一种基于拉格朗日松弛的ip网络层功耗优化方法
【专利摘要】本发明涉及网络能耗优化【技术领域】，尤其是涉及一种基于拉格朗日松弛的IP网络层功耗优化方法。该方法针对核心网络的多层结构和网络的模块化特性，对功耗较高的IP网络层进行能耗优化，建立单层网络的能耗优化模型，即SINEL模型，并设计高效的启发式方法，即LR方法，实现对规模较大网络的能耗优化。与已有优化方法不同，SINEL模型不仅考虑网络的业务路由问题，还考虑网络的虚拟拓扑设计问题，不仅考虑链路和网络接口的功耗，还考虑线卡、机框以及整个网络设备的功耗和功耗更高的电网络设备的模块化结构，并且对IP层的能耗优化同时适用于IP?over?DWDM网络和IP?over?TDM?over?DWDM网络。
【专利说明】-种基于拉格朗日松弛的IP网络层功耗优化方法 所属【技术领域】
[0001] 本发明涉及网络能耗优化【技术领域】，尤其是涉及一种基于拉格朗日松弛的IP网 络层功耗优化方法。
【背景技术】
[0002] 近年来，随着用户数量的增加和在线视频等多媒体应用的发展，网络流量逐年指 数增长，能耗问题已成为Internet面临的最大挑战之一。2007-2011年，Internet流量平 均每年增长56%，网络带宽平均每年增长58%。网络能耗随着网络带宽不断增加，2007年 Internet基础设施的能耗已占到了全球宽带接入国家总耗电量的1% (平均接入带宽为 30Mb/s)，当平均接入带宽达到300Mb/s时，该比例将超过4%。按照目前的增长速度，预计 到2050年网络领域的能耗将达到2006年水平的13倍。不断增加的网络能耗造成了网络 运营的电力成本持续上升和大量的温室气体排放，绿色Internet已成为一个重要的研究 领域。
[0003] 在网络流量的不断增长的同时网络也逐渐扁平化发展，Internet已由接入网、汇 聚网和核心网三级结构逐步演变为由接入网和核心网组成的两级结构。相应地，Internet 的节能研究对象也可分为接入网和核心网两大部分。由于核心网汇聚了接入网的流量，业 务需求的指数增长对核心网的影响更大，这使得核心网络能耗增长尤为迅速，预计到2017 年核心网的能耗将超过接入网。因此，Internet核心网的节能研究将成为绿色Internet领 域的重要研究课题。
[0004] Internet核心网由多个具有业务交换能力的网络层组成，因此，核心网的能耗优 化可分为单层能耗优化和跨层能耗优化两大类。
[0005] 单层能耗优化主要针对IP网络，通过业务路由实现对业务流的汇聚，提高链路的 利用率，并将空闲的链路等网络资源转入睡眠（或低功耗状态），以减少网络的能耗浪费。 有研究者将IP网络的能耗优化问题形式化建模为混合整数线性规划问题，但没有提供有 效的求解方法。也有研究者提出了一种启发式方法，通过预先计算网络结点间的k条最短 候选路径，以减小求解搜索空间和缩短求解时间，但是解空间仍然为结点数的指数级规模。 有学者提出的启发式方法首先对结点或链路进行排序，然后依顺序尝试关闭每个结点或链 路，并进行业务重路由，并以链路容量约束和网络连通性作为判定条件。还有学者提出了 一种拉格朗日松弛和调和级数启发式方法，但针对的能耗优化模型以减小链路的功耗为目 标，没有考虑网络结点的功耗。
