网络虚拟化环境下高效可靠的资源分配机制

发布时间：2017-11-03 09:28

  本文关键词：网络虚拟化环境下高效可靠的资源分配机制

  更多相关文章： 网络虚拟化 资源分配 虚拟资源匹配 虚拟网络划分 虚拟网络映射 虚拟网络重映射

【摘要】：随着互联网的迅猛发展,网络的用户规模及业务规模不断扩大,传统的IP互联网体系已经难以适应全球网络规模的扩张速度。网络虚拟化作为推动当前互联网发展和创新的重要手段应运而生,它支持多个虚拟网络彼此隔离地共享物理网络资源,能够经济快速地创建虚拟网络,并在虚拟网络上按照用户的需求部署网络业务。高效可靠的资源分配机制是网络虚拟化技术得以推广应用的关键。与传统网络相比,网络虚拟化环境下的网络运营和创建更加灵活多样,在可管理性、成本效益、实时性及安全性等方面有较高的要求。相应地,网络虚拟化环境下的资源分配机制也面临新的挑战：第一资源分配由多个阶段共同完成,因此,既要为各阶段提供解决方法,又要考虑各阶段问的承接关系以形成完整的资源分配机制；第二,资源分配要兼顾经济高效和安全可靠,因此,要从整体角度出发,对资源分配各阶段的高效性和可靠性加以权衡。为了解决以上问题,本文面向资源分配不同阶段(虚拟资源匹配、虚拟网络划分、虚拟网络映射及重映射)的具体需求,对网络虚拟化环境下高效可靠的资源分配机制进行了研究,主要贡献如下：(1)提出一种基于知识描述的虚拟资源匹配方法。针对虚拟资源匹配过程的实用性和精确性问题,新方法先用网络本体语言构建了虚拟资源描述知识库,并用规则查询语言对虚拟网络映射约束的描述方式加以规范；再借助规则查询工具设计了虚拟资源匹配算法。案例分析表明,新方法在保证一定匹配效率的前提下,能支持用户表达多样化的映射约束以及精确的数值属性匹配,为后续虚拟网络划分阶段提供了可靠的依据。(2)提出一种基于遗传算法的虚拟网络划分算法。针对跨域映射中虚拟网络的划分效率与划分方案优化程度间的平衡问题,新算法将划分方案以矩阵形式编码,从多个随机的初始方案开始进行迭代搜索,逐步逼近全局最优解。理论分析证明,新算法可以终止,且搜索空间包含整个解空间。仿真结果表明,新算法提高了虚拟网络划分的求解效率,且其划分方案与最优划分方案的偏差可控制在5%以内。(3)提出一种轻量级的生存性虚拟网络映射方法。针对生存性虚拟网络映射中备份资源分配不合理的问题,新方法根据物理网络的拓扑属性定义物理节点的可恢复度,并在虚拟网络的初始映射中将重要虚拟节点优先映射到可恢复度高的物理节点上。实验表明,新方法有效提高了备份资源的利用率,在不影响映射效率的前提下提高了虚拟网络在受到多节点故障影响时的生存性。(4)提出一种面向多节点故障的虚拟网络重映射方法。针对发生多节点故障时的虚拟网络恢复问题,新方法考虑了物理网络的拓扑和能力属性对重映射的影响,利用混合整数规划,分别以降低失效赔偿、优化可用备份资源的连通性、均衡备份资源负载为目标,提出了三种重映射策略。实验表明,在多节点故障模型下,三种重映射策略分别适用于提高不同物理网络中的重映射成功率,提高基础设施提供商的长期运营利润。
【关键词】：网络虚拟化 资源分配 虚拟资源匹配 虚拟网络划分 虚拟网络映射 虚拟网络重映射
【学位授予单位】：北京邮电大学
【学位级别】：博士
【学位授予年份】：2015
【分类号】：TP393.01
【目录】：

