SDN网络虚拟化中规则映射研究

软件定义网络（SDN）为网络虚拟化提供了新的解决方案,通过网络虚拟化技术可以将一套基础设施虚拟化为多个逻辑网络从而满足不同的网络需求.本文研究了SDN网络虚拟化时多个物理交换机虚拟为一个大虚拟交换机的过程中,虚拟网络规则与物理网络规则的映射问题.综合考虑链路负载、规则分布以及节点负载,提出了三段式规则映射优化算法.首先根据虚拟网络的规则请求生成组播源节点和目的节点集,采用MPH算法生成规则映射树;然后采用入节点最近原则,将虚拟网络规则请求的指令序列部署到规则映射树中的中间节点和叶子节点中;最后考虑节点负载,对规则部署进行微调,最终生成虚拟规则映射策略.通过仿真实验,与直接边缘节点部署相比,平均降低了网络节点规则总数量40%以上.     

虚拟网络映射问题研究及其进展

随着互联网的快速发展,现有的互联网架构已经难以满足互联网新型应用的发展,在一定程度上呈现出僵化现象.网络虚拟化被认为是解决网络僵化问题的重要途径,其中的虚拟网络映射问题研究如何将具有虚拟节点和虚拟链路约束的虚拟网络映射到基础设施网络中.首先给出了虚拟网络映射问题的形式化定义,分析了虚拟网络映射问题面临的挑战性和求解目标;其次,对各种虚拟网络映射问题的求解方法加以分类,在分类的基础上,介绍了各种典型的求解方法并进行了对比;最后总结了各种虚拟网络映射问题求解方法,并指出了未来的研究趋势.     

基于知识描述和遗传算法的跨域虚拟网络映射

网络虚拟化环境下的跨域虚拟网络映射是指当物理网络由多个自治域构成时,以最小化虚拟网络映射开销为目标,将虚拟网络请求恰当地划分为多个虚拟子网请求,并分别指派给相应自治域以完成映射。资源匹配和虚拟网络划分是跨域虚拟网络映射中的两个关键阶段。然而,现有的资源匹配算法无法支持精确的数值属性匹配,也无法满足虚拟网络用户对表达多样化映射约束的需求,故实用性不高。此外,虚拟网络划分属于NP问题,目前也缺乏高效的求解方法。针对上述两个阶段中存在的问题,分别提出了基于OWL及SWRL的资源匹配算法和基于遗传算法的虚拟网络划分算法。理论分析证明了该方法的正确性。仿真实验从效率、性能及稳定性方面验证了该方法的有效性。     

虚拟网络映射模型及其优化算法

网络虚拟化被视为构建新一代互联网体系架构的重要技术,它使得能在一个共享的底层物理网络上同时运行多个网络架构或网络应用,从而能为用户提供多样化的端到端定制服务.虚拟网络映射是实现网络虚拟化的关键环节,其目的是在满足虚拟网络资源需求的前提下,将虚拟网络植入到合适的底层物理节点和链路.虚拟网络映射需要解决资源约束、准入控制、在线请求和拓扑多样性等多方面的问题.根据应用场景、优化目标、映射方式和约束条件的不同,可以得到不同类型的虚拟网络映射优化问题.这些优化问题通常是NP难的.通过形式化建立了虚拟网络映射模型,归纳了虚拟网络映射的方法和算法.总结了解决虚拟网络映射模型优化问题的几条技术途径,指出了该领域中需要进一步研究的热点问题.     

有线网络中虚拟网络映射算法研究

网络虚拟化是未来网络的关键技术之一,有助于克服当前网络的“僵化”问题,能够在无需对当前网络架构做出巨大改变的基础上配置新的网络协议和服务,实现多个虚拟网络共存于一个物理网络上,由此产生了新的问题,如何将有限的物理资源合理分配给不同的虚拟网络,即虚拟网络映射问题。根据网络环境,可以分为有线网络和无线网络下的虚拟网络映射。其中,有线网络下的映射是研究虚拟网络映射问题的基础和重点,已有大量算法提出。为了给该问题的研究提供一个全面的视野,从问题定义、存在挑战、映射目标方面对有线网络中虚拟网络映射算法进行综述,根据算法的不同特点进行分类,重点介绍几种典型的算法并进行比较总结,最后指出未来的研究趋势。     

一种基于约束优化的虚拟网络映射方法

虚拟网络映射问题将不同的虚拟网络应用映射到相同的基础设施网络中,这是一个极具挑战性的问题.针对该问题,提出了一种基于约束优化的虚拟网络映射方法,将映射问题分解为节点映射和链路映射两个阶段,其中,前者是将虚拟节点映射到物理节点上,后者将虚拟链路映射到物理路径上,它们都是NP难问题.针对节点映射和链路映射分别提出了node-mapping算法和link-mapping算法.node-mapping算法基于贪婪算法的思想,映射时考虑了物理节点所能提供的资源数量以及物理节点间距离两个因素,该算法能够保证基础设施网络中各节点间的负载相对均衡;同时,通过采用访问控制机制,过滤一些异常的虚拟网络请求,能够有效地提高资源的使用效率.link-mapping算法基于人工智能领域中的分布式约束优化思想,其能够保证得到的解是全局最优的,即映射链路的代价最小.最后,通过模拟实验对该方法进行验证,实验结果表明该方法在求解虚拟网络映射问题时的性能良好.     

