一種分布式網(wǎng)絡(luò)流量自組織調(diào)度方法
【專利摘要】本發(fā)明提供一種適用于分布式網(wǎng)絡(luò)環(huán)境中的網(wǎng)絡(luò)流量調(diào)度方法，流量調(diào)度過(guò)程中采用基于卡爾曼濾波的網(wǎng)絡(luò)流量預(yù)測(cè)方法對(duì)分布式網(wǎng)絡(luò)流量中心采集的流量進(jìn)行預(yù)測(cè)，由于分布式網(wǎng)絡(luò)環(huán)境中流量調(diào)度模型是一個(gè)多維背包問(wèn)題，這是一個(gè)NP問(wèn)題，同時(shí)結(jié)合預(yù)測(cè)流量和各網(wǎng)絡(luò)時(shí)延等因素，解這個(gè)NP問(wèn)題，得到一個(gè)優(yōu)化的調(diào)度結(jié)果，使得通過(guò)流量調(diào)度以后，分布式網(wǎng)絡(luò)能夠在服務(wù)器承載能力范圍內(nèi)最大比例地訪問(wèn)服務(wù)器，同時(shí)報(bào)文傳播時(shí)延及跳數(shù)等最小化，實(shí)現(xiàn)負(fù)載均衡的目的，流量調(diào)度效果最佳。應(yīng)用本方法可以實(shí)現(xiàn)分布式網(wǎng)絡(luò)流量的高效預(yù)測(cè)和高利用率、低消耗的流量調(diào)度。
【專利說(shuō)明】一種分布式網(wǎng)絡(luò)流量自組織調(diào)度方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明是一種適用于分布式網(wǎng)絡(luò)（Distributed Network)環(huán)境中，采用基于卡 爾曼濾波（Kalman filtering)的流量預(yù)測(cè)和基于果蠅優(yōu)化（Fruit Fly Optimization Algorithm，F(xiàn)0A)的流量調(diào)度方案，實(shí)現(xiàn)分布式網(wǎng)絡(luò)環(huán)境中的流量負(fù)載均衡。本技術(shù)屬于計(jì) 算機(jī)網(wǎng)絡(luò)領(lǐng)域。

【背景技術(shù)】
[0002] 隨著網(wǎng)絡(luò)時(shí)代特別是寬帶時(shí)代的到來(lái)，網(wǎng)絡(luò)更加貼近人們的日常生活，計(jì)算機(jī)網(wǎng) 絡(luò)與傳統(tǒng)產(chǎn)業(yè)的結(jié)合日漸緊密，網(wǎng)絡(luò)用戶對(duì)互聯(lián)網(wǎng)的依賴性也越來(lái)越大。網(wǎng)絡(luò)中用戶越來(lái) 越多，用戶的需求也多種多樣，對(duì)網(wǎng)絡(luò)的要求產(chǎn)生巨大的壓力。深入分析網(wǎng)絡(luò)的運(yùn)行狀況可 以發(fā)現(xiàn)，網(wǎng)絡(luò)帶寬大幅增加，但網(wǎng)絡(luò)使用效率卻沒(méi)有成正比的提升，網(wǎng)絡(luò)資源利用率低。而 分布式網(wǎng)絡(luò)的產(chǎn)生具有極大的意義，分布式網(wǎng)絡(luò)是由分布在不同地點(diǎn)且具有多個(gè)終端的節(jié) 點(diǎn)機(jī)互連而成。分布式網(wǎng)絡(luò)中，各個(gè)網(wǎng)絡(luò)獨(dú)立控制，中央控制中心只需要進(jìn)行整體調(diào)度。在 分布式系統(tǒng)中，不強(qiáng)調(diào)集中控制的概念，具有一個(gè)以全局控制中心為基礎(chǔ)的分層控制結(jié)構(gòu)， 但是每個(gè)分布式網(wǎng)絡(luò)都具有高度的自主權(quán)。分布式網(wǎng)絡(luò)大大降低了網(wǎng)絡(luò)中全局控制中心的 壓力，使得網(wǎng)絡(luò)具有更高的效率及安全性。
