CN114827273B - 基于时延优化的虚拟网络映射方法 - Google Patents
基于时延优化的虚拟网络映射方法 Download PDFInfo
- Publication number
- CN114827273B CN114827273B CN202210322530.2A CN202210322530A CN114827273B CN 114827273 B CN114827273 B CN 114827273B CN 202210322530 A CN202210322530 A CN 202210322530A CN 114827273 B CN114827273 B CN 114827273B
- Authority
- CN
- China
- Prior art keywords
- virtual
- node
- mapping
- physical
- nodes
- 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
- 238000013507 mapping Methods 0.000 title claims abstract description 104
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000005457 optimization Methods 0.000 title claims abstract description 12
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 57
- 238000012545 processing Methods 0.000 claims abstract description 12
- 241000222120 Candida <Saccharomycetales> Species 0.000 claims description 9
- 235000008694 Humulus lupulus Nutrition 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000004088 simulation Methods 0.000 abstract description 9
- 230000007774 longterm Effects 0.000 description 14
- 238000005516 engineering process Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012163 sequencing technique Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/02—Standardisation; Integration
- H04L41/0226—Mapping or translating multiple network management protocols
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L49/00—Packet switching elements
- H04L49/70—Virtual switches
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了基于时延优化的虚拟网络映射算法,包括如下步骤:步骤1.建立虚拟网络映射的模型;步骤2.对虚拟节点和物理节点进行重要度排序;步骤3.进行虚拟网络节点映射;步骤4.进行虚拟链路映射。考虑节点位置约束以体现节点在网络拓扑中的重要性,本发明所提算法在节点排序算法中将链路时延和节点处理时延加入节点排序值,采用时间窗内批量处理虚拟网络请求的方法;相比传统算法,在网络平均传播时延方面做出了优化,并且强调了节点在局部拓扑中的重要性。仿真结果表明,本发明所提算法在QoS方面优于传统的虚拟网络映射算法。
Description
技术领域
本发明涉及网络虚拟化技术和软件定义网络(SDN,Software Defined Network)技术,具体地说是基于时延优化的虚拟网络映射方法。
背景技术
面对当前互联网发展过程中遇到的僵化问题,学术界提出了以网络虚拟化技术为基础的网络切片解决方案。网络虚拟化将网络的现有物理资源抽象和封装为可灵活分配管理的虚拟网元。网络服务提供商可根据需要定制出各式各样的虚拟网络,这些虚拟网络可互不干扰地独立存在于底层网络。
