面向物联网的能耗感知虚拟网络映射算法

物联网中传感器节点间规模庞大的数据交互使得能耗过大问题日趋严重,传统能耗感知算法无法适用于节点能耗不均的物联网环境。针对该问题,重新构建基于无线传感器网络的能耗模型,在考虑节点异构性和链路时效性的同时保证能耗最小。在此基础上,提出一种改进的能耗感知虚拟网络映射算法,在节点映射阶段,基于最接近剩余容量原则将虚拟节点映射至同类型且能耗最小的物理节点上,并为不同时延下的链路分配合适的资源。仿真结果表明,相比EA-VNE、EA-VNEH算法,该算法通过资源整合的方式,可以提高底层资源利用率,降低虚拟网络映射能耗,且随着引入参数的增加,能够实现更细粒度的资源分配。     

虚拟数据中心的数据映射与数据路由策略研究

数据中心基础数据积累通常使用三种手段:1)ETL技术;2)数据联邦技术;3)中间件技术.但三种技术侧重各有不同,不能同时满足数据集成的持久性与可用性.结合技术优势提出数据虚拟整合,为解决数据虚拟异构数据模型间的数据转换问题,通过对数据虚拟的分析,提出了一种基于元数据驱动的数据虚拟系统体系结构.构建了用于描述和存储映射策略的支撑元模型,并建立了相应数据路由策略.提出了对等主键思想,降低了处理阻抗.     

基于节点抗毁能力感知的虚拟网络可靠映射算法

为提高虚拟网络映射的可靠性,考虑影响底层物理节点抗毁能力的节点有效性、适应性、黏聚度及可用计算资源等因素,提出一种改进的虚拟网络映射算法。采用逼近理想解排序法对底层物理节点的抗毁能力进行排序,将虚拟节点映射至抗毁能力最强的物理节点上,当物理节点故障时重映射至抗毁能力次强的节点上应对物理节点失效的情况。仿真结果表明,在满足抗毁性约束的条件下,该算法能够有效降低底层物理网络的开销,提高虚拟网络映射成功率。     

基于软件定义网络的可靠性虚拟网络映射保障机制

在软件定义网络（SDN）虚拟网络映射中,现有研究者主要考虑请求接受率方面,而忽视了SDN中底层资源失效的问题。为此,针对SDN中可靠性虚拟网络映射（SVNE）问题,提出了一种联合先验式保护和后验式恢复的虚拟网络映射保障机制。首先,在虚拟请求接受之前,对SDN物理网络区域性资源进行感知;然后,采用先验式保护机制为映射域内相对剩余资源变小的虚拟网络元素预留备份物理资源,并将此扩展虚拟网络通过D-ViNE算法映射至物理网络中;最后,在未备份虚拟网络元素发生故障时,采用后验式恢复算法完成故障的恢复,对节点和链路分别采用重映射和重路由的方法完成恢复。实验结果表明,与基于SDN的生存性虚拟网络映射算法（SDN-SVNE）相比,在虚拟请求接受率方面提高了21.9%。另外,该保护机制在虚拟级别故障恢复率、物理级别故障恢复率等方面也具有优势。     

企业级网络虚拟映射带宽与能耗优化平衡策略

利用现有的网络环境运行大规模数据分析和处理任务是企业当前的实际需求。满足需求的途径之一是网络虚拟化技术。相比于云平台虚拟网络映射以最大化收益为出发点,企业级网络虚拟映射要以降低运行费用为目标,同时考虑节点间链路的带宽小的特点。以能源和带宽消耗优化为目标,建立了整数线性规划模型,第一步确定虚拟节点和链路映射到底层物理节点和链路的位置,第二步确定采用哪条链路传输所需镜像。实验参数来源于实际值,分析了单一优化模型和本文模型在实验数值上的差异,最终证明本文模型可以在带宽消耗优化和能耗消耗优化取得较好的平衡。     

