CN1914861A - 基于群集的网络供应 - Google Patents

Abstract

在网络供应的领域中，存在由于资源有效干线模型的高管理复杂度和容易配置软管模型的低带宽效率产生的为大型网络选择适当的业务供应模型的问题。本发明基于以下构思，即将至少部分网络分割(S1)成多节点群集，在至少两个等级，包括群集内等级和群集间等级上定义(S2)业务限制，其中业务限制包括对于群集间业务的一个或更多节点到群集业务限制。接下来，根据所述业务限制执行基于群集的网络供应(S3)。本发明建议的新颖的节点到群集限制优选在群集间等级上应用于基于群集的干线或软管模型中。换言之，为了描述群集间业务(群集之间的业务)能够优选根据有关业务的可用信息，使用基于群集的干线或软管模型。这种基于群集的供应使得有可能找到管理复杂度和过供应之间的折衷。

Description

基于群集的网络供应

技术领域

本发明通常涉及用于诸如移动核心网和虚拟专用网(VPN)等网络的网络供应(provision)，更具体而言涉及在这些网络中的量度(dimensioning)和准入(admission)控制。

背景技术

网络供应通常涉及在网络中的资源分配和管理并且通常包括诸如网络的准入控制和/或量度的问题。

基本的趋势是形成网络的网络节点数目正快速地增加，这产生了庞大、复杂的网络结构和虚拟拓扑结构。与这种趋势相并行地，还有网络节点之间的业务量也持续增加以及通常难以预测。由于大量节点和业务干线，节点之间的业务也难以测量。所以，业务矩阵的计算非常复杂。在绝大多数情况下甚至不可能计算业务矩阵。而且，业务变化的程度，这要求重新配置网络，也是非常难以预测的。

资源管理的区域包括一些当前公开的问题。为了实现优良的网络使用，要求最大可能的表征用户的业务流。支持大量的用户应用典型要求网络供应商和用户之间的服务等级协议(SLA：Service LevelAgreement)，用来规定服务质量(QoS)和带宽要求。当前有两种方式定义SLA和训练准入控制，即基于干线(用户管道)的模型和基于软管(hose)的模型，这两种模型都是静态模型。准入控制是任何网络供应体系结构的基本组成部分，通常是控制在通信网络中使用一组给定资源的大量连接的问题，借此保证被准入的连接能够访问满足其服务质量(QoS)要求所需的资源。在链路层上，准入控制通常用作限制在网络中的传输链路上同时存在的连接数量。这意味着为了保护已经被准入以便在链路上传输的连接可以拒绝新的连接。

连接准入控制的问题通常相当的复杂，对于网络诸如通用移动电信系统(UMTS)、虚拟专用网(VPN)以及类似的通信网络来说，主要问题是找到有效的起作用的准入控制策略，同时满足诸如有限复杂度和高精确度的实际要求。

干线模型

用于传输网络的简单服务模型或业务供应模型用于仿真专用线路服务。这将要求客户端节点规定每一可能的源-目的地对之间的带宽要求。在图1中描述了这种模型即干线模型。

当传输网络基于干线模型时，那么建立干线网孔，每个干线从一个用户端点延伸到另一个用户端点。用户端点必须为它的每一个干线维持逻辑接口。在UMTS核心传输网环境中，例如，该用户端点典型是媒体网关(MGW)或等效节点。

对于干线模型通常期望给出点对点业务需求。换言之，需要规定业务矩阵。这种模型使得网络供应商能够以最佳的方式使用网络，因为已知的业务矩阵和路由选择策略精确地确定所需的链路容量。另一方面，这种模型的关键部分是非常难以描述端点之间的通信模式。有一种公正的假设即网络供应商具有有关业务矩阵的非常有限的信息，用户不能够精确地预测和定义节点之间的负荷。因此，在未知业务矩阵的情况下，干线或用户管道模型的应用非常有限，特别是在VPN环境中。这种模型的另一个问题是显著的管理复杂度。在每个节点中，必须为每个相关节点定义输入和输出业务描述参数以定义与该相关节点有关的所需容量。在全网孔逻辑网络的情况下，将要配置的参数总和与所考虑网络或部分网络中节点数量N的平方成正比。

软管模型

在这种软管模型中，这是另一种业务供应模型，用户规定一组将要连接的端点。网络中端点之间的连接由软管规定，包括：

·从端点到网络(到其他端点)聚集输出业务所需的容量，

·从网络(从其他端点)到端点聚集输入业务所需的容量。

当传输网量度基于这种软管模型时，那么用户端点恰好保持到供应商接入路由器的一个逻辑接口，即软管。图2示出了使用边到边管道的软管的示意性实现。

使用这种软管模型，不需要业务矩阵，对于每个节点，只需要知道输入和输出业务量。与干线模型相比能够以更为精确的方式测量或预测这些业务参数。因此，从用户的观点出发该软管模型非常有吸引力，但是对于网络供应商不是这样的有利，因为它意味着不知道汇节点的业务不确定性。必须为最坏情况下的业务分布量度网络，这可能导致网络中显著的过量度(overdimensioning)。从管理复杂度的观点出发，软管模型需要的参数明显少于干线模型。由于在每个节点中只必须定义聚集输入和输出业务量，将配置的参数数量与网络中的节点数量成正比。

基于测量的准入控制

然而另一种类型的业务供应模型是基于测量的准入控制(MBAC)。特别是，参考文献[1]和[2]已知了基于丢弃的MBAC，这是基于端到端测量的准入控制的例子。在MBAC中，节点测量网络性能以引导准入控制判定。例如，数据接收机监控每个远程站的用户面分组流和通过比较实时传输协议(RTP)序列号码检测丢弃的分组。丢弃的分组是IP骨干中拥塞的指示以及RTP提供一种机制来检测丢弃的或失序的分组。该节点只有当面向所讨论的远程站的丢失率低于给定门限值时才准许新呼叫进入。如果排队延迟有可能非常小，则在分组丢失方面严格地测量服务质量。

在基于测量供应的情况下，准入控制判定总是基于网络的实际性能，从而可正确地处理所有不可预期的情况。例如，如果在多个错误的情况下在链路上发生拥塞，那么在数据接收机中测量分组丢失，这进一步阻塞了呼叫直到拥塞消失为止。

但是，基于测量的准入控制所具有的缺点在于，如果丢弃要求严格的话，例如在UMTS系统的骨干网中，可能不保证正确的QoS。这可能阻止基于丢弃的MBAC在许多应用中使用。

现有技术的业务供应模型的主要特征在表格中总结如下：

属性	静态模型		基于丢弃的MBAC
				干线	软管
	配置	每节点2*(N-1)个入口(entry)				每节点2个入口	-
正确QoS供应的带宽效率			高	低	有可能不可以保证正确的QoS
	处理不可预期的拥塞	不支持				不支持	支持

总之，静态准入控制能够基于干线或软管模型。

干线模型，其中准入控制基于在节点中定义的虚拟点对点干线，使得网络供应商能够以最佳的方式使用该网络，这导致了更有效的网络运行。但是，该干线模型要求在所有节点中的许多配置参数来根据SLA描述面向其他汇节点的业务。干线配置的复杂度快速增加，它实际上与网络节点数量的平方成正比，所以通常在大规模网络中不使用这种配置。如果新节点添加到网络中，在所有其他节点中必须定义和利用容量极限配置新的干线。干线模型的另一个重要问题是不知道或仅仅部分知道业务矩阵。另一方面，干线模型的主要优点在于在可用的静态供应方法中它提供最佳的带宽效率。

使用软管模型，其中节点中的准入控制不检验呼叫的目的地，所述配置更为简单化。只需要在节点中配置输入和输出业务描述入口。而且，能够以简单的方式测量或预测软管参数。这种软管模型的主要缺点是它通常在网络中产生显著的过量度。在软管模型的情况下网络节点的配置非常简单；事实上在每个节点中应该只配置两个参数。当新节点添加到系统中时，那么不影响其他节点的配置。但是，软管模型的带宽效率不如干线模型。

所以，可能有庞大的核心网、庞大的VPN或其他庞大的网络，其中分别由于管理复杂度或差的带宽效率而不可以应用干线或软管供应。

相关技术

在文献中，能够找到处理基于软管或干线模型的网络量度的文章。

软管模型的主要构思已经在文献中长期存在，其基于“无阻塞网络”的理论。例如，参考文献[3]描述了一种网络设计方法，它恰好基于与软管模型相同的资源供应构思。

参考文献[4]描述了分析用于供应IP虚拟专用网的软管模型的带宽效率。所述估计基于源于语音网络以及大公司网络的业务的轨迹迹线驱动仿真。它们为不同软管实现提供全网络范围容量需求的数字结果。尽管软管模型所需的实际过供应(overprovisioning)将在骨干网中存在，但是传统管道和软管模型的带宽效率的比较局限于接入链路。

在参考文献[5]中，所争论的是用于软管实现的最佳成本解决方案应该基于树型拓扑结构，并且证实不对称软管(软管发送和接收不同量的业务)和受限链路容量的通常问题是NP困难的(NP，非多项式)。就其而言，在参考文献[5]中提供了具有可证实的性能界限的逼近算法。

在这个领域中最近重要的贡献能够在参考文献[6]中找到，该文献建议还原算法来改进基于树的软管实现。

参考文献[7]提供了一种软管和干线资源分配模型的资源效率的详细比较。从中能够得出的结论是，对于较小的网络(特别是在树型路由选择中)软管模型的过供应因子能够合理的低。但是，在最短路径路由选择的情况下，该过供应因子随着网络大小显著地增加。该文献显示，如果软管模型与用于LSP的带宽保留组合，它给出差的带宽效率。当利用CSPF完成路由选择时进一步恶化了其带宽效率。

下面给出有关干线模型的大量代表性文章。

参考文献[8]提供了与干线模型相关的各种可能的网络设计任务的一种详细调查。建议普通的帧网络以及识别与电信网络设计相关的若干特殊情况。该方法也能够处理不同成本的模型。

