CN112073237B - 一种云边架构中大规模目标网络构建方法 - Google Patents

Abstract

一种云边架构中大规模目标网络构建方法，属于边缘计算领域，用以解决现有的云边平台上的部署服务不能满足不同类型的虚拟网络部署需求的问题，以及现有的虚拟网络节点链路特性仿真算法不能有效减小误差、提升仿真精度的问题。该方法步骤包括，构建云边平台；在云边平台上进行虚拟网络的自动化部署；采用仿真算法对部署的虚拟网络进行节点链路特性仿真。本发明中云边平台上的自动化部署服务支持单一云内部的部署任务下发以及核心云与边缘云之间协同部署，满足不同类型的虚拟网络部署需求，支持大规模虚拟网络部署；仿真算法用以提升部署的虚拟网络的仿真精度。

Description

一种云边架构中大规模目标网络构建方法

技术领域

本发明涉及边缘计算领域，具体涉及一种云边架构中大规模目标网络构建方法。

技术背景

网络通信技术随着网络空间的变化在不断地进化和发展，网络空间中的接入设备的数量急剧增长，造成其规模和结构的不断扩大和复杂化，各种面向新型网络环境的网络技术如通信协议、算法、网络架构等在投入应用之前必须经过严格地测试。现有的一些网络应用的算法如动态差分补偿算法、基于随机数生成器的丢包算法对于消除误差、仿真精度的提升起到的作用极其有限，因此如何让虚拟网络中链路特性(延迟、丢包率、带宽)更贴近真实物理链路，如何最大限度地减小仿真时链路中对应特性存在的原始误差以及如何提升仿真精度都是亟待解决的问题。

发明内容

本发明要解决的技术问题是：本发明为了解决现有的云边平台上的自动化部署服务不能满足不同类型的虚拟网络部署需求的问题，以及现有的虚拟网络节点链路特性仿真算法不能有效减小误差、提升仿真精度的问题。

本发明为解决上述技术问题所采用的技术方案是：

本发明提出一种云边架构中大规模目标网络构建方法，该方法包括，

步骤一：构建云边平台，在云边平台的控制节点和计算节点上分别启动自动化部署服务；

步骤二、在云边平台上进行虚拟网络的自动化部署，云边平台上控制节点的自动化部署服务负责接收部署任务，然后将部署任务下发给云边平台的计算节点，完成部署任务，部署出的虚拟网络集成虚拟层网络、容器网络、模拟层网络三种不同类型的网络，并通过定制化的路由节点将三种网络融合起来；

步骤三、采用仿真算法对部署的虚拟网络进行节点链路特性仿真；其中，所述仿真算法包括网络延迟仿真算法、丢包率仿真算法和带宽仿真算法；

网络延迟仿真算法用于节点链路的网络延迟特性仿真，丢包率仿真算法用于节点链路的丢包率特性仿真，带宽仿真算法用于节点链路的带宽特性仿真。

进一步地，在云边平台上进行虚拟网络的自动化部署时，额外集成了容器节点和模拟层节点的部署，支持单一云内部的部署任务下发以及核心云与边缘云之间协同部署。

进一步地，在云边平台上进行虚拟网络的自动化部署时，部署服务对不同仿真粒度节点(不同仿真类型节点)的部署需求进行了抽象，以虚拟网络拓扑描述文件的形式传递部署参数。

进一步地，在步骤二中，针对路由节点进行定制，将三种不同类型(三种不同粒度)的节点互相连接，使得不同粒度的虚拟网络能够融合成一体；路由节点定制的方法为：基于Linux操作系统的开放性，采用将路由软件Quagga集成到虚拟化节点(虚拟化节点可以为虚拟机或容器)的Linux操作系统镜像中来实现，即可将一个虚拟层的节点变为一个具备完整功能的虚拟路由节点，完成定制。

