本發(fā)明屬于網(wǎng)絡(luò)信息傳輸技術(shù)領(lǐng)域，具體涉及一種基于sdn和nfv的網(wǎng)控編碼方法的設(shè)計(jì)。

背景技術(shù)：

隨著移動(dòng)社交、實(shí)時(shí)視頻、虛擬現(xiàn)實(shí)、云計(jì)算、大數(shù)據(jù)等網(wǎng)絡(luò)業(yè)務(wù)的不斷豐富，網(wǎng)絡(luò)需要傳輸?shù)男畔⒘吭絹?lái)越大，這給現(xiàn)有網(wǎng)絡(luò)帶來(lái)了巨大的傳輸壓力。雖然升級(jí)網(wǎng)絡(luò)硬件、提高網(wǎng)絡(luò)帶寬能夠解決部分壓力，但通常伴隨著高昂的升級(jí)成本，因此現(xiàn)有的網(wǎng)絡(luò)信息傳輸技術(shù)已經(jīng)很難適應(yīng)當(dāng)下海量信息的高效傳輸需求。

網(wǎng)絡(luò)編碼技術(shù)(networkcoding，nc)自2000年提出后，在理論方面已經(jīng)發(fā)展的相當(dāng)成熟，它將信息傳輸從傳統(tǒng)的“存儲(chǔ)-轉(zhuǎn)發(fā)”模式革命性的改變?yōu)椤按鎯?chǔ)-編碼-轉(zhuǎn)發(fā)”的模式，實(shí)現(xiàn)傳統(tǒng)路由難以實(shí)現(xiàn)的“最大流最小割”網(wǎng)絡(luò)容量的上限。但網(wǎng)絡(luò)編碼需要重新定義傳統(tǒng)的路由、交換設(shè)備，且其應(yīng)用效果受到網(wǎng)絡(luò)拓?fù)浜土髁刻卣鞯挠绊?，這給網(wǎng)絡(luò)編碼的應(yīng)用和普及帶來(lái)了巨大的阻礙。

sdn/nfv技術(shù)的迅速發(fā)展給網(wǎng)絡(luò)編碼的應(yīng)用帶來(lái)了新的契機(jī)。軟件定義網(wǎng)絡(luò)(softwaredefinednetwork，sdn)以及與sdn密切相關(guān)的網(wǎng)絡(luò)功能虛擬化(networkfunctionvirtualization，nfv)技術(shù)將重塑網(wǎng)絡(luò)架構(gòu)，在數(shù)據(jù)緩存、調(diào)度、處理和路由等多方面提供了更高的靈活性，使得網(wǎng)絡(luò)編碼在未來(lái)網(wǎng)絡(luò)中的應(yīng)用和普及成為可能。

但目前關(guān)于sdn/nfv技術(shù)與網(wǎng)絡(luò)編碼協(xié)同工作的研究，主要集中在兩者的簡(jiǎn)單相加或者實(shí)現(xiàn)方案上。這些工作雖然驗(yàn)證了網(wǎng)絡(luò)編碼在sdn網(wǎng)絡(luò)中的可行性和有效性，但是沒有真正充分發(fā)揮sdn/nfv技術(shù)與網(wǎng)絡(luò)編碼技術(shù)深層協(xié)作可能帶來(lái)的巨大優(yōu)勢(shì)。

基于此，本發(fā)明首次提出并定義網(wǎng)控編碼(networkorchestratedcoding，noc)概念，旨在充分發(fā)揮sdn/nfv技術(shù)與網(wǎng)絡(luò)編碼技術(shù)各自的優(yōu)勢(shì)，并將兩者深入融合、延伸，形成拓?fù)洹⒘髁?、編碼聯(lián)合優(yōu)化編排的網(wǎng)控編碼，提高網(wǎng)絡(luò)信息傳輸效率，降低網(wǎng)絡(luò)傳輸壓力。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的是為了解決現(xiàn)有技術(shù)只能實(shí)現(xiàn)sdn/nfv技術(shù)與網(wǎng)絡(luò)編碼技術(shù)二者之間的簡(jiǎn)單相加，無(wú)法實(shí)現(xiàn)二者之間的深度融合與延伸的問題，提出了一種基于sdn和nfv的網(wǎng)控編碼方法。

