CN1416242A - 基于线性构造的服务质量路由性能评价方法 - Google Patents

Abstract

基于线性构造的服务质量路由性能评价方法属于互联网路由性能评价技术领域，其特征在于：它是基于线性能量函数g（e）=∑_l=1 ^K（a₁w₁（e））而把互联网的多重度量路径问题转化为能用Dijkstra算法计算最小能量路径问题的方法，其中e为链路，1为k重度量的序号，1≤l≤k，α₁∈[0，1]为与链路e无关的系数且满足∑_l=1 ^Ka₁=1；它先在拓扑图上随机选取源、目的节点对(s，t)，再从s到t根据路径线性能量函数等于路径上各个链路的线性能量函数之和的原理用Dijkstra算法建立具有最小能量值的路径，进而把该路径的度量值作为节点对(s，t)的服务质量请求的约束条件c，从而保证所模拟产生的服务质量请求具有可行路径。实验结果表明，这种评价方法不仅能够代表真正的应用业务，而且能够很好的反映路由的性能。

Description

基于线性构造的服务质量路由性能评价方法

技术领域

基于线性构造的服务质量路由性能评价方法属于互联网路由性能评价技术领域，尤其涉及具有多个服务质量参数作为约束条件的服务质量路由评价方法。

背景技术

评价服务质量(Quality-of-service，QoS)路由算法性能的常用方法有两种。(1)竞争率：算法能够找到可行路径的请求数目与存在可行路径的请求数目的比值；(2)路由成功率：算法能够找到可行路径的请求数目与所模拟的总请求数目的比值。

这两种评价方法的区别在于作为分母的QoS请求是否一定具有可行路径。这两种方法都有一个共同的缺陷：计算结果很大程度上依赖于所产生的QoS请求的限定条件，即QoS约束的分布。而且对于大规模网络拓扑图来说，由于很难判断一个QoS请求是否存在可行路径，因此路由成功率得到了广泛的应用。然而路由成功率更大程度上依赖于QoS请求的约束条件，不同的文献采用不同的产生方法，这导致路由成功率失去了绝对数值的评价意义，只有在同一批数据的相对比较中才有意义，所以不同文献所给出的性能评价数据无法进行直接比较。

发明内容

本发明的目的在于提供一种基于线性构造的服务质量路由性能评价方法。

本发明所提出的方法的特征在于：它用计算机首先在服务质量路由中给每条链路e关联上一组k重相互无关的权值(w₁(e)，w₂(e)，…，w_k(e))，即链路e的服务质量度量w(e)，再基于链路的线性函数 $g\left(e\right)={\mathrm{\Σ}}_{l=1}^k\left(a_l{w}_l\left(e\right)\right)$ 把互联网的多重度量的路径问题转化为能用Dijkstra算法计算的单一度量即具有最小能量值的路径问题，其中1为k重度量的序号，1≤l≤k，a_l∈[0，1]为与链路e无关的系数且满足 ${\mathrm{\Σ}}_{l=1}^k{a}_l=1;$ 它先在网络拓扑图上随机选取源节点和目的节点对(s，t)，再从源节点到目的节点根据路径线性能量函数等于路径上各个链路的线性能量函数之和的原理用Dijkstra算法建立具有最小能量值的路径，进而把该路径的度量值作为节点对(s，t)的服务质量请求的约束条件c，从而保证所模拟产生的服务质量请求具有可行路径。其步骤依次如下：

(1)使用计算机输入每条链路具有k重度量值(w₁(e)，w₂(e)，…，w_k(e))的互联网拓扑图G；

(2)随机产生服务质量请求的源节点s、目标节点t，并保证(s，t)之间的最小跳数(即从s到t所经过的节点数)不小于3；

(3)对所有l＝1，2，…，k，在[0，1]区间产生均匀分布的随机数b_l～uniform(0，1)(即[0，1]区间内的均匀分布)，然后令 $a_l=b_l/{\mathrm{\Σ}}_{l=1}^k{b}_l;$

(4)计算每条链路的能量值 $g\left(e\right)={\mathrm{\Σ}}_{l=1}^k\left(a_l{w}_l\left(e\right)\right);$

(5)根据上述能量值，以s为树根计算以能量值g(e)为评价标准的最短路径树(Shortestpath tree，SPT)；

(6)以沿着该SPT从s到达t的路径为基础，计算该路径的各个度量值。

实验证明：这性能评价方法不但能够模拟出具有实际意义的服务质量请求，而且所模拟的请求均具有可行路径，因而能够将原来只能用于相对评价的性能指标路由成功率扩展到绝对指标竞争率，同时该方法较其他方法更容易分辨出不同算法之间的性能诧异。

