CN116846818A - 一种算力网络流量调度方法、系统、装置及存储介质 - Google Patents
一种算力网络流量调度方法、系统、装置及存储介质 Download PDFInfo
- Publication number
- CN116846818A CN116846818A CN202311120396.9A CN202311120396A CN116846818A CN 116846818 A CN116846818 A CN 116846818A CN 202311120396 A CN202311120396 A CN 202311120396A CN 116846818 A CN116846818 A CN 116846818A
- Authority
- CN
- China
- Prior art keywords
- sub
- path
- flow
- traffic
- global 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
- 238000000034 method Methods 0.000 title claims abstract description 64
- 238000003860 storage Methods 0.000 title claims abstract description 10
- 230000005540 biological transmission Effects 0.000 claims abstract description 114
- 238000005457 optimization Methods 0.000 claims abstract description 38
- 238000004364 calculation method Methods 0.000 claims abstract description 31
- 230000008569 process Effects 0.000 claims abstract description 22
- 238000010276 construction Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 4
- 238000009826 distribution Methods 0.000 abstract description 7
- 238000004422 calculation algorithm Methods 0.000 description 31
- 238000005516 engineering process Methods 0.000 description 8
- 230000008901 benefit Effects 0.000 description 7
- 238000013461 design Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L45/00—Routing or path finding of packets in data switching networks
- H04L45/24—Multipath
- H04L45/243—Multipath using M+N parallel active paths
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L45/00—Routing or path finding of packets in data switching networks
- H04L45/12—Shortest path evaluation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L45/00—Routing or path finding of packets in data switching networks
- H04L45/14—Routing performance; Theoretical aspects
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L45/00—Routing or path finding of packets in data switching networks
- H04L45/34—Source routing
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L45/00—Routing or path finding of packets in data switching networks
- H04L45/38—Flow based routing
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/10—Flow control; Congestion control
- H04L47/12—Avoiding congestion; Recovering from congestion
- H04L47/125—Avoiding congestion; Recovering from congestion by balancing the load, e.g. traffic engineering
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明提供一种算力网络流量调度方法、系统、装置及存储介质,所述方法的步骤包括:基于算力网络构建算力网络模型;获取流量组合,将所述流量组合中每条流量拆分为多个子流量;对于每个子流量的传输路径生成中间节点,基于每个子流量的中间节点得到对于每个子流量的传输路径,初始化得到全局路径;在每轮次全局路径的优化过程中,获取当前全局路径中最大链路利用率所处的链路,修改传输路径经过该链路的子流量的中间节点,更新全局路径;当达到预设的全局路径优化条件后,输出最终应用于算力网络的全局路径。本方案使算力网络中流量分布更为均衡,防止热点链路过载,提升其他大量链路的利用率。
Description