参考文献[9]、[10]和[11]涉及解决各种电信网络设计任务的方法。

在参考文献[12]中建议了用于设计容错网络的其他试探法。

其他参考文献[13]、[14]、[15]和[16]处理设计具有或不具有故障保护能力的虚拟专用网的问题。

所有以上干线保留方法的共同属性在于它们都不考虑配置的复杂度，而是都针对设计要求最少容量设备的网络。

在参考文献[17]中，目的是在分布式控制体系结构中实现现存连接准入控制(CAC)，以便调整在IP网络上端到端的资源供应。所建议的技术可应用于基于基本域的分层网络，特别是对于多个ISP的情况。该技术基于传统的干线模型并应用群集(cluster)以便有可能实现分布式CAC方法和建立业务聚集。特别是，它们使用基于完全业务矩阵的准入控制策略，该矩阵具有基于高斯业务预测器的聚集保留。

发明内容

本发明的一般目的是提供一种改进的网络供应策略。

本发明的目的是提供新的有效的准入控制策略以及相应的网络量度机制。

一个特定的目的是提供可缩放的(管理复杂度方面)同时资源有效的准入控制和量度策略。

一个具体目的是提供用于供应通信网络的改进的方法和结构。

另一个具体目的是提供能够用于网络量度用途的设计和/或支持工具。

本发明的再一个具体目的是提供一种新颖的在通信网络中操作的准入控制器。

在现有技术中，正如我们已经看到的，通常存在由于资源有效干线模型的高管理复杂度以及容易配置的软管模型的差带宽效率，而引起的为大型网络选择适当的业务供应模型的问题。

本发明基于以下思想即将至少部分网络分割成群集，每个群集具有至少两个节点，以及在至少两个等级，包括群集内等级和群集间等级上定义业务限制，这里业务限制包括一个或更多新颖的对于群集间业务的节点到群集业务限制。最后，基于群集的网络供应基于所定义的业务限制执行。以这种方式使用基于群集的供应使得有可能找到管理复杂度和过供应之间的最佳平衡或折衷。

在传统的干线模型中存在节点到节点的业务限制，而在传统的软管模型中只存在节点到任何位置的业务限制。在本发明建议的模型中，所述业务(也)能够经受一个或更多节点到群集的限制。应该明白，“节点到群集限制”的表达通常意味着对于给定群集中的给定节点，与至少一个其他群集相关的业务量的限制。通常而言，这种限制可以与输入和/或输出方向中的业务相关。

本发明建议的新颖节点到群集限制优选应用于在群集间等级上所谓的基于群集的干线模型或基于群集的软管模型中。换言之，为了描述群集间业务(群集之间的业务)，优选地根据有关业务的可用信息，能够使用基于群集的干线或软管模型。还有可能对群集进行分组以及独立地为每组群集选择所谓的软管间或干线间供应。

群集内业务(属于一个共同群集的节点之间的业务)可以通过传统干线或软管模型描述，如果希望的话，独立地一个群集一个群集地描述。这意味着能够独立地为网络中的每个群集选择业务描述模型或带宽分配模型，这与现有技术的网络供应相比提供了较高程度的灵活性。

在用于群集内供应的干线和软管模型之间以及在用于群集间供应的基于群集的干线和软管模型之间的选择给出以下基本组合：

·干线内，干线间；

·软管内，干线间；

·干线内，软管间；和

·软管内，软管间。

在传统干线和软管模型之间还存在另一种折衷。干线模型对于业务结构中的变化非常敏感，而软管模型非常健壮并因此对于这些变化较为不敏感。本发明建议的供应策略还能够控制这种折衷。

扩展的研究和仿真已经显示软管内、干线间供应在许多业务应用和情形中供应了最佳的整体性能。

因此所建议的服务模型允许基于站点/节点群集的构思，以比纯粹的软管和干线模型更为灵活的方式定义诸如服务等级协议(SLA)之类服务等级定义。通过定义群集为一组网络站点/节点，能够在服务等级定义中区分群集内供应和群集间供应。

基于群集的供应通常涉及资源分配和/或网络管理，并优选包括准入控制和/或网络量度。

对于基于群集的准入控制，在服务等级定义或SLA中节点到群集业务限制优选被应用于在群集间等级上的准入控制。在群集内等级上，当希望时，可以应用在SLA中定义的补充业务内限制。

对于基于群集的量度，优选至少部分地基于在群集间等级上节点到群集业务限制来量网络中大量链路的容量大小。典型地，该量度任务也基于在群集内等级上至少一个补充的业务限制。

所述量度任务优选通过网络设计或支持工具执行，这种工具基于在基于群集的服务等级定义或SLA中给定的业务限制的至少一个子集来计算所需的链路容量。将这种设计工具集成到具有根据相同业务限制操作的基于群集的准入控制功能的网络管理模块中保证了网络资源和CAC配置在实际上统调。

本发明的一些优点：

·实现简单-在节点中只需少许变化；

·可缩放的管理复杂度；

·在缩放性和带宽效率之间的近似最佳折衷；

·即使当操作员没有有关网络中业务分布的精确信息时，也可有效地应用该建议的供应模型。

附图说明

通过参考以下结合附图的描述将会更加明白本发明以及它的其他目的和优点，其中：

图1是传统干线模型的示意图；

图2是传统软管模型的示意性；

图3是根据本发明实施例的示意性供应方法的示意流程图；

图4是显示被划分成群集的网络的简单实例的示意图；

图5是根据本发明示意性实施例的网络设计工具的示意方框图；

图6是根据本发明示意性实施例的准入控制器的示意简化方框图；

图7示例了用于示例性核心传输网的示意群集定义；

图8示例了平均CAC入口数量作为示意性网络的群集数量的函数；

图9示例了根据用于示意性网络的总计容量比较所建议的供应模块；

图10示例了对于示意性网络，当未受保护时以及具有链路和节点保护时使用软管内、干线间供应的过供应；

图11针对不同量度变型示例了对于大型骨干参考网络，作为群集数量函数的过供应因子；

图12针对不同量度变型示例了对于大型骨干参考网络，作为群集数量函数的管理复杂度；

图13针对不同量度变型示例了对于大型骨干参考网络，作为过供应因子函数的管理复杂度；

图14示例了对于大型骨干参考网络，作为用于具有软管内、干线间模型的不同路由选择策略的群集数量函数的过供应因子；

图15针对不同量度变型示例了作为链路密度的函数的最小可实现的管理复杂度；以及

图16示例了对于不同规模的网络最小可实现的管理复杂度。

具体实施方式

本发明提出了基于群集的供应，在优选实现中基本上只需要较小地修改网络节点设计并优选在路由器中不需要新功能。

基本思想是将网络或至少部分网络分割成多节点群集或逻辑资源域。因此每个这种群集包括至少两个节点。在底层具有可分割成基本群集的网络节点，如果希望，该群集进而可以划分成所谓的超群集，对于任何数量的更高等级可依此类推。但是，在基本情形中，分层体系结构包括分割成基本群集的网络节点，基本群集具有可选的超群集。

然后所述思想是执行基于群集的网络供应，包括至少群集内等级和群集间等级，并具有在群集间等级上一个或更多新颖的节点到群集业务限制的配置和应用。这种供应策略同样适用大规模网络，这种群集技术使得可能定义节点到群集的限制以及找到管理复杂度和过供应之间适当的均衡。

所建议的服务模型允许(基于站点/节点群集的构思)在VPN环境中以比纯粹的软管和干线模型更加灵活的方式配置诸如SLA之类服务等级定义。通过将群集定义为一组网络站点/节点，在服务等级定义(例如，SLA)中能够在群集内业务和群集间业务之间进行区分。

选择业务供应模型，也通常称为带宽分配或准入控制模型，优选地基于有关业务分布的可用信息。作为拇指的简单原则，对于“已知的”业务，可以有利地使用干线或类似干线的模型，而对于“未知的”业务能够应用软管或类似软管的模型。

我们能够使用干线和软管模型用于群集内供应。在群集内部的干线供应通常意味着服务等级定义(例如，SLA)包括在群集中每个节点对之间的点对点限制。用于群集内业务的软管供应通常意味着到同一群集中的任何其他节点/站点的总业务在每个节点/站点受到限制。

如果外部群集被认为好像是单个实体，那么我们能够使用所谓的基于群集的干线或软管模型用于群集间供应。在群集间业务环境中可以例如应用干线供应，从而从每个站点/节点到每个群集和/或从每个群集到每个站点/节点的业务聚集的带宽受到限制。可以例如应用用于群集间供应的软管供应以便对总的群集间业务施加带宽限制。

基于群集供应的其中一个有利之处是能够调整服务等级定义诸如SLA成可用的业务信息。

如在图3的示意性流程图中所示，所述网络然后被划分或分割成群集(S1)。在下一步骤(S2)，配置或定义包括本发明建议的新颖的节点到群集限制的业务限制。基于群集和相关的业务限制，执行网络基于群集的供应(S3)。

如上所述，根据本发明的新颖供应策略典型地关于带宽效率和配置复杂度缩放至大型网络。该供应策略还能够找到对业务结构变化的敏感度和健壮性之间的平衡。

在每个所考虑的群集中，即对于群集内业务，可以使用软管、干线或任何其他适当的业务供应模型。这意味着对于网络中的每个群集，如果希望的话，能够独立地选择业务供应模型，有时称之为准入控制模型，因此与现有技术的网络供应相比提供更高的灵活度。这通常在初始配置阶段中执行。优选地，在用于群集内业务的群集范围内定义干线或软管类型的表征。群集内业务的干线类型表征典型指的是在群集中的每个节点对之间给出节点到节点业务需求。群集内业务的软管类型表征指的是在相同的群集中规定从节点到任何其他节点以及从任何其他节点到节点的总业务需求。