本發(fā)明的技術(shù)方案為：一種基于sdn和nfv的網(wǎng)控編碼方法，包括以下步驟：

s1、采用多態(tài)流量學(xué)習(xí)、識(shí)別與關(guān)聯(lián)方法對(duì)網(wǎng)絡(luò)流量進(jìn)行學(xué)習(xí)和分析，掌握網(wǎng)絡(luò)中主要數(shù)據(jù)流量的特點(diǎn)、流量間的關(guān)系以及流量?jī)?nèi)容的關(guān)聯(lián)性，進(jìn)行不同流量的特征識(shí)別和業(yè)務(wù)分類，并建立網(wǎng)絡(luò)的關(guān)聯(lián)流量模型；

s2、在關(guān)聯(lián)流量模型的基礎(chǔ)上，調(diào)用網(wǎng)控編碼邏輯編排策略，發(fā)現(xiàn)并制造網(wǎng)絡(luò)協(xié)作編碼的機(jī)會(huì)，建立流量-拓?fù)渥顑?yōu)匹配策略，并形成網(wǎng)控編碼二維分布圖，實(shí)現(xiàn)網(wǎng)控編碼最優(yōu)邏輯編排策略，最終建立高效、可控、可定義的網(wǎng)絡(luò)信息傳輸機(jī)制。

進(jìn)一步地，步驟s1中的多態(tài)流量學(xué)習(xí)、識(shí)別與關(guān)聯(lián)方法具體包括以下三個(gè)階段：

s11、學(xué)習(xí)階段：網(wǎng)絡(luò)中負(fù)責(zé)數(shù)據(jù)傳輸與控制的網(wǎng)控設(shè)備對(duì)多態(tài)流量特征進(jìn)行學(xué)習(xí)，根據(jù)預(yù)約式流量的預(yù)約信息和非預(yù)約式流量的歷史特征將流量劃分為內(nèi)聯(lián)流量和協(xié)控流量；

s12、分析階段：在學(xué)習(xí)、掌握各流量特征的基礎(chǔ)上，進(jìn)一步對(duì)流量的源宿相關(guān)性、時(shí)間重疊性、路徑趨同性、qos要求相似性和內(nèi)容相關(guān)性進(jìn)行分析，并針對(duì)協(xié)控流量建立一組流量集合；

s13、關(guān)聯(lián)階段：針對(duì)分析階段形成的流量集合間的關(guān)系，建立網(wǎng)控編碼中的關(guān)聯(lián)流量集，形成關(guān)聯(lián)流量模型；同時(shí)對(duì)于內(nèi)聯(lián)流量，則直接針對(duì)每一條流量，結(jié)合網(wǎng)絡(luò)拓?fù)浜玩溌防寐?，進(jìn)行網(wǎng)控內(nèi)聯(lián)編碼傳輸。

進(jìn)一步地，步驟s11中預(yù)約式流量的預(yù)約信息具體為節(jié)點(diǎn)在準(zhǔn)備發(fā)送特定數(shù)據(jù)時(shí)，提前向網(wǎng)控設(shè)備發(fā)起的預(yù)約聲明或者資源申請(qǐng)。

進(jìn)一步地，步驟s11中非預(yù)約式流量的歷史特征具體為：

(1)對(duì)于骨干網(wǎng)、核心網(wǎng)類型的主干網(wǎng)，其非預(yù)約式流量的歷史特征包括流量的大小、源/目的節(jié)點(diǎn)、路徑、類型；

(2)對(duì)于規(guī)模較小的接入網(wǎng)、獨(dú)立網(wǎng)絡(luò)，其非預(yù)約式流量的歷史特征包括最新幾輪的報(bào)文交互。

進(jìn)一步地，內(nèi)聯(lián)流量為由于流量的時(shí)延、優(yōu)先級(jí)特性，要求該流量必須以更高優(yōu)先級(jí)、更迅速地傳輸?shù)侥康墓?jié)點(diǎn)，從而導(dǎo)致網(wǎng)控編碼只能在該流量?jī)?nèi)部進(jìn)行優(yōu)化編碼與協(xié)同傳輸，而不能與其他流量進(jìn)行協(xié)同的流量。

