CN114900436A - 一种基于多维融合模型的网络孪生方法 - Google Patents
一种基于多维融合模型的网络孪生方法 Download PDFInfo
- Publication number
- CN114900436A CN114900436A CN202210473135.4A CN202210473135A CN114900436A CN 114900436 A CN114900436 A CN 114900436A CN 202210473135 A CN202210473135 A CN 202210473135A CN 114900436 A CN114900436 A CN 114900436A
- Authority
- CN
- China
- Prior art keywords
- network
- model
- twin
- target network
- information
- 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
- 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
- H04L41/14—Network analysis or design
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/50—Reducing energy consumption in communication networks in wire-line communication networks, e.g. low power modes or reduced link rate
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
该发明公开了一种基于多维融合模型的孪生网络初始构建与状态同步方法,属于信息网络孪生和网络仿真技术领域。首先,本发明设计了数字孪生网络架构,是孪生网络构建与同步的基础。其次,通过多源数据采集监控代理技术方案,实现对目标网络多维度信息的全方位采集。接着,对目标网络进行实体建模、规则建模、业务建模、行为建模,并通过分析各层模型间的关联关系,从结构和功能上对上述四维模型进行集成和融合,形成“多维融合模型”。最后,在基于云平台的基础设施上,利用网络虚拟化、网络功能虚拟化、存储虚拟化、主机虚拟化等技术,通过“多维融合模型”构建高逼真度的孪生网络,并最终实现所构建的孪生网络与目标网络的快速、准确同步。
Description
技术领域
本发明属于信息网络孪生和网络仿真技术领域,特别是涉及一种基于多维融合模型的孪生网络初始构建与状态同步方法。
背景技术
网络孪生是当前信息网络领域的研究热点。除采用软件模拟(simulation)方法外,也可采用网络仿真(emulation)技术,实现对目标网络中节点、链路及拓扑等关键要素的高逼真度孪生复现。例如,采用云计算平台中的虚拟实例(包括:基于传统主机虚拟化技术的虚拟机或基于轻量级虚拟化技术的容器)仿真目标网络节点、实现对目标网络节点的孪生复现;采用云平台底层虚拟链路和虚拟网络仿真目标网络链路和拓扑、实现对目标网络链路和拓扑的孪生复现。上述网络仿真技术具有逼真度高、灵活可扩展、成本可控、支持上层协议及应用程序直接部署等天然优势。
然而,网络孪生不仅需实现对目标网络节点、链路和拓扑等实体要素的初始构建和状态同步,还需要实现对目标网络中各类规则要素、应用业务要素、用户行为以及网络行为要素的高逼真度复现。为实现上述目标,需对目标网络多个层面和维度的属性进行抽象建模。模型是为认识和研究复杂事物所建立的针对事物形态、特征、过程和和规律的抽象描述,可以是定性的、也可以是定量的,能简化人类对复杂事物的认识。建模方法则是指用形象化的具体实物或抽象的语言文字、图表、数学公式等对认识对象进行模拟或简化描述的一种方法。模型通常具有三个基本特点:1)对实际对象的模仿和抽象;2)组成体现认识对象系统中的主要因素;3)反映主要因素之间的关系。
因而,网络孪生首先需要研究基于目标网络各维度信息构建目标网络多维融合模型,并研究基于构建的网络多维融合模型,利用软件模拟(simulation)或网络仿真(emulation)方法,构建高逼真度的孪生网络,并最终实现所构建的孪生网络与目标网络的快速、准确同步。
发明内容
针对当前网络孪生构建方法逼真度较低、所构建的孪生网络与目标网络同步性能较差的问题,本发明提出一种基于多维融合模型的网络孪生方法,以实现高逼真度的孪生网络构建能力,并最终支持所构建的孪生网络与目标网络实现快速、准确同步。
本发明的技术方案是这样实现的:一种基于多维融合模型的网络孪生方法,包括以下步骤:
步骤1:确定孪生网络构建系统总体,包括:目标网络、孪生网络和数字孪生网络服务系统三部分;
所述目标网络包括:骨干网、汇聚网、接入网和局域网中的一个或多个,局域网中设置服务器和终端节点;
所述孪生网络是对目标网络的高逼真度仿真网络;
