虛擬化網(wǎng)絡(luò)的信譽(yù)評(píng)估及映射技術(shù)研究.pdf

1、隨著網(wǎng)絡(luò)技術(shù)的不斷發(fā)展和革新，網(wǎng)絡(luò)虛擬化已經(jīng)成為計(jì)算機(jī)網(wǎng)絡(luò)的發(fā)展趨勢(shì)。當(dāng)前的互聯(lián)網(wǎng)已經(jīng)嚴(yán)重骨化，從上層應(yīng)用到底層硬件的剛性設(shè)計(jì)嚴(yán)重限制了新的技術(shù)和應(yīng)用的部署和推廣。作為一門新型的研究領(lǐng)域，網(wǎng)絡(luò)虛擬化具有方便實(shí)施和部署、應(yīng)用多樣化、易于管理和擴(kuò)展等特點(diǎn)，因而引起了學(xué)術(shù)界研究人員的高度關(guān)注。它通過清晰劃分邏輯層和物理層，可以提高網(wǎng)絡(luò)應(yīng)用的靈活性，有效地解決當(dāng)前互聯(lián)網(wǎng)的骨化問題。
　　 虛擬網(wǎng)的信譽(yù)評(píng)估和映射技術(shù)是保證服務(wù)可靠性的兩個(gè)

2、重要技術(shù)環(huán)節(jié)，成為了網(wǎng)絡(luò)虛擬化的熱點(diǎn)研究問題。在網(wǎng)絡(luò)虛擬化環(huán)境下，用戶對(duì)于網(wǎng)絡(luò)和服務(wù)的選擇更具多樣性，不同角色之間的交互更為頻繁。一個(gè)合理的信譽(yù)評(píng)估模型既可以為用戶選擇網(wǎng)絡(luò)、服務(wù)提供決策向?qū)В部梢院芎玫乇O(jiān)督運(yùn)營(yíng)商提高服務(wù)質(zhì)量，有效地保證了整個(gè)網(wǎng)絡(luò)環(huán)境的服務(wù)秩序；而虛擬網(wǎng)映射技術(shù)是實(shí)現(xiàn)網(wǎng)絡(luò)虛擬化的基礎(chǔ)，映射機(jī)制的優(yōu)劣直接決定著虛擬化平臺(tái)的效率。本文針對(duì)網(wǎng)絡(luò)虛擬化服務(wù)可靠性的兩個(gè)技術(shù)保障，一方面，在傳統(tǒng)網(wǎng)絡(luò)環(huán)境中信譽(yù)模型的研究基礎(chǔ)上，結(jié)合

3、網(wǎng)絡(luò)虛擬化環(huán)境的特殊需求，采用概率分布的數(shù)學(xué)方法，構(gòu)建出了適合網(wǎng)絡(luò)虛擬化環(huán)境的信譽(yù)模型。另一方面，針對(duì)當(dāng)前映射機(jī)制中不能充分利用物理資源的缺陷，提出了一種有效的虛擬網(wǎng)映射機(jī)制。主要的研究成果包括以下四個(gè)方面：
　　 (1)在傳統(tǒng)的信譽(yù)評(píng)估研究基礎(chǔ)上，提出了一種基于樸素貝葉斯網(wǎng)絡(luò)的虛擬網(wǎng)信譽(yù)評(píng)估機(jī)制。根據(jù)虛擬網(wǎng)和其所提供的服務(wù)/應(yīng)用的關(guān)系，結(jié)合樸素貝葉斯網(wǎng)絡(luò)的數(shù)學(xué)特性，把虛擬網(wǎng)和其所提供的服務(wù)抽象表示為一個(gè)簡(jiǎn)單的貝葉斯網(wǎng)絡(luò)，虛擬網(wǎng)

4、作為網(wǎng)絡(luò)的根節(jié)點(diǎn)，其所提供的服務(wù)作為網(wǎng)絡(luò)的葉子節(jié)點(diǎn)，然后根據(jù)用戶對(duì)具體的服務(wù)/應(yīng)用的評(píng)估數(shù)據(jù)，結(jié)合貝葉斯網(wǎng)絡(luò)的概率運(yùn)算規(guī)則，計(jì)算出不同需求下虛擬網(wǎng)或者服務(wù)的信譽(yù)值。另外，為了保證評(píng)估模型對(duì)差評(píng)的敏感性和謹(jǐn)慎度，在上述模型的基礎(chǔ)上，對(duì)評(píng)估結(jié)果進(jìn)行了差評(píng)敏感處理，使得模型中的信譽(yù)具有“上升慢，下降快”的特點(diǎn)。
　　 (2)提出了一種基于Dirichlet分布的信譽(yù)評(píng)估機(jī)制。該機(jī)制是根據(jù)數(shù)學(xué)上的Dirichlet概率分布的應(yīng)用特性，在