進(jìn)一步地，協(xié)控流量為在一定條件下可與其他流量進(jìn)行組合與協(xié)同優(yōu)化編碼傳輸?shù)牧髁俊?/p>

進(jìn)一步地，步驟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、時(shí)間重疊流量集合、路徑相關(guān)流量集合、qos相似流量集合、內(nèi)容相關(guān)流量集合。

進(jìn)一步地，步驟s2中的網(wǎng)控編碼邏輯編排策略包括流量與最優(yōu)拓?fù)淦ヅ錂C(jī)制、協(xié)同編碼編排機(jī)制以及兩者進(jìn)行協(xié)同優(yōu)化后得到的流量-拓?fù)?編碼聯(lián)合優(yōu)化編排策略。

進(jìn)一步地，流量與最優(yōu)拓?fù)淦ヅ錂C(jī)制具體為：

以最小費(fèi)用流數(shù)學(xué)模型為基礎(chǔ)，結(jié)合步驟s1得到的關(guān)聯(lián)流量模型，同時(shí)綜合考慮協(xié)同編碼編排機(jī)制對(duì)節(jié)點(diǎn)輸入輸出間的影響，建立網(wǎng)絡(luò)流量與拓?fù)浣Y(jié)構(gòu)的最優(yōu)匹配關(guān)系。

進(jìn)一步地，協(xié)同編碼編排機(jī)制具體為：

在步驟s1得到的關(guān)聯(lián)流量模型的基礎(chǔ)上，結(jié)合網(wǎng)絡(luò)編碼相關(guān)理論，建立關(guān)聯(lián)流量組合與協(xié)同編碼策略的一一對(duì)應(yīng)關(guān)系，對(duì)每組協(xié)同編碼對(duì)應(yīng)關(guān)系設(shè)定合適的編碼算法；同時(shí)確定參與協(xié)同編碼的中繼節(jié)點(diǎn)，使得在這些中繼節(jié)點(diǎn)上能夠使用nfv技術(shù)建立相應(yīng)的編解碼功能，從而實(shí)施網(wǎng)控編碼的具體步驟。

本發(fā)明的有益效果是：本發(fā)明首次提出并定義網(wǎng)控編碼概念，充分發(fā)揮了sdn/nfv技術(shù)與網(wǎng)絡(luò)編碼技術(shù)各自的優(yōu)勢(shì)，探索、拓展其內(nèi)涵、外延及應(yīng)用模式，推動(dòng)了數(shù)據(jù)傳輸效率的提升和網(wǎng)絡(luò)傳輸模式的突破并將兩者深入融合、延伸，形成了拓?fù)?流量-編碼聯(lián)合優(yōu)化編排的網(wǎng)控編碼，提高了網(wǎng)絡(luò)信息傳輸效率，降低了網(wǎng)絡(luò)傳輸壓力。

附圖說(shuō)明

圖1為本發(fā)明提供的一種基于sdn和nfv的網(wǎng)控編碼方法架構(gòu)示意圖。

圖2為本發(fā)明實(shí)施例一的pf-lrc方法實(shí)施過程示意圖。

圖3為本發(fā)明實(shí)施例二的noc-los策略黑匣子模型示意圖。

圖4為本發(fā)明實(shí)施例二的noc-los策略實(shí)施過程示意圖。

具體實(shí)施方式

下面結(jié)合附圖對(duì)本發(fā)明的實(shí)施例作進(jìn)一步的說(shuō)明。

在介紹本發(fā)明的技術(shù)方案之前，首先對(duì)本發(fā)明首次提出的網(wǎng)控編碼(networkorchestratedcoding，noc)概念進(jìn)行定義。網(wǎng)控編碼技術(shù)具體定義為：將整體網(wǎng)絡(luò)視為統(tǒng)一的信息轉(zhuǎn)移空間，網(wǎng)絡(luò)、節(jié)點(diǎn)和信息是可協(xié)作調(diào)配的整體，節(jié)點(diǎn)間的信息傳輸不再是一條條孤立/半孤立的流，而是以整體網(wǎng)絡(luò)為背景的、一套統(tǒng)一的信息轉(zhuǎn)移過程，并結(jié)合sdn/nfv技術(shù)，對(duì)網(wǎng)絡(luò)拓?fù)?、流量與編碼進(jìn)行融合統(tǒng)一的聯(lián)合優(yōu)化編排，從而有效提升網(wǎng)絡(luò)基礎(chǔ)設(shè)施的利用率，提高網(wǎng)絡(luò)傳輸效率、降低網(wǎng)絡(luò)傳輸壓力，對(duì)網(wǎng)絡(luò)信息傳輸模式進(jìn)行優(yōu)化演進(jìn)。