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。     

软件定义数据中心内一种基于拓扑感知的VDC映射算法

在云计算中,服务提供商(service provider, SP)可以向基础设施提供商(infrastructure provider, InP)按需租赁资源并部署服务.SP只需专注于自己的服务即可,无需考虑设备成本与维护代价.然而传统InP仅以虚拟机的方式提供资源,并不保证网络性能与带宽隔离.随着网络虚拟化技术的发展,尤其是软件定义网络(software defined networking, SDN)概念的提出,一些研究人员建议InP以虚拟数据中心(virtual data center, VDC)的方式为SP提供资源,以解决传统数据中心的上述问题.尽管以VDC的方式分配资源具有诸多的优势,也带来了一项新的挑战,如何满足SP的多样化需求,以最小的代价、最大的收益为VDC分配资源,这是一个NP-hard问题.为解决VDC映射问题,提出了一种基于拓扑势和模块度的启发式映射算法,折衷租户的可靠性需求与映射代价,并提高InP收益.最后,基于收益代价比门限经验值,提出一种动态监控策略,选择高收益代价比的VDC请求,进一步最大化InP的利润.大量的仿真实验证明该算法可以以最小的代价接受更多的请求,同时提高InP收益.     

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。     

基于节点连通性排序的虚拟网络映射算法

对当今云环境下的数据中心来说,以虚拟资源租赁的运营方式具有极大的灵活性,尤其是以虚拟网络为粒度的资源租赁能够为用户提供更好的个性化需求支持。虚拟网络映射问题是指依据用户资源需求,合理分配底层主机和网络资源。现有的虚拟网络映射算法大多是针对随机拓扑设计的通用算法,未针对数据中心拓扑结构进行优化,映射效率有很大提升空间。针对数据中心的结构特点,提出了一种基于节点连通性排序的虚拟网络映射算法BS-VNE算法。首先,设计了一种最大生成算法来对虚拟节点重要程度进行求解和排序。该算法不仅基于虚拟节点的带宽和连通度,还基于虚拟节点在整个虚拟网络中的连通性来进行节点连通性的计算,以获得更加合理的排序结果。然后,根据虚拟节点连通性排序结果利用离散粒子群优化算法求解虚拟网络的映射解。在求解过程中,引入了针对数据中心结构的物理网络拓扑启发式规则,并将其组合到粒子搜索过程中,以提高映射算法的收敛速度。仿真实验结果表明,与现有算法相比,本文提出的算法可以提高物理网络的收益/成本比和资源利用率。     

节点拓扑感知的高效节能虚拟网络映射算法

针对现有网络资源过度饱和的问题,提出一种节点拓扑感知的高效节能的虚拟网络映射算法。该算法在节点映射阶段,量化节点映射成本的同时考虑拓扑属性,通过改进后的节点排序方法对每个虚拟节点的候选物理节点进行资源评估,计算最佳映射节点。在链路映射阶段,采用Dijkstra算法,对于每条候选物理链路,综合考虑链路剩余带宽资源、途径节点剩余资源以及跳数,重新计算链路排序值,从而获得高效节能的最佳映射链路。仿真实验数据表明,该算法能有效降低能量成本,节省物理网络资源,在虚拟网络请求接受率和收益开销比等参数指标上具有显著提升。     

云数据中心基于贪心模式的虚拟机选择算法

针对如何从云数据中心的异常物理主机中选择出候选迁移虚拟机列表是虚拟机迁移中的问题，提出了基于贪心模式的虚拟机选择算法(GAO-VMS)。GAO-VMS每次都选择那些目标函数最优的虚拟机作为标准来迁移，形成候选迁移虚拟机列表,它有三类贪心模式：最大能量降低消耗策略(MPR)、最小迁移时间及能量消耗均衡策略(TPT)、最小每秒百万条指令数虚拟机请求策略(VVM)。使用CloudSim模拟器作为GAO-VMS的仿真环境。仿真结果表明：与常见的虚拟机迁移策略相比较，GAO-VMS使得云数据中心的能量消耗减少了30%~35%,虚拟机迁移次数减少了40%~45%，服务等级协议(SLA)违规率以及SLA违规和能量消耗联合指标只有5%的增加。GAO-VMS策略可用于企业构造绿色云计算中心。     

