CN114205289B - 一种分段路由网络中考虑故障的流量工程计算方法和装置 - Google Patents

Abstract

本申请实施例公开了一种分段路由网络中考虑故障的流量工程计算方法和装置，该方法包括：获取概率性故障模型，根据概率性故障模型计算预设网络状态的发生概率；根据发生概率和预设计算式计算概率阈值；构建数学规划问题；该数学规划问题的目标包括：最小化定义的损失函数的尾部损失值期望；尾部损失值期望指对于每个确定的路由配置，均已知在概率阈值情况下网络最大链路利用率的最大可能值，将大于该最大可能值的最大链路利用率的期望作为尾部损失值期望；数学规划问题的约束包括：所有流量都在网络中被完整路由、路由量为非负数和压缩状态有最大的损失值；求解该数学规划问题，获取路由配置。该实施例方案实现了在发生网络故障时避免网络拥塞。

Description

一种分段路由网络中考虑故障的流量工程计算方法和装置

技术领域

本申请实施例涉及网络流量工程(Traffic Engineering，TE)技术领域，尤指一种分段路由网络中考虑故障的流量工程计算方法和装置。

背景技术

随着互联网飞速发展，互联网出现了网络流量爆炸式增长等问题。受限于路由算法和调度策略，网络流量极易在链路上分配不均，从而导致网络拥塞和网络服务质量下降。流量工程是一种优化网络流量分配的技术。它可以对网络流量优化调度，从而实现网络流量负载均衡，减少拥塞，提高网络资源的利用率。在网络中，故障时有发生，从而导致流量路径发生改变，引起网络拥塞。所以在流量工程算法中考虑网络故障是很有必要的。

发明内容

本申请实施例提供了一种分段路由网络中考虑故障的流量工程计算方法和装置，能够在发生网络故障时避免网络拥塞。

本申请实施例提供了一种分段路由网络中考虑故障的流量工程计算方法，所述方法可以包括：

获取预先创建的概率性故障模型，并根据所述概率性故障模型计算预设网络状态的发生概率；

根据所述发生概率和预设计算式计算概率阈值β；

构建数学规划问题；其中，所述数学规划问题的目标包括：最小化定义出的损失函数MLU(t，q)的尾部损失值期望；t为路由配置，q为网络状态；所述尾部损失值期望是指：对于每一个确定的路由配置t，均已知在概率为所述概率阈值β的情况下网络最大链路利用率的最大可能值，将大于所述最大可能值的最大链路利用率的期望作为所述尾部损失值期望；所述数学规划问题的约束包括：所有流量都在网络中被完整路由、路由量为非负数以及压缩状态q_c有最大的损失值l_c；所述压缩状态q_c是指：所有发生概率小于预设概率c的网络状态被压缩为一个聚合状态，称为所述压缩状态q_c；

求解所述数学规划问题，获取路由配置t。

在本申请的示例性实施例中，所述概率性故障模型，可以包括：

p_q′＝Π_z∈Z(p_zq′_z+(1-p_z)(1-q′_z))；

其中，p_q′代表网络状态q′发生的概率，Z为网络故障事件的集合，z∈Z，z是一个由多个链路故障组成的具体故障事件；p_z代表故障事件z发生的概率；q′_z表示网络状态q′中故障事件z发生或不发生。