5、Josang等人提出的Dirichlet信譽(yù)系統(tǒng)基礎(chǔ)上，結(jié)合上述“差評(píng)敏感”處理的設(shè)計(jì)，對(duì)用戶的離散評(píng)估記錄進(jìn)行Dirichlet概率期望運(yùn)算，計(jì)算出一個(gè)連續(xù)的信譽(yù)值。模型中，把被評(píng)估實(shí)體(服務(wù)或者虛擬網(wǎng))的評(píng)估等級(jí)抽象為Dirichlet分布的K個(gè)不相交的狀態(tài)，根據(jù)Dirichlet的概率期望計(jì)算公式，把用戶的評(píng)估轉(zhuǎn)化為實(shí)體的信譽(yù)值。另外，為了保證評(píng)估的客觀性和穩(wěn)定性，引入了動(dòng)態(tài)先驗(yàn)率的概念，印把上個(gè)周期的評(píng)估結(jié)果作為下個(gè)周期評(píng)估結(jié)果

6、的先驗(yàn)信譽(yù)，實(shí)驗(yàn)結(jié)果表明，基于動(dòng)態(tài)先驗(yàn)率的Dirichlet信譽(yù)模型可以進(jìn)一步提高了評(píng)估系統(tǒng)的穩(wěn)定性。同樣，由于信譽(yù)系統(tǒng)一般都會(huì)對(duì)差評(píng)比較敏感，因此，對(duì)上述模型計(jì)算結(jié)果進(jìn)行了“差評(píng)敏感”處理，使得系統(tǒng)對(duì)于差評(píng)記錄保持一定的敏感度。雖然在數(shù)學(xué)上，Dirichlet概率分布比較復(fù)雜。然而，在本模型中，根據(jù)Dirichlet分布的應(yīng)用特性，僅使用了其概率期望的公式計(jì)算實(shí)體的信譽(yù)值，最終的信譽(yù)值即為概率分布的概率期望，所以模型的計(jì)算復(fù)雜度并不高

7、。
　　 (3)提出了一種物理節(jié)點(diǎn)可重復(fù)映射的虛擬網(wǎng)映射算法。一般在節(jié)點(diǎn)映射過程中，同一個(gè)虛擬網(wǎng)中不同節(jié)點(diǎn)一般均映射到不同的物理節(jié)點(diǎn)上。而在實(shí)際的網(wǎng)絡(luò)虛擬化環(huán)境中，同一個(gè)虛擬網(wǎng)的不同節(jié)點(diǎn)可以映射到相同的物理節(jié)點(diǎn)上。為此，本文在傳統(tǒng)映射算法的基礎(chǔ)上，提出了一種物理節(jié)點(diǎn)可重復(fù)映射的虛擬網(wǎng)映射算法。算法中，先對(duì)物理節(jié)點(diǎn)的潛在資源按照從大到小的順序進(jìn)行排序，在映射同一虛擬網(wǎng)時(shí)，盡量保證虛節(jié)點(diǎn)映射到同一物理節(jié)點(diǎn)上，這樣可以有效地減少了虛鏈

8、路的映射成本，因?yàn)橥晃锢砉?jié)點(diǎn)內(nèi)部通信可視為無窮大，其映射的虛節(jié)點(diǎn)之間的鏈路不再需要映射，降低了映射算法的復(fù)雜度，節(jié)約了鏈路資源，提高了映射率。為了進(jìn)一步提高鏈路映射率，采用K短路徑搜索的方法映射鏈路，即在成功映射的虛節(jié)點(diǎn)之間，按照K遞增的方式搜索K短路徑(初始K=1，即最短路徑)，直到鏈路能夠成功映射為止。實(shí)際上，K短路徑的搜索是用搜索時(shí)間來換取鏈路映射的成功率。具體K的搜索上限取決于具體的應(yīng)用環(huán)境。
　　 (4)提出了一種基

9、于分類預(yù)處理的鏈路可分流的虛擬網(wǎng)映射算法。上述的物理節(jié)點(diǎn)可重復(fù)映射的映射算法盡管有效地提高了節(jié)點(diǎn)映射的成功率，然而在其鏈路映射過程中，由于對(duì)K短路徑的搜索效率很低，其算法開銷比較大。為此，結(jié)合網(wǎng)絡(luò)最大流量算法，對(duì)鏈路映射過程做了改進(jìn)，允許虛鏈路分流映射到不同的物理路徑上，只要保證這些物理路徑的帶寬總量滿足虛鏈路的帶寬需求即可。這樣，有效地利用零散的帶寬資源，提高資源的利用率，潛在提高了鏈路的映射率。由于采用最大流算法對(duì)鏈路映射進(jìn)行分流處