一種基于底層節(jié)點排序的虛擬網(wǎng)絡映射方法及裝置與流程
本發(fā)明涉及網(wǎng)絡通信技術(shù)領域，特別是涉及一種基于底層節(jié)點排序的虛擬網(wǎng)絡映射方法及裝置。
背景技術(shù)：
網(wǎng)絡虛擬化技術(shù)是一種在底層網(wǎng)絡的基礎設施上共存虛擬網(wǎng)絡的一種技術(shù)。
底層網(wǎng)絡包括：底層節(jié)點以及由底層節(jié)點構(gòu)成的底層鏈路，其中，底層節(jié)點為帶有計算資源的設備(如路由器)，底層鏈路為帶有帶寬資源的鏈路(如各路由器之間的鏈路)。
虛擬網(wǎng)絡包括：虛擬節(jié)點以及虛擬節(jié)點構(gòu)成的虛擬鏈路，其中，虛擬節(jié)點為可以向底層節(jié)點請求資源的虛擬設備(如虛擬路由器)，虛擬鏈路為可以向底層鏈路請求帶寬資源的虛擬鏈路(如各虛擬路由器之間的虛擬鏈路)。
虛擬網(wǎng)絡映射的過程為：控制器(該控制器同時連接底層網(wǎng)絡和虛擬網(wǎng)絡)在接收到終端設備或服務器發(fā)送的虛擬網(wǎng)絡請求后，根據(jù)該請求中攜帶的虛擬節(jié)點的計算資源需求和虛擬鏈路的帶寬資源需求，為該請求中的虛擬節(jié)點分配滿足其計算資源需求的底層節(jié)點的過程(命名為節(jié)點映射過程)以及控制器為該請求中的虛擬鏈路分配滿足其帶寬資源需求的底層鏈路的過程(命名為鏈路映射過程)。
通常情況下，在虛擬網(wǎng)絡映射的過程之前，技術(shù)人員會對各個底層節(jié)點進行排序，在虛擬網(wǎng)絡映射的過程中，控制器根據(jù)排序所得的序列逐個對虛擬節(jié)點進行映射，進而根據(jù)節(jié)點映射的結(jié)果進行鏈路映射，因此，對各個底層節(jié)點進行排序的過程會影響到虛擬網(wǎng)絡映射的效果。
現(xiàn)有技術(shù)中，技術(shù)人員通常根據(jù)經(jīng)驗制定一個排序規(guī)則，對各個底層節(jié)點進行排序，但隨著時間的推移，整個網(wǎng)絡系統(tǒng)也在不斷的發(fā)生變化，現(xiàn)有的排序方法無法適應變化的網(wǎng)絡系統(tǒng)，導致虛擬網(wǎng)絡映射的效果差。
技術(shù)實現(xiàn)要素：
本發(fā)明實施例的目的在于提供一種基于底層節(jié)點排序的虛擬網(wǎng)絡映射方法及裝置，以適應變化的網(wǎng)絡系統(tǒng)，提高虛擬網(wǎng)絡映射的效果。
為達到上述目的本發(fā)明實施例提供了一種基于底層節(jié)點排序的虛擬網(wǎng)絡映射方法，應用于控制器，所述方法包括：
接收目標虛擬網(wǎng)絡請求；所述目標虛擬網(wǎng)絡請求包括各虛擬節(jié)點的計算資源需求以及各虛擬鏈路的帶寬資源需求；
獲取當前底層網(wǎng)絡中每個底層節(jié)點的各項屬性信息的屬性值；
根據(jù)每個底層節(jié)點的各項屬性信息的屬性值以及預先計算的各項屬性信息對應的權(quán)重參數(shù)，計算各底層節(jié)點對應的排序權(quán)重；所述權(quán)重參數(shù)為根據(jù)歷史虛擬網(wǎng)絡映射數(shù)據(jù)計算得到的；
根據(jù)排序權(quán)重對各底層節(jié)點進行排序，形成第一隊列；
根據(jù)所述第一隊列、各虛擬節(jié)點的計算資源需求以及各虛擬鏈路的帶寬資源需求，對各虛擬節(jié)點進行映射以及對各虛擬鏈路進行映射。
進一步地，任一屬性信息對應的權(quán)重參數(shù)的計算方式包括：
采用粒子群優(yōu)化訓練算法，將各個粒子的預設的權(quán)重向量初值作為各個粒子的當前權(quán)重向量，將各個粒子的預設的速度向量初值作為各個粒子的當前速度向量；
判斷訓練次數(shù)是否小于預設訓練次數(shù)閾值；
如果小于，則根據(jù)各個粒子的當前權(quán)重向量、各個粒子的當前速度向量以及所述歷史虛擬網(wǎng)絡映射數(shù)據(jù)中所述任一屬性信息的屬性值，計算該屬性信息對應的當前權(quán)重參數(shù)，并根據(jù)公式
更新各個粒子的當前權(quán)重向量，根據(jù)公式
更新各個粒子的當前速度向量，并返回執(zhí)行所述判斷訓練次數(shù)是否小于預設訓練次數(shù)閾值的步驟；
如果不小于，則輸出所述任一屬性信息對應的當前權(quán)重參數(shù)；
其中，
進一步地，所述根據(jù)每個底層節(jié)點的各項屬性信息的屬性值以及預先計算的各項屬性信息對應的權(quán)重參數(shù)，計算各底層節(jié)點對應的排序權(quán)重的步驟，包括：
根據(jù)所對應各項屬性信息的屬性值，計算每個底層節(jié)點的特征向量；
對預先計算的各項屬性信息對應的權(quán)重參數(shù)進行拼接，得到第一權(quán)重向量；
對所述第一權(quán)重向量和每個底層節(jié)點的特征向量進行內(nèi)積，得到該底層節(jié)點的排序權(quán)重。
進一步地，所述根據(jù)每個底層節(jié)點的各項屬性信息的屬性值，計算該底層節(jié)點的特征向量的步驟，包括：
通過以下方式，根據(jù)每個底層節(jié)點的各項屬性信息的屬性值，計算該底層節(jié)點的特征向量：
對任一底層節(jié)點的各項屬性信息的屬性值進行歸一化，得到各項屬性信息的歸一化屬性值；
對各項屬性信息的歸一化屬性值進行拼接，得到所述任一底層節(jié)點的特征向量。
進一步地，所述根據(jù)排序權(quán)重對各底層節(jié)點進行排序，形成第一隊列的步驟，包括：
按照排序權(quán)重由大到小的順序?qū)Ω鞯讓庸?jié)點進行排序，形成第一隊列；