[0006] 跨层能耗优化考虑核心网络的多层结构，目前主流的多层网络技术包括IP over DWDM(Dense Wavelength Division Multiplexing，密集波分复用）和 IP over TDM(Time Division Multiplexing,时分复用）over DWDM两种。由于业务粒度、交换方式等方面的不 同使得网络层的能量效率按IP，TDM和DWDM的顺序增加。跨层能量优化主要通过业务疏导 技术实现业务在各个网络层的合理分配，即网络业务尽量由靠下的网络层处理，从而降低 整个多层网络的功耗。有研究者针对IP over DWDM网络建立一个MILP(Mixture Integer Linear Programming,混合整数线性规划）能耗优化模型，并基于光通路旁通和业务疏导策 略提出了两个简单启发式方法。但是，该能耗优化模型只考虑了 IP路由器接口的功耗而不 是整个网络设备的功耗。有研究者在研究WDM (Wavelength Division Multiplexing,波分 复用）网络的能量感知的业务疏导问题时考虑了网络结点的模块化特性，提出了一种基于 辅助图的启发式方法，但是该辅助图只对光网络设备进行了建模，没有考虑功耗更高的电 网络设备。有研究者研究多机架IP over WDM网络的高能效设计问题，考虑IP路由器的多 机架互联结构，分别对IP层和WDM层建立MILP高能效设计模型，但没有提供有效的求解方 法，无法对规模较大的网络求解。
[0007] 本发明针对核心网络的多层结构和网络的模块化特性，对功耗较高的IP网络层 进行能耗优化，建立单层网络的能耗优化模型，即SINEL(SIngle NEtwork Layer,单一网络 层模型），并设计高效的启发式方法，即LR方法，实现对规模较大网络的能耗优化。与已有 优化方法不同，SINEL模型不仅考虑网络的业务路由问题，还考虑网络的虚拟拓扑设计问 题，不仅考虑链路和网络接口的功耗，还考虑线卡、机框以及整个网络设备的功耗和功耗更 高的电网络设备的模块化结构，并且对IP层的能耗优化同时适用于IP over DWDM网络和 IP over TDM over DWDM 网络。
[0008] Internet核心网由多个具有业务交换能力的网络层组成，主流的多层网络技术包 括 IP over DWDM 和 IP over TDM over DWDM。这里以更复杂的 IP over TDM over DWDM 网 络为例说明，IP over DWDM网络的情况与之类似。IP over TDM over DWDM网络由IP层、 TDM层和光层（或DWDM层）3个网络层组成。IP层与TDM层都使用下层提供的通道传输服 务（即电路/子波长传输服务和波长传输服务）向上层提供自己的业务传输服务（即分组 传输服务和电路/子波长传输服务），因此，IP层和TDM层的网络拓扑为虚拟拓扑，结点间 的链路为逻辑链路，对应下层提供的传输通道。每个网络层都有自己的业务需求、网络拓扑 和业务路由。IP层业务需求的基本粒度为分组，业务交换方式为分组交换，TDM层和DWDM 层的业务需由上层网络的逻辑链路产成，基本粒度为电路和光通路，分别使用电路交换和 波长交换方式。
[0009] 多层网络的每个节点通常由一组网络设备构成，包括IP设备、TDM设备和光网络 设备。IP设备的支路接口与接入网的网络设备相连，IP设备和TDM设备的线路接口分别与 下层的TDM设备和光网络设备的支路接口相连，光网络设备的线路接口之间通过光纤链路 互联。业务通过支路接口流入\流出网络层，网络层的业务通过线路接口之间的链路进行 传输，因此，业务路由只影响本网络层的线路接口，而对本网络层的支路接口没有影响。各 个网络层的能量效率存在差异，光网络的能量效率最高，其次是TDM设备，IP设备的能效最 低。所以，网络层越靠上，能量效率就越低，网络层的能耗通常也越大，故多层网络的能耗优 化应以靠上的网络层为重点，本发明研究对IP网络层的能耗优化。