所述数字孪生网络服务系统实现对目标网络状态信息采集和对孪生网络的全面管控;
步骤2:对目标网络中的实体信息、规则信息、业务信息、行为信息进行采集;
步骤3:根据目标网络的节点、链路和拓扑信息,构建对应的实体要素模型;
所述实体要素模包括:节点模型、链路模型、拓扑模型;
构建节点模型,将目标网络节点按照功能进行分类,对每一类分别进行建模,每个节点模型包括节点硬件架构、系统软件、资源配置参数;
构建链路模型,对目标网络链路按照传输介质和通信模式进行分类,分别建立链路模型,每个链路模型包括链路的最大带宽、传输时延及丢包率;
构建拓扑模型,根据目标网络中节点之间的连接关系构建拓扑模型;
步骤4:根据目标网络的路由、流控和安全规则要素信息,构建对应的规则要素模型;
规则要素模型包括:路由规则模型、流控规则模型和安全规则模型;
步骤5:根据目标网络的文件传输、视频传输、音频传输的业务要素信息,构建对应的业务要素模型;
根据目标网络文件传输、视频传输、音频传输过程中,用户和服务器间的交互模式、传输速率、传输时长信息,分别构建文件传输模型、视频传输模型、音频传输模型;
步骤6:根据目标网络的用户行为和网络行为要素信息,构建对应的行为要素模型;
所述行为要素模型包括:用户行为模型和网络行为模型;首先将用户分为独立用户和群体用户,根据目标网络分别对独立用户和群体用户业务会话请求的频率和请求时间建立模型;网络行为包括单点故障、接口故障、链路故障,根据目标网络分别对单点故障、接口故障、链路故障进行建模;
步骤7:根据实体要素模型、规则要素模型、业务要素模型、行为要素模型构建孪生网络;
建孪生网络包括4层,最底层为实体要素模型,构建孪生网络的节点、链路、拓扑;第二层为规则要素模型,构建孪生网络的路由规则、流控规则和安全规则;第三层为业务要素模型,采用文件传输模型、视频传输模型、音频传输模型对孪生网络中的文件、视频、音频传输进行仿真;最高层为行为要素模型,在孪生网络中对用户行为和网络行为进行模拟。
进一步的,所述数字孪生网络服务系统包括:孪生网络构建管理子系统、统一网络资源管控子系统、网络流量隔离引导分析子系统、多源状态数据感知模块、目标网络数据库、多维融合模型和孪生网络数据库;所述多源状态数据感知模块用于采集目标网络节点、链路和拓扑的属性和状态信息和关键网络节点、关键应用业务的详细配置;所述目标网络数据库用于存储目标网络中采集到的数据;所述多维融合模型为根据采集到的目标网络状态数据,对目标网络建立的多维度特征融合模型,用于后续的孪生网络的构建;所述孪生网络数据库是保存用于构建孪生网络和同步过程中需要的节点、链路、拓扑、应用业务的配置数据和状态信息。
进一步的,所述步骤2中,采用网络管理协议代理模块和软件监控代理模块共同实现信息采集,所述网络管理协议代理模块设置于所有网络节点,负责各自节点的信息采集,所述软件监控代理模块设置于服务器节点和网络设备节点,负责对该节点的硬软件配置信息、协议和应用程序配置信息、状态信息、节点业务应用会话、流量信息的采集。
本发明的有益效果:本发明提出了针对网络仿真和网络孪生任务的“多维融合模型”架构,从网络实体(主要包括:节点模型、链路模型和拓扑模型)、网络规则(主要包括:路由、流控、安全规则模型)、网络业务(主要包括:文件传输模型、音频传输模型、视频传输模型、VoIP模型、视频直播、在线会议以及其他典型应用业务模型)和网络行为(主要包括:用户行为模型和网络故障行为模型)要素四个维度对目标网络进行抽象和建模。一方面,实体模型、规则模型和业务模型刻画了仿真/孪生目标网络的静态属性;另一方面,用户行为模型和网络行为模型描述了目标网络的动态性特征。具体地,实体模型对网络各类异构实体要素的抽象概况和描述;规则模型对网络中主要的规则进行刻画,并将其映射到实体要素之上;业务模型对网络主要应用业务的流量特征以及会话交互过程进行抽象和建模,配合行为模型触发网络流量;行为模型在网络中加入事件驱动和异常扰动因数,使得各要素具备行为特征。上述模型框架的四个维度具有紧密的关联关系,从结构和功能上对四维模型进行集成和融合,形成目标网络的“多维融合模型”,为各类网络仿真和数字孪生网络构建任务,打下坚实的理论基础。
附图说明
图1为孪生网络构建系统总体架构示意图;
图2为多源数据采集监控代理技术方案示意图;
图3为网络多维融合模型架构示意图;
图4为数字孪生网络构建流程示意图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步的详细说明:
一种基于多维融合模型的网络孪生构建方法,具体步骤如下:
步骤一:设计孪生网络构建系统总体架构
孪生网络构建系统总体架构如图1所示,由三部分组成,分别是:目标网络、孪生网络和数字孪生网络服务系统,
典型的目标网络通常由骨干、汇聚、接入和局域网四层网络组成。在目标网络中根据实际情况部署相应的安全防护设备和软件系统,如防火墙、防病毒系统等;在目标网络的局域网中部署有服务器和终端节点,并在服务器上安装了典型的业务应用系统软件。