所述根據(jù)所述第一隊列、各虛擬節(jié)點的計算資源需求以及各虛擬鏈路的帶寬資源需求，對各虛擬節(jié)點進行映射以及對各虛擬鏈路進行映射的步驟，包括：
按照所述計算資源需求由大到小的順序?qū)Ω魈摂M節(jié)點進行排序，形成第二隊列；
根據(jù)所述第一隊列，依次對所述第二隊列中的虛擬節(jié)點進行映射；
當所述第二隊列中的虛擬節(jié)點均完成映射后，按照所述帶寬資源需求由大到小的順序?qū)Ω魈摂M鏈路進行排序，形成第三隊列；
依次對所述第三隊列中的虛擬鏈路進行映射。
進一步地，所述根據(jù)所述第一隊列，依次對所述第二隊列中的虛擬節(jié)點進行映射的步驟，包括：
將所述第二隊列中的第一個虛擬節(jié)點作為當前虛擬節(jié)點，判斷所述當前虛擬節(jié)點是否已經(jīng)完成映射；
如果已完成，將所述第二隊列中當前虛擬節(jié)點的下一個虛擬節(jié)點作為當前虛擬節(jié)點，返回執(zhí)行所述判斷所述當前虛擬節(jié)點是否已經(jīng)完成映射的步驟；
如果未完成，按照如下方式，根據(jù)所述第一隊列，對所述當前虛擬節(jié)點進行映射：
將所述第一隊列中的第一個底層節(jié)點作為當前底層節(jié)點，判斷當前底層節(jié)點是否已經(jīng)與任一虛擬節(jié)點建立映射；
如果是，將所述第一隊列中當前底層節(jié)點的下一個底層節(jié)點作為當前底層節(jié)點，返回執(zhí)行所述判斷當前底層節(jié)點是否已經(jīng)與任一虛擬節(jié)點建立映射的步驟；
如果否，判斷所述當前底層節(jié)點的計算資源量是否不小于所述第二隊列中當前虛擬節(jié)點的計算資源需求；
如果不小于，則建立所述第二隊列中當前虛擬節(jié)點與所述第一隊列中當前底層節(jié)點的映射；
如果小于，則將所述第一隊列中當前底層節(jié)點的下一個底層節(jié)點作為當前底層節(jié)點，返回執(zhí)行所述判斷當前底層節(jié)點是否已經(jīng)與任一虛擬節(jié)點建立映射的步驟。
進一步地，所述依次對所述第三隊列中的虛擬鏈路進行映射的步驟，包括：
確定各虛擬節(jié)點所映射的底層節(jié)點為第一底層節(jié)點；
確定包含所有第一底層節(jié)點的第一底層網(wǎng)絡拓撲，并獲取第一底層網(wǎng)絡拓撲中各底層鏈路的帶寬資源值；
將所述第三隊列中第一個虛擬鏈路作為當前虛擬鏈路，判斷所述當前虛擬鏈路是否已經(jīng)完成映射；
如果已完成，將所述第三隊列中當前虛擬鏈路的下一個虛擬鏈路作為當前虛擬鏈路，返回執(zhí)行所述判斷所述當前虛擬鏈路是否已經(jīng)完成映射的步驟；
如果未完成，按照如下方式，對所述當前虛擬鏈路進行映射：
確定所述當前虛擬鏈路兩端的虛擬節(jié)點為第一虛擬節(jié)點；
確定兩個第一虛擬節(jié)點對應的兩個第一底層節(jié)點為第二底層節(jié)點；
去除所述第一底層網(wǎng)絡拓撲中所有第一底層鏈路，以形成第二底層網(wǎng)絡拓撲；所述第一底層鏈路為所述第一底層網(wǎng)絡拓撲中帶寬資源值小于所述第三隊列中當前虛擬鏈路的帶寬資源需求的底層鏈路；
確定所述第二底層網(wǎng)絡拓撲中的目標底層鏈路；所述目標底層鏈路為以兩個第二底層節(jié)點為端點的底層鏈路中最短的底層鏈路；
建立所述當前虛擬鏈路與所述目標底層鏈路的映射。
本發(fā)明實施例還提供了一種基于底層節(jié)點排序的虛擬網(wǎng)絡映射裝置，應用于控制器，所述裝置包括：
接收模塊，用于接收目標虛擬網(wǎng)絡請求；所述目標虛擬網(wǎng)絡請求包括各虛擬節(jié)點的計算資源需求以及各虛擬鏈路的帶寬資源需求；
獲取模塊，用于獲取當前底層網(wǎng)絡中每個底層節(jié)點的各項屬性信息的屬性值；
第一計算模塊，用于根據(jù)每個底層節(jié)點的各項屬性信息的屬性值以及預先計算的各項屬性信息對應的權(quán)重參數(shù)，計算各底層節(jié)點對應的排序權(quán)重；所述權(quán)重參數(shù)為根據(jù)歷史虛擬網(wǎng)絡映射數(shù)據(jù)計算得到的；
排序模塊，用于根據(jù)排序權(quán)重對各底層節(jié)點進行排序，形成第一隊列；
映射模塊，用于根據(jù)所述第一隊列、各虛擬節(jié)點的計算資源需求以及各虛擬鏈路的帶寬資源需求，對各虛擬節(jié)點進行映射以及對各虛擬鏈路進行映射。
進一步地，所述裝置還包括：
第二計算模塊，用于計算任一屬性信息對應的權(quán)重參數(shù)；
所述第二計算模塊，包括：
確定子模塊，用于采用粒子群優(yōu)化訓練算法，將各個粒子的預設的權(quán)重向量初值作為各個粒子的當前權(quán)重向量，將各個粒子的預設的速度向量初值作為各個粒子的當前速度向量；
判斷子模塊，用于判斷訓練次數(shù)是否小于預設訓練次數(shù)閾值；
第一計算子模塊，用于當所述判斷子模塊的判斷結(jié)果為小于時，則根據(jù)各個粒子的當前權(quán)重向量、各個粒子的當前速度向量以及所述歷史虛擬網(wǎng)絡映射數(shù)據(jù)中所述任一屬性信息的屬性值，計算該屬性信息對應的當前權(quán)重參數(shù)，并根據(jù)公式
更新各個粒子的當前權(quán)重向量，根據(jù)公式
更新各個粒子的當前速度向量，并返回執(zhí)行所述判斷訓練次數(shù)是否小于預設訓練次數(shù)閾值的步驟；
輸出子模塊，用于當所述判斷子模塊的判斷結(jié)果為不小于時，則輸出所述任一屬性信息對應的當前權(quán)重參數(shù)；
其中，
進一步地，所述第一計算模塊，包括：
第二計算子模塊，用于根據(jù)所對應各項屬性信息的屬性值，計算每個底層節(jié)點的特征向量；
拼接子模塊，用于對預先計算的各項屬性信息對應的權(quán)重參數(shù)進行拼接，得到第一權(quán)重向量；