[0010]目前，Internet核心网的网络设备通常采用模块化设计方法。网络设备被设计成 由机框和模块卡两部分组成，根据实际的组网需求，通过向机框添加相应的模块卡组建所 需的网络设备。模块化设计增强了网络设备的灵活性和可扩展性，只需增加或替换模块卡 就可实现对单个网络设备的扩容升级，此外，还可以通过多框集群的方式突破单个设备的 容量限制，满足海量业务的处理需求。根据模块间的层次关系，可将网络设备分为机框、线 卡和接口 3部分。接口包括网络设备的物理端口以及与物理端口一起同时处于工作和空闲 状态的相关部件；线卡是网络设备的众多模块的一类，它由一组接口所共享，能够与这组接 口同时处于工作和空闲状态；除接口和线卡以外的部分全都归入机框的范畴。因此，本发明 所述的接口、线卡和机框是一种更抽象的概念，不一定与实际网络设备的接口、线卡和机框 完全对应。
[0011] Internet的超额资源供应和冗余设计导致了网络资源的平均利用率低下。研究 表明Internet核心网忙时最大平均链路利用率不超过30%，很多网络的闲时链路利用率 只在5%以下。目前，网络设备利用率对其功耗的影响较小。网络资源的平均利用率较低， 但却产生几乎与最大利用率相同的功耗，这导致了严重的网络能耗浪费。能量匀增计算 (energy-proportional computing)要求系统的功耗与资源利用率成比例。本发明通过以 下节能机制减少网络能量浪费和提高整个网络的能量匀增特性：
[0012] 1)通过业务路由实现业务汇聚，以提高网络资源的利用率。由于网络设备功耗受 利用率的影响较小，因此提高网络资源的利用率可减少网络的能量浪费。本发明的业务汇 聚包括：（1)业务流向链路的汇聚，可提高链路（或接口）利用率；(2)链路向网络结点的汇 聚，可提高线卡和机框的利用率。
[0013] 2)网络设备的多粒度模块睡眠。根据网络设备的模块化特性，让空闲的模块或网 络设备转入低功耗状态，即睡眠。多粒度模块睡眠从接口、线卡和机框3个层次使空闲模块 睡眠，即：当接口空闲时，则接口睡眠；当线卡的所有接口都空闲时，则线卡睡眠；当机框的 所有线卡都空闲时，则机框睡眠。
[0014] 3)网络资源的动态配置。根据网络实际的业务路由，动态地建立虚拟拓扑。由于 只有实际被使用的逻辑链路才会成为虚拟拓扑的一部分，与静态的虚拟拓扑相比，这样可 减小下面网络层的业务需求和降低网络能耗。此外，网络结点根据实际的网络资源使用情 况，进行资源的动态配置，以实现多粒度模块睡眠。
【发明内容】
[0015] 本发明的目的在于提供了一种基于拉格朗日松弛的IP网络层功耗优化方法。
[0016] 本发明解决其技术难题所采用的技术方案的步骤如下：
[0017] 1)网络层的功耗由静态功耗和动态功耗两部分组成。静态功耗与业务负载无关， 为网络资源在空闲时的功耗。网络资源的静态功耗体现网络设备的模块化特性，由机框功 耗η ε⑴ρε、线卡功耗η1⑴p1和接口功耗"⑴？1三部分组成。整个网络层的静态功耗由所 有网络结点的静态功耗构成，因此对所有结点i求和。动态功耗依赖业务负载，使用线性函 数近似表示动态功耗与转发业务量的关系，动态功耗可表示成链路的业务量与单位业务功 耗的乘积。整个网络层的动态功耗由所有链路业务量的动态功耗之和构成，因此对所有链 路（i，j)求和。则网络能耗优化的目标函数为
[0018]
【权利要求】
