【技术实现步骤摘要】
本专利技术属于通信网络，具体涉及一种基于控制器负载预测的双向交换机迁移方法与系统。
技术介绍
1、物联网(iot)是一个智能网络，它具备在物体之间进行信息交换而无需直接人类参与的能力。物联网的应用范围广泛，包括医疗保健、社区服务、交通和环境监测等领域。然而，随着物联网规模的不断扩大，传统网络技术也面临着一些挑战。特别是在管理互联网的复杂性方面，传统网络技术往往无法满足物联网应用的需求。为了克服这些挑战，软件定义网络(software-defined networks，sdn)应运而生。sdn通过将网络控制平面与数据平面分离，并由一个或多个sdn控制器进行操作，将传统网络转变为可编程网络。通过将sdn与物联网相结合，研究人员提出了分布式软件定义物联网(software-defined internet ofthings，sd-iot)架构，该架构具有高度的可控性和灵活性。
2、传统的单控制器架构在适应大规模网络时面临复杂性和灵活性方面的挑战。此外，单控制器架构容易出现单点故障和性能瓶颈。因此，研究人员进一步提出了多控制器架构。这种架构解决了控制平面性能不足的问题，同时提高了网络的可扩展性和可靠性。然而，由于物联网中流量具有随机性和突发性，当设备产生突发流量时，容易导致部分控制器负载增加，出现多控制器的负载不均衡问题。
3、为了解决多控制器的负载不均衡问题，动态交换机迁移策略被提出，该策略能够根据控制平面的负载分布情况实时调整交换机与控制器之间的映射关系，实现基于交换机粒度的负载均衡。安徽大学崔杰等人在其论文
技术实现思路
1、本专利技术的目的在于针对解决上述现有软件定义物联网中交换机迁移策略所存在的控制器负载测量准确性较低的问题，以及目标控制器过载和孤立节点问题，提供一种基于控制器负载预测的双向交换机迁移方法与系统，通过实时负载预测、多对多双向交换机迁移和孤立节点整合，能够有效地实现多控制器之间的负载均衡，提高控制平面的性能。
2、为了实现上述目的，本专利技术有如下的技术方案：
3、第一方面，一种基于控制器负载预测的双向交换机迁移方法，其特征在于，包括：
4、通过学习各个交换机的历史负载数据的时间依赖关系，预测未来各个交换机的负载数据；
5、通过预测得到的未来各个交换机的负载数据，计算得到各个控制器的当前负载量与预测负载量，并根据控制器过载阈值划分欠载控制器集合与过载控制器集合；
6、根据欠载控制器集合与过载控制器集合判断负载是否均衡；
7、在负载不均衡的条件下实施交换机双向迁移操作实现负载均衡。
8、作为一种优选的方案，所述通过学习各个交换机的历史负载数据的时间依赖关系，预测未来各个交换机的负载数据的步骤利用结合了注意力机制和门控循环单元的attention-gru模型来完成。
9、作为一种优选的方案，所述通过学习各个交换机的历史负载数据的时间依赖关系，预测未来各个交换机的负载数据的步骤包括：监控各个交换机在固定时间周期内发往相应master控制器的packet-in消息数量，并更新用于维护各个交换机的历史负载信息的负载矩阵表达式如下：
10、
11、其中w表示滑动窗口的大小，mij表示交换机sj在时间周期t内的packet-in消息发送量；将负载矩阵输入gru模型，获取数据之间的时序依赖关系，gru模型表达式为：
12、ut＝σ(wu×[xt,ht-1]+bu)
13、zt＝σ(wr×[xt,ht-1]+bz)
14、
15、ht＝ut×ht-1+(1-ut)×ct
16、其中，ht-1表示t-1时刻的隐藏状态，xt表示当前时刻的负载量，zt是重置门，用于控制是否忽略上一时刻的状态信息；ut为更新门，用于控制进入当前状态的前一时刻的状态信息量，同时是当前时刻所存储的存储器内容，ht是当前时刻的输出状态；gru模型通过利用前一时刻的隐藏状态和当前时刻的负载信息作为输入来确定当前时刻的负载状态；
17、将隐藏状态输入到注意力模型中，以确定覆盖全局交通变化信息的上下文向量：
18、通过多层感知机结构和softmax函数，计算每个隐藏状态h的权重；在计算每个隐藏状态的权重时，使用每个时刻的特征(hi)作为输入；通过两个隐藏层得到相应的输出结果；每个特征的权重(αi)是通过应用softmax归一化指数函数计算得到的，计算过程如下：
19、ei＝w(2)(w(1)h+b(1))+b(2)
20、
21、式中，第一层的权重和偏差分别为w(1)和b(1)，第二层的权重和偏差分别为w(2)和b(2)；最后，利用全连接层输出预测t+1时间周期各个交换机的预测结果矩阵
22、作为一种优选的方案，所述通过预测得到的未来各个交换机的负载数据，计算得到各个控制器的当前负载量与预测负载量的步骤包括，通过模型预测得到的各个交换机的预测结果矩阵得到各个控制器的当前负载量l(ci,t)与预测负载量l(ci,t+1)：
23、
24、
25、所述根据控制器过载阈值划分欠载控制器集合与过载控制器集合的步骤包括：
26、根据控制器过载阈值σi划分欠载控制器集合与过载控制器集合当控制器的历史负载l(ci,t)与预测负载均超过过载阈值σi时，对应控制器将被划分到过载控制器集合否则，对应控制器将被划分到欠载控制器集合
27、作为一种优选的方案，所述根据欠载控制器集合与过载控制器集合判断负载是否均衡的步本文档来自技高网...