內(nèi)積子模塊，用于對所述第一權(quán)重向量和每個底層節(jié)點的特征向量進行內(nèi)積，得到該底層節(jié)點的排序權(quán)重。
本發(fā)明實施例提供的一種基于底層節(jié)點排序的虛擬網(wǎng)絡映射方法及裝置，由于歷史虛擬網(wǎng)絡映射數(shù)據(jù)是網(wǎng)絡系統(tǒng)真實存在過的數(shù)據(jù)，并且這些數(shù)據(jù)包含了整個網(wǎng)絡系統(tǒng)的變化特性，根據(jù)歷史虛擬網(wǎng)絡映射數(shù)據(jù)計算各底層節(jié)點對應的排序權(quán)重，并根據(jù)排序權(quán)重對各底層節(jié)點進行排序，能夠更好的適應變化的網(wǎng)絡系統(tǒng)，根據(jù)排序后的底層節(jié)點進行虛擬網(wǎng)絡映射，能夠提高虛擬網(wǎng)絡映射的效果。
附圖說明
為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。
圖1為本發(fā)明實施例提供的基于底層節(jié)點排序的虛擬網(wǎng)絡映射方法的流程圖；
圖2為本發(fā)明實施例提供的根據(jù)第一隊列依次對第二隊列中的虛擬節(jié)點進行映射的流程圖；
圖3為本發(fā)明實施例提供的依次對第三隊列中的虛擬鏈路進行映射的流程圖；
圖4為本發(fā)明實施例提供的基于底層節(jié)點排序的虛擬網(wǎng)絡映射裝置的結(jié)構(gòu)示意圖；
圖5為本發(fā)明實施例提供的第一映射子模塊的結(jié)構(gòu)示意圖；
圖6為本發(fā)明實施例提供的第二映射子模塊的結(jié)構(gòu)示意圖。
具體實施方式
下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。
為達到上述目的，本發(fā)明實施例提供了一種基于底層節(jié)點排序的虛擬網(wǎng)絡映射方法，應用于控制器，圖1為本發(fā)明實施例提供的基于底層節(jié)點排序的虛擬網(wǎng)絡映射方法的流程圖，所述方法包括步驟s110～s150：
s110，接收目標虛擬網(wǎng)絡請求。
具體地，目標虛擬網(wǎng)絡請求為終端設備或服務器發(fā)送的、由控制器接收到的任意一條虛擬網(wǎng)絡請求，該目標虛擬網(wǎng)絡請求中包括各虛擬節(jié)點的計算資源需求以及各虛擬鏈路的帶寬資源需求。
s120，獲取當前底層網(wǎng)絡中每個底層節(jié)點的各項屬性信息的屬性值。
本實施例中，每個底層節(jié)點的各項屬性信息包括：每個底層節(jié)點的計算資源、帶寬資源和(與底層節(jié)點連接的底層鏈路可用帶寬的總和)、存儲資源、地理位置信息、接收率以及收益消耗比等。
各項屬性信息的屬性值為各項屬性信息的數(shù)量。例如，某個底層節(jié)點的計算資源的屬性值(即計算資源量)為cpu占用量80％；某個底層鏈路的帶寬資源和的屬性值(即帶寬資源和值)為100比特。
具體地，控制器與底層網(wǎng)絡中各個底層節(jié)點、各個底層鏈路通信連接，底層網(wǎng)絡中每個底層節(jié)點的各項屬性信息的屬性值均會實時上報給控制器。
s130，根據(jù)每個底層節(jié)點的各項屬性信息的屬性值以及預先計算的各項屬性信息對應的權(quán)重參數(shù)，計算各底層節(jié)點對應的排序權(quán)重；所述權(quán)重參數(shù)為根據(jù)歷史虛擬網(wǎng)絡映射數(shù)據(jù)計算得到的。
本實施例中，各項屬性信息對應的權(quán)重參數(shù)為預先計算得到的，為了得到各項屬性信息對應的權(quán)重參數(shù)，本實施例采用現(xiàn)有的粒子群優(yōu)化訓練算法對歷史虛擬網(wǎng)絡映射數(shù)據(jù)進行訓練。其中，任一屬性信息對應的權(quán)重參數(shù)的計算方式包括：
a1、采用粒子群優(yōu)化訓練算法，將各個粒子的預設的權(quán)重向量初值作為各個粒子的當前權(quán)重向量，將各個粒子的預設的速度向量初值作為各個粒子的當前速度向量。
具體地，在粒子群優(yōu)化訓練算法中，需要預設多個粒子，并且為每個粒子預設的權(quán)重向量初值以及速度向量初值作為迭代初值。將各粒子的權(quán)重向量初值作為各個粒子的當前權(quán)重向量，將各粒子的速度向量初值作為各個粒子的當前速度向量，進行后續(xù)循環(huán)訓練。
a2、判斷訓練次數(shù)是否小于預設訓練次數(shù)閾值；如果小于，則執(zhí)行步驟a3；如果不小于，則執(zhí)行步驟a4。
本實施例中，預設訓練次數(shù)閾值用于描述訓練的結(jié)果是否達到標準。當判斷訓練次數(shù)小于預設訓練次數(shù)閾值時，說明循環(huán)訓練的結(jié)果未達到標準；當判斷訓練次數(shù)不小于預設訓練次數(shù)閾值時，說明循環(huán)訓練的結(jié)果已達到標準。預設訓練次數(shù)閾值越大，最后訓練得到的結(jié)果的效果越好。預設訓練次數(shù)閾值可固定設置，例如，預設訓練次數(shù)閾值可以為100。
a3、根據(jù)各個粒子的當前權(quán)重向量、各個粒子的當前速度向量以及所述歷史虛擬網(wǎng)絡映射數(shù)據(jù)中所述任一屬性信息的屬性值，計算該屬性信息對應的當前權(quán)重參數(shù)，并根據(jù)公式
更新各個粒子的當前權(quán)重向量，根據(jù)公式
更新各個粒子的當前速度向量，并返回執(zhí)行所述判斷訓練次數(shù)是否小于預設訓練次數(shù)閾值的步驟。
其中，
a4、輸出所述任一屬性信息對應的當前權(quán)重參數(shù)。