孪生网络是对目标网络的高逼真度仿真网络。过对目标网络的实体建模、规则建模、业务建模和行为建模,形成孪生网络的多维融合模型,在基于虚拟化云平台的基础设施上,利用网络虚拟化、网络功能虚拟化、存储虚拟化、主机虚拟化等技术,通过模型驱动建立与目标网络完全一致的孪生网络。再通过对目标网络的状态信息多源数据采集方法,实现孪生网络状态与目标网络状态的精确同步。
数字孪生网络服务系统主要实现对目标网络和孪生网络的全面管控。整个系统由孪生网络构建管理子系统、统一网络资源管控子系统、网络流量隔离引导分析子系统。同时,数字孪生网络服务系统,还包括:多源状态数据感知、目标网络数据库、多维融合模型和孪生网络数据库四大模块。其中:
多源状态数据感知。一方面,基于目标网络原生网管系统,采集目标网络节点、链路和拓扑等属性和状态数据;另一方面,采用开发的软件监控代理程序,采集关键网络节点更为详细的配置和状态信息;
目标网络数据库。保存从目标网络中采集到的关于节点、链路、拓扑、应用业务等各类网络要素的配置数据和状态信息;
多维融合模型。基于在目标网络中采集的多源状态信息,构建针对实体要素、网络规则、应用业务和用户及网络行为四个维度的多维融合模型,实现对目标网络全面、准确的建模,为孪生网络的复现和同步提供理论模型基础;
孪生网络数据库。保存孪生网络复现和同步过程中,节点、链路、拓扑、应用业务等各类网络要素的配置数据和状态信息。
步骤二:设计多源数据采集监控代理技术方案
多源数据采集监控代理技术方案如图2所示,该方案包括两个主要数据采集模块:简单网络管理协议(SNMP)代理、软件监控代理(探针),具体功能如下:
SNMP代理(软件)模块安装于所有网络节点(包括各类主机节点和网络设备)上,负责网络节点、网络链路、网络拓扑等实体要素相关信息的采集;
软件监控代理模块安装于部分目标网络节点(主要是服务器节点、网络设备节点)上,负责对节点硬软件配置信息、协议和应用程序配置信息及状态信息的采集。同时,该模块还负责节点业务应用会话和流量信息的采集。
步骤三:目标网络实体要素建模
针对目标网络中各类主要实体要素(包括:节点、链路和拓扑三类实体)构建相应的节点模型、链路模型和拓扑模型,是实现高逼真度数字孪生网络的基础模型。网络实体的建模过程如下:
节点模型:将目标网络中数量众多的节点按照其网络功能(服务器、终端、路由器、交换机、防火墙)进行分类,分别建立对应的网络节点模型。模型包括节点硬件架构(X86、ARM、SPARC)、系统软件(Linux、Windows)和资源配置(CPU、内存和硬盘)参数;
链路模型:将目标网络中数量众多的链路按照其传输介质(有线\无线)和通信模式(一对一\一对多)进行分类,分别建立对应的链路模型。模型包括链路传输最大带宽、传输时延及丢包率参数;
拓扑模型:基于目标网络节点间连接关系建立目标网络的拓扑模型。
步骤四:目标网络规则要素建模
网络规则指在目标网络中的路由器、流控设备、防火墙等关键节点上部署的针对业务数据传输的路由转发协议、流量管控策略以及安全过滤规则。因而,网络规则模型可进一步细分为:路由规则模型、流控规则模型和安全规则模型。本发明依据从目标网络感知的多源状态信息构建各类规则模型、设置模型参数,并依据上述规则模型分别对虚拟孪生网络中的路由器、流控设备及防火墙节点上的路由、流控及安全规则进行设置,从而实现目标网络规则在孪生网络中的孪生复现。网络规则的建模过程如下:
路由规则模型:目标网络的接入、汇聚和骨干网络存在数量众多的路由器节点,既可1)由链路层协议直接设置路由表、2)也可由管理员设置静态路由表、3)而更多的是采用动态路由协议(如:RIP、OSPF协议)自动生成路由表。本发明对目标网络中路由器节点所采用的路由发现、路由表生成方法进行建模,构建路由规则模型;
流控规则模型:目标网络中的接入网关等流量汇聚位置,通常需部署支持流量管控的设备,实现对网络中不同应用、不同用户所产生传输流量的监控、限速、整形等功能,实现流量的负载均衡,从而提升网络服务质量(QoS)。本发明依据从目标网络流控设备中采集的流量管控规则信息,构建流控规则模型,设置模型参数;
安全规则模型:目标网络的接入网络中通常部署有防火墙节点,以提升各局域网的安全性。通过在防火墙等设备上部署安全过滤规则,实现对网络关键资源(如:服务器)的隔离和保护、实现入侵防御、病毒过滤等功能。本发明依据目标网络中防火墙等节点上所设置的过滤和转发规则,构建安全规则模型、设置模型参数。
步骤五:目标网络业务要素建模
业务模型是对目标网络上所承载的各类主要应用业务流量特性的统计描述,包括:交互模式、传输速率、传输时长等属性。本发明主要关注文件传输、语音传输和视频传输三类业务。本发明基于对目标网络中上述三类业务相关数据的采集,构建三类业务模型、设置业务模型相关参数,并将上述模型应用于孪生网络相应节点,驱动业务流量的准确复现。网络业务的建模过程如下:
文件传输模型:采集目标网络文件传输过程中,用户和服务器间的交互模式、传输速率、传输时长等信息,构建文件传输模型;
语音传输模型:采集目标网络语音传输过程中,用户和服务器间的交互模式、传输速率、传输时长等信息,构建语音传输模型;
视频传输模型:采集目标网络视频传输过程中,用户和服务器间的交互模式、传输速率、传输时长等信息,构建视频传输模型。