类似地，为了描述群集间业务(群集之间的业务)，优选根据有关业务的可用信息，在网络中(或者对于每组群集)能够使用所谓的基于群集的软管、干线或其他业务供应模型。这意味着基于群集的干线或软管类型表征可以应用于群集间业务。群集间业务的干线类型表征典型指的是规定了从节点到另一群集以及从另一群集到节点的总业务，同时群集间业务的软管类型表征典型规定来自(到)给定节点的总的群集间业务。优选地，本发明的全部供应策略使得能够选择适当的供应模型用于群集内供应和群集间供应。首先，考虑静态业务供应模型。例如，应用干线和/或软管模型的原理给群集内和群集间业务有可能简化业务表征和管理而不明显降低网络的带宽效率。

在用于群集内供应的干线和软管模型之间以及用于群集间供应的基于群集的干线和软管模型之间的选择给出了以下基本组合：

·干线内、干线间：在这种情况下，在群集内部和群集之间都使用干线模型。

·软管内、干线间：在群集内部，使用基于软管的供应，以及在群集之间使用基于群集的干线模型。

·干线内、软管间：在群集内部使用干线模型，以及对于群集间业务使用基于群集的软管模型。

·软管内、软管间：在这种情况下，在群集内部和群集之间都使用基于软管模型的供应。

如前所述，该新颖的供应策略优选基于网络到群集的逻辑划分，和群集间和群集内业务之间的区别。

群集内业务

考虑给定的群集C_k和位于该群集中的节点u。那么有可能例如以以下两种示意方式给出这个节点的群集内业务。

干线内：在这种情况下，将精确地限制u的去往/来自C_k中每个节点的业务量。

软管内：在这种情况下，仅限制到同一群集中其他节点的节点u输出业务的总和，以及来自同一群集中其他节点的节点u输入业务的总和。

群集间业务

再次考虑位于群集C_k中的节点u。这里还能够引入两种示意方式来在下面描述u的位于其群集C_k外部的业务。

干线间：在这种情况下，优选限制节点u去往/来自其他群集每个节点的业务量。注意到，这通常是比传统点对点干线的不充分的描述。

软管间：在这种情况下对于每个节点，只限制到任何其他群集(中任何节点)的输出业务的总和，以及来自除C_k之外的任何其他群集(中任何节点)的输入业务的总和。

在输入业务和输出业务的限制之间有可能存在一致，这基本上意味着实际上具有双向的限制。

为了示例如何构造基于群集的服务等级定义(例如，SLA)的块，现在将参考图4，该图示出了被划分成群集的网络的简单实例。图4示出了示意网络，该网络划分为三个群集，分别表示为10.0.1.0、10.0.2.0和10.0.3.0。方块表示节点，诸如骨干路由器，其旁边指示的是IP地址。以下表格列出了示意性群集内和群集间参数，这些参数能够用于规定承载IP地址10.0.2.1(在图4中指示为灰度方块)的具体节点中的服务等级定义(例如，SLA)。在每个相关节点中进行类似配置。

群集内软管参数
			目标子网	输出	输入
10.0.2.0	220	210

群集内干线参数
			目标子网	输出	输入
10.0.2.2	120	110
			10.0.2.3	100	110

群集间软管参数
			目标子网	输出	输入
10.0.1.0或10.0.3.0	580	650

群集间干线参数
			目标子网	输出	输入
10.0.1.0	350	390
			10.0.3.0	230	260

基于群集供应的其中一个好处是能够把在诸如SLA之类服务等级定义中所需的业务信息调整成可用的业务信息。在具有节点数量为N的网络中，对于传统软管模型，在节点规定的带宽单元的数量是2，以及对于传统干线模型该数量是2(N-1)，假设可以对于输入和输出业务都存在限制。自然地，如果对于两个方向应用单个入口，则以系数2减小限制数量。在新颖的基于群集的供应方法中，带宽限制的数量在这两个极限之间变化。如果有M个群集(N＞M＞1)以及每个群集具有相同的大小(N/M＞1)，对于干线模型来说，在节点中群集内业务的业务限制数量是2(N/M-1)，对于软管模型该数量则是2，以及对于干线模型，群集间业务的限制数量是2(M-1)以及对于软管模型该数量则是2。因此，对于群集内和群集间供应的四种组合，业务限制的总数如下：

·干线内和干线间：2M+2N/M-4。

·软管内和干线间：2M。

·干线内和软管间：2N/M。

·软管内和软管间：4。

对于N＝9个节点和M＝3个群集的具体实例，每个群集的大小是N/M＝3个节点，那么对于干线内和干线间的情况业务限制的总数等于8，对于软管内和干线间的情况等于6，对于干线内和软管间的情况等于6，以及最后对于软管内和软管间情况等于4。

如果基于IP前缀识别群集，用于带宽限制的配置入口通常包括IP地址前缀和带宽值的列表。在这种情况下，配置复杂度不仅取决于带宽值的数量而且还取决于IP地址前缀的数量。当群集被映射到单个IP前缀时，很显然该配置与通过大量不相交的IP前缀定义群集时的配置相比不那么麻烦。

群集的定义例如遵守以下原则：

·优选通过一个IP地址集定义群集。该集合能够是单个IP子网或一个IP子网集。自然，根据相应的群集定义，能够使用除IP网络之外的其他无连接网络。

·存在多个重叠层的群集。换言之，一个节点可能是多个群集的一部分。

·资源群集通常并不局限于映射到网络的单一部分。它可以包含多个网络部分。在绝大多数情况下，群集包括邻近的节点，但是不排斥群集包括不相交的网络部分的情况。

·优选静态地供应资源。

基于群集供应通常涉及资源分配和/或网络管理，并优选包括准入控制和/或链路容量量度。

群集和相应量度的最佳选择是复杂的任务，这使得应用支持工具变得有利。例如，群集的选择/配置可以定义为优化任务，其中目标函数具有两个分量：a)最小化CAC入口/参数的数量和b)最大化带宽效率。可替换地，优选选择群集的选择，从而带宽效率高于预先定义的值并且CAC配置参数的数量也小于预先定义的临界值。应该注意到然后通常假设如果配置参数的数量增加，则可实现的使用也增加。注意到不仅群集定义中的CAC入口/参数的数量而且子网的数量也影响管理复杂度。

例如，能够最小化配置参数的数量，从而所产生的过供应与纯粹的干线供应相比低于一定的门限百分比(即50％)。另一种替换是利用固定数量的配置参数(即每个节点中的4个参数)最小化过供应。

那么如果规定对群集定义的要求，诸如群集数量、分层等级、CAC入口/参数的最大数量以及最小带宽效率，所述工具优选包括执行这种优化任务的算法。

所述群集选择过程可以考虑一个或若干选择准则。这些准则的一些实例如下列表：

·业务：

群集选择基于节点之间的业务分布。

·IP子网地址计划：

群集选择基于IP子网地址计划。

·拓扑结构

群集选择基于网络拓扑结构。

·CAC入口数量：

群集选择用于最小化在这些节点中CAC入口/参数的数量。

·带宽效率

群集选择用于最大化带宽效率。

所述设计工具优选支持上述可能性的任何组合。

量度优选基于离线业务工程工具以便根据建议的供应模型来量度网络。如上所述，群集选择过程找到给定数量的群集并在它们之间分割节点，例如关于诸如最小化CAC入口/参数的数量之类良好定义的优化任务。可替换地，根据网络拓扑结构或其他类似因素或多或少地直接配置群集。

在软管模型的情况下，所述量度应该优选基于同时考虑所有拓扑信息和路由选择以提供最佳带宽效率的全局优化。在软管和干线模型两种情况下可以使用最短路径路由选择。

在优选实施例中，该量度算法基于确定的群集间和群集内业务限制/配置计算所需的链路容量，以及优选通过以线性编程优化所需业务值的量度工具执行。

基于群集内和群集间供应模型的量度任务要求新颖的节点到群集约束/限制用于计算所需的容量。典型地，该网络量度不假设知晓实际的业务矩阵，而是仅仅假设对于业务矩阵一些次要约束(side constraint)并且旨在设计一种能够传送满足给定次要约束的任何业务的网络。

该方面约束典型表示提前所知道的有关业务或能够测量的内容。除传统的软管和干线限制之外，还可以限制在给定群集中的节点和另一个群集或一组其他群集中任意一个节点集之间的业务。类似于传统的情况，通常使用两个值描述业务，一个值用于输出业务而另一个值用于输入业务。

在下文中，将描述如何能够计算基于群集的带宽保留方法所需的链路容量的仅仅示例性的实例。该建议的算法是文献[7]中所建议方法的扩展。

通过定向图G＝(V，E)表示网络。顶部的集合V表示网络的该节点集，而通过边的集合E表示物理链路。在本例中，还假设给出了任何对节点之间的实际路由选择。这将会基本上通过为每对节点u和v给出路径p_uv完成。

但是，我们使用更一般的方式给出路由选择。对于每对节点u和v引入流函数：r_uv：E→[0，1]，这里r_uv(e)表示在链路e上u和v之间的业务部分。通过这种方式，能够处理单一路径路由选择(通过在u和v之间的路径边上设置r_uv(e)为1，以及在其他边上设置其为0)以及共享的路由选择。一旦给定路由选择，给定的业务矩阵确定在该链路上的负荷。如果t_uv表示从u到v的业务量，那么某个链路e的业务是：

$\mathrm{tr}\left(e\right)=\underset{u,v\∈V}{\mathrm{\Σ}}{r}_{\mathrm{uv}}\left(e\right)t_{\mathrm{uv}}---\left(1\right)$

本发明建议的方法不假设知晓实际的业务矩阵，而是仅仅假设一个次要约束集，以及优选以这样一种方式即对于满足次要约束的任何业务矩阵容量将充足来量度网络。本发明优选应用基于群集的次要约束来以更为精确的方式描述实际业务以避免不必要的过量度。

所述次要约束能够如下分类：

干线参数。这里我们知道来自某给定节点u到另一个节点v的最大业务量。我们利用T_u→v表示最大值。这种约束能够如下公式化：

     t_uv≤T_u→v                                  (2)

