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

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:2022-02-11 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:2022-02-11 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]	莫尚斌, 王文君, 董凌, 高盛祥, 余正涛. 基于多路信息聚合协同解码的单通道语音增强[J]. 《计算机应用》唯一官方网站, 2024, 44(8): 2611-2617.
[2]	姬张建, 杜娜. 基于改进VariFocalNet的微小目标检测[J]. 《计算机应用》唯一官方网站, 2024, 44(7): 2200-2207.
[3]	施赛龙, 方智文. 基于多尺度聚合和共享注意力的注视估计模型[J]. 《计算机应用》唯一官方网站, 2024, 44(7): 2047-2054.
[4]	孟繁珺, 韩斌, 黄树成, 梅向东. 用于时态聚合范围查询的分布式时态索引[J]. 《计算机应用》唯一官方网站, 2024, 44(6): 1848-1854.
[5]	郑文萍, 葛慧琳, 刘美麟, 杨贵. 融合二连通模体结构信息的节点分类算法[J]. 《计算机应用》唯一官方网站, 2024, 44(5): 1464-1470.
[6]	张鹏飞, 韩李涛, 冯恒健, 李洪梅. 基于注意力机制和全局特征优化的点云语义分割[J]. 《计算机应用》唯一官方网站, 2024, 44(4): 1086-1092.
[7]	付可意, 王高才, 邬满. 基于改进区域提议网络和特征聚合小样本目标检测方法[J]. 《计算机应用》唯一官方网站, 2024, 44(12): 3790-3797.
[8]	张帅华, 张淑芬, 周明川, 徐超, 陈学斌. 基于半监督联邦学习的恶意流量检测模型[J]. 《计算机应用》唯一官方网站, 2024, 44(11): 3487-3494.
[9]	黄学雨, 贺怀宇, 林慧敏, 陈金水. 基于特征聚合的铜合金金相图分类识别方法[J]. 《计算机应用》唯一官方网站, 2023, 43(8): 2593-2601.
[10]	刘斌, 张倩, 魏亚琴, 崔学英, 智红英. 基于表达式的逐层聚合和动态选择的图到方程树模型[J]. 《计算机应用》唯一官方网站, 2023, 43(8): 2390-2395.
[11]	樊海玮, 鲁芯丝雨, 张丽苗, 安毅生. 融合知识图谱和图注意力网络的引文推荐算法[J]. 《计算机应用》唯一官方网站, 2023, 43(8): 2420-2425.
[12]	姬张建, 张明, 王子龙. 基于改进VarifocalNet的高精度目标检测算法[J]. 《计算机应用》唯一官方网站, 2023, 43(7): 2147-2154.
[13]	岑黎彬, 李靖东, 林淳波, 王晓玲. 基于深度自回归模型的近似查询处理方法[J]. 《计算机应用》唯一官方网站, 2023, 43(7): 2034-2039.
[14]	魏兴慎, 高鹏, 吕卓, 曹永健, 周剑, 屈志昊. 基于自适应交互反馈的电力终端信任度评估机制[J]. 《计算机应用》唯一官方网站, 2023, 43(6): 1878-1883.
[15]	郝劭辰, 卫孜钻, 马垚, 于丹, 陈永乐. 基于高效联邦学习算法的网络入侵检测模型[J]. 《计算机应用》唯一官方网站, 2023, 43(4): 1169-1175.

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