一种SDN网络资源分配方法、系统及存储介质技术方案

本发明专利技术公开了网络资源分配领域的一种SDN网络资源分配方法、系统及存储介质，其中包括：对SVM流量分类模型和路由策略生成模型进行训练；采用预先训练的SVM流量分类模型将数据包流量分为大象流和小鼠流；根据大象流和小鼠流配置不同的路径转发权重；通过预先训练的路由策略生成模型生成大象流和小鼠流转发路径，完成SDN网络负载均衡资源分配；本发明专利技术将数据包流量拆分成子流后进行合理分配的路由路径，降低了网络端到端的时延、提高了网络吞吐量、改善了网络拥塞的问题。善了网络拥塞的问题。善了网络拥塞的问题。

【技术实现步骤摘要】
一种SDN网络资源分配方法、系统及存储介质


[0001]本专利技术属于网络资源分配领域，具体涉及一种SDN网络资源分配方法、系统及存储介质。

技术介绍

[0002]近年来，随着互联网快速发展，网络的规模日趋庞大，社交媒体、高清影视、在线游戏以及5G的普及使得网络流量迅速增长，业务需求量激增。在这巨大的流量数据的网络环境下，业务呈现出随机性、不均衡性等特点，传统的网络架构在该环境下备受挑战。面对网络中85％以上的流是不超过10KB的小鼠流，而10％左右的大象流传输数据量占总网络传输数据的90％的情况，传统网络静态路由的方法极易造成网络拥塞、丢包，给用户带来极差的用户体验，迫切需要构建智能的路由算法。
[0003]软件定义网络(Software
‑
Defined
‑
Networking，SDN)相较于传统网络，可将网络控制逻辑与底层转发设备分离，实现了数据层和控制层解耦控制逻辑集中化，使得网络运维人员通过可编程接口，在尽可能少改动硬件部署的情况下，灵活地选择路由策略来调度网络，从而提升网络服务质量(Qua本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种SDN网络资源分配策略构建方法，其特征包括：采用预先训练的SVM流量分类模型将数据包流量分为大象流和小鼠流；根据大象流和小鼠流配置不同的路径转发权重；通过预先训练的路由策略生成模型生成大象流和小鼠流转发路径，完成SDN网络负载均衡资源分配；所述SVM流量分类模型的训练方法，包括：获取SDN网络中的历史技术特征，构建数据库P；利用最佳超平面构建SVM流量分类模型，并通过数据库P对SVM流量分类模型进行训练，获得分类精准率大于设定值M的SVM流量分类模型。2.根据权利要求1所述的一种SDN网络资源分配方法，其特征在于，利用最佳超平面构建流量分类模型的方法包括：根据超平面方程设定SVM流量分类模型为：f(x)＝sign(ω
T
·
x+b)公式中，ω表示训练实例中所含特征的权重；b表示超平面到原点的截距；sign()表示为超平面方程ω
T
·
x+b的符号函数；(
·
)
T
表示为矩阵的转置变换；x表示为数据库P的每组数据对应的特征向量；将网络中的流量分类问题转化为约束函数的最优化问题，通过最大化特征空间中的点x
i
到超平面的距离D(i)的最小值，得到利用超平面分类流量的相关参数，特征空间中的点x
i
到超平面的距离D(i)是：公式中，ω表示训练实例中所含特征的权重；b表示超平面到原点的截距；(
·
)
T
表示为矩阵的转置变换；x表示为数据库P的每组数据对应的特征向量；||
·
||表示为矩阵范数；l表示为数据库P的数据组数；将网络中的流量分类问题转化为约束函数的最优化问题，通过数据库P的数据对权重ω和截距b进行优化求解获得最佳分离超平面，包括：(1)当数据库P的数据为线性分布时，约束函数的表达公式为：s.t.y
i
·
(ω
T
·
x
i
+b)≥1 i＝1，2...，l(2)当数据库P的数据为线性分布时，训练样本线性不可分离，约束函数的表达公式为：s.t.y
i
·
(ω
T
·
x
i
+b)≥1
‑
ξ
i i＝1，2...，l公式中，ω表示训练实例中所含特征的权重；b表示超平面到原点的截距；(
·
)
T
表示为矩阵的转置变换；x表示为数据库P的每组数据对应的特征向量；||
·
||表示为矩阵范数；y
i
∈{
‑
1，+1}表示为类标识符，
‑
1表示反例，+1表示正例；l表示为数据库P的数据组数；(3)当数据库P的数据为非线性分布时，约束函数的表达公式为：s.t.y
i
·
(ω
T
·
K(x，x
i
)+b)≥1
‑
ξ
i i＝1，2...，l公式中，C是用于平衡距离和训练误差的调整参数，σ为内核参数；ξ
i
表示松弛变量；l表示为数据库P的数据组数；||
·
||表示为矩阵范数；x
i
表示为数据库P的第i组数据对应的特征向量；exp()表示为以自然常数e为底的指数函数；y
i
表示为特征向量x
i
对应的类标记。3.根据权利要求2所述的一种SDN网络资源分配方法，其特征在于，通过数据库P对SVM流量分类模型进行训练的方法包括：将数据库P的每组数据中流量大小f、节点间吞吐量T
ij
和链路利用率l
ij
进行归一化处理，获得区间[0，1]内的流量映射值f
′
、节点间吞吐量映射值T
′
ij
和链路利用率映射值l
′
ij
；通过流量映射值f
′
、节点间吞吐量映射值T
′
ij
和链路利用率映射值l
′
ij
获得特征向量x[f
′
，b
′
ij
，l
′
ij
]；将各组数据对应的特征向量x[f
′
，b
′
ij
，l
′
ij
]和类标记y构建为训练数据集D；将训练数据集D按照设定比例划分为训练集D
tr
和测试集D
te
；通过训练集D
tr
对SVM流量分类模型进行训练；采用测试集D
te
对训练后的SVM流量分类模型进行测试，判断其分类精准率是否大于设定值M。4.根据权利要求3所述的一种SDN网络资源分配方法，其特征在于，将数据库P的每组数据中流量大小f、节点间吞吐量T
ij
和链路利用率l
ij
进行归一化处理，获得区间[0，1]内的流量映射值f
′
、节点间吞吐量映射值T
′
i...

【专利技术属性】
技术研发人员：陈美娟，李文萌，王凯巍，杨翠芸，刘旭，徐鼎，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：