一种基于SDSIN的多任务路由选择方法与流程

本发明涉及卫星网络，特别是一种软件定义空间信息网络(softwaredefinedspatialinformationnetwork，简称sdsin)。

背景技术：

随着各种新任务、新应用(远洋航行、应急救援、导航定位、航天测控等)的出现，对无线网络提出了众多不同的新需求。为了解决无线网络节点类型多样、能力差异大、技术体制不一、通信链路数据传输时延及差错率高、网络拓扑动态变化、业务具有多样性的服务质量需求等问题，研究者借鉴软件定义网络(softwaredefinednetwork,sdn)技术，屏蔽了协议异构性，使得网络得以快速部署。然而sdn网络中均默认采用最短路径路由策略，该策略选路时仅针对跳数进行最短路径选路，并未考虑空间任务的服务质量(qualityofservice,qos)需求，如剩余带宽、传输时延、丢包率等。与此同时，这种选路方式可能会使得某条链路被多次选中，导致该链路负载过大，引起链路阻塞，进而影响空间任务的qos需求。因此，路由选择方法需要充分考虑不同空间任务的qos需求，从中选出能满足任务需求的最优路径。

目前，有关sdn路由策略中考虑链路带宽、时延、吞吐量等网络参数的方法有：

一种vl-edf(virtuallatencyearliestdeadlinefirstalgorithm,vl-edf)队列调度算法,它可以很好地服务于时延敏感的数据；同时也提出了时延不敏感数据流调度算法lbfs(latcncybasedflowschedulingalgorithm)，其可以对交换节点端口进行监测，在端口流量负载超过设定阈值时，将对应链路上时延不敏感的数据流切换到轻载链路上，但是未能充分考虑链路带宽和吞吐量的问题；又有研究提出一种基于数据中心的ecmp算法，该算法根据链路的带宽实现动态路由，提高网络中链路的负载均衡度，但是并没有考虑到数据流的业务属性，选择链路的剩余带宽作为选路标准，不能较精确地反映链路的时延、分组丢失情况。

除了从链路状态的角度对sdn路由策略进行考虑之外，还有研究者从qos的角度对路由策略进行分析，其中典型的方法有：对数据流进行细粒度处理。研究者提出了一种端到端的流量传输模型，该模型将网络中的数据流分为高优先级数据流和背景流，以链路的时延、带宽作为选路的标准，根据链路的时延、带宽动态地选择路径，将优先级高的数据流优先进行路由，保障其qos属性。但是这种传输模型只是保障一种数据流的qos属性，导致其他数据流的qos属性不可控，依然解决不了链路负载不均衡、网络资源利用率低的问题。

技术实现要素：

为解决现有技术存在的上述问题，本发明要设计一种能充分考虑链路状态参数，实现最优路径选择的基于sdsin的多路径路由选择方法，以提高网络资源利用率，避免局部链路拥塞，实现网络的负载均衡。

为了实现上述目的，本发明的设计思路是：采用一种基于软件定义的空间信息网络(softwaredefinedspatialinformationnetwork，sdsin)架构，其实际的部署方案如下：

将sdn核心思想应用于空间信息网络，通过将卫星数据平面和控制平面分离，使卫星只需要实施简单的转发，在实际的网络部署中，数据平面由中继卫星构成的天基骨干网和用户卫星构成的接入网组成；控制平面高度集中，由管控中心统一承载。sdn控制器拥有全局视图，通过南向接口查询链路状态和网络流量等。

在sdsin架构下，通过将空间信息网络中卫星节点资源及星间链路资源进行抽象，可实现资源的灵活共享，通过集中化的控制器可实现空间信息网络的动态控制。

一种基于sdsin的多任务路由选择方法，包括以下步骤：

a、根据sdn的思想重新定义卫星网络的节点，建立合理的网络模型

在sdsin架构下，卫星拓扑虽是高动态变化的，但是由于卫星都是按照既定轨道运行的，其运动是呈周期性变化的，具有可预测性。针对这一特点，路由选择采取拓扑控制的方式以屏蔽其高动态变化特性。将sdsin网络动态拓扑依据系统周期t离散化成n个时间片，记为t1,t2,…,tn，在时间片内认为拓扑不变，最后对每个时间片进行路由选择。

a1、定义网络模型

无线网络拓扑用g(v,e,c)来表示，其中，v＝{v1,v2,...,vm}表示交换机节点的集合。e＝{e1,e2,…en}代表sdsin中星间链路组成的集合，c表示控制器节点的集合，其中控制器放置在高轨卫星geo上。

a2、定义链路连接矩阵

软件定义卫星网络模型为g(v,e,c)，是由一系列高轨卫星geo、中轨卫星meo、低轨卫星leo及星间链路组成的，链路连接矩阵表示为：

其中aij表示为节点i和节点j的链路连接关系，其中：

a3、定义链路状态参数

sdn控制器拥有全局视图，通过南向接口查询链路状态和网络流量。对于星间链路子集都有与之对应的时延、剩余带宽、丢包率信息，分别用dij、bij、sij表示。可用路径的集合用p表示,对于任一子路径pi∈p下，

