CN111935748B - 一种可靠性高和负载均衡的虚拟网资源分配方法 - Google Patents
一种可靠性高和负载均衡的虚拟网资源分配方法 Download PDFInfo
- Publication number
- CN111935748B CN111935748B CN202010832108.2A CN202010832108A CN111935748B CN 111935748 B CN111935748 B CN 111935748B CN 202010832108 A CN202010832108 A CN 202010832108A CN 111935748 B CN111935748 B CN 111935748B
- Authority
- CN
- China
- Prior art keywords
- node
- network
- virtual
- resources
- link
- 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.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/16—Central resource management; Negotiation of resources or communication parameters, e.g. negotiating bandwidth or QoS [Quality of Service]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/08—Load balancing or load distribution
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/16—Central resource management; Negotiation of resources or communication parameters, e.g. negotiating bandwidth or QoS [Quality of Service]
- H04W28/18—Negotiating wireless communication parameters
- H04W28/20—Negotiating bandwidth
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种可靠性高和负载均衡的虚拟网资源分配方法,包括vEPC和网络链路,所述vEPC将基础硬件设备虚拟为通用的网络资源,所述资源分配方法令通用的网络资源中的基础硬件资源为底层网络,并将底层网络承载的虚拟业务称为虚拟网,本发明先将通用的网络资源中的基础硬件资源作为底层网络,并将底层网络划分为社团并进行优化,然后将底层网络和虚拟网进行排序,最后为虚拟网分配资源,包括为虚拟节点分配资源和为虚拟链路分配资源两个过程,其中在为虚拟节点分配资源时保证了负载均衡和可靠性,在为虚拟链路分配资源时保证了虚拟网的带宽需求,有效的解决了5G核心网的大规模虚拟网资源分配问题。
Description
技术领域
本发明涉及网络资源管理领域,特别是一种可靠性高和负载均衡的虚拟网资源分配方法。
背景技术
随着5G网络的快速建设和应用,基于5G的智慧生活、智慧工厂、无人驾驶等新兴业务逐渐开始落地,为了保证各种新兴业务的服务质量,5G网络的核心网建设显得尤为重要。当前,虚拟化演进分组核心网(virtualized Evolved Packet Core,vEPC)已成为5G核心网的基本架构。vEPC技术通过引入虚拟化技术,实现了5G核心网的切片功能,有效提升了网络资源利用率和可靠性。利用vEPC技术将原来的基础网络被划分为底层网络和虚拟网络。底层网络负责创建底层节点和底层链路资源,为虚拟网提供网络资源。虚拟网络通过租用底层网络的资源搭建虚拟网,来承载各种网络业务。故如何将底层网络资源分配给虚拟网络已成为一个重要的研究内容。
已有研究分析将资源分配算法的目标分为提高资源利用率和提高虚拟网络可靠性两个方面:在提高资源利用率方面,文献[Jahani A,Khanli L M,Hagh M T,et al.Greenvirtual network embedding with supervised self-organizing map[J].Neurocomputing,2019,351:60-76.]采用神经网络理论提出了自组织映射算法;文献[Dolati M,Hassanpour S B,Ghaderi M,et al.DeepViNE:Virtual network embeddingwith deep reinforcement learning[C]//IEEE INFOCOM 2019-IEEE Conference onComputer Communications Workshops(INFOCOM WKSHPS).IEEE,2019:879-885.]采用深度学习理论,将虚拟网映射建模为图像识别问题,进一步提升了算法的自组织能力;文献[Zhang P,Yao H,Li M,et al.Virtual network embedding based on modified geneticalgorithm[J].Peer-to-Peer Networking and Applications,2019,12(2):481-492.]