步骤六:网络行为要素建模
行为模型主要包括用“户行为模型”和“网络行为模型”。其中用户行为包括个体用户行为和群体用户行为两方面。网络行为包括单点故障行为和多点故障行为两方面,具体可以是节点故障、接口故障和链路故障。上述用户行为和网络行为均能够直接或间接影响目标网络的功能和性能。网络行为的建模过程如下:
用户行为模型:目标网络中,用户访问各类网络服务器上所部署的各类业务应用,触发相应业务应用的运行,进而产生对应的网络流量,从而对目标网络的功能和性能带来直接影响和冲击。本发明基于用户业务会话请求频率、请求间隔等信息构建用户行为统计模型。此外,孪生网络中用户数量众多,本发明不仅对单个用户的各类典型行为进行统计建模,还对多用户的群体行为构建统计模型(通常为多个单用户行为在时间上的叠加)。以上述模型为驱动,实现在孪生网络中准确地动态复现各类应用业务流量;
网络行为模型:目标网络中的节点、接口、链路可能发生意外的故障,从而导致数据传输异常。上述故障作为网络的一种行为,可能直接或间接影响目标网络的功能和性能。为在孪生网络中实现目标网络高逼真度复现,本发明对目标网络故障行为进行准确描述,构建故障行为统计模型。目标网络故障通常包括:单点故障和多点故障。因而,网络行为模型分为:节点故障模型、接口故障模型和链路故障模型。以上述模型为驱动,实现在孪生网络中准确复现各类故障行为对网络的影响。
步骤七:基于对模型间关联性的分析构建多维融合模型架构
基于从目标网络多个维度所采集的网络状态信息,本发明设计和构建了其实体、行为、规则和业务四个维度的模型,以实现对目标网络全方位、多层次的准确描述。模型一共分为四层(四个维度),如图3所示:
最底层:“实体模型”,针对目标网络中最重要的三类实体要素建模,具体包括了节点模型、链路模型和拓扑模型;
第二层:“规则模型”,针对目标网络中部署的路由、流控、安全等规则构建各类规则模型;
第三层:“业务模型”,针对目标网络中各类典型的业务应用进行建模,主要包括文件传输模型、音频传输模型、视频传输模型以及其他主要应用业务模型;
最高层:“行为模型”,针对用户行为和网络(故障)行为构建各类典型的统计模型。
述四类模型间存在紧密的逻辑关联性,并能够按层次关系融合为一个整体,构成目标网络多维融合模型,图3使用标号箭头符号,标明了各维度模型间的关联关系。具体地:
箭头①:用户的行为,作为系统中主要的事件驱动源头,触发了各类网络业务应用运行,从而在网络上产生了对应的网络流量;
箭头②:网络自身的行为(主要指网络故障行为),是系统中的扰动因素(例如:节点故障、端口故障等)能够对网络流量造成直接影响,继而间接触发网络流量与各类规则进行匹配;
箭头③:用户行为事件所驱动各类网络业务应用所产生的网络流量均需与网络中设置的各类规则进行匹配;
箭头④:用户和网络行为所产生的业务应用流量,最终将在实体模型层中的网络节点、链路和拓扑实体上传输,相应的各类网络规则最终也是部署在上述实体要素之上。
因而,上述四维模型间具有紧密的关联关系,总结如下:
实体模型:对网络各类异构实体要素的抽象概况和描述;
规则模型:对网络主要的规律规则进行刻画,并将其映射到实体要素之上;
业务模型:对网络主要应用的业务会话交互过程进行抽象和建模,配合行为模型触发网络流量;
行为模型:在网络中加入用户行为事件驱动和故障异常扰动因数,使得各要素具备行为特征。
通过建立各层模型间的关联关系,从结构和功能上对上述四维模型进行集成和融合,形成目标网络“多维融合模型”。
实施例
1.孪生网络初始构建
(1)定义
数字孪生网络的构建流程如图4所示。
孪生网络初始构建是指:“数字孪生网络服务系统”依据从目标网络中采集的多源状态信息和所构建的网络多维融合模型,从无到有构建起与目标网络规模一致、网络结构相同、业务应用孪生的数字孪生网络。
孪生网络初始构建主要是用于复现目标网络的各类静态属性。
(2)假设
首先,本文针对目标网络和孪生网络分别做出以下假设:
假设1(目标网络):系统已通过“多源状态数据感知”模块连续采集了目标网络在过去一段时间内的配置和状态信息,简称为目标网络历史数据。并基于此数据,构建出了针对目标网络的多维融合模型,实现了目标网络在实体要素、规则、业务和行为四个方面抽象和建模;假设2(孪生网络):孪生网络底层云计算平台,已提前构建好与目标网络中各类主要网络节点对应的虚拟镜像,包括:路由器、交换机、防火墙以及各类架构的服务器、终端节点镜像,以此生成对应的孪生网络节点,实现目标网络节点的快速复现。
(3)实现流程
基于上述假设,孪生网络初始构建方法的主要步骤如下:
步骤1:虚拟资源池构建。“统一网络资源管控子系统”预先在孪生网络底层云计算平台上分配一定量的计算和存储资源,依据目标网络中各类节点的数量,创建若干不同类别的虚拟实例,构建“虚拟资源池”,以加快孪生网络节点复现速率;
步骤2:实体要素构建。“孪生网络构建管理子系统”使用从目标网络采集的多源状态数据,基于多维融合模型架构中最底层的各类实体模型(包括:节点、链路和拓扑模型),利用“虚拟资源池”中预先生成的各类虚拟实例,自动化创建出孪生网络节点、链路和拓扑,实现对目标网络各实体要素的孪生复现;