技术领域
本发明涉及算力网络技术领域,尤其涉及一种算力网络流量调度方法、系统、装置及存储介质。
背景技术
算力网络是新兴的将数据中心、云计算、与大数据等相关网络技术一体化的新型网络架构,是未来算网融合的演进方向。同时也是融合与演进创新型网络技术良好的应用场景。目前,基于算力网络的业务流量及其差异化需求在不断增长。传统流量工程通常基于最短路的内部网关协议,利用其开放式最短路径优先协议(Open Shortest Path First,OSPF)或中间系统到中间系统协议(Intermediate System to Intermediate System,IS-IS)实现底层的数据转发。
然而应用该路由方式会导致算力网络中流量分布极不均衡,热点链路过载,而其他大量链路的利用率很低的问题。
发明内容
鉴于此,本发明的实施例提供了一种算力网络流量调度方法,以消除或改善现有技术中存在的一个或更多个缺陷。
本发明的第一个方面提供了一种算力网络流量调度方法,所述方法的步骤包括:
基于算力网络构建算力网络模型,所述算力网络模型中包括对应算力网络的多个节点,所述节点用于转发流量;
所述算力网络模型获取流量组合,所述流量组合中包括多条流量,将每条流量拆分为多个子流量;
对于每个子流量的传输路径生成中间节点,基于每个子流量的中间节点得到对于每个子流量的传输路径,初始化得到全局路径;
在每轮次全局路径的优化过程中,获取当前全局路径中最大链路利用率所处的链路,修改传输路径经过该链路的子流量的中间节点,更新全局路径;
当达到预设的全局路径优化条件后,输出最终应用于算力网络的全局路径。
采用上述方案,本方案首先将每条流量拆分为多个子流量,每条子流量可以从不同的路径传输,初步降低了流量对于单个链路的负载;进一步地,本方案在每次生成全局路径后,对于负载最高的链路,修改经过该链路的子流量的中间节点,使原经过该链路的子流量修改传输路径,进一步降低对于该链路的负载,使全局的链路的负载更为均衡,使算力网络中流量分布更为均衡,防止热点链路过载,提升其他大量链路的利用率。
在本发明的一些实施方式中,所述链路为任一子流量的传输路中相邻两个节点构成的路径,所述获取当前全局路径中最大链路利用率所处的链路,修改传输路径经过该链路的子流量的中间节点,更新全局路径的步骤包括:
计算每个链路的链路利用率,获取当前全局路径中最大链路利用率所处的链路;
计算传输路径经过当前全局路径中最大链路利用率所处的链路的子流量中所需带宽最大的子流量,修改该子流量的中间节点,生成对于该子流量的新的传输路径,得到更新后的全局路径。
在本发明的一些实施方式中,在计算每个链路的链路利用率的步骤中,基于如下公式计算链路利用率:
其中,表示链路利用率,/>表示链路负载,/>表示链路容量。
在本发明的一些实施方式中,在修改该子流量的中间节点,生成对于该子流量的新的传输路径,得到更新后的全局路径的步骤中,删除该子流量在原传输路径中全部链路上的流量,并将该流量增加到该子流量的新的传输路径的各个链路中。
在本发明的一些实施方式中,所述获取当前全局路径中最大链路利用率所处的链路,修改传输路径经过该链路的子流量的中间节点,更新全局路径的步骤还包括:
每次得到全局路径后,将当前的最大链路利用率与全局最大链路利用率比较;
若当前的最大链路利用率小于全局最大链路利用率,则将当前的最大链路利用率作为新的全局最大链路利用率,并将更新后的全局路径作为下一次更新的基础或应用于算力网络的全局路径;
若当前的最大链路利用率不小于全局最大链路利用率,则放弃此次路径的更新,将更新前的全局路径作为下一次更新的基础或应用于算力网络的全局路径。
在本发明的一些实施方式中,在基于每个子流量的中间节点得到对于每个子流量的传输路径的步骤中,基于预设的传输协议生成每个子流量传输起始的节点到中间节点,及中间节点到子流量传输结束的节点的路径。
在具体实施过程中,采用开放式最短路径优先协议或中间系统到中间系统协议生成每个子流量传输起始的节点到中间节点,及中间节点到子流量传输结束的节点的路径。
在本发明的一些实施方式中,在将每条流量拆分为多个子流量的步骤中,随机生成拆分比例参数,基于拆分比例参数将每条流量拆分为多个子流量。
在本发明的一些实施方式中,若将每条流量拆分为2个子流量,则在随机生成拆分比例参数,基于拆分比例参数将每条流量拆分为多个子流量的步骤中,根据如下公式基于拆分比例参数将每条流量拆分为多个子流量:
其中,表示流量组合中任一条流量的大小,/>和/>均为随机生成拆分比例参数,,/>和/>均大于0。
在本发明的一些实施方式中,在当达到预设的全局路径优化条件后,输出最终应用于算力网络的全局路径的步骤中,预设的所述全局路径优化条件为预设的全局路径更新轮次或到达预设的截止时间。
本发明的二个方面提供了一种算力网络流量调度系统,所述系统包括:
模型构建模块,用于基于算力网络构建算力网络模型,所述算力网络模型中包括对应算力网络的多个节点,所述节点用于转发流量;
流量拆分模块,所述算力网络模型获取流量组合,所述流量组合中包括多条流量,用于将每条流量拆分为多个子流量;
全局路径初始化模块,用于对于每个子流量的传输路径生成中间节点,基于每个子流量的中间节点得到对于每个子流量的传输路径,初始化得到全局路径;
全局路径更新模块,用于在每轮次全局路径的优化过程中,获取当前全局路径中最大链路利用率所处的链路,修改传输路径经过该链路的子流量的中间节点,更新全局路径;
全局路径应用模块,用于当达到预设的全局路径优化条件后,输出最终应用于算力网络的全局路径。
在本发明的一些实施方式中,所述链路为任一子流量的传输路中相邻两个节点构成的路径,所述获取当前全局路径中最大链路利用率所处的链路,修改传输路径经过该链路的子流量的中间节点,更新全局路径的步骤包括:
计算每个链路的链路利用率,获取当前全局路径中最大链路利用率所处的链路;
计算传输路径经过当前全局路径中最大链路利用率所处的链路的子流量中所需带宽最大的子流量,修改该子流量的中间节点,生成对于该子流量的新的传输路径,得到更新后的全局路径。
在本发明的一些实施方式中,在计算每个链路的链路利用率的步骤中,基于如下公式计算链路利用率:
其中,表示链路利用率,/>表示链路负载,/>表示链路容量。
在本发明的一些实施方式中,在修改该子流量的中间节点,生成对于该子流量的新的传输路径,得到更新后的全局路径的步骤中,删除该子流量在原传输路径中全部链路上的流量,并将该流量增加到该子流量的新的传输路径的各个链路中。