时延函数表示为：

剩余带宽函数表示为：

丢包率函数表示为：

链路状态参数表示为：

f＝[f1(pi),f2(pi),f3(pi)](6)

a4、定义可用路径集

用(vs,vd)表示网络模型中的源节点和目的节点的节点对，则代表一条从源节点vs到目的节点vd的路径。假定任务下发之后共有m个路径集，表示为：p＝{p¹,p²,…,p^m}，其中pⁱ表示第i条可用路径集。在网络模型g(v,e,c)中，可用路径表示为p'＝{p¹,p²,…,p^q}，其中1≤q≤m。

b、空间任务等级划分

多任务路由选择的前提是对空间任务等级进行划分。网络模型中充分考虑链路状态参数将任务按需分为7类，即：时延带宽丢包率均敏感、仅时延敏感、仅带宽敏感、仅丢包率敏感、时延带宽敏感、时延丢包敏感和带宽丢包敏感。

在sdsin下，将上述网络模型中的7种任务简化至4种典型的空间任务，即：应急任务、通信任务、数/图传任务和测控任务，针对4种不同的任务，依据其任务特点，将任务task划分4个等级，即task＝{task1,task2,task3,task4}，分别对应上述4种任务。

c、基于sdsin多任务路由选择方法建立数学模型

基于sdsin的多任务路由选择问题，是指在可用路径集p'＝{p¹,p²,…,p^q}(1≤q≤m)中，充分考虑链路状态参数f和不同空间任务的qos需求，如何获取最优。时延和丢包率都与服务质量呈反比即越小越好，而带宽与服务质量呈正比即越大越好，所以路由选择问题即是：

其中，的取值表示在链路p^q上链路参数fi的优先级大小，wi表示第i个链路参数的优先系数，且r(p^q)表示路径带宽利用率。

多任务路由选择方法采用一种机器学习的方法，包括以下步骤：

c1、确定sdsin网络中的通信源节点vs和目的节点vd，针对网络中的可用路径p'＝{p¹,p²,…,p^q}(1≤q≤m)，依据监督学习的原理，获取大量的训练集d，记为d＝{(x1,y1),(x2,y2),…,(xm,ym)}，其中(xm,ym)表示的是第m组训练的输入输出结果。

c2、针对步骤c1获取的训练集，对训练集进行训练，更新信息增益函数gain(d,f)的数值，对链路状态参数的优先级进行重新选择，得到新的w＝(w1,w2,w3)^t，作为链路状态参数的优先级标准。

c3、依据步骤c2更新的w＝(w1,w2,w3)^t数值对链路状态参数f＝{f1(p^q),f2(p^q),f3(p^q)}进行更新，得到最优链路状态参数属性集f^*＝argmaxgain(d,f)；

c4、重复步骤c1-c3三个步骤，继续更新权值w＝(w1,w2,w3)^t，直到损失函数e(d)＜ε时，迭代停止，权值更新结束，选出了最优路径。d∈d是训练样本的子集。

d、链路参数决策

基于多任务的路由选择方法，首先应对不同的链路状态参数进行权重划分，用信息增益函数来反映属性划分。

定义信息增益函数如下：

假设训练样本d中第k类样本所占的比例为pk(k＝1,2,…,|y|)，则d的信息熵为假定对链路状态参数f有u个可能的取值{f¹,f²,…,f^u}，使用链路状态参数f对训练样本d进行划分，会产生u个分支，其中第u个分支包含了d中所有在链路状态参数f上取值为f^u的样本，记为d^u。

给分支赋予权重信息增益表示为：

信息增益越大，意味着使用链路状态参数f进行划分所获得效果越好，通过信息增益的大小值选择出最优链路状态参数f^*＝argmaxgain(d,f)。对输入数据进行预处理，需要对信息增益函数进行改造，如下式所示：

其中，gain(d,f,t)是训练样本d基于划分点t二分后的信息增益。根据信息增益得出最合适的链路状态参数f^*＝argmaxgain(d,f)。

e、权值更新

训练完成后，根据信息增益调整了合适的链路参数要求，下面需要对w＝(w1,w2,w3)^t进行权值更新。

e1、定义激活函数如下：

令

其中首先初始化w＝(w1,w2,w3)^t,wi∈(0,1]，对输入集进行训练时，需要设置一个阈值θ，若f≥θ，置为1，反之为-1。激活函数表征的是当前权重下是否能够输出正确的感知分类。权重更新表示为：

其中，y是输入样本的正确分类，y'是根据激活函数计算出来的分类，η为学习率，在机器学习领域取0.3。

e2、定义损失函数如下：

其中d∈d,是训练样本的子集，td为目标实际输出，od为算法输出，n表示迭代次数，当损失函数e(d)＜ε时，迭代停止，权值更新结束，得到了最优权值w＝(w1,w2,w3)^t,wi∈(0,1]，根据不同的权重分配，找寻最合适的端到端路径组合起来即是一条最优的通信路径。

进一步地，所述的sdsin架构包括应用平面、控制平面和数据转发平面，所述的应用平面由地面控制中心通过internet地面网络进行通讯；所述的控制平面由三个高轨卫星geo组成，控制平面与应用平面通过北向接口协议进行信息传递；所述的数据平面由不同的局域网络构成，数据平面和控制平面通过openflow协议进行数据交互。