进一步地，所述网络延迟仿真算法具体步骤包括，

步骤三一一、获取输入信息，所述输入信息包括链路仿真信息和目标延迟；

步骤三一二、将链路仿真信息进行解析，获取仿真链路的源节点和目的节点；

步骤三一三、基于路由表计算源节点和目的节点之间的网络跳数；

步骤三一四、根据网络跳数作为输入向量加载对应的LSTM模型作为延迟预测模型；

步骤三一五、使用预测模型通过输入向量获得下一秒的网络延迟预测值；

步骤三一六、根据网络延迟预测值计算误差，并根据所述误差修正延迟仿真服务；

步骤三一七、根据所述网络延迟预测值重新调整输入向量；

步骤三一八、重复执行步骤三一四至步骤三一七。

进一步地，所述丢包率仿真算法具体步骤包括，

步骤三二一、获取输入信息，所述输入信息包括链路仿真信息、目标丢包率、时间间隔调整步长、动态调整时间间隔的上界和下界；

步骤三二二、将链路仿真信息进行解析，获取仿真链路的源节点和目的节点；

步骤三二三、启动丢包率监控服务，使监控周期与所述时间间隔调整步长相等；

步骤三二四、获取上一个动态调整周期内的丢包率P0，并与当前丢包率L0比较大小，当P0小于L0时，重新设置丢包率，并将动态调整周期重置为所述动态调整时间间隔下界；当P0等于L0时，将动态调整周期调整为当前动态调整周期增加一个时间间隔调整步长。

进一步地，所述动态调整时间间隔下界与所述时间间隔调整步长相等，所述动态调整时间间隔上界为所述动态调整时间间隔下界的整数倍。

进一步地，所述带宽算法具体步骤包括，

步骤三三一、获取输入信息，所述输入信息包括链路仿真信息和目标带宽；

步骤三三二、将链路仿真信息进行解析，获取仿真链路的源节点和目的节点；

步骤三三三、计算源节点和目的节点之间的带宽值；

步骤三三四、根据所述带宽值获取链路的最大带宽；

步骤三三五、判断目标带宽和最大带宽的大小；如果最大带宽大于目标带宽，则仿真可行，调用仿真服务进行带宽仿真；如果最大带宽小于目标带宽，则仿真不可行，算法结束。

本发明具有以下有益技术效果：本发明中云边平台上的自动化部署服务是根据云边平台的架构重新设计而成，支持单一云内部的部署任务下发以及核心云与边缘云之间协同部署。部署服务所部署的虚拟网络不仅包括云原生的虚拟机节点，还额外集成了容器节点和模拟层节点的部署，用以满足不同类型的虚拟网络部署需求，同时能够支持大规模(万级节点)的虚拟网络部署；自定义的路由节点将三种不同粒度的节点互相连接，使得不同粒度的虚拟网络能够融合成一体；采用网络延迟仿真算法、丢包率仿真算法和带宽仿真算法对部署的虚拟网络进行节点链路特性仿真，使虚拟网络链路特性(包括网络延迟、丢包率、带宽)更贴近真实的物理链路，且针对链路中对应特性存在的原始误差，提出了对应的减小误差的算法，使仿真精度进一步得到提升。

本发明在云边平台上进行虚拟网络的自动化部署，虚拟网络集成了虚拟层网络、容器网络、模拟层网络三种不同类型的网络，并通过定制化的路由节点将三种网络融合起来，融合后的网络的节点规模数量达到万级。

附图说明

图1示出了根据本发明实施例一种云边架构中大规模目标网络构建方法的示意性流程图；

图2示出了网络拓扑自动化部署框架；

图3示出了蜂窝网络拓扑结构示意图；

图4示出了不同类型节点的部署时长；

图5示出了LSTM网络延迟预测模型结构；

图6示出了根据本发明实施例一种云边架构中大规模目标网络构建方法中的网络延迟仿真算法的对比结果图；

图7示出了根据本发明实施例一种云边架构中大规模目标网络构建方法中的丢包率仿真算法的对比结果图。

具体实施方式

为使本领域的技术人员更好地理解本发明的技术方案，下面结合附图来对本发明进行详细描述。

云边架构下大规模目标网络构建的关键技术主要包括两个部分，一是虚拟网络拓扑自动化部署技术，二是虚拟网络链路特性仿真技术。虚拟网络拓扑自动化部署技术根据目标网络部署需求选取构建边缘云平台，并基于云边平台探究为虚拟网络拓扑中各种类型的节点提供不同粒度的虚拟化仿真服务(虚拟机、容器、模拟器)。链路特性仿真技术目标是让虚拟链路的特性(延迟、丢包率、带宽)贴近真实物理链路，并在仿真时针对链路中对应特性存在的原始误差，提出了对应的消除误差、提升仿真精度的算法。