[0003] 網(wǎng)絡(luò)流量是網(wǎng)絡(luò)業(yè)務(wù)的最直接載體，網(wǎng)絡(luò)流量的調(diào)度問(wèn)題，能夠直接反映網(wǎng)絡(luò)性 能的好壞，也會(huì)直接影響網(wǎng)絡(luò)性能，理想狀態(tài)的網(wǎng)絡(luò)應(yīng)當(dāng)能夠承載任何突發(fā)流量，突發(fā)流量 很容易導(dǎo)致網(wǎng)絡(luò)整體性能的下降，將會(huì)導(dǎo)致網(wǎng)絡(luò)性能嚴(yán)重下降。并且隨著網(wǎng)絡(luò)用戶傳遞的 信息不斷豐富，在網(wǎng)絡(luò)帶寬緊張、成本昂貴的情況下，解決帶寬與網(wǎng)絡(luò)業(yè)務(wù)之間的矛盾，構(gòu) 建快速、穩(wěn)定、高質(zhì)量的網(wǎng)絡(luò)，保障關(guān)鍵網(wǎng)絡(luò)業(yè)務(wù)傳輸質(zhì)量，實(shí)現(xiàn)網(wǎng)絡(luò)資源的充分利用，成為 現(xiàn)代化網(wǎng)絡(luò)需要解決方案的重要組成部分?；ヂ?lián)網(wǎng)覆蓋范圍廣、接入用戶多、承載業(yè)務(wù)復(fù) 雜。對(duì)于現(xiàn)代化網(wǎng)絡(luò)覆蓋范圍廣泛，線路資源有限，高速帶寬費(fèi)用昂貴，快速增加的業(yè)務(wù)流 量與有限的帶寬資源之間的矛盾，使得網(wǎng)絡(luò)上的流量很容易產(chǎn)生擁塞，導(dǎo)致業(yè)務(wù)延時(shí)增加、 流量抖動(dòng)，用戶網(wǎng)絡(luò)需求無(wú)法滿足。因此，網(wǎng)絡(luò)流量調(diào)度技術(shù)非常重要，分析網(wǎng)絡(luò)流量特性， 優(yōu)化網(wǎng)絡(luò)流量調(diào)度性能，是網(wǎng)絡(luò)流量工程的重要方面。
[0004] 網(wǎng)絡(luò)流量調(diào)度就是針對(duì)目前網(wǎng)絡(luò)快速發(fā)展、網(wǎng)絡(luò)規(guī)模飛速擴(kuò)大的環(huán)境下，對(duì)存在 的網(wǎng)絡(luò)盲目擴(kuò)張、資源利用率低、流量總體不均衡等問(wèn)題，通過(guò)對(duì)網(wǎng)絡(luò)流量的采集和流量分 析，采用基于果蠅優(yōu)化的流量調(diào)度算法，實(shí)現(xiàn)對(duì)流量的調(diào)度與調(diào)整，使得流量按需調(diào)度，提 升對(duì)用戶的服務(wù)水平，提高網(wǎng)絡(luò)資源的利用率，使網(wǎng)絡(luò)調(diào)整工作實(shí)現(xiàn)可知、可控，達(dá)到工作 集中化、信息化、規(guī)范化的要求。


【發(fā)明內(nèi)容】

[0005] 技術(shù)問(wèn)題：本發(fā)明的目的是提供一種分布式網(wǎng)絡(luò)環(huán)境下流量調(diào)度方法，采用基于 卡爾曼濾波的網(wǎng)絡(luò)流量預(yù)測(cè)和基于果蠅優(yōu)化算法的流量調(diào)度相結(jié)合的方法，實(shí)現(xiàn)分布式網(wǎng) 絡(luò)流量調(diào)度。通過(guò)本方法可以實(shí)現(xiàn)分布式網(wǎng)絡(luò)流量的高效預(yù)測(cè)和高利用率、低消耗的流量 調(diào)度。