在本发明的一些实施方式中,所述获取当前全局路径中最大链路利用率所处的链路,修改传输路径经过该链路的子流量的中间节点,更新全局路径的步骤还包括:
每次得到全局路径后,将当前的最大链路利用率与全局最大链路利用率比较;
若当前的最大链路利用率小于全局最大链路利用率,则将当前的最大链路利用率作为新的全局最大链路利用率,并将更新后的全局路径作为下一次更新的基础或应用于算力网络的全局路径;
若当前的最大链路利用率不小于全局最大链路利用率,则放弃此次路径的更新,将更新前的全局路径作为下一次更新的基础或应用于算力网络的全局路径。
在本发明的一些实施方式中,在基于每个子流量的中间节点得到对于每个子流量的传输路径的步骤中,基于预设的传输协议生成每个子流量传输起始的节点到中间节点,及中间节点到子流量传输结束的节点的路径。
在具体实施过程中,采用开放式最短路径优先协议或中间系统到中间系统协议生成每个子流量传输起始的节点到中间节点,及中间节点到子流量传输结束的节点的路径。
在本发明的一些实施方式中,在将每条流量拆分为多个子流量的步骤中,随机生成拆分比例参数,基于拆分比例参数将每条流量拆分为多个子流量。
在本发明的一些实施方式中,若将每条流量拆分为2个子流量,则在随机生成拆分比例参数,基于拆分比例参数将每条流量拆分为多个子流量的步骤中,根据如下公式基于拆分比例参数将每条流量拆分为多个子流量:
其中,表示流量组合中任一条流量的大小,/>和/>均为随机生成拆分比例参数,,/>和/>均大于0。
在本发明的一些实施方式中,在当达到预设的全局路径优化条件后,输出最终应用于算力网络的全局路径的步骤中,预设的所述全局路径优化条件为预设的全局路径更新轮次或到达预设的截止时间。
本发明的第三方面还提供一种算力网络流量调度装置,该装置包括计算机设备,所述计算机设备包括处理器和存储器,所述存储器中存储有计算机指令,所述处理器用于执行所述存储器中存储的计算机指令,当所述计算机指令被处理器执行时该装置实现如前所述方法所实现的步骤。
本发明的第四方面还提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时以实现前述算力网络流量调度方法所实现的步骤。
本发明的附加优点、目的,以及特征将在下面的描述中将部分地加以阐述,且将对于本领域普通技术人员在研究下文后部分地变得明显,或者可以根据本发明的实践而获知。本发明的目的和其它优点可以通过在说明书以及附图中具体指出并获得。
本领域技术人员将会理解的是,能够用本发明实现的目的和优点不限于以上具体所述,并且根据以下详细说明将更清楚地理解本发明能够实现的上述和其他目的。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,并不构成对本发明的限定。
图1为本发明算力网络流量调度方法第一种实施方式的示意图;
图2为本发明算力网络流量调度方法第二种实施方式的示意图;
图3为本发明算力网络流量调度方法第三种实施方式的示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施方式和附图,对本发明做进一步详细说明。在此,本发明的示意性实施方式及其说明用于解释本发明,但并不作为对本发明的限定。
在此,还需要说明的是,为了避免因不必要的细节而模糊了本发明,在附图中仅仅示出了与根据本发明的方案密切相关的结构和/或处理步骤,而省略了与本发明关系不大的其他细节。
现有技术介绍
现有技术一为一种启发式流量调度算法。通过迭代搜索近似最优解的方式,简化问题模型的求解复杂度,进而缩短了对调度问题的优化时间,提升了算法优化效率;
现有技术二采用线性规划对流量调度问题进行求解,其算法核心是根据网络性能需求构建精确可行的整数线性规划模型,利用高效率大规模求解器对模型进行求解。同样较传统流量工程优化方案在优化性能上有着良好的提升。同时作者将2段分段路由推广为支持3段及更高段数的方法。并且提出性能更为全面的模型,使得该算法可以探索更复杂,更不易到达的网络链路。且在该算法中,段数为可动态调整的参数,因而可扩展性大幅提升;
现有技术三为一种局部搜索的启发式算法,设计高效数据结构及邻域搜索等策略降低算法复杂度,并且该算法仅采取至多两个段进行路由,大幅简化算法复杂度的同时,支持将负载均衡性能优化至接近最优解。因此提高了网络的负载均衡性能。
现有技术一中只包含节点段,而不支持邻接段。邻接段的缺失会导致算法不能充分发挥分段路由(SR)的技术特性,部分包含邻接链路的路径无法得到正确表达,在包含较多可利用非最短邻接段的拓扑中会损失负载均衡度性能。现有技术二综合考虑了路由和调度约束,但其算法在性能上有所损失。采用现有技术二的模型由于需要引入大量中间变量以对SR特性进行表达,线性规划方式的算法复杂度非常高。因此在网络规模较大的情况下优化时间往往难以得到保障,对网络规模的扩展性较差。现有技术三利用高效启发式算法完成对流量调度问题的求解,但其搜索SR路径的特点是为流量矩阵中的每个流找到唯一的路径,不支持流量的灵活分流。在路由源节点分流的设计方面存在不足,使得算法无法从机制上高效应对单一大带宽流量,不能充分发挥可用链路的负载均衡优势。
综上,当前对负载均衡性能的优化程度不够高,仍存在网络链路利用效率较低,流量调度后负载均衡程度很差的问题。路由路径会发生交叠,使流量集中于特定的几条网络链路中,非常容易造成网络拥塞。一方面,当前研究中大多未综合利用SR的技术特性,使得如邻接段等SR路由策略无法发挥其优势。另一方面,现有算法应对大带宽流量性能的特性不好,单一大流量则容易造成最大链路利用率(Maximum Link Utilization,MLU)陡增。因此对于网络可靠性、可用性等能力的支持较为薄弱。
为解决以上问题,如图1所示,本发明提出一种算力网络流量调度方法,所述方法的步骤包括:
步骤S100,基于算力网络构建算力网络模型,所述算力网络模型中包括对应算力网络的多个节点,所述节点用于转发流量;
在具体实施过程中,所述算力网络包括分布式节点和中心节点,所述方法的执行可以在所述中心节点完成。
步骤S200,所述算力网络模型获取流量组合,所述流量组合中包括多条流量,将每条流量拆分为多个子流量;