在本申请的示例性实施例中，所述预设计算式，可以包括：

其中，q_nf代表网络无故障状态，

代表网络无故障状态的发生概率，Q_f＝Q\{q_nf，q_c}，Q为网络状态集合，系数γ∈[0，1]。

在本申请的示例性实施例中，所述构建数学规划问题，可以包括：

构建以最小化损失不小于预设的最大损失的期望为目标的决策求解问题；

将路由配置作为所述决策，基于所述决策求解问题构建所述数学规划问题。

在本申请的示例性实施例中，所述构建以最小化损失不小于预设的最大损失的期望为目标的决策求解问题，可以包括：

定义损失函数f(x，y)；其中，x为所述决策，

X为x的定义域，/>

为n维实向量空间，n为正整数，y为不确定性向量，/>

Y为y的定义域，/>

为m维实向量空间，m为正整数；

计算所述损失函数f(x，y)不超过阈值α的概率ψ(x，α)；其中，ψ(x，α)＝∫_{f(x，y)≤α}p(y)dy；p(y)为不确定性向量y的概率密度函数；

定义函数VaR_β；VaR_β用于计算使得所述概率ψ(x，α)大于或等于所述概率阈值β的最小阈值α；

定义函数CVaR；CVaR是不小于VaR_β的损失的期望；

在所述概率阈值β下，在x∈X上最小化CVaR_β(x)，求解所述决策x。

在本申请的示例性实施例中，所述将路由配置作为所述决策，基于所述决策求解问题构建所述数学规划问题，可以包括：

定义路由配置的定义域，设定所有流量都在网络中被完整路由，路由量为非负数，并设置所述压缩状态q_c的最大的损失值l_c；

将MLU(t，q)作为损失函数；所述MLU(t，q)表示流量在路由配置t下在网络状态q发生时网络的最大链路利用率；

将最小化F_β(t，α)作为优化目标，获取所述数学规划问题；其中，F_β(t，α)＝α+(1-β)^-1∫_q∈Q[MLU(t，q)-α]⁺p(q)dq。

在本申请的示例性实施例中，

其中，位

代表节点i和j间的流量经过节点k路由的量；/>

代表当流量以ECMP(等价多路径)方式在节点i和k，节点j和k间的最短路路由时链路e上所路由的流量比例；

代表/>

是一个关于网络状态q的随机变量，c(e)代表链路e的容量，c(e)＞0；将整个网络抽象为一个有向图G＝(V，E)，其中V是节点集合，E是有向链路集合。

在本申请的示例性实施例中，在求解所述数学规划问题，获取路由配置t之前，所述方法还可以包括：

将非线性的数学规划问题转换成线性的数学规划问题。

在本申请的示例性实施例中，所述线性的数学规划问题，可以包括：

minα+(1-β)^-1∑_q∈Qp_qs_q；

S.t.；

/>

其中，s_q和u_e，q为辅助变量。

本申请实施例还提供了一种分段路由网络中考虑故障的流量工程计算装置，可以包括处理器和计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令被所述处理器执行时，实现上述的分段路由网络中考虑故障的流量工程计算方法。

与相关技术相比，本申请实施例可以包括：获取预先创建的概率性故障模型，并根据所述概率性故障模型计算预设网络状态的发生概率；根据所述发生概率和预设计算式计算概率阈值β；构建数学规划问题；其中，所述数学规划问题的目标包括：最小化定义出的损失函数MLU(t，q)的尾部损失值期望；t为路由配置，q为网络状态；所述尾部损失值期望是指：对于每一个确定的路由配置t，均已知在概率为所述概率阈值β的情况下网络最大链路利用率的最大可能值，将大于所述最大可能值的最大链路利用率的期望作为所述尾部损失值期望；所述数学规划问题的约束包括：所有流量都在网络中被完整路由、路由量为非负数以及压缩状态q_c有最大的损失值l_c；所述压缩状态q_c是指：所有发生概率小于预设概率c的网络状态被压缩为一个聚合状态，称为所述压缩状态q_c；求解所述数学规划问题，获取路由配置t。通过该实施例方案，实现了在发生网络故障时避免网络拥塞。

本申请的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请而了解。本申请的其他优点可通过在说明书以及附图中所描述的方案来实现和获得。

附图说明

附图用来提供对本申请技术方案的理解，并且构成说明书的一部分，与本申请的实施例一起用于解释本申请的技术方案，并不构成对本申请技术方案的限制。

图1为本申请实施例的分段路由网络中考虑故障的流量工程计算方法流程图；

图2为相关技术中SR路由过程示意图；

图3为相关技术中链路发生故障时的SR路由过程示意图；

图4为本申请实施例的分段路由网络中考虑故障的流量工程计算方法思想示意图；

图5为本申请实施例的分段路由网络中考虑故障的流量工程计算装置组成框图。

具体实施方式

本申请描述了多个实施例，但是该描述是示例性的，而不是限制性的，并且对于本领域的普通技术人员来说显而易见的是，在本申请所描述的实施例包含的范围内可以有更多的实施例和实现方案。尽管在附图中示出了许多可能的特征组合，并在具体实施方式中进行了讨论，但是所公开的特征的许多其它组合方式也是可能的。除非特意加以限制的情况以外，任何实施例的任何特征或元件可以与任何其它实施例中的任何其他特征或元件结合使用，或可以替代任何其它实施例中的任何其他特征或元件。