具體地，當判斷訓練次數(shù)小于預設訓練次數(shù)閾值時，根據(jù)各個粒子的當前權(quán)重向量、各個粒子的當前速度向量以及所述歷史虛擬網(wǎng)絡映射數(shù)據(jù)中所述任一屬性信息的屬性值，對底層節(jié)點進行排序，然后進行虛擬節(jié)點映射和虛擬鏈路映射，得到映射結(jié)果，并計算出各個粒子的局部優(yōu)化參數(shù)以及粒子群的全局優(yōu)化參數(shù)，將粒子群的全局優(yōu)化參數(shù)確定為該屬性信息對應的當前權(quán)重參數(shù)，并根據(jù)公式
更新各個粒子的當前權(quán)重向量，根據(jù)公式
更新各個粒子的當前速度向量，并返回執(zhí)行步驟a2，直至達到預設訓練次數(shù)閾值為止。
當判斷訓練次數(shù)不小于預設訓練次數(shù)閾值時，將所述任一屬性信息對應的當前權(quán)重參數(shù)確定為最后得到的權(quán)值參數(shù)并輸出。
需要說明的是，步驟a3中，根據(jù)各個粒子的當前權(quán)重向量、各個粒子的當前速度向量以及所述歷史虛擬網(wǎng)絡映射數(shù)據(jù)中所述任一屬性信息的屬性值，對底層節(jié)點進行排序的具體過程可以與后面提到的步驟b1～步驟b3相類似。具體地，該過程可以為：根據(jù)歷史虛擬網(wǎng)絡映射數(shù)據(jù)中所述任一屬性信息的屬性值，計算每個底層節(jié)點的特征向量；根據(jù)各個粒子的當前權(quán)重向量計算粒子群對應的權(quán)重向量(還可以根據(jù)各個粒子的當前權(quán)重向量、各個粒子的當前速度向量對粒子群對應的權(quán)重向量進行更新)；對粒子群對應的權(quán)重向量和每個底層節(jié)點的特征向量進行內(nèi)積，得到該底層節(jié)點的排序權(quán)重；根據(jù)排序權(quán)重對各底層節(jié)點進行排序。
進一步地，由于歷史虛擬網(wǎng)絡映射數(shù)據(jù)能夠很好的反應映射算法的有效性，本實施能夠從歷史虛擬網(wǎng)絡映射數(shù)據(jù)中獲取經(jīng)驗，自動調(diào)整各項參數(shù)、改善底層節(jié)點排序，而無需人工干預，實現(xiàn)了底層網(wǎng)絡節(jié)點的自學習排序。
進一步地，本實施例中的粒子群優(yōu)化訓練算法還可以針對特定的屬性信息進行訓練，從而在該屬性信息下具有高性能表現(xiàn)，在指定了一個屬性信息后，將形成一套為實現(xiàn)該屬性信息而高度定制的算法。
進一步地，通過粒子群優(yōu)化訓練算法挖掘出映射結(jié)果對應的屬性信息與算法參數(shù)之間的定量關系，通過兩者間的關系，實現(xiàn)從屬性信息到算法參數(shù)之間的雙向交互過程，借助這種交互過程實現(xiàn)了算法框架極強的靈活性，在不脫離算法框架，不制定額外規(guī)則的前提下，對任何可能的屬性信息進行自適應。
在本發(fā)明實施例提供的一種具體實現(xiàn)方式中，步驟s130可包括步驟b1～步驟b3：
b1、根據(jù)所對應各項屬性信息的屬性值，計算每個底層節(jié)點的特征向量。
本實施例中，為了根據(jù)所對應各項屬性信息的屬性值，計算每個底層節(jié)點的特征向量，可通過步驟c1～步驟c2，根據(jù)每個底層節(jié)點的各項屬性信息的屬性值，計算該底層節(jié)點的特征向量：
c1、對任一底層節(jié)點的各項屬性信息的屬性值進行歸一化，得到各項屬性信息的歸一化屬性值。
具體地，在對某一個屬性信息進行歸一化時，先設定該屬性信息對應的最大閾值，然后將底層節(jié)點對應的該屬性信息的屬性值除以該最大閾值，得到歸一化屬性值。
舉例而言，在對帶寬資源和進行歸一化時，可先設定帶寬資源和對應的最大閾值為100比特，若某一個底層節(jié)點的帶寬資源和為80比特，則其歸一化屬性值為0.8。
本實施例中，可將所有底層節(jié)點各屬性信息的最大的屬性值確定為各屬性信息對應的最大閾值。
c2、對各項屬性信息的歸一化屬性值進行拼接，得到所述任一底層節(jié)點的特征向量。
具體地，將得到的各項屬性信息的歸一化屬性值按照預定的順序進行拼接，得到所述任一底層節(jié)點的特征向量，其中，每個屬性信息的歸一化屬性值最為特征向量的一個分量。本實施例中，任一底層節(jié)點的特征向量優(yōu)選為列向量。
b2、對預先計算的各項屬性信息對應的權(quán)重參數(shù)進行拼接，得到第一權(quán)重向量。
具體地，預先計算的各項屬性信息對應的權(quán)重參數(shù)按照步驟c2中所述預定的順序進行拼接，得到第一權(quán)重向量。本實施例中，第一權(quán)重向量優(yōu)選為行向量。
b3、對所述第一權(quán)重向量和每個底層節(jié)點的特征向量進行內(nèi)積，得到該底層節(jié)點的排序權(quán)重。
具體地，由于第一權(quán)重向量為行向量，各底層節(jié)點的特征向量為列向量，則得到的各底層節(jié)點的排序權(quán)重均為一個值。
本實施例根據(jù)各項屬性信息的屬性值和預先計算的各項屬性信息對應的權(quán)重參數(shù)得到底層節(jié)點的排序權(quán)重，該排序權(quán)重表征了各項屬性信息對底層節(jié)點的整體影響，使排序能夠更好的適應網(wǎng)絡系統(tǒng)。另外，本實施例能夠考慮多種屬性信息，具有良好的擴展性。
s140，根據(jù)排序權(quán)重對各底層節(jié)點進行排序，形成第一隊列。
本實施例中，對各底層節(jié)點進行排序的順序可自由設定。優(yōu)選地，可按照排序權(quán)重由大到小的順序?qū)Ω鞯讓庸?jié)點進行排序，以形成第一隊列。