在研究虚拟网络映射至底层物理网络的过程时,可以将虚拟网络和底层物理网络分别用无向有权图建模,其中物理网络由物理节点和物理链路构成,涉及的物理资源有CPU、节点存储、节点容量、链路带宽等;虚拟网络请求的资源属性需求包括CPU、节点存储、节点容量、链路带宽等,除此之外还有链路时延需求、节点位置需求、物理距离需求等。当前的虚拟网络映射算法由两个子过程组成:虚拟节点映射过程和虚拟链路映射过程。所有的虚拟节点和虚拟链路映射至底层节点后,虚拟网络映射才算完成。虚拟网络映射算法的优化目标主要有两个:1.最小化虚拟网络映射代价和最大化虚拟网络映射收益;2.满足虚拟网络用户的网络性能指标QoS(Quality of Service)和QoE(Quality of Experience)。
如今,随着网络应用的多样化,各类应用对QoS的要求逐渐提高,其在各种低时延应用场景下,QoS中的虚拟网络平均传播时延需求更加严格。传统的虚拟网络映射算法主要通过节点排序、拓扑简化等方法实现最小化网络映射代价或最大化虚拟网络映射收益,忽略了对用户QoS的优化。此外,传统的两阶段协同虚拟网络映射算法主要考虑节点CPU资源和链路带宽,用以体现节点在整体网络中的资源集中度,而忽略了其他因素的影响。
发明内容
为了解决上述问题,本发明针对时延敏感型应用场景,提出了一种在节点排序算法中将链路时延和节点处理时延加入节点排序值,采用时间窗内批量处理虚拟网络请求的虚拟网络映射方法。
为了达到上述目的,本发明通过以下技术方案来实现:
本发明是基于时延优化的虚拟网络映射方法,包括以下步骤:
步骤1,建立虚拟网络映射的模型;
步骤2,根据节点的资源度、局部拓扑的重要性、节点相邻链路的传播时延以及节点处理时延,对虚拟节点和物理节点进行重要度排序;
步骤3,进行虚拟网络节点映射;
步骤4,进行虚拟链路映射。
本发明的进一步改进在于:步骤1中虚拟网络映射的模型为:物理网络用无向有权图GP=(NP,EP)表示,NP和EP分别为物理节点集合和物理链路集合,其中,物理节点nP的属性有CPU资源请求cpu(nP)、节点时延delay(nP)、物理节点重要度importance(np),物理链路eP的属性有链路带宽bw(eP)、链路时延delay(eP);
虚拟网络请求用无向有权图GV=(NV,EV)表示,NV和EV分别为虚拟节点和虚拟链路集合,其中,虚拟节点nV的资源请求为cpu(nV),时延属性为delay(nV),虚拟链路ev的带宽约束为bw(eV),时延约束为delay(eV),虚拟节点重要度为importance(nV)。
本发明的进一步改进在于:步骤2中,虚拟节点nV的重要度计算如下
式中,Res(nV)、Closeness(nV)、VertexDelay(nV)分别为虚拟节点nV的资源集中程度、节点亲密度、节点传播时延期望;
物理节点nP的重要度计算如下
式中,Res(nP)、Closeness(nP)、LocDis(nP)、VertexDelay(nP)分别表示物理节点nP的资源集中程度、节点亲密度、局部网络拓扑重要性、节点传播时延期望;
本发明的进一步改进在于:步骤3具体操作如下:
步骤3.1,将虚拟网络请求中的虚拟节点按照其重要度从大到小的排序记录到VirtualNodeList中;
步骤3.2,对于VirtualNodeList中的虚拟节点nV,遍历底层物理节点集合,选取满足物理距离约束条件的候选节点,存入集合Candidates(nV);
步骤3.3,判断Candidates(nV)集合是否为空,若为空,映射失败,返回结果;若不为空,选择Candidates(nV)集合中节点重要度最高的节点,将虚拟节点nV映射至该候选节点上,更新映射关系列表MappingNodeList和底层物理资源,在VirtualNodeList中删除虚拟节点nV,;
步骤3.4,重复步骤3.2和步骤3.3,直至VirtualNodeList为空。
本发明的进一步改进在于:步骤4虚拟链路映射采用K-Shortest路径算法,选取最短路径并满足带宽约束,具体操作如下:
步骤4.1,将虚拟网络请求中的虚拟链路从大到小的排序记录到VirtualLinkList中;
步骤4.2,对于VirtualLinkList中的eV虚拟链路,通过K-Shortest路径算法寻找出K条候选物理路径,记作集合Paths(eV);
步骤4.3,对Paths(eV)中的路径进行虚拟链路带宽需求判断,若不能满足虚拟链路带宽需求,则从Paths(eV)中删除该路径;
步骤4.4,判断Paths(eV)是否为空,若为空,映射失败,返回结果;若不为空,将当前虚拟链路eV映射至路径优先度最高的物理链路,将映射关系记录进集合MappingLinkList,从VirtualLinkList中删除虚拟链路eV,并更新底层物理资源;
步骤4.5,重复步骤4.2至步骤4.4,直至VirtualLinkList为空。
本发明的进一步改进在于:步骤4.4中路径优先度为
式中,bw(p)为物理路径p的链路带宽,γ为权重因子,在本发明中取1,hops(p)为物理路径p的时延,Paths(eV)为虚拟链路eV映射后的底层物理路径的集合,p为集合Paths(eV)中的一条路径。
本发明的有益效果是:
1.本发明在虚拟网络映射算法中的节点映射子阶段中,在节点重要度中加入节点的局部拓扑值和资源集中度,综合考虑物理节点在底层网络中局部和整体的重要性,使得虚拟网络节点映射的物理节点资源更加集中,并因此提升其映射成功率。