软管参数。在传统软管业务描述的情况下，限制源自和指向某节点u的业务，这分别通过T_u→V和T_V→u表示。在数学公式中它指：

$\underset{v\∈V}{\mathrm{\Σ}}{t}_{\mathrm{uv}}\≤T_{u\→V}---\left(3a\right)$

以及

$\underset{v\∈V}{\mathrm{\Σ}}{t}_{\mathrm{vu}}\≤T_{V\→u}---\left(3b\right)$

基于群集的参数。这里限制节点u和任何节点集S(认为是一个或更多其他群集)之间的业务。类似于前一种情况，使用两个值描述业务，一个值用于输出业务以及另一个值用于输入业务，分别是T_u→S和T_s→u。在数学公式中：

$\underset{v\∈S}{\mathrm{\Σ}}{t}_{\mathrm{uv}}\≤T_{u\→S}---\left(4a\right)$

以及

$\underset{v\∈S}{\mathrm{\Σ}}{t}_{\mathrm{vu}}\≤T_{S\→u}---\left(4b\right)$

注意到上述约束都是线性的，这使得有可能有效地解决使用这些约束的优化问题。容量保留方法基于节点的群集。因此，该节点集优选被分割成k个不相交的称为群集的子网络，即，V＝C₁∪C₂∪...∪C_k和C_i∩C_j＝0，无论何时i≠j。

这种思想是在群集内和群集间业务之间进行区别。如前所阐述的，在两种情况下有两种自然的可能性。

群集内业务

考虑给定的群集C_k和位于该群集中的节点u。然后以下面两种示意方式给出这种节点的群集内业务。

干线内：在这种情况下优选通过对于每个v∈C_k，u≠v，使用参数T_u→V来限制u的去往/来自C_k中每个节点的业务量。

软管内：在这种情况下，通过使用参数T_u→Ck和T_Ck→u仅限制节点u的到同一群集中其他节点的输出业务的总和，以及节点u的来自同一群集中其他节点的输入业务的总和。

群集间业务

再次考虑位于群集C_k中的节点u。这里还能够引入两种示意性方法如下描述位于群集C_k外部的u的业务。

干线间：在这种情况下，例如通过对于每个j≠k，使用参数T_u→Cj和T_Cj→u，限制节点u到其他群集的第一集合中每个群集的业务量以及来自其他群集的第二集合中每个群集的节点u的业务量。注意到这通常是比传统的点对点干线较不充分的描述。其他群集的第一集合和其他群集的第二集合典型彼此相等，但是也可以彼此不同。

软管间：在这种情况下，对于每个节点u，分别使用参数T_u→V\Ck和T_V\Ck→u，仅限制到任何其他群集(中任何节点)的输出业务总和，以及来自除C_k之外的任何其他群集(中任何节点)的输入业务总和。

干线间限制通常对应于所谓的基于群集的干线模型，以及软管间限制通常对应于所谓的基于群集的软管模型。

正如所述，本发明的目的是以这种方式即能够传送满足预先规定条件的任何可能业务的情形量度网络。因此考虑到最坏的情形可以量度每个个别的链路。为了计算链路e的最大业务，应该找到满足预先规定条件以及最大化业务值(1)的业务矩阵t_uv。当目标函数(1)和约束(2)、(3)、和(4)是线性函数时，通过任何线性编程方法，例如简单的lp_solve软件包[18]能够有效地最大化(1)的值。当然我们必须对每个边e∈E重复这种处理，以便获得总的必需带宽。

注意到，对于绝大多数u、v对r_uv(e)是0，因此通过省略其相应的路由选择不使用边e的每个变量t_uv，能够显著地减小实际要求解的线性程序的大小。还有可能省略不影响任何剩余变量的约束。

举例来说，让我们来看当我们使用干线内/软管间业务描述时的线性程序。

$\max \underset{u,v\∈V}{\mathrm{\Σ}}{r}_{\mathrm{uv}}\left(r\right)t_{\mathrm{uv}}---\left(5a\right)$

受以下条件限制

t_uv≥0        u，v∈V，u≠v                   (5c)

t_uv≤T_u→v    k，u，v∈C_k，u≠v           (5d)

$\underset{v\∈V/\mathrm{Ck}}{\mathrm{\Σ}}{t}_{\mathrm{uv}}\≤T_{u\→V/\mathrm{Ck}},\∀k,\∀u\∈C_k---\left(5e\right)$

$\underset{v\∈V/\mathrm{Ck}}{\mathrm{\Σ}}{t}_{\mathrm{vu}}\≤T_{v/\mathrm{Ck}\→u},\∀k,\∀u\∈C_k---\left(5f\right)$

已经显示选择路由可能对带宽效率，在干线和软管量度中都具有显著的影响。对于纯粹的干线量度，最佳选择是当经由最小跳路径路由业务时，而对于软管量度树型路由(即，当经由生成树路由业务时)给出最佳性能。在本发明基于群集的供应中，该群集将网络划分成两个等级，这刺激了对多级路由选择解决方案的效果的研究。应用例如最短路径和树型路由，给出以下附加的路由情形：

·最短路径群集内/最短路径群集间。

·最短路径群集内/树型群集间。

·树型群集内/最短路径群集间。

·树型群集内/树型群集间。

试验和仿真已经显示出如果调整路由选择成所选择的供应方法能够增加带宽效率。所以，结合明确路由的计算和配置的路由优化还可以是设计工具的功能。以下将结合VPN环境给出有关路由优化的更多细节。

图5是根据本发明示意性实施例的网络设计工具的示意方框图。示意性网络设计工具100优选是交互式设计或支持工具，并主要包括用户接口110、配置模块120以及优选还包括量度模块130。配置模块120典型包括群集选择单元122、供应模型选择单元124、服务等级定义单元126和可选的路由方案选择单元128。操作员可以经由用户接口110录入输入信息和/或配置设置，以及可以从包括边缘路由器的网络输入信息。响应于有关的输入信息，例如如上所述，通过群集选择单元122执行群集选择。适当的供应模型诸如(基于群集的)软管和/或干线模型在选择单元124中进行配置。群集间和群集内服务等级定义都典型在服务等级定义单元126中配置(输入)。在可选的路由方案选择器128中，可以将路由调整成所选的供应模型以增加带宽效率。所述设计工具然后可以包括结合计算和配置明确的路由进行路由优化的功能。基于配置设置和基于群集的服务等级定义，量度模块130优选执行受约束的链路容量量度。这典型意味着至少部分地基于在群集间等级上一个或更多节点到群集业务限制，优选还基于在群集内等级上一个或更多补充的业务限制来量度这些链路。如上所述，所述量度模块可以配置成通过线性编程优化所需的业务值。所述设计工具功能典型以软件实现并在网络管理计算机中执行，但是这并不阻止以硬件或固件实现该设计工具。

图6是根据本发明示意性实施例的准入控制器的示意简化方框图。示意性准入控制器200包括配置模块210和准入控制功能220。该配置模块包括用于定义适当供应模型的装置212以及基于群集的服务等级定义模块214。群集定义通常一个一个节点地手动完成或者通过某远程机制集中完成。假设准入控制功能反映服务等级定义，诸如VPN环境中的SLA的结构。换言之，准入控制功能通常包括或基于相同的带宽限制操作，这些限制用于相同的业务聚集作为与实时业务相关的服务等级定义的一部分。对于准入控制，通过识别正确的带宽限制处理新的连接请求，然后应用带宽限制以确定是否能够接受或应该拒绝该连接。CAC功能通常安排在每个相关的边缘节点或边缘路由器中。

在下文中，将参考用于移动核心传输网中所谓媒体网关节点的示意性实现描述本发明。但是应该明白本发明并不局限于此，而是本发明可应用于通常的通信网络，包括固定和移动网络、VPN网络以及其他类型的网络。

在移动核心网环境中的示意性实现

在本发明的示意性实施例中，其特别适于移动核心网，采用干线、软管和基于MBAC的网络供应的集成组合。所述准入控制优选分成：

·在正常条件和单个错误事件期间的准入：具有群集供应的静态供应。

·在多个错误条件中的不可预期的拥塞：优选地，应用MBAC以便当测量的丢失率超出配置的等级时阻塞呼叫。

群集的静态供应

以前面所述相同的方式，将具有媒体网关节点(MGW)的核心网划分成群集或逻辑资源域以限制大规模拓扑结构中MGW中配置参数的数量。准入控制的配置优选包括以下格式的入口：

<群集定义><带宽限制>

其中群集定义可以是IP子网的列表，以及群集定义为一个MGW集合。

网络实例

在图7中示出了用于示例性核心传输网的可能群集定义。应该明白，多于两级，即基础的节点和群集能够包括在逻辑网络表示中。在图7的实例中，我们有可选的通过椭圆指示的超群集。应该注意到还能够考虑将站点作为群集。

在MGW 6(站点6)中准入控制的一个可能的入口集如下：

群集间干线/群集内干线模型

群集间：

<群集A><BW>

<群集B1><BW>

<群集B2><BW>

群集内：

<站点路由器0><BW>

<站点路由器3><BW>

<站点路由器10><BW>

在本例中，应该根据干线模型量度群集C。还根据干线模型量度群集A、B1、B2和C之间的业务。

如果软管量度的带宽效率对于群集C的业务足够，那么上述列表能够替换为：

群集间干线/群集内软管模型

群集间

<群集A><BW>

<群集B1><BW>

<群集B2><BW>

群集内：

<群集C><BW>

其他供应模型的例子包括：

群集间软管/群集内干线模型

群集间

<群集A、B1、B2><BW>(公共软管参数)

群集内

<站点路由器0><BW>

<站点路由器3><BW>

<站点路由器10><BW>

群集间软管/群集内软管模型

群集间：

<群集A、B1、B2><BW>

群集内：

<群集C><BW>

在MGW中能够配置群集的许多其他组合，这本质上指链路的不同量度。

对MGW的要求

使用上述网络模型的基本准则是区别MGW准入控制中的群集。这种区别能够例如使用IP子网地址，或者基于任何其他适当的准则完成。

核心网的寻址计划能够是这样的从而不可能为整个群集定义单一的IP子网。所以，MGW应该允许对于单个CAC入口进行多个IP子网的配置。

为了使用静态准入控制，应该对于每个CAC入口配置带宽限制。

如果希望的话，准入控制能够考虑对于MGW中配置群集的分组丢弃统计和带宽限制。所以，对于CAC中配置的群集仍可以聚集丢弃统计。如果测量的丢失率小于配置的限制并且被准入连接的带宽不超出配置的限制，则能够准入连接。

