一种云网络可靠性度量方法
【技术领域】
[0001] 本发明属于网络系统安全性分析领域，具体涉及到一种云网络可靠性的量化方 法。
【背景技术】
[0002] 云计算（Cloud Computing)是一种新兴的商业计算模型，它将计算任务分布在大 量的分布式计算机构成的资源池上，采用付费使用的方式，使各种系统能够根据需要获取 计算能力、存储空间和各种软件服务，这种资源池称为"云"。"云"是一些可以自我维护和 管理的虚拟计算资源，通常为一些大型服务器集群，包括计算服务器、存储服务器、带宽资 源等等。云计算将计算资源集中起来，由软件实现自动管理，无需人为参与这就使得应用提 供者无需为繁琐的细节而烦恼，能够更加专注于自己的业务，有利于创新和降低成本。
[0003] 基于云计算的上述优势，"云"已经具有相当的规模，Google云计算已经拥有100 多万台服务器，Amazon、IBM、Yahoo等公司的"云"均拥有几十万台服务器，这也使得云网络 逐渐成为最复杂的网络之一，因此如何使如此大量的服务器在后端正常运行是云计算系统 高效稳定运行的关键问题。然而云计算系统后端的网络拓扑有别于一般的网络拓扑特征： 它的服务器节点分布广泛，数据流量大，拓扑结构相对复杂，因此迫切需要对云网络可靠性 进行深入分析，以期为云网络控制、运行、检修和规划等决策提供依据。
[0004] 在对现有技术进行分析后，发明人发现目前基于云计算的研究主要集中在软件层 和虚拟化领域，具体分布在云资源分配、任务调度、云服务计费和基于云的应用等方面。但 对于云网络可靠性的评估，由于云网络的复杂性，涉及众多的可靠性因素，云网络上承载的 业务也是多种多样，因此目前业界对云网络的可靠性评估还没有公认的方法。
[0005] 基于目前对于产品级的可靠性评估，尤其是硬件的可靠性评估已经有了比较成熟 的方法，本发明将直接从云网络物理层面入手，将云网络节点及节点间接线均纳入云网络 整体模拟过程，形成整个云网络的等值拓扑模型，并将整个云网络的可靠性分析问题转化 为K-端网络可靠性问题，在此基础上，利用条件概率对网络节点及节点间链路均纳入可靠 性分析过程的云网络进行可靠性分析，很好的适应了云网络发展趋势。
【发明内容】
[0006] 针对现有技术的不足，提出了一种能根据已有物理设备参数及网络拓扑结构对建 设中或运营中的云网络进行可靠性评估、提高计算效率的同时，也提高了可靠性分析的准 确性的云网络可靠性度量方法。本发明的技术方案如下：一种云网络可靠性度量方法，其包 括以下步骤：
[0007] 101、获取云网络节点及链路，形成云网络等值拓扑模型，形成云网络邻接矩阵；
[0008] 102、给云网络指定节点集K，当节点集K中所有节点正常，并且存在连通节点集K 中所有节点的通路时云网络处于可靠状态；
[0009] 103、基于步骤101中的云网络邻接矩阵并结合步骤102中的节点集K求取其不相 交节点集K-的端路径；
[0010] 104、获取t时刻节点和链路的工作效率，并根据步骤103中的基于云网络不相交 节点集K-的端路径，求取t时刻的云网络可靠度R。
[0011] 进一步的，所述步骤101中邻接矩阵生成方法具体包括：
[0012] A1、将云网络中节点按1到m顺序编号；
[0013] A2、若节点i和节点j间存在链路，则矩阵元素 Hili j为边e h
[0014] A3、若节点i和节点j间不存在链路，则矩阵元素 Hili j为0 ;
[0015] A4、矩阵对角线元素定义为1，生成矩阵(；Χηι。
[0016] 进一步的，步骤103中云网络邻接矩阵分解求云网络不相交节点集K-的端路径的 具体步骤为：
[0017] Β1、在邻接矩阵中选择在邻接矩阵中选择元素 Hihk，当k e K时，优先选择该元素；
[0018] B2、根据香农分解公式
将Cnixni分解成为一个m维矩阵 Clko和m-Ι维矩阵Clkl，Clk。的获取方法为：将C ^xni中Hi1,k和Hi1,k均替换为0 ;Clkl的获取方法 为：该元素所在列为k，则将第k行加到第1行，第k列加到第1列，删除第k行第k列；