在具体实施过程中,所述流量组合中的每条流量均标记有传输起始的节点和传输结束的节点,在将拆分为多个子流量后,拆分得到的子流量的传输起始的节点和传输结束的节点即为拆分前流量的传输起始的节点和传输结束的节点。
步骤S300,对于每个子流量的传输路径生成中间节点,基于每个子流量的中间节点得到对于每个子流量的传输路径,初始化得到全局路径;
在具体实施过程中,每个子流量的传输路径均包括传输起始的节点到中间节点的部分,及中间节点到子流量传输结束的节点的部分,组合全部子流量的传输路径,得到全局路径,初次得到的全局路径即为初始化得到的全局路径。
步骤S400,在每轮次全局路径的优化过程中,获取当前全局路径中最大链路利用率所处的链路,修改传输路径经过该链路的子流量的中间节点,更新全局路径;
步骤S500,当达到预设的全局路径优化条件后,输出最终应用于算力网络的全局路径。
在具体实施过程中,预设的所述全局路径优化条件为预设的全局路径更新轮次或到达预设的截止时间;
若预设的所述全局路径优化条件为预设的全局路径更新轮次,则完成预设轮次的全局路径更新后,将最终的全局路径作为应用于算力网络的全局路径;若预设的所述全局路径优化条件为到达预设的截止时间,则到达预设的截止时间后,将最终的全局路径作为应用于算力网络的全局路径。
采用上述方案,本方案首先将每条流量拆分为多个子流量,每条子流量可以从不同的路径传输,初步降低了流量对于单个链路的负载;进一步地,本方案在每次生成全局路径后,对于负载最高的链路,修改经过该链路的子流量的中间节点,使原经过该链路的子流量修改传输路径,进一步降低对于该链路的负载,使全局的链路的负载更为均衡,使算力网络中流量分布更为均衡,防止热点链路过载,提升其他大量链路的利用率。
如图2所示,在本发明的一些实施方式中,所述链路为任一子流量的传输路中相邻两个节点构成的路径,所述获取当前全局路径中最大链路利用率所处的链路,修改传输路径经过该链路的子流量的中间节点,更新全局路径的步骤包括:
步骤S410,计算每个链路的链路利用率,获取当前全局路径中最大链路利用率所处的链路;
在具体实施过程中,所述当前全局路径中最大链路利用率所处的链路还可以为被子流量的传输路径应用最多次数的链路。
步骤S420,计算传输路径经过当前全局路径中最大链路利用率所处的链路的子流量中所需带宽最大的子流量,修改该子流量的中间节点,生成对于该子流量的新的传输路径,得到更新后的全局路径。
采用上述方案,能够有效的降低单个链路的负载,使全局上链路的负载更为平均,使算力网络中流量分布更为均衡,防止热点链路过载,提升其他大量链路的利用率。
在本发明的一些实施方式中,在计算每个链路的链路利用率的步骤中,基于如下公式计算链路利用率:
其中,表示链路利用率,/>表示链路负载,/>表示链路容量。
在本发明的一些实施方式中,在修改该子流量的中间节点,生成对于该子流量的新的传输路径,得到更新后的全局路径的步骤中,删除该子流量在原传输路径中全部链路上的流量,并将该流量增加到该子流量的新的传输路径的各个链路中。
如图3所示,在本发明的一些实施方式中,所述获取当前全局路径中最大链路利用率所处的链路,修改传输路径经过该链路的子流量的中间节点,更新全局路径的步骤还包括:
步骤S430,每次得到全局路径后,将当前的最大链路利用率与全局最大链路利用率比较;
步骤S440,若当前的最大链路利用率小于全局最大链路利用率,则将当前的最大链路利用率作为新的全局最大链路利用率,并将更新后的全局路径作为下一次更新的基础或应用于算力网络的全局路径;
步骤S450,若当前的最大链路利用率不小于全局最大链路利用率,则放弃此次路径的更新,将更新前的全局路径作为下一次更新的基础或应用于算力网络的全局路径。
在具体实施过程中,全局最大链路利用率的值越小,说明算法对网络利用率降至越低,使得总体的流量分布更为均衡,因此说明算法的优化性能更为出色。
采用上述方案,在每次更新得到新的全局路径后,通过比较最大链路利用率的方式衡量更新后的全局路径是否更为优秀,若当前的最大链路利用率小于全局最大链路利用率则说明更新后的全局路径对于链路的负载更为平均,单个链路的负载更低,则将当前的最大链路利用率作为新的全局最大链路利用率,并将更新后的全局路径作为下一次更新的基础或应用于算力网络的全局路径;若当前的最大链路利用率不小于全局最大链路利用率,则更新后的全局路径对于链路的负载平均度降低,单个链路的负载更高,则放弃此次路径的更新,将更新前的全局路径作为下一次更新的基础或应用于算力网络的全局路径。
在本发明的一些实施方式中,在基于每个子流量的中间节点得到对于每个子流量的传输路径的步骤中,基于预设的传输协议生成每个子流量传输起始的节点到中间节点,及中间节点到子流量传输结束的节点的路径。
在具体实施过程中,采用开放式最短路径优先协议或中间系统到中间系统协议生成每个子流量传输起始的节点到中间节点,及中间节点到子流量传输结束的节点的路径。
在具体实施过程中,本方法在计算子流量传输起始的节点到中间节点,及中间节点到子流量传输结束的节点的路径的步骤中充分支持分段路由中的邻接段,进一步完善SR中流量调度的技术特性,充分利用节点段和邻接段,其中邻接段为通过传输协议得到的最短路径外的其他链路所构成的传输路径,节点段为通过传输协议得到的最短路径。
在本发明的一些实施方式中,在将每条流量拆分为多个子流量的步骤中,随机生成拆分比例参数,基于拆分比例参数将每条流量拆分为多个子流量。
在本发明的一些实施方式中,若将每条流量拆分为2个子流量,则在随机生成拆分比例参数,基于拆分比例参数将每条流量拆分为多个子流量的步骤中,根据如下公式基于拆分比例参数将每条流量拆分为多个子流量:
其中,表示流量组合中任一条流量的大小,/>和/>均为随机生成拆分比例参数,,/>和/>均大于0。
在具体实施过程中,在分流策略与运行效率的权衡上,本发明选择以源节点双路径分流的策略来完成对分流特性的支持,增强算法应对单一大带宽流量的能力,进一步充分发挥负载均衡优势。
在具体实施过程中,本方案应用了分段路由(Segment Routing,SR)技术,分段路由为网络转发控制提供高效灵活的手段,使网络具备拓扑无关、无状态的流量工程能力。SR通过灵活的节点选择手段指示转发路径,引导数据包沿着该路径通过网络。不同于需要引入大量额外控制开销的流量调度方法,SR所需的信息被编码于分组本身之中。因此,只需在相应的入口节点上配置SR策略,而无需在路径节点上配置,从而显著减少控制平面开销,因此可以为算力网络中的流量调度问题提供良好的技术支撑。
