CN113079427A - 基于网络演化模型的ason网络业务可用性评估方法 - Google Patents
基于网络演化模型的ason网络业务可用性评估方法 Download PDFInfo
- Publication number
- CN113079427A CN113079427A CN202110469020.3A CN202110469020A CN113079427A CN 113079427 A CN113079427 A CN 113079427A CN 202110469020 A CN202110469020 A CN 202110469020A CN 113079427 A CN113079427 A CN 113079427A
- Authority
- CN
- China
- Prior art keywords
- network
- service
- evolution
- link
- path
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q11/00—Selecting arrangements for multiplex systems
- H04Q11/0001—Selecting arrangements for multiplex systems using optical switching
- H04Q11/0062—Network aspects
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q11/00—Selecting arrangements for multiplex systems
- H04Q11/0001—Selecting arrangements for multiplex systems using optical switching
- H04Q11/0062—Network aspects
- H04Q11/0067—Provisions for optical access or distribution networks, e.g. Gigabit Ethernet Passive Optical Network (GE-PON), ATM-based Passive Optical Network (A-PON), PON-Ring
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q11/00—Selecting arrangements for multiplex systems
- H04Q11/0001—Selecting arrangements for multiplex systems using optical switching
- H04Q11/0062—Network aspects
- H04Q2011/0079—Operation or maintenance aspects
- H04Q2011/0083—Testing; Monitoring
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种基于网络演化模型的ASON网络业务可用性评估方法,具体实现步骤为:步骤一,构建网络演化对象模型;步骤二,生成网络演化条件;步骤三,设定网络演化规则;步骤四,统计网络演化中业务中断事件;步骤五:计算给定演化时长下的业务可用性。本发明给出了完整的基于网络演化模型的大规模复杂ASON网络业务可用性的评估方案用于度量网络的业务可用性;本发明还可以根据统计得到的业务中断停机事件及其中断时长,从微观层面来分析影响业务可用性的瓶颈因素,能够更全面有效地反映ASON网络业务的可用性随时间的演化和发展趋势。
Description
技术领域
本发明属于网络通信以及可靠性技术领域,具体涉及一种基于网络演化模型的ASON网络业务可用性评估方法。
背景技术
随着云计算、移动视频等新兴业务的涌现以及原有通信网络业务需求的大幅增长,推动了光网络由技术驱动型向业务驱动型网络的转变。为了满足不同用户的动态业务需求,自动光交换网络(Automatically Switched Optical Network,ASON)作为新一代的光网络体系结构已经广泛应用于骨干网络中,其通过在传统光传送网络的基础上引入智能控制和管理功能,来实现传输资源的动态优化配置。可用性是指一个系统、子系统或者设备在任意随机时间执行一项任务时处于指定的可操作或可使用状态的程度,其概率度量称为可用性。ASON网络的服务提供商亟需对其提供的业务的可用性进行量化评估,以保证符合与用户签订的服务等级协定(SLA,Service Level Agreement)中的可用性要求。
区别于传统的波分复用WDM(Wavelength Division Multiplexing)光网络中静态配置的固定路径业务,ASON网络支持端到端业务的自动配置和多种业务恢复形式,通过提供不同策略的路径保护和重路由恢复方式来满足用户的差异化需求,使得ASON网络中的业务到网络的基础设施资源存在动态的映射关系,而且业务间往往由于共享网络的恢复资源而相互耦合。目前,基于系统逻辑结构的可靠性框图模型只能从静态连通层面来评估光网络中的服务可用性,针对业务路径动态变化的ASON网络难以适用;而基于随机过程的马尔可夫链模型虽然可以描述网络系统的动态行为特征,但是所需的状态空间会随着评估系统的规模呈指数增长,难以在有限的时间内对实际规模庞大的ASON网络中的业务可用性进行建模评估。