从容错的观点出发可以考虑冗余解决方案：

1、没有冗余

2、单个链路故障

3、单个节点故障

有关示意性网络的结果

在下文中，在已知业务参数的实际核心网的情况下给出对所建议的供应模型的简要性能分析。

从MGW的观点出发，在不同的供应模型和群集数量的情况下应该配置多少CAC入口/参数是非常重要的。在图8中，平均CAC入口的数量能够看作是群集数量的函数。

基于图8能够注意到三个群集为每个MGW提供最低平均数量的CAC入口。从CAC入口的观点出发，最有利的供应方法是软管内、软管间，但是软管内和干线间也非常适合，特别是在网络中2-4群集的间隔中。

在图9中，根据求和容量比较所建议的供应模型。

从所需带宽的观点出发，所述干线内、干线间模型是最佳的，但是软管内、干线间模型也提供了非常诱人的结果。重要的是应该注意到，从求和容量的观点出发，群集的适当数量是3，如果目标过供应因子是20％左右的话。

基于图8和9的结果可以得出结论，关于CAC入口数量和带宽效率之间的折衷，所述软管内、干线间模型提供最佳的整体性能。

已经研究了不同路由选择策略的影响。有关于此，软管内、干线间供应模型可以有利地与群集内等级上的树型路由选择以及群集间等级上的最短路径路由选择组合，正如将会根据以下描述的路由优化仿真所理解的。

还可以例如通过重新路由或使用备份路径来提供对链路和/或节点故障的保护。也已经研究了链路和节点保护的影响。

图10所示为当不受保护时以及链路和节点保护时使用软管内、干线间供应时的过供应。

现在将描述本发明对虚拟专用网(VPN)特定环境的补充描述。

在VPN环境中的示例性实现

通常，虚拟专用网(VPN)在企业商业中扮演重要的角色，因为它们为在其网络中操作的用户提供极大的灵活性。还开发了解决方案来吸引具有有限资源和基础设施用于网络管理的用户。给用户提供简单和灵活的带宽管理模型也被认为是VPN供应商的重要目的。但是，对于用户简化来说，通常意味着对于网络运营商来说增加的管理努力和效率较低的网络使用。另一方面，减小的网络效率和更多的管理任务增加了运营成本并产生更为昂贵的服务。

如前所述，软管和干线资源供应模型是有效的骨干操作和灵活带宽模型之间冲突解决的两个实例。在用户管道模型中，也被称为干线模型，在每个VPN站点对之间规定点对点业务需求，允许运营商独立地保留每对站点之间的带宽。这种模型使VPN供应商能够以最佳方式使用网络，因为如果路由信息也已知的话，则已知的业务矩阵精确地确定所需的链路容量。这种模型的关键部分是端点之间的通信模式非常难以估计。用户可能不能够精确地预测和定义站点之间的业务负荷，这使得难以为服务等级协议(SLA)规定完整的站点到站点业务矩阵。即使工具支持业务矩阵的估计，由于业务波动也难以规定正确的带宽要求。

用户管道模型的另一个缺点是干线管理的复杂度。在每个源节点到汇节点中需要配置资源保留，包括用于供应商的策略配置和用于用户的整形/准入控制配置。如果在用户站点之间假设完全的网孔逻辑网络，那么将要配置的参数总和与VPN中节点数量的平方成正比。所以，在大规模网络的情况下配置复杂度可能变成干线模型的主要缺点。

软管模型通过只要求规定在每个节点聚集输入和聚集输出业务量采用更实用的方法。这些业务参数能够根据到供应商网络的链路的实际容量或者基于测量具体规定。无论使用哪种方法，与用户管道模型相比对该业务需求的估计都更加容易和精确。配置软管参数与配置干线相比要求少得多的来自用户和供应商的努力。在每个源节点中应该只配置一个输入和一个输出软管参数。因此，配置参数的数量与VPN站点的数量成正比。这些属性使软管模型对于用户明确地具有吸引力。另一方面，软管模型的应用对VPN骨干中的资源供应具有很大的影响。如果在两种情况下需要相同的服务性能，基于关于业务需求的部分信息的网络量度与干线模型相比产生过量度。而且，所需的过供应在节点数量和链路数量方面显著地增加了网络大小。

所以，能够看出，传统的资源供应方法没有良好地缩放到大型VPN网络。

通过将网络划分成多节点群集，在至少两个等级上执行基于群集的网络供应和使用基于群集的业务描述，能够以与以前的描述相同或相似的方式找到管理复杂度和过供应之间的适当均衡。这种供应策略也适用于大规模网络，以及群集技术使得有可能通过点对群集需求，代替传统干线模型的简单点对点需求以及传统软管模型的点对任何地方要求表征VPN业务。这些新的所谓节点到群集业务限制典型应用于群集间等级，并用作VPN网络中性能提高的关键。

例如，考虑支持QoS的VPN具有VPN供应商和用户之间的静态服务等级协议。VPN供应商典型具有根据SLA控制入口/出口业务的策略功能。VPN用户还可以在网络边缘具有用于同一目的的整形器。而且，用户可以操作用于实时服务的准入控制功能以避免由于超出在SLA中规定的业务限制而引起的QoS恶化。还假设这种准入控制功能反映SLA的结构，即它包括用于相同业务聚集的相同带宽限制作为与实时业务相关的SLA的一部分。

VPN体系结构的管理通常包括VPN用户以及VPN供应商的任务。通常VPN用户负责测量网络中的业务并且当业务超出给定限制时重新协商SLA。根据SLA配置准入控制和整形也通常是VPN用户的任务。另一方面，通常VPN供应商的责任是保证在SLA中规定的带宽在骨干中总是可用。在重新协商的情况下，供应商必须检验是否他能够处理增加的业务或者需要升级部分链路。供应商也负责根据SLA配置策略功能。

VPN供应商的主要兴趣是通过提供简单的SLA方便其用户的任务。但是，未充分规定的业务描述产生使得供应更加昂贵的过供应。所以，在骨干中需要VPN管理复杂度和过供应之间的合理平衡。

所建议的服务模型允许我们在VPN环境中根据站点群集的构思，以比纯粹的软管和干线模型更灵活的方式配置SLA。通过将群集定义为一个VPN站点/节点集，我们能够在SLA中的群集内供应和群集间供应之间进行区分。这允许VPN运营商对具体VPN用户的要求定制服务供应。因此，能够简化业务表征和管理而不明显降低VPN骨干的带宽效率。

受基于群集供应影响的首要任务是业务测量和SLA重新协商。成为SLA主题的聚集越大，越容易识别需要重新协商SLA。正如以前所述，基于群集供应的其中一个好处是能够调整在SLA中所需的业务信息成用户可用的业务信息。

VPN用户的其他所述任务是配置实时业务的准入控制或尽力而为业务的整形，简而言之是管理复杂度。在本上下文中，基于群集供应的另一个好处是其可缩放的管理复杂度。

SLA的形式相当大地影响管理复杂度。用于基于群集供应的SLA可以包括点对点单元、点对单一群集单元和点对多群集单元。换言之，可以为可能是单一站点的一个站点集、一个群集或甚至是多个群集配置带宽限制。当在用户一侧的整形和准入控制通常基于IP前缀识别群集时，在这些功能的任何功能中用于带宽限制的配置入口包括IP地址前缀的列表和一个或更多带宽值。因此，正如以前已经所指出的，配置复杂度不仅取决于带宽值的数量而且还取决于IP地址前缀的数量。当群集被映射到单一IP前缀时，那么该配置显然比包括大量不相交前缀的情况麻烦少。所以，如果在VPN启动时已经定义群集，那么寻址计划应该优选考虑到它们。

VPN通常利用某种类型的隧道技术实现，这通常还假设VPN的IP寻址独立于IP骨干的寻址。假设整形和准入控制位于用户端，从而其基于VPN的寻址。骨干和VPN地址的独立性使得有可能定义适合独立于其他VPN的实际VPN的最佳寻址计划。因此，群集定义对于VPN能够是本地的。

如果在VPN中IP寻址是固定的，那么群集定义应该优选考虑寻址计划。例如，可能更好的选择是在骨干中与基于物理拓扑结构从大量不相交IP前缀中定义群集相比要求稍微多的过供应以允许IP地址前缀和群集之间的一对一映射。无论如何，显然在带宽效率、将要估计SLA参数的数量和配置复杂度之间存在一种折衷。

返回到VPN供应商的责任。除配置策略之外，其管理复杂度类似于在用户端的整形和准入控制，VPN供应商还必须检验是否骨干链路能够处理受入口策略器(policer)限制的业务。有关这方面，基于群集的方法有点类似于软管供应之处在于，由于当前缺少支持基于软管和基于群集保留的资源保留协议，所以需要更复杂的量度实现这个任务。针对基于干线的资源请求检验网络资源通常较容易，因为所有资源保留协议，诸如用于被路由IP VPN的聚集RSVP或未来的NSIS协议以及用于MPLS VPN的RSVP-TE都支持干线保留。如上所述，供应商还可以管理优化路由的任务，从而最小化实际上使用的网络资源。因此，期望VPN供应商尽力利用最小带宽效率的要求或限制、带宽限制的最大数量和IP前缀的最大数量解决优化任务。优选地，上述基本链路容量算法通过VPN供应商在网络设计工具中实现以便为所选的基于群集描述给出的业务计算必需链路容量，从而使得有可能设计无拥塞网络。

通过仿真VPN网络的若干测试场景已经检查了所建议方法的应用性和局限性以及不同路由策略和容错的效果。在下文中，我们将简要给出有限的但仍示例性的这些仿真的选择。

性能研究

在仿真中，使用具有公开可用拓扑结构的AT&T参考骨干网作为性能分析的基础。我们主要仅考虑由网关节点、与N OC48和N OC192链路连接的骨干节点构成的网络部分，以获得包括与44个链路相连接的25个站点的测试网络。