步骤3:规则要素复现。“孪生网络构建管理子系统”使用从目标网络采集的多源状态数据,基于多维融合模型架构中第二层的各类规则模型(包括:路由规则模型、流控规则模型和安全规则模型),在已创建出的孪生网络相关节点上(例如:路由、流控、防火墙节点)实现对应规则的孪生复现。
2.孪生网络状态同步
(1)定义
孪生网络状态同步是指:孪生网络初始拓扑创建完毕后,“数字孪生网络服务系统”依据“多源状态数据感知”模块从目标网络中持续采集的各类动态变化的网络状态信息,在多维融合模型的驱动下,实时更新孪生网络的配置和状态信息,实现孪生网络与目标网络的状态同步。
孪生网络状态同步主要是用于复现目标网络的各类动态特征。
(2)假设
首先,针对目标网络和孪生网络分别做以下假设:
假设1(目标网络):孪生网络初始拓扑创建完毕后,系统通过“多源状态数据感知”模块持续采集目标网络的配置和状态信息,将信息保存于“目标网络数据库”中,并能基于最近采集的状态数据,实现对目标网络的多维融合模型相关参数进行必要地调整,以更准确抽象和描述目标网络在实体、规则、业务层面的特征;
假设2(孪生网络):孪生网络节点中,在创建时预先部署有“监控代理”程序,“孪生网络构建管理子系统”能通过网络远程调用与各孪生网络节点中的监控代理程序建立连接、传输信息,实现:1)对孪生网络状态的远程监控;2)对孪生网络参数的远程配置。从而,为孪生网络与目标网络的各层面的状态同步提供实现途径。
(3)实现流程
基于上述假设,数字孪生网络初始拓扑创建完毕后,其状态同步方法的主要步骤如下:
步骤1:实体状态同步。“孪生网络构建管理子系统”通过“多源状态数据感知”模块周期性感知到目标网络各类主要实体要素的状态信息(如:节点、链路和拓扑状态信息)发生改变后,以位于多维融合模型中最底层的各类实体模型(节点模型、链路模型和拓扑模型)为驱动,通过远程调用孪生网络节点上预先部署的监控代理程序,对孪生网络节点、链路和拓扑属性进行调整,从而实现对目标网络各类实体要素的状态同步;
步骤2:规则状态同步。“孪生网络构建管理子系统”通过“多源状态数据感知”模块周期性感知到目标网络各类主要规则要素的状态信息(如:路由、流控、安全规则状态)发生改变后,以位于多维融合模型中第二层的各类规则模型(路由规则模型、流控规则模型和安全规则模型)为驱动,通过远程调用孪生网络节点上预先部署的监控代理程序,对孪生网络中路由规则、流控规则和安全规则进行调整,从而实现对目标网络各类规则要素的状态同步;
步骤3:业务状态同步。“孪生网络构建管理子系统”通过“多源状态数据感知”模块周期性感知到目标网络各类主要业务要素的状态信息(如:文件传输、音频传输、视频传输业务状态信息)发生改变后,以位于多维融合模型中第三层的各类业务模型(文件传输模型、音频传输模型和视频传输模型)为驱动,通过远程调用孪生网络相关节点上预先部署的监控代理程序,对孪生网络中文件传输、音频传输和视频传输业务状态进行调整,从而实现对目标网络各类业务要素的状态同步。
Claims (3)
1.一种基于多维融合模型的网络孪生方法,包括以下步骤:
步骤1:确定孪生网络构建系统总体,包括:目标网络、孪生网络和数字孪生网络服务系统三部分;
所述目标网络包括:骨干网、汇聚网、接入网和局域网中的一个或多个,局域网中设置服务器和终端节点;
所述孪生网络是对目标网络的高逼真度仿真网络;
所述数字孪生网络服务系统实现对目标网络和孪生网络的全面管控;
步骤2:对目标网络中的实体信息、规则信息、业务信息、行为信息进行采集;
步骤3:根据目标网络的节点、链路和拓扑信息,构建对应的实体要素模型;
所述实体要素模包括:节点模型、链路模型、拓扑模型;
构建节点模型,将目标网络节点按照网络功能进行分类,对每一类分别进行建模,每个节点模型包括节点硬件架构、系统软件、资源配置参数;
构建链路模型,对目标网络链路按照传输介质和通信模式进行分类,分别建立链路模型,每个链路模型包括链路的最大带宽、传输时延及丢包率;
构建拓扑模型,根据目标网络中节点之间的连接关系构建拓扑模型;
步骤4:根据目标网络的路由、流控和安全规则要素信息,构建对应的规则要素模型;
规则要素模型包括:路由规则模型、流控规则模型和安全规则模型;
步骤5:根据目标网络的文件传输、视频传输、音频传输的业务要素信息,构建对应的业务要素模型;
根据目标网络文件传输、视频传输、音频传输过程中,用户和服务器间的交互模式、传输速率、传输时长信息,分别构建文件传输模型、视频传输模型、音频传输模型;
步骤6:根据目标网络的用户行为和网络行为要素信息,构建对应的行为要素模型;
所述行为要素模型包括:用户行为模型和网络行为模型;首先将用户分为独立用户和群体用户,根据目标网络分别对独立用户和群体用户业务会话请求的频率和请求时间建立模型;网络行为包括单点故障、接口故障、链路故障,根据目标网络分别对单点故障、接口故障、链路故障进行建模;
步骤7:根据实体要素模型、规则要素模型、业务要素模型、行为要素模型构建孪生网络;
