一种大规模网络仿真系统及资源动态调度分配方法技术方案

本发明专利技术公开了一种大规模网络仿真系统及资源动态调度分配方法，所述仿真系统包括仿真场景逻辑平面、仿真控制平面、仿真数据平面、仿真存储平面和仿真决策平面；仿真场景逻辑平面根据实际业务场景生成底层网络模型，并将用户的业务请求抽象为虚拟网络模型，发送至仿真决策平面；仿真决策平面结合虚拟网络请求测试集和底层网络模型训练虚拟节点映射模型，并训练虚拟链路映射模型；随后依据仿真存储平面最新的底层网络资源状态矩阵，对虚拟网络请求生成决策，将决策方案发送给仿真控制平面；仿真控制平面根据映射方案，更新底层网络的资源状态矩阵，并将最新的资源状态存储至仿真存储平面，可以有效解决大规模网络资源的动态调度和管理问题。管理问题。管理问题。

【技术实现步骤摘要】
一种大规模网络仿真系统及资源动态调度分配方法


[0001]本专利技术涉及通信网络仿真
，主要涉及一种大规模网络仿真系统及资源动态调度分配方法。

技术介绍

[0002]现有的网络仿真手段主要包括以NS
‑
3、OPNET等基于离散事件的仿真模拟软件、实物仿真实验床和基于虚拟化的网络仿真平台三种类型。NS3等网络仿真软件较为逼真，但事件驱动的方式无法保证仿真的实时性，且提供的模型仅支持对主流协议的研究，无法对新技术进行测试、评估。测试实验床可以实现逼真的网络仿真实验，但仿真实验床不仅成本高且难于构建，灵活性差，同时不能满足实验的可复现性。基于虚拟化的网络仿真平台，能够保证仿真的真实性，生成真实可交互的流量，同时可以满足不同规模的实验场景，具备灵活、可扩展的特性。
[0003]另一方面，基于网络虚拟化技术的仿真平台实现了底层资源的共享，分布式的架构、可扩展的特性也使基于虚拟化的仿真平台易于提高网络的仿真规模。但随着网络规模的扩大，网络中的业务需求也愈加复杂多变，为了使底层网络支撑尽可能多的异构虚拟网络请求，需要依靠虚拟网络映射算法合理分配底层网络资源，以实现资源的高效的调度和管理。
[0004]现有大规模网络仿真平台虽然能够较为逼真地仿真网络场景，但大多数仿真平台并未将仿真结果动态反馈回仿真网络中，仿真网络的动态适应性难以体现。本专利技术将强化学习技术引入虚拟化仿真平台中，通过强化学习模型与仿真网络的动态交互，动态更新强化学习代理网络的决策策略和仿真网络的资源状态，实现了大规模网络基于资源调度的动态仿真，解决了大规模网络资源的动态调度和管理问题。