采用遗传算法理论提高了虚拟网映射的成功率;文献[Dehury C K,Sahoo P K.DYVINE:fitness-based dynamic virtual network embedding in cloud computing[J].IEEEJournal on Selected Areas in Communications,2019,37(5):1029-1045.]采用动态规划理论提高了动态环境下映射的成功率;而在提高虚拟网络可靠性方面,主要采用资源备份和故障恢复两种技术提升虚拟网络的可靠性:在资源备份方面,文献[Yousaf F Z,Loureiro P,Zdarsky F,et al.Cost analysis of initial deployment strategies forvirtualized mobile core network functions[J].IEEE Communications Magazine,2015,53(12):60-66.]提出了单区域内进行资源备份优化策略,提升了单区域故障环境下的网络可靠性;文献[Mijumbi R,Serrat J,Gorricho J L,et al.Design and evaluationof algorithms for mapping and scheduling of virtual network functions[C]//Proceedings of the 2015 1st IEEE Conference on Network Softwarization(NetSoft).IEEE,2015:1-9.]采用分布式的自适应资源分配算法,有效提升了资源的可生存性;在故障恢复方面,文献[Peng M,Li Y,Jiang J,et al.Heterogeneous cloud radioaccess networks:A new perspective for enhancing spectral and energyefficiencies[J].IEEE Wireless Communications,2014,21(6):126-135.]采用网络编码技术,可以解决瞬间且故障点较少类型故障的恢复问题;文献[Hawilo H,Shami A,Mirahmadi M,et al.NFV:state of the art,challenges,and implementation in nextgeneration mobile networks(vEPC)[J].IEEE Network,2014,28(6):18-26.]基于vEPC具有的快速迁移技术特点,提出了基于内部节点迁移的单链路故障恢复机制,提升了虚拟网的可靠性。
综上所述,虚拟网资源分配的研究已经取得了较多成果。但是,当前研究主要集中在解决小规模环境下的虚拟网资源分配,没有提出如何解决大规模的资源应如何分配,而在5G网络加速建设和运行的背景下,5G核心网的规模会快速增加。所以,如何解决大规模的5G核心网的虚拟网资源分配问题,已成为一个急需解决的关键问题。
因此本发明提供一种的新的方案来解决此问题。
发明内容
针对现有技术存在的不足,本发明的目的是提供一种可靠性高和负载均衡的虚拟网资源分配方法,有效的解决了大规模的5G核心网的虚拟网资源分配问题。
其解决的技术方案是,一种可靠性高和负载均衡的虚拟网资源分配方法,包括vEPC和网络链路,所述vEPC将基础硬件设备虚拟为通用的网络资源,所述资源分配方法令通用的网络资源中的基础硬件资源作为底层网络,并将底层网络承载的虚拟业务称为虚拟网,具体包括以下步骤:
S1、将底层网络划分为社团,包括社团的初始划分、社团划分优化两个子过程,其中社团的初始划分具体步骤为:
其中社团的划分优化具体步骤为:
Y3、将集合中的节点逐个放入底层节点/>所在的社团,利用公式计算社团的内聚特征CCk,其中,/>用于评价底层节点/>与邻居节点/>是否在同一个社团,取值为0和1,当时,底层节点/>与邻居节点/>在同一个社团,否则,不在同一社团;
S2、将底层网络和虚拟网进行排序,将已划分为社团的底层网络按照社团k中包含的节点数量降序排列,将虚拟网请求按照节点数量降序排列,其中虚拟网请求指请求为底层网络为虚拟网分配资源的请求;
Z1、从底层社团中,选择节点数量最多的且当前未给虚拟网请求分配资源的社团;
Z3、逐个为虚拟节点选择满足其CPU需求的底层节点并且满足其底层节点/>的负载均衡系数/>其中/>为底层网络中剩余的资源量最大的底层节点/>负载均衡系数,/>为底层网络中剩余的资源量最小的底层节点/>负载均衡系数,BN为底层节点/>负载均衡阈值,若两者都满足,转至步骤Z1;
Z5、选择可靠性REL(k)最大的社团k,返回步骤Z1;
由于以上技术方案的采用,本发明与现有技术相比具有如下优点:
本发明先将通用的网络资源中的基础硬件资源作为底层网络,并将底层网络划分为社团并进行优化,然后将底层网络和虚拟网进行排序,最后为虚拟网分配资源,包括为虚拟节点分配资源和为虚拟链路分配资源两个过程,其中在为虚拟节点分配资源时保证了负载均衡和可靠性,在为虚拟链路分配资源时保证了虚拟网的带宽需求,有效的解决了大规模的5G核心网的虚拟网资源分配问题。