建孪生网络包括4层,最底层为实体要素模型,构建孪生网络的节点、链路、拓扑;第二层为规则要素模型,构建孪生网络的路由规则、流控规则和安全规则;第三次为业务要素模型,采用文件传输模型、视频传输模型、音频传输模型对孪生网络中的文件、视频、音频传输;最高层为行为要素模型,在孪生网络中对用户行为和网络行为进行模拟。
2.如权利要求1所述的一种基于多维融合模型的网络孪生方法,其特征在于,所述数字孪生网络服务系统包括:孪生网络构建管理子系统、统一网络资源管控子系统、网络流量隔离引导分析子系统、多源状态数据感知模块、目标网络数据库、多维融合模型和孪生网络数据库;所述多源状态数据感知模块用于采集目标网络节点链路和拓扑的属性和状态信息和关键网络节点的详细配置;所述目标网络数据库用于包括目标网络中采集到的数据;所述多维融合模型为根据采集到了目标网络数据,对目标网络建立的多维融合模型,用于后续的孪生网络的构建;所述孪生网络数据库是保存用于构建孪生网络和同步过程中需要的节点、链路、拓扑、应用业务的配置数据和状态信息。
3.如权利要求1所述的一种基于多维融合模型的网络孪生方法,其特征在于,所述步骤2中,采用网络管理协议代理模块和软件监控代理模块共同实现信息采集,所述网络管理协议代理模块设置于所有网络节点,负责各自节点的信息采集;在服务器节点和网络设备节点还额外设置有软件监控代理模块,负责对该节点的硬软件配置信息、协议和应用程序配置信息、状态信息、节点业务应用会话、流量信息的采集。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210473135.4A CN114900436B (zh) | 2022-04-29 | 2022-04-29 | 一种基于多维融合模型的网络孪生方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210473135.4A CN114900436B (zh) | 2022-04-29 | 2022-04-29 | 一种基于多维融合模型的网络孪生方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114900436A true CN114900436A (zh) | 2022-08-12 |
CN114900436B CN114900436B (zh) | 2023-03-21 |
Family
ID=82718838
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210473135.4A Active CN114900436B (zh) | 2022-04-29 | 2022-04-29 | 一种基于多维融合模型的网络孪生方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114900436B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115665227A (zh) * | 2022-12-28 | 2023-01-31 | 北京交通大学 | 一种普适的异构融合算网资源智慧适配网络架构及方法 |
CN115859700A (zh) * | 2023-03-02 | 2023-03-28 | 国网湖北省电力有限公司电力科学研究院 | 一种基于数字孪生技术的电网建模方法 |
CN116055324A (zh) * | 2022-12-30 | 2023-05-02 | 重庆邮电大学 | 一种用于数据中心网络自优化的数字孪生方法 |
CN116260765A (zh) * | 2023-05-11 | 2023-06-13 | 中国人民解放军国防科技大学 | 一种大规模动态路由网络数字孪生建模方法 |
WO2024036841A1 (zh) * | 2022-08-15 | 2024-02-22 | 中国电信股份有限公司 | 网络拓扑结构优化方法、装置、存储介质与电子设备 |
CN117609341A (zh) * | 2023-10-24 | 2024-02-27 | 杭州绿藤数智科技有限公司 | 一种电网的数字孪生系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180351782A1 (en) * | 2017-05-31 | 2018-12-06 | Cisco Technology, Inc. | Associating network policy objects with specific faults corresponding to fault localizations in large-scale network deployment |
WO2019028269A2 (en) * | 2017-08-02 | 2019-02-07 | Strong Force Iot Portfolio 2016, Llc | METHODS AND SYSTEMS FOR DETECTION IN AN INDUSTRIAL ENVIRONMENT OF COLLECTING INTERNET DATA FROM OBJECTS WITH LARGE DATA SETS |
