CN113038520A - 一种拓扑感知的虚拟网服务故障恢复方法及系统 - Google Patents
一种拓扑感知的虚拟网服务故障恢复方法及系统 Download PDFInfo
- Publication number
- CN113038520A CN113038520A CN202110350290.2A CN202110350290A CN113038520A CN 113038520 A CN113038520 A CN 113038520A CN 202110350290 A CN202110350290 A CN 202110350290A CN 113038520 A CN113038520 A CN 113038520A
- Authority
- CN
- China
- Prior art keywords
- virtual network
- recovered
- network service
- recovery
- 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.)
- Granted
Links
- 238000011084 recovery Methods 0.000 title claims abstract description 186
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000012163 sequencing technique Methods 0.000 claims abstract description 11
- 238000004364 calculation method Methods 0.000 claims description 35
- 230000000694 effects Effects 0.000 abstract description 3
- 238000004422 calculation algorithm Methods 0.000 description 30
- 238000004458 analytical method Methods 0.000 description 24
- 239000011159 matrix material Substances 0.000 description 11
- 238000013468 resource allocation Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000013507 mapping Methods 0.000 description 4
- 238000010606 normalization Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 235000019800 disodium phosphate Nutrition 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/04—Arrangements for maintaining operational condition
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明提供一种拓扑感知的虚拟网服务故障恢复方法及系统,其中方法包括:根据故障的底层节点集合、故障的底层链路集合,构建需要恢复的虚拟网服务集合;其中,所述需要恢复的虚拟网服务集合包括若干个需要恢复的虚拟网业务;通过恢复价值模型,生成每一个所述的需要恢复的虚拟网业务的恢复价值;根据所述恢复价值对所有需要恢复的虚拟网业务以预设排序规则进行排序,得到虚拟网服务恢复集合;通过备份信息对所述虚拟网服务恢复集合中的底层节点和底层链路进行恢复。本发明提供的方法具有较好的应用效果和性能,较好提升了服务故障恢复率。
Description
技术领域
本发明涉及电力通信网的故障管理技术领域,特别是涉及一种拓扑感知的虚拟网服务故障恢复方法及系统。
背景技术
网络切片技术是5G网络的关键技术。在5G网络切片下,原来的基础网络被划分为底层网络和虚拟网络。底层网络为虚拟网提供底层节点和底层链路。虚拟网络通过租用底层网络资源,承载特定的虚拟网服务。基于此,网络切片环境下可以实现虚拟网服务的快速构建和使用。为保证虚拟网服务的可靠运行,当底层网络出现故障后,如何快速恢复虚拟网业务已成为重要的研究内容。
为提升故障网络资源恢复的能力,现有技术取网络分割思路,根据网络特征将网络分为多个区域后进行故障恢复,有效提升了故障恢复算法的能力。但是,现有技术忽略了恢复的虚拟网服务及其相关恢复资源的价值,导致恢复的虚拟网服务数量需要进一步提升。
发明内容
本发明提供一种拓扑感知的虚拟网服务故障恢复方法及系统,具有较好的应用效果和性能,较好提升了服务故障恢复率。
本发明一个实施例提供一种拓扑感知的虚拟网服务故障恢复方法,包括:
根据故障的底层节点集合、故障的底层链路集合,构建需要恢复的虚拟网服务集合;其中,所述需要恢复的虚拟网服务集合包括若干个需要恢复的虚拟网业务;
通过恢复价值模型,生成每一个所述的需要恢复的虚拟网业务的恢复价值;
根据所述恢复价值对所有需要恢复的虚拟网业务以预设排序规则进行排序,得到虚拟网服务恢复集合;
通过备份信息对所述虚拟网服务恢复集合中的底层节点和底层链路进行恢复。
进一步地,所述恢复价值模型包括:需要恢复的底层节点资源子模型、需要恢复的底层链路资源子模型、需要恢复的底层节点价值子模型、需要恢复的底层链路价值子模型;
所述恢复价值包括:需要恢复的底层节点资源、需要恢复的底层链路资源、需要恢复的底层节点价值、需要恢复的底层链路价值。
进一步地,所述通过恢复价值模型,生成每一个所述的需要恢复的虚拟网业务的恢复价值,包括:
通过需要恢复的底层节点资源子模型,生成每一个所述的需要恢复的虚拟网业务的需要恢复的底层节点资源;具体地:
所述需要恢复的底层节点资源为底层节点的数量乘以每个节点恢复需要的资源量;通过以下公式进行计算:
进一步地,所述通过恢复价值模型,生成每一个所述的需要恢复的虚拟网业务的恢复价值,包括:
