李志敏 ，湯創(chuàng)為 ，譚敏生 ，王 舒 ，周 歡

LI Zhimin1，2,TANG Chuangwei1,TAN Minsheng1,WANG Shu1,ZHOU Huan1

1.南華大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，湖南 衡陽 421001

2.湖南機(jī)電職業(yè)技術(shù)學(xué)院 信息工程學(xué)院，長沙 410151

1.School of Computer Science and Technology,University of South China,Hengyang,Hunan 421001,China

2.Shool of Information Technology,Hunan Mechanical&Eelectrical Polytechnic,Changsha 410151,China

1 引言

近年來，網(wǎng)絡(luò)技術(shù)取得了飛速發(fā)展，服務(wù)能力比以前有了很大提高。現(xiàn)有網(wǎng)絡(luò)采用面向業(yè)務(wù)支撐的體系架構(gòu)，用戶業(yè)務(wù)和網(wǎng)絡(luò)提供的服務(wù)是緊耦合關(guān)系。當(dāng)用戶出現(xiàn)了新的業(yè)務(wù)需求，或者對原有業(yè)務(wù)的需求提高時(shí)，就需要對網(wǎng)絡(luò)進(jìn)行改造，而這種改造通常都是從增加鏈路帶寬、提高節(jié)點(diǎn)處理速度、增加協(xié)議的復(fù)雜度等方面展開，難以滿足特性差異日益擴(kuò)大的用戶業(yè)務(wù)承載需求[1]。一體化邏輯承載網(wǎng)是一種面向服務(wù)提供的新型網(wǎng)絡(luò)技術(shù)體系，它根據(jù)網(wǎng)絡(luò)服務(wù)提供能力和用戶的業(yè)務(wù)需求及業(yè)務(wù)特性，以可重構(gòu)路由交換平臺為物理基礎(chǔ)。這種定制網(wǎng)絡(luò)的服務(wù)提供方式能夠更好地滿足用戶多樣化的業(yè)務(wù)需求，是將來網(wǎng)絡(luò)技術(shù)發(fā)展的趨勢[2]。

構(gòu)建邏輯承載網(wǎng)的關(guān)鍵是對鏈路帶寬、節(jié)點(diǎn)端口等公共資源進(jìn)行分配，如何在資源有限的情況下有效地構(gòu)建功能可升級重組，性能可編程分配，管理可分層配置的邏輯承載網(wǎng)，是一體化網(wǎng)絡(luò)研究的熱點(diǎn)問題[3]。文獻(xiàn)[4]研究了低成本的虛擬網(wǎng)構(gòu)建問題，提出了基于收益的啟發(fā)式算法的虛擬網(wǎng)構(gòu)建方法。文獻(xiàn)[5]利用混合整數(shù)規(guī)劃，針對不同的應(yīng)用場景，提出了確定型虛擬網(wǎng)映射算法（D-ViNE）及隨機(jī)虛擬網(wǎng)映射算法（R-ViNE）。文獻(xiàn)[6]認(rèn)為底層物理網(wǎng)絡(luò)中的一條虛擬鏈路可以由多個(gè)分割的物理路徑組成，提出了基于多商品流問題，并采用啟發(fā)式算法進(jìn)行路徑集構(gòu)建。文獻(xiàn)[7]采用子圖同構(gòu)判定技術(shù)，綜合考慮構(gòu)建過程中的節(jié)點(diǎn)映射和鏈路映射，將節(jié)點(diǎn)和鏈路映射同時(shí)進(jìn)行。文獻(xiàn)[8]通過基于流量均衡并采用子圖分割以及節(jié)點(diǎn)優(yōu)化策略來實(shí)現(xiàn)虛擬網(wǎng)的拓?fù)湓O(shè)計(jì)。