【技术保护点】
1.一种基于控制器负载预测的双向交换机迁移方法，其特征在于，包括：
2.根据权利1所述基于控制器负载预测的双向交换机迁移方法，其特征在于，所述通过学习各个交换机的历史负载数据的时间依赖关系，预测未来各个交换机的负载数据的步骤利用结合了注意力机制和门控循环单元的Attention-GRU模型来完成。
3.根据权利2所述基于控制器负载预测的双向交换机迁移方法，其特征在于，所述通过学习各个交换机的历史负载数据的时间依赖关系，预测未来各个交换机的负载数据的步骤包括：监控各个交换机在固定时间周期内发往相应Master控制器的Packet-In消息数量，并更新用于维护各个交换机的历史负载信息的负载矩阵表达式如下：
4.根据权利3所述基于控制器负载预测的双向交换机迁移方法，其特征在于，所述通过预测得到的未来各个交换机的负载数据，计算得到各个控制器的当前负载量与预测负载量的步骤包括，通过模型预测得到的各个交换机的预测结果矩阵得到各个控制器的当前负载量L(Ci,t)与预测负载量L(Ci,t+1)：
5.根据权利1所述基于控制器负载预测的双向交换机迁移
6.根据权利1所述基于控制器负载预测的双向交换机迁移方法，其特征在于，所述在负载不均衡的条件下实施交换机双向迁移操作实现负载均衡的步骤中，进行如下双向迁移决策：
7.根据权利6所述基于控制器负载预测的双向交换机迁移方法，其特征在于，如果LB的值为1，则将最优解Xα解码为对应的迁移集合；如果LB的值为0，则将迁移集合初始化为空集，随后进行孤立节点检测和融合，根据孤立节点融合的决策结果，构造迁移三元组，并对迁移集合进行更新。
8.根据权利7所述基于控制器负载预测的双向交换机迁移方法，其特征在于，所述进行孤立节点检测和融合的步骤包括：
9.一种基于控制器负载预测的双向交换机迁移系统，其特征在于，包括：领导者控制器、普通控制器以及数据平面；
10.一种基于控制器负载预测的双向交换机迁移系统，其特征在于，包括：
...【技术特征摘要】
1.一种基于控制器负载预测的双向交换机迁移方法，其特征在于，包括：
2.根据权利1所述基于控制器负载预测的双向交换机迁移方法，其特征在于，所述通过学习各个交换机的历史负载数据的时间依赖关系，预测未来各个交换机的负载数据的步骤利用结合了注意力机制和门控循环单元的attention-gru模型来完成。
3.根据权利2所述基于控制器负载预测的双向交换机迁移方法，其特征在于，所述通过学习各个交换机的历史负载数据的时间依赖关系，预测未来各个交换机的负载数据的步骤包括：监控各个交换机在固定时间周期内发往相应master控制器的packet-in消息数量，并更新用于维护各个交换机的历史负载信息的负载矩阵表达式如下：
4.根据权利3所述基于控制器负载预测的双向交换机迁移方法，其特征在于，所述通过预测得到的未来各个交换机的负载数据，计算得到各个控制器的当前负载量与预测负载量的步骤包括，通过模型预测得到的各个交换机的预测结果矩阵得到各个控制器的当前负载量l(ci,t)与预测负载量l(ci,t+1)：
5.根据权利1所述基于控制器负载预测的双向交换机迁移方法，其特征在于，所...
【专利技术属性】
技术研发人员：刘勇，刘权泽，孟倩，陈克非，沈忠华，
申请(专利权)人：杭州师范大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。