1. 一种基于拉格朗日松弛的IP网络层功耗优化方法，其特征在于建立该方法的步骤 如下： 1. SINEL(SIngle NEtwork Layer,单一网络层）模型形式化描述如下： 网络层的功耗由静态功耗和动态功耗两部分组成，静态功耗与业务负载无关，为网络 资源在空闲时的功耗，网络资源的静态功耗体现网络设备的模块化特性，由机框功耗#α) 、线卡功耗r^ab1和接口功耗"（Dpi三部分组成，整个网络层的静态功耗由所有网络 结点的静态功耗构成，因此对所有结点i求和，动态功耗依赖业务负载，使用线性函数近似 表示动态功耗与转发业务量的关系，动态功耗可表示成链路的业务量与单位业务功耗的乘 积，整个网络层的动态功耗由所有链路业务量的动态功耗之和构成，因此对所有链路（i，j) 求和，则网络能耗优化的目标函数为
(1) 目标函数和后面式中用到的符号定义如下：
输入参数 i，j，ii，jj e N :网络结点和结点集合， d(ii, jj) e D :结点ii到jj的业务需求和业务需求集合， p e p(i，j):业务需求d(i，j)的候选路径和候选路径集合， δ (p，i，j) e {〇，1}:如果路径p包括链路（i，j)，则值为1 ;否则为〇， C :下面网络层提供的传输通道的容量，单位为Gbps， a :下面网络层提供的传输通道的最大利用率， P1 :网络接口的功耗， :线卡具有的接口数， P1 :线卡的功耗， m1 :机框可配备的线卡数， :机框的功耗， πιεα):网络结点i配备的机框数， pt :单位业务的功耗，用于计算动态功耗，单位为watt/Gbps,
决策变量 d' (i，j):链路（i，j)使用下面网络层提供的传输通道数目， x(P) e {〇，1}:路径选择决策变量，若路径p被选中为最终路径，则值为1，否则为〇 ne(i):结点i的活跃机框数， n1 (i):结点i的活跃线卡数， nW):结点i的活跃的接口数， t(i，j):链路（i，j)的业务量； 2. SINEL模型目标函数的约束条件为
式（2)为每个业务需求d(i，j)寻找一条路径p，即从结点i到结点j的所有可能的路 径集合P(i，j)中选择一条路径P， 式（3)表示路径选择决策变量x(p)为布尔变量， 式⑷计算链路（i，j)的业务量t(i，j)，其中Σ pepkjj^p) δ (p，i，j)是一个布尔 函数，表示业务需求d(ii，jj)的路径是否经过链路（i, j)，该布尔函数与业务需求d(ii， jj)相乘表示，如果d(ii, jj)的路径经过链路（i, j),则业务需求d(ii, jj)是链路（i, j) 业务量的一部分，因此，链路（i，j)的总业务量应该等于所有经过链路（i，j)的业务需求之 和，即需对业务需求d(ii，jj) eD求和， 式（5)是链路（i，j)的链路容量约束，表示链路的业务量不能超过链路允许的最大速 率(1'(1，]_)〇(：，其中(1'(1，]_)为链路（1，]_)使用下面网络层提供的传输通道数量，〇〇 为每条传输通道的所允许的最大速率， 式（6)表示决策变量d' (i，j)的取值范围为正整数， 式（7)表示结点自身不存在环路，式（5)-(7)不仅实现了链路的容量约束，确立了当 前网络层的虚拟拓扑，还实现了当前网络层的逻辑链路与下面网络层提供的传输通道的映 射， 式（8)-(9)决定网络结点i活跃的接口数量，由于每个传输通路对应一个网络接口，网 络结点i的活跃接口数να)应大于正向链路和逆向链路的所有传输通道数量， 式（10)表示活跃的线卡的所有接口数应大于活跃的接口数量， 式（11)-(12)表示活跃的机框的所有线卡数应大于活跃的线卡数量，而且活跃的机框 数应小于网络节点i配备的机框数量， 式（13)表示决策变量da)，η1 (ihy⑴的取值范围为正整数； 3. SINEL模型可通过拉格朗日松弛分解为3个问题： 根据SINEL模型的约束条件的难易程度以及决策变量间的依赖关系，对约束（5) (8) (9)进行松弛，将式（5) (8) (9)转变为惩罚项加到目标函数上，当约束（5) (8) (9)被违反时， 惩罚项为正值，将增大目标函数值，即"惩罚"目标函数，惩罚项系数又称拉格朗日乘子，分 别为入2(1)，且入々），λ2α)，λ3α，_?)