本申请包括并设想了与本领域普通技术人员已知的特征和元件的组合。本申请已经公开的实施例、特征和元件也可以与任何常规特征或元件组合，以形成由权利要求限定的独特的发明方案。任何实施例的任何特征或元件也可以与来自其它发明方案的特征或元件组合，以形成另一个由权利要求限定的独特的发明方案。因此，应当理解，在本申请中示出和/或讨论的任何特征可以单独地或以任何适当的组合来实现。因此，除了根据所附权利要求及其等同替换所做的限制以外，实施例不受其它限制。此外，可以在所附权利要求的保护范围内进行各种修改和改变。

此外，在描述具有代表性的实施例时，说明书可能已经将方法和/或过程呈现为特定的步骤序列。然而，在该方法或过程不依赖于本文所述步骤的特定顺序的程度上，该方法或过程不应限于所述的特定顺序的步骤。如本领域普通技术人员将理解的，其它的步骤顺序也是可能的。因此，说明书中阐述的步骤的特定顺序不应被解释为对权利要求的限制。此外，针对该方法和/或过程的权利要求不应限于按照所写顺序执行它们的步骤，本领域技术人员可以容易地理解，这些顺序可以变化，并且仍然保持在本申请实施例的精神和范围内。

本申请实施例提供了一种分段路由网络中考虑故障的流量工程计算方法，如图1所示，所述方法可以包括步骤S101-S104：

S101、获取预先创建的概率性故障模型，并根据所述概率性故障模型计算预设网络状态的发生概率；

S102、根据所述发生概率和预设计算式计算概率阈值β；

S103、构建数学规划问题；其中，所述数学规划问题的目标包括：最小化定义出的损失函数MLU(t，q)的尾部损失值期望；t为路由配置，q为网络状态；所述尾部损失值期望是指：对于每一个确定的路由配置t，均已知在概率为所述概率阈值β的情况下网络最大链路利用率的最大可能值(用VaR_β(x)表示)，将大于所述最大可能值的最大链路利用率的期望作为所述尾部损失值期望(用CVaR_β(x)表示)；所述数学规划问题的约束包括：所有流量都在网络中被完整路由、路由量为非负数以及压缩状态q_c有最大的损失值l_c(最大的损失值l_c设置为足够大的值)；所述压缩状态q_c是指：所有发生概率小于预设概率c的网络状态被压缩为一个聚合状态，称为所述压缩状态q_c；

S104、求解所述数学规划问题，获取路由配置t。

分段路由(Segment Routing，SR)是一种最新出现的源路由机制，它仅需要对现有内部网关协议(Interior Gateway Protocol，IGP)进行简单的扩展便可应用在IP/MPLS或IPv6网络中。在SR中，每条流的状态仅储存在SR域的入口节点中，网络的中间节点不需要存储流的状态信息，因此具有极高的可扩展性。考虑到SR的简单、易部署、可扩展等优点，基于SR的流量工程算法已经成为流量工程研究中的热点问题。

在SR中，段代表的是拓扑或基于服务的一种指令，有前缀段、节点段、邻接段等类别。在本发明，仅涉及节点段。入口节点会把端到端的逻辑路径分成段，然后通过一系列需要经过的中间点表示这条路径。图2是一个SR路由过程的例子。图2中的点代表路由器，边代表链路，节点运行开放式最短路径优先(Open Shortest Path First，OSPF)协议和SR协议。一个从A到H的包使用SR路由。源节点A在包头插入段列表[E，H]，表明一个中间点E和目的点H。首先，包经过A到E的最短路，即A-B-E和A-C-E，以等价多路径(Equal-Cost Multi-path，ECMP)方式路由到点E。点B和C不对包头进行任何处理，因为当前的有效段E尚未完成。点E将第一个段E弹出后，包沿着E到H的最短路E-G-H路由到点H。同样地，点E不对包头进行任何处理，点H将段H弹出。在这个例子中，SR仅使用了一个中间点E和两个节点段E、H，这种方式叫做2-SR路由。相比使用更多段，2-SR已经可以提供足够的TE能力，所以本申请实施例只使用2-SR。