云数据中心基于贪心算法的虚拟机迁移策略

为了节省云数据中心的能量消耗,提出了几种基于贪心算法的虚拟机（VM）迁移策略。这些策略将虚拟机迁移过程划分为物理主机状态检测、虚拟机选择和虚拟机放置三个步骤,并分别在虚拟机选择和虚拟机放置步骤中采用贪心算法予以优化。提出的三种迁移策略分别为：最小主机使用效率选择且最大主机使用效率放置算法MinMax_Host_Utilization、最大主机能量使用选择且最小主机能量使用放置算法MaxMin_Host_Power_Usage、最小主机计算能力选择且最大主机计算能力放置算法MinMax_Host_MIPS。针对物理主机处理器使用效率、物理主机能量消耗、物理主机处理器计算能力等指标设置最高或者最低的阈值,参考贪心算法的原理,在指标上超过或者低于这些阈值范围的虚拟机都将进行迁移。利用CloudSim作为云数据中心仿真环境的测试结果表明,基于贪心算法的迁移策略与CloudSim中已存在的静态阈值迁移策略和绝对中位差迁移策略比较起来,总体能量消耗少15%,虚拟机迁移次数少60%,平均SLA违规率低5%。     

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。     

虚拟化云计算数据中心资源节能调度算法研究

针对当前云计算数据中心资源调度过程耗时长、能耗高、数据传输准确性较低的问题,提出基于VR沉浸式的虚拟化云计算数据中心资源节能调度算法。构建云计算数据中心资源采样模型,结合虚拟现实(virtual reality,VR)互动装置输出、转换、调度中心资源,提取中心资源的关联规则特征量,采用嵌入式模糊聚类融合分析方法三维重构中心资源,建立虚拟化云计算数据中心资源的信息融合中心,采用决策相关性分析方法,结合差异化融合特征量实现对数据中心资源调度,实现虚拟化云计算数据中心资源实时节能调度。仿真结果表明,采用该方法进行虚拟化云计算数据中心资源节能调度的数据传输准确性较高,时间开销较短,能耗较低,在中心资源调度中具有很好的应用价值。     

基于两次优先级排序的虚拟网络映射算法

为解决现有的虚拟网络映射算法忽略网络本身属性,仅按照请求到达的顺序分配资源而导致物理资源利用率低的问题,利用时间窗模型,提出了基于两次优先级排序的虚拟网络映射算法。在第一次排序中,粗化虚拟网络请求的同时根据业务类型、属性参数计算请求优先级,初步确定窗口中虚拟网络映射顺序;在第二次排序中,综合考虑链路带宽资源需求和节点途径跳数,通过链路权重来确定优先级,计算最佳映射路径。仿真结果表明,该算法降低了虚拟网络请求的平均等待时间,提高了请求接受率及收益开销比。     

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。     

基于数据中心的两阶段虚拟机能效优化部署算法

针对数据中心在虚拟机动态部署过程中的高能耗问题,提出了面向数据中心的两阶段虚拟机能效优化部署算法--DVMP_VMMA。第一阶段为初始部署,提出了动态虚拟机部署(DVMP)算法限定主机最优部署数量,降低了闲置能耗;同时,为了应对负载的动态变化,第二阶段提出迁移约束的虚拟机迁移算法(VMMA)对初始部署方案作进一步优化,这样不仅得到的系统能耗更低,而且还能保证应用服务质量。与满载算法(FL)、基于固定门限值的部署算法(FT),绝对中位差部署算法(MAD)、四分位差部署算法(QD)、迁移周期最优算法(MTM)、最小占用率迁移算法(MIU)进行的比较实验结果表明:DVMP_VMMA不仅考虑了系统能耗优化,使运行时资源利用率更高;而且还可以避免VM频繁迁移完成对性能的提升,其在优化数据中心能耗、SLA违例、VM迁移量的控制及性能损失等指标上均有较好效果,其综合性能优于对比算法。