本发明实施例提出一种云边架构中大规模目标网络构建方法，图1示出了根据本发明实施例一种云边架构中大规模目标网络构建方法的示意性流程图。如图1所示，该方法包括，

步骤一、构建云边平台；

根据本发明实施例，云边架构的基础设施采用开源的边缘云计算平台StarlingX搭建而成，StarlingX集成了众多知名的开源组件如OpenStack、Kubernets、Ceph等等，用以提供高性能的虚拟化、存储和网络等功能，并且还开发了新的服务用以填补开源生态系统中的空白，以增强软件组件的部署，可维护性和操作性。

步骤二、在云边平台上进行虚拟网络的自动化部署；

根据本发明实施例，在构建出的云边平台上实现了一套虚拟网络的自动化部署框架，图2示出了网络拓扑自动化部署框架。如图2所示，对于一个云来说，控制节点是整个云的核心，所有的控制、分配和调度命令从控制节点发出，由其它节点接收并执行。自动化部署服务位于云的控制节点上，通过对外暴露端口来实现为外部的用户提供部署服务。用户访问服务端口，向服务端传递必要的配置信息和用于构建目标虚拟网络的场景剧本，部署服务解析配置信息和虚拟网络的场景剧本，调动平台的底层接口创建对应的虚拟网络。对于整个云边架构来说，核心云是所有云的控制中心。用户将定制的网络拓扑从主管理端下发到核心云控制节点的部署服务上，经由服务对拓扑的部署任务进行拆分，又进一步将任务发送其他的边缘云或者直接在本地完成，体现了云边协同的特点。

根据本发明实施例，在进行虚拟网络拓扑部署时，部署服务需要能够支持虚拟机、容器和离散事件模拟器三种不同粒度的仿真节点的部署，不同粒度仿真节点的部署需求不同，底层的虚拟化仿真应用程序实现也不同。为了能够对虚拟网络部署接口进行统一，部署服务对不同粒度仿真节点的部署需求进行了抽象，隐藏了底层虚拟化仿真应用程序的实现，以虚拟网络拓扑描述文件的形式传递部署参数。

根据本发明实施例，在StarlingX平台上，全虚拟化网络的构建由平台中集成的OpenStack来实现。管理端需要传递用于描述全虚拟化网络的拓扑描述文件给自动化部署服务，而拓扑描述文件是以YAML格式组织而成，如表1所示。

表1全虚拟化网络拓扑描述文件

对表1中描述文件进行说明。Networks关键字下包含4个次级关键字，name关键字用于描述该虚拟网络的名字；cidr关键字即无类别域间路由，用于描述该网络对应的网段和子网掩码；type关键字描述虚拟网络的类型，有vlan、vxlan和flat三种可选；segment_id关键字与type关键字相关联，为虚拟网络分配一个独一无二的标签。

Instances关键字下包含5个次级关键字，name用于描述虚拟机实例的名字；image描述用于构建虚拟机的镜像的名字；flavor用于描述分配给虚拟机的硬盘大小、内存、cpu核数等参数；zone告知控制节点要将虚拟机分配给哪个主机聚合；networks标识虚拟机所连接的网络名称，与主关键字networks中的name相对应；一个虚拟机实例可以同时属于多个网段，在缺省情况下，虚拟机实例在网段中的ip由dhcp分配。

根据本发明实施例，在StarlingX平台上，轻量级虚拟化网络的构建由平台中集成的Kubernets来实现。管理端需要传递用于描述轻量级虚拟化网络的拓扑描述文件给部署服务，量级虚拟化网络的拓扑描述文件如表2所示。

表2轻量级虚拟化网络拓扑描述文件

对表2中描述文件进行说明。在Kubernets中，pod是系统中可以创建和管理的最小单元，也是资源对象模型中由用户创建或部署的最小资源对象模型，每个pod是由一个或者多个容器组成的，pod内的所有容器共享存储和网络。所以在轻量级虚拟化网络拓扑中，pods作为主关键字存在，name、namespaces和containers是二级关键字，分别描述pod的名字、pod所属的命名空间(群、组)和所有组成pod的每个容器的信息。对于每个容器来说，container_name和image描述了容器实例的名称和创建容器实例所使用的镜像。在单个云上的整个Kubernets集群中，所有的pod会位于一个二层网络之中。

根据本发明实施例，模拟层网络由离散事件模拟器NS-3进行模拟构建，模拟器不直接运行在云平台之上，需要有虚拟化节点作为其宿主机运行，模拟层网络的拓扑描述如表3所示。