由于ASON网络中业务的动态、耦合和异质性特征,业界目前尚未有一套评估大型ASON网络业务可用性的实用方法。
发明内容
本发明目的是为了解决大型ASON网络中对采用了重路由恢复机制的动态业务进行可用性评估问题,提出了基于网络演化模型的业务可用性建模和评估的新方法,通过在给定网络运行时长和网络构件的平均无故障工作时间(Mean Time to Failure,MTTF)MTTF和平均维修时间(Mean Time to Repair)MTTR数据的情况下,从概率和统计的角度计算给出ASON网络的业务可用性,即在规定时长内网络业务处于可用状态的期望时间占总运行时长的比值。
本发明提供的一种基于网络演化模型的业务可用性评估方法,包括如下步骤:
步骤一:构建网络演化对象模型Evo_object{G,A};
根据实际ASON网络的拓扑结构、基础设施资源部署信息以及提供给用户的业务属性特征,构建用于业务可用性评估的网络演化对象模型;
所述的“网络演化对象”包含两部分内容,第一部分为网络的物理层对象,将网络的基础设施资源抽象为一组节点集V={v1,v2,…,vp,…vn},与一组链路集E={e1,e2,…,ej,…eM}及其容量构成的无向图G(V,E,C),其中vp为网络的一个节点,n为节点数,ej为两个节点之间的连接链路,M为网络的连接链路数,为链路ej的容量;针对ASON网络,节点集V表示光网络中业务的发起或终止的设备节点(例如可重构光分插复用器或光交叉连接),链路集则表示网络中节点设备间光纤链路的集合,其相应的容量为链路上固有的带宽。第二部分为网络的业务层对象,令A={a1,a2,…,ai,…aK}来表示包含K个业务的网络业务层对象,其中每个业务ai={ai1;ai2;...;aid}用d个属性描述,K,d都是正整数;针对ASON网络的业务对象,使用5维属性的业务向量来进行表征ai={od;path;band;protection;priority},其中ai1=od表示业务传输的源宿节点,ai2=path表示业务在网络中的路径集合,ai3=band表示业务所需的传输带宽,ai4=protection表示业务的保护方式,ai5=priority表示业务建立连接的优先级,Φ(ai,t)表示业务ai在时间t的运行或故障状态,1为运行状态,0为故障状态。
设定所有业务在初始时刻都是可用的,即业务在时间t下的路径由路由矩阵给出P(t)=[pij(t):1≤i≤K,1≤j≤M],行为业务ai,列为网络链路ej,如果业务ai在t时刻经过链路ej,则pij(t)=1,否则为0。所有业务路由的路径都必须满足其链路的可用带宽限制,即:
步骤二:生成网络演化条件;
网络演化条件是用于业务可用性评估的仿真测试剖面,结合ASON网络中对链路故障和修复的历史统计数据,顺序采样网络构件状态持续时间的概率分布,按时间顺序组合各构件的状态转换过程来生成网络的演化条件。
所述的“网络演化条件”是指诱发网络发生动态演化的外界输入,反映为网络系统状态空间的动态变化序列。令表示网络链路ej第q次处于正常工作状态的持续时间(即意味着在后网络链路ej发生故障,因此也表示故障时间),表示网络链路ej在第q次维修或替换时处于故障状态的持续时间,q为正整数且初始值为1。则ASON网络演化条件的生成包括如下(1)~(6)子步骤:
(1)根据ASON网络可用性评估所需的规定时长,设定网络的演化时长T以及网络的演化时间点t=0;
其中,x为(0,1)区间内均匀分布的随机数,MTTF为链路的平均无故障工作时间,MTTR为链路的平均修复时间,。
(5)对网络链路集E中的每一个链路都生成一系列链路状态交替事件队列,并组成网络的链路交替事件队列QE[tfail,trecover];
(6)对网络的链路交替事件队列QE[tfail,trecover]按时间的先后统一进行排序后,得到网络演化时间点t处的故障链路Efail(t)={ej′}和修复链路Erecover(t)={ej*}的集合,Efail(t)表示t时刻下出现网络故障链路ej的集合,ej′表示链路ej发生故障,Erecover(t)表示t时刻下网络修复链路ej的集合,ej*表示链路ej修复完成,从而得到网络的演化条件。
t时刻的故障事件和修复事件的序列为S(t)={Efail(t),Erecover(t)},t∈T,位于演化时间点下的网络系统的状态空间S(t),本发明称之为网络演化态,而对于网络中所有演化态组成的集合S={s(t)},本发明称之为网络演化条件。
步骤三:设定网络演化规则;
根据ASON网络中对业务提供的保护和恢复机制,确定不同等级业务在网络演化条件下其业务路径的动态变化规则π*:S→A,其中π*为网络演化规则,S为网络演化条件,A为网络的业务对象。
所述的网络演化规则主要包含两种类型:一种是保护倒换,针对提前预留备份资源的业务,当故障发生时业务可以从主用连接倒换到备用连接上承载;另一种是动态路径恢复,业务无事先预留好备用路径资源,而是通过重新路由的方式响应业务的链路故障来配置一条新的业务路径。
进一步地,设业务的工作路径为work_path,业务的备用路径为backup_path,业务的重路由路径为reroute_path,根据步骤二中生成的网络演化条件S(t),用式(3)中的业务路径更新函数g(ai,S(t),d,t)来表示ASON智能光网络中的演化规则π*:
其中,ai表示第i个业务,S(t)表示网络演化态,d表示业务ai采用的保护方式,d=0为专用路径保护,d=1为动态路径恢复,t表示网络演化时间点。
若业务ai的保护方式protection(ai)=0,protection(ai)为取业务ai的protection属性值,当业务ai的保护方式为专用路径保护时,则业务在网络演化时间点t的工作路径更新为其备用路径work_path(ai,t)=backup_path(ai,t-),t-表示演化条件时间序列中相对于当前演化时间点t的上一时间点,而此时业务的备用路径更新为空集同时释放其原工作路径占用的带宽资源 表示t时刻网络链路ej的容量,表示t-时刻网络链路ej的容量,band(ai)为取业务ai的band属性值,即对业务ai原工作路径上的每个网络链路ej分别释放带宽资源。
若业务ai的保护方式protection(ai)=1,即当业务ai的保护方式为动态路径恢复时,则业务的重路由路径reroute_path根据如下动态恢复算法来进行确定:如前所定义的,若上一演化态S(t-)下网络的可用链路容量以及业务的路径矩阵分别由C(t-),P(t-)给出,其中C(t-)表示t-时刻网络所有链路容量,P(t-)表示t-时刻路径矩阵,路径恢复算法的通用函数为R(·)(一般采用Dijkstra(迪杰斯特拉)最短路径算法),业务ai的重路由路径可以根据当前演化态S(t)下链路容量C(t)和上一演化态下业务的路径矩阵P(t-)来确定,即reroute_path(ai,t)=R(P(t-),C(t))。
步骤四:统计网络演化中业务中断事件;
首先,将步骤二中生成的网络演化条件作为输入,根据步骤三预设的网络演化规则,依次读取各演化态下对应业务的路径矩阵P(t)=[pij(t):1≤i≤K,1≤j≤M]中触发业务发生演化的业务信息。若在演化时间点t链路ej发生故障,则将触发P(t)第j列中元素为1(pkj(t)=1,k∈[1,K])的各行所对应的业务ak发生演化,根据路径矩阵的定义可知,即触发使用链路ej的所有业务ak发生演化;若在演化时间点t链路ej完成修复,则将其重新加入至网络拓扑G(V,E)中,并设定其链路带宽为其初始带宽
根据业务在演化过程中存在的中断场景,确定H个相应的业务中断事件统计参数outage1,outage2,...,outageh,...,outageH,h=1,2,…,H,并设定各中断事件持续的平均时长为t1 off,t2 off,...,th off,...,tH off。
将在演化时间点t处发生演化的业务加入一个演化业务集合Aevo={ak}中,按照业务的优先级priority(ak)对演化业务集合Aevo中的各业务进行排序,为优先级高的业务率先使用网络的恢复资源,根据步骤三中确定的演化规则g(ai,S,d,t)来完成业务路径的更新,记录该业务在动态更新过程中发生的中断事件并将对应的中断事件发生次数加1,即Eventoutage(ak,t)={outageh+1},i∈[1,H]。Eventoutage(ak,t)表示业务ak在t时刻将中断事件为outageh的中断事件统计参数加1。
步骤五:计算给定演化时长下的业务可用性;
根据各业务在某一次网络演化过程中的中断事件及发生的次数,计算业务ai在规定演化时长T下的不可用时长为Outage(ai,T)=∑houtageh*th off。
设网络演化的次数为N次,则使用多次演化下统计得到的业务不可用时长的平均值来计算业务的不可用性,从而得到业务可用性的无偏估计值为:
其中,Availability(ai)为业务ai可用性的无偏估计值,N为网络演化的次数,T为演化时长,Outagej(ai,T)为第j次网络演化过程中业务ai在规定演化时长T下的不可用时长,j=1,2,…,N。
本发明的优点与积极效果在于:
(1)本发明给出了一整套基于网络演化模型的大规模复杂ASON网络业务可用性的评估方案,包括如下内容:构建“网络演化对象”,生成“网络演化条件”,设定“网络演化规则”,确定业务中断事件的统计量,计算给定演化时长下业务的可用性。
(2)本发明除了可用于度量网络的业务可用性之外,还可以根据统计得到的业务中断停机事件及其中断时长,从微观层面来分析影响业务可用性的瓶颈因素,能够更全面有效地反映ASON网络业务的可用性随时间的演化和发展趋势。
附图说明
图1为本发明评估ASON网络业务可用性的方法实施例的流程示意图;
图2为实施例中的网络拓扑结构图;
图3为不同链路MTTR取值下ASON网络中两类业务可用性计算的结果对比。
具体实施方式
下面将结合附图和实施例对本发明作进一步的详细说明。需要特别说明的是,为了方便说明,以下仅以ASON网络为例进行介绍,对于其他同样具有动态异质性业务特征的智能光网络同样适用。
本发明实施例适用于对采用了ASON技术的光网络业务可用性的评估,以下实施例以组网图为图2的ASON网络中的应用为例。
本发明提出一种基于网络演化模型的ASON网络业务可用性评估方法,整体步骤如图1所示。下面说明各步骤的实现。
步骤一:构建网络演化对象模型;