s150，根據(jù)所述第一隊列、各虛擬節(jié)點的計算資源需求以及各虛擬鏈路的帶寬資源需求，對各虛擬節(jié)點進行映射以及對各虛擬鏈路進行映射。
本實施例中，對各虛擬節(jié)點進行映射以及對各虛擬鏈路進行映射的具體過程可以為現(xiàn)有的過程；也可以為后續(xù)提供的步驟c1～步驟c4。
本發(fā)明實施例提供的基于底層節(jié)點排序的虛擬網(wǎng)絡映射方法，首先，根據(jù)歷史虛擬網(wǎng)絡映射數(shù)據(jù)計算得到各項屬性信息對應的權(quán)重參數(shù)；然后，當接收目標虛擬網(wǎng)絡請求后，獲取當前底層網(wǎng)絡中每個底層節(jié)點的各項屬性信息的屬性值，并根據(jù)各項屬性信息對應的權(quán)重參數(shù)以及每個底層節(jié)點的各項屬性信息的屬性值，計算各底層節(jié)點對應的排序權(quán)重；最后，根據(jù)排序權(quán)重對各底層節(jié)點進行排序形成第一隊列，并根據(jù)所述第一隊列、各虛擬節(jié)點的計算資源需求以及各虛擬鏈路的帶寬資源需求，對各虛擬節(jié)點進行映射以及對各虛擬鏈路進行映射。
本發(fā)明實施例中，由于歷史虛擬網(wǎng)絡映射數(shù)據(jù)是網(wǎng)絡系統(tǒng)真實存在過的數(shù)據(jù)，并且這些數(shù)據(jù)包含了整個網(wǎng)絡系統(tǒng)的變化特性，根據(jù)歷史虛擬網(wǎng)絡映射數(shù)據(jù)計算各底層節(jié)點對應的排序權(quán)重，并根據(jù)排序權(quán)重對各底層節(jié)點進行排序，能夠更好的適應變化的網(wǎng)絡系統(tǒng)，根據(jù)排序后的底層節(jié)點進行虛擬網(wǎng)絡映射，能夠提高虛擬網(wǎng)絡映射的效果。
在本發(fā)明實施例提供的一種具體實現(xiàn)方式中，步驟s150可包括如下步驟c1～步驟c4：
c1、按照所述計算資源需求由大到小的順序?qū)Ω魈摂M節(jié)點進行排序，形成第二隊列。
c2、根據(jù)所述第一隊列，依次對所述第二隊列中的虛擬節(jié)點進行映射。
圖2為本發(fā)明實施例提供的根據(jù)第一隊列依次對第二隊列中的虛擬節(jié)點進行映射的流程圖，該步驟包括步驟s210～步驟s280：
s210，將所述第二隊列中的第一個虛擬節(jié)點作為當前虛擬節(jié)點。
具體地，為了實現(xiàn)對第二隊列中的虛擬節(jié)點依次進行映射，本實施例采用循環(huán)的方式，每次循環(huán)對一個虛擬節(jié)點進行映射，并將第二隊列中第一個虛擬節(jié)點確定為當前虛擬節(jié)點進行第一次循環(huán)，當?shù)谝淮窝h(huán)結(jié)束后，將第二隊列中的第二個虛擬節(jié)點確定為當前虛擬節(jié)點再次對其進行映射，依此類推，直至循環(huán)結(jié)束，完成虛擬節(jié)點的映射。
s220，判斷所述當前虛擬節(jié)點是否已經(jīng)完成映射；如果已完成，則執(zhí)行步驟s230；如果未完成，執(zhí)行步驟s240。
s230，將所述第二隊列中當前虛擬節(jié)點的下一個虛擬節(jié)點作為當前虛擬節(jié)點，返回執(zhí)行所述步驟s220。
具體地，判斷當前虛擬節(jié)點是否已經(jīng)完成映射，如果已完成映射，將當前虛擬節(jié)點的下一個虛擬節(jié)點作為當前虛擬節(jié)點，執(zhí)行下一個循環(huán)，對其進行映射。如果未完成映射，根據(jù)第一隊列，對當前虛擬節(jié)點進行映射。
進一步地，可按照如下方式，根據(jù)第一隊列，對當前虛擬節(jié)點進行映射：
s240，將所述第一隊列中的第一個底層節(jié)點作為當前底層節(jié)點。
s250，判斷當前底層節(jié)點是否已經(jīng)與任一虛擬節(jié)點建立映射；如果是，則執(zhí)行步驟s260；如果否，則執(zhí)行步驟s270。
s260，將所述第一隊列中當前底層節(jié)點的下一個底層節(jié)點作為當前底層節(jié)點，返回執(zhí)行步驟s250。
具體地，為了實現(xiàn)對當前底層節(jié)點進行映射，本實施例采用依次嘗試將第一隊列中的底層節(jié)點對當前底層節(jié)點進行映射。因此，本實施例采用循環(huán)的方式，每次循環(huán)確定一個當前底層節(jié)點。首先，將第一隊列中的第一個底層節(jié)點作為當前底層節(jié)點，如果當前底層節(jié)點已經(jīng)與任一虛擬節(jié)點建立映射，則將第二個底層節(jié)點確定為當前底層節(jié)點，繼續(xù)嘗試對當前虛擬節(jié)點進行映射，直至當前底層節(jié)點未與任一虛擬節(jié)點建立映射為止，此時則利用當前底層節(jié)點嘗試對當前虛擬節(jié)點進行映射。
s270，判斷所述當前底層節(jié)點的計算資源量是否不小于所述第二隊列中當前虛擬節(jié)點的計算資源需求；如果不小于，則執(zhí)行步驟s280；如果小于，則執(zhí)行步驟s290。
s280，則建立所述第二隊列中當前虛擬節(jié)點與所述第一隊列中當前底層節(jié)點的映射。
s290，則將所述第一隊列中當前底層節(jié)點的下一個底層節(jié)點作為當前底層節(jié)點，返回執(zhí)行步驟s250。
具體地，當當前底層節(jié)點未與任一虛擬節(jié)點建立映射時，判斷當前底層節(jié)點的計算資源量是否不小于第二隊列中當前虛擬節(jié)點的計算資源需求。如果不小于，則說明當前底層節(jié)點的計算資源量能夠滿足當前虛擬節(jié)點的計算資源需求，則建立當前虛擬節(jié)點與當前底層節(jié)點的映射，如果小于則說明當前底層節(jié)點的計算資源量不能滿足當前虛擬節(jié)點的計算資源需求，將當前底層節(jié)點的下一個底層節(jié)點作為當前底層節(jié)點，繼續(xù)判斷當前底層節(jié)點是否已經(jīng)與任一虛擬節(jié)點建立映射。
