檢視虚拟化环境下网络管理技术及算法研究的原始碼

{| class="wikitable" align="right"
|-
|<center><img src=https://www0.kfzimg.com/sw/kfz-cos/kfzimg/15710089/ed33981b2f8e035f_s.jpg width="260"></center>
<small>[https://book.kongfz.com/472611/6126419565 来自 孔夫子网 的图片]</small>
|}

《'''虚拟化环境下网络管理技术及算法研究'''》，张顺利 著，出版社： 科学技术文献出版社。

[[书籍]]对于人类原有很重大的意义，但，书籍不仅对那些不会读书的人是毫无用处，就是对那些机械地读完了书还不会从死的文字中引申活的思想<ref>[https://www.docin.com/p-581834483.html 思想指导人生]，豆丁网，2013-01-15</ref>的人也是无用的。 —— [[乌申斯基]]<ref>[http://www.offcn.com/jiaoshi/2021/0919/479055.html 乌申斯基的教育思想]，中公教育，2021-09-19</ref>

==内容简介==

随着云计算、大数据、物联网等各种信息通信新技术的快速发展，新兴应用和新兴业务对互联网及其体系结构提出了新需求。为有效解决当前互联网及其体系结构中存在的问题，网络虚拟化的概念被引入到未来网络体系架构研究中。当前，网络虚拟化技术已经被认为是解决互联网及其体系结构所存在问题的一种有效方法，得到了越来越多研究机构的关注。

在[[网络]]虚拟化环境下，需要解决的关键问题包括提高底层网络资源利用率、虚拟网的服务质量、服务提供商和基础设施提供商的经济收益、服务的可靠性和可用性、准确定位故障根源等。为解决这些问题，学术界和工业界已经开展了多年的研究，并取得了较多的研究成果。但是，仍然存在以下5个问题：①在多基础设施提供商和多服务提供商竞争环境下，资源分配的效率低、交易环境不公平；②在底层网络规模较大的环境下，已有的虚拟网映射算法的分配效率较低；③资源重配置的时机选择不合理，会导致重配置算法对网络性能的负面影响较大；④当基础设施提供商和服务提供商分别属于不同的组织时，这种变化会导致底层网络信息对服务提供商不可见、虚拟网服务故障难以准确定位的问题；⑤每个底层网络上同时承载的虚拟网络数量较多，导致症状集中包含的症状和故障集中包含的故障较多，故障诊断算法的性能较低。

综上所述，虽然当前已有众多的研究者致力于研究更先进的网络虚拟化环境下的网络资源分配和故障诊断技术，但仍然存在一些亟须解决的关键问题。本研究在已有研究成果的基础上，重点研究网络虚拟化环境下资源分配与故障诊断技术中存在的上述关键问题。研究内容主要分为以下8个方面。

①通过分析多个InP和多个SP竞争环境中参与者及其职责，提出多个InP和多个SP竞争环境的虚拟网资源分配体系结构。在此基础上提出基于拍卖的资源分配机制，深入研究了该机制中用到的VN资源映射算法、定价方法等几个关键部分，并分析了机制的有效性。

②提出基于K-均值聚类[[算法]]的社团划分子算法，将底层网络划分为多个小社团。之后，提出资源分配子算法实现虚拟网的资源分配。在为虚拟网分配资源时，将虚拟网络划分为多个虚拟网社团，为了使各个虚拟网社团连接起来的虚拟网络是全局优解，先为每个虚拟节点求出了等价类，后又为每个虚拟网社团建立了解空间。

③设计了分簇的资源管理模型，重配置时机在每个子网中单独计算，减少配置整个网络带来的开销过大问题。在网络资源的占用情况与资源重配置时机之间建立数学模型，描述重配置时间间隔的计算方法，并对其进行论证。为了使重配置时机更加合理，推导了重配置请求次数的极限值与重配置时机之间的关系。最后，提出基于预测的资源重分配算法FRRA。

④提出了基于三方博弈的两阶段资源分配模型。基于此模型，QoS驱动的资源分配机制被提出，并证明了该机制能够满足占优策略激励兼容特性，实现系统利润大化的目标。为了实现资源分配机制中VN资源请求策略的优化，保证VN对SN资源的合理使用，基于Qlearning的VN需求量策略选择算法被提出。

⑤提出了SNP和VNP之间建立收益大化的虚拟网资源分配机制。为提高底层网络资源的利用率，使用动态定价来调节VNP对底层网络资源请求的数量，并使用随机鲁棒优化方法来求解动态价格。

⑥梳理了与可靠虚拟网映射相关的网络特性，基于历史数据建立了底层节点可靠性矩阵和推理模型，提出了优先映射虚拟节点的二阶段映射算法NFATS、基于层级关系的虚拟网映射算法NFALR。

⑦提出了一种网络拓扑感知的电力通信网链路丢包率推理算法。首先，基于网络运行的历史数据和网络拓扑特征建立网络模型，并采用代数模型划分为多个独立子集。其次，提出一种加权相对熵的排序方法，对每个独立子集中的疑似拥塞链路进行量化处理。最后，通过求解化简后的非奇异矩阵的唯一解，得到拥塞链路的丢包率。

⑧给出了症状内在相关性的定义，并提出基于症状内在相关性的故障集合过滤算法。为了降低计算复杂度，改进故障贡献度的计算方法使其适合网络虚拟化环境，之后提出基于贡献度的启发式故障诊断算法，分析了算法的时间复杂度。

三人行，必有我师。读者如发现本书的不妥之处或有好的建议，请不惜赐教、交流。

==参考文献==
[[Category:040 類書總論；百科全書總論]]