当网络发生故障时，SR的优点是它可以依赖IGP的故障恢复能力在一个段内保持连接。如图3所示，链路G-H发生故障，此时E到H的原本的最短路E-G-H不再存在。OSPF协议发现故障并进行更新链路状态数据库，进行恢复。网络状态收敛后，数据包在经过点E后同样可以沿着E到H的最短路到点H，只是此时最短路变为E-D-F-H和E-G-F-H。故障恢复是由IGP，即OSPF协议进行的，SR路由不受影响。

在本申请的示例性实施例中，提出了一个在部署SR的网络中，考虑概率性故障，通过优化流量路径，进行流量工程的算法2SRPF。算法的目标是最小化严重故障场景的最大链路利用率的期望。

在本申请的示例性实施例中，可以首先描述概率性故障模型，所述概率性故障模型用于计算一个网络状态的发生概率。

在本申请的示例性实施例中，所述概率性故障模型，可以包括：

p_q′＝Π_z∈Z(p_zq′_z+(1-p_z)(1-q′_z))；

其中，p_q′代表网络状态q′发生的概率，Z为网络故障事件的集合，z∈Z，z是一个由多个链路故障组成的具体故障事件；pz代表故障事件z发生的概率；q′_z表示网络状态q′中故障事件z发生或不发生。

在本申请的示例性实施例中，Z为网络故障事件的集合，其中z∈Z是一个由多个链路故障组成的具体故障事件。根据z中包含的具体链路的不同，它可以表示单链路故障、共享风险链路组(Shared Risk Link Group，SRLG)故障、或节点故障。故障z的发生概率记为p_z。

在本申请的示例性实施例中，网络状态集合Q包含网络无故障状态和本申请实施例方案所考虑的故障状态。一个网络状态用0-1矢量

表示，其中，每一位q_z表示故障事件z发生(q_z＝1)或不发生(q_z＝0)。p_q代表网络状态q发生的概率。已知p_z，某特定状态p_q′发生的概率可以如下计算：

故障事件集合Z和故障发生概率p_z由网络管理者提供。为了限制网络状态集合Q的大小，网络状态集合Q中仅包含概率大于预设阈值c的状态。

在本申请的示例性实施例中，可以将所有概率小于c的网络状态压缩为一个聚合状态(即压缩状态q_c)，

其中Q_s＝Q\{q_c}。实际应用中，c一般设置为一个较小值。

在本申请的示例性实施例中，下面介绍本申请实施例方案的2SRPF算法的思想。

在本申请的示例性实施例中，2SRPF算法使用一个概率阈值β来区分严重故障状态。图4中每个柱子代表一个网络状态q。针对一个路由配置t，横坐标代表的是流量在当前路由配置t下在网络状态q发生时网络的最大链路利用率(Maximum Link Utilization，MLU)MLU(t，q)。纵坐标代表的是网络状态q的概率p_q。图中柱子根据MLU(t，q)从小到大编号为q₁到q_|Q|。可以将β设置为0.8，意味着本申请实施例算法认为所有MLU较小且概率和约等于0.8的状态为非严重状态(虚线左侧部分的柱子)，所有MLU较大且概率和约等于0.2的状态为严重状态(虚线右侧部分的柱子)。我们使用“约等于”来表达

开不一定等于β，因为MLU(t，q)关于t和q是不连续的。实际上，应有/>

算法的优化目标是选择最佳的路由配置t来最小化严重网络状态MLU的期望。此处，非严重状态和严重状态的MLU分界线VaR_β(t)不是一个确定值，而是随着阈值β设置的不同而不同。