通过需要恢复的底层链路资源子模型,生成每一个所述的需要恢复的虚拟网业务的需要恢复的底层链路资源;具体地:
所述需要恢复的底层链路资源为底层链路的数量乘以每个链路恢复需要的资源量;通过以下公式进行计算:
进一步地,所述通过恢复价值模型,生成每一个所述的需要恢复的虚拟网业务的恢复价值,包括:
通过需要恢复的底层节点价值子模型,生成每一个所述的需要恢复的虚拟网业务的需要恢复的底层节点价值;通过以下公式进行计算:
其中,为需要恢复的底层节点价值,ni为故障的虚拟网业务的底层节点,表示故障的虚拟网业务的底层节点集合,cpu(ni)为底层网络节点ni的属性计算资源,ek为与底层节点ni连接的底层链路,L(ni)表示与底层节点ni连接的底层链路ek的集合,bw(ek)为虚拟网络链路ek的属性带宽资源需求。
进一步地,所述通过恢复价值模型,生成每一个所述的需要恢复的虚拟网业务的恢复价值,包括:
通过需要恢复的底层链路价值子模型,生成每一个所述的需要恢复的虚拟网业务的需要恢复的底层链路价值;通过以下公式进行计算:
进一步地,所述根据所述恢复价值对所有需要恢复的虚拟网业务以预设排序规则进行排序,得到虚拟网服务恢复集合,具体地:
根据所述需要恢复的底层节点资源、需要恢复的底层链路资源、需要恢复的底层节点价值、需要恢复的底层链路价值,通过TOPSIS排序法,对所有需要恢复的虚拟网业务进行降序排列,得到虚拟网服务恢复集合。
进一步地,所述通过备份信息对所述虚拟网服务恢复集合中的底层节点和底层链路进行恢复,包括:
在判断存有备份信息时,获取所述虚拟网服务恢复集合中的底层节点和底层链路;
判断所述备份信息是否满足恢复所述虚拟网服务恢复集合中的底层节点和底层链路的需求;
若满足,则对所述虚拟网服务恢复集合中的底层节点和底层链路进行恢复,且标记恢复成功的虚拟网服务数量M增加1。
本发明一实施例提供一种拓扑感知的虚拟网服务故障恢复系统,包括:
虚拟网服务集合构建模块,用于根据故障的底层节点集合、故障的底层链路集合,构建需要恢复的虚拟网服务集合;其中,所述需要恢复的虚拟网服务集合包括若干个需要恢复的虚拟网业务;
恢复价值生成模块,用于通过恢复价值模型,生成每一个所述的需要恢复的虚拟网业务的恢复价值;
排序模块,用于根据所述恢复价值对所有需要恢复的虚拟网业务以预设排序规则进行排序,得到虚拟网服务恢复集合;
恢复模块,用于通过备份信息对所述虚拟网服务恢复集合中的底层节点和底层链路进行恢复。
进一步地,所述恢复价值生成模块,包括:底层节点资源恢复子模块、底层链路资源恢复子模块、需要恢复的底层节点价值计算子模块、需要恢复的底层链路价值计算子模块。
与现有技术相比,本发明实施例的有益效果在于:
本发明一个实施例提供一种拓扑感知的虚拟网服务故障恢复方法,包括:根据故障的底层节点集合、故障的底层链路集合,构建需要恢复的虚拟网服务集合;其中,所述需要恢复的虚拟网服务集合包括若干个需要恢复的虚拟网业务;通过恢复价值模型,生成每一个所述的需要恢复的虚拟网业务的恢复价值;根据所述恢复价值对所有需要恢复的虚拟网业务以预设排序规则进行排序,得到虚拟网服务恢复集合;通过备份信息对所述虚拟网服务恢复集合中的底层节点和底层链路进行恢复。具有较好的应用效果和性能,较好提升了服务故障恢复率。
附图说明
为了更清楚地说明本发明的技术方案,下面将对实施方式中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅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是本发明某一实施例提供的一种拓扑感知的虚拟网服务故障恢复方法的流程图;
图2是本发明另一实施例提供的一种拓扑感知的虚拟网服务故障恢复方法的流程图;
图3是本发明另一实施例提供的一种拓扑感知的虚拟网服务故障恢复方法的流程图;
图4是本发明又一实施例提供的一种拓扑感知的虚拟网服务故障恢复方法的流程图;
图5是本发明又一实施例提供的网络规模对算法性能影响分析示意图;
图6是本发明又一实施例提供的恢复资源数量对算法性能影响分析示意图;
图7是本发明某一实施例提供的一种拓扑感知的虚拟网服务故障恢复系统的装置图;
图8是本发明某一实施例提供的一种拓扑感知的虚拟网服务故障恢复系统的装置图;
图9是本发明某一实施例提供的一种电子设备的结构图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅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作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。
应当理解,文中所使用的步骤编号仅是为了方便描述,不对作为对步骤执行先后顺序的限定。
应当理解,在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
为提升故障网络资源恢复的能力,文献[Yousaf F Z,Loureiro P,Zdarsky F,etal.Cost analysis of initial deployment strategies for virtualized mobile corenetwork functions[J].IEEE Communications Magazine,2015,53(12):60-66.]提出备份资源选择算法,较好的提升了故障资源的恢复能力。针对网络的动态性给故障恢复算法带来效率低的问题,文献[Saraswat R,Narayanamurthy G,Maheshwari AK.Trafficcapacity based optimization of SOA fault recovery using linear programmingmodel:U.S.Patent 9,430,319[P].2016-8-30.]提出一种自适应的故障资源恢复算法。