[发明专利]一种基于SDN和NFV的网控编码方法

权利要求书

1.一种基于SDN和NFV的网控编码方法，其特征在于，包括以下步骤：

S1、采用多态流量学习、识别与关联方法对网络流量进行学习和分析，掌握网络中主要数据流量的特点、流量间的关系以及流量内容的关联性，进行不同流量的特征识别和业务分类，并建立网络的关联流量模型；所述步骤S1中的多态流量学习、识别与关联方法具体包括以下三个阶段：

S11、学习阶段：网络中负责数据传输与控制的网控设备对多态流量特征进行学习，根据预约式流量的预约信息和非预约式流量的历史特征将流量划分为内联流量和协控流量；

所述内联流量为由于流量的时延、优先级特性，要求该流量必须以更高优先级、更迅速地传输到目的节点，从而导致网控编码只能在该流量内部进行优化编码与协同传输，而不能与其他流量进行协同的流量；

所述协控流量为在一定条件下可与其他流量进行组合与协同优化编码传输的流量；

S12、分析阶段：在学习、掌握各流量特征的基础上，进一步对流量的源宿相关性、时间重叠性、路径趋同性、Qos要求相似性和内容相关性进行分析，并针对协控流量建立一组流量集合；

S13、关联阶段：针对分析阶段形成的流量集合间的关系，建立网控编码中的关联流量集，形成关联流量模型；同时对于内联流量，则直接针对每一条流量，结合网络拓扑和链路利用率，进行网控内联编码传输；

S2、在关联流量模型的基础上，调用网控编码逻辑编排策略，发现并制造网络协作编码的机会，建立流量-拓扑最优匹配策略，并形成网控编码二维分布图，实现网控编码最优逻辑编排策略，最终建立高效、可控、可定义的网络信息传输机制；

所述网控编码二维分布图的形成过程为：在关联流量模型建立的基础上，将整个网络视为一个整体，结合网络实际拓扑结构，协调考虑网络中拓扑、节点、信息分布、信息流向、编码策略多种元素之间的关系，最终针对具有相关性的流量，发现或制造流量间的网络协作编码机会，建立流量-拓扑最优匹配策略，并形成网控编码二维分布图；

所述步骤S2中的网控编码逻辑编排策略包括流量与最优拓扑匹配机制、协同编码编排机制以及两者进行协同优化后得到的流量-拓扑-编码联合优化编排策略；

所述流量与最优拓扑匹配机制具体为：

以最小费用流数学模型为基础，结合步骤S1得到的关联流量模型，同时综合考虑协同编码编排机制对节点输入输出间的影响，建立网络流量与拓扑结构的最优匹配关系；

所述协同编码编排机制具体为：

在步骤S1得到的关联流量模型的基础上，结合网络编码相关理论，建立关联流量组合与协同编码策略的一一对应关系，对每组协同编码对应关系设定合适的编码算法；同时确定参与协同编码的中继节点，使得在这些中继节点上能够使用NFV技术建立相应的编解码功能，从而实施网控编码的具体步骤。

2.根据权利要求1所述的网控编码方法，其特征在于，所述步骤S11中预约式流量的预约信息具体为节点在准备发送特定数据时，提前向网控设备发起的预约声明或者资源申请。

3.根据权利要求1所述的网控编码方法，其特征在于，所述步骤S11中非预约式流量的历史特征具体为：

(1)对于骨干网、核心网类型的主干网，其非预约式流量的历史特征包括流量的大小、源/目的节点、路径、类型；

(2)对于规模较小的接入网、独立网络，其非预约式流量的历史特征包括最新几轮的报文交互。

4.根据权利要求1所述的网控编码方法，其特征在于，所述步骤S12中的流量集合包括源宿相同流量集合、源宿相交流量集合、时间重叠流量集合、路径相关流量集合、QoS相似流量集合、内容相关流量集合。