需要說明的是，當所有虛擬節(jié)點中存在至少一個虛擬節(jié)點不能實現(xiàn)映射過程，則虛擬節(jié)點映射過程失敗。
本實施例中，建立包含計算資源量依次減小的底層節(jié)點的第一隊列，建立包含計算資源需求依次減小的虛擬節(jié)點第二隊列；然后，利用第一隊列中的底層節(jié)點依次嘗試映射第二隊列中的虛擬節(jié)點，從而優(yōu)先對計算資源需求較大的底層節(jié)點進行映射，如果計算資源需求較大的底層節(jié)點都能夠順利映射完成，則使后續(xù)的虛擬節(jié)點映射過程更加簡單易行；如果計算資源需求較大的底層節(jié)點不能順利映射完成，則說明整個虛擬節(jié)點映射過程必然失敗，避免了為其他虛擬節(jié)點進行映射成功后再次出現(xiàn)映射失敗的場景，從而節(jié)省了運算流程。
c3、當所述第二隊列中的虛擬節(jié)點均完成映射后，按照所述帶寬資源需求由大到小的順序?qū)Ω魈摂M鏈路進行排序，形成第三隊列。
需要說明的是，若第二隊列中的存在未完成映射的虛擬節(jié)點，則無法進行虛擬鏈路映射過程。
c4、依次對所述第三隊列中的虛擬鏈路進行映射。
圖3為本發(fā)明實施例提供的依次對第三隊列中的虛擬鏈路進行映射的流程圖，該步驟包括步驟s310～步驟s3100：
s310，確定各虛擬節(jié)點所映射的底層節(jié)點為第一底層節(jié)點。
具體地，在所有的虛擬節(jié)點均映射完成后，每個虛擬節(jié)點映射一個底層節(jié)點，將這些底層節(jié)點確定為第一底層節(jié)點。
s320，確定包含所有第一底層節(jié)點的第一底層網(wǎng)絡拓撲，并獲取第一底層網(wǎng)絡拓撲中各底層鏈路的帶寬資源值。
具體地，在確定了所有第一底層節(jié)點后，控制器可根據(jù)各第一底層節(jié)點間的鏈路關系，生成包含所有第一底層節(jié)點的網(wǎng)絡拓撲(即第一網(wǎng)絡拓撲)，并獲取第一網(wǎng)絡拓撲中所有的底層鏈路的帶寬資源值。需要說明的是，由于第一網(wǎng)絡拓撲僅包含第一底層節(jié)點，因此第一底層網(wǎng)絡拓撲中的任一底層鏈路兩端的節(jié)點均為第一底層節(jié)點。
s330，將所述第三隊列中第一個虛擬鏈路作為當前虛擬鏈路。
具體地，為了實現(xiàn)對第三隊列中的虛擬鏈路依次進行映射，本實施例采用循環(huán)的方式，每次循環(huán)對一個虛擬鏈路進行映射，并將第三隊列中第一個虛擬節(jié)點確定為當前虛擬鏈路進行第一次循環(huán)，當?shù)谝淮窝h(huán)結(jié)束后，將第三隊列中的第二個虛擬鏈路確定為當前虛擬鏈路再次對其進行映射，依此類推，直至循環(huán)結(jié)束，完成虛擬鏈路的映射。
s340，判斷所述當前虛擬鏈路是否已經(jīng)完成映射；如果已完成，則執(zhí)行步驟s350；如果未完成，則執(zhí)行s360。
s350，將所述第三隊列中當前虛擬鏈路的下一個虛擬鏈路作為當前虛擬鏈路，返回執(zhí)行步驟s340；
具體地，判斷當前虛擬鏈路是否已經(jīng)完成映射，如果已完成映射，將當前虛擬鏈路的下一個虛擬鏈路作為當前虛擬鏈路，執(zhí)行下一個循環(huán)，對其進行映射；如果未完成映射，對當前虛擬鏈路進行映射。
進一步地，可按照如下方式，對當前虛擬鏈路進行映射：
s360，確定所述當前虛擬鏈路兩端的虛擬節(jié)點為第一虛擬節(jié)點。
s370，確定兩個第一虛擬節(jié)點對應的兩個第一底層節(jié)點為第二底層節(jié)點。
具體地，將當前虛擬鏈路兩端的虛擬節(jié)點確定為兩個第一虛擬節(jié)點，將與這兩個第一虛擬節(jié)點分別映射的兩個第一底層節(jié)點確定為兩個第二底層節(jié)點。
s380，去除所述第一底層網(wǎng)絡拓撲中所有第一底層鏈路，以形成第二底層網(wǎng)絡拓撲；所述第一底層鏈路為所述第一底層網(wǎng)絡拓撲中帶寬資源值小于所述第三隊列中當前虛擬鏈路的帶寬資源需求的底層鏈路。
具體地，由于第一底層網(wǎng)絡拓撲中可能存在帶寬資源值小于當前虛擬鏈路的帶寬資源需求的底層鏈路(即第一底層)，這些第一底層鏈路無法滿足當前虛擬鏈路的帶寬資源需求，因此首先需要去除這些第一底層鏈路，形成第二底層網(wǎng)絡拓撲，從而簡化了后續(xù)虛擬鏈路映射過程，降低運算量。
s390，確定所述第二底層網(wǎng)絡拓撲中的目標底層鏈路；所述目標底層鏈路為以兩個第二底層節(jié)點為端點的底層鏈路中最短的底層鏈路。
s3100，建立所述當前虛擬鏈路與所述目標底層鏈路的映射。
具體地，在得到第二底層網(wǎng)絡拓撲后，查找第二底層網(wǎng)絡拓撲中所有以兩個第二底層節(jié)點為端點的底層鏈路，并對這些底層鏈路按照帶寬資源值由小到大的順序進行排序，形成第四隊列，將第四隊列中第一個底層鏈路作為目標底層鏈路，并建立當前虛擬鏈路與目標底層鏈路的映射。需要說明的是，在虛擬鏈路映射的過程中，如果不存在帶寬資源值不小于當前虛擬鏈路的帶寬資源需求的底層鏈路，那么整個虛擬鏈路映射過程失敗。
本實施例中，利用以兩個第二底層節(jié)點為端點的底層鏈路中最短的底層鏈路對當前虛擬鏈路進行映射，在保證滿足虛擬鏈路映射的前提下，進一步降低了帶寬資源的消耗，節(jié)省了帶寬資源，同時為后續(xù)虛擬鏈路映射預留下充足的帶寬資源，使得整個虛擬鏈路映射過程更容易實現(xiàn)。
相對應于方法實施例，本發(fā)明實施例還提供了一種基于底層節(jié)點排序的虛擬網(wǎng)絡映射裝置，應用于控制器。圖4為本發(fā)明實施例提供的基于底層節(jié)點排序的虛擬網(wǎng)絡映射裝置的結(jié)構(gòu)示意圖，所述裝置包括：