上述虛擬網(wǎng)的構(gòu)建方法，沒有考慮底層物理網(wǎng)絡(luò)的整體均衡性，一方面容易導(dǎo)致物理網(wǎng)絡(luò)上發(fā)生擁塞或者出現(xiàn)節(jié)點(diǎn)負(fù)載過重的問題，尤其是在最短路徑上，從而降低網(wǎng)絡(luò)傳輸性能；另一方面，由于后續(xù)建網(wǎng)的關(guān)鍵路徑很可能被占用，導(dǎo)致其構(gòu)建成功率大大下降。針對上述構(gòu)建方法的不足，本文在節(jié)點(diǎn)虛擬網(wǎng)構(gòu)建算法中將多源多匯問題簡化為多個(gè)單源單匯問題進(jìn)行求解，在構(gòu)建邏輯承載網(wǎng)時(shí)充分考慮底層物理網(wǎng)絡(luò)的均衡性，提出最小節(jié)點(diǎn)負(fù)載優(yōu)先映射策略（MinNLP），在此基礎(chǔ)上通過實(shí)驗(yàn)從構(gòu)建成功率、節(jié)點(diǎn)資源利用率、節(jié)點(diǎn)負(fù)載標(biāo)準(zhǔn)差三方面來驗(yàn)證MinNLP的優(yōu)越性。

2 邏輯承載網(wǎng)模型分析

將邏輯承載網(wǎng)構(gòu)建需求用無向圖Gu=(Nu，Eu，Ru)表示，其中Nu和Eu代表邏輯承載網(wǎng)中虛節(jié)點(diǎn)和虛邊的集合，它們分別是Np和Ep的子集，邏輯承載網(wǎng)構(gòu)建請求通常包含對物理節(jié)點(diǎn)和邊的限制條件，用Ru表示這些約束條件。

邏輯承載網(wǎng)厚繭問題在圖論上的描述就是從Gu到Gp子集的一個(gè)滿足Gu中約束條件Ru的映射，表示如下[9]：

其中 Ns?Np，Es?Ep，Cs代表構(gòu)建邏輯承載網(wǎng)的物理網(wǎng)絡(luò)服務(wù)能力。

節(jié)點(diǎn)映射：

鏈路映射：

將邏輯承載網(wǎng)的構(gòu)建轉(zhuǎn)化為單源單匯問題求解，構(gòu)建需求就可以分解為虛節(jié)點(diǎn)需求和虛鏈路需求，由三元組 (s，t，d)表示，其中 s、t為源目節(jié)點(diǎn)，d 為帶寬需求，這樣分解后，邏輯承載網(wǎng)的構(gòu)建問題簡化為逐一求解元需求的過程[10]。

3 最小節(jié)點(diǎn)負(fù)載優(yōu)先映射策略

節(jié)點(diǎn)負(fù)載是底層物理節(jié)點(diǎn)的負(fù)擔(dān)，不同的承載網(wǎng)構(gòu)建算法可能導(dǎo)致不同的節(jié)點(diǎn)負(fù)載。能夠獲得負(fù)載較均衡的映射算法可以實(shí)現(xiàn)資源更有效的利用，而均衡性較差的算法可能使得某些節(jié)點(diǎn)負(fù)載很輕，某些節(jié)點(diǎn)負(fù)載很重，這樣很有可能會(huì)因?yàn)槟承┲匾?jié)點(diǎn)的資源不夠而拒絕請求[11]。

定義1（節(jié)點(diǎn)強(qiáng)度SN）節(jié)點(diǎn)上承載的LCN資源之和與該節(jié)點(diǎn)擁有的資源的比值。

在虛擬網(wǎng)的研究中，多采用節(jié)點(diǎn)承載的虛擬網(wǎng)個(gè)數(shù)來描述節(jié)點(diǎn)的負(fù)載強(qiáng)度，因?yàn)樘摂M網(wǎng)節(jié)點(diǎn)主要是服務(wù)器，節(jié)點(diǎn)的資源主要是內(nèi)存、CPU等。一體化邏輯承載網(wǎng)絡(luò)的節(jié)點(diǎn)資源主要是可重構(gòu)的路由交換平臺，節(jié)點(diǎn)的處理能力受到內(nèi)存、CPU和節(jié)點(diǎn)交換帶寬等影響，本文采用歸一化的處理方式，只考慮內(nèi)存使用情況反映節(jié)點(diǎn)負(fù)載，因此：