分段路由技术的引入,满足了算力网络中流量调度的高可用性需求。通过使用多协议标签交换(Multi-Protocol Label Switching,MPLS)或IPv6技术扩展实现。在转发过程中,依照源节点中加入的段标签(segmentidentifier,SID)指示,将数据包按照该指定顺序处理,可以精确控制数据包通过网络的路径。在分段路由的流量调度技术之上,设计优秀的流量调度策略以全局调控网络中的整体负载,以保证在业务流量较大的网络峰值时刻也能做到最大程度降低链路利用率的流量调度。因此在控制器协调流量调度的过程中,可以提供高负载均衡性能的高可用性的服务。
在本发明的一些实施方式中,在当达到预设的全局路径优化条件后,输出最终应用于算力网络的全局路径的步骤中,预设的所述全局路径优化条件为预设的全局路径更新轮次或到达预设的截止时间。
本发明对当前算力网络中基于分段路由的流量调度方法进行充分研究,提出基于局部搜索的两段式的分段路由的启发式分段路由流量调度算法。以提高系统的整体负载均衡性能为目标,建立改进两段式的分段路由的流量调度的模型,运用更高效的启发式算法优化流量工程中的各个环节,最终根据网络性能需求对流量调度问题进行优化,进而提升算力网络的总体运行效率。
本发明主要关注算力网络中,随着业务流量及其差异化网络性能需求的不断增长,网络在传统路由技术下的热点链路负载过高,网络负载较差,可用性逐渐降低等问题。针对该问题提出基于分段路由的启发式流量调度算法,以灵活的路由转发技术配合高效的流量调度算法解决算力网络中的流量调度问题,保证网络流量得以灵活转发,网络最大链路利用率得以最小化,进而提供高可用性的服务。
本发明的有益效果包括:
1.以最少的段数、最精简的设计,实现一种基于局部搜索的启发式分段路由流量调度算法,完成算力网络负载均衡性能的优化,使得优化结果最大程度接近理论最优解,优化性能得以进一步提升。
2.算法中充分支持分段路由中的邻接段,进一步完善SR中流量调度的技术特性,充分利用节点段和邻接段拓展流量转发的路径,充分利用低负载链路。
3.算法完成源节点双路由机制的支持,可以进一步提高网络的分解大带宽流量的能力,削弱对特定单一链路的消耗,使得网络的负载均衡性能进一步得到提升。
本发明主要对算力网络中基于分段路由的流量调度方法进行研究,本发明充分利用启发式算法优异的优化性能。为了充分细化整个网络中的流量分布,本算法中同时支持邻接段和节点段。此外,还实现了源节点双路径分流的策略,使得网络负载均衡的能力进一步提升。多次测试本发明提出的启发式算法,对不同算法评估其在最大链路利用率、有效链路覆盖率以及算法执行时间等指标上进行评估。利用节点数量范围为4-200,链路数量范围为8-432的小、中和大规模的200多个网络拓扑数据的数据源,证明了本发明提出的启发式局部搜索算法能在极短的时间内对流量调度问题进行求解,最终算法在上述指标中均优于现有其他算法。
本发明实施例还提供了一种算力网络流量调度系统,所述系统包括:
模型构建模块,用于基于算力网络构建算力网络模型,所述算力网络模型中包括对应算力网络的多个节点,所述节点用于转发流量;
流量拆分模块,所述算力网络模型获取流量组合,所述流量组合中包括多条流量,用于将每条流量拆分为多个子流量;
全局路径初始化模块,用于对于每个子流量的传输路径生成中间节点,基于每个子流量的中间节点得到对于每个子流量的传输路径,初始化得到全局路径;
全局路径更新模块,用于在每轮次全局路径的优化过程中,获取当前全局路径中最大链路利用率所处的链路,修改传输路径经过该链路的子流量的中间节点,更新全局路径;
全局路径应用模块,用于当达到预设的全局路径优化条件后,输出最终应用于算力网络的全局路径。
在本发明的一些实施方式中,所述链路为任一子流量的传输路中相邻两个节点构成的路径,所述获取当前全局路径中最大链路利用率所处的链路,修改传输路径经过该链路的子流量的中间节点,更新全局路径的步骤包括:
计算每个链路的链路利用率,获取当前全局路径中最大链路利用率所处的链路;
计算传输路径经过当前全局路径中最大链路利用率所处的链路的子流量中所需带宽最大的子流量,修改该子流量的中间节点,生成对于该子流量的新的传输路径,得到更新后的全局路径。
在本发明的一些实施方式中,在计算每个链路的链路利用率的步骤中,基于如下公式计算链路利用率:
其中,表示链路利用率,/>表示链路负载,/>表示链路容量。
在本发明的一些实施方式中,在修改该子流量的中间节点,生成对于该子流量的新的传输路径,得到更新后的全局路径的步骤中,删除该子流量在原传输路径中全部链路上的流量,并将该流量增加到该子流量的新的传输路径的各个链路中。
在本发明的一些实施方式中,所述获取当前全局路径中最大链路利用率所处的链路,修改传输路径经过该链路的子流量的中间节点,更新全局路径的步骤还包括:
每次得到全局路径后,将当前的最大链路利用率与全局最大链路利用率比较;
若当前的最大链路利用率小于全局最大链路利用率,则将当前的最大链路利用率作为新的全局最大链路利用率,并将更新后的全局路径作为下一次更新的基础或应用于算力网络的全局路径;
若当前的最大链路利用率不小于全局最大链路利用率,则放弃此次路径的更新,将更新前的全局路径作为下一次更新的基础或应用于算力网络的全局路径。
在本发明的一些实施方式中,在基于每个子流量的中间节点得到对于每个子流量的传输路径的步骤中,基于预设的传输协议生成每个子流量传输起始的节点到中间节点,及中间节点到子流量传输结束的节点的路径。
在具体实施过程中,采用开放式最短路径优先协议或中间系统到中间系统协议生成每个子流量传输起始的节点到中间节点,及中间节点到子流量传输结束的节点的路径。
在本发明的一些实施方式中,在将每条流量拆分为多个子流量的步骤中,随机生成拆分比例参数,基于拆分比例参数将每条流量拆分为多个子流量。
在本发明的一些实施方式中,若将每条流量拆分为2个子流量,则在随机生成拆分比例参数,基于拆分比例参数将每条流量拆分为多个子流量的步骤中,根据如下公式基于拆分比例参数将每条流量拆分为多个子流量:
其中,表示流量组合中任一条流量的大小,/>和/>均为随机生成拆分比例参数,,/>和/>均大于0。
在本发明的一些实施方式中,在当达到预设的全局路径优化条件后,输出最终应用于算力网络的全局路径的步骤中,预设的所述全局路径优化条件为预设的全局路径更新轮次或到达预设的截止时间。