2.本发明在节点重要度中反映了节点相邻链路的时延情况,能够优先将虚拟网络节点映射到低时延的物理节点;在虚拟链路映射阶段中加入了时延约束,由此改进了QoS中的网络平均时延。仿真结果表明,该算法在QoS方面优于传统算法,映射成功率更高。
附图说明:
图1是虚拟网络映射示例。
图2是3种算法的映射成功率比较图。
图3是3种算法的长期收益比较图。
图4是3种算法的长期收益开销比比较图。
图5是3种算法的虚拟网络平均传播时延比较图。
具体实施方式
下面将结合本发明中的附图,对本发明实施例中的技术方案进行清楚、完整的描述。显然,所描述的实施例仅仅是本发明的一部分实施,而不是全部的实施。基于本发明的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得所有其他实施例,都属于本发明保护的范围。
本发明是一种基于时延优化的虚拟网络映射方法,分为两阶段;节点映射部分综合考虑了节点的资源度、局部拓扑的重要性、节点相邻链路的传播时延以及节点处理时延,提出了一种新的节点重要度排序方法;可以使得虚拟节点映射至的物理节点资源更加集中,映射成功率更高。在链路映射阶段,以链路传播时延为目标函数,基于链路传播时延和链路带宽构建约束,改进传统的dijkstra路径算法映射链路。经过仿真验证,本发明所提算法兼顾了映射的成功率和长期收益,改进了虚拟网络QoS。具体步骤如下:
步骤1,建立虚拟网络映射的模型;
步骤2,对虚拟节点和物理节点进行重要度排序;
步骤3,进行虚拟网络节点映射;
步骤4,进行虚拟链路映射。
步骤1中建立的虚拟网络映射模型如下:
物理网络用无向有权图GP=(NP,EP))表示,NP和EP分别为物理节点集合和物理链路集合。物理节点nP的属性有CPU资源请求cpu(nP)、节点时延delay(nP)、物理节点重要度importance(np)。物理链路eP的属性有链路带宽bw(eP)、链路时延delay(eP)。虚拟网络请求用无向有权图GV=(NV,EV)表示,NV和EV分别为虚拟节点和虚拟链路集合。虚拟节点nv的资源请求为cpu(nV),时延属性为delay(nV)。虚拟链路ev的带宽需求为bw(eV),时延需求为delay(eV),虚拟节点重要度importance(nV)。
如图1所示,一个虚拟网络请求由虚拟节点和虚拟链路组成。其虚拟网络节点a、b、c和各个节点的CPU资源请求分别为10、5、7;它们之间的链路带宽请求为15、12、17。在满足了CPU资源约束和带宽约束的情况下,该请求可以映射至底层物理网络的A、B、C节点。虚拟网络映射问题本质就是研究如何有效地将虚拟网络请求映射至底层物理网络之上。
虚拟网络映射本质是一个NP-hard问题,因此寻找出精确的最优解将花费大量的时间和资源。目前,该问题的主流解决方法为启发式算法,即在有限时间内寻找出一个可行解。
本发明提出一种新型启发式算法,虚拟节点和物理节点排序的重要度计算分别如下
在式(1)和式(2)中,对于任意一个物理节点或虚拟节点n,反映该节点的资源集中程度的参数如下
式中,α和β是权重因子,用以调整CPU资源和带宽资源在节点资源度中占的比重,在本发明中α和β均取1。cpu(n)为节点n的CPU资源,bw(e)为链路e的带宽资源,Link(n)表示节点n邻接的链路集合。Res(n)由节点n的CPU资源和与其相邻链路的可用链路带宽之和决定,能够体现节点n在整个网络中的资源集中程度。
对于任意一个物理节点或虚拟节点,将该节点记为ni,节点亲密度从全局拓扑的角度反映一个节点拓扑上的重要性。
式中,ni与nj代表任意两个虚拟节点或两个物理节点,若ni为虚拟节点,Φ(ni)为在虚拟网络中还未映射的虚拟节点;若ni为物理节点,Φ(ni)为在物理网络中满足条件约束的候选节点。hops(ni,nj)为两个节点间的跳数距离,节点亲密度越高,该节点在该网络中的中心程度越高。
对于任意一个物理节点或虚拟节点n,衡量该节点周边链路时延的参数为节点传播时延期望,其公式如下
式中,delay(ei,j)为虚拟链路ei,j的时延,processDelay(ni)为节点ni的处理时延,Degree(ni)为节点ni的节点度,代表ni的邻接链路数量。式(5)的分子由链路传播时延和节点处理时延之和组成,描述的是映射完成后的网络在经过该节点时的时延期望。
在本发明中,每条物理链路的传播时延和单个物理节点的处理时延均为1个时间单位,物理路径的时延由该路径中所包含的物理链路数量决定。当节点中的ni为物理节点时,其节点传播时延期望参数为
在虚拟网络节点映射过程中,物理节点的选取优先级与物理距离有关。在满足条件约束的候选节点中,应优先选取距离已成功映射的物理节点近的候选节点。
式中,节点n为任意物理节点,LocDis(n)为节点n在当前网络的局部网络拓扑重要性,Nmapped为在物理网络中已被虚拟节点映射占用的物理节点,Dis(n,nj)为节点n和nj之间的物理距离。虚拟节点映射后的物理节点距离越近,映射所占用的资源越少,映射的成功率也更高。