文献[Kaptchouang S,Ouédraogo I A,Oki E.Preventive start-time optimization oflink weights with link reinforcement[J].IEEE communications letters,2014,18(7):1179-1182.]采用数学规划理论,实现了故障资源的分阶段恢复机制。文献[Genda K,Kamamura S.Multi-stage network recovery considering traffic demand after alarge-scale failure[C]//2016IEEE International Conference on Communications(ICC).IEEE,2016:1-6.]采取网络分割思路,根据网络特征将网络分为多个区域后进行故障恢复,有效提升了故障恢复算法的能力。文献[Kamrul I M,Oki E.Optimization ofOSPF link weight to minimize worst-case network congestion against single-link failure[C]//2011IEEE International Conference on Communications(ICC).IEEE,2011:1-5.]根据网络连通性进行故障恢复,提升了资源恢复的能力。文献[张莉敏,陈晓纯.基于多路由配置的IP快速恢复流量均衡方法[J].计算机技术与发展,2019(2019年06):90-94.]通过识别关键资源并对其进行恢复,有效提升了恢复资源的能力。对于SDN网络环境,文献[Gyllstrom D,Braga N,Kurose J.Recovery from link failures in asmart grid communication network using openflow[C]//2014IEEE InternationalConference on Smart Grid Communications(SmartGridComm).IEEE,2014:254-259.]根据控制器和转发器的架构特征,提出了启发式恢复算法,提升了故障恢复的时效性。
已有研究已经取得较多研究成果。但是,已有研究主要关注恢复的底层资源的价值。忽略了恢复的虚拟网服务及其相关恢复资源的价值,导致恢复的虚拟网服务数量需要进一步提升。为解决此问题,本发明以恢复资源有限约束下恢复失效业务数量最大化为目标,构建了虚拟网业务恢复价值分析算法,提出了拓扑感知的虚拟网服务故障恢复算法。在实验部分,从网络规模、恢复资源数量两个维度下对算法的性能进行了验证。
第一方面。
请参阅图1,本发明一实施例提供一种拓扑感知的虚拟网服务故障恢复方法,包括:
S10、根据故障的底层节点集合、故障的底层链路集合,构建需要恢复的虚拟网服务集合。其中,所述需要恢复的虚拟网服务集合包括若干个需要恢复的虚拟网业务。
在某一具体实施例中,底层网络拓扑使用GS=(NS,ES)表示。NS表示由底层网络节点ns构成的集合。ES表示由底层链路es构成的集合。底层网络节点ns的属性为计算资源,使用cpu(ns)表示。底层网络链路es的属性为带宽资源,使用bw(es)表示。虚拟网络拓扑使用GV=(NV,EV)表示。NV表示由虚拟网络节点nv构成的集合。EV表示由虚拟链路ev构成的集合。虚拟网络节点nv的属性为计算资源需求,使用cpu(nv)表示。虚拟网络链路ev的属性为带宽资源需求,使用bw(ev)表示。
底层网络为虚拟网分配资源,称为虚拟网络映射。虚拟网络映射包括虚拟节点资源分配和虚拟链路资源分配。虚拟节点资源分配使用{a↓A,b↓D,......}表示,其中,a、b表示虚拟网节点,A、D表示底层节点。虚拟链路资源分配使用{(a,b)↓(A,D),(b,c)↓(D,F),......}表示,其中,(a,b)、(b,c)表示虚拟链路。(A,D)、(D,F)表示底层链路。
S20、通过恢复价值模型,生成每一个所述的需要恢复的虚拟网业务的恢复价值。
在某一具体实施方式中,所述恢复价值模型包括:需要恢复的底层节点资源子模型、需要恢复的底层链路资源子模型、需要恢复的底层节点价值子模型、需要恢复的底层链路价值子模型。
所述恢复价值包括:需要恢复的底层节点资源、需要恢复的底层链路资源、需要恢复的底层节点价值、需要恢复的底层链路价值。
在某一具体实施方式中,请参阅图2,所述S20、通过恢复价值模型,生成每一个所述的需要恢复的虚拟网业务的恢复价值,包括:
S21、通过需要恢复的底层节点资源子模型,生成每一个所述的需要恢复的虚拟网业务的需要恢复的底层节点资源。
具体地:所述需要恢复的底层节点资源为底层节点的数量乘以每个节点恢复需要的资源量。
通过以下公式进行计算:
S22、通过需要恢复的底层链路资源子模型,生成每一个所述的需要恢复的虚拟网业务的需要恢复的底层链路资源。
具体地:所述需要恢复的底层链路资源为底层链路的数量乘以每个链路恢复需要的资源量。
通过以下公式进行计算:
S23、通过需要恢复的底层节点价值子模型,生成每一个所述的需要恢复的虚拟网业务的需要恢复的底层节点价值。
通过以下公式进行计算:
其中,为需要恢复的底层节点价值,ni为故障的虚拟网业务的底层节点,表示故障的虚拟网业务的底层节点集合,cpu(ni)为底层网络节点ni的属性计算资源,ek为与底层节点ni连接的底层链路,L(ni)表示与底层节点ni连接的底层链路ek的集合,bw(ek)为虚拟网络链路ek的属性带宽资源需求。
S24、通过需要恢复的底层链路价值子模型,生成每一个所述的需要恢复的虚拟网业务的需要恢复的底层链路价值。
通过以下公式进行计算:
在某一具体实施例中,为了分析虚拟网业务恢复价值,本发明从每个需要恢复的虚拟网业务Sj的需要恢复的底层节点资源、需要恢复的底层链路资源、恢复的底层节点价值、恢复的底层链路价值四个维度进行分析。
对于每个需要恢复的虚拟网业务Sj,使用表示所有需要恢复的底层节点的集合。此时,虚拟网业务Sj需要恢复的底层节点的价值使用公式(3)计算。其中,L(ni)表示与底层节点ni连接的底层链路的集合。公式(3)表示虚拟网业务Sj需要恢复的底层节点的价值为需要恢复的底层节点的计算资源之和,以及需要恢复的底层节点的带宽资源之和。该公式表示,恢复虚拟网业务Sj后可以恢复的底层节点的计算资源及相连接底层链路的带宽之和越大,越可能为更多的虚拟业务提供资源,恢复的底层节点的价值越大。