基于网络单纯形的虚拟网络映射算法

在软件定义网络(SDN)架构中,虚拟网络映射是实现网络虚拟化的关键技术。针对虚拟网络映射算法映射成本高、执行时间长的问题,提出一种虚拟网络映射算法Simplex-VNM。在节点映射阶段,对虚拟节点按照资源需求进行排序,综合考虑节点连通性和映射成本选择映射节点。在链路映射阶段,采用网络单纯形算法求解最小费用流问题。实验结果表明,相比于NA-PVNM和Improved-vnmFlib算法,该算法具有更低的映射成本和更短的运行时间。     

虚拟网络映射模型和算法研究

虚拟网络映射是网络虚拟化的关键问题之一,其目的是在满足虚拟网络资源需求的前提下,为该虚拟网络分配合适的底层网络节点和链路资源,从而在共享的物理网络基础设施之上构建彼此隔离的多重异构虚拟网络,为网络基础创新研究提供实验环境和平台,为网络新应用提供承载服务。论述了虚拟网络映射模型和映射算法,并提出基于最小割集理论设计VN映射算法。     

基于离散粒子群的节点可重用虚拟网络映射算法

虚拟网络映射问题是网络虚拟化要解决的重点问题,也是云计算环境下实现资源多租赁运营的技术基础。现有的映射算法在计算效率上有待提高,不能充分利用可重用技术以节省网络带宽资源。提出一种可重用的虚拟网络映射算法,首先构建以提高底层物理网络利用率为目标的资源优化分配模型;然后再充分利用可重用技术以内存交换替代网络交换并针对效率问题设计增强的粒子初始位置分配算法,进而通过离散粒子群算法对优化问题进行求解。仿真实验结果表明,提出的算法相较已有的普通粒子群算法在物理网络收益上有显著提高,增强的初始位置分配机制也有助于计算效率的提升。     

基于混合群智能优化的虚拟网络映射算法

网络虚拟化是突破网络发展僵局的一项重要技术,而虚拟网络映射(VNE)是网络虚拟化的一个主要问题。提高底层网络资源的利用率和收益是虚拟网络映射的主要目标。针对底层网络支持路径分裂的情况,建立了整数线性规划(ILP)模型,并提出基于混合群智能优化的虚拟网络映射算法。该算法在兼顾映射开销和映射均衡性的基础上利用粒子群优化算法(PSO)和遗传算法(GA)迭代优化映射方案。仿真实验结果表明,与现有的主流研究成果相比,该算法显著地提高了底层网络长期平均运营收益与虚拟网络请求接受率。     

基于拓扑感知节点排序的虚拟网络嵌入

在共享底层上嵌入多个虚拟网络(VN)是云计算平台和大规模可切片网络测试平台的一个挑战性问题。本文利用马尔可夫随机游走模型,根据网络节点的资源和拓扑属性对其进行排序,这种新的拓扑感知节点排序方法可反映节点的相对重要性。利用节点排序设计了两种VN嵌入算法：RW-MaxMatch和RW-BFS。仿真实验表明：与现有的嵌入算法相比,拓扑感知节点排序具有较好的资源度量,并且所提出的基于RW的算法增加了长期平均收益和接受率。     

基于熵权VIKOR的安全虚拟网络映射算法

近年来,虚拟网络映射技术作为网络虚拟化的关键技术,成为学术界与工业界研究的重点之一。针对安全虚拟网络映射中因节点安全感知不全面、匹配不合理导致的映射性能较低问题,文章提出了一种基于熵权折衷排序法(VIKOR)的安全虚拟网络映射算法。该算法首先将安全虚拟网络映射问题构建为混合整数线性规划模型,设计了节点安全优先度指标,实现了虚拟网络节点与底层网络节点安全联合感知;其次在映射过程中综合考虑节点资源属性、拓扑属性和安全属性,采用熵权VIKOR进行节点排序;最后按照节点排序结果依次进行映射,其中链路映射采用k最短路径算法。仿真结果表明,在满足节点各项约束的前提下,文章算法提高了虚拟网络映射成功率和收益开销比。     

一种基于协作博弈的虚拟网络嵌入策略

针对现有云服务中虚拟网络嵌入方法无法有效处理硬件故障的不足,提出一种基于协作博弈的高可靠性虚拟网络嵌入策略CG-VNE（virtual network embedding strategy based on cooperative game）,其目标是通过使客户们的接受率最大化使云供应方的收入最大,同时将底层路由器或链路故障导致的虚拟网络中断率降到最低．为了回避虚拟网络映射过程的指数级复杂度,CG-VNE将虚拟网络嵌入问题阐述为两个互相交错的协作博弈：第1个博弈处理虚拟节点映射问题,第2个博弈处理虚拟链路的嵌入问题．通过这两种博弈,虚拟博弈方通过合作即可达到纳什平衡,在提升云提供商的收入的同时有效地处理了路由器和链路的物理故障．全面的仿真实验结果表明,在新客户拒绝率、云服务收入及受到物理故障影响的客户率3个方面,相比于目前大多数虚拟网络嵌入算法而言,CG-VNE的性能提升明显．     