在本申请的示例性实施例中，所述预设计算式，可以包括：

其中，q_nf代表网络无故障状态，

代表网络无故障状态的发生概率，Q_f＝Q\{q_nf，q_c}，Q为网络状态集合，系数γ∈[0，1]。

在本申请的示例性实施例中，所述概率阈值β用于表示在预设的路由配置下所述预设网络状态发生时获得的全部最大链路利用率中预设的多个最大链路利用率中每个最大链路利用率所对应的每个网络状态的概率之和；具体含义可以参考图4，图4中给出了β＝0.8的实施例。

在本申请的示例性实施例中，考虑到对于任何路由配置下，无故障状态的MLU通常都较小，应被认为是非严重故障，即MLU(t，q_nf)≤VaR_β(t)，可以假设β≥q_nf。系数γ∈[0，1]用于控制从概率角度讲有多少比例的故障状态被认为是严重的。不同的γ对网络状态的区分度不同。较大的γ意味着只有少部分状态被认为是严重的，并被纳入到优化目标，较小的γ意味着有较多的状态被认为是严重的。γ可以根据网络管理者的意图进行自定义设置。

在本申请的示例性实施例中，不同的γ值会将不同比例的故障状态纳入优化目标中，从而表现不同。当网络管理者仅希望优化最严重的故障状态时，我们推荐使用较高的γ值，比如0.75。若网络管理者更关系整体表现，较低的γ值例如0.25可能会更合适。

在本申请的示例性实施例中，所述构建数学规划问题，可以包括：

构建以最小化损失不小于预设的最大损失的期望为目标的决策求解问题；

将路由配置作为所述决策，基于所述决策求解问题构建所述数学规划问题。

在本申请的示例性实施例中，所述构建以最小化损失不小于预设的最大损失的期望为目标的决策求解问题，可以包括：

定义损失函数f(x，y)；其中，x为所述决策，

X为x的定义域，/>

代表鞠策，y为不确定性向量，/>

Y为y的定义域，/>

为m维实向量空间，m为正整数；

计算所述损失函数f(x，y)不超过阈值α的概率ψ(x，α)；其中，ψ(x，α)＝∫_{f(x，y)≤α}p(y)dy；p(y)为不确定性向量y的概率密度函数；

定义函数VaR_β；VaR_β用于计算使得所述概率ψ(x，α)大于或等于所述概率阈值β的最小阈值α；

定义函数CVaR；CVaR是不小于VaR_β的损失的期望；

在所述概率阈值β下，在x∈X上最小化CVaR_β(x)，求解所述决策x。

在本申请的示例性实施例中，故障风险管理通常被应用在金融领域中。

x代表决策，不确定性向量/>

y代表随机环境，损失函数可以定义为f(x，y)。已知y的概率密度函数p(y)，损失f(x，y)不超过阈值α的概率为：

ψ(x，α)＝∫_{f(x，y)≤α}p(y)dy； 式(3)

Value-at-Risk(VaR)是一种使用特定概率下的最差损失来定义风险的指标。VaR_β是用于保证损失以概率β不会超过α的最小α值，定义为：

Conditional Value-at-Risk(CVaR)是一种量化尾部损失值的指标。是不小于VaR_β的损失的期望，定义为：

另外，连续可微的凸函数F_β将VaR_β和CVaR_β关联起来：

针对某个β值在x∈X上最小化CVaR_β(x)等价于在

上最小化F_β(x，α)，即：

在本申请的示例性实施例中，所述将路由配置作为所述决策，基于所述决策求解问题构建所述数学规划问题，可以包括：

定义路由配置的定义域，设定所有流量都在网络中被完整路由，路由量为非负数，并设置所述压缩状态q_c的最大的损失值l_c；

将MLU(t，q)作为损失函数；所述MLU(t，q)表示流量在路由配置t下在网络状态q发生时网络的最大链路利用率；

将最小化F_β(t，α)作为优化目标，获取所述数学规划问题；其中，

F_β(t，α)＝α+(1-β)^-1∫_q∈Q[MLU(t，q)-α]⁺p(q)dq。 式(*)