如圖1所示，本發(fā)明提供了一種基于sdn和nfv的網(wǎng)控編碼方法，包括以下步驟：

s1、采用多態(tài)流量學(xué)習(xí)、識(shí)別與關(guān)聯(lián)方法(polymorphicflowlearning,recognitionandcorrelation，pf-lrc)對(duì)網(wǎng)絡(luò)流量進(jìn)行學(xué)習(xí)和分析，并建立網(wǎng)絡(luò)的關(guān)聯(lián)流量模型。

網(wǎng)控編碼技術(shù)要實(shí)現(xiàn)流量-拓?fù)?編碼的聯(lián)合優(yōu)化編排，首先需要掌握網(wǎng)絡(luò)中主要數(shù)據(jù)流量的特點(diǎn)、流量間的關(guān)系、甚至流量?jī)?nèi)容的關(guān)聯(lián)性?？筛鶕?jù)sdn掌握網(wǎng)絡(luò)流量信息，來(lái)學(xué)習(xí)并分析流量的類型、需求、時(shí)間和空間等多種特性，進(jìn)行不同流量的特征識(shí)別和業(yè)務(wù)分類，最終建立關(guān)聯(lián)流量模型。

s2、在關(guān)聯(lián)流量模型的基礎(chǔ)上，調(diào)用網(wǎng)控編碼邏輯編排策略(networkorchestratedcoding-logicalorchestratingstrategy，noc-los)發(fā)現(xiàn)并制造網(wǎng)絡(luò)編碼的機(jī)會(huì)，最終建立高效、可控、可定義的網(wǎng)絡(luò)信息傳輸機(jī)制。

在關(guān)聯(lián)流量模型建立的基礎(chǔ)上，將整個(gè)網(wǎng)絡(luò)視為一個(gè)整體，結(jié)合網(wǎng)絡(luò)實(shí)際拓?fù)浣Y(jié)構(gòu)，協(xié)調(diào)考慮網(wǎng)絡(luò)中拓?fù)?、?jié)點(diǎn)、信息分布、信息流向、編碼策略等多種元素之間的關(guān)系，最終針對(duì)具有相關(guān)性的流量，發(fā)現(xiàn)甚至制造流量間的網(wǎng)絡(luò)協(xié)作編碼機(jī)會(huì)，建立流量-拓?fù)渥顑?yōu)匹配策略，并形成網(wǎng)控編碼二維分布圖(編碼位置、編碼策略)，實(shí)現(xiàn)網(wǎng)控編碼最優(yōu)邏輯編排策略。從而最大限度的利用網(wǎng)絡(luò)協(xié)作編碼機(jī)會(huì)，降低網(wǎng)絡(luò)流量壓力，提高網(wǎng)絡(luò)傳輸效率。

下面以兩個(gè)具體實(shí)施例對(duì)步驟s1中的pf-lrc方法及步驟s2中的noc-los策略進(jìn)行詳細(xì)介紹。

實(shí)施例一：

pf-lrc方法主要對(duì)網(wǎng)絡(luò)中各種流量進(jìn)行學(xué)習(xí)、識(shí)別并進(jìn)行分析，目標(biāo)是將存在相關(guān)性的流量關(guān)聯(lián)起來(lái)，建立關(guān)聯(lián)流量模型，用于noc-los策略中，從而制造信息協(xié)同編碼、流量協(xié)同傳輸?shù)臋C(jī)會(huì)。