首先，我们比较所建议的用于不同变型的基于群集的供应而不考虑路由优化和保护方法。然后我们研究如何使用路由优化来提高带宽效率。最后，我们提到有关所述结果的保护方法的效果。

图11针对不同量度变型示例了作为群集数量函数的过供应因子。这里供应变型的比较是基于最短路径路由选择并假设不应用任何保护方法。所需链路的容量和管理复杂度是表征方法性能的关键度量，因此为了评估我们计算它们。正如所提到的，被研究的网络场景基于25节点AT&T网络，以及预先计算的业务矩阵。为每个可能数量的群集(从1到25)执行量度。从现在起我们使用基于群集的供应变型的以下名称作为简略参考：

·‘tt’：用于群集内和群集间业务的干线。

·‘th’：用于群集内业务的干线和用于群集间业务的软管。

·‘ht’：用于群集内业务的软管和用于群集间业务的干线。

·‘hh’：用于群集内和群集间业务的软管。

图11示出了与干线模型相比的过供应因子，即，被评估供应变型和纯粹干线模型所需容量之间的相对差。

图12给出了每个站点的带宽限制的平均限制，这与管理复杂度紧密相关。应该注意到，尽管没有明确地显示纯粹的软管和干线供应，但是从图中能够看出其结果，因为它们等同于基于群集方法的具体情况：如果存在一个群集，那么方法‘ht’和‘hh’等同于软管模型以及方法‘tt’和‘th’对应于干线模型。如果每个站点位于独立的群集中(即，当在AT&T网络中有25个群集时)，那么‘hh’和‘th’对应于软管模型以及‘tt’和‘ht’对应干线模型。

关于链路容量和管理复杂度二者，基于群集方法的所有四种变型的结果位于软管和干线供应的结果之间。所述图还高亮显示带宽效率和管理复杂度之间的折衷。为了比较这些变型，实际问题是使用提供一定目标过供应的群集的必要管理复杂度。图13中的管理复杂度-过供应散点图从这种点的观点出发比较变型。这些点表示用于上述群集配置的管理复杂度和过供应值。能够看出方法‘ht’在这种意义上在AT&T网络上是最佳的：对于任何固定的过供应来说它需要最小的管理复杂度。例如，通过允许在骨干中在干线模型要求之上40％的额外带宽，在站点中所需的配置参数从25减小到5。应该注意到软管模型将需要160％额外带宽，在每个站点中有单个参数。

在群集内等级上软管供应之所以优于干线供应的原因在于群集内部的链路容量对所述供应方法不是非常敏感，但是干线模型比软管模型需要多得多的配置参数。容量中小的差别是因为由于示例AT&T骨干网的稀疏拓扑结构群集的拓扑结构典型接近于树，这对于软管模型是最佳情形。

对于群集间供应，由于到不同群集的业务典型经由不同的路径到达，所以干线供应显著地过度执行所述软管方法。因此，忽略SLA中的目的地群集(即，为群集间业务使用软管供应)意味着面向每个群集的最差情况业务是所有群集间业务的总和，与干线模型相对，在干线模型中只需要考虑具体目的地群集的业务。

在下文中，主要焦点将从不同的方面集中在这种软管内、干线间变型的性能上。

如前所述，多级路由选择看似提高网络性能的一种有前途的方式。在多级路由选择的情况下，群集等级机制通常优先于节点级算法，这意味着以下内容：如果在群集内和群集间等级上都使用最短路径路由，那么通常以这种方式即它们尽可能少地与群集间链路交叉来选择路由路径，从这些路径中选择最少跳的路径。这种原则同样应用于其他三种路由情形。

从现在起，使用以下名称用于基于群集的路由变型作为简略参考：

·‘ss’：最短路径群集内/最短路径群集间。

·‘st’：最短路径群集内/树型群集间。

·‘ts’：树型群集内/最短路径群集间。

·‘tt’：树型群集内/树型群集间。

应该注意到上述四个路由方案中的每一个可以通过分配适当的管理加权给链路而被实现为纯粹的最短路径路由。

图14所示为在五个被调查路由(简单而言最短加上上述四个路由策略)中方法‘ht’的过供应因子。根据图14能够得出的基本结论是在群集间等级上使用树型路由比使用最短路径路由产生更差的性能。对于群集间树相对差性能的原因是它禁止许多群集之间的直接连接，这导致产生了巨大的迂回。也能够观察到在群集内等级上使用树型或最短路径路由不会产生显著的差别。这是因为被分析的网络相对地稀疏，因此在树型以及最短路由情况中的路由路径非常相似。在更密集网络的情况下，在群集内等级上的树型路由应该比最短路径路由更好地执行。

对于其他方法也进行类似测试，并且该结果确认如下期望，即使用应用软管量度的树型路由以及在基于干线模型量度的网络分段中的最短路径路由是有关路由的最佳选择。因此，用于基于群集方法中每种方法的最佳路由类型如下：

·路由‘tt’用于方法‘hh’

·路由‘ts’用于方法‘ht’

·路由‘st’用于方法‘th’

·路由‘ss’用于方法‘tt’

这确认了这样一个概念，如果调整路由成所选的供应方法则能够增加诸如带宽效率等等的性能。

我们还调查四种方法如何利用其最佳路由执行。关于在具有最佳路由的不同量度方法中管理复杂度作为过供应的函数，这种情况非常类似于对于每种方法使用最短路径路由。最为重要的差别在于不能声明方法

‘ht’是总体最佳的，因为已经发现如果过供应因子是50％或更高，某些‘th’和‘hh’配置要求较小的管理复杂度来实现相同的过供应，尽管这种差别几乎可忽略不计。

可能怀疑路由策略的效率对于基础的拓扑结构敏感。为了调查这个，还在随机产生的网络拓扑结构上测试该建议的方法。首先分析具有与AT&T网络相同数量节点和链路的随机拓扑结构。对于具有最佳路由的四种方法的每种方法计算10个不同随机图的平均链路容量，并且发现在随机情况和AT&T网络之间不存在任何显著的差别，方法‘ht’显然对类属的拓扑结构同样地执行。

还通过产生具有相同数量节点(在示意性情况下该数量是25)的拓扑结构调查网络链路密度的效果，同时改变节点的平均度(或等效地改变网络中的链路数量)。计算用于11个不同平均节点度的10个不同随机图的平均链路容量，该平均节点度以0.5的步长从2.5到7.5。然后确定提供小于50％的过量度因子的最小管理复杂度。图15示出了所述方法‘ht’仍执行最佳而不管链路密度，但是随着网络中链路数目的增加，其性能变得更恶化并接近‘tt’的曲线。应该注意到缺少方法‘hh’的曲线，这是因为不存在这种方法的配置，该方法将在任何网络密度实现目标50％过供应。

另一个重要问题是所述供应方法如何随着网络大小缩放。因此，这是基于群集的供应方法评估中的下一个步骤。如前所述随机地产生被研究的网络。当路由器中的接口数量受到限制以及网络通常由具有类似能力的路由器构成时，我们比较这些网络，其中当改变节点数量时-节点的平均度保持恒定，在这种情况下节点平均度是4。在测试期间我们调查由步长为10的从10到50个节点构成的网络。我们调查10个不同的拓扑结构并计算用于每种情形的网络容量的平均值。我们检查所有四个基于群集的供应方法，这些方法在所有可能数量的群集(从1到节点数量)具有最佳路由策略。然后我们查询在这些配置中最小的管理复杂度，其中所产生的过供应因子低于50％。图16示出了在整个网络中将要配置的最小数量的参数。‘hh’方法的曲线再次缺少，这意味着它在小型或大型网络中都不能实现目标50％过供应。‘ht’和‘tt’方法的曲线是线性的，这表示将要配置的参数数量与节点数量成正比，其差别在于‘ht’方法提供较小的复杂度。与其相反，‘th’方法的曲线在网络节点数量较大时增加迅速，这表明典型不应该在大型网络中使用该方法。

在骨干网中最重要的其中一个要求是容错。这个事实刺激了一些实验来检查需要多少过供应来使用传统量度方法和建议的基于群集的方案提供一定的容错。VPN所使用的隧道技术能够不同。有关保护方法的主要差别为骨干是路由IP网络还是基于MPLS的网络。

如果VPN骨干是路由IP网络，那么通常基于路由表的实际内容确定分组的路由。由于链路故障，将通过路由协议更新受影响路由器的路由表。当基于改变的链路状态信息更新所有路由表时，经由仅考虑剩余链路的最短路径路由所述分组。这种处理可能花费几分钟。它也意味着给定流的保护路径取决于出现故障的链路。

如果VPN骨干是MPLS网络，那么能够使用MPLS的高级故障处理特征。用于MPLS中保护的其中一种技术是使用备份标记交换路径。换言之，通常在每对站点，主站点和次站点之间建立两个LSP。当所有链路发生，那么使用该主LSP用于通信。无论何时沿主LSP路径的链路发生故障，都将业务重新路由到次LSP。为了保证在沿主LSP路径发生任何故障的情况下能够使用次LSP，两个LSP必须不相交。由于在实际链路故障之前建立LSP，所以给定流的保护路径独立于哪条链路发生故障。这种技术的优点在于具有比IP路由更快速的故障在线恢复时间。应该注意到，快速重新路由是用于MPLS网络中保护的另一种可能，这通常与备份LSP组合使用。通过在故障链路连接的节点之间建立本地迂回，它具有甚至比切换到备份LSP更快速的故障在线恢复时间。

还检查路由IP网络以及具有备份LSP的MPLS中保护方法的效果，假设对于单一链路和单一节点故障的共享保护。换言之，以这种方式来执行网络量度，即在任何链路或任何节点发生故障，但是一次只有一个发生故障的情况下，这些链路将支持重新路由业务。在链路故障的情况下网络的拓扑结构和流的路由发生变化。当节点故障时，那么从该拓扑结构中移除其所有的链路并且也从业务矩阵中移除其业务。

