[发明专利]基于SDN和NFV分层式数据中心资源优化方法和系统

说明书

本发明公开了一种基于SDN和NFV分层式数据中心资源优化方法和系统，MANO控制器对客户端发起的请求编排生成对应的服务链，以源目节点相同为特征分组；对分组后的服务链过滤出带宽要求高出设定阈值的部分并标注最高优先级，对剩余的服务链按照其对时延要求的高低降序排列注明优先级；对于每组服务链计算出源节点到目的节点之间的前K条最短路径；MANO控制器根据前K条最短路径使用协同进化的多种群竞争遗传算法制定每条服务链的映射策略；MANO控制器将制定的映射策略下发给基本控制层的SDN控制器，SDN控制器将映射策略转换成适合交换机处理的流表并下发给交换机执行。本发明服务链端到端的时延小和网络资源利用率高。

技术领域

本发明涉及通信技术领域，具体涉及一种基于SDN和NFV分层式数据中心资源优化方法和系统。

背景技术

随着互联网和移动互连网局势的迅猛发展，诸多新兴网络技术和新型网络应用逐渐兴起，云计算，移动边缘计算，大数据，数据中心，软件定义网络和网络虚拟化等成为研究的热点。随着物联网时代的到来，网络体系结构的不断扩张，网络功能的不断更新，这对于网络服务功能的管理和数据中心资源分配的要求变得更加严格。目前大多数的数据中心网络是基于传统的网络架构建立的，这种架构由极其复杂的交换机、路由器、终端以及其他设备组成，这些网络设备使用着封闭、专有的内部接口，并运行着大量的分布式协议；其局限性在于无法对网络设备做到统一的管理，同时无法对数据中心中的网络资源进行统一的调度因而无法最大限度的提高资源的利用率。

SDN(软件定义网络)架构的核心设计是控制平面和转发平面分离，NFV(网络功能虚拟化)技术可以实现网络功能的虚拟化，将功能与硬件设备解耦，易于服务链的编排和管理。且现有的服务链端到端的时延较大。

数据中心资源优化分配问题是一个NP-Hard问题，即说明该问题一般是无法在多项式时间内进行求解。通常会采用启发式算法来寻求问题的最优解，常用的现代启发式算法主要有：模拟退火法(SA)、遗传算法(GA)、列表搜索算法(ST)、蚁群算法(ACA)、人工神经网络(ANN) 等。由于在分布式环境中，服务规模广并且涉及高动态的网络资源调度，如何协调的组织和优化服务实例供应以实现数据中心资源利用最大化同时减少服务链端到端的时延是亟需解决问题。现有的大部分算法不能够在分布式环境中表现出高效的并行计算能力，且一些算法容易出现陷入局部最优解而造成算法的过早收敛的问题。

发明内容

为了解决现有技术中的不足，本发明提出一种基于SDN和NFV分层式数据中心资源优化方法和系统，解决了现有数据中心资源利用率不高、并行计算效率不高、服务链端到端的时延较大的问题。

本发明所采用的技术方案为：一种基于SDN和NFV的分层式数据中心资源优化方法，其特征在于，包括以下步骤：

步骤1，主控制层的编排与管理控制器MANO对客户端发起的请求编排生成对应的服务链，对编排生成的服务链以源目节点相同为特征进行分组；

步骤2，对分组后的服务链都过滤出带宽要求高出设定阈值的部分并标注为最高优先级，对剩余的服务链按照其对时延要求的高低降序排列并注明优先级；

步骤3，对于每组服务链计算出源节点到目的节点之间的前K条最短路径；

步骤4，主控制层的MANO控制器根据前K条最短路径制定每条服务链的映射策略；

步骤5，MANO控制器将制定的映射策略下发给基本控制层的SDN控制器，SDN控制器将映射策略转换成适合交换机处理的流表并下发给交换机执行。

进一步的，主控制层的MANO控制器根据前K条最短路径制定每条服务链的映射策略，包括：

对分组中最高优先级的服务链优先映射到源目节点之间的最短路径上，剩余服务链的映射策略按照其优先级顺序采用协同进化的多种群竞争遗传算法CE-GA来制定，CE-GA算法采用生态多种群捕获竞争模型，从源目节点之间的较短的路径开始计算映射策略。