HNi表示第i個(gè)邏輯承載網(wǎng)占用某個(gè)節(jié)點(diǎn)的資源量，HNall表示該節(jié)點(diǎn)總的資源量，k為所承載的LCN的個(gè)數(shù)。

定義2（節(jié)點(diǎn)資源剩余量RN）在某時(shí)刻節(jié)點(diǎn)經(jīng)過一系列的映射后還剩余的資源：

其中，HNi表示第i個(gè)邏輯承載網(wǎng)所花費(fèi)的節(jié)點(diǎn)資源，而HNall為總的節(jié)點(diǎn)資源。

那么基于節(jié)點(diǎn)負(fù)載的構(gòu)建策略思想就是在每次節(jié)點(diǎn)映射時(shí)選擇負(fù)載較小且滿足需求的物理節(jié)點(diǎn)進(jìn)行映射。當(dāng)有多個(gè)節(jié)點(diǎn)的負(fù)載強(qiáng)度相同時(shí)，就用節(jié)點(diǎn)資源剩余量為輔助標(biāo)準(zhǔn)[12]。

如圖1所示，物理節(jié)點(diǎn)a、b、c的資源總量分別為80、60、40。在 T0 時(shí)刻，節(jié)點(diǎn)a、b、c的負(fù)載強(qiáng)度和剩余資源分別是25%（60），16.7%（50），12.5%（35）。 T1時(shí)刻，虛擬節(jié)點(diǎn)4（VN-4）到達(dá)，資源需求為5，此時(shí)節(jié)點(diǎn)c具有最小節(jié)點(diǎn)負(fù)載，且 Rn-c＞5，所以VN-4映射到節(jié)點(diǎn)c，映射后各節(jié)點(diǎn)負(fù)載強(qiáng)度和剩余資源分別為25%（60），16.7%（50），25%（30）。 T2時(shí)刻，虛擬節(jié)點(diǎn)5（VN-5）到達(dá)，資源需求為10，此時(shí)a和c的負(fù)載強(qiáng)度相同，但是Rn-a大于 Rn-c且大于10，所以VN-5映射到節(jié)點(diǎn)a，映射后各節(jié)點(diǎn)負(fù)載強(qiáng)度和剩余資源分別為37.5%（50），16.7%（50），25%（30）。 T3時(shí)刻，虛擬節(jié)點(diǎn)6（VN-6）到達(dá)，資源需求為20，此時(shí)節(jié)點(diǎn)b具有最小節(jié)點(diǎn)負(fù)載，且Rn-b＞10，所以VN-6映射到節(jié)點(diǎn)b，映射后各節(jié)點(diǎn)負(fù)載強(qiáng)度和剩余資源分別為37.5%（50），35%（30），25%（30）。

最小節(jié)點(diǎn)負(fù)載優(yōu)先映射策略的目標(biāo)是在節(jié)點(diǎn)映射時(shí)實(shí)現(xiàn)底層物理節(jié)點(diǎn)的負(fù)載均衡，通過綜合考慮節(jié)點(diǎn)負(fù)載和節(jié)點(diǎn)剩余可用資源，提高資源利用率。

圖1 最小節(jié)點(diǎn)負(fù)載優(yōu)先的映射策略原理

最小節(jié)點(diǎn)負(fù)載優(yōu)先映射策略的核心思想描述如下：

（1）將虛擬節(jié)點(diǎn)(Vnode)按申請資源大小排序。

（2）判斷Vnode是否有剩余，若無剩余跳至步驟（5）。

（3）若Vnode有剩余，選擇申請資源最多的Vnode映射到具有最小負(fù)載強(qiáng)度且相對剩余資源較多物理節(jié)點(diǎn)(Snode)。

