SDN网络中流量负载均衡的方法、系统、设备及存储介质与流程

专利2026-02-12  14


本技术涉及通信领域,具体涉及一种sdn网络中流量负载均衡的方法、系统、设备及计算机可读存储介质。


背景技术:

1、目前sdn网络规模的逐渐扩大,出现流表利用率较低、匹配转发时延较高等问题,为解决此类问题,可以实时在网络拓扑中获取多路径的网络状态信息综合加权为其选取最佳的调度路径。由于路由计算所依据的链路状态信息是时刻变化的,通过控制器周期访问得到的网络状态信息存在一定时延,造成路由计算的结果并非最佳的流量转发路径,使得网络中部分链路的负载较大出现拥塞,负载均衡效果较差。


技术实现思路

1、本技术提供一种sdn网络中流量负载均衡的方法、系统、设备及计算机可读存储介质,可以解决现有技术中存在的通过控制器周期访问得到的网络状态信息存在一定时延,造成路由计算的结果并非最佳的流量转发路径,使得网络中部分链路的负载较大出现拥塞,负载均衡效果较差的技术问题。

2、第一方面,本技术实施例提供一种sdn网络中流量负载均衡的方法,所述sdn网络中流量负载均衡的方法包括:

3、定时查询各个交换机的各个端口以及链路信息;

4、通过控制器周期轮询获取各个所述交换机的各个端口以及流表的统计信息,其中,所述统计信息包括各个所述端口的带宽使用率;

5、根据预置仿真预测模型和各个所述端口的带宽使用率,得到各个链路下一时刻各个端口的可用带宽使用率,其中,所述预置仿真预测模型是通过遗传算法和/或人工蜂群算法对预置bp神经网络模型进行训练得到的;

6、对各个所述链路下一时刻各个端口的可用带宽使用率进行计算,得到目标路径;

7、根据所述目标路径映射为匹配的流表项和配置项,为接入层交换机进行流表项安装和配置项下发。

8、结合第一方面,在一种实施方式中,所述根据预置仿真预测模型和各个所述端口的带宽使用率,得到各链路下一时刻各个所述端口的可用带宽使用率之前,还包括:

9、获取预置bp神经网络模型的网络拓扑结构信息,生成初始化种群,其中,所述网络拓扑结构信息包括各个网络节点信息,所述初始化种群包括多组权重阈值方案,各组所述权重阈值方案包括权重和阈值;

10、根据预置运算规则、各组所述权重阈值方案和获取的训练数据集,确定目标权值和目标阈值,其中,所述预置运算规则包括遗传算法和/或人工蜂群算法;

11、根据所述目标权值和所述目标阈值更新所述预置bp神经网络模型,生成预置仿真预测模型。

12、结合第一方面,在一种实施方式中,所述根据预置运算规则、各组所述权重阈值方案和获取的训练数据集,确定目标权值和目标阈值,包括:

13、按照预置运算规则从各组所述权重阈值方案中确定目标权重阈值方案;

14、根据获取的训练数据集对所述目标权重阈值方案进行计算,得到蜜源密集程度值;

15、若确定所述蜜源密集程度值小于预置阈值,则采用预置侦查蜂规则对所述目标权重阈值方案进行领域搜索,得到第一权值和第一阈值,并生成新的种群;

16、若确定所述新的种群满足第一预置条件,则从所述新的种群中获取目标权值和目标阈值。

17、结合第一方面,在一种实施方式中,所述按照预置运算规则从各组所述权重阈值方案中确定目标权重阈值方案,包括:

18、按照预置运算规则中的预置比例将多组所述权重阈值方案分为多个集群,其中,所述集群包括第一集群、第二集群、第三集群和第四集群;

19、基于所述预置运算规则中遗传算法、人工蜂群算法和各个所述集群,确定各个所述集群的运算阶段,其中,所述运算阶段包括第一运算阶段、第二运算阶段、第三运算阶段和第四运算阶段;

20、所述第一运算阶段包括对所述第一集群中权重阈值方案执行一次遗传算法,定目标权重阈值方案,所述遗传算法包括选择操作规则和交叉操作规则;

