基于排队论的树形网络拓扑结构的优化方法技术

本发明专利技术提出了一种基于排队论的树形网络拓扑结构的优化方法，用于解决在资源有限及给定业务下大规模用户节点互连的优化设计问题，实现步骤为：给定基础树形网络拓扑结构、业务模型和路由算法；建立单个基本交换模块的排队节点模型和整个树形网络的排队网络模型；对树形网络拓扑结构性能进行理论计算和仿真计算；验证理论计算正确性和排队网络模型合理性；优化树形网络拓扑结构及参数。本发明专利技术通过建立排队网络模型，实现了树形网络的定量分析，考虑了业务强度、缓存、交换模块、网络拓扑结构对网络性能的影响，适用于给定业务需求下的最优树形网络拓扑结构的构建。

【技术实现步骤摘要】
基于排队论的树形网络拓扑结构的优化方法
本专利技术属于通信
，涉及一种树形网络拓扑结构的优化方法，具体涉及一种基于排队论的树形网络拓扑结构的优化方法，适用于多级树形(星型)交换、片上网络、高性能计算机以及数据中心等网络与通信系统。技术背景互连网络(InterconnectionNetworks)可实现数字系统之间或数字系统内部多个功能模块的相互连接以及数字系统中节点间的信息传送，其在片上网络、高性能计算机以及数据中心等数字系统中发挥着重大作用。现有的互连网络分为共享介质网络、直接连接网络、间接连接网络和混合网络等四大类，其中的树形网络拓扑结构扩展性好，路由算法简单，无死锁，但树的任意两个节点间只有一条路径，任一条链路出现问题都会使网络失去连通性，所以树形互连网络的可靠性差，而且越靠近根结点的链路负载越大。根结点附近的链路很容易因带宽不足而严重影响系统性能。为了解决树形网络的缺点，很多研究者对树形网络结构的优化进行了大量的研究，取得了显著的成果。这些研究可以分为两类：一是提出许多基于树形的新型网络结构和应用于不同的场景；二是在构建网络中结合具体业务需求对同种树形网络结构进行优化选择。在结合业务需求优化同种树形网络拓扑结构时，常用的优化方法有理论分析法和仿真法两种，其中理论分析法主要使用排队论知识，建立网络的等效模型，通过求解排队网络的稳态概率，得到网络的时延、丢失率及吞吐量等性能指标；仿真法主要通过计算机编程或程序建立网络的模型，模拟网络的运行过程，从而统计网络的性能指标。现有很多关于同种树形网络拓扑结构优化的研究并没有对基础网络进行定量分析，也没有考虑业务强度、网络缓存等参数对基础网络性能的影响，往往使用平均跳数、最大吞吐量来衡量网络的性能；但是，在跳数相同时，端到端时延不一定相等，且最大吞吐量尚不能反映出业务强度对网络吞吐量的影响。为了对基础网络的进行定量分析和考虑业务强度、网络缓存等参数对基础网络性能的影响，可以对基础网络建立排队网络模型并加以分析。但在对基础网络进行建模分析的研究中，大多将重点放在业务源的建模上，而简化了网络结构，也没有考虑交换设备，只研究了通信网络系统的某一部分，虽然已考虑业务特征对网络性能的影响，但却弱化了整个庞大的网络架构对网络性能的影响，并不能完全反映出网络的整体性能。树形网络的拓扑结构不仅决定着数据中心的构建代价和运维耗能，更决定了数据中心所承载的各种应用的运行效率。为了提高系统性能和有效利用系统资源，设计合理高效的网络拓扑结构成为一个亟待解决的工程问题。NavaridasJ等人在“Reducingcomplexityintree-likecomputerinterconnectionnetworks”(ParallelComputing,2010,36(23):71-85.)一文中研究瘦化之后的(k-aryn-tree)网络的性能和费用。作者计算瘦化后网络的对分带宽和最大吞吐量，以此来初步衡量网络的性能。在文章的仿真中，作者将各个业务执行时间的加权求和的倒数作为网络的性能，然后与作者提出的三种网络费用计算公式所计算出的价格分别相比，最后依据网络性价比，比较得出最优的瘦化网络。