一種基于sdn架構(gòu)面向虛擬光網(wǎng)絡(luò)的映射方法
【技術(shù)領(lǐng)域】
[0001 ]本發(fā)明屬于網(wǎng)絡(luò)技術(shù)領(lǐng)域，具體涉及一種基于SDN架構(gòu)面向虛擬光網(wǎng)絡(luò)的映射方 法。
【背景技術(shù)】
[0002] 隨著大數(shù)據(jù)業(yè)務(wù)以及基于云數(shù)據(jù)應(yīng)用的爆發(fā)式增長，網(wǎng)絡(luò)的虛擬化越來越多地被 應(yīng)用于解決傳統(tǒng)網(wǎng)絡(luò)架構(gòu)所解決不了的網(wǎng)絡(luò)擁塞。在所有的虛擬化網(wǎng)絡(luò)問題中，最受關(guān)注 的是虛擬光網(wǎng)絡(luò)映射(virtual optical network embedding，VONE)。光網(wǎng)絡(luò)的虛擬化有著 高速、高帶寬動態(tài)、超大容量和接口豐富的優(yōu)點，而網(wǎng)絡(luò)映則影響著整個網(wǎng)絡(luò)的工作效率。 虛擬光網(wǎng)絡(luò)映射面臨的關(guān)鍵問題主要有:光網(wǎng)絡(luò)傳輸?shù)募s束條件，映射方法的設(shè)計實現(xiàn)以 及網(wǎng)絡(luò)映射的優(yōu)化。
[0003] 網(wǎng)絡(luò)映射是將虛擬網(wǎng)絡(luò)請求中的節(jié)點及鏈路，在滿足約束條件的情況下，映射到 物理光網(wǎng)絡(luò)上，并針對特定的優(yōu)化目標將開銷總和最小化。網(wǎng)絡(luò)的映射影響著整個網(wǎng)絡(luò)的 時延，功耗等服務(wù)質(zhì)量指標(Quality of Service,QoS)。近年來單域內(nèi)的虛擬光網(wǎng)絡(luò)映射 已有了解決方案，而對于多域內(nèi)的虛擬光網(wǎng)絡(luò)映射，以網(wǎng)絡(luò)的可生存性（n e t w 〇 r k sur v i vab i 1 i ty)為優(yōu)化目標，尚未得到很好的解決。網(wǎng)絡(luò)的映射問題已被證明為NP-har d問 題，屬于二次分配問題范疇。
[0004] 由于多域網(wǎng)絡(luò)中上層資源分配給不同的底層網(wǎng)絡(luò)，這不可避免的會造成域間的不 透明性，控制器很難協(xié)調(diào)域內(nèi)傳輸和域間傳輸，而且現(xiàn)有的映射方法中沒有完全考慮到光 網(wǎng)絡(luò)的約束條件和可生存性。例如光網(wǎng)絡(luò)傳輸時需遵守光網(wǎng)絡(luò)鏈路上分頻段的一致性和連 續(xù)性，以及映射鏈路時存在一定的失敗率。因此本申請?zhí)岢鲆环N基于軟件定義網(wǎng)絡(luò)架構(gòu) (software defined network，SDN)的多域虛擬光網(wǎng)絡(luò)映射方案，并通過一種基于種群的全 局搜索和基于個體的局部啟發(fā)式搜索的方法求解，旨在多域并行處理條件下，利用SDN架構(gòu) 中控制平面與數(shù)據(jù)平面分離的優(yōu)勢優(yōu)化多域中網(wǎng)絡(luò)的可存活性。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的在于針對上述現(xiàn)有技術(shù)中的問題，提供一種基于SDN架構(gòu)面向虛擬 光網(wǎng)絡(luò)的映射方法，該方法以中央控制方式，用程序規(guī)劃網(wǎng)絡(luò)，提升多域并行映射的效率， 并采用一種基于種群的全局搜索和基于個體的局部啟發(fā)式搜索的方法映射，在充分考慮光 網(wǎng)絡(luò)的約束條件下，有效降低虛擬網(wǎng)絡(luò)的失敗率。
[0006] 為了實現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案為：