检查在路由本地IP骨干情况中保护方法的效果，结果表明应用保护不影响基于群集供应的四种变型的相对性能。有关方法‘ht’的路由策略的效果，结果表明在被调查路由策略中的最佳路由策略是一种简单的最短路径路由，其中骨干中的管理加权独立于群集。

还调查路径保护冗余机制对于基于群集供应性能的影响。关于作为群集数量的函数的过供应，保护方法的效率类似于本地IP VPNS和基于MPLS的VPN。路由策略对于基于群集方法的所需过供应的影响也将被研究，这里能够看出使用不同的路由策略在结果上没有显著差别。对于此其原因是应用的路由策略仅确定如何在网络中的链路上设置管理加权。这些加权被配置成强迫主路由到由IP网络中的目标路径。相反，路径保护基于Edmonds算法，该算法选择主和次路径以便两条路径的求和成本将是最小的，所以最短路径和主路径能够是不同的。

总之，基于群集的供应方法使得有可能在VPN供应商和用户之间定义点对多点(群集)SLA。所建议的量度算法优选使用线性编程来计算链路容量，从而即使在网络边缘受到点到群集业务限制所约束的最差业务分布时没有任何链路会变得拥塞同时假设路由是提前已知的。无拥塞网络设计允许VPN用户在VPN上使用非自适应实时服务，在拥塞情况下这种服务将会恶化。所述量度算法显然是一种对于VPN供应商供应基于群集的SLA和QoS保证所必不可少的工具，因为手动检验网络资源可用性的任务是复杂的并且没有任何基于IP的资源保留协议这持这种任务。

基于所研究的网络实例，能够得出结论在基于群集供应的四种变型中最佳的是对于群集内业务使用类似软管的限制以及对于群集间业务使用类似干线的限制的一种变型，该变型需要最小数量的配置参数来实现相同的过供应目标。这种变型保持最佳而不管网络情形如何，具有和不具有保护，并且对于优化路由也是最佳的。

已经证实它是软管和干线模型之间的最佳折衷。在所研究的25节点网络中，使用五个群集将每节点的带宽限制数量从24降低到5，并相比干线模型将所需的链路带宽增加40％而不用路由优化。在相同的网络中，软管模型需要的额外容量是160％。

路由优化还降低基于群集供应的过量度，在以上五个群集的实例中从40％降低到25％。两级路由策略对于所选的群集内软管和群集间干线模型来说是最佳的，其在每个群集内部应用树型路由和在群集之间应用最短路径路由。

对于干线模型，路由IP网络中单个故障的容忍需要135%额外容量。通过使用具有五个群集的基于群集的供应方法，总链路容量额外增加35％(与不受保护的干线相比增加170％)。独立于群集定义并因此对于所有VPNS相同的简单最短路径路由通常是最佳的路由策略。

假设在仿真期间利用接近最佳的试探法选择群集，这之后是用于VPN站点的IP地址分配。如果群集定义和地址分配具有上述顺序，那么每个群集能够映射到单个IP前缀，这意味着在SLA中能够将每个带宽限制分配给单个IP前缀。但是，如果VPN的IP寻址严格，那么需要基于IP寻址定义群集，这导致了带宽效率的较小增益，或者群集定义包括IP地址的列表，这增加了管理复杂度。因此，当IP寻址可以被调整成群集时能够完全地利用基于群集方法的好处。

上述实施例仅仅作为实例给出，应该明白本发明并不局限此于。保持这里公开的基本潜在原理的其他修改、变化和改进也位于本发明的范围内。

                         缩略词

ATM         异步传输模式

BW          带宽

CAC         连接准入控制

CSPF        基于约束的最短路径优先

GGSN        网关GPRS支持节点

HLR         归属位置寄存器

LSP         标记交换路径

MBAC        基于测量的连接准入控制

MGW         媒体网关

MPLS        多协议标记交换

Q&M         操作和维护

QoS         服务质量

RNC         无线网络控制器

RTP         实时传输协议

SGSN        服务GPRS支持节点

TIPI        传输IP基础设施

UMTS        通用移动电信系统

VC/VP       虚电路/虚路径

                           参考文献

[1]I.Szabó，“On call Admission Control for IP Telephony inBest Effort Networks”，Computer Communications，26(2003)，第304-313页。

[2]I.Szabó，“Performance evaluation of a New End-to-endMeasurement Based Call Admission Control Scheme for Supporting IPTelephony”，SCS，International Symposium on Performance Evaluationof Computer and Telecommunication Systems，佛罗里达州奥兰多，2001年7月。

[3]J.A.Fingerhut，S.Suri，J.S.Turner，“Designingleast-cost nonblocking broadband networks”，Journal of Algorithms，Vol.24，no.2，第287-309页，1997年8月。

[4]N.G.Duffield、P.Goyal、A.Greenberg、P.Mishra、K.K.Ramakrishnan以及J.E.Van der Merwe，“A Flexible Model for ResourceManagement in Virtual Private Networks”，ACM Sigcomm，美国加利福尼亚圣地亚哥，1999年8月。

[5]A.Kumar、R.Rastogi、A.Silberschatz和B.Yener，“Algorithmsfor Proyisioning Virtual Private Networks in the Hose Model”，ACMSigcomm，美国马萨诸塞州剑桥市，2001年8月。

[6]G.Italiano、R.Rastogi和B.Yener，“Restoration Algorithmsfor Virtual Private Networks in the Hose Model”，IEEE Infocom，美国纽约，2002年6月。

[7]Alpár Jüttner，István Szabó和Aron Szentesi.“On bandwidthefficiency of the hose resource management model in virtual privatenetworks”，IEEE Infocom，2003年4月。

[8]M.Minoux，“Network synthesis and optimum network designproblems：Models，solution methods and applications”，Networks，笫13卷，第313-360页，1989年。

[9]M.Pióro，A.Jüttner，J.Harmatos，A.Szentesi，P.Gajowniczek和A.Myslek，“Topological design of telecommunication networks：Nodes and links localization under demand constraints”，17thInternational Teletraffic Congress，Salvador de Bahia，2001年9月。

[10]M.Pióro，A.Myslek，A.Jüttner，J.Harmatos和A.Szentesi，“Topological design of MPLS networks”，Global CommunicationConference(GLOBECOM 2001)，美国德克萨斯州圣安东尼奥，2001年11月。

[11]M.Pióro和P.Gajowniczek，“Solving multicommodityintegral flow problems by simulated allocation”，TelecommunicationSystems，第1卷笫13期，笫1728页，1997年。

[12]T.Cinkler，T.Henk和G.Gordos，“Stochastic algorithmsfor design of thrifty single-failure-protected networks”，DRCN2000，2000年。

[13]M.Maliosz和T.Cinkier，“Methods for Optical VPN Designover Multifiber Wavelength Routing Networks”，Proc.ONDM，匈牙利布达佩斯，2003年2月。

[14]M.Maliosz和T.Cinkler，“Optimizing Configuration ofVirtual Private Networks”，Proc.Polish-Czech-Hungarian Workshop，2001年9月，第241247页。

[15]T.Cinkler和M.Maliosz，“Configuration of ProtectedVirtual Private Networks”，Proc.Third International Workshop onDESIGN OF RELIABLE COMMUNICATION NETWORKS，2001年10月。

[16]K.G.Ramakrishnan，D.Mitra，和J.A.Morrison，“VPNDESIGNER：A Tool for Design of Mul tiservice Virtual PrivateNetworks”，Proc.8th International Telecom.Network Planning Symp，NETWORKS 98，意大利索伦托，1998年，第153-158页。

[17]Chen-Nee Chuah，“A Scalable Framework for IP-NetworkResource Provisioning Through Aggregation and HierarchicalControl”，University of California，Berkeley，2001年。

[18]M.Berkelaar和J.Dirks，“lp-solve 4.0”，可在FTP服务器ftp://ftp.es.ele.tue.nl/pub/lp-solye中找到。

Claims (51)

1、一种用于具有一个网络节点集的通信网络的供应方法，所述方法包括以下步骤：

-将多个所述网络节点分割(S1)成群集(A、B、C)，每个群集具有至少两个节点；

-在至少两个等级，包括群集内等级和群集间等级上定义(S2)业务限制，所述业务限制包括用于群集间业务的至少一个节点到群集业务限制；以及

-根据所述业务限制执行(S3)基于群集的供应。

2、根据权利要求1所述的方法，其中，执行(S3)基于群集的供应的所述步骤包括应用基于群集的干线模型和基于群集的软管模型之一的步骤，所述模型在群集间等级上涉及所述至少一个节点到群集业务限制。

3、根据权利要求2所述的方法，其中，执行(S3)基于群集的供应的所述步骤还包括应用干线模型和软管模型其中至少一个模型的步骤，该模型在群集内等级上涉及至少一个补充业务限制。

