[发明专利]一种基于学习和推理的虚拟网络映射方法

说明书

一种基于学习和推理的虚拟网络映射方法，包括下列操作步骤：(1)根据历史数据生成底层物理网络节点之间的依赖关系矩阵M；(2)根据虚拟节点对CPU计算资源的需求大小，从大到小对虚拟节点进行排序；(3)根据依赖关系矩阵M、虚拟节点映射的先后顺序和当前待映射虚拟节点与已完成映射的虚拟节点的拓扑关系，采用贝叶斯推理判决选择当前待映射虚拟节点对应的最佳底层物理节点，进行虚拟节点到底层物理节点的节点映射；(4)按照设定的链路映射算法实现虚拟网络上虚拟节点之间的虚拟链路到底层物理网络上物理路径之间的链路映射。

技术领域

本发明涉及一种实现虚拟网络映射的方法，属于计算机网络技术领域，特别是属于网络虚拟化技术领域。

背景技术

网络虚拟化是指将一个共用的物理的基础设施网络从逻辑上划分为多个相互隔离的、异质、具有各自特定拓扑结构的虚拟网络。虚拟网络通常由多个虚拟节点以及多条虚拟链路组成逻辑拓扑，每个虚拟节点和每条虚拟链路都有各自不同的需求，如虚拟节点对CPU计算能力的需求和所处地理位置的要求(虚拟节点需要映射在处于一定地理位置范围之内的底层物理节点上，以满足一定的拓扑结构或者提供一定范围的服务)，虚拟链路对带宽能力的需求。服务提供商通过租用基础设施提供商提供的底层物理网络上的虚拟资源切片，充分利用底层物理网络基础设施的访问控制权，能够在无需进行相关物理网络硬件投入的条件下，快速部署自定义的网络协议或架构(即虚拟网络)，向终端用户提供多样化的服务。

在上层虚拟网络向底层物理网络的映射过程中，由于需要同时满足节点和链路的资源需求，导致虚拟网络映射问题是一个NP困难问题。如何有效且高效的实现虚拟网络映射是网络虚拟化技术发展的关键挑战。目前相应的虚拟网络映射解决方案大多基于启发式算法而设计，然而目前的启发式虚拟网络映射方案存在如下问题：(1)普遍使用贪婪匹配策略为每个待映射节点选择当前排序最高的物理节点进行映射，而忽略了先前已经映射好的虚拟节点与当前待映射虚拟节点的关系和影响，未考虑虚拟网络的拓扑，因此极易导致更高的带宽资源消耗、增加网络资源的碎片化程度，并最终导致网络映射性能的降低；(2)节点排序算法对于虚拟网络映射的性能，特别是采用贪婪匹配策略的虚拟网络映射的性能具有重要影响，而目前节点排序算法中普遍采用的资源评价指标是将节点自身的CPU计算能力乘以其相邻链路带宽之和作为一个节点资源能力的衡量标准。这种资源评价指标并不全面准确，有可能在节点映射中选择CPU能力强但链路带宽资源不足的物理节点，进而导致后续链路映射的失败。因此，在进行虚拟网络映射的过程中，如何更好的对底层物理网络节点的资源能力进行评价，如何参考已经映射完毕的虚拟节点及其拓扑结构，实现节点映射的优化选择是目前计算机网络工程领域一个亟待解决的技术难题。

发明内容

有鉴于此，本发明的目的是发明一种实现虚拟网络映射的方法，能够从统计学的角度利用先前虚拟网络请求在底层物理网络上成功映射的历史数据，实现对底层物理网络资源能力的科学评价，进而结合已完成映射虚拟节点与待映射虚拟节点的拓扑关系，运用学习和推理技术实现节点映射和链路映射的优化选择。

为了达到上述目的，本发明提出了基于学习和推理的虚拟网络映射方法，所述方法包括下列操作步骤：

(1)根据虚拟网络请求在底层物理网络上成功映射的历史数据集合，统计生成底层物理网络节点之间的依赖关系矩阵M，具体过程包括如下操作子步骤：

(101)对底层物理网络的所有物理节点进行编号，编号从1开始直到n，n是一个自然数，其大小等于该底层物理网络的物理节点总数；