虚拟网络节点映射子过程如下:
步骤3.1,将根据式(1)计算得到的虚拟网络请求中的虚拟节点重要度从大到小的排序记录到VirtualNodeList中;
步骤3.2,对于VirtualNodeList中的虚拟节点nV,遍历底层物理节点集合,选取满足物理距离约束条件的候选节点,存入集合Candidates(nV);
步骤3.3,判断Candidates(nV)集合是否为空,若为空,映射失败,返回结果;若不为空,选择Candidates(nV)集合中的根据式(2)计算得到的节点重要度importance(nP)最高的节点,将虚拟节点nV映射至该候选节点上,并更新映射关系列表MappingNodeList和底层物理资源,在VirtualNodeList中删除虚拟节点nV;
步骤3.4,重复步骤3.2和步骤3.3,直至VirtualNodeList为空。
成功映射虚拟网络所有节点后,将虚拟链路映射至底层物理网络上。虚拟链路映射采用K-Shortest路径算法,选取最短路径并满足带宽约束。
虚拟链路映射的过程如下:
步骤4.1,将虚拟网络请求中的虚拟链路从大到小的排序记录到VirtualLinkList中;
步骤4.2,对于VirtualLinkList中的eV虚拟链路,通过K-Shortest路径算法寻找出K条候选物理路径,记作集合Paths(eV)。在实际虚拟网络映射中,K的值受底层物理网络的规模影响。在下文的仿真中,底层物理网络由100个物理节点与500条物理链路组成,K一般取5;
步骤4.3,对Paths(eV)中的路径进行虚拟链路带宽需求判断,若不能满足虚拟链路带宽需求,则从Paths(eV)中删除该路径;
步骤4.4,判断Paths(eV)是否为空,若为空,映射失败,返回结果;若不为空,将当前虚拟链路eV映射至路径优先度最高的物理链路,将映射关系记录进集合MappingLinkList,从VirtualLinkLrst中删除虚拟链路eV,并更新底层物理资源;
步骤4.5,重复步骤4.2至步骤4.4,直至VirtualLinkList为空。
对于集合Paths(eV)中的任意一条路径p,综合考虑链路带宽和链路时延,将其总结为参数路径优先度,并由此决定优先映射的路径,计算公式如下
式中,bw(p)为路径p的带宽资源,γ为权重因子,在本发明中取1,hops(p)为路径p的跳数距离,Paths(eV)为虚拟链路eV映射后的候选底层物理路径集合,p为集合Paths(eV)中的一条物理路径。底层物理路径p的跳数距离代表了该条路径的时延。
仿真参数设置如下:
将100个物理节点和500个物理链路随机分布在1000×1000的范围内。其中,物理节点的CPU资源和物理链路的带宽资源均遵从[50,100]均匀分布;物理节点的处理时延和物理链路的传播时延均为1个时间单位;虚拟链路的传播时延为整数,遵从[1,5]的均匀分布。虚拟网络请求遵从泊松分布,到达时间为100个时间单位,期望个数为5。生存时间遵从指数分布,期望为1000个时间单位。虚拟网络节点个数遵从[2,10]均匀分布,虚拟网络节点的CPU资源请求和虚拟网络链路的带宽请求均遵从[0,50]均匀分布,虚拟节点的距离约束为500。
仿真运行10000个时间单位,为去除仿真的随机因素,取10次运行的平均值。
虚拟网络映射指标如下:
映射成功率能反映出虚拟网络请求成功被映射的概率,如式(9)所示。
式中,NUMsuc为成功映射的虚拟网络请求,NUM为在时间T内到达的虚拟网络请求,δ为无限趋近于零的常数。
对于虚拟网络GV=(NV,EV),在t时隙的映射收益R(GV,t)和映射开销C(GV,t)如下
在式(10)和式(11)中,λ和ω为节点资源和链路带宽比重的权重因子,在本发明中均为1;cpu(nV)为虚拟节点nV的CPU资源需求,bw(eV)为虚拟链路eV的带宽资源需求,hops(p)为路径p的跳数,p为集合Paths(eV)中的一条物理路径,Paths(eV)为虚拟链路eV映射后的底层物理路径集合。
长期收益开销比可表示为
式中,分子为虚拟网络请求GV的长期映射收益,分母为虚拟网络请求GV的长期映射开销。
一个虚拟网络请求的映射收益是由请求本身决定的,与使用的虚拟网络映射算法无关,因此从长期收益开销比能更好的看出虚拟网络映射算法的性能,收益开销比越接近1,则此次映射占用的底层物理资源越少,该算法的性能越好。
对于一个虚拟网络请求GV=(NV,EV),虚拟网络平均传播时延AveDelay(GV)为
式中,processDelay(nV)为虚拟节点nV的时延,delay(p)为虚拟链路eV所对应的路径p的时延,NUM(NV)和NUM(EV)为虚拟网络GV中虚拟节点和虚拟链路的数量。
仿真结果如下:
将本发明所提算法与NC-VNE算法和CL算法进行仿真对比。NC-VNE算法为节点可靠感知的虚拟网络映射算法,该算法在节点排序过程中综合考虑了节点的局部拓扑重要性、节点的资源度和节点的亲密度。CL算法在节点排序中只考虑了节点拓扑的重要性。仿真时,在算法中加入时延约束,其对比结果如图2至图5所示。