21、所述第二运算阶段包括对所述第二集群中权重阈值方案执行先执行一次人工蜂群算法和再执行两次遗传算法,确定目标权重阈值方案;

22、所述第三运算阶段包括对所述第三集群中权重阈值方案先执行两次人工蜂群算法和再执行一次遗传算法,确定目标权重阈值方案;

23、所述第四运算阶段包括对所述第四集群中权重阈值方案执行一次人工蜂群算法,确定目标权重阈值方案,其中,所述人工蜂群算法包括引领蜂操作规则和跟随蜂操作规则。

24、结合第一方面,在一种实施方式中,所述根据获取的训练数据集对所述目标权重阈值方案进行计算,得到蜜源密集程度值,包括:

25、获取所述训练数据集中所述目标权重阈值方案对应的待预测样本数据、预测数据值和真实值,以及所述预测数据值的数量和所述训练数据集中的样本数量;

26、基于预置适应度公式、所述预测数据值的数量、所述训练数据集中的样本数量、以及所述目标权重阈值方案对应的待预测样本数据、预测数据值、真实值,得到蜜源密集程度值。

27、结合第一方面,在一种实施方式中,所述根据获取的训练数据集对所述目标权重阈值方案进行计算,得到蜜源密集程度值之后,还包括:

28、若确定所述蜜源密集程度值大于或等于预置阈值,则采用预置变异操作规则对所述目标权重阈值方案的权重和阈值进行变异,得到变异后的目标权重阈值方案;

29、采用预置侦查蜂规则对所述变异后的目标权重阈值方案进行领域搜索,得到第一权值和第一阈值,并生成新的种群。

30、结合第一方面,在一种实施方式中,所述若确定所述新的种群满足第一预置条件,则从所述新的种群中获取目标权值和目标阈值之前,还包括:

31、获取所述新的种群的迭代次数;

32、根据所述新的种群的迭代次数确定是否满足第一预置条件,其中,所述第一预置条件为预置迭代次数;

33、若所述新的种群的迭代次数大于或等于预置迭代次数,则确定所述新的种群满足第一预置条件;

34、若所述新的种群的迭代次数小于预置迭代次数,则确定所述新的种群不满足第一预置条件,根据预置运算规则确定所述新的种群中的新的目标权值和新的目标阈值。

35、第二方面,本技术实施例提供了一种sdn网络中流量负载均衡的系统,所述sdn网络中流量负载均衡的系统包括:

36、网络拓扑更新模块,用于管理网络中各个交换机节点以及对各个交换机之间端口的链路信息,定时查询各个所述交换机端口以及所述链路信息,并更新网络拓扑结构;

37、网络状态监控模块,用于通过控制器周期轮询获取各个所述交换机的各个端口以及流表的统计信息,其中,所述统计信息包括各个所述端口的带宽使用率;

38、链路带宽预测模块,用于根据预置预测模型和各个所述端口的带宽使用率,得到各链路下一时刻各个所述端口的可用带宽使用率,其中,所述预置仿真预测模型是通过遗传算法和/或人工蜂群算法对预置bp神经网络模型进行训练得到的;

39、路由计算模块,用于对对各个所述链路下一时刻各个端口的可用带宽使用率进行计算,得到目标路径;

40、流表项安装模块,用于根据所述目标路径映射为匹配的流表项和配置项,为接入层交换机进行流表项安装和配置项下发。

41、第三方面,本技术实施例提供了一种sdn网络中流量负载均衡,所述sdn网络中流量负载均衡包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的sdn网络中流量负载均衡程序,其中所述sdn网络中流量负载均衡程序被所述处理器执行时,实现如上述的sdn网络中流量负载均衡的方法的步骤。

42、第四方面,本技术实施例提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有sdn网络中流量负载均衡程序,其中所述sdn网络中流量负载均衡程序被处理器执行时,实现如上述的sdn网络中流量负载均衡的方法的步骤。

