一種分布式網絡流量自組織調度方法

一種分布式網絡流量自組織調度方法
【專利摘要】本發明提供一種適用于分布式網絡環境中的網絡流量調度方法，流量調度過程中采用基于卡爾曼濾波的網絡流量預測方法對分布式網絡流量中心采集的流量進行預測，由于分布式網絡環境中流量調度模型是一個多維背包問題，這是一個NP問題，同時結合預測流量和各網絡時延等因素，解這個NP問題，得到一個優化的調度結果，使得通過流量調度以后，分布式網絡能夠在服務器承載能力范圍內最大比例地訪問服務器，同時報文傳播時延及跳數等最小化，實現負載均衡的目的，流量調度效果最佳。應用本方法可以實現分布式網絡流量的高效預測和高利用率、低消耗的流量調度。
【專利說明】一種分布式網絡流量自組織調度方法

【技術領域】
[0001] 本發明是一種適用于分布式網絡（Distributed Network)環境中，采用基于卡 爾曼濾波（Kalman filtering)的流量預測和基于果蠅優化（Fruit Fly Optimization Algorithm，F0A)的流量調度方案，實現分布式網絡環境中的流量負載均衡。本技術屬于計 算機網絡領域。

【背景技術】
[0002] 隨著網絡時代特別是寬帶時代的到來，網絡更加貼近人們的日常生活，計算機網 絡與傳統產業的結合日漸緊密，網絡用戶對互聯網的依賴性也越來越大。網絡中用戶越來 越多，用戶的需求也多種多樣，對網絡的要求產生巨大的壓力。深入分析網絡的運行狀況可 以發現，網絡帶寬大幅增加，但網絡使用效率卻沒有成正比的提升，網絡資源利用率低。而 分布式網絡的產生具有極大的意義，分布式網絡是由分布在不同地點且具有多個終端的節 點機互連而成。分布式網絡中，各個網絡獨立控制，中央控制中心只需要進行整體調度。在 分布式系統中，不強調集中控制的概念，具有一個以全局控制中心為基礎的分層控制結構， 但是每個分布式網絡都具有高度的自主權。分布式網絡大大降低了網絡中全局控制中心的 壓力，使得網絡具有更高的效率及安全性。
[0003] 網絡流量是網絡業務的最直接載體，網絡流量的調度問題，能夠直接反映網絡性 能的好壞，也會直接影響網絡性能，理想狀態的網絡應當能夠承載任何突發流量，突發流量 很容易導致網絡整體性能的下降，將會導致網絡性能嚴重下降。并且隨著網絡用戶傳遞的 信息不斷豐富，在網絡帶寬緊張、成本昂貴的情況下，解決帶寬與網絡業務之間的矛盾，構 建快速、穩定、高質量的網絡，保障關鍵網絡業務傳輸質量，實現網絡資源的充分利用，成為 現代化網絡需要解決方案的重要組成部分。互聯網覆蓋范圍廣、接入用戶多、承載業務復 雜。對于現代化網絡覆蓋范圍廣泛，線路資源有限，高速帶寬費用昂貴，快速增加的業務流 量與有限的帶寬資源之間的矛盾，使得網絡上的流量很容易產生擁塞，導致業務延時增加、 流量抖動，用戶網絡需求無法滿足。因此，網絡流量調度技術非常重要，分析網絡流量特性， 優化網絡流量調度性能，是網絡流量工程的重要方面。
[0004] 網絡流量調度就是針對目前網絡快速發展、網絡規模飛速擴大的環境下，對存在 的網絡盲目擴張、資源利用率低、流量總體不均衡等問題，通過對網絡流量的采集和流量分 析，采用基于果蠅優化的流量調度算法，實現對流量的調度與調整，使得流量按需調度，提 升對用戶的服務水平，提高網絡資源的利用率，使網絡調整工作實現可知、可控，達到工作 集中化、信息化、規范化的要求。