图2比较了3种算法的虚拟网络请求映射成功率。本发明所提算法由于综合考虑了节点资源度、拓扑重要性、节点亲密度以及相邻链路时延,其映射成功率最高,在7000个时间单位后趋于稳定,映射成功率稳定在70%,相较NC-VNE算法提高了约33%。CL算法由于未考虑节点资源度等参数,其映射成功率在43%左右。
图3中为3种算法的长期平均开销对比,3种算法的长期平均开销均在5000个时间单位后趋于稳定。本发明所提算法的长期平均收益与NC-VNE算法相近,CL算法的长期平均收益最低。本发明所提算法相较CL算法,其长期平均收益提升了32%左右。
图4为3种算法的长期平均收益开销比,3种算法的长期平均收益开销比在5000个单位后趋于稳定。本发明所提算法的长期平均收益开销比最高,其次为NC-VNE算法,最后为CL算法。
图5为3种算法的网络平均传播时延。随着时间的推移,3种算法的网络平均传播时延不断延长,并在约5000个单位后趋于稳定。由于本发明所提算法在节点排序和链路映射中考虑了链路时延与节点处理时延,因此会优先将节点映射至低时延的物理节点,其结果优于其他两种算法。虚拟网络平均传播时延相较NC-VNE算法和CL算法分别减少了1至1.5个时间单位。
以上所述仅是本发明的优选实施例而已,并非对本发明做任何形式上的限制。虽然本发明已以优选实施例论述如上,然而并非用以限定本发明,任何熟悉本专业的技术人员,在不脱离本发明技术方案的范围内,当可利用上述揭示的技术内容做出些许更动或修饰为等同变化的等效实施例。但凡是未脱离本发明技术方案的内容,依据本实用发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰,均仍属于本发明技术方案的范围内。
Claims (3)
1.基于时延优化的虚拟网络映射方法,其特征在于:包括以下步骤:
步骤1,建立虚拟网络映射的模型;
虚拟网络映射的模型为:物理网络用无向有权图GP=(NP,EP)表示,NP和EP分别为物理节点集合和物理链路集合,其中,物理节点nP的属性有CPU资源请求cpu(nP)、节点时延delay(nP)、物理节点重要度importance(np),物理链路eP的属性有链路带宽bw(eP)、链路时延delay(eP);
虚拟网络请求用无向有权图GV=(NV,EV)表示,NV和EV分别为虚拟节点和虚拟链路集合,其中,虚拟节点nv的资源请求为cpu(nv)、时延属性为delay(nV),虚拟链路ev的带宽约束为bw(eV)、时延约束为delay(eV)、虚拟节点重要度为importance(nV);
步骤2,根据节点的资源度、局部拓扑的重要性、节点相邻链路的传播时延以及节点处理时延,对虚拟节点和物理节点进行重要度排序;
步骤3,进行虚拟网络节点映射;
进行虚拟网络节点映射的具体操作如下:
步骤3.1,将虚拟网络请求中的虚拟节点从大到小的排序记录到VirtualNodeList中;
步骤3.2,对于VirtualNodeList中的虚拟节点nV,遍历底层物理节点集合,选取满足物理距离约束条件的候选节点,存入集合Candidates(nV);
步骤3.3,判断Candidates(nV)集合是否为空;若为空,此次映射失败,拒绝此次映射并返回映射失败的结果;若不为空,选择Candidates(nV)集合中节点重要度最高的节点,将虚拟节点nV映射至该候选节点上,更新映射关系列表MappingNodeList和底层物理资源,在VirtualNodeList中删除虚拟节点nV;
步骤3.4,重复步骤3.2和步骤3.3,直至VirtualNodeList为空;
步骤4,进行虚拟链路映射;
虚拟链路映射采用K-Shortest路径算法,选取最短路径并满足带宽约束,具体操作如下:
步骤4.1,将虚拟网络请求中的虚拟链路从大到小的排序记录到VirtualLinkList中;
步骤4.2,对于VirtualLinkList中的eV虚拟链路,通过K-Shortest路径算法寻找出K条候选物理路径,记作集合Paths(eV);
步骤4.3,对Paths(eV)中的路径进行虚拟链路带宽需求判断,若不能满足虚拟链路带宽需求,则从Paths(eV)中删除该路径;
步骤4.4,判断Paths(eV)是否为空,若为空,映射失败,返回结果;若不为空,将当前虚拟网络的虚拟链路eV映射至路径优先度最高的物理路径,将映射关系记录进集合MappingLinkList,从VirtualLinkList中删除虚拟链路eV,并更新底层物理资源;
步骤4.5,重复步骤4.2至步骤4.4,直至VirtualLinkList为空。
2.根据权利要求1所述基于时延优化的虚拟网络映射方法,其特征在于:步骤2中,虚拟节点nV的重要度计算如下:
式中,Res(nV)、Closeness(nV)、VertexDelay(nV)分别为虚拟节点nV的资源集中程度、节点亲密度、节点传播时延期望;