（4）若找不到滿足資源需求的Snode，則將該LCN請求送入等待隊(duì)列或拒接請求，若能找到映射節(jié)點(diǎn)則跳到步驟（2）。

（5）節(jié)點(diǎn)映射成功，等待執(zhí)行鏈路映射。

4 最小節(jié)點(diǎn)負(fù)載優(yōu)先的邏輯承載網(wǎng)構(gòu)建方法

在底層物理資源有限的條件下，考慮對LCN的構(gòu)建請求執(zhí)行接入控制，借鑒最小節(jié)點(diǎn)負(fù)載優(yōu)先的思想，采用周期性的LCN映射處理方式來考慮LCN的映射處理問題。將LCN的到達(dá)過程看成是排隊(duì)系統(tǒng)，LCN請求實(shí)時(shí)到達(dá)，以時(shí)間窗LCN映射的時(shí)間單位，對一個(gè)時(shí)間窗內(nèi)到達(dá)的LCN構(gòu)建請求進(jìn)行收集，在一個(gè)時(shí)間窗內(nèi)進(jìn)行一次映射。如圖2所示，LCN在時(shí)間窗模式下映射的方法是：

（1）釋放上個(gè)時(shí)間窗內(nèi)離開的LCN請求占用的資源，包括到達(dá)服務(wù)時(shí)間和主動(dòng)拒絕的請求。

（2）統(tǒng)計(jì)本時(shí)間窗內(nèi)LCN構(gòu)建請求，包括新到達(dá)的請求和上個(gè)時(shí)間窗內(nèi)為映射成功重新排隊(duì)的請求。

（3）將LCN構(gòu)建請求按實(shí)際收益多少降序排序，然后按收益大小映射到物理網(wǎng)絡(luò)。如果該LCN映射成功，更新物理網(wǎng)絡(luò)底層資源狀態(tài)；如果映射失敗，則將該請求放入等待隊(duì)列，等待下一個(gè)時(shí)間窗來映射，對每個(gè)LCN請求允許重新映射的最大請求次數(shù)Max-Mapping預(yù)先設(shè)置，超過最大請求次數(shù)將不再送入等待隊(duì)列，該LCN構(gòu)建請求被拒絕。該映射方法能夠保證LCN的實(shí)時(shí)處理，并且能夠通過調(diào)節(jié)入口參數(shù)實(shí)現(xiàn)LCN準(zhǔn)入機(jī)制的調(diào)節(jié)。在單位時(shí)間窗內(nèi)，基于最小節(jié)點(diǎn)負(fù)載優(yōu)先的邏輯承載網(wǎng)構(gòu)建的核心算法描述如下：

圖2 時(shí)間窗模式下LCN映射架構(gòu)圖

Sort（LCN）表示對單位時(shí)間窗內(nèi)已有或新加入的LCN構(gòu)建請求按收益排序；NumLCN為LCN構(gòu)建數(shù)目；NumLCN_max為單位時(shí)間窗允許構(gòu)建的最大值；Wait（NextLCN）表示等待下一個(gè)時(shí)間窗對LCN的映射；Resolve（LCN_max）為對最大收益的LCN進(jìn)行分解；(s′=＞s，d′=＞d＜—MLS)表示采用最小節(jié)點(diǎn)負(fù)載優(yōu)先策略（MinNLP）對 s、d進(jìn)行節(jié)點(diǎn)映射；(Jump≤Rjump＜—KSP)表示采用K短路徑優(yōu)先（KSP K Shortest Path）的鏈路映射算法[13]進(jìn)行鏈路映射，并且滿足約束條件Jump≤Rjump；JoinWait（LCN）代表LCN加入等待隊(duì)列；s′∈Gs，d′∈Gs，w(s′，d′)＞ 0，Rjump≥ 1。

