一种基于时空关联的多径虚拟网映射方法与流程

本发明属于网络虚拟化技术领域，具体涉及一种基于时空二维关联的多径虚拟网映射方法。

背景技术：

在过去几十年里，互联网发展速度之快是前有未有的，成为全球化的资源共享和信息交换平台。但最初的互联网体系架构设计遵循的是提供尽量简单的服务模式，然而现在的互联网却因为这种简单的模式在网络规模不断激增的情况下，在可扩展性、移动性、服务质量(QoS)、网络安全以及能耗等方面的问题和不足都逐渐体现出来，导致网络僵化局面。网络虚拟化技术提供了很有前途的方式解决网络僵化问题。在网络虚拟化中，多个服务提供商在一个或多个基础设施供应商租赁的底层网络中构建异构虚拟网络，并提供端到端的网络服务，以便达到可以同时单独的进行网络技术创新和服务提升。

在网络虚拟化中，虚拟网映射研究是重要的研究课题，目前国内外研究人员提出了一系列的虚拟网构建算法，但是他们都是基于一维空间属性的对映射算法研究，各种假设，约束条件也是基于一维空间上的cpu资源，带宽资源等。并没有考虑到物理网络上的时间属性，即物理网络是一个动态的，剩余资源随时间变化的，不同时间的网络状态是不一样的。而大多数研究员并没有考虑到时间因素对虚拟网映射的影响，从而会导致底层网络资源随着时间的推进而恶化。

技术实现要素：

本发明的目的是针对现有技术的不足，提出一种基于时空关联的多径虚拟网映射方法。

本发明的目的是通过以下技术方案来实现的：一种基于时空关联的多径虚拟网映射方法，包括如下步骤：

步骤1、建立时间和空间维度上二维资源度量模型。

步骤2、建立底层资源随时间变化的基于时空二维的负载均衡的多商品流模型。

步骤3、基于加入时间维后时空二维资源度量模型和基于时空二维的多商品流模型，对虚拟网进行映射。

进一步地，步骤1所述的时间和空间维度上二维资源度量模型的建立，具体如下：

物理节点cpu基于时空二维资源度量A(n_s)计算如下：

$A\left(n_s\right)=\underset{i=1}{\overset{k}{\Σ}}\left(R\right(n_s,t_i)\×{\∫}_{t_i}^{t_i+T}w(t\left)dt\right)---\left(1\right)$

$w_n=\underset{i=1}{\overset{k}{\Σ}}(\frac{C\left(n_s\right)-R(n_s,t_i)}{C\left(n_s\right)}\×{\∫}_{t_i}^{t_i+T}w(t\left)dt\right)---\left(2\right)$

其中，R(n_s,t)为节点n_s在t时刻的剩余资源，C(n_s)为物理节点n_s的总资源，w_n表示节点二维负载强度。w(t)是一个单调递减的权值函数且满足i为正整数，k表示整个时间内时间片的数量，T为最小时间片。

物理链路带宽基于时空二维资源度量A(l)计算如下：

$A\left(l\right)=\underset{i=1}{\overset{n}{\Σ}}\left(R\right(l,t_i)\×{\∫}_{t_i}^{t_i+T}w(t\left)dt\right)---\left(3\right)$

其中，R(l,t)为链路l在t时刻的剩余带宽资源，w(t)是一个单调递减的权值函数且满足i为正整数，n表示整个时间内时间片的数量，T为最小时间片。

进一步地，步骤2所述的底层资源随时间变化的基于时空二维的负载均衡的多商品流模型，包括目标函数和约束条件，具体如下：

目标函数：

$min\underset{(u,v)\∈l}{\Σ}\underset{i}{\Σ}c(u,v)*f_i(u,v)---\left(4\right)$

约束条件：

$\underset{i}{\Σ}\left(f_i\right(u,v)+f_i(v,u\left)\right)\≤R(l_{uv},t_j),\∀l_{uv}\∈l_s---\left(5\right)$

$\underset{w\∈N_s}{\Σ}{f}_i(s_i,w)-\underset{w\∈N_s}{\Σ}{f}_i(w,s_i)=r_i---\left(6\right)$

$\underset{w\∈N_s}{\Σ}{f}_i(d_i,w)-\underset{w\∈N_s}{\Σ}{f}_i(w,d_i)=-r_i---\left(7\right)$

$\underset{w\∈N_s}{\Σ}{f}_i(u,w)-\underset{w\∈N_s}{\Σ}{f}_i(w,u)=0,u\∈N_s/\{s_i,d_i\}---\left(8\right)$

$f_i(u,v)\≥0,\∀u,v\∈N_s---\left(9\right)$

其中α是一个正系数，可以取1，δ是一个介于0-1之间的数，防止分母出现0的情况。f_i(u,v)表示链路(u,v)分配给第i个商品的带宽。l_s表示物理网络中物理链路集合，N_s表示物理网络中物理节点集合。R(l_uv,t_j)表示链路(u,v)在第t_j时间片内的剩余带宽。{s_i,d_i,r_i}分别表示第i个商品的源节点，目的节点和需求。

进一步地，步骤3所述的基于加入时间维后的时空二维资源度量模型和基于时空二维的多商品流模型，对虚拟网进行映射，具体过程如下：

3-1.将虚拟请求中虚拟节点按cpu资源非增序排列，依次将节点映射到满足资源约束的节点负载强度w_n最小的物理节点上。

所述的资源约束为startime≤t≤endtime，即虚拟节点n_v请求的cpu资源不大于物理节点n_s在虚拟网整个生命周期t时间段内的cpu资源R(n_s,t)。