43、本技术实施例提供的技术方案带来的有益效果包括:通过定时查询各个交换机的各个端口以及链路信息;通过控制器周期轮询获取各个所述交换机的各个端口以及流表的统计信息,其中,所述统计信息包括各个所述端口的带宽使用率;根据预置仿真预测模型和各个所述端口的带宽使用率,得到各个链路下一时刻各个端口的可用带宽使用率,其中,所述预置仿真预测模型通过遗传算法和/或人工蜂群算法对预置bp神经网络模型进行训练得到的;对各个所述链路下一时刻各个端口的可用带宽使用率进行计算,得到目标路径;根据所述目标路径映射为匹配的流表项和配置项,为接入层交换机进行流表项安装和配置项下发,解决了相关技术中通过控制器周期访问得到的网络状态信息存在一定时延,造成路由计算的结果并非最佳的流量转发路径,使得网络中部分链路的负载较大出现拥塞,负载均衡效果较差的技术问题,采用预置仿真预测模型来提高带宽预测准确率,避免网络状态信息存在延时,以提高负载均衡效果。


技术特征:

1.一种sdn网络中流量负载均衡的方法,其特征在于,所述sdn网络中流量负载均衡的方法包括:

2.如权利要求1所述sdn网络中流量负载均衡的方法,其特征在于,所述根据预置仿真预测模型和各个所述端口的带宽使用率,得到各链路下一时刻各个所述端口的可用带宽使用率之前,还包括:

3.如权利要求2所述sdn网络中流量负载均衡的方法,其特征在于,所述根据预置运算规则、各组所述权重阈值方案和获取的训练数据集,确定目标权值和目标阈值,包括:

4.如权利要求3所述sdn网络中流量负载均衡的方法,其特征在于,所述按照预置运算规则从各组所述权重阈值方案中确定目标权重阈值方案,包括:

5.如权利要求3所述的sdn网络中流量负载均衡的方法,其特征在于,所述根据获取的训练数据集对所述目标权重阈值方案进行计算,得到蜜源密集程度值,包括:

6.如权利要求3所述的sdn网络中流量负载均衡的方法,其特征在于,所述根据获取的训练数据集对所述目标权重阈值方案进行计算,得到蜜源密集程度值之后,还包括:

7.如权利要求3所述的sdn网络中流量负载均衡的方法,其特征在于,所述若确定所述新的种群满足第一预置条件,则从所述新的种群中获取目标权值和目标阈值之前,还包括:

8.一种sdn网络中流量负载均衡的系统,其特征在于,所述sdn网络中流量负载均衡的系统包括:

9.一种sdn网络中流量负载均衡,其特征在于,所述sdn网络中流量负载均衡包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的sdn网络中流量负载均衡程序,其中所述sdn网络中流量负载均衡程序被所述处理器执行时,实现如权利要求1至7中任一项所述的sdn网络中流量负载均衡的方法的步骤。

10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有sdn网络中流量负载均衡程序,其中所述sdn网络中流量负载均衡程序被处理器执行时,实现如权利要求1至7中任一项所述的sdn网络中流量负载均衡的方法的步骤。


技术总结
一种SDN网络中流量负载均衡的方法、系统、设备及存储介质,包括:定时查询各个交换机的各个端口以及链路信息;通过控制器周期轮询的获取各个所述交换机的各个端口以及流表的统计信息;根据预置仿真预测模型和各个所述端口的带宽使用率,得到各个链路下一时刻各个端口的可用带宽使用率,其中,所述预置仿真预测模型是通过遗传算法和/或人工蜂群算法对预置BP神经网络模型进行训练得到的;对各个所述链路下一时刻各个端口的可用带宽使用率进行计算,得到目标路径;根据所述目标路径映射为匹配的流表项和配置项,为接入层交换机进行流表项安装和配置项下发,采用预置仿真预测模型来提高带宽预测准确率,避免网络状态信息存在延时,以提高负载均衡效果。

技术研发人员:秦波
受保护的技术使用者:武汉烽火技术服务有限公司
技术研发日:
技术公布日:2024/11/11
转载请注明原文地址: https://tieba.8miu.com/read-19800.html

最新回复(0)