物理节点nP的重要度计算如下:
式中,Res(nP)、Closeness(nP)、LocDis(nP)、VertexDelay(nP)分别表示物理节点nP的资源集中程度、节点亲密度、局部网络拓扑重要性、节点传播时延期望。
3.根据权利要求1所述基于时延优化的虚拟网络映射方法,其特征在于:步骤4具体操作如下:步骤4.4中路径优先度的计算为:
式中,bw(p)为物理路径p的链路带宽,γ为权重因子,在本方法中γ取1,hops(p)为物理路径p的时延,Paths(eV)为虚拟链路eV映射后的候选底层物理路径集合,p为集合Paths(eV)中的一条路径。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210322530.2A CN114827273B (zh) | 2022-03-30 | 2022-03-30 | 基于时延优化的虚拟网络映射方法 |
JP2023507645A JP7549820B2 (ja) | 2022-03-30 | 2022-07-20 | 遅延最適化に基づく仮想ネットワークのマッピングアルゴリズム |
PCT/CN2022/106693 WO2023184793A1 (zh) | 2022-03-30 | 2022-07-20 | 基于时延优化的虚拟网络映射算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210322530.2A CN114827273B (zh) | 2022-03-30 | 2022-03-30 | 基于时延优化的虚拟网络映射方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114827273A CN114827273A (zh) | 2022-07-29 |
CN114827273B true CN114827273B (zh) | 2023-11-24 |
Family
ID=82533696
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210322530.2A Active CN114827273B (zh) | 2022-03-30 | 2022-03-30 | 基于时延优化的虚拟网络映射方法 |
Country Status (3)
Country | Link |
---|---|
JP (1) | JP7549820B2 (zh) |
CN (1) | CN114827273B (zh) |
WO (1) | WO2023184793A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115767325B (zh) * | 2022-10-31 | 2024-09-13 | 苏州大学 | 服务功能链利润最大化映射方法和系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020007073A1 (zh) * | 2018-07-04 | 2020-01-09 | 重庆邮电大学 | 一种信息中心网络虚拟化中内容缓存方法 |
CN111130858A (zh) * | 2019-12-09 | 2020-05-08 | 网络通信与安全紫金山实验室 | 一种sd-wan场景下的动态多目标虚拟网络映射方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018134911A1 (en) * | 2017-01-18 | 2018-07-26 | Nec Corporation | Resource allocation system, method, and program |
CN108667657B (zh) | 2018-04-28 | 2020-08-18 | 西安交通大学 | 一种面向sdn的基于局部特征信息的虚拟网络映射方法 |
CN109150627B (zh) * | 2018-10-09 | 2021-11-23 | 南京邮电大学 | 基于动态资源需求及拓扑感知的虚拟网络映射的构建方法 |
CN111385151A (zh) * | 2020-03-11 | 2020-07-07 | 中国电子科技集团公司第五十四研究所 | 一种基于多目标优化的虚拟网络的映射方法及装置 |
CN112242951B (zh) | 2020-10-16 | 2022-03-15 | 中国联合网络通信集团有限公司 | 一种虚拟网映射方法和装置 |
-
2022
- 2022-03-30 CN CN202210322530.2A patent/CN114827273B/zh active Active
- 2022-07-20 WO PCT/CN2022/106693 patent/WO2023184793A1/zh active Application Filing