CN110754064A (zh) * | 2017-06-19 | 2020-02-04 | 思科技术公司 | 网络结构中的路由信息的验证 |
CN112118272A (zh) * | 2020-11-18 | 2020-12-22 | 中国人民解放军国防科技大学 | 基于仿真实验设计的网络攻防推演平台 |
CN112187547A (zh) * | 2020-10-09 | 2021-01-05 | 南京邮电大学 | 一种基于数字孪生的网络模型 |
CN112511431A (zh) * | 2020-11-12 | 2021-03-16 | 中国科学院计算技术研究所 | 一种用于虚拟化网络仿真的路由流量融合方法 |
CN112532428A (zh) * | 2020-11-10 | 2021-03-19 | 南京大学 | 一种业务驱动的大规模网络仿真方法与系统 |
CN113067728A (zh) * | 2021-03-17 | 2021-07-02 | 中国人民解放军海军工程大学 | 一种网络安全攻防试验平台 |
-
2022
- 2022-04-29 CN CN202210473135.4A patent/CN114900436B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180351782A1 (en) * | 2017-05-31 | 2018-12-06 | Cisco Technology, Inc. | Associating network policy objects with specific faults corresponding to fault localizations in large-scale network deployment |
CN110754064A (zh) * | 2017-06-19 | 2020-02-04 | 思科技术公司 | 网络结构中的路由信息的验证 |
WO2019028269A2 (en) * | 2017-08-02 | 2019-02-07 | Strong Force Iot Portfolio 2016, Llc | METHODS AND SYSTEMS FOR DETECTION IN AN INDUSTRIAL ENVIRONMENT OF COLLECTING INTERNET DATA FROM OBJECTS WITH LARGE DATA SETS |
CN112187547A (zh) * | 2020-10-09 | 2021-01-05 | 南京邮电大学 | 一种基于数字孪生的网络模型 |
CN112532428A (zh) * | 2020-11-10 | 2021-03-19 | 南京大学 | 一种业务驱动的大规模网络仿真方法与系统 |
CN112511431A (zh) * | 2020-11-12 | 2021-03-16 | 中国科学院计算技术研究所 | 一种用于虚拟化网络仿真的路由流量融合方法 |
CN112118272A (zh) * | 2020-11-18 | 2020-12-22 | 中国人民解放军国防科技大学 | 基于仿真实验设计的网络攻防推演平台 |
CN113067728A (zh) * | 2021-03-17 | 2021-07-02 | 中国人民解放军海军工程大学 | 一种网络安全攻防试验平台 |
Non-Patent Citations (2)
Title |
---|
刘蔚然等: "数字孪生卫星:概念、关键技术及应用", 《计算机集成制造系统》 * |
蒋天翼: "基于区域推荐孪生网络的目标人员锁定与跟踪系统", 《电子技术与软件工程》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024036841A1 (zh) * | 2022-08-15 | 2024-02-22 | 中国电信股份有限公司 | 网络拓扑结构优化方法、装置、存储介质与电子设备 |
CN115665227A (zh) * | 2022-12-28 | 2023-01-31 | 北京交通大学 | 一种普适的异构融合算网资源智慧适配网络架构及方法 |
CN115665227B (zh) * | 2022-12-28 | 2023-04-07 | 北京交通大学 | 一种普适的异构融合算网资源智慧适配网络架构及方法 |
CN116055324A (zh) * | 2022-12-30 | 2023-05-02 | 重庆邮电大学 | 一种用于数据中心网络自优化的数字孪生方法 |
CN116055324B (zh) * | 2022-12-30 | 2024-05-07 | 重庆邮电大学 | 一种用于数据中心网络自优化的数字孪生方法 |