对于每个需要恢复的虚拟网业务Sj,使用表示所有需要恢复的底层链路的两端节点构成的集合。此时,虚拟网业务Sj需要恢复的底层链路的价值使用公式(4)计算。其中,de(ni)表示节点ni的度数。公式(4)表示虚拟网业务Sj需要恢复的底层链路的价值为需要恢复的底层链路的两个节点的度数之和。此时,度数之和越大,越可能为更多的虚拟业务提供资源,恢复的底层链路价值越大。
为了较好的利用虚拟网业务各个特征,本发明采用TOPSIS排序方法,按照虚拟网业务的恢复价值,对虚拟网业务进行排序。为便于分析各个虚拟网业务的恢复价值,使用虚拟网业务重要性分析矩阵对虚拟网业务的各个特征指标进行描述。虚拟网业务重要性分析矩阵如公式(5)所示。其中,每个元素xij表示第i个需要恢复的虚拟网业务的第j个指标的取值,N表示需要恢复的虚拟网业务的数量,M表示每个虚拟网业务的特征指标数量,本发明M取值为4。
因为四个指标的量纲不同,导致虚拟网业务重要性分析矩阵的重要性判断指标不公平。所以,需要对四个指标进行归一化处理。由于四个指标的取值越大,虚拟网业务的恢复优先级越高。所以,本发明设计的指标归一化的计算方法为公式(6)所示。
归一化后的虚拟网业务重要性分析矩阵使用公式(7)表示。基于公式(7)可以构建正理想决策方案如公式(8)所示,其中,表示第i个虚拟业务中第j个指标的最大值。可以构建负理想决策方案如公式(9)所示,其中,表示第i个虚拟业务中第j个指标的最小值。
R=(rij)NM (7)
使用公式(10)计算需要恢复的虚拟网业务Si到正理想决策方案的相对熵。使用公式(11)计算虚拟网业务i到负理想决策方案的相对熵。
基于上述分析,使用公式(12)可以计算虚拟网业务Si与最佳方案的相似度,即虚拟网业务恢复价值。从公式可知,计算虚拟网业务Si与最佳方案的相似度Zi的取值范围为[0,1]。该值越大,说明虚拟网业务Si与最佳方案越相似。
基于上述分析可知,基于TOPSIS的虚拟网业务恢复价值的计算过程包括:使用公式(6)对虚拟网业务重要性分析矩阵X进行归一化,得到矩阵R。使用公式(8)计算正理想决策方案A+;使用公式(9)计算负理想决策方案A-;使用公式(10)计算计算虚拟网业务Si到正理想决策方案的相对熵使用公式(11)计算计算虚拟网业务i到负理想决策方案的相对熵使用公式(12)计算虚拟网业务Si与最佳方案的相似度Zi,即虚拟网业务恢复价值。
S30、根据所述恢复价值对所有需要恢复的虚拟网业务以预设排序规则进行排序,得到虚拟网服务恢复集合。
在某一具体实施方式中,请参阅图3,所述S30、根据所述恢复价值对所有需要恢复的虚拟网业务以预设排序规则进行排序,得到虚拟网服务恢复集合,具体地:
S31、根据所述需要恢复的底层节点资源、需要恢复的底层链路资源、需要恢复的底层节点价值、需要恢复的底层链路价值,通过TOPSIS排序法,对所有需要恢复的虚拟网业务进行降序排列,得到虚拟网服务恢复集合。
S40、通过备份信息对所述虚拟网服务恢复集合中的底层节点和底层链路进行恢复。
在某一具体实施方式中,请参阅图4,所述S40、通过备份信息对所述虚拟网服务恢复集合中的底层节点和底层链路进行恢复,包括:
S41、在判断存有备份信息时,获取所述虚拟网服务恢复集合中的底层节点和底层链路。
S42、判断所述备份信息是否满足恢复所述虚拟网服务恢复集合中的底层节点和底层链路的需求。若满足,则对所述虚拟网服务恢复集合中的底层节点和底层链路进行恢复,且标记恢复成功的虚拟网服务数量M增加1。
在某一具体实施例中,使用备份资源,对每个需要恢复的虚拟网服务中的底层节点和底层链路进行恢复,如果恢复成功,虚拟网服务数量加1。
(1)判断是否还有备份资源(Rn、Re),如没有,算法结束;
(3)判断备份资源(Rn、Re)是否满足恢复底层节点和底层链路需求;
(4)如满足,恢复底层节点和底层链路,恢复成功的虚拟网服务数量M加1;
(5)返回步骤(1)。
在某一具体实施例中,在本发明的方案中,为解决网络切片下对发生故障的虚拟网服务的恢复能力较低的问题,本发明提供了一种网络切片下拓扑感知的虚拟网服务故障恢复算法。
根据本发明的一种网络切片下拓扑感知的虚拟网服务故障恢复算法,该算法包括以下步骤:
(101)、构建需要恢复的虚拟网服务集合;
根据故障的底层节点集合Fn、故障的底层链路集合Fe,获得需要恢复的虚拟网服务集合FS;
底层网络拓扑使用GS=(NS,ES)表示。NS表示由底层网络节点ns构成的集合。ES表示由底层链路es构成的集合。底层网络节点ns的属性为计算资源,使用cpu(ns)表示。底层网络链路es的属性为带宽资源,使用bw(es)表示。虚拟网络拓扑使用GV=(NV,EV)表示。NV表示由虚拟网络节点nv构成的集合。EV表示由虚拟链路ev构成的集合。虚拟网络节点nv的属性为计算资源需求,使用cpu(nv)表示。虚拟网络链路ev的属性为带宽资源需求,使用bw(ev)表示。
底层网络为虚拟网分配资源,称为虚拟网络映射。虚拟网络映射包括虚拟节点资源分配和虚拟链路资源分配。虚拟节点资源分配使用{a↓A,b↓D,......}表示,其中,a、b表示虚拟网节点,A、D表示底层节点。虚拟链路资源分配使用{(a,b)↓(A,D),(b,c)↓(D,F),......}表示,其中,(a,b)、(b,c)表示虚拟链路。(A,D)、(D,F)表示底层链路。
(102)、计算虚拟网服务集合中每个虚拟网服务的恢复价值;
对于集合FS中每个需要恢复的虚拟网业务Si,计算其恢复价值;
为了分析虚拟网业务恢复价值,本发明从每个需要恢复的虚拟网业务Sj的需要恢复的底层节点资源、需要恢复的底层链路资源、恢复的底层节点价值、恢复的底层链路价值四个维度进行分析。
对于每个需要恢复的虚拟网业务Sj,使用表示所有需要恢复的底层节点的集合。此时,虚拟网业务Sj需要恢复的底层节点的价值使用公式(3)计算。其中,L(ni)表示与底层节点ni连接的底层链路的集合。公式(3)表示虚拟网业务Sj需要恢复的底层节点的价值为需要恢复的底层节点的计算资源之和,以及需要恢复的底层节点的带宽资源之和。该公式表示,恢复虚拟网业务Sj后可以恢复的底层节点的计算资源及相连接底层链路的带宽之和越大,越可能为更多的虚拟业务提供资源,恢复的底层节点的价值越大。