如圖2所示，pf-lrc方法具體包括以下三個(gè)階段：

s11、學(xué)習(xí)階段：pf-lrc方法首先要對(duì)流量的類型、需求、時(shí)間、空間等多種特性進(jìn)行學(xué)習(xí)。網(wǎng)絡(luò)中負(fù)責(zé)數(shù)據(jù)傳輸與控制的網(wǎng)控設(shè)備(例如sdn控制器)對(duì)多態(tài)流量特征進(jìn)行學(xué)習(xí)，學(xué)習(xí)過程所需信息來(lái)源于兩方面：預(yù)約式流量中的預(yù)約信息和非預(yù)約流量的歷史特征。根據(jù)預(yù)約式流量的預(yù)約信息和非預(yù)約式流量的歷史特征將流量劃分為內(nèi)聯(lián)流量和協(xié)控流量。

(1)對(duì)于預(yù)約式流量，節(jié)點(diǎn)在準(zhǔn)備發(fā)送某些特定數(shù)據(jù)時(shí)，會(huì)提前向網(wǎng)控設(shè)備(如sdn控制器)發(fā)起預(yù)約聲明或者資源申請(qǐng)。這些信息可能是涉及全網(wǎng)的控制信息、廣播信息等，也可能是部分用戶間的特定流量，如數(shù)據(jù)備份、視頻傳輸?shù)鹊?。在發(fā)起申請(qǐng)和聲明的同時(shí)，將根據(jù)數(shù)據(jù)的qos需求、重要性等指標(biāo)，將相應(yīng)的數(shù)據(jù)標(biāo)記為“內(nèi)聯(lián)流量”或者“協(xié)控流量”。所謂“內(nèi)聯(lián)流量”，是由于流量的時(shí)延、優(yōu)先級(jí)等特性，要求該流量必須以更高優(yōu)先級(jí)、更迅速的傳輸?shù)侥康墓?jié)點(diǎn)，從而導(dǎo)致網(wǎng)控編碼只能在該流量?jī)?nèi)部進(jìn)行優(yōu)化編碼與協(xié)同傳輸，而不能與其他流量進(jìn)行協(xié)同。所謂“協(xié)控流量”，是指該流量在一定條件下可與其他流量進(jìn)行組合與協(xié)同優(yōu)化編碼傳輸。

(2)對(duì)于非預(yù)約式流量，本項(xiàng)目將會(huì)根據(jù)流量的歷史記錄進(jìn)行特征分析。這類學(xué)習(xí)可以進(jìn)一步細(xì)分為兩類。第一類，對(duì)于骨干網(wǎng)、核心網(wǎng)類型的主干網(wǎng)，其流量特征往往呈現(xiàn)一定的規(guī)律性，這種規(guī)律性不僅體現(xiàn)在流量大小方面，還體現(xiàn)在流量的源、目的節(jié)點(diǎn)、路徑、類型等多個(gè)方面。因此，可以學(xué)習(xí)這些歷史記錄，用于后續(xù)的流量分析與關(guān)聯(lián)。第二類，規(guī)模較小的接入網(wǎng)、獨(dú)立網(wǎng)絡(luò)，流量還呈現(xiàn)為分散性、不規(guī)則性的特征，則著重根據(jù)最新幾輪的報(bào)文交互，預(yù)測(cè)下一輪數(shù)據(jù)交互的走向和特征，從而為提前發(fā)現(xiàn)流量之間的關(guān)聯(lián)性創(chuàng)造條件。與此同時(shí)，根據(jù)流量的類型，將流量劃分為內(nèi)聯(lián)流量和協(xié)控流量。

s12、分析階段：在學(xué)習(xí)、掌握各流量特征的基礎(chǔ)上，進(jìn)一步對(duì)流量的源宿相關(guān)性、時(shí)間重疊性、路徑趨同性、qos要求相似性和內(nèi)容相關(guān)性進(jìn)行分析，并針對(duì)協(xié)控流量，建立包括但不限于以下類型的若干個(gè)集合：