本发明实施例还提供一种算力网络流量调度装置,该装置包括计算机设备,所述计算机设备包括处理器和存储器,所述存储器中存储有计算机指令,所述处理器用于执行所述存储器中存储的计算机指令,当所述计算机指令被处理器执行时该装置实现如前所述方法所实现的步骤。
本发明实施例还提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时以实现前述算力网络流量调度方法所实现的步骤。该计算机可读存储介质可以是有形存储介质,诸如随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、软盘、硬盘、可移动存储盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质。
本领域普通技术人员应该可以明白,结合本文中所公开的实施方式描述的各示例性的组成部分、系统和方法,能够以硬件、软件或者二者的结合来实现。具体究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。当以硬件方式实现时,其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时,本发明的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中,或者通过载波中携带的数据信号在传输介质或者通信链路上传送。
需要明确的是,本发明并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见,这里省略了对已知方法的详细描述。在上述实施例中,描述和示出了若干具体的步骤作为示例。但是,本发明的方法过程并不限于所描述和示出的具体步骤,本领域的技术人员可以在领会本发明的精神后,做出各种改变、修改和添加,或者改变步骤之间的顺序。
本发明中,针对一个实施方式描述和/或例示的特征,可以在一个或更多个其它实施方式中以相同方式或以类似方式使用,和/或与其他实施方式的特征相结合或代替其他实施方式的特征。
以上所述仅为本发明的优选实施例,并不用于限制本发明,对于本领域的技术人员来说,本发明实施例可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (20)
1.一种算力网络流量调度方法,其特征在于,所述方法的步骤包括:
基于算力网络构建算力网络模型,所述算力网络模型中包括对应算力网络的多个节点,所述节点用于转发流量;
所述算力网络模型获取流量组合,所述流量组合中包括多条流量,将每条流量拆分为多个子流量;
对于每个子流量的传输路径生成中间节点,基于每个子流量的中间节点得到对于每个子流量的传输路径,初始化得到全局路径;
在每轮次全局路径的优化过程中,获取当前全局路径中最大链路利用率所处的链路,修改传输路径经过该链路的子流量的中间节点,更新全局路径;
当达到预设的全局路径优化条件后,输出最终应用于算力网络的全局路径。
2.根据权利要求1所述的算力网络流量调度方法,其特征在于,所述链路为任一子流量的传输路中相邻两个节点构成的路径,所述获取当前全局路径中最大链路利用率所处的链路,修改传输路径经过该链路的子流量的中间节点,更新全局路径的步骤包括:
计算每个链路的链路利用率,获取当前全局路径中最大链路利用率所处的链路;
计算传输路径经过当前全局路径中最大链路利用率所处的链路的子流量中所需带宽最大的子流量,修改该子流量的中间节点,生成对于该子流量的新的传输路径,得到更新后的全局路径。
3.根据权利要求2所述的算力网络流量调度方法,其特征在于,在计算每个链路的链路利用率的步骤中,基于如下公式计算链路利用率:
其中,表示链路利用率,/>表示链路负载,/>表示链路容量。
4.根据权利要求2所述的算力网络流量调度方法,其特征在于,在修改该子流量的中间节点,生成对于该子流量的新的传输路径,得到更新后的全局路径的步骤中,删除该子流量在原传输路径中全部链路上的流量,并将该流量增加到该子流量的新的传输路径的各个链路中。
5.根据权利要求1所述的算力网络流量调度方法,其特征在于,所述获取当前全局路径中最大链路利用率所处的链路,修改传输路径经过该链路的子流量的中间节点,更新全局路径的步骤还包括:
每次得到全局路径后,将当前的最大链路利用率与全局最大链路利用率比较;
若当前的最大链路利用率小于全局最大链路利用率,则将当前的最大链路利用率作为新的全局最大链路利用率,并将更新后的全局路径作为下一次更新的基础或应用于算力网络的全局路径;
若当前的最大链路利用率不小于全局最大链路利用率,则放弃此次路径的更新,将更新前的全局路径作为下一次更新的基础或应用于算力网络的全局路径。
6.根据权利要求1所述的算力网络流量调度方法,其特征在于,在基于每个子流量的中间节点得到对于每个子流量的传输路径的步骤中,基于预设的传输协议生成每个子流量传输起始的节点到中间节点,及中间节点到子流量传输结束的节点的路径。
7.根据权利要求1所述的算力网络流量调度方法,其特征在于,在将每条流量拆分为多个子流量的步骤中,随机生成拆分比例参数,基于拆分比例参数将每条流量拆分为多个子流量。
8.根据权利要求7所述的算力网络流量调度方法,其特征在于,若将每条流量拆分为2个子流量,则在随机生成拆分比例参数,基于拆分比例参数将每条流量拆分为多个子流量的步骤中,根据如下公式基于拆分比例参数将每条流量拆分为多个子流量:
其中,表示流量组合中任一条流量的大小,/>和/>均为随机生成拆分比例参数,,/>和/>均大于0。
9.根据权利要求1-8任一项所述的算力网络流量调度方法,其特征在于,在当达到预设的全局路径优化条件后,输出最终应用于算力网络的全局路径的步骤中,预设的所述全局路径优化条件为预设的全局路径更新轮次或到达预设的截止时间。
10.一种算力网络流量调度系统,其特征在于,所述系统包括:
模型构建模块,用于基于算力网络构建算力网络模型,所述算力网络模型中包括对应算力网络的多个节点,所述节点用于转发流量;
流量拆分模块,所述算力网络模型获取流量组合,所述流量组合中包括多条流量,用于将每条流量拆分为多个子流量;
全局路径初始化模块,用于对于每个子流量的传输路径生成中间节点,基于每个子流量的中间节点得到对于每个子流量的传输路径,初始化得到全局路径;
