的多目标虚拟网络映射过程。
10.根据权利要求9所述的一种SD-WAN场景下的动态多目标虚拟网络映射方法，其特征在于，基于虚拟网络请求需求增加的情况分为以下几类：
在两个虚拟节点之间添加了虚拟链路：当需要在虚拟网络中未链接的两个虚拟节点之间建立链路时，随机生成虚拟链路的带宽需求、时延权重以及高带宽敏感权重，然后将其映射到相应的物理路径；
现有虚拟链路带宽需求增加或现有虚拟节点CPU需求增加：比较原始物理节点或物理路径是否可以提供增加的资源，如果无法提供，则必须释放最初占用的CPU或带宽资源，然后执行节点迁移或链路迁移；
添加一个虚拟节点并与原始虚拟节点建立链路：当一个新的虚拟节点到达网络时，为其分配一个物理节点，如果它和其他虚拟节点之间存在链路，则为其分配物理路径；基于虚拟网络请求需求减小的情况分为以下几类：
虚拟节点的CPU需求减少或虚拟链路的带宽需求减少：如果虚拟节点的CPU需求减少或虚拟链路的带宽需求减少，则释放原来占用的物理网络的资源；
原始虚拟链路断开：返回占用的物理路径的所有资源，并从虚拟网络中删除该链路，对于动态VNE，当虚拟网络请求更改时，分别对应与以上几种情况的组合。
CN201911252272.XA 2019-12-09 2019-12-09 一种sd-wan场景下的动态多目标虚拟网络映射方法 Active CN111130858B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911252272.XA CN111130858B (zh) 2019-12-09 2019-12-09 一种sd-wan场景下的动态多目标虚拟网络映射方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911252272.XA CN111130858B (zh) 2019-12-09 2019-12-09 一种sd-wan场景下的动态多目标虚拟网络映射方法

Publications (2)

Publication Number Publication Date
CN111130858A true CN111130858A (zh) 2020-05-08
CN111130858B CN111130858B (zh) 2023-05-19

Family

ID=70497964

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911252272.XA Active CN111130858B (zh) 2019-12-09 2019-12-09 一种sd-wan场景下的动态多目标虚拟网络映射方法

Country Status (1)

Country Link
CN (1) CN111130858B (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111723978A (zh) * 2020-06-03 2020-09-29 华北电力大学 一种基于虚拟映射适应多种电力业务差异性需求的指标评价方法
CN111865668A (zh) * 2020-06-30 2020-10-30 南京邮电大学 一种基于sdn和nfv的网络切片方法
CN113034163A (zh) * 2021-04-08 2021-06-25 国网辽宁省电力有限公司信息通信分公司 一种虚拟运营平台动态生成方法
CN113766576A (zh) * 2021-09-09 2021-12-07 阿里巴巴达摩院(杭州)科技有限公司 服务质量管理方法、电子设备以及存储介质
CN114124942A (zh) * 2020-08-10 2022-03-01 中国移动通信集团湖南有限公司 核心网资源调度方法、装置及电子设备
US11296947B2 (en) 2020-06-29 2022-04-05 Star2Star Communications, LLC SD-WAN device, system, and network
CN114363190A (zh) * 2021-12-31 2022-04-15 网络通信与安全紫金山实验室 一种基于镜像快照提供网络仿真数据的方法和装置
CN114827273A (zh) * 2022-03-30 2022-07-29 南京邮电大学 基于时延优化的虚拟网络映射算法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017083975A1 (en) * 2015-11-19 2017-05-26 Teloip Inc. System, apparatus and method for providing a virtual network edge and overlay with virtual control plane
CN110061881A (zh) * 2019-04-25 2019-07-26 西安邮电大学 一种基于物联网的能耗感知虚拟网络映射算法
CN110178342A (zh) * 2017-01-14 2019-08-27 瑞典爱立信有限公司 Sdn网络的可扩缩应用级别监视
CN110365514A (zh) * 2019-05-24 2019-10-22 北京邮电大学 基于强化学习的sdn多级虚拟网络映射方法和装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017083975A1 (en) * 2015-11-19 2017-05-26 Teloip Inc. System, apparatus and method for providing a virtual network edge and overlay with virtual control plane
CN110178342A (zh) * 2017-01-14 2019-08-27 瑞典爱立信有限公司 Sdn网络的可扩缩应用级别监视
CN110061881A (zh) * 2019-04-25 2019-07-26 西安邮电大学 一种基于物联网的能耗感知虚拟网络映射算法
CN110365514A (zh) * 2019-05-24 2019-10-22 北京邮电大学 基于强化学习的sdn多级虚拟网络映射方法和装置