技术实现思路

[0005]专利技术目的：针对上述
技术介绍
中存在的问题，本专利技术提供了一种大规模网络仿真系统及资源动态调度分配方法，用于解决现有仿真平台仿真流程无法形成闭环，对于历史仿真结果，仿真平台不能动态将其作用回仿真网络中，难以体现仿真网络的动态适应性，以及仿真平台大多缺少决策部分，没有考虑真实网络对网络变化的决策过程，难以模拟更为复杂多变的网络场景的问题。
[0006]技术方案：为实现上述目的，本专利技术采用的技术方案为：
[0007]一种大规模网络仿真系统，包括仿真场景逻辑平面、仿真控制平面、仿真数据平面、仿真存储平面和仿真决策平面；
[0008]所述仿真场景逻辑平面根据实际场景生成相应的底层网络模型，用于模拟实际场景中的真实网络；所述底层网络模型包括网络节点、与网络节点关联的链路、网络拓扑关系、网络节点使用的软件系统和协议栈；所述仿真场景逻辑平面统计某一时刻用户的业务请求，由于响应某一业务请求需要相应的底层网络节点计算资源和通信资源，因此可将某
一时刻所有的业务请求抽象化为虚拟网络。该虚拟网络拓扑中的节点数值和链路数值，分别代表了响应相应业务请求需要的的底层网络计算资源和通信资源。虚拟网络映射至底层网络的过程，即为底层网络资源调度和分配的过程；具体表示如下：
[0009]G
V
→
G
S
[0010]虚拟网络表示为G
V
＝(N
V
,L
V
),N
V
表示虚拟网络节点，L
V
表示虚拟网络链路；底层网络表示为G
S
＝(N
S
,L
S
)，N
S
表示底层网络节点，L
S
表示底层网络路径；
[0011]所述仿真控制平面包括SDN控制器和节点控制器；所述SDN控制器用于维护仿真数据平面中仿真网络的拓扑结构，通过动态更新SDN交换机的流表内容来控制仿真网络的拓扑链接；所述节点控制器用于下发业务仿真指令，并监测各节点的资源属性；节点控制器根据仿真决策平面的决策结果，动态切换仿真网络节点的仿真业务类型；
[0012]所述仿真数据平面依据底层网络模型数据，构建相同数量的仿真节点，仿真节点的资源属性、仿真节点使用的软件系统和协议栈与底层网络模型一致，用于实例化所述仿真场景逻辑平面中生成的底层网络模型，模拟真实网络节点；所述仿真数据平面依据底层网络模型数据，对节点间无线链路进行仿真，且节点间链路的上行、下行带宽、误码率、丢包率与底层网络模型一致；仿真数据平面支持虚拟节点和实物节点间的通信；
[0013]所述仿真存储平面捕获和存储仿真数据平面在仿真过程中产生的节点流量信息、网络态势信息和资源占用信息，并传输至仿真决策平面中，供制定决策及整合环节；所述仿真存储平面通过监控信息收集项实时变动信息收集任务，同时包括可视化模块，用于对仿真存储平面中存储的历史节点信息进行查询和检索；
[0014]所述仿真决策平面接收仿真场景逻辑平面的虚拟网络请求，并生成决策方案，将决策结果发送至仿真控制平面，并更新仿真数据平面的资源状态。
[0015]一种采用上述大规模网络仿真系统的底层网络资源动态调度分配方法，包括以下步骤：
[0016]步骤S1、仿真场景逻辑平面统计某一时刻的用户业务请求，由于响应某一业务请求需要相应的底层网络节点计算资源和通信资源，因此可将某一时刻所有的业务请求抽象化为虚拟网络。虚拟网络中每个节点所需消耗的CPU资源以及相邻链路的带宽值表示了某业务所需的底层网络计算资源和通信资源；将所述虚拟网络请求发送至仿真决策平面；
[0017]步骤S2、仿真控制平面将依据仿真场景逻辑平面提供的底层网络拓扑数据，对仿真数据平面下达控制命令，实例化底层网络，同时仿真存储平面更新当前时刻的底层网络节点状态矩阵M
n
和底层网络链路状态矩阵M
p
；
[0018]步骤S3、仿真决策平面需要结合虚拟网络请求测试集和底层网络模型训练虚拟节点映射模型；采用强化学习方法，依次定义底层网络节点环境状态参数、底层网络资源矩阵和奖励函数，使用梯度下降法训练强化学习代理网络，然后将虚拟网络请求测试集和底层网络拓扑送入虚拟节点映射模型进行训练，依据每轮迭代的奖励函数值训练强化学习代理网络；
[0019]步骤S4、在虚拟节点映射模型训练完成的基础上，再训练虚拟链路映射模型；将虚拟网路请求测试集、底层网络和已经训练好的虚拟节点映射模型送入虚拟链路映射模型中，使用梯度下降法训练虚拟链路代理决策网络；
[0020]步骤S5、仿真决策平面提取仿真存储平面的环境状态矩阵，仿真决策平面的强化
学习代理网络依据最新的环境状态矩阵依次对虚拟网络请求进行节点映射和链路映射；当虚拟网络请求无法完成映射时，仿真决策平面将驳回该请求，并告知用户；