全局路径更新模块,用于在每轮次全局路径的优化过程中,获取当前全局路径中最大链路利用率所处的链路,修改传输路径经过该链路的子流量的中间节点,更新全局路径;
全局路径应用模块,用于当达到预设的全局路径优化条件后,输出最终应用于算力网络的全局路径。
11.根据权利要求10所述的算力网络流量调度系统,其特征在于,所述链路为任一子流量的传输路中相邻两个节点构成的路径,所述获取当前全局路径中最大链路利用率所处的链路,修改传输路径经过该链路的子流量的中间节点,更新全局路径的步骤包括:
计算每个链路的链路利用率,获取当前全局路径中最大链路利用率所处的链路;
计算传输路径经过当前全局路径中最大链路利用率所处的链路的子流量中所需带宽最大的子流量,修改该子流量的中间节点,生成对于该子流量的新的传输路径,得到更新后的全局路径。
12.根据权利要求11所述的算力网络流量调度系统,其特征在于,在计算每个链路的链路利用率的步骤中,基于如下公式计算链路利用率:
其中,表示链路利用率,/>表示链路负载,/>表示链路容量。
13.根据权利要求11所述的算力网络流量调度系统,其特征在于,在修改该子流量的中间节点,生成对于该子流量的新的传输路径,得到更新后的全局路径的步骤中,删除该子流量在原传输路径中全部链路上的流量,并将该流量增加到该子流量的新的传输路径的各个链路中。
14.根据权利要求10所述的算力网络流量调度系统,其特征在于,所述获取当前全局路径中最大链路利用率所处的链路,修改传输路径经过该链路的子流量的中间节点,更新全局路径的步骤还包括:
每次得到全局路径后,将当前的最大链路利用率与全局最大链路利用率比较;
若当前的最大链路利用率小于全局最大链路利用率,则将当前的最大链路利用率作为新的全局最大链路利用率,并将更新后的全局路径作为下一次更新的基础或应用于算力网络的全局路径;
若当前的最大链路利用率不小于全局最大链路利用率,则放弃此次路径的更新,将更新前的全局路径作为下一次更新的基础或应用于算力网络的全局路径。
15.根据权利要求10所述的算力网络流量调度系统,其特征在于,在基于每个子流量的中间节点得到对于每个子流量的传输路径的步骤中,基于预设的传输协议生成每个子流量传输起始的节点到中间节点,及中间节点到子流量传输结束的节点的路径。
16.根据权利要求10所述的算力网络流量调度系统,其特征在于,在将每条流量拆分为多个子流量的步骤中,随机生成拆分比例参数,基于拆分比例参数将每条流量拆分为多个子流量。
17.根据权利要求16所述的算力网络流量调度系统,其特征在于,若将每条流量拆分为2个子流量,则在随机生成拆分比例参数,基于拆分比例参数将每条流量拆分为多个子流量的步骤中,根据如下公式基于拆分比例参数将每条流量拆分为多个子流量:
其中,表示流量组合中任一条流量的大小,/>和/>均为随机生成拆分比例参数,,/>和/>均大于0。
18.根据权利要求10-17任一项所述的算力网络流量调度系统,其特征在于,在当达到预设的全局路径优化条件后,输出最终应用于算力网络的全局路径的步骤中,预设的所述全局路径优化条件为预设的全局路径更新轮次或到达预设的截止时间。
19.一种算力网络流量调度装置,其特征在于,该装置包括计算机设备,所述计算机设备包括处理器和存储器,所述存储器中存储有计算机指令,所述处理器用于执行所述存储器中存储的计算机指令,当所述计算机指令被处理器执行时该装置实现如权利要求1-9任一项所述方法所实现的步骤。
20.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,该计算机程序被处理器执行时以实现如权利要求1-9任一项所述方法所实现的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311120396.9A CN116846818B (zh) | 2023-09-01 | 2023-09-01 | 一种算力网络流量调度方法、系统、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311120396.9A CN116846818B (zh) | 2023-09-01 | 2023-09-01 | 一种算力网络流量调度方法、系统、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116846818A true CN116846818A (zh) | 2023-10-03 |
CN116846818B CN116846818B (zh) | 2023-12-01 |
Family
ID=88174711
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311120396.9A Active CN116846818B (zh) | 2023-09-01 | 2023-09-01 | 一种算力网络流量调度方法、系统、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116846818B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114500360A (zh) * | 2022-01-27 | 2022-05-13 | 河海大学 | 一种基于深度强化学习的网络流量调度方法以及系统 |
WO2022121349A1 (zh) * | 2020-12-07 | 2022-06-16 | 中兴通讯股份有限公司 | 算力应用流量转发方法及装置 |
CN115421901A (zh) * | 2022-08-03 | 2022-12-02 | 北京邮电大学 | 一种面向算力网络的优先感知任务调度方法和系统 |
CN115766722A (zh) * | 2022-11-17 | 2023-03-07 | 北京邮电大学 | 一种基于信息中心网络的算力网络任务调度方法及装置 |
CN116471333A (zh) * | 2023-04-14 | 2023-07-21 | 量子科技长三角产业创新中心 | 一种混合算力网络资源调度优化方法及随动控制装置 |
-
2023
