网络虚拟化环境中虚拟网络的嵌套映射算法

网络虚拟化技术可以在共用的底层网络基础设施上同时构建多个彼此隔离的虚拟网络,为用户提供差异化服务,从而解决现有因特网的僵化问题.然而,一个重要的挑战是,如何在共用的基础设施中高效地映射多个具有不同拓扑的虚拟网络,即虚拟网络的嵌套映射问题.主要根据基础设施的构成方式对现有的虚拟网络映射算法进行了综述.首先,阐述了网络虚拟化的概念、特点以及相应的虚拟网络映射模型;其次,按照基础设施的构成方式、问题空间完整性、映射阶段数等方面梳理了嵌套映射算法的最新研究进展;最后,对虚拟网络映射算法在公平性、扩展性、高利用率、信任度等未来可能的发展方向进行了展望.     

网络虚拟化:可感知虚拟机的网络

虚拟化网络作为数据中心虚拟化的核心之一,其在数据中心虚拟化的过程中具有不可或缺的作用,对虚拟化数据中心的运营管理影响重大。网络虚拟化是虚拟化技术的重要组成部分,其虚拟机感知能力是新数据中心的必备能力。对软件虚拟交换机和支持虚拟化功能的物理交换机这两种虚拟化网络技术进行详细分析和比较。     

面向虚拟私有网的网络设备虚拟化技术

针对边缘设备随着接入的分支机构增多,需处理的公网与私网数据爆增,导致边缘设备负载过重,影响数据的正常交互.为此,分析了产生问题的根源,提出了网络设备虚拟化技术与多协议标签交换与边界网关协议技术相融合的解决方案.为验证方案的可行性,借助实验室设备,搭建了方案所需环境,完成了方案的部署.部署完成后对方案的可用性、数据访问控...     

虚拟网络嵌入简述

如何有效的实现底层网络资源共享问题是未来互联网架构研究中不可避免的问题,网络虚拟化技术是解决该问题的有效技术,而虚拟网络嵌入问题作为网络虚拟网络技术中的核心问题得到广泛关注,本文主要简述虚拟网络嵌入问题。     

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.     

基于网络收缩的节点可复用虚拟网络映射算法

针对节点可复用虚拟网络映射中随机节点复用不能较好地利用节点可复用特点的问题,提出了一种基于网络收缩的节点可复用虚拟网络映射算法。通过将网络映射分为网络收缩与映射阶段,将复用节点选择与映射过程分离。在网络收缩过程中,针对收缩网络特性提出了基于邻居节点合并的网络收缩算法,该算法能够在约束最大节点资源需求与最大链路资源需求的条件下,取得较小的网络规模。实验证明,基于网络收缩的节点可复用虚拟网络映射算法具有更优的映射质量以及更少的时间消耗。     

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。     

基于拓扑预配置的公平虚拟网络映射算法

虚拟网络映射是实现云环境下资源多租赁运营及弹性计算资源服务的关键基础环节,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.现有虚拟网络映射算法的研究成果大多以极大化物理资源利用率为目标,对虚拟网络请求排队中的公平性问题考虑较少.为此提出了一种基于虚拟拓扑预配置及可重用技术的虚拟网络映射算法以提高映射公平性.将虚拟网路映射过程分为2步骤：拓扑预配置过程和映射过程.1)对在线队列中较大的虚拟网络拓扑进行等价变换,将其变换为节点及链路数目更小的拓扑,减少虚拟网络请求在拓扑上的差异从而提高公平性;2)建立形式化的虚拟网络映射模型,并利用离散粒子群算法对优化模型进行求解;为了充分利用可重用技术能在求解过程中节省带宽资源的特性,引入粒子位置分配增强机制以提高物理网络资源利用率.仿真实验结果表明：提出的算法在物理网络资源利用率、收益/成本比及虚拟网络接受公平性等方面均优于已有同类算法.     

VR-VIBE: A Virtual Environment for Co-operative Information Retrieval

We present a virtual reality application called VR-VIBE which is intended to support the co-operative browsing and filtering of large document stores. VR-VIBE extends a visualisation approach proposed in a previous two dimensional system called VIBE into three dimensions, allowing more information to be visualised at one time and supporting more powerful styles of interaction, The essence of VR-VIBE is that multiple users can explore the results of applying several simultaneous queries to a corpus of documents. By arranging the queries into a spatial framework, the system shows the relative attraction of each document to each query by its spatial position and also shows the absolute relevance of each document to all of the queries. Users may then navigate the space, select individual documents, control the display according to a dynamic relevance threshold and dynamically drag the queries to new positions to see the effect on the document space. Co-operative browsing is supported by directly embodying users and providing them with the ability to interact over live audio connections and to attach brief textual annotations to individual documents. Finally, we conclude with some initial observations gleaned from our experience of constructing VR-VIBE and using it in the laboratory setting.     