网络运营商提供两种SLA等级共K=80条业务A={a1,a2,…,a40,a41,…,a80},其中,a1-a40为“铂金级”业务,a41-a80为“白银级”业务,数量各为40条。为了不失一般性,各业务的带宽需求band(ai)满足正态分布X~N(10,22),两类业务的源宿节点od(ai)均为从网络中随机选择的一对不同节点(vo,vd),vo≠vd∈V,其中v0为源节点,vd为宿节点,各业务的优先级随机设定为priority(ai)={1,2,3}中的一种,其中数值越小优先级越高。最后,各业务的初始路径通过Dijkstra算法计算得出,其中业务路径上的所有链路需满足其带宽约束(即path(ai)为取业务ai的path属性值)。对于“铂金级”业务,其采取专用路径保护(Dedicated Path Protection,DPP)的保护机制protection(ai)=DPP,i=1,2,…,40,protection(ai)为取业务ai的protection属性值,因此其具有工作路径work_path与备用路径backup_path分离的两条业务路径,分别为path(ai)=[work_path,backup_path],i∈[1,40];而对于“白银级”业务,其采取动态路径恢复(Dynamic PathRestoration,DPR)的保护机制protection(ai)=DPR,i=41,42,…,80,,因此其业务路径可视为备用路径为空集的集合
通过上述网络及业务属性参数的设置,我们就构建了一个ASON网络演化对象模型Evo_Objects{G,A}。
步骤二:生成网络演化条件;
根据实际线网的统计数据,网络中存在3种类型的链路,各类型链路平均每年发生故障的次数分别为cut(ej)={2,4,10},且链路的维修时长为4至20小时之间。因此,计算得到链路的平均无故障工作时长为为了简化计算,假设所有链路的平均维修时长相同,实际应用中本专利可以适用于任何给定的链路MTTF和MTTR值,下面给出网络中链路对应的故障和维修数据信息,如表1所示:
表1网络中链路对应故障和维修数据信息
设定网络的演化时长为T=1year=86400h(由于链路的故障和维修数据均以h为单位,所以这里需要将设定的网络演化时长同样设定为h(小时)),生成一个(0,1)区间内的随机数x以及一个链路状态交替事件队列根据步骤二中的式(2)对各链路的失效时间和对应的修复时长进行抽样,将得到的链路故障时刻和链路完成修复时刻存储在链路状态队列中,然后判断该次抽样下链路完成修复的时刻是否超过网络的演化时长,如果超出则停止抽样,否则继续对该链路下一次的故障及其修复事件进行抽样。由于各链路的故障和修复均为独立同分布的事件,本专利中所提出的计算方法可以采用并行算法来实现对网络中各链路状态的采集,因此针对大规模网络,可以大幅缩短相应的计算时间。
进一步地,将得到各链路的故障和修复的演化时间点进行汇总并按照演化时间的推移方向进行排序,使用故障“Efail”和修复完成“Erecover”两个独立的队列来记录网络演化的状态空间,分别存储对应演化时间点的故障链路和修复链路索引,得到网络在给定演化时长T下的演化条件。
步骤三:设定网络演化规则;
由于本实施例中分析的业务保护类型仅包括“专用路径保护”和“动态路径恢复”两种类型,下面将主要针对这两种保护机制进行实施例对应网络演化规则的介绍。但本发明的“网络演化规则”是一种描述ASON网络中业务路径动态变化的通用规则,因此并不局限于上述两类保护机制下的规则设定,在实际应用中可以根据网络中对应的业务对象及保护机制来进行设置。
实施例中的“专用路径保护”机制主要通过路径切换规则来进行实现,具体为判断业务预先分配的备用路径资源是否存在链路中断,若是则业务切换不成功,业务的路径仍然保留为其原工作路径,并设定业务的状态Φ(ai,t)=0;否则将业务的工作路径更新为其备用路径,同时释放掉原工作路径上业务所使用的链路带宽。
在ASON网络中,对业务的“动态路径恢复”通常采用基于IP的“最短路径路由算法”来实现。因此,在本实施例中,采用基于Dijkstra算法的加权最短路径算法作为“动态路径恢复”保护机制下的业务路径更新规则。当连接请求到来时,路由算法要在业务的源宿节点之间(即起始节点到目标节点之间)计算一条路由,并分配带宽。路由的计算就是要从当前的网络拓扑中寻找源节点和宿节点od(ai)之间的一条满足业务路径带宽约束band(ai)的最短路径。首先遍历整网链路的带宽,若链路当前的剩余可用带宽bj(t)大于业务带宽band(ai),则将其权重设置为1,否则将链路的权重设置为无穷inf,表明该链路不可用作此业务的路由路径,从而可以计算得到满足业务带宽约束下的业务路径reroute_path。若则将业务的原工作路径更新为该重路由路径。此外,考虑到实际ASON网络中业务的重路由恢复是通过控制平面来完成,因此还存在一定的更新成功概率ρ,即使最短路径算法计算得到了一条不为空的重路由路径,业务仍然存在一定的概率1-ρ无法倒换成功。因此,进一步地,在更新业务路径之前,生成一个[0,1]区间内的随机数y,如果y>ρ则业务倒换不成功,将对应的业务路径更新为空集否则将业务路径更新为重路由成功的路径path(ai)=reroute_path。
步骤四:统计网络演化中业务中断事件;
计算网络演化状态空间的长度L=len(S),将步骤二中生成的网络演化条件{S(t),t>0}依次输入至业务路径更新函数g(ai,S,d,t)(即网络演化规则)中,其中len()函数表示计算网络演化态的数量。
设定一个循环for l=1to L,且步长为1,依次读取每个演化态下S(tl)网络中的故障链路Efail(tl)和修复链路Erecover(tl)集合,其中,tl表示第l个网络演化态的时间点。通过循环将当前演化时间点tl的所有修复链路集合中的链路加入至网络拓扑中,同时从网络拓扑中删除掉故障链路集合中的链路,更新当前演化时间点下的网络拓扑G(tl)。