对于每个需要恢复的虚拟网业务Sj,使用表示所有需要恢复的底层链路的两端节点构成的集合。此时,虚拟网业务Sj需要恢复的底层链路的价值使用公式(4)计算。其中,de(ni)表示节点ni的度数。公式(4)表示虚拟网业务Sj需要恢复的底层链路的价值为需要恢复的底层链路的两个节点的度数之和。此时,度数之和越大,越可能为更多的虚拟业务提供资源,恢复的底层链路价值越大。
为了较好的利用虚拟网业务各个特征,本发明采用TOPSIS排序方法,按照虚拟网业务的恢复价值,对虚拟网业务进行排序。为便于分析各个虚拟网业务的恢复价值,使用虚拟网业务重要性分析矩阵对虚拟网业务的各个特征指标进行描述。虚拟网业务重要性分析矩阵如公式(5)所示。其中,每个元素xij表示第i个需要恢复的虚拟网业务的第j个指标的取值,N表示需要恢复的虚拟网业务的数量,M表示每个虚拟网业务的特征指标数量,本发明M取值为4。
因为四个指标的量纲不同,导致虚拟网业务重要性分析矩阵的重要性判断指标不公平。所以,需要对四个指标进行归一化处理。由于四个指标的取值越大,虚拟网业务的恢复优先级越高。所以,本发明设计的指标归一化的计算方法为公式(6)所示。
归一化后的虚拟网业务重要性分析矩阵使用公式(7)表示。基于公式(7)可以构建正理想决策方案如公式(8)所示,其中,表示第i个虚拟业务中第j个指标的最大值。可以构建负理想决策方案如公式(9)所示,其中,表示第i个虚拟业务中第j个指标的最小值。
R=(rij)NM (7)
使用公式(10)计算需要恢复的虚拟网业务Si到正理想决策方案的相对熵。使用公式(11)计算虚拟网业务i到负理想决策方案的相对熵。
基于上述分析,使用公式(12)可以计算虚拟网业务Si与最佳方案的相似度,即虚拟网业务恢复价值。从公式可知,计算虚拟网业务Si与最佳方案的相似度Zi的取值范围为[0,1]。该值越大,说明虚拟网业务Si与最佳方案越相似。
基于上述分析可知,基于TOPSIS的虚拟网业务恢复价值的计算过程包括:使用公式(6)对虚拟网业务重要性分析矩阵X进行归一化,得到矩阵R。使用公式(8)计算正理想决策方案A+;使用公式(9)计算负理想决策方案A-;使用公式(10)计算计算虚拟网业务Si到正理想决策方案的相对熵使用公式(11)计算计算虚拟网业务i到负理想决策方案的相对熵使用公式(12)计算虚拟网业务Si与最佳方案的相似度Zi,即虚拟网业务恢复价值。
(103)、对需要恢复的虚拟网业务进行排序;
(104)、恢复发生故障的虚拟网业务。
使用备份资源,对每个需要恢复的虚拟网服务中的底层节点和底层链路进行恢复,如果恢复成功,虚拟网服务数量加1。
(1)判断是否还有备份资源(Rn、Re),如没有,算法结束;
(3)判断备份资源(Rn、Re)是否满足恢复底层节点和底层链路需求;
(4)如满足,恢复底层节点和底层链路,恢复成功的虚拟网服务数量M加1;
(5)返回步骤(1)。
为验证本发明算法性能,使用网络拓扑生成工具GT-ITM生成网络环境。生成的网络环境包括底层网络和虚拟网络。底层网络的网络节点数量从100个增加到600个,用于模拟不同规模的底层网络环境。虚拟网络采用任意两点的最短路径进行模拟。为模拟底层网络的故障,将底层网络链路的故障概率设置为[0.002,0.01]范围内的均匀分布。
在比较算法方面,将本发明算法VNSFRA-TA与贪婪恢复算法VNSFRA-GR(Greedyrecovery)进行比较。其中,贪婪恢复算法VNSFRA-GR是指从受影响的业务中以恢复业务数量最大化为目标进行恢复,直到恢复资源使用完毕。实验从底层网络规模、恢复资源数量两个维度,分析了两个算法下的服务故障恢复率。其中,服务故障恢复率是指成功恢复的虚拟网服务数量在总的需要恢复的虚拟网服务数量中的占比。
网络规模对算法性能影响分析结果如图5所示,X轴表示底层网络节点数量从100个增加到600个,Y轴表示服务故障恢复率指标。从图可知,随着底层网络节点数量的增加,两个算法下的服务故障恢复率都快速增加。这是因为底层网络规模增加后,可以恢复的底层资源数量增加,从而为虚拟网服务的恢复提供了更多的可选路径,从而提升了虚拟网服务的恢复成功率。两个算法的结果分析方面,本发明算法显著提升了虚拟网服务故障恢复率,这说明本发明算法能够恢复更多的关键资源,从而提升了虚拟网服务故障的恢复率。
恢复资源数量对算法性能影响分析结果如图6所示。X轴表示恢复资源的数量从50个增加到300个,Y轴表示虚拟网服务故障的恢复率。从图6可知,随着恢复资源数量的增加,两个算法下的服务故障恢复率都在增加,这是因为恢复资源增加后,可以恢复更多的底层网络资源,从而提升了服务故障恢复率。两个算法的比较方面,因为本发明算法能够恢复更多关键的底层网络资源,从而提升了服务故障的恢复率。
第二方面。
请参阅图7-8,本发明一实施例提供一种拓扑感知的虚拟网服务故障恢复系统,包括:
虚拟网服务集合构建模块10,用于根据故障的底层节点集合、故障的底层链路集合,构建需要恢复的虚拟网服务集合;其中,所述需要恢复的虚拟网服务集合包括若干个需要恢复的虚拟网业务。
恢复价值生成模块20,用于通过恢复价值模型,生成每一个所述的需要恢复的虚拟网业务的恢复价值。
在某一具体实施方式中,所述恢复价值生成模块20,包括:底层节点资源恢复子模块21、底层链路资源恢复子模块22、需要恢复的底层节点价值计算子模块23、需要恢复的底层链路价值计算子模块24。
其中,所述底层节点资源恢复子模块21,用于通过需要恢复的底层节点资源子模型,生成每一个所述的需要恢复的虚拟网业务的需要恢复的底层节点资源。
具体地:所述需要恢复的底层节点资源为底层节点的数量乘以每个节点恢复需要的资源量。
通过以下公式进行计算:
其中,所述底层链路资源恢复子模块22,用于通过需要恢复的底层链路资源子模型,生成每一个所述的需要恢复的虚拟网业务的需要恢复的底层链路资源。
具体地:所述需要恢复的底层链路资源为底层链路的数量乘以每个链路恢复需要的资源量。
通过以下公式进行计算:
其中,所述需要恢复的底层节点价值计算子模块23,用于通过需要恢复的底层节点价值子模型,生成每一个所述的需要恢复的虚拟网业务的需要恢复的底层节点价值。
通过以下公式进行计算:
其中,为需要恢复的底层节点价值,ni为故障的虚拟网业务的底层节点,表示故障的虚拟网业务的底层节点集合,cpu(ni)为底层网络节点ni的属性计算资源,ek为与底层节点ni连接的底层链路,L(ni)表示与底层节点ni连接的底层链路ek的集合,bw(ek)为虚拟网络链路ek的属性带宽资源需求。
其中,所述需要恢复的底层链路价值计算子模块24,用于通过需要恢复的底层链路价值子模型,生成每一个所述的需要恢复的虚拟网业务的需要恢复的底层链路价值。
通过以下公式进行计算:
排序模块30,用于根据所述恢复价值对所有需要恢复的虚拟网业务以预设排序规则进行排序,得到虚拟网服务恢复集合。
恢复模块40,用于通过备份信息对所述虚拟网服务恢复集合中的底层节点和底层链路进行恢复。
第三方面。
本发明提供了一种电子设备,该电子设备包括:
处理器、存储器和总线;
所述总线,用于连接所述处理器和所述存储器;
所述存储器,用于存储操作指令;
所述处理器,用于通过调用所述操作指令,可执行指令使处理器执行如本申请的第一方面所示的一种拓扑感知的虚拟网服务故障恢复系统方法对应的操作。
在一个可选实施例中提供了一种电子设备,如图9所示,图9所示的电子设备5000包括:处理器5001和存储器5003。其中,处理器5001和存储器5003相连,如通过总线5002相连。可选地,电子设备5000还可以包括收发器5004。需要说明的是,实际应用中收发器5004不限于一个,该电子设备5000的结构并不构成对本申请实施例的限定。
处理器5001可以是CPU,通用处理器,DSP,ASIC,FPGA或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框,模块和电路。处理器5001也可以是实现计算功能的组合,例如包含一个或多个微处理器组合,DSP和微处理器的组合等。
总线5002可包括一通路,在上述组件之间传送信息。总线5002可以是PCI总线或EISA总线等。总线5002可以分为地址总线、数据总线、控制总线等。为便于表示,图9中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
存储器5003可以是ROM或可存储静态信息和指令的其他类型的静态存储设备,RAM或者可存储信息和指令的其他类型的动态存储设备,也可以是EEPROM、CD-ROM或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。
存储器5003用于存储执行本申请方案的应用程序代码,并由处理器5001来控制执行。处理器5001用于执行存储器5003中存储的应用程序代码,以实现前述任一方法实施例所示的内容。
其中,电子设备包括但不限于:移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。
第四方面。
本发明提供了一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,该程序被处理器执行时实现本申请第一方面所示的一种拓扑感知的虚拟网服务故障恢复系统方法。
本申请的又一实施例提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,当其在计算机上运行时,使得计算机可以执行前述方法实施例中相应内容。
Claims (10)
1.一种拓扑感知的虚拟网服务故障恢复方法,其特征在于,包括:
根据故障的底层节点集合、故障的底层链路集合,构建需要恢复的虚拟网服务集合;其中,所述需要恢复的虚拟网服务集合包括若干个需要恢复的虚拟网业务;
通过恢复价值模型,生成每一个所述的需要恢复的虚拟网业务的恢复价值;
根据所述恢复价值对所有需要恢复的虚拟网业务以预设排序规则进行排序,得到虚拟网服务恢复集合;
通过备份信息对所述虚拟网服务恢复集合中的底层节点和底层链路进行恢复。
2.如权利要求1所述的一种拓扑感知的虚拟网服务故障恢复方法,其特征在于,
所述恢复价值模型包括:需要恢复的底层节点资源子模型、需要恢复的底层链路资源子模型、需要恢复的底层节点价值子模型、需要恢复的底层链路价值子模型;
所述恢复价值包括:需要恢复的底层节点资源、需要恢复的底层链路资源、需要恢复的底层节点价值、需要恢复的底层链路价值。
7.如权利要求2所述的一种拓扑感知的虚拟网服务故障恢复方法,其特征在于,所述根据所述恢复价值对所有需要恢复的虚拟网业务以预设排序规则进行排序,得到虚拟网服务恢复集合,具体地:
根据所述需要恢复的底层节点资源、需要恢复的底层链路资源、需要恢复的底层节点价值、需要恢复的底层链路价值,通过TOPSIS排序法,对所有需要恢复的虚拟网业务进行降序排列,得到虚拟网服务恢复集合。
8.如权利要求1所述的一种拓扑感知的虚拟网服务故障恢复方法,其特征在于,所述通过备份信息对所述虚拟网服务恢复集合中的底层节点和底层链路进行恢复,包括:
在判断存有备份信息时,获取所述虚拟网服务恢复集合中的底层节点和底层链路;
判断所述备份信息是否满足恢复所述虚拟网服务恢复集合中的底层节点和底层链路的需求;
若满足,则对所述虚拟网服务恢复集合中的底层节点和底层链路进行恢复,且标记恢复成功的虚拟网服务数量M增加1。
9.一种拓扑感知的虚拟网服务故障恢复系统,其特征在于,包括:
虚拟网服务集合构建模块,用于根据故障的底层节点集合、故障的底层链路集合,构建需要恢复的虚拟网服务集合;其中,所述需要恢复的虚拟网服务集合包括若干个需要恢复的虚拟网业务;
恢复价值生成模块,用于通过恢复价值模型,生成每一个所述的需要恢复的虚拟网业务的恢复价值;
排序模块,用于根据所述恢复价值对所有需要恢复的虚拟网业务以预设排序规则进行排序,得到虚拟网服务恢复集合;
恢复模块,用于通过备份信息对所述虚拟网服务恢复集合中的底层节点和底层链路进行恢复。