附图说明
图1为本发明提供的资源分配方法的流程图。
图2为5G核心网架构示意图。
图3为虚拟网映射成功率比较示意图。
图4为底层节点资源利用率比较示意图。
图5为底层链路资源利用率比较示意图。
具体实施方式
为有关本发明的前述及其他技术内容、特点与功效,在以下配合参考附图1-5对实施例的详细说明中,将可清楚的呈现。以下实施例中所提到的结构内容,均是以说明书附图为参考。
下面将参照附图描述本发明的各示例性的实施例。
一种可靠性高和负载均衡的虚拟网资源分配方法,包括vEPC和网络链路,所述vEPC将基础硬件设备虚拟为通用的网络资源,其特征在于,所述资源分配方法令通用的网络资源中的基础硬件资源作为底层网络,并将底层网络承载的虚拟业务称为虚拟网,具体包括以下步骤:
S1、将底层网络划分为社团,包括社团的初始划分、社团划分优化两个子过程,其中社团的初始划分具体步骤为:
其中社团的划分优化具体步骤为:
Y3、将集合中的节点逐个放入底层节点/>所在的社团,利用公式计算社团的内聚特征CCk,其中,/>用于评价底层节点/>与邻居节点/>是否在同一个社团,取值为0和1,当时,底层节点/>与邻居节点/>在同一个社团,否则,不在同一社团;
S2、将底层网络和虚拟网进行排序,将已划分为社团的底层网络按照社团k中包含的节点数量降序排列,将虚拟网请求按照节点数量降序排列,从而将范围较大的虚拟网映射到大范围的社团中,从而提升社团的可靠性,其中虚拟网请求指请求为底层网络为虚拟网分配资源的请求;
Z1、从底层社团中,选择节点数量最多的且当前未给虚拟网请求分配资源的社团;
Z3、逐个为虚拟节点选择满足其CPU需求的底层节点并且满足其底层节点/>的负载均衡系数/>其中/>为底层网络中剩余的资源量最大的底层节点/>负载均衡系数,/>为底层网络中剩余的资源量最小的底层节点/>负载均衡系数,BN为底层节点/>负载均衡阈值,若两者都满足,返回步骤Z1;
Z5、选择可靠性REL(k)最大的社团k,返回步骤Z1;
所述在步骤S1之前先将底层网络建模为无向带权图GS=(NS,ES),其中NS表示底层节点集合、ES表示底层链路集合,且使用表示每个底层节点/>的属性集合,包括节点位置/>节点计算资源/>两个属性,每个底层链路/>的属性为链路带宽/>将虚拟网建模为无向带权图GV=(NV,EV),其中NV表示虚拟节点集合,EV表示虚拟链路/>集合,每个虚拟节点/>的属性集合使用/>表示,包括节点位置/>节点计算资源/>两个属性,每个虚拟链路/>的属性为链路带宽/>
所述虚拟网的生命周期是指每个虚拟网从获得资源到释放资源的过程,现底层网络为虚拟网分配资源的过程称为虚拟网映射,使用MN:(NV→NS,EV→PS)表示,即虚拟网从底层网络获得资源,其中PS表示虚拟网的虚拟链路/>所映射的底层路径,底层路径PS包括至少一条底层链路;
根据底层网络的规模、网络节点之间的关联分析底层网络紧密程度将底层网络划分为多个社团,根据底层节点与邻居节点/>之间路径包含的链路/>利用公式(7)计算底层节点/>与邻居节点/>之间路径包含的带宽资源/>
所述步骤S1中的内聚特征CCk的取值为社团k内的链路带宽与底层网络中所有链路带宽之和的比值,当划分的社团k的内聚特征CCk的值越大,则表明社团内的节点之间具有较多的链路带宽资源,内聚特性越好;
所述步骤S3中在为虚拟节点分配资源时,定义底层链路/>负载均衡阈值为BM,当底层网络为虚拟网分配资源后,底层节点/>负载均衡系数/>或底层链路负载均衡系数大于负载均衡阈值BN、BM时,则重新进行资源分配,利用公式(9)计算底层网络中剩余的资源量最大的底层节点/>负载均衡系数/>利用公式(10)计算底层网络中剩余的资源量最小的底层节点/>负载均衡系数/>利用公式(11)计算底层网络中剩余的资源量最大的底层链路/>负载均衡系数/>利用公式(12)计算底层网络中剩余的资源量最小的底层链路/>负载均衡系数/>
其中表示底层节点/>的初始计算资源,/>和/>分别表示剩余资源量最大的底层节点/>资源量、剩余资源量最小的底层节点/>资源量,/>表示底层链路/>的初始计算资源,/>和/>分别表示剩余资源量最大的底层链路/>资源量、剩余资源量最小的底层链路/>资源量;
所述步骤S3在为虚拟网资源分配时,首先在单个社团中为虚拟网分配资源,但当单个社团的资源不够时,需要调用其它社团的资源进行分配,而社团的可靠性与其具有链路数量相关,当某个社团连接到其它社团的底层链路数量越多时,则链路可靠性越高;
所述步骤S3中的社团x的可靠性REL(k)的取值为社团x的外连的链路数量在全部社团外连的链路数量中的占比,当REL(k)的取值越大,则表明社团k的外链数量越多,社团k的可靠性越高。
本发明在进行具体使用的时候,使用GT-ITM工具[Zegura E W,Calvert K L,Bhattacharjee S.How to model an internetwork[C]//Proceedings of IEEE INFOCOM'96.Conference on Computer Communications.IEEE,1996,2:594-602.]生成仿真环境,仿真环境包括底层网络和虚拟网络,将每个虚拟网的生命周期为10个时间单位、虚拟网请求数量设置为1000个,底层网络模拟了底层节点从100个增加到500个的不同网络规模,虚拟网络的节点服从[5,10]的均匀分布,底层链路使用任意两个底层节点以0.5的概率相连接生成,虚拟链路使用任意两个虚拟节点以0.5的概率相连接生成。底层节点和底层链路的资源量都服从[50,100]的均匀分布。虚拟节点和虚拟链路的资源量都服从[4,10]的均匀分布;
