基于时变资源的容器化虚拟网络映射算法

doi:10.11772/j.issn.1001-9081.2021020297

《计算机应用》唯一官方网站 ›› 2022, Vol. 42 ›› Issue (2): 550-556.DOI: 10.11772/j.issn.1001-9081.2021020297

• 先进计算 • 上一篇

基于时变资源的容器化虚拟网络映射算法

邓伟健¹, 陈曦¹^,²()

^1.西南民族大学计算机科学与工程学院，成都 610041
^2.电子科技大学信息与通信工程学院，成都 611731

收稿日期:2021-03-01 修回日期:2021-06-08 接受日期:2021-06-10 发布日期:2021-06-29 出版日期:2022-02-10
通讯作者: 陈曦
作者简介:邓伟健（1994—），男，广东肇庆人，硕士研究生，主要研究方向：网络虚拟化、软件定义网络；
陈曦（1985—），男，重庆人，副教授，博士，主要研究方向：软件定义网络、网络虚拟化、无线网络、异构网络融合。
基金资助:
中国博士后科学基金资助项目(2018M643448);西南民族大学中央高校基本科研业务费专项资金资助项目(2020NQN18)

Containerized network embedding algorithm based on time-varying resources

Weijian DENG¹, Xi CHEN¹^,²()

^1.School of Computer Science and Engineering，Southwest Minzu University，Chengdu Sichuan 610041，China
^2.School of Information and Communication Engineering，University of Electronic Science and Technology of China，Chengdu Sichuan 611731，China

Received:2021-03-01 Revised:2021-06-08 Accepted:2021-06-10 Online:2021-06-29 Published:2022-02-10
Contact: Xi CHEN
About author:DENG Weijian， born in 1994， M. S. candidate. His research interests include network virtualization， software defined network.
CHEN Xi， born in 1985， Ph. D.， assistant professor. His research interests include software defined network， network virtualization， wireless network， heterogeneous network convergence.
Supported by:
China Postdoctoral Science Foundation(2018M643448);Fundamental Research Funds for Central Universities, Southwest Minzu University(2020NQN18)

摘要/Abstract

摘要：

为了构建大规模容器化虚拟网络，达到搭建高保真、易编程的虚拟网络环境的目的，提出一种基于时变资源的容器化虚拟网络映射算法，将OVS和Docker容器化的虚拟网络切块，并分布式地映射到若干计算、网络、存储资源受限的物理宿主机。首先，根据虚拟网络的拓扑结构，将具有密切链路关系的虚拟网元进行层次化聚合，以减小问题规模；其次，对聚合后的虚拟网络节点进行重要性评分，采用广度优先搜索算法与贪心策略对虚拟网络切块，并映射到资源匹配的物理宿主机；最后，通过虚拟网元消耗资源的定时反馈对算法中的资源评价模型作运行时动态调整，从而使物理资源得到有效利用。实验结果表明，该算法可在多台低配X86宿主机上容纳超过1 300网元的虚拟网络，且把网络抖动维持在0.1 ms以下。

关键词: 容器化虚拟网络, 时变资源, 虚拟网络映射, Docker, 聚合

Abstract:

In order to construct a large-scale containerized network， and achieve the purpose of building a high-fidelity， easy-to-program virtual network environment， a virtual network embedding algorithm based on time-varying resources was proposed to divide the OVS （Open vSwitch） and Docker based containerized network into segments and map them to several computing， network and storage resources constrained physical hosts. In the algorithm， firstly， the virtual network elements with close link relationships were aggregated hierarchically based on the topology of the virtual network to reduce the problem scale. Secondly， the importance scores of the aggregated virtual network nodes were obtained， the virtual network was segmented by the breadth first search algorithm and greedy strategy， and mapped into the physical hosts with suitable resources. Finally， the resource evaluation model in the algorithm was dynamically adjusted at runtime through the feedback at the fixed time of the resource consumption of the virtual network elements， so that the physical resources were effectively utilized. Experimental results show that the proposed algorithm can accommodate the virtual network with more than 1 300 network elements on multiple X86 hosts with low-level configuration， and can make the network jitter maintained at 0.1 ms or less.

Key words: containerized network, time-varying resource, virtual network embedding, Docker, aggregation

中图分类号:

TP393.01

邓伟健, 陈曦. 基于时变资源的容器化虚拟网络映射算法[J]. 计算机应用, 2022, 42(2): 550-556.

Weijian DENG, Xi CHEN. Containerized network embedding algorithm based on time-varying resources[J]. Journal of Computer Applications, 2022, 42(2): 550-556.