Topology-aware virtual network embedding based on closeness centrality

Network virtualization aims to provide a way to overcome ossification of the Internet. However, making efficient use of substrate resources requires effective techniques for embedding virtual networks: mapping virtual nodes and virtual edges onto substrate networks. Previous research has presented several heuristic algorithms, which fail to consider that the attributes of the substrate topology and virtual networks affect the embedding process. In this paper, for the first time, we introduce complex network centrality analysis into the virtual network embedding, and propose virtual network embedding algorithms based on closeness centrality. Due to considering of the attributes of nodes and edges in the topology, our studies are more reasonable than existing work. In addition, with the guidance of topology quantitative evaluation, the proposed network embedding approach largely improves the network utilization efficiency and decreases the embedding complexity. We also investigate our algorithms on real network topologies (e.g., AT&T, DFN) and random network topologies. Experimental results demonstrate the usability and capability of the proposed approach.     

LIVE: Learning and Inference for Virtual Network Embedding

Network virtualization provides a promising tool for next-generation network management by allowing multiple heterogeneous virtual networks to run on a shared substrate network. A long-standing challenge in network virtualization is how to effectively map these virtual networks onto the shared substrate network, known as the virtual network embedding (VNE) problem. Most heuristic VNE algorithms find practical solutions by leveraging a greedy matching strategy in node mapping. However, greedy node mapping may lead to unnecessary bandwidth consumption and increased network fragmentation because it ignores the relationships between the mapped virtual network requests and the mapping ones. In this paper, we re-visit the VNE problem from a statistical perspective and explore the potential dependencies between every two substrate nodes. We define a well-designed dependency matrix that represents the importance of substrate nodes and the topological relationships between them, i.e., every substrate node’s degree of belief. Based on the dependency matrix generated from collecting and processing records of accepted virtual network requests, Bayesian inference is leveraged to iteratively select the most suitable substrate nodes and realize our novel statistical VNE algorithm consisting of a learning stage and an inference stage in node mapping. Due to the overall consideration of the relationships between the mapped nodes and the mapping ones, our statistical approach reduces unnecessary bandwidth consumption and achieves a better performance of embedding. Extensive simulations demonstrate that our algorithm significantly improves the long-term average revenue, acceptance ratio, and revenue/cost ratio compared to previous algorithms.     

基于OpenFlow的虚拟网络架构的设计与实现

现有应用中的网络架构种类繁多,造成网络结构复杂难以维护,而OpenFlow网络能有效地解决现有网络维护困难和设备臃肿的问题。本文在深入研究OpenFlow技术的基础上,设计并实现基于OpenFlow的虚拟网络架构,其分为4个层次:应用层、VTN(Virtual Terminal Network)虚拟平台、控制层和物理层,并重点介绍其核心部分VTN虚拟平台的实现。通过对吞吐量和丢包率的监控,验证了它可以整合不同的网络结构,实现网络资源的统一管理,提高网络兼容性,并具有较好的性能。     

Embedding of virtual network requests over static wireless multihop networks

Network virtualization is a technology of running multiple heterogeneous network architecture on a shared substrate network. One of the crucial components in network virtualization is virtual network embedding, which provides a way to allocate physical network resources (e.g., CPU and link bandwidth) to virtual network requests. Despite significant research efforts on virtual network embedding in wired and cellular networks, little attention has been paid to that in wireless multi-hop networks, which is becoming more important due to its rapid growth and the need to share these networks among different business sectors and users. In this paper, we first study the root causes of new challenges of virtual network embedding in wireless multi-hop networks, and propose a new embedding algorithm that efficiently uses the resources of the physical substrate network. We examine our algorithm’s performance through extensive simulations under various scenarios. Due to lack of competitive algorithms, we compare the proposed algorithm to five other algorithms, mainly borrowed from wired embedding or made by us, partially with or without the key algorithmic ideas to assess their impacts.     

Network virtualization substrate with parallelized data plane

Network virtualization provides the ability to run multiple concurrent virtual networks over a shared substrate. However, it is challenging to design such a platform to host multiple heterogenous and often highly customized virtual networks. Not only high degree of flexibility is desired for virtual networks to customize their functions, fast packet forwarding is also required. This paper presents PdP, a flexible network virtualization platform capable of achieving high speed packet forwarding. A PdP node has multiple machines to perform packet processing for virtual networks hosted in the system. To forward packets in high speed, the data plane of a virtual network in PdP can be allocated with multiple forwarding machines to process packets in parallel. Furthermore, a virtual network in PdP can be fully customized. Both the control plane and data plane of a virtual network run in virtual machines so as to be isolated from other virtual networks. We have built a proof-of-concept prototyping PdP platform using off-the-shelf commodity hardware and open source software. The performance evaluation results show that our system can closely match the best-known packet forwarding speed of software router running in commodity hardware.