3-2.根据步骤2的多商品流模型，求解使其目标函数最小化的最优解，如果有最优解则链路映射成功并将其映射到相应的链路上去。否则映射失败。

本发明有益效果如下：本发明从二维时空关联的角度出发，提出了时间与资源负载的二维离散加权的方法，基于多径映射的思想，提出了随时间变化的多商品流模型映射虚拟网，本发明提高虚拟网映射成功率，能够在长时间内很好地平衡网络资源负载，从而提高网络资源利用率。

附图说明

图1为本发明虚拟网映射流程图；

图2为两条链路选择实例；

图3为本发明虚拟网映射示例图。

具体实施方式

下面结合附图对本发明作进一步的说明。

如图1所示，本发明提供的一种基于时空关联的多径虚拟网映射方法，包括如下步骤：

步骤1、建立时间和空间维度上二维资源度量模型。

步骤2、建立底层资源随时间变化的基于时空二维的负载均衡的多商品流模型。

步骤3、基于加入时间维后时空二维资源度量模型和基于时空二维的多商品流模型，对虚拟网进行映射。

进一步地，步骤1所述的时间和空间维度上二维资源度量模型的建立，具体如下：

物理节点cpu基于时空二维资源度量A(n_s)计算如下：

$A\left(n_s\right)=\underset{i=1}{\overset{k}{\Σ}}\left(R\right(n_s,t_i)\×{\∫}_{t_i}^{t_i+T}w(t\left)dt\right)---\left(1\right)$

$w_n=\underset{i=1}{\overset{k}{\Σ}}(\frac{C\left(n_s\right)-R(n_s,t_i)}{C\left(n_s\right)}\×{\∫}_{t_i}^{t_i+T}w(t\left)dt\right)---\left(2\right)$

其中，R(n_s,t)为节点n_s在t时刻的剩余资源，C(n_s)为物理节点n_s的总资源，w_n表示节点二维负载强度。w(t)是一个单调递减的权值函数且满足i为正整数，k表示整个时间内时间片的数量，T为最小时间片。

物理链路带宽基于时空二维资源度量A(l)计算如下：

$A\left(l\right)=\underset{i=1}{\overset{n}{\Σ}}\left(R\right(l,t_i)\×{\∫}_{t_i}^{t_i+T}w(t\left)dt\right)---\left(3\right)$

其中，R(l,t)为链路l在t时刻的剩余带宽资源，w(t)是一个单调递减的权值函数且满足i为正整数，n表示整个时间内时间片的数量，T为最小时间片。

步骤2所述的底层资源随时间变化的基于时空二维的负载均衡的多商品流模型，包括目标函数和约束条件，具体如下：

目标函数：

$min\underset{(u,v)\∈l}{\Σ}\underset{i}{\Σ}c(u,v)*f_i(u,v)---\left(4\right)$

约束条件：

$\underset{i}{\Σ}\left(f_i\right(u,v)+f_i(v,u\left)\right)\≤R(l_{uv},t_j),\∀l_{uv}\∈l_s---\left(5\right)$

$\underset{w\∈N_s}{\Σ}{f}_i(s_i,w)-\underset{w\∈N_s}{\Σ}{f}_i(w,s_i)=r_i---\left(6\right)$

$\underset{w\∈N_s}{\Σ}{f}_i(d_i,w)-\underset{w\∈N_s}{\Σ}{f}_i(w,d_i)=-r_i---\left(7\right)$

$\underset{w\∈N_s}{\Σ}{f}_i(u,w)-\underset{w\∈N_s}{\Σ}{f}_i(w,u)=0,u\∈N_s/\{s_i,d_i\}---\left(8\right)$

$f_i(u,v)\≥0,\∀u,v\∈N_s---\left(9\right)$

其中α是一个正系数，可以取1，δ是一个介于0-1之间的一个很小的数，防止分母出现0的情况。f_i(u,v)表示链路(u,v)分配给第i个商品的带宽。l_s表示物理网络中物理链路集合，N_s表示物理网络中物理节点集合。R(l_uv,t_j)表示链路(u,v)在第t_j时间片内的剩余带宽。{s_i,d_i,r_i}分别表示第i个商品的源节点，目的节点和需求。

步骤3所述的基于加入时间维后的时空二维资源度量模型和基于时空二维的多商品流模型，对虚拟网进行映射，具体过程如下：

3-1.将虚拟请求中虚拟节点按cpu资源非增序排列，依次将节点映射到满足资源约束的节点负载强度w_n最小的物理节点上。

所述的资源约束为startime≤t≤endtime，即虚拟节点n_v请求的cpu资源不大于物理节点n_s在虚拟网整个生命周期t时间段内的cpu资源R(n_s,t)。

3-2.根据步骤2的多商品流模型，求解使其目标函数最小化的最优解，如果有最优解则链路映射成功并将其映射到相应的链路上去。否则映射失败。

实施例

如图2所示有两条物理链路，现在有一个虚拟网请求，它的带宽需求是2，开始时间t₀，生命周期是100*slice。按照以前的研究基于当前时刻的资源剩余量，link1会被优先考虑。事实上在后续时刻link1的资源并不充足，可能会造成链路负载过重。我们假设前面时间片上的概率强度分别是0.3，0.2，0.15，0.1，0.05…由公式(3)计算知A(link1)＝3.9,A(link2)＝4.2，根据我们的模型，我们会选择link2，这样可以确保底层网络在较长时间里保持负载均衡如图3所示，虚拟网请求1的链路请求为30，物理网络中没有满足条件的方案。采用多径映射策略后，请求1的节点映射方案为{a→C,b→D}，链路映射方案为{(a,b)→(C,B,D),(a,b)→(C,E,D)}。