读取业务的路径路由矩阵P(t)=[pij(t):1≤i≤K,1≤j≤M],获取故障链路触发的演化业务信息Aevo={ak}。按照业务的优先级priority(ak)对演化业务集合Aevo中的各业务进行排序,根据网络的演化规则依次对排序后的各演化业务进行中断事件统计。
由于本实施例中对“铂金级”业务采用的是“专用路径保护”,当业务工作路径发生故障后,业务的中断outage1发生于业务路径的切换过程中,根据实际线网中统计得到的保护倒换时间一般在50ms以内,因此设定相应的中断时长为t1 off=50ms。对“白银级”业务采用“动态路径恢复”,当业务工作路径发生故障后,业务的中断outage2发生于网络自动寻找失效路由的替代路由的重路由过程,由于重路由时需要重新计算业务路由、路由切换、交叉和路由重新建立,业务恢复时间较长,其时间量级通常为秒级至分钟级,我们在本实施例中设定相应的中断时长为t2 off=30s。此外,若业务的备用路也同时发生了中断或者是业务重路由不成功,业务中断发生于业务在原工作路径上等待其故障链路ej修复outage3的过程,相应的中断时长为链路ej在该演化态下的修复时长
对各业务设置一个中断事件记录变量Eventoutage(ak)={outage1,outage2,outage3},对应为业务在演化过程中的保护切换、重路由倒换以及等待修复三种事件,若业务在演化过程中触发了上述某种事件,则将其对应的事件变量次数加1。
步骤五:计算给定演化时长下的业务可用性;
针对本实施例,设定网络演化的次数N=100,根据步骤四中的式(4)可以计算得到网络中在演化时长为1年下各业务的可用性。
本实施例给出了在不同的网络链路平均修复时长下,网络中“铂金级”和“白银级”两类业务的平均可用性如图3所示,平均可用性就是将网络中相同类型的业务ai可用性的无偏估计值取平均值。
可以看出,在不同的链路MTTR下,计算得到的“铂金级”业务的可用性总要高于“白银级”业务,而且业务可用性计算结果的分辨率可达到小数点后7位,有助于分析ASON网络这类高可用的系统中不同业务可用性之间的细微差异,以帮助网络运营商制定更精细化的业务SLA等级。
以上所述的实施例仅是对本发明的优选实施方式进行描述,并非对本发明的范围进行限定,在不脱离本发明设计精神的前提下,本领域普通技术人员对本发明的技术方案做出的各种变形和改进,均应落入本发明权利要求书确定的保护范围内。
Claims (5)
1.一种基于网络演化模型的ASON网络业务可用性评估方法,其特征在于,实现步骤为:
步骤一:构建网络演化对象模型Evo_object{G,A};
网络演化对象模型表示为Evo_object{G,A},其中,G为网络的物理层对象,由无向图G(V,E,C)表示,V、E、C分别为网络的基础设施资源节点集、链路集及其容量集;A为网络的业务层对象,A由包含K个业务的集合组成,其中每个业务ai用d个属性描述,K、d、i都是正整数;设定所有业务在初始时刻都是可用的,业务在时间t下的路径由路由矩阵给出;
步骤二:生成网络演化条件;
所述的网络演化条件是指诱发网络发生动态演化的外界输入,反映为网络系统状态空间的动态变化序列,其中,Efail(t)表示t时刻下出现网络故障链路的集合,Erecover(t)表示t时刻下网络修复链路的集合,T为网络演化时长;
步骤三:设定网络演化规则;
根据ASON网络中对业务提供的保护和恢复机制,确定不同等级业务在网络演化条件下其业务路径的动态变化规则π*:S→A,其中π*为网络演化规则,S为网络演化态,A为网络的业务层对象;
步骤四:统计网络演化中业务中断事件;
首先,将步骤二中生成的网络演化条件作为输入,根据步骤三预设的网络演化规则,依次读取各演化态下对应业务的路径矩阵P(t)=[pij(t):1≤i≤K,1≤j≤M]中触发业务发生演化的业务信息;若在演化时间点t链路ej发生故障,则将触发使用链路ej的业务ak发生演化;若在演化时间点t链路ej完成修复,则将其重新加入至网络拓扑G(V,E)中,并设定其链路带宽为其初始带宽;
根据业务在演化过程中存在的中断场景,确定H个相应的业务中断事件统计参数outage1,outage2,...,outageh,...,outageH,h=1,2,…,H,并设定各中断事件持续的平均时长为t1 off,t2 off,...,th off,...,tH off;
将在演化时间点t处发生演化的业务加入一个演化业务集合Aevo={ak}中,按照业务的优先级安排各业务使用修复的资源,根据步骤三中确定的演化规则来完成业务路径的更新,记录该业务在动态更新过程中发生的中断事件并将对应的中断事件发生次数加1,即Eventoutage(ak,t)={outageh+1},i∈[1,H];Eventoutage(ak,t)表示业务ak在t时刻将中断事件为outageh的中断事件统计参数加1;
步骤五:计算给定演化时长下的业务可用性;
根据各业务在某次网络演化过程中的中断事件类型及发生的次数,计算业务ai在规定演化时长T下的不可用时长为Outage(ai,T)=∑houtageh*th off;设网络演化的次数为N,使用多次演化下统计得到的业务不可用时长的平均值来计算业务不可用性,从而得到业务可用性的无偏估计值。
2.根据权利要求1所述的一种基于网络演化模型的ASON网络业务可用性评估方法,其特征在于,所述的步骤一中网络演化对象模型Evo_object{G,A}具体实现如下:
所述的网络演化对象模型包含两部分内容,第一部分为网络的物理层对象G,将网络的基础设施资源抽象为一组节点集V={v1,v2,…,vp,…vn},与一组链路集E={e1,e2,…,ej,…eM}及其容量构成的无向图G(V,E,C),其中vp为网络的一个节点,n为节点数,ej为两个节点之间的连接链路,M为网络的连接链路数,为链路ej的容量;针对ASON网络,节点集V表示光网络中业务的发起或终止的设备节点;第二部分为网络的业务层对象A,令A={a1,a2,…,ai,…aK}来表示包含K个业务的网络业务层对象,其中每个业务ai={ai1;ai2;...;aid}用d个属性描述;针对ASON网络的业务对象,使用5维属性的业务向量来进行表征ai={od;path;band;protection;priority},其中ai1=od表示业务传输的源宿节点,ai2=path表示业务在网络中的路径集合,ai3=band表示业务所需的传输带宽,ai4=protection表示业务的保护方式,ai5=priority表示业务建立连接的优先级,Φ(ai,t)表示业务ai在时间t的运行或故障状态,1为运行状态,0为故障状态;
3.根据权利要求1所述的一种基于网络演化模型的ASON网络业务可用性评估方法,其特征在于,所述的步骤二中,生成网络演化条件的子步骤如下:
(1)根据ASON网络可用性评估所需的规定时长,设定网络的演化时长T以及网络的演化时间点t=0;
其中,x为(0,1)区间内均匀分布的随机数,MTTF为链路的平均无故障工作时间,MTTR为链路的平均修复时间;
(5)对网络链路集E中的每一个链路都生成一系列链路状态交替事件队列,并组成网络的链路交替事件队列QE[tfail,trecover];
4.根据权利要求1中所述的一种基于网络演化模型的ASON网络业务可用性评估方法,其特征在于,所述的步骤三中网络演化规则具体为:
网络演化规则主要包含两种类型:一种是保护倒换,针对提前预留备份资源的业务,当故障发生时业务可以从主用连接倒换到备用连接上承载;另一种是动态路径恢复,业务无事先预留好备用路径资源,而是通过重新路由的方式响应业务的链路故障来配置一条新的业务路径;
设业务的工作路径为work_path,业务的备用路径为backup_path,业务的重路由路径为reroute_path,根据步骤二中生成的网络演化条件S(t),用式(3)中的业务路径更新函数g(ai,S,d,t)来表示ASON智能光网络中的演化规则π*:
其中,ai表示第i个业务,S表示网络演化态,d表示业务ai采用的保护方式,d=0为专用路径保护,d=1为动态路径恢复,t表示网络演化时间点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110469020.3A CN113079427B (zh) | 2021-04-28 | 2021-04-28 | 基于网络演化模型的ason网络业务可用性评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110469020.3A CN113079427B (zh) | 2021-04-28 | 2021-04-28 | 基于网络演化模型的ason网络业务可用性评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113079427A true CN113079427A (zh) | 2021-07-06 |
CN113079427B CN113079427B (zh) | 2021-11-23 |
Family
ID=76619036
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110469020.3A Active CN113079427B (zh) | 2021-04-28 | 2021-04-28 | 基于网络演化模型的ason网络业务可用性评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113079427B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113392542A (zh) * | 2021-08-16 | 2021-09-14 | 傲林科技有限公司 | 一种基于事件网的根因溯源方法、装置及电子设备 |
CN113779741A (zh) * | 2021-09-29 | 2021-12-10 | 北京航空航天大学 | 轨道交通系统业务演化模型建模方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2387270A1 (en) * | 2010-05-12 | 2011-11-16 | Nokia Siemens Networks Oy | Radio link failure recovery control in communication network having relay nodes |
US20130343207A1 (en) * | 2012-06-21 | 2013-12-26 | Brent Aaron Cook | Dynamic latency analysis system |
CN106027285A (zh) * | 2016-05-04 | 2016-10-12 | 北京航空航天大学 | 基于业务路径的复杂系统动态故障树建模方法 |