CN115859700A (zh) * | 2023-03-02 | 2023-03-28 | 国网湖北省电力有限公司电力科学研究院 | 一种基于数字孪生技术的电网建模方法 |
CN116260765A (zh) * | 2023-05-11 | 2023-06-13 | 中国人民解放军国防科技大学 | 一种大规模动态路由网络数字孪生建模方法 |
CN116260765B (zh) * | 2023-05-11 | 2023-07-18 | 中国人民解放军国防科技大学 | 一种大规模动态路由网络数字孪生建模方法 |
CN117609341A (zh) * | 2023-10-24 | 2024-02-27 | 杭州绿藤数智科技有限公司 | 一种电网的数字孪生系统 |
CN117609341B (zh) * | 2023-10-24 | 2024-05-14 | 杭州绿藤数智科技有限公司 | 一种电网的数字孪生系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114900436B (zh) | 2023-03-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114900436B (zh) | 一种基于多维融合模型的网络孪生方法 | |
US9311160B2 (en) | Elastic cloud networking | |
Almadani et al. | Dsf: A distributed sdn control plane framework for the east/west interface | |
Prete et al. | Simulation in an SDN network scenario using the POX Controller | |
CN112600717B (zh) | 基于sdn的卫星网络管控协议半实物试验装置 | |
CN109639488B (zh) | 一种多外网分流加速方法及系统 | |
Jin et al. | Parallel simulation of software defined networks | |
CN115576289A (zh) | 基于虚拟化技术的可重构高保真大规模工业互联网仿真平台 | |
CN114422010B (zh) | 一种基于网络虚拟化的卫星通信仿真平台的协议测试方法 | |
CN116458120A (zh) | 保护网络资源免受已知威胁 | |
Alenazi et al. | NFV provisioning in large-scale distributed networks with minimum delay | |
CN117640335B (zh) | 一种智能建筑综合布线的动态调整和优化方法 | |
CN203340096U (zh) | 交互式电力通信网络仿真装置 | |
Giordano et al. | MoViT: the mobile network virtualized testbed | |
Huang et al. | Design of the server cluster to support avatar migration | |
Chen et al. | Classification, Building and Orchestration Management of Digital Twin Network Models | |
CN117544521A (zh) | 一种面向容器网络的拓扑发现和微服务依赖关联方法 | |
CN106888115A (zh) | 一种网络拓扑构建方法与系统 | |
CN114417633B (zh) | 一种基于平行仿真六元组的网络靶场场景构建方法和系统 | |
Tiloca et al. | Performance and security evaluation of SDN networks in OMNeT++/INET | |
KR102006553B1 (ko) | 소프트웨어 정의 네트워크에 수행된 공격의 원인을 파악하는 포렌식 서버 및 그 방법 | |
CN114745285A (zh) | 基于虚拟化容器的大规模分布式虚拟化网络仿真方法 | |
Taher | Testing of floodlight controller with mininet in sdn topology | |
Zhang et al. | Research on cyber-physical systems based on software definition | |
Oliveira et al. | Network Self-configuration for Edge Elements using Self-Organizing Networks Architecture (SONAr). |
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 |