[0007] 步驟1:確定虛擬光網(wǎng)絡(luò)請求和物理底層的各網(wǎng)絡(luò)參數(shù)以及拓撲結(jié)構(gòu)圖，并創(chuàng)建以 V0N-FP值為鏈路權(quán)值的輔助拓撲圖，確定優(yōu)化目標；
[0008] 步驟2:將輔助拓撲圖上的鏈路按V0N-FP值升序排列，根據(jù)虛擬光網(wǎng)絡(luò)請求進行分 類，并按照映射的分類規(guī)則確定映射方式；
[0009] 步驟3:制定一種基于種群的全局搜索和基于個體的局部啟發(fā)式搜索的方法框架， 將分類好的虛擬光網(wǎng)絡(luò)請求用此搜索方法進行求解映射；；
[0010]步驟4:重復(fù)迭代搜索映射的方法得出適應(yīng)度函數(shù)最小時的最優(yōu)映射方案，將該方 案分配給基于SDN的Ν0Χ架構(gòu)進行具體的數(shù)據(jù)計算及流量轉(zhuǎn)發(fā)操作。
[0011 ] 所述的步驟1確定虛擬請求時構(gòu)建Gv(Vv，Ev，Cv，Tv，CDv)無向拓撲圖，Vv是虛擬節(jié) 點的合集，Εν是虛擬鏈路的合集，Cv是節(jié)點上資源的開銷，Tv是鏈路上傳輸?shù)拈_銷，CDv表示 其所屬的域名;物理底層被描述Gs(Dp，Lp)，其中Dp是域的合集，Lp是域間鏈路的集，域間鏈 路空間足夠滿足傳輸開銷，則域名為i的Dp描述為0?1(附31，81，(^^1)，其中附是域中節(jié) 點，Ei是域中鏈路，Bi是域中的邊緣節(jié)點，Ci與Fi分別代表著域中物理節(jié)點上可用的資源和 物理鏈路上可用的頻帶槽，每個頻帶槽容量為12.5GB/s。
[0012]所述的步驟2計算鏈路V0N-FP值，以此值為鏈路的權(quán)值在原物理拓撲圖上創(chuàng)作輔 助拓撲圖，已知L(x，y)表示節(jié)點X跟y之間的域間鏈路，定義P(x，y)為其出錯失敗的概率，那 么該段鏈路的可存活性：
[0013] Survivability(x,y) = l_P(x，y) 〇
[0014] 所述的步驟4定義整個網(wǎng)絡(luò)總的鏈路失敗率為：
[0015] FPVL=l_n (x,y)EVv(l-P(x,y));
[0016] 定義最佳映射方案為適應(yīng)函數(shù)Fitness(x)取最小值時：
[0017]
[0018]根據(jù)虛擬請求進行分類，并按照映射規(guī)則確定映射方式為：
[0019] 1)如果虛擬請求鏈路中兩端節(jié)點都未映射過，且兩節(jié)點所屬域相同，則將其映射 在相同域中；2)如果虛擬請求鏈路中兩端節(jié)點都未映射過，且兩節(jié)點的所屬域有多個共同 的域，映射時隨機選擇一個域;3)如果虛擬請求鏈路兩端節(jié)點的所屬域沒有共同域，則選擇 域間鏈路在輔助圖排序中最靠前的兩個所屬域，將兩節(jié)點分別映射到各自域內(nèi)的邊緣節(jié)點 上;4)如果虛擬請求鏈路一端的節(jié)點已經(jīng)被部署，則將另一端節(jié)點映射在相同域中。
[0020] 制定一種基于種群的全局搜索和基于個體的局部啟發(fā)式搜索的方法框架的具體 方法為：1)確定基于種群的全局搜索和基于個體的局部啟發(fā)式搜索的方法采用文化基因算 法框架2)確定參數(shù)，定義染色體的主機矢量Hf表示它承載在第i個染色體上的虛擬節(jié)點k的 物理節(jié)點，染色體的狀態(tài)矢量Si k表示改染色體的映射狀態(tài)，如果Sik = 0，則對應(yīng)的虛擬節(jié)點 應(yīng)重新映射，否則保持該虛擬節(jié)點的當前映射，mbest定義為本地最好的映射方案，即在當 前迭代適應(yīng)度函數(shù)最佳，nbest定義為到目前為止所獲得的最佳值，NR(u)是一種節(jié)點u的排 序方法，Pv是選擇的概率：
[0021]