接收模塊410，用于接收目標虛擬網(wǎng)絡請求；所述目標虛擬網(wǎng)絡請求包括各虛擬節(jié)點的計算資源需求以及各虛擬鏈路的帶寬資源需求；
獲取模塊420，用于獲取當前底層網(wǎng)絡中每個底層節(jié)點的各項屬性信息的屬性值；
第一計算模塊430，用于根據(jù)每個底層節(jié)點的各項屬性信息的屬性值以及預先計算的各項屬性信息對應的權(quán)重參數(shù)，計算各底層節(jié)點對應的排序權(quán)重；所述權(quán)重參數(shù)為根據(jù)歷史虛擬網(wǎng)絡映射數(shù)據(jù)計算得到的；
排序模塊440，用于根據(jù)排序權(quán)重對各底層節(jié)點進行排序，形成第一隊列；
映射模塊450，用于根據(jù)所述第一隊列、各虛擬節(jié)點的計算資源需求以及各虛擬鏈路的帶寬資源需求，對各虛擬節(jié)點進行映射以及對各虛擬鏈路進行映射。
本發(fā)明實施例提供的一種基于底層節(jié)點排序的虛擬網(wǎng)絡映射裝置，首先，根據(jù)歷史虛擬網(wǎng)絡映射數(shù)據(jù)計算得到各項屬性信息對應的權(quán)重參數(shù)；然后，當接收目標虛擬網(wǎng)絡請求后，獲取當前底層網(wǎng)絡中每個底層節(jié)點的各項屬性信息的屬性值，并根據(jù)各項屬性信息對應的權(quán)重參數(shù)以及每個底層節(jié)點的各項屬性信息的屬性值，計算各底層節(jié)點對應的排序權(quán)重；最后，根據(jù)排序權(quán)重對各底層節(jié)點進行排序形成第一隊列，并根據(jù)所述第一隊列、各虛擬節(jié)點的計算資源需求以及各虛擬鏈路的帶寬資源需求，對各虛擬節(jié)點進行映射以及對各虛擬鏈路進行映射。
本發(fā)明實施例中，由于歷史虛擬網(wǎng)絡映射數(shù)據(jù)是網(wǎng)絡系統(tǒng)真實存在過的數(shù)據(jù)，并且這些數(shù)據(jù)包含了整個網(wǎng)絡系統(tǒng)的變化特性，根據(jù)歷史虛擬網(wǎng)絡映射數(shù)據(jù)計算各底層節(jié)點對應的排序權(quán)重，并根據(jù)排序權(quán)重對各底層節(jié)點進行排序，能夠更好的適應變化的網(wǎng)絡系統(tǒng)，根據(jù)排序后的底層節(jié)點進行虛擬網(wǎng)絡映射，能夠提高虛擬網(wǎng)絡映射的效果。
進一步地，所述裝置還包括：
第二計算模塊，用于計算任一屬性信息對應的權(quán)重參數(shù)；
所述第二計算模塊，包括：
確定子模塊，用于采用粒子群優(yōu)化訓練算法，將各個粒子的預設的權(quán)重向量初值作為各個粒子的當前權(quán)重向量，將各個粒子的預設的速度向量初值作為各個粒子的當前速度向量；
判斷子模塊，用于判斷訓練次數(shù)是否小于預設訓練次數(shù)閾值；
第一計算子模塊，用于當所述判斷子模塊的判斷結(jié)果為小于時，則根據(jù)各個粒子的當前權(quán)重向量、各個粒子的當前速度向量以及所述歷史虛擬網(wǎng)絡映射數(shù)據(jù)中所述任一屬性信息的屬性值，計算該屬性信息對應的當前權(quán)重參數(shù)，并根據(jù)公式
更新各個粒子的當前權(quán)重向量，根據(jù)公式
更新各個粒子的當前速度向量，并返回執(zhí)行所述判斷訓練次數(shù)是否小于預設訓練次數(shù)閾值的步驟；
輸出子模塊，用于當所述判斷子模塊的判斷結(jié)果為不小于時，則輸出所述任一屬性信息對應的當前權(quán)重參數(shù)；
其中，
進一步地，所述第一計算模塊，包括：
第二計算子模塊，用于根據(jù)所對應各項屬性信息的屬性值，計算每個底層節(jié)點的特征向量；
拼接子模塊，用于對預先計算的各項屬性信息對應的權(quán)重參數(shù)進行拼接，得到第一權(quán)重向量；
內(nèi)積子模塊，用于對所述第一權(quán)重向量和每個底層節(jié)點的特征向量進行內(nèi)積，得到該底層節(jié)點的排序權(quán)重。
本實施例根據(jù)各項屬性信息的屬性值和預先計算的各項屬性信息對應的權(quán)重參數(shù)得到底層節(jié)點的排序權(quán)重，該排序權(quán)重表征了各項屬性信息對底層節(jié)點的整體影響，使排序能夠更好的適應網(wǎng)絡系統(tǒng)。另外，本實施例能夠考慮多種屬性信息，具有良好的擴展性。
進一步地，所述第二計算子模塊，包括：
歸一化單元，用于對任一底層節(jié)點的各項屬性信息的屬性值進行歸一化，得到各項屬性信息的歸一化屬性值；
拼接單元，用于對各項屬性信息的歸一化屬性值進行拼接，得到所述任一底層節(jié)點的特征向量。
進一步地，所述排序模塊，具體用于按照排序權(quán)重由大到小的順序?qū)Ω鞯讓庸?jié)點進行排序，形成第一隊列；
所述映射模塊，包括：
第一排序子模塊，用于按照所述計算資源需求由大到小的順序?qū)Ω魈摂M節(jié)點進行排序，形成第二隊列；
第一映射子模塊，用于根據(jù)所述第一隊列，依次對所述第二隊列中的虛擬節(jié)點進行映射；
第二排序子模塊，用于當所述第二隊列中的虛擬節(jié)點均完成映射后，按照所述帶寬資源需求由大到小的順序?qū)Ω魈摂M鏈路進行排序，形成第三隊列；
第二映射子模塊，用于依次對所述第三隊列中的虛擬鏈路進行映射。
圖5為本發(fā)明實施例提供的第一映射子模塊的結(jié)構(gòu)示意圖，所述第一映射子模塊，包括：
第一確定單元510，用于將所述第二隊列中的第一個虛擬節(jié)點作為當前虛擬節(jié)點；