图/表 11

图1 虚拟网络切块、映射、部署流程示意图

Fig. 1 Schematic diagram of virtual network segmentation， mapping， and deployment process

图2 物理网络拓扑示意图

Fig. 2 Schematic diagram of physical network topology

图3 虚拟网络拓扑示意图

Fig. 3 Schematic diagram of virtual network topology

图4 虚拟网络聚合示意图

Fig. 4 Schematic diagram of virtual network aggregation

图5 网络实验平台架构简图

Fig. 5 Diagram of network test platform architecture

表1 物理主机配置

Tab. 1 Configuration of physical hosts

节点	CPU	内存/GB	系统
Master	Inter Core i7-6700	16	Ubuntu18.04LTS
Woeker1	Inter Core i7-6700	16	Ubuntu18.04LTS
Worker2	Inter Core i7-6700	8	Ubuntu18.04LTS

表2 部分网元资源使用理论值数据

Tab. 2 Part theoretical value data of network element resource usage

网元类型	CPU使用率/%	内存使用/MB
OVS	0.25	88.5
Host	0.10	8.0
Router	0.02	7.5
DHCP	0.01	34.8
Web	0.20	8.6

图6 网络静态部署实验

Fig. 6 Network static deployment experiment

图7 网络动态部署实验

Fig. 7 Network dynamic deployment experiment

图8 流量注入网络性能比较（静态部署）

Fig. 8 Comparison of traffic injection network performance（static deployment）

图9 流量注入网络性能比较（动态部署）

Fig. 9 Comparison of traffic injection network performance（dynamic deployment）

参考文献 19

1	CHAE M， LEE H， LEE K. A performance comparison of Linux containers and virtual machines using Docker and KVM［J］. Cluster Computing， 2019， 22（S1）： 1765-1775. 10.1007/s10586-017-1511-2
2	SOLTESZ S， PÖTZL H， FIUCZYNSKI M E， et al. Container-based operating system virtualization： a scalable， high-performance alternative to hypervisors ［C］// Proceedings of the 2nd ACM SIGOPS/EuroSys European Conference on Computer Systems. New York： ACM， 2007： 275-287. 10.1145/1272996.1273025
3	MERKEL D. Docker： lightweight Linux containers for consistent development and deployment［J］. Linux Journal， 2014， 2014（239）： No.2.
4	VENCIONECK R D， VASSOLER G， MARTINELLO M， et al. FlexForward： enabling an SDN manageable forwarding engine in Open vSwitch ［C］// Proceedings of the 10th International Conference on Network and Service Management and Workshop. Piscataway： IEEE， 2014： 296-299. 10.1109/cnsm.2014.7014178
5	HIBLER M， RICCI R， STOLLER L， et al. Large-scale virtualization in the Emulab network testbed ［C］// Proceedings of the 2008 USENIX Annual Technical Conference. Berkeley： USENIX Association， 2008： 113-128.
6	TSAI P W， PICCIALLI F， TSAI C W， et al. Control frameworks in network emulation testbeds： a survey［J］. Journal of Computational Science， 2017， 22： 148-161. 10.1016/j.jocs.2017.03.003
7	CUI P， WANG X， PEI J， et al. A survey on network embedding［J］. IEEE Transactions on Knowledge and Data Engineering， 2019， 31（5）： 833-852. 10.1109/tkde.2018.2849727
8	FISCHER A， BOTERO J F， BECK M T， et al. Virtual network embedding： a survey［J］. IEEE Communications Surveys and Tutorials， 2013， 15（4）： 1888-1906. 10.1109/surv.2013.013013.00155
9	ROST M， SCHMID S. On the hardness and inapproximability of virtual network embeddings［J］. IEEE/ACM Transactions on Networking， 2020， 28（2）： 791-803. 10.1109/tnet.2020.2975646
10	FAJJARI I， AITSAADI N， PUJOLLE G， et al. VNE-AC： virtual network embedding algorithm based on ant colony metaheuristic ［C］// Proceedings of the 2011 IEEE International Conference on Communications. Piscataway： IEEE， 2011： 1-6. 10.1109/icc.2011.5963442
11	ARAÚJO S M A， DE SOUZA F S H， MATEUS G R. Virtual network embedding in multi-domain environments with energy efficiency concepts ［C］// Proceedings of the 2018 International Conference on Information Networking. Piscataway： IEEE， 2018： 205-210. 10.1109/icoin.2018.8343111
12	WANG S， BI J， WU J P， et al. VNE-TD： a virtual network embedding algorithm based on temporal-difference learning［J］. Computer Networks， 2019， 161： 251-263. 10.1016/j.comnet.2019.05.004
13	THAKKAR H K， DEHURY C K， SAHOO P K. MUVINE： multi-stage virtual network embedding in cloud data centers using reinforcement learning-based predictions［J］. IEEE Journal on Selected Areas in Communications， 2020， 38（6）： 1058-1074. 10.1109/jsac.2020.2986663
14	veth （4） — Linux manual page［EB/OL］. ［2021-02-26］. . 10.1002/9781119578956.ch1
15	MAHALINGAM M， DUTT D， DUDA K， et al. Virtual eXtensible Local Area Network （VXLAN）： a framework for overlaying virtualized layer 2 networks over layer 3 networks［EB/OL］. ［2021-02-26］. . 10.17487/rfc7348
16	YAN Y H， WANG H B. Open vSwitch VXLAN performance acceleration in cloud computing data center ［C］// Proceedings of the 5th International Conference on Computer Science and Network Technology. Piscataway： IEEE， 2016： 567-571. 10.1109/iccsnt.2016.8070222
17	彭利民.基于广度优先搜索的虚拟网络映射算法［J］.四川大学学报（工程科学版）， 2015， 47（2）： 117-122. 10.15961/j.jsuese.2015.02.018
	PENG L M. Virtual network embedding algorithm based on breadth-first search［J］. Journal of Sichuan University （Engineering Science Edition）， 2015， 47（2）： 117-122. 10.15961/j.jsuese.2015.02.018
18	孙罡.虚拟网络的映射技术研究［D］.成都：电子科技大学， 2012： 32-39.
	SUN G. Research on virtual network mapping technologies［D］. Chengdu： University of Electronic Science and Technology of China， 2012： 32-39.
19	李贞，郑向伟，张辉.基于多目标粒子群优化的虚拟网络映射算法［J］.计算机应用， 2017， 37（3）： 755-759， 776. 10.11772/j.issn.1001-9081.2017.03.755
	LI Z， ZHENG X W， ZHANG H. Virtual network mapping algorithm based on multi-objective particle swarm optimization［J］. Journal of Computer Applications， 2017， 37（3）： 755-759， 776. 10.11772/j.issn.1001-9081.2017.03.755