[0024] 定義初始化：1)對于物理節(jié)點v，若v屬于Hi且對應(yīng)的Sj為1，則定義這個節(jié)點為可 觸的，反之這個節(jié)點為不可觸;2)對于虛擬節(jié)點u，若對應(yīng)的ski為0則將其列入優(yōu)先隊列PQ 中；3)根據(jù)NR(u)函數(shù)計算所有PQ中的虛擬節(jié)點以及所有不可觸的物理節(jié)點，并將隊列PQ中 的虛擬節(jié)點按NR(u)值降序排列;4)將PQ隊列中的虛擬節(jié)點u按NR(u)值由大到小出列，建立 一張由物理節(jié)點v構(gòu)成的候選表CL(v)，入選表的物理節(jié)點必須為不可觸且剩余節(jié)點資源滿 足資源需求，以Pv的概率從CL(v)中選出物理節(jié)點v去映射虛擬節(jié)點u; 5)反復(fù)步驟4)，直到 PQ隊列為空。
[0025] 執(zhí)行基于種群的全局搜索和基于個體的局部啟發(fā)式搜索的方法為：1)設(shè)置nbest 至lJ+~，所有的狀態(tài)矢量Sf歸零，初始化所有染色體的主機矢量Hi，再隨機設(shè)置Sik至1，對于 每一個染色體，檢查其可行性并計算其適應(yīng)度函數(shù)F(X)，計算當前種群的mbest并設(shè)置 nbest =mbest; 2)通過選擇、交叉和變異產(chǎn)生新的子代，選擇即選擇具有最小適應(yīng)度函數(shù)F (X)的染色體，并把它放入下一子代中，把剩余的染色體歸入隊列TQ;交叉變異即將隊列TQ 中剩余可行的染色體進行配對，然后以交叉概率Pc進行交叉得到兩個新的染色體;變異即 對隊列中產(chǎn)生的新的染色體以Pm的概率進行變異;最后將這些新的染色體放入下一代中； 3)模擬退火算法進行局部搜索，對于隊列TQ中所有的染色體，用模擬退火算法進行本地搜 索，選出不同區(qū)域中的精英染色體;當系統(tǒng)T的溫度低于預(yù)定義的Tmin時，請執(zhí)行以下操作： 通過移動檢測不同染色體的適應(yīng)度函數(shù)，如果適應(yīng)度函數(shù)減小，接受它，否則，以Ph的概率 接受它;然后系統(tǒng)T以衰減因子r進行退溫:T(n+l)=r*T(n);4)根據(jù)光網(wǎng)絡(luò)約束條件篩選染 色體，重初始化，將不能滿足光網(wǎng)絡(luò)約束條件染色體的適應(yīng)度函數(shù)f( x)置為+~，出列隊列 TQ中所有適應(yīng)度函數(shù)f(x)為+~的染色體，將這些不可行的染色體的狀態(tài)矢量SJ置零，并將 其主機矢量Hi用初始化，初始化完成后再隨機設(shè)置Sf至1，最后將這些更新后的染色體放入 下一子代中；5)初始化更新每一個染色體主機矢量出，檢查可行性，計算適應(yīng)度函數(shù)，并且 更新mbest，若比上一代更優(yōu)，更新nbest;6)重復(fù)上述步驟1)至步驟5)，直到到達迭代的最 大數(shù)目，最后輸出nbest為虛擬光網(wǎng)絡(luò)映射的解決方案。
[0026] 步驟4將基于種群的全局搜索和基于個體的局部啟發(fā)式搜索的方法求解的得到的 映射方案分配給Ν0Χ架構(gòu)進行處理的方法為:根據(jù)Ν0Χ架構(gòu)將數(shù)據(jù)傳輸和計算路由方案分開 分別由Ν-Ν0Χ和Ρ-Ν0Χ負責(zé);Ν-Ν0Χ作為局部控制器用于數(shù)據(jù)轉(zhuǎn)發(fā);Ρ-Ν0Χ作為全局控制器負 責(zé)從應(yīng)用層通過網(wǎng)管協(xié)議接受請求，統(tǒng)計從局部控制器通過OpenFlow協(xié)議傳來的資源信 息，分析計算路由方案并通知各個域內(nèi)的局部路由器。
[0027] 與現(xiàn)有技術(shù)相比，本發(fā)明具有如下的有益效果:通過制定基于種群的全局搜索和 基于個體的局部啟發(fā)式搜索的方法框架，將分類好的虛擬光網(wǎng)絡(luò)請求用此搜索方法進行求 解映射，最后將映射方案分配給基于SDN的Ν0Χ架構(gòu)進行具體的數(shù)據(jù)計算及流量轉(zhuǎn)發(fā)操作， 采用Ν0Χ架構(gòu)部署，能夠有效提升多域虛擬光網(wǎng)絡(luò)映射的效率，并降低映射后整個網(wǎng)絡(luò)的失 敗率。
[0028