- 2022-07-20 JP JP2023507645A patent/JP7549820B2/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020007073A1 (zh) * | 2018-07-04 | 2020-01-09 | 重庆邮电大学 | 一种信息中心网络虚拟化中内容缓存方法 |
CN111130858A (zh) * | 2019-12-09 | 2020-05-08 | 网络通信与安全紫金山实验室 | 一种sd-wan场景下的动态多目标虚拟网络映射方法 |
Non-Patent Citations (3)
Title |
---|
D2D协作的边缘缓存系统能耗分析;蔡艳,吴凡,陆音,朱洪波;南京邮电大学学报;全文 * |
节点可靠感知的高效虚拟网络映射算法研究;苏玉泽;孟相如;赵志远;李振涛;;工程科学与技术(02);全文 * |
面向多业务需求的NFV和SDN融合的资源优化算法;朱晓荣;张倩;;通信学报(11);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114827273A (zh) | 2022-07-29 |
WO2023184793A1 (zh) | 2023-10-05 |
JP2024515910A (ja) | 2024-04-11 |
JP7549820B2 (ja) | 2024-09-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109150627B (zh) | 基于动态资源需求及拓扑感知的虚拟网络映射的构建方法 | |
CN112738820B (zh) | 一种服务功能链的动态部署方法、装置及计算机设备 | |
US10660069B2 (en) | Resource allocation device and resource allocation method | |
CN107979545B (zh) | 一种基于节点属性的虚拟网络映射方法 | |
CN113193984A (zh) | 一种空天地一体化网络资源映射方法及系统 | |
Blenk et al. | NeuroViNE: A neural preprocessor for your virtual network embedding algorithm | |
CN110505101A (zh) | 一种网络切片编排方法及装置 | |
CN108684046A (zh) | 一种基于随机学习的接入网服务功能链部署方法 | |
CN110995619B (zh) | 一种服务质量感知的虚拟网络映射方法和装置 | |
CN104917659B (zh) | 一种基于虚拟网络连接特性的虚拟网络映射方法 | |
US7756021B2 (en) | Method for finding minimal cost paths under uncertainty | |
CN114827273B (zh) | 基于时延优化的虚拟网络映射方法 | |
CN113163498B (zh) | 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 | |
CN104506337B (zh) | 基于区域性故障预测的虚拟网络映射方法及装置 | |
CN114071582A (zh) | 面向云边协同物联网的服务链部署方法及装置 | |
CN113300861B (zh) | 网络切片配置方法、装置以及存储介质 | |
CN115065601B (zh) | 一种节点链路同时映射的虚拟网络映射方法 | |
Nguyen et al. | Rethinking virtual link mapping in network virtualization | |
CN117749697A (zh) | 云网融合预调度方法、装置、系统及存储介质 | |
CN112631612B (zh) | 一种基于遗传算法的kubernetes云平台配置的优化方法 | |
CN113438098A (zh) | 一种在云数据中心的时延敏感的虚拟网络映射方法及装置 | |
Elkael et al. | Improved monte carlo tree search for virtual network embedding | |
JP6894408B2 (ja) | 連携型仮想ネットワーク割当方法および装置 | |
Irawan et al. | Network Slicing Modeling and Simulation on 5G Networks Using Virne | |
CN113612834B (zh) | 一种云网资源的统一表示及优化分配方法与系统 |
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 |