源宿相同流量：{{源宿相同流量集合1}，{源宿相同流量集合2}，…}；

源宿相交流量：{{源宿相交流量集合1}，{源宿相交流量集合2}，…}；

時(shí)間重疊流量：{{時(shí)間重疊流量集合1}，{時(shí)間重疊流量集合2}，…}；

路徑相關(guān)流量：{{路徑相關(guān)流量集合1}，{路徑相關(guān)流量集合2}，…}；

qos相似流量：{{qos相似流量集合1}，{qos相似流量集合2}，…}；

內(nèi)容相關(guān)流量：{{內(nèi)容相關(guān)流量集合1}，{內(nèi)容相關(guān)流量集合2}，…}。

s13、關(guān)聯(lián)階段：針對(duì)分析階段形成的流量集合間的關(guān)系，建立網(wǎng)控編碼中的關(guān)聯(lián)流量集，形成關(guān)聯(lián)流量模型。同時(shí)對(duì)于內(nèi)聯(lián)流量，則直接針對(duì)每一條流量，結(jié)合網(wǎng)絡(luò)拓?fù)浜玩溌防寐?，進(jìn)行網(wǎng)控內(nèi)聯(lián)編碼傳輸。關(guān)聯(lián)流量模型中的一組關(guān)聯(lián)流量，可能包括幾條流，也可能只含有一條流。

實(shí)施例二：

邏輯編排與關(guān)聯(lián)流量模型密切相關(guān)。實(shí)際上，在關(guān)聯(lián)流量模型建立后，便直接提出了對(duì)于邏輯編排的基本要求。

noc-los將網(wǎng)絡(luò)看成一個(gè)黑匣子，一組關(guān)聯(lián)的流量，通過網(wǎng)絡(luò)從一個(gè)(組)節(jié)點(diǎn)轉(zhuǎn)移到另一個(gè)(組)節(jié)點(diǎn)時(shí)，有多種可能的傳輸方式(路徑，編碼機(jī)制，流與流之間的關(guān)系和影響等)，noc-los黑匣子模型如圖3所示。

本發(fā)明實(shí)施例中所提到的邏輯編排，不僅僅是對(duì)各數(shù)據(jù)流所流經(jīng)路徑與網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)之間的優(yōu)化匹配與結(jié)合，還包括在這種流量-拓?fù)鋵?duì)應(yīng)關(guān)系下，如何在合適的位置、選擇合適的網(wǎng)絡(luò)協(xié)作編碼機(jī)制。如圖4所示，noc-los策略包括三個(gè)方面：流量與最優(yōu)拓?fù)淦ヅ錂C(jī)制、協(xié)同編碼編排機(jī)制以及兩者進(jìn)行協(xié)同優(yōu)化后得到的流量-拓?fù)?編碼聯(lián)合優(yōu)化編排策略，具體如下：

(1)流量與最優(yōu)拓?fù)淦ヅ錂C(jī)制。

在流量與最優(yōu)拓?fù)淦ヅ錂C(jī)制中，將以最小費(fèi)用流數(shù)學(xué)模型為基礎(chǔ)，結(jié)合關(guān)聯(lián)流量模型，形成最優(yōu)拓?fù)淦ヅ錂C(jī)制。

在最小費(fèi)用流數(shù)學(xué)模型中，有如下定義：

g(v,e,c,f,w)：網(wǎng)絡(luò)抽象圖，其中v為點(diǎn)集，e為弧集，c為弧(i,j)上的容量函數(shù)，w是定義在弧集e上的函數(shù)，稱為運(yùn)輸費(fèi)用函數(shù)，w(i,j)表示單位信息通過弧(i,j)的運(yùn)輸費(fèi)用，代表弧(i,j)上賦予的費(fèi)用系數(shù)，f為對(duì)應(yīng)弧上的弧流量，滿足可行流的守恒方程，f為弧流量f的集合。

在給定可行流fst的前提條件下，通過弧分配適當(dāng)?shù)牧髁?，使從?jié)點(diǎn)s出發(fā)到匯點(diǎn)t的總費(fèi)用最小，即：

0≤f(i,j)≤c(i,j),(i,j)∈e(g)

上式中，對(duì)于n個(gè)節(jié)點(diǎn)的網(wǎng)絡(luò)g，中轉(zhuǎn)節(jié)點(diǎn)的輸出流量減去該節(jié)點(diǎn)輸入流量的差值為零，即凈剩流量而源節(jié)點(diǎn)s和宿節(jié)點(diǎn)t滿足：h(s)＝-h(t)，則節(jié)點(diǎn)的凈剩流量函數(shù)h(i)稱為網(wǎng)絡(luò)g的供需函數(shù)。如果流值f僅滿足式(1)，不滿足式(2)，則稱此流值f為偽流。