【發明內容】

[0005] 技術問題：本發明的目的是提供一種分布式網絡環境下流量調度方法，采用基于 卡爾曼濾波的網絡流量預測和基于果蠅優化算法的流量調度相結合的方法，實現分布式網 絡流量調度。通過本方法可以實現分布式網絡流量的高效預測和高利用率、低消耗的流量 調度。
[0006] 技術方案：本發明的方法采用基于卡爾曼濾波的網絡流量預測和基于果蠅優化算 法的流量調度相結合的調度方案，實現分布式網絡中流量調度。分布式流量調度模型分為 流量采集與預測階段、流量調度兩個模塊。流量采集與預測模塊分為流量采集和流量預測， 分布式服務器端采用時間窗機制對流量進行采集，提高流量采集的效率，DHT網絡由網絡中 受控節點探測周圍在線鄰居節點流量完成采集工作，SDN網絡是在控制器中統計所有經過 包的信息完成流量采集工作，這些網絡根據每一時間段采集的流量用流量預測算法進行預 測，預測算法采用基于卡爾曼濾波的流量預測方法；流量調度階段是針對每個網絡發送的 預測流量根據流量調度算法完成分布式網絡流量調度，流量調度模型有兩個關鍵參數，是 受調度的訪問流量總和及傳播時延，在滿足受調度的訪問流量小于等于服務器承載流量的 條件下訪問流量最大并且傳播時延最小。
[0007] 分布式網絡環境下流量調度包含在以下具體步驟中：
[0008] 初始場景設置：
[0009] 初始場景設置：
[0010] 步驟1)設置分布式網絡環境參數：分布式網絡可控流量中心數量及產生的流量； 可訪問的服務器數量；每個服務器可承載的訪問流量能力；分布式網絡中的節點到達服務 器的平均時延以及經過的跳數等；
[0011] 分布式網絡流量調度：
[0012] 步驟2)各分布式網絡環境開始進行流量采集，分布式服務器端采用時間窗機制 對流量進行采集，提高流量采集的效率，DHT網絡即分布式哈希網絡，由網絡中受控節點探 測周圍在線鄰居節點流量完成采集工作，SDN網絡即軟件定義網絡，是在控制器中統計所有 經過包的信息完成流量采集工作；
[0013] 步驟3)分布式網絡每個網絡流量中心收集到的網絡流量采用流量預測算法進行 預測，預測算法采用基于卡爾曼濾波的預測方法；
[0014] 步驟4)分布式網絡的集中控制服務器端對每個網絡流量中心發送的預測結果進 行流量調度，流量調度的影響因素有分布式網絡各網絡產生的流量以及網絡流量到達各個 服務器的平均時延及跳數等，即在滿足受調度的訪問流量小于等于服務器承載流量的條件 下訪問流量最大并且傳播時延最小；
[0015] 步驟5)集中控制服務器端將調度結果發送給每個流量中心；
[0016] 步驟6)分布式網絡各流量中心在收到命令后，將根據調度結果訪問服務器。
[0017] 所述的流量預測過程采用基于卡爾曼濾波的流量預測，卡爾曼濾波如下，
[0018] 卡爾曼濾波模型假設k時刻的真實狀態是從（k-Ι)時刻的狀態演化而來，符合下 式:X k = FA-i+BkUk+Wk
[0019] Zk = HkXk+Vk
[0020] 其中，XK系統在時刻K的狀態，
[0021] Ζκ對狀態的觀測值，
[0022] Uk是k時刻對系統的控制量，
[0023] Wk表示過程的噪聲，并假定其符合均值為零，協方差矩陣為Qk的多元正態分布，
[0024] Vk是觀測噪聲，其均值為零，其協方差矩陣為Rk，且服從正態分布，
[0025] Fk，Bk，Hk是系統參數，對于多模型系統，他們為矩陣。
[0026] 所述的卡爾曼濾波的操作包括預測與更新兩個階段：在預測階段，濾波器使用上 一狀態的估計，做出對當前狀態的估計；在更新階段，濾波器利用對當前狀態的觀測值優化 在預測階段獲得的預測值，以獲得一個更精確的新估計值。
[0027] 所述的卡爾曼濾波，其計算流程為：
[0028] 預測階段：
[0029] 預測狀態

