网络虚拟化中资源分配算法研究

网络虚拟化中资源分配算法研究

论文摘要

Internet使人们获取和交换信息的方式变得便捷,同时Internet的发展也面临挑战。当前Internet的体系结构存在许多缺点,由于Internet由多个运营商共同提供,使Internet体系结构的变革难以实现,internet的发展陷入僵局。通过网络虚拟化,Internet能够有效克服僵化问题。网络虚拟化使将来的Internet体系结构多元化为一系列相互独立的虚拟网络,这些虚拟网络共享基础设施提供者的资源,并支持多种网络体系结构、实验和业务。资源分配是网络虚拟化中的一个基本问题,有效的资源分配能够提高基础设施提供者的物理资源利用率,并降低服务提供者租用资源所带来的成本。因此,设计有效的资源分配算法具有重要的意义。首先,对集中式和分布式两类资源分配算法进行了分析。针对基于拓扑分割的资源分配算法产生的拓扑稀疏问题,提出了一种优化拓扑紧密度的资源分配算法ARMA(An advance Resource Mapping Algorithm)。该算法基于拓扑分割思想,利用中心协调者和物理节点的相互配合获得节省带宽的资源分配结果。ARMA包括三个部分:星型虚拟网络资源分配算法SMA(Star Mapping Algorithm)、中心协调者接收数据算法CRDA(Central-coordinator Receiving Data Algorithm)和物理节点接收数据算法SRDA(Substrate-nodes Receiving Data Algorithm)。SMA对某个星型虚拟网络进行资源分配,然后将分配结果和占用物理链路的数目告知中心协调者,中心协调者利用CRDA算法比较并选择最节省带宽资源的结果,同时将该结果告知各个物理节点,物理节点通过SRDA算法更新其他物理节点的空闲资源信息,并准备对下一个星型虚拟网络进行资源分配。仿真实验表明,ARMA算法在牺牲一定时延的情况下,能够减少通信量以及维护虚拟网络拓扑结构在物理网络上的紧密度。为了维护物理节点的负载平衡以提高资源的利用率,在节点迁移的基础上本文提出了一种主动式的动态资源分配算法。该算法通过平均节点负载差异度来衡量当前物理节点上的负载分布状况,并通过和物理网络容忍的负载差异度相比较来估计当前负载偏离正常值的程度。在动态资源分配的过程中,该算法利用节点迁移将负载从忙碌物理节点转移到空闲物理节点以实现负载均衡,并考虑了节点迁移对物理链路带宽,虚拟链路时延的影响。仿真实验表明,该算法对虚拟链路时延和物理链路带宽的影响较小,能够有效地维护物理节点的负载均衡。

论文目录

  • 摘要
  • Abstract
  • 插图索引
  • 附表索引
  • 第1章 绪论
  • 1.1 引言
  • 1.2 网络虚拟化的定义
  • 1.3 网络虚拟化的主要特点
  • 1.4 网络虚拟化的基本组成
  • 1.5 选题背景及意义
  • 1.6 本文组织结构
  • 第2章 相关工作研究
  • 2.1 网络虚拟化中的资源分配
  • 2.1.1 虚拟网络的构造过程
  • 2.1.2 虚拟网络资源分配
  • 2.2 典型的资源分配算法
  • 2.2.1 集中式资源分配算法
  • 2.2.1.1 静态的集中式资源分配算法
  • 2.2.1.2 动态的集中式资源分配算法
  • 2.2.2 分布式的资源分配算法
  • 2.2.2.1 静态的分布式资源分配算法
  • 2.2.2.2 动态的分布式资源分配算法
  • 2.2.3 小结
  • 第3章 一种优化的星型网络虚拟化资源分配算法
  • 3.1 ARMA 的提出
  • 3.1.1 设计背景
  • 3.1.2 问题描述和优化目标
  • 3.2 拓扑分割过程
  • 3.3 资源分配通信协议
  • 3.4 优化的资源分配算法 ARMA
  • 3.4.1 星型虚拟网络资源分配算法 SMA
  • 3.4.2 中心协调者接收数据算法 CRDA
  • 3.4.3 物理节点接收数据算法 SRDA
  • 3.5 实验模拟及性能分析
  • 3.5.1 仿真平台设计以及仿真参数
  • 3.5.2 Ti 分析
  • 3.5.3 通信量分析
  • 3.5.4 时延分析
  • 3.6 代价分析
  • 3.7 小结
  • 第4章 网络虚拟化中动态资源分配算法研究
  • 4.1 设计背景
  • 4.2 问题描述和网络模型
  • 4.2.1 问题描述
  • 4.2.2 网络模型
  • 4.3 算法设计
  • 4.3.1 选择目标宿主
  • 4.3.2 调整虚拟链路
  • 4.3.2.1 综合调整
  • 4.3.2.2 路径迁移调整
  • 4.4 仿真实验
  • 4.4.1 λ和θ取值分析
  • 4.4.2 带宽和时延分析
  • 4.4.3 物理节点负载分析
  • 4.5 小结
  • 总结和展望
  • 参考文献
  • 致谢
  • 附录 A 攻读硕士期间发表的论文
  • 附录 B (攻读硕士期间参与的项目列表)
  • 相关论文文献