从虚拟网映射成功率、底层节点资源利用率、底层链路资源利用率三个方面为验证本资源分配方法的性能,将本资源分配方法与基于高可靠性的虚拟网资源分配算法VNRAoHR(Virtual network resource allocation based on high reliability)、基于负载均衡的虚拟网资源分配算法VNRAoLB(Virtual network resource allocation basedon load balancing)一同进行模拟,其中算法VNRAoHR模拟是以高可靠性为目标的资源分配算法,算法VNRAoLB模拟是以负载均衡为目标的资源分配算法。
如图3所示为虚拟网映射成功率比较结果,X轴表示底层节点数量从100个增加到500个,Y轴表示虚拟网的映射成功率,随着底层网络规模增加,三种算法下的虚拟网络映射成功率都在增加,并趋于稳定,这是因为为虚拟网提供的资源数量随着网络规模的增加而增加,但是虚拟网请求数量较多时,可以快速将底层网络资源用完,从三种算法性能分析可知本资源分配方法的的映射成功率最高,说明本资源分配方法通过负载均衡机制为虚拟网分配了较好的资源;
如图4所示为底层节点资源利用率比较结果,X轴表示底层节点数量从100个增加到500个,Y轴表示底层节点资源利用率,随着底层节点数量的增加,底层节点平均利用率指标缓慢增加并趋于稳定说明网络规模对三种算法的性能影响较小,且本资源分配方法下的底层节点资源利用率最高说明本资源分配方法为虚拟节点分配了比较合适的底层节点资源;
如图5所示为底层链路资源利用率比较结果,X轴表示底层节点数量从100个增加到500个,Y轴表示底层链路资源利用率,底层链路资源利用率的结果表本资源分配方法较好的提升了底层链路资源的利用率;
综上,本资源分配方法在虚拟网映射成功率、底层节点资源利用率、底层链路资源利用率三个方面都有较好的表现,有效的解决了大规模的5G核心网的虚拟网资源分配的问题。
Claims (7)
1.一种可靠性高和负载均衡的虚拟网资源分配方法,包括vEPC和网络链路,所述vEPC将基础硬件设备虚拟为通用的网络资源,其特征在于,所述资源分配方法令通用的网络资源中的基础硬件资源作为底层网络,并将底层网络承载的虚拟业务称为虚拟网,具体包括以下步骤:
S1、将底层网络划分为社团,包括社团的初始划分、社团划分优化两个子过程,其中社团的初始划分具体步骤为:
其中社团的划分优化具体步骤为:
Y3、将集合中的节点逐个放入底层节点/>所在的社团,利用公式计算社团的内聚特征CCk,其中,用于评价底层节点/>与邻居节点/>是否在同一个社团,取值为0和1,当时,底层节点/>与邻居节点/>在同一个社团,否则,不在同一社团;
根据底层网络的规模、网络节点之间的关联分析底层网络紧密程度将底层网络划分为多个社团,根据底层节点与邻居节点/>之间路径包含的链路/>利用公式(7)计算底层节点/>与邻居节点/>之间路径包含的带宽资源/>
S2、将底层网络和虚拟网进行排序,将已划分为社团的底层网络按照社团k中包含的节点数量降序排列,将虚拟网请求按照节点数量降序排列,其中虚拟网请求指请求为底层网络为虚拟网分配资源的请求;
Z1、从底层社团中,选择节点数量最多的且当前未给虚拟网请求分配资源的社团;
Z3、逐个为虚拟节点选择满足其CPU需求的底层节点并且满足其底层节点/>的负载均衡系数/>其中/>为底层网络中剩余的资源量最大的底层节点/>负载均衡系数,/>为底层网络中剩余的资源量最小的底层节点/>负载均衡系数,BN为底层节点/>负载均衡阈值,若两者都满足,返回步骤Z1;
Z5、选择可靠性REL(k)最大的社团k,返回步骤Z1;
4.如权利要求1所述的一种可靠性高和负载均衡的虚拟网资源分配方法,其特征在于,所述步骤S1中的内聚特征CCk的取值为社团k内的链路带宽与底层网络中所有链路带宽之和的比值,当划分的社团k的内聚特征CCk的值越大,则表明社团内的节点之间具有较多的链路带宽资源,内聚特性越好。
5.如权利要求1所述的一种可靠性高和负载均衡的虚拟网资源分配方法,其特征在于,所述步骤S3中在为虚拟节点分配资源时,定义底层链路/>负载均衡阈值为BM,当底层网络为虚拟网分配资源后,底层节点/>负载均衡系数/>或底层链路负载均衡系数/>大于负载均衡阈值BN、BM时,则重新进行资源分配,利用公式(9)计算底层网络中剩余的资源量最大的底层节点/>负载均衡系数/>利用公式(10)计算底层网络中剩余的资源量最小的底层节点/>负载均衡系数/>利用公式(11)计算底层网络中剩余的资源量最大的底层链路/>负载均衡系数/>利用公式(12)计算底层网络中剩余的资源量最小的底层链路/>负载均衡系数/>
