一种基于满足链路约束的拓扑聚集度虚拟网络映射方法与流程

1.本发明涉及电力骨干通信网技术领域，尤其涉及一种基于满足链路约束的拓扑聚集度虚拟网络映射方法。


背景技术：

2.随着网络管理技术的快速发展与用户需求的增加，电力骨干通信网络上承载业务的数量与种类越来越多，致使传统的单一组网结构无法满足异构业务端到端、差异化的传输质量的要求。因此本发明采用光纤-无线融合宽带接入网架构，利用光纤网络的高带宽、高稳定性和无线网络的低成本、高灵活性的优势，解决了光纤网络覆盖不足和无线网络带宽受限的问题，为异构电力骨干通信业务端到端、高质量传输提供架构支持。然而，光纤-无线接入网架构中光纤网络和无线网络间存在协议格式、资源分配和网络拓扑的大量差异，导致异构融合网络资源难以实现统一的资源调度。因此，采用虚拟化技术，屏蔽底层基础设施差异性，并设计高效、合理的资源映射算法以实现异构资源的优化调度，对电力骨干通信网络更好的支撑电网运营有重要意义。
3.现有的网络映射技术将电力通信网络中服务层的业务映射到基础设施层，每个业务在基础设施层会被分配一条路径。一旦底层网络出现故障则会无法正常为上层服务提供所需的资源，无法满足电力骨干通信网中网络高可靠性需求。
4.例如，一种在中国专利文献上公开的“软件定义网络虚拟网络映射方法”，其公告号为cn108923979b，公开日为2021年4月23日，包括以下步骤：s1：建模sdn底层网络特性；s2：建模底层节点及底层链路状态标识；s3：建模虚拟网络请求资源需求；s4：建模虚拟网络请求节点及链路映射标识；s5：建模虚拟网络请求联合开销函数；s6：建模虚拟网络请求映射成本；s7：建模虚拟网络请求映射功耗；s8：建模虚拟节点映射限制条件；s9：建模虚拟链路映射限制条件；s10：基于联合开销函数最小化确定虚拟网络请求映射策略。本发明综合考虑sdn底层网络特性、虚拟网络请求资源需求，基于联合开销函数最小化可实现虚拟网络请求优化映射。该发明只是使得虚拟网络请求联合开销最小并不能降低链路映射代价。