表3模拟层网络拓扑描述文件

对表3中描述文件进行说明。host_name关键字指定了模拟层网络所在的虚拟层宿主机名称；host_type指明宿主机的类型；CIDR指定了模拟层网络所属的网段；num关键字指定了要模拟的离散节点的个数。

根据本发明实施例，为了使部署出的模拟层、虚拟层网络实现互连互通，本发明针对路由节点进行定制。基于Linux操作系统的开放性，采用将路由软件Quagga集成到虚拟化节点(虚拟机、容器)的Linux操作系统镜像中来实现，这样即可将一个虚拟层的节点变为一个具备完整功能的虚拟路由节点。

根据本发明实施例，以某区域蜂窝网络为背景构建大规模目标网络，所谓“大规模”指的是，虚拟层、模拟层的网络节点(ip)的数量达到万级。图3示出了某区域蜂窝网络拓扑结构示意图，其中，虚拟层网络节点的规模为9，代表了目标网络由9个基站分别覆盖的小型区域网络组合而成，每个基站覆盖的下的普通用户很多，总计10800个普通用户节点，平均分布到每个基站为1200个。这些用户会聚合出一个个小的子网，表示成模拟层的网络节点，拓扑对应的用例如表4所示，虚拟层网络分别使用虚拟机和容器部署。

表4某区域蜂窝网络规模分布

图4示出了不同类型节点的部署时长，从图中可以看出，当虚拟层为虚拟机节点时，部署时长为268.82秒；当虚拟层为容器节点时，部署时长为13.01秒；因此容器的部署速度是比虚拟机要快的。如果对虚拟层的部署速度有需求，可以选择部署容器，如果对节点的配置、仿真程度有要求，同时对部署速度有一定的容忍度，可以选择部署虚拟机。10000个模拟节点的部署时间为290.3秒，部署速度最快。

步骤三、采用仿真算法对部署的虚拟网络进行节点链路特性仿真；其中，仿真算法包括网络延迟仿真算法、丢包率仿真算法和带宽仿真算法。

根据本发明实施例，链路仿真技术设计并实现了网络延迟仿真算法、丢包率仿真算法和带宽仿真算法，以实现仿真精度的提升。

网络延迟仿真算法使用LSTM神经网络对链路中的原始网络延迟进行预测，用于训练的LSTM神经网络模型由3层网络结构组成，包括两个堆叠的LSTM层和一个Dense层，图5示出了LSTM网络延迟预测模型结构。举例说明，输入单元大小为8，每个LSTM层的隐含单元数为24，Dense层是全连接层，用于将LSTM层的输出向量进行线性加权，输出得到预测的网络延迟值。

网络延迟仿真算法具体步骤包括，

步骤三一一、获取输入信息，输入信息包括链路仿真信息和目标延迟；

步骤三一二、将链路仿真信息进行解析，获取仿真链路的源节点和目的节点；

步骤三一三、基于路由表计算源节点和目的节点之间的网络跳数；

步骤三一四、根据网络跳数作为输入向量加载对应的LSTM模型作为延迟预测模型；

步骤三一五、使用预测模型通过输入向量获得下一秒的网络延迟预测值；

步骤三一六、根据网络延迟预测值计算误差，并根据误差修正延迟仿真服务；

步骤三一七、根据网络延迟预测值重新调整输入向量；

步骤三一八、重复执行步骤三一四至步骤三一七。

算法代码如下所示。算法接收的输入包括了链路信息和目标延迟，算法首先解析链路信息获取仿真链路的源节点和目的节点，然后基于路由表计算源节点和目的节点之间的网络跳数hops，根据网络跳数加载对应的LSTM模型作为延迟预测模型，算法第4行测量了源节点和目的节点之间前8秒网络延迟数据作为模型的初始输入向量，然后进入循环。循环首先使用预测模型通过输入向量预测下一秒的网络延迟，接着根据预测模型的输出计算误差，修正针对该链路的延迟仿真服务(6-10行)，然后根据预测模型的输出重新调整输入向量(11-14行)，休息1秒后重新执行循环。

丢包率仿真算法具体步骤包括，

步骤三二一、获取输入信息，输入信息包括链路仿真信息、目标丢包率、时间间隔调整步长、动态调整时间间隔的上界和下界；

步骤三二二、将链路仿真信息进行解析，获取仿真链路的源节点和目的节点；

步骤三二三、启动丢包率监控服务，使监控周期与时间间隔调整步长相等；

步骤三二四、获取上一个动态调整周期内的丢包率P0，并与当前丢包率L0比较大小，当P0小于L0时，重新设置丢包率，并将动态调整周期重置为动态调整时间间隔下界；当P0等于L0时，将动态调整周期调整为当前动态调整周期增加一个时间间隔调整步长。