10.如权利要求9所述的一种拓扑感知的虚拟网服务故障恢复系统,其特征在于,所述恢复价值生成模块,包括:底层节点资源恢复子模块、底层链路资源恢复子模块、需要恢复的底层节点价值计算子模块、需要恢复的底层链路价值计算子模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110350290.2A CN113038520B (zh) | 2021-03-31 | 2021-03-31 | 一种拓扑感知的虚拟网服务故障恢复方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110350290.2A CN113038520B (zh) | 2021-03-31 | 2021-03-31 | 一种拓扑感知的虚拟网服务故障恢复方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113038520A true CN113038520A (zh) | 2021-06-25 |
CN113038520B CN113038520B (zh) | 2022-05-10 |
Family
ID=76453311
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110350290.2A Active CN113038520B (zh) | 2021-03-31 | 2021-03-31 | 一种拓扑感知的虚拟网服务故障恢复方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113038520B (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102148737A (zh) * | 2011-04-22 | 2011-08-10 | 浙江大学 | 一种基于多商品流问题模型的虚拟网快速愈合方法 |
EP2814203A1 (en) * | 2013-06-11 | 2014-12-17 | Alcatel Lucent | Method for performing a failure analysis of a communication network |
US20150043383A1 (en) * | 2013-08-07 | 2015-02-12 | Telefonaktiebolaget L M Ericsson (Publ) | Automatic establishment of redundant paths with cautious restoration in a packet network |
US20160117231A1 (en) * | 2014-10-23 | 2016-04-28 | Unitrends, Inc. | Complex Network Modeling For Disaster Recovery |
CN106664214A (zh) * | 2015-04-17 | 2017-05-10 | 华为技术有限公司 | 一种虚拟网络的故障恢复方法和装置 |
CN107017622A (zh) * | 2017-04-12 | 2017-08-04 | 长沙理工大学 | 含dg配网多故障多目标联合优化抢修恢复策略求取 |
US20180359159A1 (en) * | 2017-06-09 | 2018-12-13 | International Business Machines Corporation | Mechanism for fault diagnosis and recovery of network service chains |
CN109617811A (zh) * | 2019-01-29 | 2019-04-12 | 电子科技大学 | 一种云网络中移动应用的快速迁移方法 |
CN110505094A (zh) * | 2019-08-26 | 2019-11-26 | 广东电网有限责任公司 | 一种基于sdn多模通道的电力通信网业务恢复方法 |
CN111130898A (zh) * | 2019-12-30 | 2020-05-08 | 广东电网有限责任公司 | 基于业务特征和节点可靠性的电力通信网故障恢复方法 |
CN111565146A (zh) * | 2020-05-27 | 2020-08-21 | 南方电网调峰调频发电有限公司信息通信分公司 | 一种网络拓扑感知的电力通信网链路故障恢复算法 |
CN112242701A (zh) * | 2020-11-03 | 2021-01-19 | 上海电力大学 | 一种基于配电网多故障抢修任务的分配方法及系统 |
CN112312444A (zh) * | 2020-10-22 | 2021-02-02 | 深圳供电局有限公司 | 一种5g网络切片下资源备份方法 |
CN112685209A (zh) * | 2020-12-24 | 2021-04-20 | 国网河南省电力公司信息通信公司 | 一种虚拟资源检修服务故障恢复方法及系统 |
-
2021
- 2021-03-31 CN CN202110350290.2A patent/CN113038520B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102148737A (zh) * | 2011-04-22 | 2011-08-10 | 浙江大学 | 一种基于多商品流问题模型的虚拟网快速愈合方法 |
EP2814203A1 (en) * | 2013-06-11 | 2014-12-17 | Alcatel Lucent | Method for performing a failure analysis of a communication network |
US20150043383A1 (en) * | 2013-08-07 | 2015-02-12 | Telefonaktiebolaget L M Ericsson (Publ) | Automatic establishment of redundant paths with cautious restoration in a packet network |
