一种SDN网络的故障节点探测方法技术

本发明专利技术提出了一种SDN网络中的故障节点的探测方法，其将传统IP网中的探针技术引入到SDN网络中，部署尽可能少的探针实现了对SDN网络的状态采集，然后使用贝叶斯网络对网络状态进行分析，实现了SDN网络的故障检测。

【技术实现步骤摘要】
一种SDN网络的故障节点探测方法
本专利技术属于通信
，具体涉及一种SDN网络的故障节点探测方法。
技术介绍
在SDN网络(SoftwareDefinedNetwork，即软件定义网络)实现了数据转发和控制分离，是一种数据控制分离、软件可编程的网络架构，其采用集中式的控制平面和分布式的转发平面，控制平面和转发平面相互分离，控制平面利用南向接口协议对转发平面上的网络设备进行集中式控制，并通过开放北向接口为网络提供灵活的可编程能力。SDN网络不可避免地存在节点故障失效的问题，目前SDN网络技术比较新颖，关于SDN网络的故障诊断，尤其是在虚拟私有云环境下的SDN网络故障诊断的研究很少。如何进行SDN网络的节点故障诊断，及时进行故障恢复，保证SDN网络所承载业务的连贯性，是SDN网络故障诊断需要解决的主要问题。
技术实现思路
本专利技术所要解决的技术问题是针对现有技术中存在的上述不足，提供一种将传统IP网中的探针技术引入到SDN网络中，部署尽可能少的探针实现了对SDN网络的状态采集，然后使用贝叶斯网络对网络状态进行分析，实现了SDN网络的故障检测的SDN网络的故障节点探测方法。一种SDN网络的故障节点探测方法，包括步骤：步骤1：在网络中部分所述节点设置所述探针，并通过所述探针所属的所述节点的状态集合得到所述探针所经过的路径的所述节点的状态的稀疏矩阵；步骤2：计算出所述探针对所述节点的影响因子；步骤3：根据每条所述探针对所述节点的状态的探测结果、以及所述探针所属所述节点的路径，计算所述节点的故障概率；步骤4：找出所述节点的故障概率达到最大值时的条件；步骤5：输出所有概率达到最大值的所述节点集合，即为计算得到的故障节点集合。在步骤2中，所述探针所属所述节点的影响因子的计算公式为：IF(v0)＝αFin(v0)+βFout(v0)其中：v为网络中某个特定的节点，Fin(v0)为所述节点的内部影响因子，α为内部影响系数；Fout(v0)为所述节点的外部影响因子，β为外部影响系数，Sn为所述节点影响的业务数，Li为所述节点对某一个业务的影响程度所量化的数值，K(v)为所述节点的内部属性值。步骤3中，所述节点的故障概率的计算公式为：P(V1,V2,...Vi，...Vn,T1,T2,...Tj,...Tm)＝P(T1|Pa(T1))P(T2|Pa(T2))...P(Tm|Pa(Tm))P(V1)P(V2)...P(Vn)其中：P(V1，V2，...Vi，...Vn，T1，T2，...Tj，...Tm)为所有所述节点的条件概率，表征所述节点的故障对整个网络带来的影响；(Pa(Tj)表示所述探针Tj经过的所有链路，当所述探针Tj中有节点故障时，p(Tj＝1|Pa(Tj))＝1，p(Tj＝0|Pa(Tj))＝0，当所述探针Tj无故障的时，p(Tj＝1|Pa(Tj))＝0，p(Tj＝0|Pa(Tj))＝1；Tj＝1表示正常，Tj＝0表示故障；Vi为第i个所述节点，Tj为第j条所述探针，n为所述节点个数，m为所述探针条数(m＜n)。在计算出所述探针所属所述节点的影响因子之后、计算所述节点的故障概率之前还包括步骤：根据所述稀疏矩阵，采用最大边缘化矩阵算法获得包括所有节点的状态的完全矩阵。综上所述，本专利技术相比现有技术具有如下优点：本专利技术利用贝叶斯网络在SDN网络中部署探针实现对故障节点探测，能有效解决当前SDN网络中出现故障节点时，由于网络的结构庞大，不易发现其故障点，并将故障点定位出来的问题。本专利技术采用贝叶斯网络来进行SDN网络的故障探测：通过在网络中部署探针实现了节点状态的采集，同时将状态数据输入贝叶斯网络计算出业务故障状态下的节点故障概率，利用先验概率*影响因子得到即时后验概率，实现了对SDN网络中故障节点的预测和定位。附图说明图1为本专利技术实施例中SDN网络的故障节点探测方法的流程图。图2为本专利技术实施例中网元连接图的示意图。图3为本专利技术实施例中MMMF算法原理的示意图。图4为本专利技术实施例中节点与探针间的关系的示意图。图5为本专利技术实施例中SDN网络的故障节点探测系统的结构示意图。标号说明1获取单元；2计算单元；3定位单元；4输出单元。具体实施方式为使本领域技术人员更好地理解本专利技术的技术方案，下面结合附图和具体实施方式对本专利技术SDN网络的故障节点探测方法及其故障节点探测系统作进一步详细描述。一种SDN网络中的故障节点的诊断方法，其将传统IP网中的探针技术引入到SDN网络中，部署尽可能少的探针实现了对SDN网络的状态采集，然后使用贝叶斯网络对网络状态进行分析，实现了SDN网络的故障检测。以下结合图1所示的基于探针的故障节点定位算法的流程图，说明基于影响因子的SDN网络的故障节点探测方法：步骤1：在节点设置探针，并获取探针对节点的状态探测结果。在该步骤中，为了减少网络的负载，首先向SDN网络中发送少量的探针，在实际应用中，探针可以是部署到SDN网络中各个节点上的一段程序，可以获得节点的状态信息；然后利用端到端的探针预测技术预测出剩下的探针的结果，随机选出连接探针的设备节点。这里，无需对网络中的所有节点发送探针，探针部署过程中首先对SDN网络中随机部署一部分探针，然后采用端到端的预测技术探测出剩下的探针的部署位置。随机选择设备节点部署探针，其他节点与已经部署到的探针进行连接。该步骤通过探针的预测技术，发送多个探针，但并不完全发送至所有节点而只是发送其中极少的一部分节点，只要部署的探针能够连接起来覆盖所有的网络设备即可，从而可以保证用少量的探针完成对SDN网络的检测。探针部署在节点上，通过已发送的探针集合A可以得到一个稀疏矩阵，稀疏矩阵中的每一个数值表示探针所经过的路径是否正常。获得的方式为：这个稀疏矩阵中元素所在的行对应于已发送的探针经过的路径的起始节点，列对应于已发送的探针经过的路径的终节点，从而形成探针之间的连接路径，返回结果表示两个节点之间连接的链路是否连通。若这个探针返回的结果为正常(表示探针所在两节点之间相连接)，则对应稀疏矩阵中元素的值为-1；若这个探针返回的结果为故障，则对应稀疏矩阵中元素的值为1；没有发送的探针，则对应稀疏矩阵中元素的值为0，也就是说稀疏矩阵中的元素由1、0、-1组成。步骤2：计算出探针所属节点的影响因子。探针所属的节点在整个SDN网络中存在一个对全网的影响因子。在该步骤中，利用公式(1)-公式(3)计算出每个节点的影响因子。对于SDN网络来说，其业务走向更加固定，同时对于重要的业务遵循N-1原则，即每个重要业务都会有不止一条路径，业务的重要程度可以用可选的路径数量多少来表征，如图2所示的网元连接图是以网络中的一小部分节点连接作为网络模型。首先，在图2中的网络模型做业务定义：由于所设的模型规模较小，所以限制了业务的数量，现在规定在模型中共有5个业务，即S1-S5。SDN业务具有自身的特点和类型，为了区别这些业务的承载方式和内容，并将关注的重点具体化，便于进行基于承载业务资源的侧面的分析，这里以对八个节点设置探针进行示例，将业务S1-S5用资源取交集的形式来表示，用户数学公式描述如下：S1：X1∩X2∩X5S2：X3∩X2∩X6S3：X6∩X7∩X8S4：X4∩X6∩X7S5：X3∩X6∩X8接下来，本文档来自技高网...