基于全局资源容量的虚拟网络嵌入算法

采用全局资源容量（GRC）度量方法来量化每个底层物理节点的嵌入潜力，并提出了一种启发式虚拟网络嵌入算法（GRC-VNE），最大限度地提高基础设施提供商（InP）的收益。该算法采用贪婪的负载均衡方式依次嵌入每个虚拟节点，并结合基于Dijkstra算法的最短路径路由嵌入每个虚拟链路。仿真结果表明：与考虑整个底层物理网络资源的RW-MM-SP算法和TA算法相比，所提出的GRC-VNE算法能够实现更低的请求阻塞概率和更高的收益。     

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．     

一种保持结点紧凑的虚拟网络映射方法

虚拟网络映射是网络虚拟化中最基本的问题之一.虚拟网络映射可分解成结点映射和链路映射两个阶段,之前的研究更加侧重于链路映射,对结点映射只采取简单的方式进行,不利于资源利用率的提高.之前的结点映射方法有两个主要问题:(1)优先占用带宽较大的结点,不利于资源的合理配置;(2)将结点映射与链路映射完全分隔处理,逻辑相邻的虚拟结点可能映射到分散的物理结点上,致使虚拟链路占用更多的网络资源.文中提出一种结点紧凑的虚拟网络映射方法,将所有符合条件的物理结点都作为虚拟结点的候选宿主,扩大了宿主的选择空间,有利于资源的合理配置;同时选择那些分布紧凑的结点作宿主,将相邻的虚拟结点映射到邻近的物理结点之上,减少虚拟链路对网络资源的占用.实验结果表明:文中方法可以提高资源的利用率,并显著地提高了虚拟网络请求的接受率.     

Data Uncertainty in Virtual Network Embedding: Robust Optimization and Protection Levels

We address the virtual network embedding problem (VNE) which, given a physical (substrate) network and a collection of virtual networks (VNs), calls for an embedding of the most profitable subset of VNs onto the physical substrate, subject to capacity constraints. In practical applications, node and link demands of the different VNs are, typically, uncertain and difficult to know a priori. To face this issue, we first model VNE as a chance-constrained Mixed-Integer Linear Program (MILP) where the uncertain demands are assumed to be random variables. We then propose a \(\varGamma \)-robust optimization approach to approximate the original chance-constrained formulation, capable of yielding solutions with a large profit that are feasible for almost all the possible realizations of the uncertain demands. To solve larger scale instances, for which the exact approach is computationally too demanding, we propose two MILP-based heuristics: a parametric one, which relies on a parameter setting chosen a priori, and an adaptive one, which does not. We conclude by reporting on extensive computational experiments where the different methods and approaches are compared.     

高效节能虚拟网络映射多反馈控制模型及算法

网络虚拟化使得智能能耗感知网络部署成为可能.由于虚拟网络请求到来以及退出等动态性,引起底层网络资源分配以及回收,会对底层网络激活资源数量与集合范围产生影响;虚拟网络映射不仅决定了当前激活的底层网络资源数量与集合大小,而且作用于后续的虚拟网络映射.本文利用自动控制原理的反馈控制理论,研究不同虚拟网络映射之间的关系以及当前虚拟网络映射对激活底层网络资源集合产生的影响,并提出一种新的高效节能虚拟网络映射多反馈控制模型及算法.以控制底层网络休眠链路数量作为主反馈,消除主动休眠的底层网络链路数量与被动休眠的链路数量的偏差,抑制虚拟网络映射动态特征对求解最小底层网络激活资源集合的干扰;并以节点和链路映射为局部反馈,由大到小逐步调整主动休眠底层链路数量,快速地找到适合当前虚拟网络请求的最小底层网络资源集合.多反馈控制模型能够把虚拟网络映射在一个较小的节点和链路集合中,从而提高休眠节点和链路数量,实现高效节能虚拟网络映射.系统仿真结果验证了在非饱和状态下虚拟网络映射多反馈控制算法能够提高底层节点和链路休眠数量,显著减少系统能耗;且在负载周期性动态变化的饱和状态下,提高了虚拟网络接收率以及系统收益.     

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。     

基于业务优先级划分的虚拟网可靠性映射算法

现有研究在重映射失效虚拟网过程中未对不同类型的虚拟网承载业务进行有效区分,导致资源收益较低。为此,提出一种基于业务优先级划分的虚拟网可靠性映射算法。定义虚拟节点和虚拟链路的重要性指标,运用混合整数线性规划方法将基于业务优先级划分的虚拟网可靠性映射问题建模为最优化问题。在此基础上,提出快速可扩展的启发式虚拟网可靠性映射算法,以提高失效虚拟网的重映射效率。实验结果表明,该算法在虚拟网请求接受率、服务提供商收益和利润成本比3个指标上,表现优于FD-EVN、APG-TABU和MW-AC算法。     

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。     

面向可信网络研究的虚拟化技术

可信网络是互联网研究中的新方向.文中通过对可信网络研究面临的挑战进行分析,提出了虚拟化是开展可信网络研究的有效途径这一观点.论文对网络虚拟化技术的研究现状进行了综述,分析了现有虚拟化技术对可信网络研究的支持.然后针对现有虚拟化机制在资源管理等方面的不足,提出一种新的网络节点虚拟化模型--虚拟大节点(virtual big node),该模型将多个网络节点聚合成一个虚拟大节点,内部采用多种节点虚拟化机制,不但可有效降低网络复杂性,还可更好地支持网络传输服务的生存性和可控性.