[0006] 技術(shù)方案：本發(fā)明的方法采用基于卡爾曼濾波的網(wǎng)絡(luò)流量預(yù)測(cè)和基于果蠅優(yōu)化算 法的流量調(diào)度相結(jié)合的調(diào)度方案，實(shí)現(xiàn)分布式網(wǎng)絡(luò)中流量調(diào)度。分布式流量調(diào)度模型分為 流量采集與預(yù)測(cè)階段、流量調(diào)度兩個(gè)模塊。流量采集與預(yù)測(cè)模塊分為流量采集和流量預(yù)測(cè)， 分布式服務(wù)器端采用時(shí)間窗機(jī)制對(duì)流量進(jìn)行采集，提高流量采集的效率，DHT網(wǎng)絡(luò)由網(wǎng)絡(luò)中 受控節(jié)點(diǎn)探測(cè)周圍在線鄰居節(jié)點(diǎn)流量完成采集工作，SDN網(wǎng)絡(luò)是在控制器中統(tǒng)計(jì)所有經(jīng)過(guò) 包的信息完成流量采集工作，這些網(wǎng)絡(luò)根據(jù)每一時(shí)間段采集的流量用流量預(yù)測(cè)算法進(jìn)行預(yù) 測(cè)，預(yù)測(cè)算法采用基于卡爾曼濾波的流量預(yù)測(cè)方法；流量調(diào)度階段是針對(duì)每個(gè)網(wǎng)絡(luò)發(fā)送的 預(yù)測(cè)流量根據(jù)流量調(diào)度算法完成分布式網(wǎng)絡(luò)流量調(diào)度，流量調(diào)度模型有兩個(gè)關(guān)鍵參數(shù)，是 受調(diào)度的訪問(wèn)流量總和及傳播時(shí)延，在滿足受調(diào)度的訪問(wèn)流量小于等于服務(wù)器承載流量的 條件下訪問(wèn)流量最大并且傳播時(shí)延最小。
[0007] 分布式網(wǎng)絡(luò)環(huán)境下流量調(diào)度包含在以下具體步驟中：
[0008] 初始場(chǎng)景設(shè)置：
[0009] 初始場(chǎng)景設(shè)置：
[0010] 步驟1)設(shè)置分布式網(wǎng)絡(luò)環(huán)境參數(shù)：分布式網(wǎng)絡(luò)可控流量中心數(shù)量及產(chǎn)生的流量； 可訪問(wèn)的服務(wù)器數(shù)量；每個(gè)服務(wù)器可承載的訪問(wèn)流量能力；分布式網(wǎng)絡(luò)中的節(jié)點(diǎn)到達(dá)服務(wù) 器的平均時(shí)延以及經(jīng)過(guò)的跳數(shù)等；
[0011] 分布式網(wǎng)絡(luò)流量調(diào)度：
[0012] 步驟2)各分布式網(wǎng)絡(luò)環(huán)境開(kāi)始進(jìn)行流量采集，分布式服務(wù)器端采用時(shí)間窗機(jī)制 對(duì)流量進(jìn)行采集，提高流量采集的效率，DHT網(wǎng)絡(luò)即分布式哈希網(wǎng)絡(luò)，由網(wǎng)絡(luò)中受控節(jié)點(diǎn)探 測(cè)周圍在線鄰居節(jié)點(diǎn)流量完成采集工作，SDN網(wǎng)絡(luò)即軟件定義網(wǎng)絡(luò)，是在控制器中統(tǒng)計(jì)所有 經(jīng)過(guò)包的信息完成流量采集工作；
[0013] 步驟3)分布式網(wǎng)絡(luò)每個(gè)網(wǎng)絡(luò)流量中心收集到的網(wǎng)絡(luò)流量采用流量預(yù)測(cè)算法進(jìn)行 預(yù)測(cè)，預(yù)測(cè)算法采用基于卡爾曼濾波的預(yù)測(cè)方法；