US20160117231A1 (en) * | 2014-10-23 | 2016-04-28 | Unitrends, Inc. | Complex Network Modeling For Disaster Recovery |
CN106664214A (zh) * | 2015-04-17 | 2017-05-10 | 华为技术有限公司 | 一种虚拟网络的故障恢复方法和装置 |
CN107017622A (zh) * | 2017-04-12 | 2017-08-04 | 长沙理工大学 | 含dg配网多故障多目标联合优化抢修恢复策略求取 |
US20180359159A1 (en) * | 2017-06-09 | 2018-12-13 | International Business Machines Corporation | Mechanism for fault diagnosis and recovery of network service chains |
CN109617811A (zh) * | 2019-01-29 | 2019-04-12 | 电子科技大学 | 一种云网络中移动应用的快速迁移方法 |
CN110505094A (zh) * | 2019-08-26 | 2019-11-26 | 广东电网有限责任公司 | 一种基于sdn多模通道的电力通信网业务恢复方法 |
CN111130898A (zh) * | 2019-12-30 | 2020-05-08 | 广东电网有限责任公司 | 基于业务特征和节点可靠性的电力通信网故障恢复方法 |
CN111565146A (zh) * | 2020-05-27 | 2020-08-21 | 南方电网调峰调频发电有限公司信息通信分公司 | 一种网络拓扑感知的电力通信网链路故障恢复算法 |
CN112312444A (zh) * | 2020-10-22 | 2021-02-02 | 深圳供电局有限公司 | 一种5g网络切片下资源备份方法 |
CN112242701A (zh) * | 2020-11-03 | 2021-01-19 | 上海电力大学 | 一种基于配电网多故障抢修任务的分配方法及系统 |
CN112685209A (zh) * | 2020-12-24 | 2021-04-20 | 国网河南省电力公司信息通信公司 | 一种虚拟资源检修服务故障恢复方法及系统 |
Non-Patent Citations (1)
Title |
---|
邵维专等: "网络功能虚拟化资源配置及优化研究综述", 《计算机应用研究》 * |
Also Published As
Publication number | Publication date |
---|---|
CN113038520B (zh) | 2022-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109978142B (zh) | 神经网络模型的压缩方法和装置 | |
CN113708972B (zh) | 一种服务功能链部署方法、装置、电子设备及存储介质 | |
CN102388595B (zh) | Vpc迁移中的资源匹配方法及装置 | |
CN102904794A (zh) | 一种虚拟网络映射方法和装置 | |
CN111260076B (zh) | 基于区块链的边缘节点训练方法、区块链及存储介质 | |
CN110968920B (zh) | 一种边缘计算中链式服务实体的放置方法及边缘计算设备 | |
CN112685209B (zh) | 一种虚拟资源检修服务故障恢复方法及系统 | |
CN115358487A (zh) | 面向电力数据共享的联邦学习聚合优化系统及方法 | |
CN111160661B (zh) | 一种电力通信网可靠性优化方法、系统以及设备 | |
US11252077B2 (en) | Network service transmission method and system | |
CN114816739B (zh) | 针对负载均衡的片上网络增量任务映射方法 | |
CN114172819B (zh) | Nfv网元的需求资源预测方法、系统、电子设备和存储介质 | |
CN107360235A (zh) | 一种基于可靠性分级的任务迁移方法 | |
CN107103360A (zh) | 一种基于混合云的可靠应用分配分布式遗传算法 | |
CN113038520B (zh) | 一种拓扑感知的虚拟网服务故障恢复方法及系统 | |
CN104348695B (zh) | 一种基于人工免疫系统的虚拟网络映射方法及其系统 | |
CN112953781A (zh) | 网络切片下基于粒子群的虚拟业务故障恢复方法及装置 | |
Arakawa et al. | Availability‐aware virtual network function placement based on multidimensional universal generating functions | |
CN110995856B (zh) | 一种服务器扩展的方法、装置、设备及存储介质 | |
CN115361295B (zh) | 基于topsis的资源备份方法、装置、设备及介质 | |
CN115617636B (zh) | 一种分布式性能测试系统 | |
CN114157583B (zh) | 一种基于可靠性的网络资源启发式映射方法及系统 | |
CN113722554A (zh) | 数据分类方法、装置及计算设备 | |
Tian et al. | Recovery mechanism of large-scale damaged edge computing net-work in industrial internet of things | |
CN116932228B (zh) | 一种基于志愿者计算的边缘ai任务调度和资源管理系统 |
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 |