附图说明

图1.性能评价方法流程图

图2.性能评价方法使用说明实例

图3.性能评价方法应用结果举例

具体实施方式

为了便于描述，我们首先给出有向图模型和几个定义。

用有向图G(V，E)表示一个网络，其中V为节点集，元素v∈V称为图G的一个顶点(节点)；E为弧集，元素e_ij∈E记为e＝v_i→v_j称为图G的一条边。在QoSR中给每个链路e关联上一组相互无关的权值(w₁(e)，w₂(e)，…，w_k(e))称为链路e的QoS度量，简写为w(e)。其中w_l(e)∈R⁺为路径约束类型的度量，对1≤l≤k。也就是对于路径p＝v₀→v₁→…→v_n，权值 $w_l\left(p\right)={\mathrm{\Σ}}_{i=1}^n{w}_l(v_{i-1}\→v_i)$ 满足可加性。

定义1：多约束路径

对于给定的有向图G(V，E)，包含源节点s、目标节点t和k≥2重权值w_k(e)∈R⁺，以及约束向量c＝(c₁，c₂，…，c_k)，从s到t的路径p称为多约束路径，如果w_l(p)≤c_l，对1≤l≤k，简写为w(p)≤c。                                                                 □

这里的w(e)和c都是k维向量。而对于给定的QoS请求及其限制条件c，QoSR的主要任务就是在当前网络状态下寻找满足要求的路径p，使得w(p)≤c。

1.线性能量函数

Difkstra给出了单一度量下计算最短路径树SPT(Shortest Path Tree)的算法，并且具有较低的算法复杂度。然而对于多重受限的服务质量路由QoSR(QoS Routing)问题涉及到同时考虑多种度量，因此导致问题变为NP完全(即多项式时间不可解)的复杂度而无法使用原有算法。一种可能的求解思路是将多种度量转化为单一度量。

定义2：线性能量函数g_a

令线性函数 $g_a\left(e\right)={\mathrm{\Σ}}_{l=1}^k{a}_l{w}_l$ 为链路e的能量函数，表示e的耗费值。其中a_l∈[0，1]为与e无关的系数(l＝1，2，…，k)，且 ${\mathrm{\Σ}}_{l=1}^k{a}_l=1,$ 并将满足该条件的向量a＝(a₁，a₂，…，a_k)称为能量系数。                                                                     □

基于这样的线性能量函数，我们将原来的多重受限路径问题转化为最小能量路径问题。能量函数的每个系数则表明了在计算“最优路径”时，该系数所对应的度量与其他度量相比的相对重要程度。

定理1：以最小化g_a(e)为目标使用Dijkstra算法，可以建立以节点s为根的最小能量树T(g_a)，满足沿着T(g_a)从s到任意节点t的路径p_T有g_a(p_T)＝min_p(s，t)∈Gg_a(p(s，t))。证明：因为g_a(e)为线性函数，满足 $g_a(e_1+e_2)={\mathrm{\Σ}}_{l=1}^k{a}_l{w}_l(e_1+e_2)$ $={\mathrm{\Σ}}_{l=1}^k{a}_l{w}_l\left(e_1\right)+{\mathrm{\Σ}}_{l=1}^k{a}_l{w}_1\left(e_2\right)=g_a\left(e_1\right)+g_a\left(e_2\right).$ 所以可以首先算出每个链路的能量值g_a(e)，然后以单一权值g_a(e)为关键字代替原Dijkstra算法中的链路花费，然后使用原有算法以s为源建立SPT。由于原算法能够保证从s到任意节点沿着该SPT的路径具有最小的花费，因此以g_a(e)为关键字的算法保证p_T为从s到t的具有最小能量的路径，即g_a(p_T)＝min_p(s，t)∈Gg_a(p(s，t))。                                         □

以满足定义2的能量系数a为自变量，我们将最小能量树T(g_a)简记为T_a，而将沿着T(g_a)从s到t的路径p_T记为p_a。

在QoSR路由性能评价中，我们注意到即便是对同一个网络和QoS请求的源目的对集{(s，t)}，只要其约束条件的产生遵从不同的分布或不同的范围，算法的性能也将大相径庭，这也是导致不同文献的算法评价所给出的数据无法进行比较的主要原因。然而由于Internet缺少典型结构，对将来QoS请求的约束条件更缺乏足够的认识，因此很难给出合理的模型和分布。实际中很多QoS业务对路径上多种度量的关心程度是不同的，例如为了提高文件传输的性能，通常认为丢失率的重要性比延迟大若干倍。基于这种思想，我们在归一化链路度量的基础上，对给定源目的对(s，t)的QoS请求，为产生其约束条件设计了权重比例仿真法，该方法的流程图如图1所示。