CN106452908A (zh) * | 2016-11-04 | 2017-02-22 | 北京航空航天大学 | 一种构建机载网络动态关联故障管理系统的方法 |
CN108337043A (zh) * | 2017-12-26 | 2018-07-27 | 广东电网有限责任公司电力调度控制中心 | 多层sdn光网络中具有区域故障容忍的故障恢复方法 |
CN108494620A (zh) * | 2018-02-28 | 2018-09-04 | 南京邮电大学 | 基于多目标自适应演化算法的网络业务流特征选择与分类方法 |
CN108924673A (zh) * | 2018-06-12 | 2018-11-30 | 中国电力科学研究院有限公司 | 一种基于电力通信网的光通道多点故障进行自愈的方法及系统 |
CN109245952A (zh) * | 2018-11-16 | 2019-01-18 | 大连理工大学 | 一种基于mpa模型的消失链路预测方法 |
-
2021
- 2021-04-28 CN CN202110469020.3A patent/CN113079427B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2387270A1 (en) * | 2010-05-12 | 2011-11-16 | Nokia Siemens Networks Oy | Radio link failure recovery control in communication network having relay nodes |
US20130343207A1 (en) * | 2012-06-21 | 2013-12-26 | Brent Aaron Cook | Dynamic latency analysis system |
CN106027285A (zh) * | 2016-05-04 | 2016-10-12 | 北京航空航天大学 | 基于业务路径的复杂系统动态故障树建模方法 |
CN106452908A (zh) * | 2016-11-04 | 2017-02-22 | 北京航空航天大学 | 一种构建机载网络动态关联故障管理系统的方法 |
CN108337043A (zh) * | 2017-12-26 | 2018-07-27 | 广东电网有限责任公司电力调度控制中心 | 多层sdn光网络中具有区域故障容忍的故障恢复方法 |
CN108494620A (zh) * | 2018-02-28 | 2018-09-04 | 南京邮电大学 | 基于多目标自适应演化算法的网络业务流特征选择与分类方法 |
CN108924673A (zh) * | 2018-06-12 | 2018-11-30 | 中国电力科学研究院有限公司 | 一种基于电力通信网的光通道多点故障进行自愈的方法及系统 |
CN109245952A (zh) * | 2018-11-16 | 2019-01-18 | 大连理工大学 | 一种基于mpa模型的消失链路预测方法 |
Non-Patent Citations (7)
Title |
---|
BOHUI WANG等: "Hopfield Neural Network-based Fault Location in Wireless and Optical Networks for Smart City IoT", 《2019 5TH INTERNATIONAL WIRELESS COMMUNICATIONS & MOBILE COMPUTING CONFERENCE(IWCMC)》 * |
JUNE ZHANG等: "Cascading Edge Failures:A Dynamic Network Process", 《IEEE TRANSACTIONS ON NETWORK SCIENCE AND ENGINEERING》 * |
XIANG-YU ZHENG等: "A Fractal-Cluster-Based Analytical Model for Spatial Pattern of Congestion", 《2020 ANNUAL RELIABILITY AND MAINTAINABILITY SYMPOSIUM (RAMS)》 * |
XIANGYU ZHENG等: "A Service Deployment Method Considering Application Reliability of Networks", 《IEEE ACCESS》 * |
刘宇靖: "互联网域间路由系统生存性研究", 《中国知网博士学位论文数据库》 * |
孙晓磊等: "基于多因素的Ad Hoc网络连通可靠性仿真方法", 《通信技术》 * |
李树栋: "复杂网络级联动力学行为机制研究", 《中国知网博士学位论文数据库》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113392542A (zh) * | 2021-08-16 | 2021-09-14 | 傲林科技有限公司 | 一种基于事件网的根因溯源方法、装置及电子设备 |
CN113779741A (zh) * | 2021-09-29 | 2021-12-10 | 北京航空航天大学 | 轨道交通系统业务演化模型建模方法 |