彡〇,用向量λ表示所有的拉 格朗日乘子系数，即Λ = ( λ ρ λ 2, λ 3)彡〇,其中：λ工=(λ工⑴，λ工⑵，…，λ JlN!))， λ2 = (λ2(1)，λ2(2)，…，λ2(|Ν|))，λ3 = (λ3(1，1)，λ3(2,2)，…，λ3(|Ν|，|N|))，则 对SINEL模型进行拉格朗日松弛后为 ：
s. t.约束条件⑵（3) (4) (6) (7) (10) (11) (12) (13) 将式（14)中的Λ看成常量，则Ζ(Λ)可以分解为以下3个独立的子问题： Z (A) = Zi (A) +Z2 (A) +Z3 (A) (15)
业务路由子问题：
s. t约束条件（2) (3) (4)
虚拟拓扑设计子问题：
s. t.约束条件（6) (7)
资源配置子问题：
s.t.约束条件（10) (11) (12) (13); 4) 业务路由子问题求解如下： 将式⑷带入式（16)得到：
令 w(i，j) = (pt+λ 3(i，j))，表示链路（i，j)的权值，则 Σ p e P(ii, j {χ(ρ) · Σ i, j eN[Pt+X 3(i，J·)] · δ (p，i，j)}表示业务需求d(ii, jj)的路径的带权长度，因此，Z1 Λ最 小化问题就转变成链路权值为w(i，j)的最短路由问题，可使用Dijkstra方法在多项式时 间内求解； 5) 虚拟拓扑设计子问题求解如下： 由于网络结点的活跃接口数不能超过该结点的最大接口数，因此可添加以下约束：
式（20)表示所有以结点i为起点的链路使用的接口不超过结点i的总接口，式（21) 表示所有以结点i为终点的链路使用的接口不超过结点i的总接口，Ζ2(Λ)取最小值时，满 足： 当 λΑΗλΑΟ-λΑ，j) · α · C 彡 0 时，决策变量 d' (i，j)=0. 当 λ 丄⑴ + 入 2(」)-λ 3(i，j) · α · C < 0 时，令 ω (i，j) = -[ λ 丄（；〇 + λ 2(」)-λ 3(i， j) · α · C] > 0， 则决策变量d' (i，j)的值可由以下整数线性规划问题求得：
s. t.约束条件（6) (7) (20) (21) 为了降低求解的复杂度，使用式（23)的启发式解法，即根据结点的所有链路权值 ω (i，j)的相对大小，按比例确定决策变量d' (i，j)的值，
6)资源配置子问题求解如下： 资源配置子问题需要按需决定活跃的机框、线卡和接口等网络资源，才能使23(人）最 小，当每个网络结点i的决策变量da)确定后，决策变量n1 (i)和nli)的值越小，Ζ3( Λ) 值越小，因此约束（10) (11) (12)可改写为：
Ζ3(Λ)达到最小时必然满足：
由于网络每个结点活跃的接口数至少应该能处理以该结点为源结点和目的结点的业 务需求，因此增加以下约束：
式（28)表示每个结点的活跃接口至少能够传输以该结点为源结点的业务需求，式 (29)表示每个结点的活跃接口至少能够接收以该结点为目的结点的业务需求，根据式 (24) (25) (26) (27)，式（18)可改写为：
因此，很容易求得Ζ3(Λ)最优解： 当
当
时 n1 (i) = mc (i) · m1 · m1 (32) 将式（31)(32)带入式（24)(25)可以求得决策变量r^a)和nli)的值； 7) 子问题的解通过makeSolutionFeasible (使解可行）方法进行可行化处理， makeSolutionFeasible方法的步骤如下： ① 根据业务路由子问题的解获取决策变量χ(ρ)和t(i，j)的值， ② 由式（5)得