[0014] 步驟4)分布式網(wǎng)絡(luò)的集中控制服務(wù)器端對(duì)每個(gè)網(wǎng)絡(luò)流量中心發(fā)送的預(yù)測(cè)結(jié)果進(jìn) 行流量調(diào)度，流量調(diào)度的影響因素有分布式網(wǎng)絡(luò)各網(wǎng)絡(luò)產(chǎn)生的流量以及網(wǎng)絡(luò)流量到達(dá)各個(gè) 服務(wù)器的平均時(shí)延及跳數(shù)等，即在滿足受調(diào)度的訪問(wèn)流量小于等于服務(wù)器承載流量的條件 下訪問(wèn)流量最大并且傳播時(shí)延最小；
[0015] 步驟5)集中控制服務(wù)器端將調(diào)度結(jié)果發(fā)送給每個(gè)流量中心；
[0016] 步驟6)分布式網(wǎng)絡(luò)各流量中心在收到命令后，將根據(jù)調(diào)度結(jié)果訪問(wèn)服務(wù)器。
[0017] 所述的流量預(yù)測(cè)過(guò)程采用基于卡爾曼濾波的流量預(yù)測(cè)，卡爾曼濾波如下，
[0018] 卡爾曼濾波模型假設(shè)k時(shí)刻的真實(shí)狀態(tài)是從（k-Ι)時(shí)刻的狀態(tài)演化而來(lái)，符合下 式:X k = FA-i+BkUk+Wk
[0019] Zk = HkXk+Vk
[0020] 其中，XK系統(tǒng)在時(shí)刻K的狀態(tài)，
[0021] Ζκ對(duì)狀態(tài)的觀測(cè)值，
[0022] Uk是k時(shí)刻對(duì)系統(tǒng)的控制量，
[0023] Wk表示過(guò)程的噪聲，并假定其符合均值為零，協(xié)方差矩陣為Qk的多元正態(tài)分布，
[0024] Vk是觀測(cè)噪聲，其均值為零，其協(xié)方差矩陣為Rk，且服從正態(tài)分布，
[0025] Fk，Bk，Hk是系統(tǒng)參數(shù)，對(duì)于多模型系統(tǒng)，他們?yōu)榫仃嚒?br> [0026] 所述的卡爾曼濾波的操作包括預(yù)測(cè)與更新兩個(gè)階段：在預(yù)測(cè)階段，濾波器使用上 一狀態(tài)的估計(jì)，做出對(duì)當(dāng)前狀態(tài)的估計(jì)；在更新階段，濾波器利用對(duì)當(dāng)前狀態(tài)的觀測(cè)值優(yōu)化 在預(yù)測(cè)階段獲得的預(yù)測(cè)值，以獲得一個(gè)更精確的新估計(jì)值。
[0027] 所述的卡爾曼濾波，其計(jì)算流程為：
[0028] 預(yù)測(cè)階段：
[0029] 預(yù)測(cè)狀態(tài)

【權(quán)利要求】
1. 一種分布式網(wǎng)絡(luò)環(huán)境下流量調(diào)度方法，其特征在于該方法包含在以下的具體步驟： 分布式網(wǎng)絡(luò)環(huán)境下流量調(diào)度步驟如下： 初始場(chǎng)景設(shè)置： 步驟1)設(shè)置分布式網(wǎng)絡(luò)環(huán)境參數(shù)：分布式網(wǎng)絡(luò)可控流量中心數(shù)量及產(chǎn)生的流量；可訪 問(wèn)的服務(wù)器數(shù)量；每個(gè)服務(wù)器可承載的訪問(wèn)流量能力；分布式網(wǎng)絡(luò)中的節(jié)點(diǎn)到達(dá)服務(wù)器的 平均時(shí)延以及經(jīng)過(guò)的跳數(shù)等； 分布式網(wǎng)絡(luò)流量調(diào)度： 步驟2)各分布式網(wǎng)絡(luò)環(huán)境開(kāi)始進(jìn)行流量采集，分布式服務(wù)器端采用時(shí)間窗機(jī)制對(duì)流 