一种基于sdn架构面向虚拟光网络的映射方法
【技术领域】
[0001 ]本发明属于网络技术领域，具体涉及一种基于SDN架构面向虚拟光网络的映射方 法。
【背景技术】
[0002] 随着大数据业务以及基于云数据应用的爆发式增长，网络的虚拟化越来越多地被 应用于解决传统网络架构所解决不了的网络拥塞。在所有的虚拟化网络问题中，最受关注 的是虚拟光网络映射(virtual optical network embedding，VONE)。光网络的虚拟化有着 高速、高带宽动态、超大容量和接口丰富的优点，而网络映则影响着整个网络的工作效率。 虚拟光网络映射面临的关键问题主要有:光网络传输的约束条件，映射方法的设计实现以 及网络映射的优化。
[0003] 网络映射是将虚拟网络请求中的节点及链路，在满足约束条件的情况下，映射到 物理光网络上，并针对特定的优化目标将开销总和最小化。网络的映射影响着整个网络的 时延，功耗等服务质量指标(Quality of Service,QoS)。近年来单域内的虚拟光网络映射 已有了解决方案，而对于多域内的虚拟光网络映射，以网络的可生存性（n e t w 〇 r k sur v i vab i 1 i ty)为优化目标，尚未得到很好的解决。网络的映射问题已被证明为NP-har d问 题，属于二次分配问题范畴。
[0004] 由于多域网络中上层资源分配给不同的底层网络，这不可避免的会造成域间的不 透明性，控制器很难协调域内传输和域间传输，而且现有的映射方法中没有完全考虑到光 网络的约束条件和可生存性。例如光网络传输时需遵守光网络链路上分频段的一致性和连 续性，以及映射链路时存在一定的失败率。因此本申请提出一种基于软件定义网络架构 (software defined network，SDN)的多域虚拟光网络映射方案，并通过一种基于种群的全 局搜索和基于个体的局部启发式搜索的方法求解，旨在多域并行处理条件下，利用SDN架构 中控制平面与数据平面分离的优势优化多域中网络的可存活性。
【发明内容】
[0005] 本发明的目的在于针对上述现有技术中的问题，提供一种基于SDN架构面向虚拟 光网络的映射方法，该方法以中央控制方式，用程序规划网络，提升多域并行映射的效率， 并采用一种基于种群的全局搜索和基于个体的局部启发式搜索的方法映射，在充分考虑光 网络的约束条件下，有效降低虚拟网络的失败率。
[0006] 为了实现上述目的，本发明采用的技术方案为：
[0007] 步骤1:确定虚拟光网络请求和物理底层的各网络参数以及拓扑结构图，并创建以 V0N-FP值为链路权值的辅助拓扑图，确定优化目标；
[0008] 步骤2:将辅助拓扑图上的链路按V0N-FP值升序排列，根据虚拟光网络请求进行分 类，并按照映射的分类规则确定映射方式；
[0009] 步骤3:制定一种基于种群的全局搜索和基于个体的局部启发式搜索的方法框架， 将分类好的虚拟光网络请求用此搜索方法进行求解映射；；
[0010]步骤4:重复迭代搜索映射的方法得出适应度函数最小时的最优映射方案，将该方 案分配给基于SDN的Ν0Χ架构进行具体的数据计算及流量转发操作。
[0011 ] 所述的步骤1确定虚拟请求时构建Gv(Vv，Ev，Cv，Tv，CDv)无向拓扑图，Vv是虚拟节 点的合集，Εν是虚拟链路的合集，Cv是节点上资源的开销，Tv是链路上传输的开销，CDv表示 其所属的域名;物理底层被描述Gs(Dp，Lp)，其中Dp是域的合集，Lp是域间链路的集，域间链 路空间足够满足传输开销，则域名为i的Dp描述为0?1(附31，81，(^^1)，其中附是域中节 点，Ei是域中链路，Bi是域中的边缘节点，Ci与Fi分别代表着域中物理节点上可用的资源和 物理链路上可用的频带槽，每个频带槽容量为12.5GB/s。
[0012]所述的步骤2计算链路V0N-FP值，以此值为链路的权值在原物理拓扑图上创作辅 助拓扑图，已知L(x，y)表示节点X跟y之间的域间链路，定义P(x，y)为其出错失败的概率，那 么该段链路的可存活性：
[0013] Survivability(x,y) = l_P(x，y) 〇
[0014] 所述的步骤4定义整个网络总的链路失败率为：
[0015] FPVL=l_n (x,y)EVv(l-P(x,y));
[0016] 定义最佳映射方案为适应函数Fitness(x)取最小值时：
[0017]
[0018]根据虚拟请求进行分类，并按照映射规则确定映射方式为：
