论文部分内容阅读
互联网业务的爆炸式增长和需求多样化,给传统的互联网结构带来了许多挑战,使其僵化现象日趋明显。若提出一种全新的互联网架构来解决这一问题,将导致现有互联网结构、路由器软件和硬件的根本性变化;加之互联网的“多供应商”特性,需要多个互联网业务提供商(Internet Service Providers,ISPs)对网络架构变化的共同认可。这些因素将会使得全新的互联网架构的出现面临重重阻力。这时网络虚拟化(Network Virtualization,NV)技术就应运而生了。在网络虚拟化环境(Network Virtualization Environment,NVE)中,多个虚拟网络(Virtual Network,VN)可能被映射到同一个底层物理网络上,以实现底层物理网络资源的透明共享。而网络虚拟化中面临的一个重要挑战是如何有效的实现虚拟网络(VN)到基础设施网络(Infrastructure)的映射。高效的虚拟网络映射策略可以提高底层物理网络资源的效用,进而提高InP的收益;同时也可以有效的降低用户的运维成本。因此,如何有效的实现虚拟网络的映射,是当前网络虚拟化领域中的一个研究重点。本文在第一章中主要叙述了网络虚拟化的定义、网络虚拟化的相关研究,以及虚拟网络映射问题和研究现状。第二章提出和研究了针对弹性资源需求的VN请求实现最优资源分配的问题,研究中考虑到了VN链路的分流映射和不分流映射两种不同的应用场景的需求。采用混合整数线性规划方法对该问题进行了数学优化建模;将路径的传输延迟和可用性两个重要参数引入到了模型中,以改善业务质量(Quality of Service,QoS)。针对该问题的优化模型提出了基于遗传算法的启发式算法。第三章提出并研究了考虑底层物理网络资源约束的抗毁虚拟网络映射(SVNM)问题。在研究中将所有可能的失效划分成若干个失效域,只需要为每个失效域预留保护资源即可。而多个失效域的保护资源之间可能有交叠,通过冗余消除(即去除这些交叠资源)还可以达到节约资源的目的。在该研究中,给出了SVNM问题的数学优化模型,并针对该模型提出了两类启发式算法:i)、基于拉格朗日松弛的算法,LR-SVNM;ii)、基于分解思想的启发式算法,H-SVNM。第四章提出和研究了资源需求为随机变量的VN请求的在线映射问题(Stochastic Virtual Network Mapping,StoVNM)。在该问题的研究中,用服从正态分布的随机变量来更贴切的描述VN链路带宽资源请求的动态变化特性。在VN链路映射时通过随机复用,有效的减少了带宽资源需求量,达到了节约资源的目的。文中将StoVNM问题建模成一个混合整数线性规划问题,并针对该模型提出了基于滑动窗口思想的启发式算法(w-StoVNM)。第五章提出和研究了如何最优的为动态演进(主要指拓扑结构变化)的VN请求分配资源的问题。当VN请求变化后,需要在高效、合理的使用底层物理资源的前提下,对演进变化后的VN实施“资源重配置”,以满足其演进变化后的资源需求。该研究中考虑到4种不同VN请求的变化场景,对该问题进行了数学优化建模,并针对优化模型提出了启发式算法,即DVNMA算法。第六章提出和研究了功耗感知的虚拟网络资源供给问题。在该研究中,通过将VN节点整合到较少的物理服务器上,关闭那些“不必要”的服务器;并且采用流量疏导(Traffic Grooming)方法将底层物理网络的通信流量疏导至尽可能少的波长中,关闭那些不必要的波长或光纤链路,最终达到降低功耗的目的。在研究中对功耗感知的虚拟网络映射问题进行了数学优化建模,并针对该模型设计了启发式算法。为了对本文提出的算法的正确性和有效性进行验证和评估,作者进行了大量的仿真实验。第七章是全文研究工作的总结和未来研究工作的展望。