【權利要求】
1. 一種分布式網絡環境下流量調度方法，其特征在于該方法包含在以下的具體步驟： 分布式網絡環境下流量調度步驟如下： 初始場景設置： 步驟1)設置分布式網絡環境參數：分布式網絡可控流量中心數量及產生的流量；可訪 問的服務器數量；每個服務器可承載的訪問流量能力；分布式網絡中的節點到達服務器的 平均時延以及經過的跳數等； 分布式網絡流量調度： 步驟2)各分布式網絡環境開始進行流量采集，分布式服務器端采用時間窗機制對流 量進行采集，提高流量采集的效率，DHT網絡即分布式哈希網絡，由網絡中受控節點探測周 圍在線鄰居節點流量完成采集工作，SDN網絡即軟件定義網絡，是在控制器中統計所有經過 包的信息完成流量采集工作； 步驟3)分布式網絡每個網絡流量中心收集到的網絡流量采用流量預測算法進行預 測，預測算法采用基于卡爾曼濾波的預測方法； 步驟4)分布式網絡的集中控制服務器端對每個網絡流量中心發送的預測結果進行流 量調度，流量調度的影響因素有分布式網絡各網絡產生的流量以及網絡流量到達各個服務 器的平均時延及跳數等，即在滿足受調度的訪問流量小于等于服務器承載流量的條件下訪 問流量最大并且傳播時延最小； 步驟5)集中控制服務器端將調度結果發送給每個流量中心； 步驟6)分布式網絡各流量中心在收到命令后，將根據調度結果訪問服務器。
2. 根據權利要求1所述的一種分布式網絡環境下流量調度方法，其特征在于所述的流 量預測過程采用基于卡爾曼濾波的流量預測，卡爾曼濾波如下， 卡爾曼濾波模型假設k時刻的真實狀態是從（k-Ι)時刻的狀態演化而來，符合下式：Xk =FA-i+BA+Wk Zk = HkXk+Vk 其中，XK系統在時刻K的狀態， Ζκ對狀態的觀測值， Uk是k時刻對系統的控制量， Wk表示過程的噪聲，并假定其符合均值為零，協方差矩陣為Qk的多元正態分布， Vk是觀測噪聲，其均值為零，其協方差矩陣為Rk，且服從正態分布， Fk，Bk，Hk是系統參數，對于多模型系統，他們為矩陣。
3. 根據權利要求2所述的一種分布式網絡環境下流量調度方法，其特征在于所述的卡 爾曼濾波的操作包括預測與更新兩個階段：在預測階段，濾波器使用上一狀態的估計，做出 對當前狀態的估計；在更新階段，濾波器利用對當前狀態的觀測值優化在預測階段獲得的 預測值，以獲得一個更精確的新估計值。
4. 根據權利要求2所述的一種分布式網絡環境下流量調度方法，其特征在于所述的卡 爾曼濾波，其計算流程為： 預測階段： 預測狀態.
預測估計協方差矩陣
更新階段： 測量余量

測量余量協方差 最優卡爾曼增益 用以上公式跟新濾波器變量X和P: 更新的狀態估計
更新的協方差估計
在每個流量控制中心通過預測算法最大精度地預測下一階段的流量，并將預測結果 發送到集中控制服務器端，集中控制服務器端根據調度算法對分布式網絡中的流量進行調 度。
5.根據權利要求2所述的一種分布式網絡環境下流量調度方法，其特征在于所述的對 分布式網絡中的流量進行調度，其求解的本質就是在滿足一些資源約束的前提下，從候選 對象集中發現一個能夠使總的利益函數值最大的對象子集； 流量調度的模型需要滿足兩個條件：一是調度向可訪問的服務器的流量小于其最大承 載能力且盡可能調度多的流量，實現流量調度的負載均衡目的；二是調度向每一個資源服 務器的流量具有最小時延，減小傳播代價，更好地實現流量調度的目的； 記η為分布式網絡流量中心的數量，m為可訪問的服務器的數量，Tk為第K個流量產生 區域到達可訪問的服務器的代價，La、Lb等為可訪問的服務器需要的網絡流量。 記向量氏義，..^}為調度向量，其中Xk(k e [〇，n])取值為〇或者i，xk取值為1則 第k個流量中心調度向服務器，取0則不調度； 將調度向量代入上文描述的約束條件，記調度向服務器A的調度向量為 {aXp aX2,…aXj，向服務器B的向量為{bXi，bX2,…bXj則
流量調度模型是一個多維背包問題，采用果蠅優化算法對流量調度模型求解，得到一 組η維向量矩陣為調度結果。
【文檔編號】H04L29/08GK104219319SQ201410469645
【公開日】2014年12月17日 申請日期:2014年9月15日 優先權日:2014年9月15日
【發明者】肖甫, 趙帥帥, 王汝傳, 韓志杰, 王少輝, 孔維莉 申請人:南京郵電大學