5 實(shí)驗(yàn)及分析

5.1 仿真實(shí)驗(yàn)平臺

本文使用Java語言設(shè)計(jì)仿真器來評估算法性能。該仿真器能夠產(chǎn)生承載網(wǎng)請求，并將請求轉(zhuǎn)化為單源單匯形式。請求隊(duì)列管理器主要負(fù)責(zé)請求隊(duì)列和時(shí)間窗的管理，資源狀態(tài)管理器主要?jiǎng)討B(tài)跟蹤物理資源的變化情況，請求映射管理器負(fù)責(zé)承載網(wǎng)的映射，是仿真器的核心，通過給定的算法將邏輯承載網(wǎng)映射到底層物理網(wǎng)中，同時(shí)展現(xiàn)映射結(jié)果，輸出各種實(shí)驗(yàn)數(shù)據(jù)（圖3）。

圖3 仿真器架構(gòu)圖

5.2 參數(shù)設(shè)置

給定20個(gè)節(jié)點(diǎn)的物理網(wǎng)絡(luò)，節(jié)點(diǎn)資源在20到30之間隨機(jī)分布，每條物理鏈路帶寬資源在8到12個(gè)單位隨機(jī)分布；每個(gè)LCN的節(jié)點(diǎn)數(shù)在3到5之間，節(jié)點(diǎn)需求資源在4到6之間，帶寬資源請求在1到3之間隨機(jī)分布。每個(gè)LCN的生命周期為一個(gè)時(shí)間窗，時(shí)間窗大小設(shè)置為60 s，前5個(gè)時(shí)間窗內(nèi)LCN請求數(shù)在4到6之間均勻到達(dá)，后5個(gè)時(shí)間窗LCN請求數(shù)在15到18之間均勻到達(dá)，實(shí)驗(yàn)一共模擬10個(gè)時(shí)間窗，并進(jìn)行10組實(shí)驗(yàn)，統(tǒng)計(jì)每次實(shí)驗(yàn)結(jié)果，取其平均值。

用下面兩種LCN構(gòu)建方法進(jìn)行仿真實(shí)驗(yàn)：

（1）G-SP方法。基于貪心K短路徑思想構(gòu)建，其中節(jié)點(diǎn)映射采用貪心（Greedy）算法[14]，鏈路采用K短路徑算法（K Shortest Path）映射。

（2）MinNLP-LLB方法?；谧钚」?jié)點(diǎn)負(fù)載優(yōu)先K短路徑思想構(gòu)建，節(jié)點(diǎn)采用最小節(jié)點(diǎn)負(fù)載優(yōu)先（Minimum Node Lode Priority，MinNLP）算法，鏈路采用鏈路負(fù)載均衡策略映射LLB（Link Lode Balance）[15]。

5.3 構(gòu)建成功率

圖4 MinNLP-LLB與G-SP構(gòu)建成功率對比曲線

構(gòu)建成功率是指單位時(shí)間內(nèi)LCN構(gòu)建成功的個(gè)數(shù)與總的申請數(shù)的比值。由圖4可以看出，在第一個(gè)時(shí)間窗內(nèi)，節(jié)點(diǎn)和鏈路基本處于空閑狀態(tài)，底層物理資源相對較多，兩種方法的構(gòu)建成功率都接近100%。在第二個(gè)時(shí)間窗內(nèi)，由于第一個(gè)時(shí)間窗構(gòu)建的LCN還未離去，占用的資源還沒有釋放，因此兩者的構(gòu)建成功率出現(xiàn)了小幅度下降。第二個(gè)時(shí)間窗到第五個(gè)時(shí)間窗，隨著原來存在的LCN達(dá)到生存時(shí)間，網(wǎng)絡(luò)資源不斷被釋放，構(gòu)建成功率達(dá)到一種統(tǒng)計(jì)上的穩(wěn)定狀態(tài)，此時(shí)Min-LLB優(yōu)勢初步顯示出來。第六個(gè)時(shí)間窗開始，由于大幅度增加了每個(gè)時(shí)間窗內(nèi)LCN的請求個(gè)數(shù)，相對可用資源減少，兩種方法的構(gòu)建成功率出現(xiàn)了大幅度下降，第六個(gè)時(shí)間窗兩種方法的構(gòu)建成功率只有50.7%和36.3%。第七個(gè)時(shí)間窗開始到實(shí)驗(yàn)結(jié)束，構(gòu)建成功率達(dá)到一種統(tǒng)計(jì)上的穩(wěn)定狀態(tài)，兩者的構(gòu)建成功率在46.5%和35.5%左右。從兩個(gè)時(shí)間段的差異可以看出，在底層物理資源數(shù)不變而LCN請求數(shù)量大增的情況下，MinNLP-LLB方法的優(yōu)勢非常明顯，構(gòu)建成功率比G-SP方法高出近11個(gè)百分點(diǎn)。