进一步地，动态调整时间间隔下界与时间间隔调整步长相等，动态调整时间间隔上界为动态调整时间间隔下界的整数倍。

算法代码如下所示。算法首先解析链路信息获取仿真链路的源节点和目的节点，然后启动丢包率监控服务(第4行)，监控周期与步长step相等，默认为5秒，之后进入动态调整阶段。算法获取上一个调整周期t内的丢包率P_src,dst，并判断与当前设置丢包率loss的大小，当P_src,dst小于loss时，说明链路上的丢包率误差大于0，需要重新设置丢包率，并将调整周期t重置为minRate。当P_src,dst等于loss时，说明链路误差为0，周期t会增加一个步长。minRate的值与监控服务的监控周期(即步长)相等，maxRate取minRate的整数倍，默认为12。

带宽算法具体步骤包括，

步骤三三一、获取输入信息，输入信息包括链路仿真信息和目标带宽；

步骤三三二、将链路仿真信息进行解析，获取仿真链路的源节点和目的节点；

步骤三三三、计算源节点和目的节点之间的带宽值；

步骤三三四、根据带宽值获取链路的最大带宽；

步骤三三五、判断目标带宽和最大带宽的大小；如果最大带宽大于目标带宽，则仿真可行，调用仿真服务进行带宽仿真；如果最大带宽小于目标带宽，则仿真不可行，算法结束。

算法代码如下所示。算法首先解析链路信息获取仿真链路的源节点和目的节点，然后计算源节点和目的节点之间的带宽值，用这个值近似链路的最大带宽。获得最大带宽后，判断目标仿真值和最大带宽的大小，如果最大带宽大于目标值，则仿真可行，调用仿真服务进行带宽仿真，如果最大带宽小于目标值，则仿真不可行，算法结束。

根据本发明实施例，选取图3中的链路1-9(链路的两个端点为基站节点1和基站节点9的链路)作为实验对象，分别使用本发明提出的网络延迟仿真算法、一种动态差分补偿算法和不使用任何算法进行对比实验，图6示出了根据本发明实施例一种云边架构中大规模目标网络构建方法中的网络延迟仿真算法的对比结果图，其中链路的目标延迟设置为30ms。

从图6中可以看出，本发明方法中的网络延迟仿真算法是三种算法中仿真精度最高的算法，相较于仿真目标的最大误差为0.6％。

根据本发明实施例，选取图3中的链路6-7(链路的两个端点为基站节点6和基站节点7的链路)作为实验对象，进行5组测试，期望的丢包率分别为10％、20％、30％、40％和50％，每次测试发送1000个数据包，分别使用本发明提出的丢包率仿真算法、基于随机数生成器的丢包算法和不使用任何算法进行对比实验，图7示出了根据本发明实施例一种云边架构中大规模目标网络构建方法中的丢包率仿真算法的对比结果图。

从图7中可以看出，本发明方法中的丢包率仿真算法的丢包率误差在0.1％—1.0％，且5组测试结果都是最优的，相较于不使用算法的情况仿真精度提升了72.1％。

根据本发明实施例，选取图3中的链路4-5(链路的两个端点为基站节点4和基站节点5的链路)作为实验对象，分别使用本发明提出的带宽仿真算法和不使用任何算法进行带宽仿真对比实验，表5展示了仿真结果。从表5中可以看出，本发明方法中的带宽仿真算法可以对目标带宽进行仿真，判断仿真目标是否可行并进行反馈，确定仿真是否成功，提升了仿真的精度。

表5带宽仿真结果

尽管根据有限数量的实施例描述了本发明，但是受益于上面的描述，本技术领域内的技术人员明白，在由此描述的本发明的范围内，可以设想其它实施例。此外，应当注意，本说明书中使用的语言主要是为了可读性和教导的目的而选择的，而不是为了解释或者限定本发明的主题而选择的。因此，在不偏离所附权利要求书的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。对于本发明的范围，对本发明所做的公开是说明性的，而非限制性的，本发明的范围由所附权利要求书限定。

Claims (7)