[0019] B3、并对m维矩阵Clk。和m-Ι维矩阵C lkl进行简化，继续对C lk。和C lkl进行步骤B2 中的香农分解直到所有结果为1和〇,所有输出项即为不相交节点集K-的端路径表达式，
，其中S为云网络可靠性表达式，％表示第i条 路径中出现的节点k，P1表示第i条路径。
[0020] 进一步的，步骤B3中所述的对m维矩阵Clk。和m-Ι维矩阵C lkl进行简化的步骤具 体为：
[0021] CU若矩阵元素包含节点且均不属于K，且该矩阵元素所在行和列所有元
[0022] 素均为0,则删除相应行和列中元素；
[0023] C2、对任意矩阵元素\ j，若i和j均属于K，则1)7表示节点i和j均不可
[0024] 达，该状态下云网络处于不可靠状态，则C1 j。为0 ;
[0025] 进一步的，步骤104中求取不相交节点集K-的端路径概率的计算分两种情况，包 括：
[0026] 步骤B3中所述的对m维矩阵Clk。和m-Ι维矩阵C lkl进行简化的步骤具体为：
[0027] CU若矩阵元素包含节点且均不属于K，且该矩阵元素所在行和列所有元
[0028] 素均为0,则删除相应行和列中元素；
[0029] C2、对任意矩阵元素\ j，若i和j均属于1(，则$_/表示节点i和j均不可
[0030] 达，该状态下云网络处于不可靠状态，则C1 j。为0 ;
[0031] 步骤104中求取不相交节点集K-的端路径概率的计算分两种情况：
[0032] (1)端路径都是边原变量：对于都是边原变量时，将相同的节点合并，多个边原变 量相乘的概率为边原变量中所有端点和链路相乘的概率，即e li2e2i4的概率为：Pr(e li2e2i4) =PrGDPrGJPrCLjPi^eJPi^eJPrU，其中V i表示云网络中节点i，I u表示节点v ; 和Vj之间的链路；
[0033] (2)端路径中既有边原变量又有边反变量：对任一反变量A·,)，若节点i和j均出 现在边原变量中，则用瓦将其代替，若只有一个节点出现在边原变量中，假设为节点i，则用 ^ +?代替。整个云网络的可靠性R可通过如下公式计算：
[0034]
[0035] 本发明的优点及有益效果如下：
[0036] 本发明提供了将云计算网络中节点及链路均纳入云计算网络可靠性分析过程的 方法，而且在形成云计算网络等值拓扑的同时，并没增加网络拓扑复杂性，并且在对网络邻 接矩阵进行变换运算时，是以矩阵元素而不是以节点或者链路作为变换的对象，除了能减 少矩阵运算次数外，还可用于节点与节点间存在多条链路的情况。在最大限度提高计算效 率的同时，也提高了可靠性分析的准确性。
【附图说明】
[0037] 图1是本发明提供实施例整个云网络可靠性分析流程；
[0038] 图2为某云网络基本构造；
[0039] 图3转化后的云网络拓扑模型；
[0040] 图4为云网络拓扑的邻接矩阵；
[0041] 图5为云网络邻接矩阵分解流程。
【具体实施方式】
[0042] 以下结合附图，对本发明作进一步说明：
[0043] 本发明将现有的数据采集设备、前沿的理论技术以及成熟的实施技术相结合。提 出面向节点及节点间链接的整体分析方法，依托云网络的主要元件作为模拟分析方法的基 础，采用矩阵分解和面向整体的拓扑分析方法，得到云网络可靠性参数。分析流程如图1所 示，具体包括如下步骤：
[0044] 首先通获取云网络等值拓扑模型，包括如下步骤：
[0045] (1)获取云网络节点（网络中的各种物理设备，包括主机、交换机、路由器、服务器 等）及链路（两个节点之间的连接关系）。
[0046] (2)根据所获取的节点及连接信息，构成云网络的拓扑模型，将该拓扑模型通过邻 接矩阵的方式反映出来。
[0047] 进一步的，假设云网络基本构造如图2所示，其中服务器1、服务器2和服务器3， 路由器7,用户主机4、用户主机5和用户主机6,均抽象为云网络拓扑中节点1-7,连接主 机、路由器或服务器之间的链路均抽象为网络拓扑中连接各节点的链路，则可得到如图3 所示的云网络拓扑。
[0048] 其中云网络中的节点和链路，均存在正常和失效两种工作状态，节点和链路