7.如权利要求1所述的一种可靠性高和负载均衡的虚拟网资源分配方法,其特征在于,所述步骤S3中的社团x的可靠性REL(k)的取值为社团x的外连的链路数量在全部社团外连的链路数量中的占比,当REL(k)的取值越大,则表明社团k的外链数量越多,社团k的可靠性越高。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010832108.2A CN111935748B (zh) | 2020-08-18 | 2020-08-18 | 一种可靠性高和负载均衡的虚拟网资源分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010832108.2A CN111935748B (zh) | 2020-08-18 | 2020-08-18 | 一种可靠性高和负载均衡的虚拟网资源分配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111935748A CN111935748A (zh) | 2020-11-13 |
CN111935748B true CN111935748B (zh) | 2023-06-23 |
Family
ID=73305420
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010832108.2A Active CN111935748B (zh) | 2020-08-18 | 2020-08-18 | 一种可靠性高和负载均衡的虚拟网资源分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111935748B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112636961B (zh) * | 2020-12-15 | 2022-11-08 | 国网河南省电力公司信息通信公司 | 网络切片下基于可靠性和分流策略的虚拟网资源分配方法 |
CN113163498B (zh) * | 2021-05-26 | 2022-09-30 | 广东电网有限责任公司电力调度控制中心 | 5g网络切片下基于遗传算法的虚拟网资源分配方法及装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101383748A (zh) * | 2008-10-24 | 2009-03-11 | 北京航空航天大学 | 一种复杂网络中的社区划分方法 |
CN103067524A (zh) * | 2013-01-18 | 2013-04-24 | 浪潮电子信息产业股份有限公司 | 一种基于云计算环境的蚁群优化计算资源分配方法 |
CN103761271A (zh) * | 2014-01-07 | 2014-04-30 | 南京信息工程大学 | 基于局部稠密度的社团划分算法 |
CN106780058A (zh) * | 2016-11-29 | 2017-05-31 | 北京邮电大学 | 动态网络的社团划分方法及装置 |
CN108076486A (zh) * | 2017-12-28 | 2018-05-25 | 中国电力技术装备有限公司郑州电力设计院 | 一种基于负载均衡的动态无线资源分配算法 |
CN110363364A (zh) * | 2018-03-26 | 2019-10-22 | 阿里巴巴集团控股有限公司 | 一种资源的分配方法、装置及其设备 |
CN111146815A (zh) * | 2018-11-05 | 2020-05-12 | 西交利物浦大学 | 一种智能配电网分布式发电规划配置方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100058232A1 (en) * | 2008-08-26 | 2010-03-04 | Cisco Technology, Inc. | Virtual network join protocol |
TWI592805B (zh) * | 2010-10-01 | 2017-07-21 | 傅冠彰 | 網路儲存與計算資源分享系統與方法 |
-
2020
- 2020-08-18 CN CN202010832108.2A patent/CN111935748B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101383748A (zh) * | 2008-10-24 | 2009-03-11 | 北京航空航天大学 | 一种复杂网络中的社区划分方法 |
CN103067524A (zh) * | 2013-01-18 | 2013-04-24 | 浪潮电子信息产业股份有限公司 | 一种基于云计算环境的蚁群优化计算资源分配方法 |
CN103761271A (zh) * | 2014-01-07 | 2014-04-30 | 南京信息工程大学 | 基于局部稠密度的社团划分算法 |
CN106780058A (zh) * | 2016-11-29 | 2017-05-31 | 北京邮电大学 | 动态网络的社团划分方法及装置 |
CN108076486A (zh) * | 2017-12-28 | 2018-05-25 | 中国电力技术装备有限公司郑州电力设计院 | 一种基于负载均衡的动态无线资源分配算法 |
CN110363364A (zh) * | 2018-03-26 | 2019-10-22 | 阿里巴巴集团控股有限公司 | 一种资源的分配方法、装置及其设备 |
