[发明专利]一种SDN路由性能预测和优化的方法、设备及介质

说明书

本发明提供一种SDN路由性能预测和优化的方法、设备及介质。所述方法包括，步骤S1,根据路由策略R和计算机网络拓扑T确定链路节点Vsubgt;l/subgt;与路径节点Vsubgt;p/subgt;之间的图关系；步骤S2,通过多层聚合方法捕捉路径节点Vsubgt;p/subgt;和链路节点Vsubgt;l/subgt;之间的关系；步骤S3,通过预测性能指标与真实值的误差来更新网络中的整个参数。本发明在通信网络拓扑结构、流量矩阵、路由策略发生变化时预测出当前情况下的各项路由策略路径下的端到端性能指标，从而辅助SDN控制器建立符合上层要求的路由策略；能够准确预估软件定义网络中给定路由方案下的网络性能并对路由方案进行优化。

技术领域

本发明涉及路由领域，特别是涉及一种SDN路由性能预测和优化的方法、设备及介质。

背景技术

路由策略规划是软件定义网络(SDN)中控制层面的核心任务。目前主流路由策略依据最短路径路由算法建立，这在网络流量较小时通常能取得较好的性能，但当流量增大时，常常会造成网络拥堵问题，特别是信息量剧增的今天，该问题尤为严重。SDN技术将数据平面与控制平面相分离，从而SDN控制器能够在控制平面全局掌控数据层面各设备及链路信息。但如何将网络中物理链路信息与路由策略路径的通信性能相联系，却是一个非常复杂的问题。传统方案通常基于排队论等方法对这两者之间的关系进行建模，在建模过程中对网络做出许多假设进行求解，但往往这些假设却是影响网络性能的关键因素。图神经网络能够充分描述事物之间的相互关系，借助于图神经网络，网络中物理链路与路由策略中路径的关系也能够很好的被学习到，从而辅助SDN控制层面在相应的网络拓扑与流量情况下建立合理的路由策略。

发明内容

本发明实施例所要解决的技术问题在于，提供一种SDN路由性能预测和优化的方法、设备及介质，解决当流量增大时，网络拥堵情况下，SDN路由性能预测和优化不合理，不全面的问题。

本发明的一方面，提供一种SDN路由性能预测和优化的方法，包括如下步骤：

步骤S1,根据路由策略R和计算机网络拓扑T确定链路节点V_l与路径节点V_p之间的图关系；

步骤S2,通过多层聚合方法捕捉路径节点V_p和链路节点V_l之间的关系；

步骤S3,通过预测性能指标与真实值的误差来更新网络中的整个参数。

进一步，在所述步骤S2中，所述多层聚合方法捕捉路径节点和链路节点之间的关系的具体过程包括：

步骤S21，根据链路节点V_l与路径节点W_p的自身属性对节点初始特征进行初始化；

步骤S22,对所有的路径节点V_p进行信息聚合；

步骤S23,对所有的链路节点V_l进行信息聚合；

步骤S24,对所有特征向量进行归一化。

进一步，在所述步骤S21中，所述对节点初始特征进行初始化具体根据以下公式进行计算：

其中，所述链路节点V_l与路径节点V_p的自身属性具体包括，

链路本身的属性，用以表示链路本身的各种物理属性；

路径上的属性，用以表述链路端到端的流量情况。

进一步，在所述步骤S22中，所述路径节点V_p进行信息聚合具体包括，通过以下公式利用长短记忆神经网络LSTM提取特征：