[0019] 1)如果虚拟请求链路中两端节点都未映射过，且两节点所属域相同，则将其映射 在相同域中；2)如果虚拟请求链路中两端节点都未映射过，且两节点的所属域有多个共同 的域，映射时随机选择一个域;3)如果虚拟请求链路两端节点的所属域没有共同域，则选择 域间链路在辅助图排序中最靠前的两个所属域，将两节点分别映射到各自域内的边缘节点 上;4)如果虚拟请求链路一端的节点已经被部署，则将另一端节点映射在相同域中。
[0020] 制定一种基于种群的全局搜索和基于个体的局部启发式搜索的方法框架的具体 方法为：1)确定基于种群的全局搜索和基于个体的局部启发式搜索的方法采用文化基因算 法框架2)确定参数，定义染色体的主机矢量Hf表示它承载在第i个染色体上的虚拟节点k的 物理节点，染色体的状态矢量Si k表示改染色体的映射状态，如果Sik = 0，则对应的虚拟节点 应重新映射，否则保持该虚拟节点的当前映射，mbest定义为本地最好的映射方案，即在当 前迭代适应度函数最佳，nbest定义为到目前为止所获得的最佳值，NR(u)是一种节点u的排 序方法，Pv是选择的概率：
[0021]
[0024] 定义初始化：1)对于物理节点v，若v属于Hi且对应的Sj为1，则定义这个节点为可 触的，反之这个节点为不可触;2)对于虚拟节点u，若对应的ski为0则将其列入优先队列PQ 中；3)根据NR(u)函数计算所有PQ中的虚拟节点以及所有不可触的物理节点，并将队列PQ中 的虚拟节点按NR(u)值降序排列;4)将PQ队列中的虚拟节点u按NR(u)值由大到小出列，建立 一张由物理节点v构成的候选表CL(v)，入选表的物理节点必须为不可触且剩余节点资源满 足资源需求，以Pv的概率从CL(v)中选出物理节点v去映射虚拟节点u; 5)反复步骤4)，直到 PQ队列为空。
[0025] 执行基于种群的全局搜索和基于个体的局部启发式搜索的方法为：1)设置nbest 至lJ+~，所有的状态矢量Sf归零，初始化所有染色体的主机矢量Hi，再随机设置Sik至1，对于 每一个染色体，检查其可行性并计算其适应度函数F(X)，计算当前种群的mbest并设置 nbest =mbest; 2)通过选择、交叉和变异产生新的子代，选择即选择具有最小适应度函数F (X)的染色体，并把它放入下一子代中，把剩余的染色体归入队列TQ;交叉变异即将队列TQ 中剩余可行的染色体进行配对，然后以交叉概率Pc进行交叉得到两个新的染色体;变异即 对队列中产生的新的染色体以Pm的概率进行变异;最后将这些新的染色体放入下一代中； 3)模拟退火算法进行局部搜索，对于队列TQ中所有的染色体，用模拟退火算法进行本地搜 索，选出不同区域中的精英染色体;当系统T的温度低于预定义的Tmin时，请执行以下操作： 通过移动检测不同染色体的适应度函数，如果适应度函数减小，接受它，否则，以Ph的概率 接受它;然后系统T以衰减因子r进行退温:T(n+l)=r*T(n);4)根据光网络约束条件筛选染 色体，重初始化，将不能满足光网络约束条件染色体的适应度函数f( x)置为+~，出列队列 TQ中所有适应度函数f(x)为+~的染色体，将这些不可行的染色体的状态矢量SJ置零，并将 其主机矢量Hi用初始化，初始化完成后再随机设置Sf至1，最后将这些更新后的染色体放入 下一子代中；5)初始化更新每一个染色体主机矢量出，检查可行性，计算适应度函数，并且 更新mbest，若比上一代更优，更新nbest;6)重复上述步骤1)至步骤5)，直到到达迭代的最 大数目，最后输出nbest为虚拟光网络映射的解决方案。
[0026] 步骤4将基于种群的全局搜索和基于个体的局部启发式搜索的方法求解的得到的 映射方案分配给Ν0Χ架构进行处理的方法为:根据Ν0Χ架构将数据传输和计算路由方案分开 分别由Ν-Ν0Χ和Ρ-Ν0Χ负责;Ν-Ν0Χ作为局部控制器用于数据转发;Ρ-Ν0Χ作为全局控制器负 责从应用层通过网管协议接受请求，统计从局部控制器通过OpenFlow协议传来的资源信 息，分析计算路由方案并通知各个域内的局部路由器。
[0027] 与现有技术相比，本发明具有如下的有益效果:通过制定基于种群的全局搜索和 基于个体的局部启发式搜索的方法框架，将分类好的虚拟光网络请求用此搜索方法进行求 解映射，最后将映射方案分配给基于SDN的Ν0Χ架构进行具体的数据计算及流量转发操作， 采用Ν0Χ架构部署，能够有效提升多域虚拟光网络映射的效率，并降低映射后整个网络的失 败率。
[0028