据此计算d' (i，j); ③ 由式⑶和（9)得η1⑴=max{ Σ」εΝ(Γ (i，j)，Σ」eNcT (j，i)}，据此计算n1 (i); ④ 分别由式（24)和（25)计算n1⑴和nli); ⑤ 由式⑴计算Ζ(Λ); ⑥ 若η1⑴彡nf⑴· m1 · mp，则结果为Ζ (Λ)，否则结果为-Ζ (Λ)，表示可行化失败； 8) 通过可行化处理得到的可行解使用improveSolution(改进解）方法进行改进，获得 次优解，improveSolution方法步骤如下： ① 将Pmin初始化为当前的可行解Ζ(Λ); ② 若没有未处理的且具有最小利用率的链路，则转到步骤⑦； ③ 对一条未处理且具有最小利用率的链路（i，j)，若其利用率低于50%，则使其睡眠， 否则转到步骤⑦； ④ 如果网络非连通，则恢复链路（i，j)为活动状态，否则求解业务路由子问题，并对其 解进行可行化处理； ⑤ 若可行化成功，且可行化后的网络功耗power小于pmin，则将power赋值给pmin，否则 将链路（i，j)恢复到活动状态； ⑥ 如果还有未处理的且具有最小利用率的链路，则转到步骤②； ⑦ 方法计算的结果为; 9) 在求解子问题时，Λ被看成常量，因此每个子问题可独立求解，但是拉格朗日乘子 向量Λ作为各个子问题相互作用的纽带，维系着子问题间的依赖关系，SINEL模型的每个 次优解对应Λ的一个取值，因此，可通过寻找最优的Λ，从而得到更好的次优解，利用次梯 度法设计LR方法求解该问题，LR方法的步骤如下： ①将Λ初始化为0,根据式（33) (34)计算Zlb和Zub，并将Zub赋值给Zmin和ρ，将β设 置为2, iteration_counter初始化为0, k初始化为1 ;
② 若k等于iteration_number，则结束本方法； ③ 求解3个子问题，并将iteration_counter加 1，再使用makeSolutionFeasilbe方法 对子问题进行可行化处理； ④ 若可行化失败，则依次遍历所有Ι^α) >π^α) ?m1·!!!15的结点i，使用下式计算δ 的值
若s的值大于2,则将δ赋值为2,再对所有的结点j，由式子λ a，j) = λ a，j) · δ 和 λ (j，i) = λ (j，i) · δ 计算 λ (i，j)和 λ (j，i); ⑤ 若可行化成功，则将可行化结果赋值给P，并采用improveSolution方法优化可行 解，若improveSolution方法优化后的网络功耗比当前的最小的网络功耗Z min小，则更新 Zmin和为优化后的网络功耗，将当前解赋给当前最好次优级解bstSolution，并将循环计数 iteration_counter 设置为 0 ; ⑥ 若循环计数iteration_counter不小于iteration_threshold，则将β减半，将 iteration_counter 重赋值为 0 ; ⑦ 根据式（35) (36) (37)计算Si、S和Θ
⑧ 若Θ小于ε，则由Λ = Λ+Θ重新计算Λ ; ⑨ 遍历Λ中的所有λ，若λ小于〇,则将λ重赋值为〇 ; ⑩ 将k加1，转到步骤②。
【文档编号】H04L12/70GK104113473SQ201310136985
【公开日】2014年10月22日 申请日期:2013年4月19日 优先权日:2013年4月19日
【发明者】郭兵, 沈艳, 伍元胜, 徐阔海, 李鹏, 夏俊, 马波 申请人:成都赛恩泰科技有限公司