[发明专利]一种弹性光网络下的并行路由优化方法

说明书

本发明公开了一种弹性光网络下的并行路由优化方法，所述方法包括：步骤一：当一批业务到达网络后，利用GPU为每个业务在其可用的分层图上求解最短路径作为备选路径；步骤二：计算出备选路径后，使用路由选择算法为业务选择路由；步骤三：判断业务是否都能加入到网络中，如果能则结束算法，如果不能则进行步骤四；步骤四：判断没有加入的业务是否都是阻塞的业务，如果是的话就结束算法，输出为业务所选择路径，如果不是就需要重新为没有被加入的业务计算路由，返回到步骤一；本方法充分利用GPU强大的并行计算能力，提高了路由优化算法的计算速度。

技术领域

本发明涉及弹性光网络技术领域，具体地，涉及一种弹性光网络下的并行路由优化方法。

背景技术

为了应对WDM网络的低敏捷性和频谱浪费问题，近年来，弹性光网络(ElasticOptical Network,EON)的架构被提出，在EON架构中，存在细粒度的带宽间隙(比如，12.5GHZ)，他比WDM网络所遵循的ITU-T带宽间隙粒度(50GHZ或者100GHZ)要小很多，而且，这些带宽间隙可以根据需要被组合在一起以提供更宽的通道，以灵活地适应各种速率的业务，提高频谱利用率。

在网络中为了节省对网络资源的使用，我们需要为业务选择合理的路由，这被称为路由优化问题。为了在EON网络中加入业务，控制平面必须在网络中找到一条路径，同时，还需要为业务在此路径上的链路上分配足够的频谱带宽，以创建一个合适的端到端光路连接。所以弹性光网络中的路由优化需要同时考虑频谱分配问题。

现今对弹性光网络下的路由优化问题的研究都是采用的串行算法。随着网络应用的快速增加，在SDN网络中短时间内可能会有大量业务到达控制器,所以控制平面必须在短时间内为大量业务计算路由。特别是在弹性光网络下，在选择路由的同时还需要为业务分配合适的频谱资源，问题变得更加复杂。这使得串行路由优化算法的计算时间无法满足网络业务的实时性要求，因此，我们使用并行算法来加速路由优化的计算。

分层图模型能够将弹性光网络中的频谱资源抽象成不同的分层平面，使得路由问题和频谱分配问题统一起来。另外，分层图模型中不同分层平面的路由计算是相互独立的，这为并行算法的设计提供了可能性。同时，不同业务的路由计算也是相互独立的，和分层图模型结合起来可以达到较高的并行度。

GPGPU(General Purpose Programming on GPU)是指利用GPU进行通用计算(而不仅仅是图形学计算)的算法设计思想，为了简化GPU的通用程序设计模式，2007年，Nvidia发布了一种新的GPU编程模型CUDA(Compute Unified Device Architecture)。与传统的GPU通用计算开发模式相比，CUDA编程更简单，功能更强大，应用领域更广泛。随着GPU硬件计算能力的不断提高和CUDA通用计算模型的流行，利用GPU来加速并行算法成为一个研究热点。结合SDN弹性光网络下路由优化算法的可并行性质和GPU强大的通用并行计算能力，来设计高效的基于GPU的并行路由优化算法能够大大降低算法的计算时间，满足业务的实时性需要。

发明内容

本发明提供了一种弹性光网络下并行的路由优化方法，解决了弹性光网络下现有的串行路由优化算法计算时间较长的问题，充分利用GPU强大的并行计算能力，提高了路由优化算法的计算速度。

为实现上述发明目的，本申请提供了一种弹性光网络下并行路由优化方法，所述方法包括：

当一批业务到达网络，使用GPU为业务在各个分层平面上搜索路由，其并行计算层次包括：

1、利用GPU流来对不同速率业务的计算任务进行并行，不同速率的业务的计算在不同的GPU流上进行。

2、不同速率的业务各自拥有其可用的分层平面，利用GPU对各个分层平面上的计算进行并行。

3、在每个分层平面上，对业务按照其源节点的不同分成不同的业务组，利用GPU对不同业务组的路由计算进行并行。