在本申请的示例性实施例中，下面将详细介绍如何将CVaR方法应用到2SRPF算法。

在本申请的示例性实施例中，整个网络可抽象为一个有向图G＝(V，E)，其中，V是节点集合，E是有向链路集合。网络中全部节点支持OSPF协议(或IS-IS协议)和SR协议。对

c(e)代表链路e的容量，c(e)＞0；w(e)代表链路e的权重，w(e)∈[1，2¹⁶-1]且为整数。网络中的流量矩阵是已知的，在本申请实施例中流量矩阵代表的是在一段时间内网络所必须处理的流量需求的集合。d_i，j为节点i和j间的聚合流量大小。流量为2-SR路由，即每条流量路径上只有一个中间点。t代表的是路由配置，作为决策x，它的每一位/>

代表节点i和j间的流量经过节点k路由的量。r作为不确定向量y，它的每一位/>

代表当流量以ECMP方式在节点i和k，节点j和k间的最短路路由时链路e上所路由的流量比例。已知G和w(e)，

是易得的。显然，/>

是一个关于网络状态q的随机变量，所以同样使用记号/>

和r(q)。若在某网络状态q′下节点i和k，或节点j和k间没有路径，则可以认为流量将在节点i和j间的最短路上路由，并将/>

的值设置为/>

如果在某网络状态q′下节点i和j间都不存在路径，可以将r(q)设置为0向量。

在本申请的示例性实施例中，首先定义t的定义域T。假设所有流量都在网络中被完整路由，且显然

为非负数，则有：

然后定义损失函数f(x，y)。这里把MLU作为要优化的TE(Traffic Engineering，网络流量工程))指标，并将MLU(t，q)作为损失函数。一个链路e的利用率为

则损失函数为：

此外，压缩状态q_c有最大的损失值l_c，应满足：

将最小化F_β(x，α)作为优化目标，从而最小化CVaR_β(x)，2SRPF要解决的问题可形式化表达为：

min F_β(t，α)； 式(13)

s.t.式(*)，式(8)-(12)。 式(14)

在本申请的示例性实施例中，在求解所述数学规划问题，获取路由配置t之前，所述方法还可以包括：

将非线性的数学规划问题转换成线性的数学规划问题。

在本申请的示例性实施例中，式(10)-式(14)的数学规划问题是非线性的且难以求解。首先，r的概率密度函数是未知的，所以式(*)中的积分∫_q∈Q[f(t，q)-α]⁺p(q)dq是无法计算的。已知r是一个关于网络状态q的随机变量，且已知p_q，可以使用所有状态q∈Q抽样概率密度函数，此时积分被近似为∑_q∈Qp_q[f(t，r(q))-α]⁺。其次，式(*)中的函数[]⁺和式(10)中的max函数是非线性的。因此可以引入两个辅助变量s_q和u_e，q，问题被重写为如下线性规划问题：

minα+(1-β)^-1∑_q∈Qp_qs_q； 式(15)

s.t.，

在本申请的示例性实施例中，可以使用商用求解器如CPLEX、Gurobi求解此线性规划问题，即可得到最佳的路由配置t。

本申请实施例还提供了一种分段路由网络中考虑故障的流量工程计算装置1，如图5所示，可以包括处理器11和计算机可读存储介质12，所述计算机可读存储介质12中存储有指令，当所述指令被所述处理器执行时，实现上述的分段路由网络中考虑故障的流量工程计算方法。

在本申请的示例性实施例中，前述的分段路由网络中考虑故障的流量工程计算方法中的任意实施例均适用于该装置实施例中，在此不再一一赘述。

本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中，在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分；例如，一个物理组件可以具有多个功能，或者一个功能或步骤可以由若干物理组件合作执行。某些组件或所有组件可以被实施为由处理器，如数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。

Claims (5)

1.一种分段路由网络中考虑故障的流量工程计算方法，其特征在于，所述方法包括：

获取预先创建的概率性故障模型，并根据所述概率性故障模型计算预设网络状态的发生概率；

根据所述发生概率和预设计算式计算概率阈值β；

构建数学规划问题；其中，所述数学规划问题的目标包括：最小化定义出的损失函数MLU(t，q)的尾部损失值期望；t为路由配置，q为网络状态；所述尾部损失值期望是指：对于每一个确定的路由配置t，均已知在概率为所述概率阈值β的情况下网络最大链路利用率的最大可能值，将大于所述最大可能值的最大链路利用率的期望作为所述尾部损失值期望；所述数学规划问题的约束包括：所有流量都在网络中被完整路由、路由量为非负数以及压缩状态q_c有最大的损失值l_c；所述压缩状态q_c是指：所有发生概率小于预设概率c的网络状态被压缩为一个聚合状态，称为所述压缩状态q_c；