5.4 資源利用率

單位時(shí)間窗構(gòu)建LCN所花費(fèi)資源與物理網(wǎng)總資源的比值。圖5橫坐標(biāo)表示運(yùn)行的時(shí)間窗，縱坐標(biāo)表示LCN的資源利用率。在第一個(gè)時(shí)間窗到第五個(gè)時(shí)間窗內(nèi)，由于實(shí)驗(yàn)設(shè)定的LCN的生存時(shí)間為一個(gè)時(shí)間窗，某個(gè)時(shí)間窗結(jié)束時(shí)，上一個(gè)時(shí)間窗生成的LCN也達(dá)到離開時(shí)間，對整個(gè)物理網(wǎng)而言承載的LCN數(shù)量較少，大部分資源處于空閑狀態(tài)，因此該階段兩種方法節(jié)點(diǎn)資源利用率相近且處于較低的水平，MinNLP-LLB的優(yōu)勢不明顯。到第六個(gè)時(shí)間窗，LCN的請求數(shù)量大增，雖然兩種方法的構(gòu)建成功率下降了，但是整個(gè)物理網(wǎng)承載的LCN增加。由于MinNLP-LLB方法在資源分配過程中考慮了實(shí)時(shí)負(fù)載情況，因此利用該方法構(gòu)建時(shí)，在單位時(shí)間LCN請求增多的情況下，節(jié)點(diǎn)資源利用率達(dá)到了77.9%，遠(yuǎn)高于G-SP方法的63.7%。

圖5 MinNLP-LLB與G-SP節(jié)點(diǎn)資源利用率對比曲線

5.5 鏈路均衡度

為了更詳細(xì)描述資源在物理網(wǎng)絡(luò)中的使用情況，還需要考慮每個(gè)局部的情況，主要考慮局部資源使用率和整個(gè)網(wǎng)絡(luò)資源使用率的差異，即鏈路均衡度：

其中SLi(t)表示第t次抽樣時(shí)節(jié)點(diǎn)i的負(fù)載強(qiáng)度表示第t次抽樣時(shí)節(jié)點(diǎn)平均負(fù)載強(qiáng)度，其中e表示節(jié)點(diǎn)的總個(gè)數(shù)，其值越小，鏈路負(fù)載就更加平衡，說明網(wǎng)絡(luò)處于均衡使用的一種狀態(tài)。

從圖6可看出，在每個(gè)時(shí)間窗內(nèi)，用MinNLP-LLB構(gòu)建方法的鏈路均衡度均小于G-SP方法，說明鏈路負(fù)載越均衡，瓶頸節(jié)點(diǎn)的出現(xiàn)幾率就越小。

圖6 MinNLP-LLB與G-SP鏈路均衡度對比曲線

在底層物理資源充足，而請求構(gòu)建的邏輯承載網(wǎng)較少時(shí)，MinNLP-LLB方法與G-SP方法的構(gòu)建成功率基本相同，但MinNLP-LLB方法比G-SP的休眠率低13個(gè)百分點(diǎn)左右，表明MinNLP-LLB方法使用相對較多的物理節(jié)點(diǎn)，網(wǎng)絡(luò)拓?fù)湎鄬?fù)雜。但在映射后期，映射請求逐漸增多，MinNLP-LLB方法更大幅度地提高構(gòu)建成功率、資源利用率和鏈路均衡度，更適合用來構(gòu)建邏輯承載網(wǎng)。