量進(jìn)行采集，提高流量采集的效率，DHT網(wǎng)絡(luò)即分布式哈希網(wǎng)絡(luò)，由網(wǎng)絡(luò)中受控節(jié)點(diǎn)探測(cè)周 圍在線鄰居節(jié)點(diǎn)流量完成采集工作，SDN網(wǎng)絡(luò)即軟件定義網(wǎng)絡(luò)，是在控制器中統(tǒng)計(jì)所有經(jīng)過(guò) 包的信息完成流量采集工作； 步驟3)分布式網(wǎng)絡(luò)每個(gè)網(wǎng)絡(luò)流量中心收集到的網(wǎng)絡(luò)流量采用流量預(yù)測(cè)算法進(jìn)行預(yù) 測(cè)，預(yù)測(cè)算法采用基于卡爾曼濾波的預(yù)測(cè)方法； 步驟4)分布式網(wǎng)絡(luò)的集中控制服務(wù)器端對(duì)每個(gè)網(wǎng)絡(luò)流量中心發(fā)送的預(yù)測(cè)結(jié)果進(jìn)行流 量調(diào)度，流量調(diào)度的影響因素有分布式網(wǎng)絡(luò)各網(wǎng)絡(luò)產(chǎn)生的流量以及網(wǎng)絡(luò)流量到達(dá)各個(gè)服務(wù) 器的平均時(shí)延及跳數(shù)等，即在滿足受調(diào)度的訪問(wèn)流量小于等于服務(wù)器承載流量的條件下訪 問(wèn)流量最大并且傳播時(shí)延最小； 步驟5)集中控制服務(wù)器端將調(diào)度結(jié)果發(fā)送給每個(gè)流量中心； 步驟6)分布式網(wǎng)絡(luò)各流量中心在收到命令后，將根據(jù)調(diào)度結(jié)果訪問(wèn)服務(wù)器。
2. 根據(jù)權(quán)利要求1所述的一種分布式網(wǎng)絡(luò)環(huán)境下流量調(diào)度方法，其特征在于所述的流 量預(yù)測(cè)過(guò)程采用基于卡爾曼濾波的流量預(yù)測(cè)，卡爾曼濾波如下， 卡爾曼濾波模型假設(shè)k時(shí)刻的真實(shí)狀態(tài)是從（k-Ι)時(shí)刻的狀態(tài)演化而來(lái)，符合下式：Xk =FA-i+BA+Wk Zk = HkXk+Vk 其中，XK系統(tǒng)在時(shí)刻K的狀態(tài)， Ζκ對(duì)狀態(tài)的觀測(cè)值， Uk是k時(shí)刻對(duì)系統(tǒng)的控制量， Wk表示過(guò)程的噪聲，并假定其符合均值為零，協(xié)方差矩陣為Qk的多元正態(tài)分布， Vk是觀測(cè)噪聲，其均值為零，其協(xié)方差矩陣為Rk，且服從正態(tài)分布， Fk，Bk，Hk是系統(tǒng)參數(shù)，對(duì)于多模型系統(tǒng)，他們?yōu)榫仃嚒?br> 3. 根據(jù)權(quán)利要求2所述的一種分布式網(wǎng)絡(luò)環(huán)境下流量調(diào)度方法，其特征在于所述的卡 爾曼濾波的操作包括預(yù)測(cè)與更新兩個(gè)階段：在預(yù)測(cè)階段，濾波器使用上一狀態(tài)的估計(jì)，做出 對(duì)當(dāng)前狀態(tài)的估計(jì)；在更新階段，濾波器利用對(duì)當(dāng)前狀態(tài)的觀測(cè)值優(yōu)化在預(yù)測(cè)階段獲得的 預(yù)測(cè)值，以獲得一個(gè)更精確的新估計(jì)值。
4. 根據(jù)權(quán)利要求2所述的一種分布式網(wǎng)絡(luò)環(huán)境下流量調(diào)度方法，其特征在于所述的卡 爾曼濾波，其計(jì)算流程為： 預(yù)測(cè)階段： 預(yù)測(cè)狀態(tài).