求解所述数学规划问题，获取路由配置t；

其中，所述概率性故障模型，包括：

p_q′＝Π_z∈Z(p_zq′_z+(1-p_z)(1-q′_z))；

其中，p_q′代表网络状态q′发生的概率，Z为网络故障事件的集合，z∈Z，z是一个由多个链路故障组成的具体故障事件；p_z代表故障事件z发生的概率；q′_z表示网络状态q′中故障事件z发生或不发生；

所述预设计算式，包括：

其中，q_nf代表网络无故障状态，

代表网络无故障状态的发生概率，Q_f＝Q\{q_nf，q_c}，Q为网络状态集合，系数γ∈[0，1]；

所述构建数学规划问题，包括：

构建以最小化损失不小于预设的最大损失的期望为目标的决策求解问题；

将路由配置作为所述决策，基于所述决策求解问题构建所述数学规划问题；

所述将路由配置作为所述决策，基于所述决策求解问题构建所述数学规划问题，包括：

定义路由配置的定义域，设定所有流量都在网络中被完整路由，路由量为非负数，并设置所述压缩状态q_c的最大的损失值l_c；

将MLU(t，q)作为损失函数；所述MLU(t，q)表示流量在路由配置t下在网络状态q发生时网络的最大链路利用率；

将最小化F_β(t，α)作为优化目标，获取所述数学规划问题；其中，F_β(t，α)＝α+(1-β)^-1∫_q∈Q[MLU(t，q)-α]⁺p(q)dq；

其中，位

代表节点i和j间的流量经过节点k路由的量；

代表当流量以等价多路径ECMP方式在节点i和k，节点j和k间的最短路路由时链路e上所路由的流量比例；

代表

是一个关于网络状态q的随机变量，c(e)代表链路e的容量，c(e)＞0；将整个网络抽象为一个有向图G＝(V，E)，其中V是节点集合，E是有向链路集合。

2.根据权利要求1所述的分段路由网络中考虑故障的流量工程计算方法，其特征在于，所述构建以最小化损失不小于预设的最大损失的期望为目标的决策求解问题，包括：

定义损失函数f(x，y)；其中，x为所述决策，

X为x的定义域，

为n维实向量空间，n为正整数，y为不确定性向量，

Y为y的定义域，

为m维实向量空间，m为正整数；

计算所述损失函数f(x，y)不超过阈值α的概率ψ(x，α)；其中，ψ(x，α)＝∫_{f(x，y)≤α}p(y)dy；p(y)为不确定性向量y的概率密度函数；

定义函数VaR_β，

VaR_β用于计算使得所述概率ψ(x，α)大于或等于所述概率阈值β的最小阈值α；

定义函数CVaR；CVaR是不小于VaR_β的损失的期望；

在所述概率阈值β下，在x∈X上最小化CVaR_β(x)，求解所述决策x；

其中，

3.根据权利要求1所述的分段路由网络中考虑故障的流量工程计算方法，其特征在于，在求解所述数学规划问题，获取路由配置t之前，所述方法还包括：

将非线性的数学规划问题转换成线性的数学规划问题。

4.根据权利要求3所述的分段路由网络中考虑故障的流量工程计算方法，其特征在于，所述线性的数学规划问题，包括：

minα+(1-β)^-1∑_q∈Qp_qs_q；

s.t.；

其中，s_q和u_e，q为辅助变量。

5.一种分段路由网络中考虑故障的流量工程计算装置，包括处理器和计算机可读存储介质，所述计算机可读存储介质中存储有指令，其特征在于，当所述指令被所述处理器执行时，实现如权利要求1-4任意一项所述的分段路由网络中考虑故障的流量工程计算方法。

Images