[0021]步骤S6、当仿真决策平面在成功应答某一虚拟网络请求时，将决策结果发送至仿真控制平面，仿真控制平面据此下达控制命令，仿真数据平面更新底层网络的资源状态，最后将更新后的底层网络节点状态矩阵M
n
和底层网络链路状态矩阵M
p
存储至仿真存储平面。
[0022]进一步地，所述步骤S3中训练本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种大规模网络仿真系统，其特征在于，包括仿真场景逻辑平面、仿真控制平面、仿真数据平面、仿真存储平面和仿真决策平面；所述仿真场景逻辑平面根据实际场景生成相应的底层网络模型，用于模拟实际场景中的真实网络；所述底层网络模型包括网络节点、与网络节点关联的链路、网络拓扑关系、网络节点使用的软件系统和协议栈；所述仿真场景逻辑平面统计某一时刻用户的业务请求，由于响应某一业务请求需要相应的底层网络节点计算资源和通信资源，因此可将某一时刻所有的业务请求抽象化为虚拟网络；所述虚拟网络拓扑中的节点数值和链路数值，分别代表了响应相应业务请求需要的的底层网络计算资源和通信资源；虚拟网络映射至底层网络的过程，即为底层网络资源调度和分配的过程；具体表示如下：G
V
→
G
S
虚拟网络表示为G
V
＝(N
V
,L
V
),N
V
表示虚拟网络节点，L
V
表示虚拟网络链路；底层网络表示为G
S
＝(N
S
,L
S
)，N
S
表示底层网络节点，L
S
表示底层网络路径；所述仿真控制平面包括SDN控制器和节点控制器；所述SDN控制器用于维护仿真数据平面中仿真网络的拓扑结构，通过动态更新SDN交换机的流表内容来控制仿真网络的拓扑链接；所述节点控制器用于下发业务仿真指令，并监测各节点的资源属性；节点控制器根据仿真决策平面的决策结果，动态切换仿真网络节点的仿真业务类型；所述仿真数据平面依据网络模型数据，构建相同数量的仿真节点，仿真节点的资源属性、仿真节点使用的软件系统和协议栈与网络模型一致，用于实例化所述仿真场景逻辑平面中生成的网络模型，模拟真实网络节点；所述仿真数据平面依据网络模型数据，对节点间无线链路进行仿真，且节点间链路的上行、下行带宽、误码率、丢包率与网络模型一致；仿真数据平面支持虚拟节点和实物节点间的通信；所述仿真存储平面捕获和存储仿真数据平面在仿真过程中产生的节点流量信息、网络态势信息和资源占用信息，并传输至仿真决策平面中，供制定决策及整合环节；所述仿真存储平面通过监控信息收集项实时变动信息收集任务，同时包括可视化模块，用于对仿真存储平面中存储的历史节点信息进行查询和检索；所述仿真决策平面接收仿真场景逻辑平面的虚拟网络请求，并生成决策方案，将决策结果发送至仿真控制平面，并更新仿真数据平面的资源状态。2.一种采用权利要求1所述大规模网络仿真系统的底层网络资源动态调度分配方法，其特征在于，包括以下步骤：步骤S1、仿真场景逻辑平面统计某一时刻的用户业务请求，由于响应某一业务请求需要相应的底层网络节点计算资源和通信资源，因此可将某一时刻所有的业务请求抽象化为虚拟网络；虚拟网络中每个节点所需消耗的CPU资源以及相邻链路的带宽值表示了某业务所需的底层网络计算资源和通信资源；将所述虚拟网络请求发送至仿真决策平面；步骤S2、仿真控制平面将依据仿真场景逻辑平面提供的底层网络拓扑数据，对仿真数据平面下达控制命令，实例化底层网络，同时仿真存储平面更新当前时刻的底层网络节点状态矩阵M
n
和底层网络链路状态矩阵M
p
；步骤S3、仿真决策平面需要结合虚拟网络请求测试集和底层网络模型训练虚拟节点映射模型；采用强化学习方法，依次定义底层网络节点环境状态参数、底层网络资源矩阵和奖励函数，使用梯度下降法训练强化学习代理网络，然后将虚拟网络请求测试集和底层网络
拓扑送入虚拟节点映射模型进行训练，依据每轮迭代的奖励函数值训练强化学习代理网络；步骤S4、在虚拟节点映射模型训练完成的基础上，再训练虚拟链路映射模型；将虚拟网路请求测试集、底层网络和已经训练好的虚拟节点映射模型送入虚拟链路映射模型中，使用梯度下降法训练虚拟链路代理决策网络；步骤S5、仿真决策平面提取仿真存储平面的环境状态矩阵，仿真决策平面的强化学习代理网络依据最新的环境状态矩阵依次对虚拟网络请求进行节点映射和链路映射；当虚拟网络请求无法完成映射时，仿真决策平面将驳回该请求，并告知用户；步骤S6、当仿真决策平面在成功应答某一虚拟网络请求时，将决策结果发送至仿真控制平面，仿真控制平面据此下达控制命令，仿真数据平面更新底层网络的资源状态，最后将更新后的底层网络节点状态矩阵M
n
和底层网络链路状态矩阵M
p

【专利技术属性】
技术研发人员：王健，贾东睿，杨程竣，
申请(专利权)人：南京大学，
类型：发明
国别省市：