CN111146815A (zh) * | 2018-11-05 | 2020-05-12 | 西交利物浦大学 | 一种智能配电网分布式发电规划配置方法 |
Non-Patent Citations (6)
Title |
---|
A generalized resource allocation framework in support of multi-layer virtual network embedding based on SDN;Huu Thanh Nguyen;《ELSEVIER》;全文 * |
A Survey on the Placement of Virtual Resources and Virtual Network Functions;Abdelquoddouss Laghrissi;《IEEE》;全文 * |
NFV:state of the art,challenges,and implementation in next generation mobile networks(vEPC);Hassan Hawilo;《IEEE》;全文 * |
一种面向电力无线专网的虚拟资源优化分配机制;郭少勇;《电子与信息学报》;全文 * |
基于复杂网络的云制造资源配置方法研究;席海洋;《中国优秀硕士学位论文全文数据库》;全文 * |
基于拓扑控制与信道分配的无线传感网性能优化算法研究;李曦达;《中国博士学位论文全文数据库》;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111935748A (zh) | 2020-11-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Distributed edge computing offloading algorithm based on deep reinforcement learning | |
CN103179052A (zh) | 一种基于接近度中心性的虚拟资源分配方法及系统 | |
CN111935748B (zh) | 一种可靠性高和负载均衡的虚拟网资源分配方法 | |
CN112636961B (zh) | 网络切片下基于可靠性和分流策略的虚拟网资源分配方法 | |
CN110557345B (zh) | 一种电力通信网资源分配方法 | |
CN104484233B (zh) | 一种资源分配方法 | |
CN112312444B (zh) | 一种5g网络切片下资源备份方法 | |
CN102195890B (zh) | 一种基于云计算的互联网应用调度方法 | |
CN115134371A (zh) | 包含边缘网络算力资源的调度方法、系统、设备及介质 | |
Zhang et al. | A novel virtual network mapping algorithm for cost minimizing | |
Chai et al. | A parallel placement approach for service function chain using deep reinforcement learning | |
CN112688848B (zh) | 一种异构虚拟网络映射方法及系统 | |
Lovén et al. | Weathering the reallocation storm: Large-scale analysis of edge server workload | |
CN113645076A (zh) | 基于超图匹配算法的虚拟网络资源分配方法 | |
CN111698703B (zh) | 基于业务优先级和负载均衡的网络可靠性优化方法 | |
CN108833162B (zh) | 一种网络节点排序方法及虚拟网络映射方法 | |
Yang et al. | Trust-based scheduling strategy for cloud workflow applications | |
CN111245701A (zh) | 一种基于最大加权匹配的链路优先虚拟网络映射方法 | |
CN106874108A (zh) | 移动云计算中最小化微云使用个数技术 | |
Lai et al. | Task scheduling with multicore edge computing in dense small cell networks | |
CN113079053B (zh) | 网络切片下基于粒子群理论的虚拟资源重配置方法及系统 | |
CN111752707A (zh) | 一种基于映射关系的电力通信网资源分配方法 | |
CN115119332A (zh) | 意图驱动的无线网络资源冲突解决方法及其装置 | |
CN112600708A (zh) | 一种网络切片下时延敏感的虚拟网络资源分配方法 | |
Roges et al. | Dynamic Provisioning of Container Registries in Edge Computing Infrastructures |
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 |