上述评价网络性能和选择网络结构的方法虽然有一定的效果，但存在诸多不足：最大吞吐量是网络性能表现的一个方面，但不能反映出业务强度对网络吞吐量的影响；作者在对互连网络的优化过程中用到了价格函数这个指标，但通常情况下网络的价格很难衡量，而且这些价格函数都是作者自身根据某些依据提出，很难反映出网络的真实价格；文中作者只是进行粗略的仿真得到网络的性能，没有考虑缓存等网络参数对网络性能的影响。因此，该文中的方法并不能对网络的性能进行全面而准确的反映。AnjumS等人在“AScalableandMinimizedButterflyFatTree(SMBFT)SwitchingNetworkforOn-ChipCommunication”(ResearchJournalofAppliedSciencesEngineering&Technology,2012,4(13):1997-2002.)一文中对改进型树形互连网络结构SMBFT(ScalableandMinimizedButterflyFatTree)、BFT(ButterflyFatTree)和BT(BinaryTree)的性能进行了研究。作者通过仿真得到了不同网络在各个仿真下的时延，并将时延大小作为最优的网络拓扑结构选择的一个依据。上述评价网络性能和选择网络结构的方法存在诸多不足：对网络时延进行仿真时，只是记录每次仿真时的时延数据，并没有在仿真中反映出时延随业务强度的变化，不能够真正体现实际网络的性能表现；仿真过程中虽然考虑了缓存资源，但并没有体现出缓存资源不同对网络性能造成的影响；另外，在对网络性能进行仿真时，只考虑到网络的时延，并没有考虑到网络的吞吐量和丢失率，不能全面的反映网络的性能，影响实际中对最优网络拓扑结构的选择。
技术实现思路
本专利技术的目的在于克服现有技术存在的不足，提出了一种基于排队论的树形网络拓扑结构的优化方法，通过对树形网络拓扑结构中的交换模块进行建模以及利用各个交换模块之间相互连接的关系，建立树形网络拓扑结构的排队网络模型，对树形网络拓扑结构的性能进行定量分析，考虑业务强度、缓存、交换模块和拓扑结构对网络性能的影响，从而构建更加符合业务需求的树形网络拓扑结构，用于解决在资源有限及给定业务下大规模用户节点互连的优化设计问题。为实现上述目的，本专利技术采取的技术方案包括如下步骤：(1)给定基础树形网络拓扑结构：包括N级基本交换模块，其中N≥2，最高级基本交换模块的数量为1，且其包含QN个速率相同的下行低速端口；第k级基本交换模块的数量为Xk＝Qk+1Xk+1，k＝1,2,...,N-1，且每个基本交换模块包含Qk个速率相同的下行低速端口和1个上行高速端口，该N级基本交换模块中较低级基本交换模块的下行低速端口数大于或等于较高级基本交换模块的下行低速端口数，第1级的基本交换模块的下行低速端口与用户节点连接，其余各级基本交换模块的下行低速端口分别依次与下一级的上行高速端口连接；(2)给定基础树形网络拓扑结构的业务模型和路由算法，其中业务模型为目的节点均匀分布、分组到达网络的过程为泊松过程、分组服务时间服从负指数分布且所有分组长度归一化为1；路由算法采用最短路径确定性路由算法；(3)利用排队论和最短路径确定性路由算法确定的路由过程，并建立树形网络拓扑结构各级基本交换模块的排队节点模型，实现步骤为：(3a)将树形网络拓扑结构中除N级外的基本交换模块的上行分组转发方式和下行分组转发方式，分别等效为上行排队节点和下行排队节点，得到除第N级外的基本交换模块的排队节点模型；(3b)将第N级的上行转发方式等效为上行排队节点，将分组在该级的向下转发过程等效为下行排队节点，得到第N级基本交换模块的排队节点模型；(4)按照给定基础树形网络拓扑结构中基本交换模块的连接关系，将各级基本交换模块的排队节点模型连接起来，得到树形网络拓扑结构的排队网络模型；(5)根据排队网络模型进行理论计算，得到树形网络拓扑结构的吞吐量TP、平均端到端时延Td和平均丢失本文档来自技高网...