第一判斷單元520，用于判斷所述當前虛擬節(jié)點是否已經(jīng)完成映射；
第二確定單元530，用于當所述第一判斷單元520的判斷結(jié)果為已完成時，將所述第二隊列中當前虛擬節(jié)點的下一個虛擬節(jié)點作為當前虛擬節(jié)點，觸發(fā)所述第一判斷單元520；
第一映射單元540，用于當所述第一判斷單元520的判斷結(jié)果為未完成時，根據(jù)所述第一隊列，對所述當前虛擬節(jié)點進行映射：
所述第一映射單元540，包括：
第一確定子單元541，用于將所述第一隊列中的第一個底層節(jié)點作為當前底層節(jié)點；
第一判斷子單元542，用于判斷當前底層節(jié)點是否已經(jīng)與任一虛擬節(jié)點建立映射；
第二確定子單元543，用于當所述第一判斷子單元542的判斷結(jié)果為是時，將所述第一隊列中當前底層節(jié)點的下一個底層節(jié)點作為當前底層節(jié)點，觸發(fā)所述第一判斷子單元542；
第二判斷子單元544，用于當所述第一判斷子單元542的判斷結(jié)果為否，判斷所述當前底層節(jié)點的計算資源量是否不小于所述第二隊列中當前虛擬節(jié)點的計算資源需求；
第一映射子單元545，用于當所述第二判斷子單元544的判斷結(jié)果為不小于時，則建立所述第二隊列中當前虛擬節(jié)點與所述第一隊列中當前底層節(jié)點的映射；
第三確定子單元546，用于當所述第二判斷子單元544的判斷結(jié)果為小于時，則將所述第一隊列中當前底層節(jié)點的下一個底層節(jié)點作為當前底層節(jié)點，觸發(fā)所述第一判斷子單元542。
本實施例中，建立包含計算資源量依次減小的底層節(jié)點的第一隊列，建立包含計算資源需求依次減小的虛擬節(jié)點第二隊列；然后，利用第一隊列中的底層節(jié)點依次嘗試映射第二隊列中的虛擬節(jié)點，從而優(yōu)先對計算資源需求較大的底層節(jié)點進行映射，如果計算資源需求較大的底層節(jié)點都能夠順利映射完成，則使后續(xù)的虛擬節(jié)點映射過程更加簡單易行；如果計算資源需求較大的底層節(jié)點不能順利映射完成，則說明整個虛擬節(jié)點映射過程必然失敗，避免了為其他虛擬節(jié)點進行映射成功后再次出現(xiàn)映射失敗的場景，從而節(jié)省了運算流程。
圖6為本發(fā)明實施例提供的第二映射子模塊的結(jié)構(gòu)示意圖，所述第二映射子模塊，包括：
第三確定單元610，用于確定各虛擬節(jié)點所映射的底層節(jié)點為第一底層節(jié)點；
第四確定單元620，用于確定包含所有第一底層節(jié)點的第一底層網(wǎng)絡拓撲，并獲取第一底層網(wǎng)絡拓撲中各底層鏈路的帶寬資源值；
第五確定單元630，用于將所述第三隊列中第一個虛擬鏈路作為當前虛擬鏈路；
第二判斷單元640，用于判斷所述當前虛擬鏈路是否已經(jīng)完成映射；
第六確定單元650，用于當所述第二判斷單元640判斷結(jié)果為已完成時，將所述第三隊列中當前虛擬鏈路的下一個虛擬鏈路作為當前虛擬鏈路，觸發(fā)所述第二判斷單元640；
第二映射單元660，用于當所述第二判斷單元640判斷結(jié)果為未完成時，對所述當前虛擬鏈路進行映射：
所述第二映射單元660，包括：
第四確定子單元661，用于確定所述當前虛擬鏈路兩端的虛擬節(jié)點為第一虛擬節(jié)點；
第五確定子單元662，用于確定兩個第一虛擬節(jié)點對應的兩個第一底層節(jié)點為第二底層節(jié)點；
去除子單元663，用于去除所述第一底層網(wǎng)絡拓撲中所有第一底層鏈路，以形成第二底層網(wǎng)絡拓撲；所述第一底層鏈路為所述第一底層網(wǎng)絡拓撲中帶寬資源值小于所述第三隊列中當前虛擬鏈路的帶寬資源需求的底層鏈路；
第六確定子單元664，用于確定所述第二底層網(wǎng)絡拓撲中的目標底層鏈路；所述目標底層鏈路為以兩個第二底層節(jié)點為端點的底層鏈路中最短的底層鏈路；
第二映射子單元665，用于建立所述當前虛擬鏈路與所述目標底層鏈路的映射。
本實施例中，利用以兩個第二底層節(jié)點為端點的底層鏈路中最短的底層鏈路對當前虛擬鏈路進行映射，在保證滿足虛擬鏈路映射的前提下，進一步降低了帶寬資源的消耗，節(jié)省了帶寬資源，同時為后續(xù)虛擬鏈路映射預留下充足的帶寬資源，使得整個虛擬鏈路映射過程更容易實現(xiàn)。
需要說明的是，在本文中，諸如第一和第二等之類的關系術(shù)語僅僅用來將一個實體或者操作與另一個實體或操作區(qū)分開來，而不一定要求或者暗示這些實體或操作之間存在任何這種實際的關系或者順序。而且，術(shù)語“包括”、“包含”或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過程、方法、物品或者設備不僅包括那些要素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、物品或者設備所固有的要素。在沒有更多限制的情況下，由語句“包括一個……”限定的要素，并不排除在包括所述要素的過程、方法、物品或者設備中還存在另外的相同要素。
本說明書中的各個實施例均采用相關的方式描述，各個實施例之間相同相似的部分互相參見即可，每個實施例重點說明的都是與其他實施例的不同之處。尤其，對于系統(tǒng)實施例而言，由于其基本相似于方法實施例，所以描述的比較簡單，相關之處參見方法實施例的部分說明即可。
以上所述僅為本發(fā)明的較佳實施例而已，并非用于限定本發(fā)明的保護范圍。凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換、改進等，均包含在本發(fā)明的保護范圍內(nèi)。
- 還沒有人留言評論。精彩留言會獲得點贊！