进一步地，所述的数据平面由中继卫星构成的天基骨干网和用户卫星构成的接入网组成。

进一步地，所述的局域网络为环形网络，所述的环形网络由多个中轨卫星meo和低轨卫星leo串联成一个封闭的环。

进一步地，所述的局域网络为星形网络，所述的星形网络由多个中轨卫星meo和低轨卫星leo构成；其中一个卫星处在网络中心位置，其余卫星分别单独与中心的卫星通讯。

进一步地，所述的局域网络为网状网络，所述的网状网络由多个中轨卫星meo和低轨卫星leo构成，网状网络的拓扑是任意的，每个卫星视拓扑连接情况与其他所连卫星节点进行通信。

与现有技术相比，本发明具有以下有益效果：

1、本发明将软件定义网络(softwaredefinednetworking，sdn)的核心技术应用到空间信息网络上。软件定义网络的核心思想是将网络的控制平面与数据转发平面进行分离，从而简化了网络设备的结构，使卫星只需要实施简单的转发和硬件配置功能，由此解决了卫星节点设计复杂、造价高的弊端。通过将空间信息网络中卫星节点资源及星间链路资源进行抽象，可实现资源的灵活共享，通过集中化的控制器可实现空间信息网络的动态控制。通过建立合理的数学模型，在sdsin架构下，针对卫星拓扑高动态周期性变化的特点，采取拓扑控制的方式以屏蔽其高动态变化特性。将sdsin网络动态拓扑依据系统周期t离散化成n个时间片，记为t1,t2,…,tn，在片内认为拓扑不变，最后对每个时间片进行路由选择，然后再将路由信息反馈给sdn控制器，实现全网信息互通，加速网络部署。

2、本发明基于sdsin网络，利用机器学习的方法，将流量特点和空间任务的qos结合起来，在网络链路资源受限的情况下，提出了一种基于sdsin的多任务路由选择方法，本发明基于机器学习的算法，充分考虑了链路状态参数及空间任务等多个因素，实现了最优路径选择，提高了网络资源的利用率，避免了局部链路出现拥塞的状态，同时有效的满足了各类空间任务的qos需求，本发明充分考虑传输时延、丢包率和剩余带宽等链路特征，根据上述三个参数对训练集进行训练，更新链路参数权值，有效地对多任务路由进行选录，提高了底层资源的利用率，实现了全网的负载均衡。

附图说明

图1是软件定义空间信息网络示意图。

图2是基于sdsin多任务路由选择方法流程图。

具体实施方式

下面结合附图对本发明进行进一步地描述。

本发明首先建立了软件定义空间信息网络架构，如图1所示，本发明应用软件定义网络架构，分为应用平面、控制平面和数据平面，其中应用平面由应用平面控制中心通过internet地面网络进行通讯，控制平面用三个geo卫星进行控制，控制平面与应用平面通过北向接口协议进行信息传递，数据平面可由不同的局域网络进行构成，如环形网络、星型网络和网状网路，数据平面和控制平面通过openflow协议进行数据交互，通过将卫星数据平面和控制平面分离，使卫星只需要实施简单的转发，在实际的网络部署中，数据平面可由中继卫星构成的天基骨干网和用户卫星构成的接入网组成；控制平面高度集中，可由管控中心统一承载。sdn控制器拥有全局视图，可通过南向接口查询链路状态和网络流量等。在上述架构下，通过将空间信息网络中卫星节点资源及星间链路资源进行抽象，可实现资源的灵活共享，通过集中化的控制器可实现空间信息网络的动态控制；如图2所示，是基于sdsin多任务路由选择方法流程图，该路由选择方法充分考虑了链路状态参数及空间任务等多个因素，实现了最优路径选择，提高了网络资源的利用率，避免了局部链路出现拥塞的状态，同时有效的满足了各类空间任务的qos需求，实现了网络的负载均衡。

本发明针对当前路由选择方法不够灵活，难以将流量特点和空间任务的qos结合起来的问题提出了基于sdsin的多任务路由选择方法，该方法充分考虑了链路状态参数及空间任务等多个因素，实现了最优路径选择，提高了网络资源的利用率，避免了局部链路出现拥塞的状态，同时有效的满足了各类空间任务的qos需求，实现了网络的负载均衡。在具体实施时，先根据sdn的思想重新定义卫星网络的节点，建立合理的网络模型；然后根据实际情况将空间任务按等级划分成四类；根据已选择的sdsin架构建立基于sdsin多任务路由选择方法数学模型，设计基于sdsin的多任务路由选择算法，针对链路参数进行决策，进而更新权值，以适应卫星网络的需求，该算法充分考虑了链路状态参数及空间任务等多个因素，实现了最优路径选择，提高了网络资源的利用率，避免了局部链路出现拥塞的状态，同时有效的满足了各类空间任务的qos需求，实现了网络的负载均衡。

本发明不局限于本实施例，任何在本发明披露的技术范围内的等同构思或者改变，均列为本发明的保护范围。