- 2023-09-01 CN CN202311120396.9A patent/CN116846818B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022121349A1 (zh) * | 2020-12-07 | 2022-06-16 | 中兴通讯股份有限公司 | 算力应用流量转发方法及装置 |
CN114500360A (zh) * | 2022-01-27 | 2022-05-13 | 河海大学 | 一种基于深度强化学习的网络流量调度方法以及系统 |
CN115421901A (zh) * | 2022-08-03 | 2022-12-02 | 北京邮电大学 | 一种面向算力网络的优先感知任务调度方法和系统 |
CN115766722A (zh) * | 2022-11-17 | 2023-03-07 | 北京邮电大学 | 一种基于信息中心网络的算力网络任务调度方法及装置 |
CN116471333A (zh) * | 2023-04-14 | 2023-07-21 | 量子科技长三角产业创新中心 | 一种混合算力网络资源调度优化方法及随动控制装置 |
Non-Patent Citations (1)
Title |
---|
WENJUAN XING: "A URL-based Computing Power Scheduling Method and System", 2023 IEEE SYMPOSIUM ON COMPUTERS AND COMMUNICATIONS (ISCC) * |
Also Published As
Publication number | Publication date |
---|---|
CN116846818B (zh) | 2023-12-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7656857B2 (en) | Directed acyclic graph computation by orienting shortest path links and alternate path links obtained from shortest path computation | |
EP1757026B1 (en) | Method and apparatus for forwarding data in a data communications network | |
CN102835080B (zh) | 网络数据拥塞管理系统 | |
KR20040019524A (ko) | 서비스 품질(QoS)보장 다중경로 계산방법 | |
EP2198571B1 (en) | Method and apparatus for network routing between a tactical network and a satellite network | |
Xie et al. | Efficient data placement and retrieval services in edge computing | |
CN109151077B (zh) | 一种基于目标导向的计算卸载方法 | |
WO2016186861A1 (en) | Method and apparatus for self-tuned adaptive routing | |
CN112822106A (zh) | 段路由业务处理方法、装置、源节点及存储介质 | |
CN105357124A (zh) | 一种MapReduce带宽优化方法 | |
CN102845033B (zh) | 用于在分组转发装置中针对每个模块在因特网协议切换模式之间进行自动选择的方法、系统以及计算机可读介质 | |
Hao et al. | An adaptive load-aware routing algorithm for multi-interface wireless mesh networks | |
CN116846818B (zh) | 一种算力网络流量调度方法、系统、装置及存储介质 | |
RU2623450C2 (ru) | Способы и устройства для маршрутизации сообщений с использованием стволовых ресурсов ячеистых сетей радиодоступа | |
US11070472B1 (en) | Dynamically mapping hash indices to member interfaces | |
Khalil et al. | Control plane and data plane issues in network layer multipathing | |
KR101627625B1 (ko) | 어플리케이션과 네트워크가 융합 구동하는 멀티프로토콜 경로선택 시스템 및 방법 | |
US20120063362A1 (en) | Method and apparatus for computing paths to destinations in networks having link constraints | |
JP5022412B2 (ja) | 経路情報管理システム、経路情報管理方法、およびプログラム | |
JP4809824B2 (ja) | Bgpセッションの設計方法、セッション設計装置およびbgpセッション設計プログラム | |
CN111245716A (zh) | 域间路由方法、设备和系统 | |
Srivastava et al. | Clustering based Load Balanced Gateway Placement Approach | |
CN114826999B (zh) | 卫星网络数据传输方法及装置 | |
Nayyer et al. | Issues with routing in software defined networks | |
CN117395191B (zh) | 覆盖网络的路由寻址方法及设备 |
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 |