一种虚拟网络的映射方法、映射装置及可读存储介质制造方法及图纸

本申请提供了一种虚拟网络的映射方法、映射装置及可读存储介质，所述虚拟网络的映射方法包括：基于待映射物理网络中每个物理网络节点的节点信息，生成每个物理网络节点的节点特征向量；基于每个物理网络节点的节点特征向量，构建所述待映射物理网络的网络特征矩阵；将所述网络特征矩阵输入至预先训练好的网络映射模型中，获取将所述物理网络节点映射到虚拟网络之后，所述虚拟网络中各虚拟网络节点的映射位置信息，使得映射的结果更加准确，有效减少节点映射过程消耗的时间，有利于提高节点映射的效率和物理网络的资源利用率。

A mapping method, mapping device and readable storage medium of virtual network

【技术实现步骤摘要】
一种虚拟网络的映射方法、映射装置及可读存储介质
本申请涉及通信
，尤其是涉及一种虚拟网络的映射方法、映射装置及可读存储介质。
技术介绍
随着网络技术、网络化服务的不断发展，越来越多的人通过网络实现资源共享，网络的数量和规模呈指数级增长。网络虚拟化能够在一个物理网络的基础上共享多个虚拟网络，以此来提高物理网络资源的利用率。在虚拟网络中针对优化目标和应用场景的不同，可能导致出现不同的虚拟网络映射问题。目前，将实际的物理网络映射到虚拟网络的过程中，大多采用直接式解决方案或者启发式解决方案的方式进行映射，但是，由于高计算时间和计算复杂度，直接解决方案逐渐无法适用于日益增长的大规模网络，而启发式解决方案大多是根据经验，对节点等进行静态配置，导致嵌入效果欠佳，准确率低，映射的结果和实际需求之间具有偏差，因此，如何高效、准确和快速的将网络虚拟化是目前亟待解决的问题。
技术实现思路
有鉴于此，本申请的目的在于提供一种虚拟网络的映射方法、映射装置及可读存储介质，可以结合物理网络中各物理网络节点的节点信息，通过训练好的网络映射模型，动态地参考同一虚拟请求之中各个节点之间的联系，将物理网络节点映射至虚拟网络中，使得映射的结果更加准确，有效减少节点映射过程消耗的时间，有利于提高节点映射的效率和物理网络的资源利用率。本申请实施例提供了一种虚拟网络的映射方法，所述映射方法包括：基于待映射物理网络中每个物理网络节点的节点信息，生成每个物理网络节点的节点特征向量；基于每个物理网络节点的节点特征向量，构建所述待映射物理网络的网络特征矩阵；将所述网络特征矩阵输入至预先训练好的网络映射模型中，获取将所述物理网络节点映射到虚拟网络之后，所述虚拟网络中各虚拟网络节点的映射位置信息。进一步的，所述将所述网络特征矩阵输入至预先训练好的网络映射模型中，获取将所述物理网络节点映射到虚拟网络中之后，所述虚拟网络中各虚拟网络节点的位置信息，包括：将所述网络特征矩阵输入至所述网络映射模型中的编码网络层中，确定出所述物理网络的网络特征向量；将所述网络特征向量输入至网络映射模型中的解码网络层中，确定出所述物理网络节点映射到虚拟网络之后，所述虚拟网络中各虚拟网络节点的位置信息。进一步的，所述将所述网络特征向量输入至网络映射模型中的解码网络层中，确定出所述物理网络节点映射到虚拟网络之后，所述虚拟网络中各虚拟网络节点的位置信息，包括：将所述网络特征向量作为所述网络映射模型中解码网络层输出的当前时刻解码输出向量，并获取与当前时刻对应的所述解码网络层输出的当前时刻中间网络参数；依次将所述解码网络层输出的所述当前时刻解码输出向量和所述当前时刻中间网络参数再次输入至所述解码网络层中，确定与所述当前时刻的下一时刻对应的下一时刻解码输出向量和下一时刻中间网络参数；基于确定出的每个下一时刻解码输出向量，确定将所述物理网络映射到虚拟网络时，所述虚拟网络中每个虚拟网络节点的位置信息。