一种基于SDN和NFV的网控编码方法技术

本发明专利技术公开了一种基于SDN和NFV的网控编码方法，首先采用多态流量学习、识别与关联方法对网络流量进行学习和分析，并建立网络的关联流量模型；其次在关联流量模型的基础上，调用网控编码逻辑编排策略发现并制造网络编码的机会，最终建立高效、可控、可定义的网络信息传输机制。本发明专利技术首次提出并定义网控编码概念，充分发挥了SDN/NFV技术与网络编码技术各自的优势，探索、拓展其内涵、外延及应用模式，推动了数据传输效率的提升和网络传输模式的突破并将两者深入融合、延伸，形成了拓扑‑流量‑编码联合优化编排的网控编码，提高了网络信息传输效率，降低了网络传输压力。

【技术实现步骤摘要】
一种基于SDN和NFV的网控编码方法
本专利技术属于网络信息传输
，具体涉及一种基于SDN和NFV的网控编码方法的设计。
技术介绍
随着移动社交、实时视频、虚拟现实、云计算、大数据等网络业务的不断丰富，网络需要传输的信息量越来越大，这给现有网络带来了巨大的传输压力。虽然升级网络硬件、提高网络带宽能够解决部分压力，但通常伴随着高昂的升级成本，因此现有的网络信息传输技术已经很难适应当下海量信息的高效传输需求。网络编码技术(NetworkCoding，NC)自2000年提出后，在理论方面已经发展的相当成熟，它将信息传输从传统的“存储-转发”模式革命性的改变为“存储-编码-转发”的模式，实现传统路由难以实现的“最大流最小割”网络容量的上限。但网络编码需要重新定义传统的路由、交换设备，且其应用效果受到网络拓扑和流量特征的影响，这给网络编码的应用和普及带来了巨大的阻碍。SDN/NFV技术的迅速发展给网络编码的应用带来了新的契机。软件定义网络(SoftwareDefinedNetwork，SDN)以及与SDN密切相关的网络功能虚拟化(NetworkFunctionVirtualization，NFV)技术将重塑网络架构，在数据缓存、调度、处理和路由等多方面提供了更高的灵活性，使得网络编码在未来网络中的应用和普及成为可能。但目前关于SDN/NFV技术与网络编码协同工作的研究，主要集中在两者的简单相加或者实现方案上。这些工作虽然验证了网络编码在SDN网络中的可行性和有效性，但是没有真正充分发挥SDN/NFV技术与网络编码技术深层协作可能带来的巨大优势。基于此，本专利技术首次提出并定义网控编码(NetworkOrchestratedCoding，NOC)概念，旨在充分发挥SDN/NFV技术与网络编码技术各自的优势，并将两者深入融合、延伸，形成拓扑、流量、编码联合优化编排的网控编码，提高网络信息传输效率，降低网络传输压力。
技术实现思路
本专利技术的目的是为了解决现有技术只能实现SDN/NFV技术与网络编码技术二者之间的简单相加，无法实现二者之间的深度融合与延伸的问题，提出了一种基于SDN和NFV的网控编码方法。本专利技术的技术方案为：一种基于SDN和NFV的网控编码方法，包括以下步骤：S1、采用多态流量学习、识别与关联方法对网络流量进行学习和分析，掌握网络中主要数据流量的特点、流量间的关系以及流量内容的关联性，进行不同流量的特征识别和业务分类，并建立网络的关联流量模型；S2、在关联流量模型的基础上，调用网控编码逻辑编排策略，发现并制造网络协作编码的机会，建立流量-拓扑最优匹配策略，并形成网控编码二维分布图，实现网控编码最优逻辑编排策略，最终建立高效、可控、可定义的网络信息传输机制。进一步地，步骤S1中的多态流量学习、识别与关联方法具体包括以下三个阶段：S11、学习阶段：网络中负责数据传输与控制的网控设备对多态流量特征进行学习，根据预约式流量的预约信息和非预约式流量的历史特征将流量划分为内联流量和协控流量；S12、分析阶段：在学习、掌握各流量特征的基础上，进一步对流量的源宿相关性、时间重叠性、路径趋同性、Qos要求相似性和内容相关性进行分析，并针对协控流量建立一组流量集合；S13、关联阶段：针对分析阶段形成的流量集合间的关系，建立网控编码中的关联流量集，形成关联流量模型；同时对于内联流量，则直接针对每一条流量，结合网络拓扑和链路利用率，进行网控内联编码传输。进一步地，步骤S11中预约式流量的预约信息具体为节点在准备发送特定数据时，提前向网控设备发起的预约声明或者资源申请。进一步地，步骤S11中非预约式流量的历史特征具体为：(1)对于骨干网、核心网类型的主干网，其非预约式流量的历史特征包括流量的大小、源/目的节点、路径、类型；(2)对于规模较小的接入网、独立网络，其非预约式流量的历史特征包括最新几轮的报文交互。进一步地，内联流量为由于流量的时延、优先级特性，要求该流量必须以更高优先级、更迅速地传输到目的节点，从而导致网控编码只能在该流量内部进行优化编码与协同传输，而不能与其他流量进行协同的流量。进一步地，协控流量为在一定条件下可与其他流量进行组合与协同优化编码传输的流量。进一步地，步骤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、时间重叠流量集合、路径相关流量集合、QoS相似流量集合、内容相关流量集合。进一步地，步骤S2中的网控编码逻辑编排策略包括流量与最优拓扑匹配机制、协同编码编排机制以及两者进行协同优化后得到的流量-拓扑-编码联合优化编排策略。进一步地，流量与最优拓扑匹配机制具体为：以最小费用流数学模型为基础，结合步骤S1得到的关联流量模型，同时综合考虑协同编码编排机制对节点输入输出间的影响，建立网络流量与拓扑结构的最优匹配关系。进一步地，协同编码编排机制具体为：在步骤S1得到的关联流量模型的基础上，结合网络编码相关理论，建立关联流量组合与协同编码策略的一一对应关系，对每组协同编码对应关系设定合适的编码算法；同时确定参与协同编码的中继节点，使得在这些中继节点上能够使用NFV技术建立相应的编解码功能，从而实施网控编码的具体步骤。本专利技术的有益效果是：本专利技术首次提出并定义网控编码概念，充分发挥了SDN/NFV技术与网络编码技术各自的优势，探索、拓展其内涵、外延及应用模式，推动了数据传输效率的提升和网络传输模式的突破并将两者深入融合、延伸，形成了拓扑-流量-编码联合优化编排的网控编码，提高了网络信息传输效率，降低了网络传输压力。附图说明图1为本专利技术提供的一种基于SDN和NFV的网控编码方法架构示意图。图2为本专利技术实施例一的PF-LRC方法实施过程示意图。图3为本专利技术实施例二的NOC-LOS策略黑匣子模型示意图。图4为本专利技术实施例二的NOC-LOS策略实施过程示意图。具体实施方式下面结合附图对本专利技术的实施例作进一步的说明。在介绍本专利技术的技术方案之前，首先对本专利技术首次提出的网控编码(NetworkOrchestratedCoding，NOC)概念进行定义。网控编码技术具体定义为：将整体网络视为统一的信息转移空间，网络、节点和信息是可协作调配的整体，节点间的信息传输不再是一条条孤立/半孤立的流，而是以整体网络为背景的、一套统一的信息转移过程，并结合SDN/NFV技术，对网络拓扑、流量与编码进行融合统一的联合优化编排，从而有效提升网络基础设施的利用率，提高网络传输效率、降低网络传输压力，对网络信息传输模式进行优化演进。如图1所示，本专利技术提供了一种基于SDN和NFV的网控编码方法，包括以下步骤：S1、采用多态流量学习、识别与关联方法(PolymorphicFlowLearning,RecognitionandCorrelation，PF-LRC)对网络流量进行学习和分析，并建立网络的关联流量模型。网控编码技术要实现流量-拓扑-编码的联合优化编排，首先需要掌握网络中主要数据流量的特点、流量间的关系、甚至流量内容的关联性。可根据SDN掌握网络流量信息，来学习并分析流量的类型、需求、时间和空间等多种特性，进行不同流量的特征识别和业务分类，最终建立关联流量模型。S2、在关联流量模型的基础上，调用网控编码逻辑编排策略(NetworkOr本文档来自技高网...

