论文部分内容阅读
随着网络技术的不断发展和革新，网络虚拟化已经成为计算机网络的发展趋势。当前的互联网已经严重骨化，从上层应用到底层硬件的刚性设计严重限制了新的技术和应用的部署和推广。作为一门新型的研究领域，网络虚拟化具有方便实施和部署、应用多样化、易于管理和扩展等特点，因而引起了学术界研究人员的高度关注。它通过清晰划分逻辑层和物理层，可以提高网络应用的灵活性，有效地解决当前互联网的骨化问题。
虚拟网的信誉评估和映射技术是保证服务可靠性的两个重要技术环节，成为了网络虚拟化的热点研究问题。在网络虚拟化环境下，用户对于网络和服务的选择更具多样性，不同角色之间的交互更为频繁。一个合理的信誉评估模型既可以为用户选择网络、服务提供决策向导，也可以很好地监督运营商提高服务质量，有效地保证了整个网络环境的服务秩序；而虚拟网映射技术是实现网络虚拟化的基础，映射机制的优劣直接决定着虚拟化平台的效率。本文针对网络虚拟化服务可靠性的两个技术保障，一方面，在传统网络环境中信誉模型的研究基础上，结合网络虚拟化环境的特殊需求，采用概率分布的数学方法，构建出了适合网络虚拟化环境的信誉模型。另一方面，针对当前映射机制中不能充分利用物理资源的缺陷，提出了一种有效的虚拟网映射机制。主要的研究成果包括以下四个方面：
(1)在传统的信誉评估研究基础上，提出了一种基于朴素贝叶斯网络的虚拟网信誉评估机制。根据虚拟网和其所提供的服务/应用的关系，结合朴素贝叶斯网络的数学特性，把虚拟网和其所提供的服务抽象表示为一个简单的贝叶斯网络，虚拟网作为网络的根节点，其所提供的服务作为网络的叶子节点，然后根据用户对具体的服务/应用的评估数据，结合贝叶斯网络的概率运算规则，计算出不同需求下虚拟网或者服务的信誉值。另外，为了保证评估模型对差评的敏感性和谨慎度，在上述模型的基础上，对评估结果进行了差评敏感处理，使得模型中的信誉具有“上升慢，下降快”的特点。
(2)提出了一种基于Dirichlet分布的信誉评估机制。该机制是根据数学上的Dirichlet概率分布的应用特性，在Josang等人提出的Dirichlet信誉系统基础上，结合上述“差评敏感”处理的设计，对用户的离散评估记录进行Dirichlet概率期望运算，计算出一个连续的信誉值。模型中，把被评估实体(服务或者虚拟网)的评估等级抽象为Dirichlet分布的K个不相交的状态，根据Dirichlet的概率期望计算公式，把用户的评估转化为实体的信誉值。另外，为了保证评估的客观性和稳定性，引入了动态先验率的概念，印把上个周期的评估结果作为下个周期评估结果的先验信誉，实验结果表明，基于动态先验率的Dirichlet信誉模型可以进一步提高了评估系统的稳定性。同样，由于信誉系统一般都会对差评比较敏感，因此，对上述模型计算结果进行了“差评敏感”处理，使得系统对于差评记录保持一定的敏感度。虽然在数学上，Dirichlet概率分布比较复杂。然而，在本模型中，根据Dirichlet分布的应用特性，仅使用了其概率期望的公式计算实体的信誉值，最终的信誉值即为概率分布的概率期望，所以模型的计算复杂度并不高。
(3)提出了一种物理节点可重复映射的虚拟网映射算法。一般在节点映射过程中，同一个虚拟网中不同节点一般均映射到不同的物理节点上。而在实际的网络虚拟化环境中，同一个虚拟网的不同节点可以映射到相同的物理节点上。为此，本文在传统映射算法的基础上，提出了一种物理节点可重复映射的虚拟网映射算法。算法中，先对物理节点的潜在资源按照从大到小的顺序进行排序，在映射同一虚拟网时，尽量保证虚节点映射到同一物理节点上，这样可以有效地减少了虚链路的映射成本，因为同一物理节点内部通信可视为无穷大，其映射的虚节点之间的链路不再需要映射，降低了映射算法的复杂度，节约了链路资源，提高了映射率。为了进一步提高链路映射率，采用K短路径搜索的方法映射链路，即在成功映射的虚节点之间，按照K递增的方式搜索K短路径(初始K=1，即最短路径)，直到链路能够成功映射为止。实际上，K短路径的搜索是用搜索时间来换取链路映射的成功率。具体K的搜索上限取决于具体的应用环境。
(4)提出了一种基于分类预处理的链路可分流的虚拟网映射算法。上述的物理节点可重复映射的映射算法尽管有效地提高了节点映射的成功率，然而在其链路映射过程中，由于对K短路径的搜索效率很低，其算法开销比较大。为此，结合网络最大流量算法，对链路映射过程做了改进，允许虚链路分流映射到不同的物理路径上，只要保证这些物理路径的带宽总量满足虚链路的带宽需求即可。这样，有效地利用零散的带宽资源，提高资源的利用率，潜在提高了链路的映射率。由于采用最大流算法对链路映射进行分流处理，避免了对K短路径的搜索过程，降低了算法的复杂度，节约了算法的执行时间。另外，在网络虚拟化环境中，有些虚拟网可能由于应用限制，不允许对其链路进行分流映射处理。为此，在虚拟网映射之前对虚拟网进行分类预处理，先映射不可分流的虚拟网，后映射允许分流的虚拟网，这样尽量先满足映射难度比较高的虚拟网请求，然后通过分流映射，把网络中零散的带宽资源充分利用起来，可以进一步提高算法的映射率。