CN113779741B (zh) * | 2021-09-29 | 2023-05-23 | 北京航空航天大学 | 轨道交通系统业务演化模型建模方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113079427B (zh) | 2021-11-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tanha et al. | Enduring node failures through resilient controller placement for software defined networks | |
US8010694B2 (en) | Network performance and reliability evaluation taking into account multiple traffic matrices | |
US6836756B1 (en) | Time simulation techniques to determine network availability | |
US8347143B2 (en) | Facilitating event management and analysis within a communications environment | |
US8018860B1 (en) | Network maintenance simulator with path re-route prediction | |
US6996514B2 (en) | Time simulation techniques to determine network availability | |
CN113079427B (zh) | 基于网络演化模型的ason网络业务可用性评估方法 | |
EP3447966B1 (en) | System and method for proactive traffic restoration in a network | |
US10491510B1 (en) | Cycle structure for service path restoration in data communication networks | |
JP2014241536A (ja) | 監視装置、及び監視方法 | |
WO2017007720A1 (en) | Network stochastic cross-layer optimization for meeting traffic flow availability target at minimum cost | |
Hu et al. | FTLink: Efficient and flexible link fault tolerance scheme for data plane in Software-Defined Networking | |
CN112040506A (zh) | 一种无线传感网络的可靠性评估方法、装置及存储介质 | |
Pasieka et al. | Models, methods and algorithms of web system architecture optimization | |
Mao et al. | Controller backup and replication for reliable multi-domain SDN | |
US10656988B1 (en) | Active monitoring of packet loss in networks using multiple statistical models | |
Yi et al. | A rule-based modeling approach for network application availability assessment under dynamic network restoration scheme | |
JP6427128B2 (ja) | ネットワーク制御装置およびネットワーク制御方法 | |
Cho et al. | Minimizing protection switching time in transport networks with shared mesh protection | |
Liu et al. | Fast deployment of reliable distributed control planes with performance guarantees | |
Zhang et al. | Probabilistic analysis of network availability | |
CN112231142A (zh) | 系统备份恢复方法、装置、计算机设备和存储介质 | |
EP4239971A1 (en) | Satisfying demands in data communication networks | |
Stidsen et al. | Complete rerouting protection | |
Novikov et al. | Methods for the Reliability Augmentation of Deterministic Optical Real-Time Networks |
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 |