[发明专利]基于部分部署分段路由的IPv6网络的流量工程方法及装置有效

专利信息
申请号: 201910334748.8 申请日: 2019-04-24
公开(公告)号: CN109922004B 公开(公告)日: 2020-09-04
发明(设计)人: 王之梁;田莹;尹霞;施新刚;郭迎亚;耿海军;杨家海 申请(专利权)人: 清华大学
主分类号: H04L12/801 分类号: H04L12/801;H04L29/12;G06N3/04
代理公司: 北京安信方达知识产权代理有限公司 11262 代理人: 蒋冬梅;栗若木
地址: 10008*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 部分 部署 分段 路由 ipv6 网络 流量 工程 方法 装置
【说明书】:

一种基于部分部署分段路由的IPv6网络的流量工程方法,包括:获取IPv6网络的网络拓扑、初始的网络链路权重矩阵、设定时长内的多个流量矩阵;基于设定时长内的多个流量矩阵,计算设定时长内的代表流量矩阵;基于网络拓扑、初始的网络链路权重矩阵以及代表流量矩阵,对深度强化学习网络进行M次训练,根据深度强化学习网络的第M次训练,确定优化后的网络链路权重矩阵、分段路由节点集合以及对应的最小化的最大链路利用率;其中,M为大于0的正整数。

技术领域

本文涉及流量工程技术领域,尤指一种基于部分部署分段路由的IPv6(InternetProtocol Version 6,互联网协议第6版)网络的流量工程方法及装置。

背景技术

随着互联网飞速发展,互联网出现了网络流量爆炸式增长等问题。另外,音视频业务的不断发展也对互联网提出了服务质量的要求。受限于路由算法和调度策略,网络流量极易在链路上分配不均,从而导致网络拥塞和网络服务质量下降。

流量工程是一种优化网络流量分配的技术,可以对网络流量优化调度,从而实现网络流量负载均衡,减少拥塞,提高网络资源的利用率。

分段路由(Segment Routing,SR)是一种最新出现的源路由机制,它仅需要对现有IGP(Interior Gateway Protocol,内部网关协议)进行简单的扩展便可应用在IP(Internet Protocol,互联网协议)/MPLS(Multi-Protocol Label Switching,多协议标签交换)或IPv6网络中。在SR网络中,每条流的状态仅储存在SR域的入口节点中,中间节点不需要存储流的状态信息,因此具有极高的可扩展性。考虑到SR的简单、易部署、可扩展等优点,基于SR的流量工程算法已经成为流量工程研究中的热点问题。

其中,部署SR的IPv6网络可以称为SRv6网络,SRv6可以和IPv6网络无缝互操作。然而,从纯IPv6网络直接迁移到全SRv6网络是困难甚至不可行的。

发明内容

本申请提供了一种基于部分部署分段路由的IPv6网络的流量工程方法及装置,可以最小化部分部署分段路由的IPv6网络的最大链路利用率。

一方面,本申请提供了一种基于部分部署分段路由的IPv6网络的流量工程方法,包括:获取IPv6网络的网络拓扑、初始的网络链路权重矩阵、设定时长内的多个流量矩阵;基于所述设定时长内的多个流量矩阵,计算所述设定时长内的代表流量矩阵;基于所述网络拓扑、所述初始的网络链路权重矩阵以及所述代表流量矩阵,对深度强化学习网络进行M次训练,根据所述深度强化学习网络的第M次训练,确定优化后的网络链路权重矩阵、分段路由节点集合以及对应的最小化的最大链路利用率;其中,M为大于0的正整数。

另一方面,本申请提供一种基于部分部署分段路由的IPv6网络的流量工程装置,包括:获取模块,适于获取IPv6网络的网络拓扑、初始的网络链路权重矩阵、设定时长内的多个流量矩阵;代表流量矩阵计算模块,适于基于所述设定时长内的多个流量矩阵,计算所述设定时长内的代表流量矩阵;深度强化学习模块,适于基于所述网络拓扑、所述初始的网络链路权重矩阵以及所述代表流量矩阵,对深度强化学习网络进行M次训练,根据所述深度强化学习网络的第M次训练,确定优化后的网络链路权重矩阵、分段路由节点集合以及对应的最小化的最大链路利用率;其中,M为大于0的正整数。

另一方面,本申请提供一种终端,包括:存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时实现上述的流量工程方法的步骤。

另一方面,本申请提供一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时实现上述的流量工程方法的步骤。

本申请中,在部分部署分段路由的IPv6网络(即SRv6网络)中,综合优化网络链路权重矩阵、部署的分段路由节点集合以及流量路径,从而最小化部分部署SRv6网络的最大链路利用率。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于清华大学,未经清华大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910334748.8/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top