• 摘要5-7
• ABSTRACT7-13
• 第一章 绪论13-21
• 1.1 研究背景与意义13-16
• 1.1.1 研究背景13-14
• 1.1.2 研究意义14-16
• 1.2 研究内容与创新16-18
• 1.3 博士期间工作18
• 1.4 文章组织结构18-21
• 第二章 网络虚拟化环境下的资源分配及研究现状21-41
• 2.1 网络虚拟化环境下的资源分配概述21-28
• 2.1.1 网络虚拟化环境体系架构21-24
• 2.1.2 资源分配基本概念24-28
• 2.2 资源分配研究现状28-41
• 2.2.1 虚拟资源匹配方法研究现状28-30
• 2.2.2 虚拟网络划分方法研究现状30-32
• 2.2.3 虚拟网络映射方法研究现状32-38
• 2.2.4 虚拟网络重映射方法研究现状38-40
• 2.2.5 本文研究目标40-41
• 第三章 基于OWL和SWRL的虚拟资源描述及匹配方法41-52
• 3.1 概述41-42
• 3.2 相关概念介绍42-43
• 3.3 虚拟资源匹配的问题模型与问题描述43-45
• 3.3.1 问题模型44-45
• 3.3.2 问题描述45
• 3.4 基于OWL的虚拟资源描述知识库45-47
• 3.4.1 概念关系45-46
• 3.4.2 属性层次结构46-47
• 3.4.3 概念模型的泛化与修改47
• 3.5 基于SWRL的虚拟资源匹配算法47-49
• 3.5.1 虚拟网络映射约束47-48
• 3.5.2 虚拟资源匹配算法流程48-49
• 3.6 资源匹配案例及算法评估49-51
• 3.7 小结51-52
• 第四章 基于遗传算法的虚拟网络划分方法52-70
• 4.1 概述52-53
• 4.2 相关概念介绍53-54
• 4.3 虚拟网络划分的问题模型与问题描述54-57
• 4.3.1 问题模型54-56
• 4.3.2 问题描述56-57
• 4.4 虚拟网络划分方法57-62
• 4.4.1 变量定义及目标函数57-59
• 4.4.2 GA-partition算法流程59-60
• 4.4.3 GA-partition算法的三种算子60-61
• 4.4.4 算法性质证明61-62
• 4.5 仿真与实验62-68
• 4.5.1 实验工具及环境62-63
• 4.5.2 实验框架63-64
• 4.5.3 虚拟网络划分时间64-65
• 4.5.4 虚拟网络划分方案的优化程度65-66
• 4.5.5 虚拟网络划分方法的稳定性66
• 4.5.6 参数设置原则66-68
• 4.6 小结68-70
• 第五章 基于可恢复度的生存性虚拟网络映射方法70-83
• 5.1 概述70-71
• 5.2 生存性虚拟网络映射的问题模型和问题描述71-73
• 5.2.1 问题模型71-73
• 5.2.2 问题描述73
• 5.3 生存性虚拟网络映射方法73-79
• 5.3.1 物理节点的候选集合73-75
• 5.3.2 物理节点的可恢复度75-77
• 5.3.3 生存性虚拟网络映射77-79
• 5.4 仿真与实验79-82
• 5.4.1 实验环境79-80
• 5.4.2 方法对生存性的改进效果80-81
• 5.4.3 方法的映射能力81-82
• 5.5 小结82-83
• 第六章 面向多节点故障的虚拟网络重映射方法83-94
• 6.1 概述83-84
• 6.2 虚拟网络重映射的问题模型和问题描述84-85
• 6.2.1 问题模型84-85
• 6.2.2 问题描述85
• 6.3 虚拟网络重映射的混合整数规划85-88
• 6.4 仿真与实验88-93
• 6.4.1 实验环境设置89
• 6.4.2 实验框架及流程89-91
• 6.4.3 算法的适用性91-92
• 6.4.4 算法的性能92-93
• 6.4.5 主用比例对性能的影响93
• 6.5 小结93-94
• 第七章 总结与展望94-96
• 7.1 本文总结94-95
• 7.2 未来工作展望95-96
• 参考文献96-101
• 主要缩略语及中英文对照101-102
• 致谢102-103
• 攻读博士学位期间发表的学术论文/发明专利103

，

本文编号：1135618