【技术保护点】
一种SDN网络的故障节点探测方法，其特征在于，包括步骤：步骤1：在网络中部分所述节点设置探针，并通过所述探针所属的所述节点的状态集合得到所述探针所经过的路径的所述节点的状态的稀疏矩阵；步骤2：计算出所述探针对所述节点的影响因子；步骤3：根据每条所述探针对所述节点的状态的探测结果、以及所述探针所属所述节点的路径，计算所述节点的故障概率；步骤4：找出所述节点的故障概率达到最大值时的条件；步骤5：输出所有概率达到最大值的所述节点集合，即为计算得到的故障节点集合。

【技术特征摘要】
1.一种SDN网络的故障节点探测方法，其特征在于，包括步骤：步骤1：在网络中部分所述节点设置探针，并通过所述探针所属的所述节点的状态集合得到所述探针所经过的路径的所述节点的状态的稀疏矩阵；步骤2：计算出所述探针对所述节点的影响因子；步骤3：根据每条所述探针对所述节点的状态的探测结果、以及所述探针所属所述节点的路径，计算所述节点的故障概率；步骤4：找出所述节点的故障概率达到最大值时的条件；步骤5：输出所有概率达到最大值的所述节点集合，即为计算得到的故障节点集合。2.根据权利要求1所述的SDN网络的故障节点探测方法，其特征在于，在步骤2中，所述探针所属所述节点的影响因子的计算公式为：IF(v0)＝αFin(v0)+βFout(v0)其中：v为网络中某个特定的节点，Fin(v0)为所述节点的内部影响因子，α为内部影响系数；Fout(v0)为所述节点的外部影响因子，β为外部影响系数，Sn为所述节点影响的业务数，Li为所述节点对某一个业务的影响程度所量化的数值，K(v)为...

【专利技术属性】
技术研发人员：曾令康，张喆，沈力，葛维春，吴庆，于华东，邱乐，叶跃骈，
申请(专利权)人：国网辽宁省电力有限公司，国网信通亿力科技有限责任公司，国网信息通信产业集团有限公司，国家电网公司，
类型：发明
国别省市：辽宁,21