进一步的，针对每个物理网络节点，所述节点信息包括以下信息中的至少一种：该物理网络节点的计算资源剩余量信息；与该物理网络节点连接的相邻网络节点数量；与该物理网络节点连接的各链路带宽的带宽总量和该物理网络节点的计算资源剩余量之间的乘积。进一步的，所述映射方法通过以下方式训练所述网络映射模型：获取多个样本物理网络、每个样本物理网络中每个样本物理网络节点的样本节点信息和每个样本物理网络的实际网络特征向量，以及与每个样本物理网络对应的样本虚拟网络和每个样本虚拟网络中每个样本虚拟网络节点在该虚拟网络中的实际位置信息；针对每个样本物理网络，基于每个样本物理网络节点的样本节点信息，生成每个样本物理网络节点的样本节点特征向量；基于每个样本物理网络节点的样本节点特征向量，构建每个样本物理网络的样本网络特征矩阵；基于每个样本物理网络的样本网络特征矩阵、每个样本物理网络的实际网络特征向量以及每个样本虚拟网络中每个样本虚拟网络节点的实际位置信息，训练构建好的循环神经网络，以获得所述网络映射模型。进一步的，所述基于每个样本物理网络的样本网络特征矩阵、每个样本物理网络的样本网络特征向量以及每个样本虚拟网络中每个样本虚拟网络节点的实际位置信息，训练构建好的循环神经网络，以获得所述网络映射模型，包括：针对每个样本物理网络，将该样本物理网络的样本网络特征矩阵输入至所述循环神经网络中的编码网络层中，确定出该样本物理网络的样本网络特征向量；基于每个样本物理网络的样本网络特征向量和实际网络特征向量，训练所述循环神经网络中的编码网络层中的网络参数；将该样本物理网络的实际网络特征向量输入至所述循环神经网络中的解码网络层中，确定出该样本物理网络节点映射到对应的样本虚拟网络之后，该样本虚拟网络中每个样本虚拟网络节点的样本位置信息；基于每个样本虚拟网络中每个样本虚拟网络节点的样本位置信息和实际位置信息，训练所述循环神经网络中的解码网络层；基于训练好的编码网络层和训练好的解码网络层，确定所述网络映射模型。进一步的，所述基于每个样本虚拟网络中每个样本虚拟网络节点的样本位置信息和实际位置信息，训练所述循环神经网络中的解码网络层，包括：基于每个样本虚拟网络中每个虚拟网络节点的样本位置信息和实际位置信息，确定所述循环神经网络中的解码网络层的损失函数、奖励值以及训练准确率阈值；根据所述损失函数、所述奖励值以及所述训练准确率阈值，确定所述循环神经网络中的解码网络层的梯度值；基于所述梯度值调整所述循环神经网络中的解码网络层的网络参数，并得到训练好的解码网络层。本申请实施例还提供了一种虚拟网络的映射装置，所述映射装置包括：生成模块，用于基于待映射物理网络中每个物理网络节点的节点信息，生成每个物理网络节点的节点特征向量；构建模块，用于基于所述生成模块生成的每个物理网络节点的节点特征向量，构建所述待映射物理网络的网络特征矩阵；获取模块，用于将所述构建模块构建的网络特征矩阵输入至预先训练好的网络映射模型中，获取将所述物理网络节点映射到虚拟网络之后，所述虚拟网络中各虚拟网络节点的映射位置信息。进一步的，所述获取模块包括：第一确定单元，用于将所述构建模块构建的网络特征矩阵输入至所述网络映射模型中的编码网络层中，确定出所述物理网络的网络特征向量；第二确定单元，用于将所述第一确定单元确定的网络特征向量输入至网络映射模型中的解码网络层中，确定出所述物理网络节点映射到虚拟网络之后，所述虚拟网络中各虚拟网络节点的位置信息。进一步的，所述第二确定单元具体用于：将所述网络特征向量作为所述网络映射模型中解码网络层输出的当前时刻解码输出向量，并获取与当前时刻对应的所述解码网络层输出的当前时刻中间网络参数；依次将所述解码网络层输出的所述当前时刻解码输出向量和所述当前时刻中间网络参数再次输入至所述解码网络层中，确定与所述本文档来自技高网...