4、根据权利要求1所述的方法，其中，执行(S3)基于群集的供应的所述步骤包括以下步骤：

-应用基于群集的干线模型，该模型在群集间等级上涉及所述至少一个节点到群集业务限制；和

-应用软管模型，该模型在群集内等级上在至少一个群集中涉及至少一个补充业务限制。

5、根据权利要求1所述的方法，其中，所述至少一个节点到群集业务限制被定义成为给定群集中的至少一个给定的节点限制与至少一个其他群集有关的业务量。

6、根据权利要求5所述的方法，其中，所述至少一个节点到群集业务限制包括：

-至少一个被定义成为给定群集中的给定节点限制到至少一个其他群集的业务量的限制；和

-至少一个被定义成为所述给定群集中的所述给定节点限制来自至少一个其他群集的业务量的限制。

7、根据权利要求5所述的方法，其中，在群集间等级上应用基于群集的软管模型以及所述至少一个节点到群集限制包括：

-第一限制，被定义成为给定群集中的给定节点限制去往任何其他群集的输出业务总和；以及

-第二限制，被定义成为所述给定群集中的所述给定节点限制来自任何其他群集的输入业务总和。

8、根据权利要求5所述的方法，其中，在群集间等级上应用基于群集的干线模型以及所述至少一个节点到群集限制包括：

-第一限制集，被定义成为给定群集中的给定节点限制到其他群集的第一集合中每个群集的业务量；以及

-第二限制集，被定义成为所述给定群集中的所述给定节点限制来自其他群集的第二集合中每个群集的业务量。

9、根据权利要求1所述的方法，其中，所述基于群集的供应包括基于群集的准入控制。

10、根据权利要求9所述的方法，其中，所述基于群集的准入控制包括为群集间等级上的准入控制应用所述至少一个节点到群集业务限制的步骤。

11、根据权利要求1所述的方法，其中，所述基于群集的供应包括基于群集的量度。

12、根据权利要求11所述的方法，其中，所述基于群集的量度包括至少部分基于在群集间等级上所述至少一个节点到群集业务限制量度所述网络节点之间链路的步骤。

13、根据权利要求12所述的方法，其中，量度所述网络节点之间链路的所述步骤还基于在群集内等级上的至少一个补充业务限制。

14、根据权利要求13所述的方法，其中，量度所述网络节点之间链路的所述步骤包括最大化经受所述业务限制定义的约束的链路的业务值的步骤。

15、根据权利要求1所述的方法，还包括单独为群集内等级上的每个群集选择业务供应模型的步骤。

16、根据权利要求1所述的方法，还包括在至少两个等级上执行基于群集的路由，包括群集内路由和群集间路由的步骤。

17、根据权利要求16所述的方法，其中，执行基于群集的路由的所述步骤包括以下步骤：

-在群集内路由等级上应用最短路径路由和树型路由之一；和

-在群集间路由等级上应用最短路径路由和树型路由之一。

18、根据权利要求16所述的方法，其中，执行(S3)基于群集的供应的所述步骤包括以下步骤：

-在群集间等级上应用基于群集的干线模型；和

-在群集内等级上应用软管模型；和

其中执行基于群集的路由的所述步骤包括以下步骤：

-在群集间等级上应用最短路径路由；以及

-在群集内等级上应用树型路由。

19、根据权利要求1所述的方法，其中，将多个所述网络节点分割成群集的所述步骤包括基于以下至少之一定义所述群集的步骤：

-节点之间的业务分布；

-子网地址计划；

-网络拓扑结构；

-节点中准入控制参数数量最小化；以及

-带宽效率最大化。

20、根据权利要求1所述的方法，其中，执行(S3)基于群集的供应的所述步骤包括基于定义的业务限制应用至少一个静态供应模型的步骤。

21、一种用于具有一个网络节点集的通信网络的网络供应设备，所述设备包括：

-用于将多个所述网络节点分割成群集(A、B、C)的装置(122)，每个群集具有至少两个节点；

-用于在至少两个等级，包括群集内等级和群集间等级上定义业务限制的装置(126；214)，所述业务限制包括用于群集间业务的至少一个节点到群集业务限制；以及

-用于基于所述业务限制执行基于群集的供应的装置(130；220)。

22、根据权利要求21所述的设备，其中，执行基于群集供应的所述装置(130；220)包括用于应用基于群集的干线模型和基于群集的软管模型之一的装置，该模型在群集间等级上涉及所述至少一个节点到群集业务限制。

23、根据权利要求22所述的设备，其中，执行基于群集供应的所述装置(130；220)还包括应用干线模型和软管模型中至少一个模型的装置，该模型在群集内等级上涉及至少一个补充的业务限制。

24、根据权利要求21所述的设备，其中，执行基于群集供应的所述装置(130；220)包括：

-应用基于群集的干线模型的装置，该模型在群集间等级上涉及所述至少一个节点到群集业务限制；以及

-应用软管模型的装置，该模型在群集内等级上至少一个群集中涉及至少一个补充的业务限制。

25、根据权利要求21所述的设备，其中，所述至少一个节点到群集业务限制被定义成为给定群集中的至少一个给定节点限制与至少一个其他群集相关的业务量。

26、根据权利要求25所述的设备，其中，所述至少一个节点到群集业务限制包括：

-至少一个被定义成为给定群集中的给定节点限制到至少一个其他群集的业务量的限制；以及

-至少一个被定义成为所述给定群集中的所述给定节点限制来自至少一个其他群集的业务量的限制。

27、根据权利要求25所述的设备，其中，执行基于群集供应的所述装置(130；220)可操作用于在群集间等级上应用基于群集的软管模型，以及所述至少一个节点到群集限制包括：

-第一限制，被定义成为给定群集中的给定节点限制去往任何其他群集的输出业务的总和；以及

-第二限制，被定义成为所述给定群集中的所述给定节点限制来自任何其他群集的输入业务的总和。

28、根据权利要求25所述的设备，其中，执行基于群集供应的所述装置(130；220)可操作用于在群集间等级上应用基于群集的干线模型，以及所述至少一个节点到群集限制包括：

-第一限制集，被定义成为给定群集中的给定节点限制到其他群集的第一集合中每个群集的业务量；以及

-第二限制集，被定义成为所述给定群集中的所述给定节点限制来自其他群集的第二集合中每个群集的业务量。

29、根据权利要求21所述的设备，其中，执行基于群集供应的所述装置包括执行基于群集的准入控制的装置(220)。

30、根据权利要求29所述的设备，其中执行基于群集的准入控制的所述装置(220)可操作用于在群集间等级上将所述至少一个节点到群集业务限制应用用于准入控制。

31、根据权利要求21所述的设备，其中，执行基于群集供应的所述装置包括基于群集量度的装置(130)。

32、根据权利要求31所述的设备，其中，执行基于群集供应的所述装置(130)包括至少部分基于在群集间等级上所述至少一个节点到群集业务限制量度所述网络节点之间链路的装置。

33、根据权利要求32所述的设备，其中，量度所述网络节点之间链路的所述装置被配置用于还基于在群集内等级上的至少一个补充业务限制进行操作。

34、根据权利要求33所述的设备，其中，量度所述网络节点之间链路的所述装置包括最大化经受通过所述业务限制定义的约束的链路业务值的装置。

35、根据权利要求21所述的设备，还包括单独为群集内等级上的每个群集选择业务供应模型的装置(124；212)。

36、根据权利要求2 1所述的设备，还包括在至少两个等级上执行基于群集的路由，包括群集内路由和群集间路由的装置。

37、根据权利要求36所述的设备，其中，执行基于群集的路由的所述装置包括：

-在群集内路由等级上应用最短路径路由和树型路由其中之一的装置(128)；以及

-在群集间路由等级上应用最短路径路由和树型路由其中之一的装置(128)。

38、根据权利要求36所述的设备，其中，执行基于群集供应的装置包括：

-在群集间等级上应用基于群集的干线模型的装置；

-在群集内等级上应用基于软管模型的装置；以及

其中执行基于群集的路由的所述装置包括：

-在群集间等级上应用最短路径路由的装置；和

-在群集内等级上应用树型路由的装置。

39、根据权利要求21所述的设备，其中，将多个所述网络节点分割成群集的所述装置(122)包括基于准入控制参数数量最小化和带宽效率最大化之间的给定加权定义所述群集的装置。

40、根据权利要求21所述的设备，其中，执行基于群集供应的所述装置(130，220)包括基于定义的业务限制应用至少一种静态供应模型的装置。

41、一种用于具有通过链路互连的网络节点集的通信网络的设计工具(100)，所述设计工具(100)包括：

-逻辑上将多个所述网络节点分割成群集(A、B、C)的装置(122)，每个群集包括至少两个节点；

-定义基于群集的服务等级定义的装置(126)，该服务等级定义包括对于群集内业务的至少一种限制和对于群集间业务的至少一个节点到群集限制；和

-根据所述基于群集的服务等级定义中的业务限制来量度多个所述链路的容量的装置(130)。

42、根据权利要求41所述的设计工具，还包括选择装置(124)用于选择a)基于群集的干线模型和基于群集的软管模型其中之一用于群集间业务描述，和b)干线模型和软管模型其中之一用于群集内业务描述，以便与所述服务等级定义中相应的业务限制一起使用。

43、根据权利要求41所述的设计工具，其中，所述量度装置(130)包括计算经受通过所述业务限制所定义的约束的链路的最大业务值的装置。

44、根据权利要求41所述的设计工具，将多个所述网络节点分割成群集的所述装置(122)包括基于准入控制参数数量最小化和带宽效率最大化之间的给定加权选择群集的装置。

45、根据权利要求42所述的设计工具，还包括独立于所选的业务描述模型选择路由方案的装置(128)。

46、根据权利要求45所述的设计工具，其中，选择路由方案的所述装置(128)包括选择装置用于a)在群集内等级上选择最短路径路由和树型路由其中之一，以及b)在群集间等级上选择最短路径路由和树型路由其中之一。

47、根据权利要求41所述的设计工具，其中，在群集间等级上定义至少一个基于干线的节点到群集限制，以及在群集内等级上定义至少一个基于软管的业务限制。

48、一种用于在通信网络中操作的准入控制器(200)，该网络具有通过链路互连的网络节点的集合，多个所述网络节点在逻辑上被分割成群集并且每个群集具有至少两个节点，其中所述准入控制器(200)包括：

-定义基于群集的服务等级定义的装置(214)，该定义包括用于群集内业务的至少一个限制以及用于群集间业务的至少一个节点到群集限制；和

-在至少两个等级上基于所述基于群集的服务等级定义中的业务限制训练基于群集的准入控制，包括群集内准入控制和群集间准入控制的装置(220)。

49、根据权利要求48所述的准入控制器，其中，训练基于群集的准入控制的所述装置(220)被配置用于在群集间准入控制等级上根据基于群集的干线模型和基于群集的软管模型其中之一进行操作。

50、根据权利要求49所述的准入控制器，其中，训练基于群集的准入控制的所述装置(220)被配置用于在群集内准入控制等级上应用干线模型和软管模型其中之一。

51、根据权利要求48所述的准入控制器，其中，训练基于群集的准入控制的所述装置(220)被配置用于对群集间准入控制应用基于群集的干线模型以及对群集内准入控制应用软管模型，该干线模型涉及所述至少一个节点到群集限制，而该软管模型涉及所述至少一个群集内业务限制。

Images