针对每个源目的对(s，t)产生QoS约束条件时，首先取随机数b_l～uniform[0，1](即[0，1]区间内的均匀分布)，然后令 $a_l=b_l/{\mathrm{\Σ}}_{l=1}^k{b}_l,$ 其中a_l为关心系数，表示该QoS业务对w_l的关心程度。从而使用上面所述的线性能量函数 $g\left(e\right)={\mathrm{\Σ}}_{l=1}^k\left(a_l{w}_l\left(e\right)\right),$ 计算得到每条链路的能量值。进而使用Dijkstra算法计算出从s到t的具有最小能量值的路径p(s，t)(定理1)，最后令该路径所对应的度量w(p(s，t))为相应的QoS请求(s，t)的约束条件，即c(s，t)＝w(p(s，t))。由于这样构造的QoS请求必然具有可行路径，因此可以将“路由成功率”扩展到对算法绝对性能的评价中。

例如，在如图2.a所示的网络中，随机选取源目的对为(s，t)，现为其产生约束条件。取随机数b₀＝0、b₁＝1，则关心系数a₀＝0、a₁＝1，因此线性能量函数g(e)＝w₁(e)。使用Dijkstra算法时，优化的目标为最小化g(e)＝w₁(e)。例如其中计算节点c的连接状况时，发现路径g(sac)＝7而g(sbc)＝10，因此计算出从s到t的具有最小能量值的路径p(s，t)为(sacdt)，能量值为9，如图2.b所示。该路径的度量值为(16，9)，因此模拟产生了从s到t具有约束条件(16，9)的QoS业务。显然，路径(sacdt)满足该约束条件。

此外，不同的关心系数可能导致不同的约束条件。例如，取随机数b₀＝1、b₁＝0，则关心系数a₀＝1、a₁＝0，因此线性能量函数g(e)＝w₀(e)。使用Dijkstra算法计算出从s到t的具有最小能量值的路径p(s，t)为(sbcdt)，能量值为12，如图2.c所示。该路径的度量值为(12，12)，因此相当于产生了从s到t具有约束条件(12，12)的QoS业务，并且该业务至少具有一条可行路径，即(sbcdt)。

目前，我们已经将这种路由性能评价方式应用到实际当中，采用Pentium III 933MHz的CPU和256MB内存，实验结果如图3所示，其中横坐标表示网络的度量个数，纵坐标表示路由成功率，网络节点数分别为50、100、200和500。图示结果表明，使用不同的算法或算法配置，在这种性能评价方法下，算法性能能够较明显的体现出来。由于基于服务质量的网络是国际互联网发展的必然方向，而网络中的路由器为了提供QoS的支持，就需要使用QoSR算法，因此QoSR算法的性能评价方法也将广泛的应用在实际当中。

由此可见，本发明达到了预期目的。

Claims (1)

1.基于线性构造的服务质量路由性能评价方法，含有在计算机上基于线性能量函数把服务质量路由从多重度量转化为单一度量、再用Dijkstra算法计算从源节点s到目的节点t的具有最小能量值的路径p(s，t)的度量值，其特征在于：它用计算机首先在服务质量路由中给每条链路e关联上一组k重相互无关的权值(w₁(e)，w₂(e)，…，w_k(e))，即链路e的服务质量度量w(e)，再基于链路的线性函数 $g\left(e\right)={\mathrm{\Σ}}_{l=1}^k\left(a_l{w}_l\left(e\right)\right)$ 把互联网的多重度量的路径问题转化为能用Dijkstra算法计算的单一度量即具有最小能量值的路径问题，其中1为k重度量的序号，1≤l≤k，a_l∈[0，1]为与链路e无关的系数且满足 ${\mathrm{\Σ}}_{l=1}^k{a}_l=1;$ 它先在网络拓扑图上随机选取源节点和目的节点对(s，t)，再从源节点到目的节点根据路径线性能量函数等于路径上各个链路的线性能量函数之和的原理用Dijkstra算法建立具有最小能量值的路径，进而把该路径的度量值作为节点对(s，t)的服务质量请求的约束条件c，从而保证所模拟产生的服务质量请求具有可行路径，其步骤依次如下：

(1)使用计算机输入每条链路具有k重度量值(w₁(e)，w₂(e)，…，w_k(e))的互联网拓扑图G；

(2)随机产生服务质量请求的源节点s、目标节点t，并保证(s，t)之间的最小跳数不小于3；

(3)对所有l＝1，2，…，k，在[0，1]区间产生均匀分布的随机数b_l～unfiorm(0，1)(即[0，1]区间内的均匀分布)，然后令 $a_l=b_l/{\mathrm{\Σ}}_{l=1}^k{b}_l;$

(4)计算每条链路的能量值 $g\left(e\right)={\mathrm{\Σ}}_{l=1}^k\left(a_l{w}_l\left(e\right)\right);$

(5)根据上述能量值，以s为树根计算以能量值g(e)为评价标准的最短路径树(Shortest path tree，SPT)；

(6)以沿着该SPT从s到达t的路径为基础，计算该路径的各个度量值。

Images