1.一种云边架构中大规模目标网络构建方法，其特征在于，步骤包括：

步骤一、采用开源的边缘云计算平台StarlingX搭建云边平台，并在云边平台的控制节点和计算节点上分别启动自动化部署服务；

步骤二、在云边平台上进行虚拟网络的自动化部署，云边平台上控制节点的自动化部署服务负责接收部署任务，然后将部署任务下发给云边平台的计算节点，完成部署任务，部署出的虚拟网络集成虚拟层网络、容器网络、模拟层网络三种不同类型的网络，并通过定制化的路由节点将三种网络融合起来；针对路由节点进行定制，将三种不同类型的节点互相连接，使得不同粒度的虚拟网络能够融合成一体；路由节点定制的方法为：基于Linux操作系统的开放性，采用将路由软件Quagga集成到虚拟化节点的Linux操作系统镜像中来实现，即可将一个虚拟层的节点变为一个具备完整功能的虚拟路由节点，完成定制；

步骤三、采用仿真算法对部署的虚拟网络进行节点链路特性仿真；其中，所述仿真算法包括网络延迟仿真算法、丢包率仿真算法和带宽仿真算法；

网络延迟仿真算法用于节点链路的网络延迟特性仿真，丢包率仿真算法用于节点链路的丢包率特性仿真，带宽仿真算法用于节点链路的带宽特性仿真。

2.根据权利要求1所述一种云边架构中大规模目标网络构建方法，其特征在于，在云边平台上进行虚拟网络的自动化部署时，额外集成了容器节点和模拟层节点的部署，支持单一云内部的部署任务下发以及核心云与边缘云之间协同部署。

3.根据权利要求1或2所述一种云边架构中大规模目标网络构建方法，其特征在于，在云边平台上进行虚拟网络的自动化部署时，部署服务对不同仿真粒度节点的部署需求进行了抽象，以虚拟网络拓扑描述文件的形式传递部署参数。

4.根据权利要求1所述一种云边架构中大规模目标网络构建方法，其特征在于，所述网络延迟仿真算法具体步骤包括，

步骤三一一、获取输入信息，所述输入信息包括链路仿真信息和目标延迟；

步骤三一二、将链路仿真信息进行解析，获取仿真链路的源节点和目的节点；

步骤三一三、基于路由表计算源节点和目的节点之间的网络跳数；

步骤三一四、根据网络跳数作为输入向量加载对应的LSTM模型作为延迟预测模型；

步骤三一五、使用预测模型通过输入向量获得下一秒的网络延迟预测值；

步骤三一六、根据网络延迟预测值计算误差，并根据所述误差修正延迟仿真服务；

步骤三一七、根据所述网络延迟预测值重新调整输入向量；

步骤三一八、重复执行步骤三一四至步骤三一七。

5.根据权利要求1所述一种云边架构中大规模目标网络构建方法，其特征在于，所述丢包率仿真算法具体步骤包括，

步骤三二一、获取输入信息，所述输入信息包括链路仿真信息、目标丢包率、时间间隔调整步长、动态调整时间间隔的上界和下界；

步骤三二二、将链路仿真信息进行解析，获取仿真链路的源节点和目的节点；

步骤三二三、启动丢包率监控服务，使监控周期与所述时间间隔调整步长相等；

步骤三二四、获取上一个动态调整周期内的丢包率P0，并与当前丢包率L0比较大小，当P0小于L0时，重新设置丢包率，并将动态调整周期重置为所述动态调整时间间隔下界；当P0等于L0时，将动态调整周期调整为当前动态调整周期增加一个时间间隔调整步长。

6.根据权利要求5所述一种云边架构中大规模目标网络构建方法，其特征在于，所述动态调整时间间隔下界与所述时间间隔调整步长相等，所述动态调整时间间隔上界为所述动态调整时间间隔下界的整数倍。

7.根据权利要求1所述一种云边架构中大规模目标网络构建方法，其特征在于，所述带宽算法具体步骤包括，

步骤三三一、获取输入信息，所述输入信息包括链路仿真信息和目标带宽；

步骤三三二、将链路仿真信息进行解析，获取仿真链路的源节点和目的节点；

步骤三三三、计算源节点和目的节点之间的带宽值；

步骤三三四、根据所述带宽值获取链路的最大带宽；

步骤三三五、判断目标带宽和最大带宽的大小；如果最大带宽大于目标带宽，则仿真可行，调用仿真服务进行带宽仿真；如果最大带宽小于目标带宽，则仿真不可行，算法结束。

Images