預(yù)測(cè)估計(jì)協(xié)方差矩陣
更新階段： 測(cè)量余量

測(cè)量余量協(xié)方差 最優(yōu)卡爾曼增益 用以上公式跟新濾波器變量X和P: 更新的狀態(tài)估計(jì)
更新的協(xié)方差估計(jì)
在每個(gè)流量控制中心通過(guò)預(yù)測(cè)算法最大精度地預(yù)測(cè)下一階段的流量，并將預(yù)測(cè)結(jié)果 發(fā)送到集中控制服務(wù)器端，集中控制服務(wù)器端根據(jù)調(diào)度算法對(duì)分布式網(wǎng)絡(luò)中的流量進(jìn)行調(diào) 度。
5.根據(jù)權(quán)利要求2所述的一種分布式網(wǎng)絡(luò)環(huán)境下流量調(diào)度方法，其特征在于所述的對(duì) 分布式網(wǎng)絡(luò)中的流量進(jìn)行調(diào)度，其求解的本質(zhì)就是在滿足一些資源約束的前提下，從候選 對(duì)象集中發(fā)現(xiàn)一個(gè)能夠使總的利益函數(shù)值最大的對(duì)象子集； 流量調(diào)度的模型需要滿足兩個(gè)條件：一是調(diào)度向可訪問(wèn)的服務(wù)器的流量小于其最大承 載能力且盡可能調(diào)度多的流量，實(shí)現(xiàn)流量調(diào)度的負(fù)載均衡目的；二是調(diào)度向每一個(gè)資源服 務(wù)器的流量具有最小時(shí)延，減小傳播代價(jià)，更好地實(shí)現(xiàn)流量調(diào)度的目的； 記η為分布式網(wǎng)絡(luò)流量中心的數(shù)量，m為可訪問(wèn)的服務(wù)器的數(shù)量，Tk為第K個(gè)流量產(chǎn)生 區(qū)域到達(dá)可訪問(wèn)的服務(wù)器的代價(jià)，La、Lb等為可訪問(wèn)的服務(wù)器需要的網(wǎng)絡(luò)流量。 記向量氏義，..^}為調(diào)度向量，其中Xk(k e [〇，n])取值為〇或者i，xk取值為1則 第k個(gè)流量中心調(diào)度向服務(wù)器，取0則不調(diào)度； 將調(diào)度向量代入上文描述的約束條件，記調(diào)度向服務(wù)器A的調(diào)度向量為 {aXp aX2,…aXj，向服務(wù)器B的向量為{bXi，bX2,…bXj則
流量調(diào)度模型是一個(gè)多維背包問(wèn)題，采用果蠅優(yōu)化算法對(duì)流量調(diào)度模型求解，得到一 組η維向量矩陣為調(diào)度結(jié)果。
【文檔編號(hào)】H04L29/08GK104219319SQ201410469645
【公開(kāi)日】2014年12月17日 申請(qǐng)日期:2014年9月15日 優(yōu)先權(quán)日:2014年9月15日
【發(fā)明者】肖甫, 趙帥帥, 王汝傳, 韓志杰, 王少輝, 孔維莉 申請(qǐng)人:南京郵電大學(xué)