在上面的一般最小費(fèi)用流問題中，源節(jié)點(diǎn)s沒有輸入流，但有輸出流，即∑jf(j,s)＝0，∑jf(s,j)＞0，源節(jié)點(diǎn)s的供需函數(shù)h(s)＝∑jf(s,j)＞0。宿節(jié)點(diǎn)t只有輸入流，沒有輸出流，即∑jf(j,t)＞0，∑jf(t,j)＝0，宿節(jié)點(diǎn)t的供需函數(shù)h(t)＝-∑jf(j,t)＜0。

基本的最小費(fèi)用流數(shù)學(xué)模型面向的是普通的、無(wú)特殊特征與關(guān)聯(lián)的數(shù)據(jù)流，流內(nèi)部和流之間不會(huì)進(jìn)行二次加工處理，所以中繼節(jié)點(diǎn)的輸入流和輸出流滿足流量守恒，即其供需函數(shù)h(i)＝0,i∈v(g)，且i≠s,t。本發(fā)明提出將數(shù)據(jù)流之間的關(guān)聯(lián)模型與最小費(fèi)用流結(jié)合，同時(shí)綜合考慮協(xié)同編碼機(jī)制對(duì)節(jié)點(diǎn)輸入輸出間的影響，建立網(wǎng)絡(luò)流量與拓?fù)浣Y(jié)構(gòu)的最優(yōu)匹配關(guān)系。

(2)協(xié)同編碼編排機(jī)制。

協(xié)同編碼編排機(jī)制將利用網(wǎng)絡(luò)編碼(包括隨機(jī)線性網(wǎng)絡(luò)編碼等)相關(guān)理論，研究面向關(guān)聯(lián)流量的協(xié)同編碼與傳輸技術(shù)。網(wǎng)絡(luò)編碼理論結(jié)合了編碼技術(shù)和路由技術(shù)，允許網(wǎng)絡(luò)中的中間節(jié)點(diǎn)除了存儲(chǔ)和轉(zhuǎn)發(fā)數(shù)據(jù)外，還可以對(duì)接收到的多個(gè)數(shù)據(jù)包進(jìn)行編碼操作，即網(wǎng)絡(luò)編碼的本質(zhì)是通過增加網(wǎng)絡(luò)中間節(jié)點(diǎn)的計(jì)算和編解碼操作來(lái)提升網(wǎng)絡(luò)的帶寬利用率。

本發(fā)明在流量關(guān)聯(lián)模型的基礎(chǔ)上，設(shè)計(jì)協(xié)同編碼編排機(jī)制，實(shí)現(xiàn)如下技術(shù)要點(diǎn)：

a、建立關(guān)聯(lián)流量組合與協(xié)同編碼策略的一一對(duì)應(yīng)關(guān)系；

b、對(duì)每組協(xié)同編碼對(duì)應(yīng)關(guān)系設(shè)定合適的編碼算法，如直接采用簡(jiǎn)單異或、采用隨機(jī)線性網(wǎng)絡(luò)編碼/噴泉碼等等；

c、確定參與協(xié)同編碼的中繼節(jié)點(diǎn)，從而可以在這些節(jié)點(diǎn)上使用nfv技術(shù)，建立相應(yīng)的編解碼功能，實(shí)施網(wǎng)控編碼具體步驟。

(3)流量-拓?fù)?編碼聯(lián)合優(yōu)化編排策略。

根據(jù)流量與最優(yōu)拓?fù)淦ヅ錂C(jī)制、協(xié)同編碼編排機(jī)制兩者之間的相互影響，建立流量-拓?fù)?編碼聯(lián)合優(yōu)化編排策略，實(shí)現(xiàn)最大化整體網(wǎng)絡(luò)的有效信息傳輸能力。

本領(lǐng)域的普通技術(shù)人員將會(huì)意識(shí)到，這里所述的實(shí)施例是為了幫助讀者理解本發(fā)明的原理，應(yīng)被理解為本發(fā)明的保護(hù)范圍并不局限于這樣的特別陳述和實(shí)施例。本領(lǐng)域的普通技術(shù)人員可以根據(jù)本發(fā)明公開的這些技術(shù)啟示做出各種不脫離本發(fā)明實(shí)質(zhì)的其它各種具體變形和組合，這些變形和組合仍然在本發(fā)明的保護(hù)范圍內(nèi)。