【技术保护点】
一种基于SDN和NFV的网控编码方法，其特征在于，包括以下步骤：S1、采用多态流量学习、识别与关联方法对网络流量进行学习和分析，掌握网络中主要数据流量的特点、流量间的关系以及流量内容的关联性，进行不同流量的特征识别和业务分类，并建立网络的关联流量模型；S2、在关联流量模型的基础上，调用网控编码逻辑编排策略，发现并制造网络协作编码的机会，建立流量‑拓扑最优匹配策略，并形成网控编码二维分布图，实现网控编码最优逻辑编排策略，最终建立高效、可控、可定义的网络信息传输机制。

【技术特征摘要】
1.一种基于SDN和NFV的网控编码方法，其特征在于，包括以下步骤：S1、采用多态流量学习、识别与关联方法对网络流量进行学习和分析，掌握网络中主要数据流量的特点、流量间的关系以及流量内容的关联性，进行不同流量的特征识别和业务分类，并建立网络的关联流量模型；S2、在关联流量模型的基础上，调用网控编码逻辑编排策略，发现并制造网络协作编码的机会，建立流量-拓扑最优匹配策略，并形成网控编码二维分布图，实现网控编码最优逻辑编排策略，最终建立高效、可控、可定义的网络信息传输机制。2.根据权利要求1所述的网控编码方法，其特征在于，所述步骤S1中的多态流量学习、识别与关联方法具体包括以下三个阶段：S11、学习阶段：网络中负责数据传输与控制的网控设备对多态流量特征进行学习，根据预约式流量的预约信息和非预约式流量的历史特征将流量划分为内联流量和协控流量；S12、分析阶段：在学习、掌握各流量特征的基础上，进一步对流量的源宿相关性、时间重叠性、路径趋同性、Qos要求相似性和内容相关性进行分析，并针对协控流量建立一组流量集合；S13、关联阶段：针对分析阶段形成的流量集合间的关系，建立网控编码中的关联流量集，形成关联流量模型；同时对于内联流量，则直接针对每一条流量，结合网络拓扑和链路利用率，进行网控内联编码传输。3.根据权利要求2所述的网控编码方法，其特征在于，所述步骤S11中预约式流量的预约信息具体为节点在准备发送特定数据时，提前向网控设备发起的预约声明或者资源申请。4.根据权利要求2所述的网控编码方法，其特征在于，所述步骤S11中非预约式流量的历史特征具体为：(1)对于骨干网、核心网类型的主干网，其非预约式流量的历史特征包括流量的大...

【专利技术属性】
技术研发人员：韦云凯，刘道桂，张彦，李娜，陈怡瑾，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川,51