一种满足光组播资源预测的隐马尔科夫模型状态构造与参数训练方法技术

本发明专利技术公开了一种在软件定义数据中心光网络内基于因马尔科夫模型的组播资源预测方法和实现过程。本发明专利技术的主要创新点表现为在软件定义数据中心光网络内通过统计数据中心内的光网络流量分布模型、网络资源需求量、业务突发时间、业务持续时间和业务请求频度等信息构建隐马尔科夫模型的可观测状态；通过划分组播业务在数据中心网络中的作用区域以及组播业务对网络资源的需求状况构建隐马尔科夫模型的隐藏状态。通过获取的观测状态和隐藏状态空间的历史数据训练所建立模型的参数并实现对数据中心光网络组播资源的预测。

【技术实现步骤摘要】
一种满足光组播资源预测的隐马尔科夫模型状态构造与参数训练方法
本专利技术涉及一种在软件定义数据中心光网络中利用隐马尔科夫模型对数据中心光网络组播业务特征进行学习建模并对网络内的组播资源进行预测的方法和步骤，属于光交换网络

技术介绍
数据中心网络内部存在着广泛的组播通信模式，例如分布式集群系统数据的复制、分发与状态同步，云环境下虚拟机镜像安装，文件备份与分发等等。通过数据中心内部的组播服务，可以显著减少网络数据发送量，降低网络流量，提高网络资源使用效率，最终提高数据中心的服务能力。数据中心内部服务器提供组播服务是数据中心网络的必备功能之一。然而，数据中心内部有超过70%的流量为东西向流量，这种内部网络流量分布不均匀，并且具有极强的局部性、动态性、突发性和多样性等特征。这些特征对组播的可靠性和灵活性提出了更高的要求，使得传统IP组播难于满足应用需求。另一方面，数据中心设备间需要大量的数据交换和通信以实现集群协同工作，这使得传统IP网络在带宽、传输时延和网络能耗等方面都无法满足未来数据中心对网络的需求。软件定义光网络(SoftwareDefinedOpticalNetwork,S本文档来自技高网...

【技术保护点】
1.一种在软件定义数据中心光网络内满足隐马尔科夫模型要求的可观测状态空间和隐含状态空间的选择方法，其特征在于：所述的软件定义数据中心光网络可观测状态包括：光网络流量分布模型、网络资源需求量、业务突发时间、业务持续时间和业务请求频度五个维度信息共同使用；其中光网络流量分布模型指的是数据中心光网络内部组播业务，网络资源需求量指的是数据中心光网络内部组播业务所需波长，业务突发时间指的是数据中心光网络内部组播业务发生时间，业务持续时间指的是数据中心光网络内部组播业务持续时间，业务请求频度指的是数据中心光网络内部组播业务每小时发生的次数；所述的软件定义数据中心光网络隐含状态包括：组播业务影响范围和组播业...

【技术特征摘要】
1.一种在软件定义数据中心光网络内满足隐马尔科夫模型要求的可观测状态空间和隐含状态空间的选择方法，其特征在于：所述的软件定义数据中心光网络可观测状态包括：光网络流量分布模型、网络资源需求量、业务突发时间、业务持续时间和业务请求频度五个维度信息共同使用；其中光网络流量分布模型指的是数据中心光网络内部组播业务，网络资源需求量指的是数据中心光网络内部组播业务所需波长，业务突发时间指的是数据中心光网络内部组播业务发生时间，业务持续时间指的是数据中心光网络内部组播业务持续时间，业务请求频度指的是数据中心光网络内部组播业务每小时发生的次数；所述的软件定义数据中心光网络...

【专利技术属性】
技术研发人员：曲志坚，刘晓红，李盘靖，
申请(专利权)人：山东理工大学，
类型：发明
国别省市：山东,37