技术实现要素：

5.本发明主要解决现有技术在满足电力骨干通信网业务路径需求的基础上，资源消耗增多和提高了链路映射代价的问题；提供一种基于满足链路约束的拓扑聚集度虚拟网络映射方法。
6.本发明的上述技术问题主要是通过下述技术方案得以解决的：
7.本发明包括以下步骤：
8.s1：建立虚拟网络映射模型，将虚拟网络请求部署到物理网络并为其分配资源，并将虚拟网络映射分解为节点映射和链路映射；
9.s2：定义长期网络收益函数；
10.s3：建立基于链路约束的拓扑聚集度模型，并给基于广度优先搜索的虚拟节点进
行排名；
11.s4：对于每一个虚拟网络资源vnr，进行虚拟网络节点排名，并计算出满足节点请求的聚集度最大的节点，完成节点映射和对应的链路映射。
12.采用此方案基于聚集度映射算法使相邻的虚拟节点映射到的物理节点是临近的，从而使虚拟网络映射到物理网络是聚集的，而不是分散的，降低了链路映射代价，节约了物理资源。
13.作为优选，所述步骤s1中，使用无向图描述物理网络和虚拟网络，并将虚拟网络映射分解为节点映射和链路映射；
14.物理网络sn为：其中，ns表示虚拟节点集，es表示虚拟链路集合，表示节点属性集，表示链路属性集；虚拟网络vn为其中，nv表示虚拟节点，ev表示虚拟链路，和分别表示虚拟节点和虚拟链路请求约束合集，形式化为gv到gs子集的映射m:gv→
(n',p',rn,re)，其中n'∈ns，p'∈ps，rn和re分别为分配给虚拟网络vn中虚拟节点和虚拟链路的资源，虚拟网络映射可分解为节点映射和链路映射：
15.节点映射：
16.链路映射：
17.定义虚拟节点资源请求量或物理节点剩余量如下：
[0018][0019]
其中，nib(n)表示与节点n连接的链路，bw为链路带宽，l为一条与节点n项链的链路。
[0020]
采用此方案先将虚拟网络映射分解为节点映射和链路映射，降低了链路映射代价。
[0021]
作为优选，所述步骤s2中，长期网络收益定义如下：
[0022][0023]
其中，定义r(gv,t)为t时刻的虚拟网络请求收益；
[0024]
长期收益代价比率如下:
[0025][0026]
其中，定义c(gv,t)为t时刻的资源消耗代价。
[0027]
采用此方案减少了资源消耗。
[0028]
作为优选，所述步骤s3中，所述的聚集度csr定义如下：
[0029]
[0030]
其中，n
path
为ns到每个与虚拟节点邻接的已被映射的物理节点的最短路径长度之和，ns为物理网络sn中的一节点。
[0031]
作为优选，所述步骤s3中，所述的聚集度模型如下：
[0032][0033][0034]
sm(nv)＝mn(nib(nv))
[0035]
其中，为满足虚拟链路请求的路径长度；nib(nv)为nv相邻节点集，sm(nv)表示与nv相邻节点所映射到的物理节点集合，nv虚拟网络vn一节点。
[0036]
作为优选，所述广度优先搜索节点排名步骤如下：
[0037]
s31：按照节点资源请求量对每个虚拟节点降序排列；
[0038]
s32：将s31：中排列后的第一个节点作为权限root；
[0039]
s33：以权限root为根对无向图广度优先遍历，得到广度优先搜索树；
[0040]
s34：按照公式对广度优先搜索树的每一层降序排列；
[0041]
s35：返回节点排名序列。
[0042]
采用此方案使虚拟网络映射到物理网络是聚集的，而不是分散的。
[0043]
作为优选，所述步骤s4中，基于链路约束的拓扑聚集度映射算法lccd如下所述：
[0044]
s41：按照收益对虚拟网络资源vnr队列降序排列；
[0045]
s42：选择最大收益的虚拟网络资源vnr赋值给bfs；
[0046]
s43：选择满足节点请求的前k和n
path
最小的节点，记为v＝{n1,n2,
…
,nk}；
[0047]
s44：计算vk中每个节点的聚集度，选择最大聚集度的节点被nv映射，完成与nv连接边的链路映射，如果失败，把gv插入到临时队列，等待下个时间窗映射，转到s42；否则跳到s45；
[0048]
s45：更新物理网络；
[0049]
s46：如果nv为空，本次网络请求映射成功，跳到s42；否则跳到s43。
[0050]
采用此方案既能保证较好的时间效率，又能准确地计算出基于链路约束的聚集度。
[0051]
本发明的有益效果是：为了使被虚拟网络映射的物理资源有较高的聚集度，本发明应用广度优先搜索对虚拟网络节点映射顺序排名，这样被连续映射的节点邻接性较好；基于聚集度映射算法使相邻的虚拟节点映射到的物理节点是临近的，从而使虚拟网络映射到物理网络是聚集的，而不是分散的，降低了链路映射代价，节约了物理资源。
附图说明
[0052]
图1是本发明的步骤图。
[0053]
图2是本发明的节点映射选择示意。
具体实施方式
[0054]
下面通过实施例，并结合附图，对本发明的技术方案作进一步具体的说明。
[0055]
实施例：
[0056]
本实施例的一种基于满足链路约束的拓扑聚集度虚拟网络映射方法，如图1所示，包括以下步骤：
[0057]
s1：建立虚拟网络映射模型，将虚拟网络请求部署到物理网络并为其分配资源，将其抽象为图论问题，用无向图来描述物理网络和虚拟网络，并将虚拟网络映射分解为节点映射和链路映射；
[0058]
路集合，表示节点属性集，表示链路属性集；同样的，虚拟网络vn为其中，nv表示虚拟节点，ev表示虚拟链路，和分别表示虚拟节点和虚拟链路请求约束合集，虚拟网络映射是指将虚拟网络vn映射到物理网络sn的过程，可以形式化为gv到gs子集的映射m:gv→
(n',p',rn,re)，其中n'∈ns，p'∈ps，rn和re分别为分配给虚拟网络vn中虚拟节点和虚拟链路的资源，虚拟网络映射可分解为节点映射和链路映射：
[0059]
节点映射：
[0060]
链路映射：
[0061]