[1]	宋中山, 梁家锐, 郑禄, 刘振宇, 帖军. 基于双向门控尺度特征融合的遥感场景分类[J]. 计算机应用, 2021, 41(9): 2726-2735.
[2]	张鲁飞, 孙茹君, 秦芳. 面向图计算的运行时系统的消息聚合技术[J]. 计算机应用, 2021, 41(4): 984-989.
[3]	张效伟, 江大伟, 陈珂, 陈刚. 关系数据库中聚合代数约束的高效发现算法——AAC-Hunter[J]. 计算机应用, 2021, 41(3): 636-642.
[4]	郑红星, 朱徐涛, 李振飞. 双向航道集装箱港口船舶调度优化算法[J]. 计算机应用, 2021, 41(10): 3049-3055.
[5]	徐周波, 李珍, 刘华东, 李萍. 基于邻居信息聚合的子图同构匹配算法[J]. 计算机应用, 2021, 41(1): 43-47.
[6]	温静, 李智宏. 基于带squeeze-and-excitation模块的ResNeXt的单目图像深度估计方法[J]. 计算机应用, 2021, 41(1): 215-219.
[7]	何韩森, 孙国梓. 基于特征聚合的假新闻内容检测模型[J]. 计算机应用, 2020, 40(8): 2189-2193.
[8]	陈梅婕, 谢振平, 陈晓琪, 许鹏. 专利新词发现的双向聚合度特征提取新方法[J]. 计算机应用, 2020, 40(3): 631-637.
[9]	赵季红, 吴豆豆, 曲桦, 殷振宇. 基于软件定义网络的可靠性虚拟网络映射保障机制[J]. 计算机应用, 2020, 40(3): 770-776.
[10]	赵丹枫, 林俊辰, 宋巍, 王建, 黄冬梅. 低冗余计算的可达性查询保持图压缩策略[J]. 《计算机应用》唯一官方网站, 2020, 40(2): 510-517.
[11]	杨宏宇, 王峰岩. 基于改进卷积神经网络的网络入侵检测模型[J]. 计算机应用, 2019, 39(9): 2604-2610.
[12]	王巧玲, 乔非, 蒋友好. 基于聚合距离参数的改进K-means算法[J]. 计算机应用, 2019, 39(9): 2586-2590.
[13]	邓轩, 廖开阳, 郑元林, 袁晖, 雷浩, 陈兵. 基于深度多视图特征距离学习的行人重识别[J]. 计算机应用, 2019, 39(8): 2223-2229.
[14]	宁进, 陈雷霆, 周川, 张磊. 模型聚合解聚的智能触发机制[J]. 计算机应用, 2019, 39(6): 1614-1618.
[15]	郭明祥, 宋全军, 徐湛楠, 董俊, 谢成军. 基于三维残差稠密网络的人体行为识别算法[J]. 计算机应用, 2019, 39(12): 3482-3489.

基于时变资源的容器化虚拟网络映射算法

Containerized network embedding algorithm based on time-varying resources

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 11

参考文献 19

相关文章 15

编辑推荐

Metrics