【技术保护点】
1.一种虚拟网络的映射方法，其特征在于，所述映射方法包括：/n基于待映射物理网络中每个物理网络节点的节点信息，生成每个物理网络节点的节点特征向量；/n基于每个物理网络节点的节点特征向量，构建所述待映射物理网络的网络特征矩阵；/n将所述网络特征矩阵输入至预先训练好的网络映射模型中，获取将所述物理网络节点映射到虚拟网络之后，所述虚拟网络中各虚拟网络节点的映射位置信息。/n

【技术特征摘要】
1.一种虚拟网络的映射方法，其特征在于，所述映射方法包括：
基于待映射物理网络中每个物理网络节点的节点信息，生成每个物理网络节点的节点特征向量；
基于每个物理网络节点的节点特征向量，构建所述待映射物理网络的网络特征矩阵；
将所述网络特征矩阵输入至预先训练好的网络映射模型中，获取将所述物理网络节点映射到虚拟网络之后，所述虚拟网络中各虚拟网络节点的映射位置信息。


2.如权利要求1所述的映射方法，其特征在于，所述将所述网络特征矩阵输入至预先训练好的网络映射模型中，获取将所述物理网络节点映射到虚拟网络中之后，所述虚拟网络中各虚拟网络节点的位置信息，包括：
将所述网络特征矩阵输入至所述网络映射模型中的编码网络层中，确定出所述物理网络的网络特征向量；
将所述网络特征向量输入至所述网络映射模型中的解码网络层中，确定出所述物理网络节点映射到虚拟网络之后，所述虚拟网络中各虚拟网络节点的位置信息。


3.如权利要求2所述的映射方法，其特征在于，所述将所述网络特征向量输入至网络映射模型中的解码网络层中，确定出所述物理网络节点映射到虚拟网络之后，所述虚拟网络中各虚拟网络节点的位置信息，包括：
将所述网络特征向量作为所述网络映射模型中解码网络层输出的当前时刻解码输出向量，并获取与当前时刻对应的所述解码网络层输出的当前时刻中间网络参数；
依次将所述解码网络层输出的所述当前时刻解码输出向量和所述当前时刻中间网络参数再次输入至所述解码网络层中，确定与所述当前时刻的下一时刻对应的下一时刻解码输出向量和下一时刻中间网络参数；
基于确定出的每个下一时刻解码输出向量，确定将所述物理网络映射到虚拟网络时，所述虚拟网络中每个虚拟网络节点的位置信息。


4.如权利要求1所述的映射方法，其特征在于，针对每个物理网络节点，所述节点信息包括以下信息中的至少一种：
该物理网络节点的计算资源剩余量信息；与该物理网络节点连接的相邻网络节点数量；与该物理网络节点连接的各链路带宽的带宽总量和该物理网络节点的计算资源剩余量之间的乘积。


5.如权利要求1所述的映射方法，其特征在于，所述映射方法通过以下方式训练所述网络映射模型：
获取多个样本物理网络、每个样本物理网络中每个样本物理网络节点的样本节点信息和每个样本物理网络的实际网络特征向量，以及与每个样本物理网络对应的样本虚拟网络和每个样本虚拟网络中每个样本虚拟网络节点在该虚拟网络中的实际位置信息；
针对每个样本物理网络，基于每个样本物理网络节点的样本节点信息，生成每个样本物理网络节点的样本节点特征向量；
基于每个样本物理网络节点的样本节点特征向量，构建每个样本物理网络的样本网络特征矩阵；
基于每个样本物理网络的样本网络特征矩阵、每个样本物理网络的实际网络特征向量以及每个样本虚拟网络...

【专利技术属性】
技术研发人员：姚海鹏，张培颖，马思涵，纪哲，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：北京;11