【技术保护点】
一种基于排队论的树形网络拓扑结构的优化方法，其特征在于，包括如下步骤：(1)给定基础树形网络拓扑结构：包括N级基本交换模块，其中N≥2，最高级基本交换模块的数量为1，且其包含Q

【技术特征摘要】
1.一种基于排队论的树形网络拓扑结构的优化方法，其特征在于，包括如下步骤：(1)给定基础树形网络拓扑结构：包括N级基本交换模块，其中N≥2，最高级基本交换模块的数量为1，且其包含QN个速率相同的下行低速端口；第k级基本交换模块的数量为Xk＝Qk+1Xk+1，k＝1,2,...,N-1，且每个基本交换模块包含Qk个速率相同的下行低速端口和1个上行高速端口，该N级基本交换模块中较低级基本交换模块的下行低速端口数大于或等于较高级基本交换模块的下行低速端口数，第1级的基本交换模块的下行低速端口与用户节点连接，其余各级基本交换模块的下行低速端口分别依次与下一级的上行高速端口连接；(2)给定基础树形网络拓扑结构的业务模型和路由算法，其中业务模型为目的节点均匀分布、分组到达网络的过程为泊松过程、分组服务时间服从负指数分布且所有分组长度归一化为1；路由算法采用最短路径确定性路由算法；(3)利用排队论和最短路径确定性路由算法确定的路由过程，并建立树形网络拓扑结构各级基本交换模块的排队节点模型，实现步骤为：(3a)将树形网络拓扑结构中除N级外的基本交换模块的上行分组转发方式和下行分组转发方式，分别等效为上行排队节点和下行排队节点，得到除第N级外的基本交换模块的排队节点模型；(3b)将第N级的上行转发方式等效为上行排队节点，将分组在该级的向下转发过程等效为下行排队节点，得到第N级基本交换模块的排队节点模型；(4)按照给定基础树形网络拓扑结构中基本交换模块的连接关系，将各级基本交换模块的排队节点模型连接起来，得到树形网络拓扑结构的排队网络模型；(5)根据排队网络模型进行理论计算，得到树形网络拓扑结构的吞吐量TP、平均端到端时延Td和平均丢失率LR的理论值；(6)根据树形网络拓扑结构的排队网络模型建立仿真模型，并利用仿真模型对树形网络拓扑结构的性能指标进行仿真，得到树形网络拓扑结构的吞吐量TP′、平均端到端时延Td′和平均丢失率LR′的仿真值；(7)对步骤(5)得到的树形网络拓扑结构的吞吐量TP、平均端到端时延Td和平均丢失率LR的理论值与步骤(6)中得到的树形网络拓扑结构的吞吐量TP′、平均端到端时延Td′和平均丢失率LR′的仿真值分别进行比较，确定步骤(5)理论计算的正确性和步骤(4)排队网络模型的合理性；(8)利用步骤(7)确定的排队网络模型，考虑业务强度、缓存、交换模块和网络拓扑结构等因素，对步骤(1)给定的基础树形网络拓扑结构进行优化，给出以下三种优化实施实例：(8a)给定包括用户节点数和各级基本交换模块下行端口数的树形网络拓扑结构和业务强度，在树形网络拓扑结构总缓存取不同值时，分别计算不同缓存分配方案下的树形网络拓扑结构的性能仿真值，根据所得的性能仿真值，并结合业务需求，选择最优的树形网络拓扑结构；(8b)给定用户节点数和缓存分配方案，在不同业务强度下，分别计算不同树形网络拓扑结构的性能仿真值，根据所得的性能仿真值，并结合业务需求，选择最优的树形网络拓扑结构；(8c)给定包括用户节点数和各级基本交换模块的下行端口数的树形网络拓扑结构和缓存分配方案，在不同的业务强度下，分别计算基本交换模块缓存不同的树形网络拓扑结构的性能仿真值，根据所得的性能仿真值，并结合业务需求，选择最优的树形网络拓扑结构。2.根据权利要求1所述的基于排队论的树形网络拓扑结构的优化方法，其特征在于，步骤(5)中所述的树形网络拓扑结构的吞吐量TP、平均端到端时延Td和平均丢失率LR的理论值，其计算步骤为：(5a)根据给定的树形网络拓扑结构的业务模型和最短路径确定性路由算法，推导出排队网络模型第k级上行排队节点的分组向k+1级传输的路由概率和直接传输到下行排队节点的路由概率的计算公式：(5b)根据给定的树形网络拓扑结构的业务模型和最短路径确定性路由算法，推导出排队网络模型第k级下行排队节点的分组通过目的节点所在的低速端口传输到k-1级的路由概率rk,dw的计算公式：(5c)利用步骤(5a)中的路由概率和最短路径确定性路由算法，推导出排队网络模型中分组在第k级完成交换的概率Rk的计算公式：(5d)利用给定的树形网络拓扑结构的业务模型以及步骤(5a)和步骤(5b)中的路由概率，推导出排队网络模型中第k级上行排队节点的到达率λk,up和下行排队节点的到达率λk,dw的计算公式：其中，λu表示分组通过第一级上行排队节点进入网络的到达率，lrk,up和lrk,dw分别表示第k级每个基本交换模块上行排队节点和下行排队节点的丢失概率；(5e)利用排队论，建立排队网络模型的上行排队节点的状态转移方程和下行排队节点的状态转移方程，分别为方程式(7)和(8)：

【专利技术属性】
技术研发人员：徐展琦，翟波涛，刘杨，张玉帅，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西,61