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111723978A (zh) * 2020-06-03 2020-09-29 华北电力大学 一种基于虚拟映射适应多种电力业务差异性需求的指标评价方法
CN111723978B (zh) * 2020-06-03 2024-04-02 华北电力大学 一种基于虚拟映射适应多种电力业务差异性需求的指标评价方法
US11296947B2 (en) 2020-06-29 2022-04-05 Star2Star Communications, LLC SD-WAN device, system, and network
CN111865668A (zh) * 2020-06-30 2020-10-30 南京邮电大学 一种基于sdn和nfv的网络切片方法
CN111865668B (zh) * 2020-06-30 2023-04-07 南京邮电大学 一种基于sdn和nfv的网络切片方法
CN114124942A (zh) * 2020-08-10 2022-03-01 中国移动通信集团湖南有限公司 核心网资源调度方法、装置及电子设备
CN114124942B (zh) * 2020-08-10 2023-08-15 中国移动通信集团湖南有限公司 核心网资源调度方法、装置及电子设备
CN113034163B (zh) * 2021-04-08 2023-07-14 国网辽宁省电力有限公司信息通信分公司 一种虚拟运营平台动态生成方法
CN113034163A (zh) * 2021-04-08 2021-06-25 国网辽宁省电力有限公司信息通信分公司 一种虚拟运营平台动态生成方法
CN113766576A (zh) * 2021-09-09 2021-12-07 阿里巴巴达摩院(杭州)科技有限公司 服务质量管理方法、电子设备以及存储介质
CN113766576B (zh) * 2021-09-09 2023-08-15 阿里巴巴达摩院(杭州)科技有限公司 服务质量管理方法、电子设备以及存储介质
CN114363190B (zh) * 2021-12-31 2023-08-22 网络通信与安全紫金山实验室 一种基于镜像快照提供网络仿真数据的方法和装置
CN114363190A (zh) * 2021-12-31 2022-04-15 网络通信与安全紫金山实验室 一种基于镜像快照提供网络仿真数据的方法和装置
CN114827273A (zh) * 2022-03-30 2022-07-29 南京邮电大学 基于时延优化的虚拟网络映射算法
CN114827273B (zh) * 2022-03-30 2023-11-24 南京邮电大学 基于时延优化的虚拟网络映射方法

Also Published As

Publication number Publication date
CN111130858B (zh) 2023-05-19

Similar Documents

Publication Publication Date Title
CN111130858A (zh) 一种sd-wan场景下的动态多目标虚拟网络映射方法
CN108260169B (zh) 一种基于QoS保障的服务功能链动态部署方法
CN108322333B (zh) 一种基于遗传算法的虚拟网络功能的放置方法
US7715403B2 (en) Methods, systems, and computer program products for load balanced and symmetric path computations for VoIP traffic engineering
Wang et al. Implementation of multipath network virtualization with SDN and NFV
WO2017078922A1 (en) Apparatus and method for network flow scheduling
CN105515987B (zh) 一种基于sdn架构面向虚拟光网络的映射方法
WO2023039965A1 (zh) 流量疏导的云边计算网络计算资源均衡调度方法及系统
CN113708972A (zh) 一种服务功能链部署方法、装置、电子设备及存储介质
WO2023024219A1 (zh) 云边协同网络中时延和频谱占用联合优化方法及系统
JP6904369B2 (ja) 制御装置、制御方法、及びプログラム
WO2012141241A1 (ja) ネットワーク、データ転送ノード、通信方法およびプログラム
CN109412963B (zh) 一种基于流拆分的服务功能链部署方法
Jahromi et al. Online VNF placement and chaining for value-added services in content delivery networks
CN109067920A (zh) 一种用于服务器内容更新的负载均衡及路由方法
CN111885493B (zh) 一种基于改进布谷鸟搜索算法的微云部署方法
Lin et al. Column generation based service function chaining embedding in multi-domain networks
Ren et al. A sdn-based dynamic traffic scheduling algorithm
CN103873367B (zh) 路由数据分组以及确定路由的方法和装置、胖树网络
CN106105282B (zh) 利用链路缓冲区状态进行流量工程的系统和方法
CN117119043A (zh) 一种边缘网络拓扑感知的微服务部署方法
Huang et al. An efficient joint node and link mapping approach based on genetic algorithm for network virtualization
CN106717084B (zh) 重叠速率区分区的设备和方法
CN109474464A (zh) 一种基于OpenNF机制的快速网络更新方法
CN106850726B (zh) 基于sdn的云数据中心负载可感知的请求路由方法

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