很多之前的研究根据cpu值作为对节点的度量，考虑到链路映射，对节点的度量不仅和cpu量有关，而且和与其相连的链路带宽有关。定义虚拟节点资源请求量或物理节点剩余量如下：
[0062][0063]
其中，nib(n)表示与节点n连接的链路，bw为链路带宽，l为一条与节点n项链的链路。
[0064]
s2：定义长期网络收益函数，虚拟网络收益与代价比率是衡量映射算法性能的重要指标：在资源消耗相同的情况下，收益代价比越高，收益越高，方法性能越好；
[0065]
虚拟网络映射的主要目标是使物理网络能够承载更多的虚拟网络，实现网络收益最大化，降低资源消耗。其中一个重要的求解目标长期网络收益最大化。
[0066]
长期网络收益定义如下：
[0067][0068]
其中，定义r(gv,t)为t时刻的虚拟网络请求收益；
[0069]
虚拟网络收益与代价比率是衡量映射算法性能的重要指标。从inps的角度分析，资源消耗相同的情况下，收益代价比越高，收益越高，算法性能越好，长期收益代价比率如下:
[0070]
[0071]
其中，定义c(gv,t)为t时刻的资源消耗代价。
[0072]
s3：网络映射包括节点和链路映射，先建立基于链路约束的拓扑聚集度模型，在节点映射时，选择可被其映射的最大的聚集度节点进行映射，并给基于广度优先搜索的虚拟节点进行排名；
[0073]
节点映射时，选择可被其映射的最大的聚集度的节点进行映射。本节提出了基于链路约束的拓扑聚集度模型。
[0074]
聚集度csr定义如下：
[0075][0076]
其中，n
path
为ns到每个与虚拟节点邻接的已被映射的物理节点的最短路径长度之和，ns为物理网络sn中的一节点。
[0077]
此模型只考虑节点的最短路径，而未考虑此最短路径是否满足链路请求。如图2所示，根据映射步骤若虚拟节点a和b已经被映射到物理节点b和e，此时虚拟节点c可以被选择映射的节点为c或a，若按照上式计算出最大聚集度的节点选择映射，则物理节点c被选择，而物理路径(c，e)不满足链路请求(c，a)，在链路映射阶段(c，a)会被映射到路径(c，f，e)。显然c映射到a会更节约物理资源，之所以c被选择，而a未被选择，就是因为上式在计算中未考虑链路映射阶段。
[0078]
为了更能精确反应节点之间聚集程度，本节提出基于链路约束的聚集度计算模型，模型如下：
[0079][0080][0081]
sm(nv)＝mn(nib(nv))
[0082]
(7)
[0083]
其中，式子(5)为改进模型表达式，为满足虚拟链路请求的路径长度；nib(nv)为nv相邻节点集，sm(nv)表示与nv相邻节点所映射到的物理节点集合，nv虚拟网络vn一节点。基于链路约束的聚集度模型更能精确的反映出节点与其他节点的紧凑程度。同样结合图2，若a，b已经分别被映射到b和e；则lccd(c)≈3733，lccd(a)≈4614；图中a具有最高的聚集度，被选择映射，从而节约了物力资源。
[0084]
为了使被虚拟网络映射的物理资源有较高的聚集度，应用广度优先搜索对虚拟网络节点映射顺序排名，这样被连续映射的节点邻接性较好。在节点映射阶段，根据虚拟节点排名依次完成映射。广度优先搜索节点排名步骤如下：
[0085]
s31：按照节点资源请求量对每个虚拟节点降序排列；
[0086]
s32：将s31：中排列后的第一个节点作为root；
[0087]
s33：以root为根对无向图广度优先遍历，得到广度优先搜索树；
[0088]
s34：按照公式对广度优先搜索树的每一层降序排列；
[0089]
s35：返回节点排名序列。
[0090]
s4：为了使映射算法更接近实际，应用了时间窗的概念.在时间窗内对vnr队列按照收益大小依次映射，映射失败则把此vnr插入到队尾。当vnr生命周期结束释放其占用的物理资源。对于每一个vnr，首先对虚拟网络节点排名，然后根据第一个公式计算满足节点请求的聚集度最大的节点，完成节点映射和对应的链路映射。
[0091]
若每次都找到所有满足节点请求的节点计算其聚集度，会有较高的时间开销。是因为，不能一次求得任意两个节点的满足链路约束的最短路径。为了较好的时间效率，又能准确地计算出基于链路约束的聚集度，本部分采用折中的办法。在计算集聚度时，首先选出备选节点，这些备选节点满足节点请求的前k个最小的节点，然后再在这k个节点中选择lccd(ns)最大的节点映射。基于链路约束的拓扑聚集度映射算法lccd如下所述：
[0092]
s41：按照收益对虚拟网络资源vnr队列降序排列；
[0093]
s42：选择最大收益的虚拟网络资源vnr赋值给聚集度最大的节点bfs；
[0094]
s43：n
′
＝bfs-rn(gv)，n
′
∈ns；
[0095]
s44：nv＝first(n')，first为第一个n
′
；
[0096]
s45：选择满足节点请求的前k和n
path
最小的节点，记为v＝{n1,n2,
…
,nk}；
[0097]
s46：计算vk中每个节点的聚集度，选择最大聚集度的节点被nv映射，完成与nv连接边的链路映射,如果失败，把gv插入到临时队列，等待下个时间窗映射，转到s42；否则跳到s47；
[0098]
s47：更新物理网络；
[0099]
s48：如果nv为空，本次网络请求映射成功，跳到s42；否则跳到s45。
[0100]
本实施例为了使被虚拟网络映射的物理资源有较高的聚集度，本发明应用广度优先搜索对虚拟网络节点映射顺序排名，这样被连续映射的节点邻接性较好；基于聚集度映射算法使相邻的虚拟节点映射到的物理节点是临近的，从而使虚拟网络映射到物理网络是聚集的，而不是分散的，降低了链路映射代价，节约了物理资源
[0101]
应理解，实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本技术所附权利要求书所限定的范围。