    • [1].车辆网络多平台卸载智能资源分配算法[J]. 电子与信息学报 2020(01)
    • [2].面向5G网络的通信和计算资源分配算法研究[J]. 卫星电视与宽带多媒体 2020(05)
    • [3].基于云雾混合计算的车联网联合资源分配算法[J]. 电子与信息学报 2020(08)
    • [4].云计算资源分配算法[J]. 电子技术与软件工程 2017(06)
    • [5].基于深度学习的异构资源分配算法研究[J]. 信息技术 2020(01)
    • [6].基于Stackelberg博弈的无线网络资源分配算法[J]. 电子技术与软件工程 2018(22)
    • [7].基于网络切片的网络效用最大化虚拟资源分配算法[J]. 电子与信息学报 2017(08)
    • [8].超密集网络中基于能效最优的资源分配算法[J]. 电信科学 2017(10)
    • [9].基于校园场景的中继系统资源分配算法[J]. 船舶职业教育 2020(04)
    • [10].粒子群优化的时频联合资源分配算法[J]. 传感器与微系统 2016(05)
    • [11].一种基于多标拍卖的资源分配算法[J]. 北京理工大学学报 2015(03)
    • [12].一种基于网络切片的车联网联合资源分配算法[J]. 无线电工程 2020(06)
    • [13].联合资源分配算法在协作系统中的应用[J]. 计算机应用研究 2014(07)
    • [14].基于共享度的FPGA可重构资源分配算法研究[J]. 计算机应用与软件 2013(04)
    • [15].多业务OFDMA系统中一种低复杂度资源分配算法[J]. 数字通信 2010(05)
    • [16].异构无线网络干扰效率最大顽健资源分配算法[J]. 电子学报 2020(03)
    • [17].低能耗高效率的分布式跨层资源分配算法[J]. 西南师范大学学报(自然科学版) 2017(01)
    • [18].一种基于OFDM的认知无线电资源分配算法研究[J]. 移动通信 2016(10)
    • [19].基站自适应阵列天线码资源分配算法的比较研究[J]. 长沙大学学报 2014(05)
    • [20].虚拟网络资源分配算法分析[J]. 电信快报 2012(08)
    • [21].基于公平性原则的简化自适应资源分配算法[J]. 吉首大学学报(自然科学版) 2008(01)
    • [22].超密集网络中基于簇内用户分组的资源分配算法[J]. 微电子学与计算机 2018(04)
    • [23].智能电网中网络切片的资源分配算法研究[J]. 电力信息与通信技术 2020(08)
    • [24].基于在线拍卖的网络切片资源分配算法[J]. 电子与信息学报 2019(05)
    • [25].异构无线网络资源分配算法研究综述[J]. 重庆邮电大学学报(自然科学版) 2018(03)
    • [26].基于多中继解码转发的OFDM系统资源分配算法[J]. 电信科学 2016(04)
    • [27].分层认知无线电网络中基于稳定匹配的资源分配算法[J]. 电子与信息学报 2016(10)
    • [28].基于贝叶斯决策的网格计算资源分配算法[J]. 吉林化工学院学报 2013(07)
    • [29].基于并行基因表达式编程的网格资源分配算法[J]. 电子学报 2009(02)
    • [30].超密集部署下基于双向干扰图的资源分配算法[J]. 华中科技大学学报(自然科学版) 2019(01)

    标签:;  ;  ;  ;  

    网络虚拟化中资源分配算法研究
    下载Doc文档

    猜你喜欢