6 結(jié)束語

作為下一代網(wǎng)絡(luò)關(guān)鍵技術(shù)的一體化邏輯承載網(wǎng)絡(luò)技術(shù)已逐漸成為研究熱點(diǎn)。本文分析了承載網(wǎng)的數(shù)學(xué)模型，提出了最小節(jié)點(diǎn)負(fù)載優(yōu)先映射策略，在此基礎(chǔ)上給出了基于最小節(jié)點(diǎn)負(fù)載優(yōu)先映射策略的邏輯承載網(wǎng)構(gòu)建方法，并通過實(shí)驗(yàn)從三個(gè)方面驗(yàn)證了MinNLP-LLB的優(yōu)越性。

邏輯承載網(wǎng)的構(gòu)建方法還有很多問題有待進(jìn)一步研究與探索，本文只是針對如何使得物理網(wǎng)更均衡映射進(jìn)行研究，除此之外，用戶業(yè)務(wù)聚類、安全架構(gòu)、適合大規(guī)模組網(wǎng)的構(gòu)建算法，是下一步研究的重點(diǎn)。

[1]張偉，吳春明，姜明，等.一體化承載網(wǎng)絡(luò)的互斥問題研究[J].計(jì)算機(jī)應(yīng)用研究，2010，27（3）：1148-1150.

[2]汪斌強(qiáng)，鄔江興.下一代互聯(lián)網(wǎng)的發(fā)展趨勢及相應(yīng)對策分析[J].信息工程大學(xué)學(xué)報(bào)，2009，10（1）：1-6.

[3]張宏科.“一體化可信網(wǎng)絡(luò)于普適服務(wù)體系基礎(chǔ)研究”項(xiàng)目計(jì)劃任務(wù)書[R].北京：北京交通大學(xué)，2007.

[4]Lu J，Turner J.Efficient mapping of virtual networks onto a shared substrate，Technical Report WUCSE-2006-35[R].Washington University，2006.

[5]Mosharaf N M，Raihan R M，Raouf B.Virtual network embedding with coordinated node and link mapping[C]//Proceedings of the 28th Coference on Computer Communications.Riode Janeiro，USA：IEEE，2009：783-791.

[6]Yu Minlan，Yi Yung，Rexford J，et al.Rethinking virtual network embedding：substrate support for path splitting andmigration[C]//Proceedingof ACM SIGCOMM on Computer Communication，Seattle，WA，USA，2008：17-29.

[7]Jens L，Holger K.A virtual network mapping algorithm based on subgraph is omorphism detection[C]//Proceeding of the 1st ACM Workshop on Virtualized Infrastructure Systems and Architectures，Barcelona，Spain，2009：81-88.

[8]Zhu Y，Ammar M.Algorithms for assigning substrate network resources to virtual network components[C]//Proceedings of IEEE INFOCOM，Barcelona，Catalunya，Spain，2006：1-12.

[9]齊寧，汪斌強(qiáng)，郭佳.邏輯承載網(wǎng)構(gòu)建方法的研究[J].計(jì)算機(jī)學(xué)報(bào)，2010，9（15）：1536-1537.

[10]張旻，吳春明，王濱，等.跨域邏輯承載網(wǎng)映射方法研究[J].通信學(xué)報(bào)，2012，33（8）：200-208.

[11]張棟.基于可重構(gòu)柔性網(wǎng)絡(luò)的邏輯承載網(wǎng)構(gòu)建理論與方法[D].杭州：浙江大學(xué)，2010.

[12]Cui Y，Wu J P.Research on Internetwork QoS routing algorithms：a surevey[J].Journal of Software，2002，13（11）：2065-2075.

[13]齊寧.基于網(wǎng)絡(luò)生存性可重構(gòu)服務(wù)承載網(wǎng)構(gòu)建算法研究[D].鄭州：解放軍信息工程大學(xué)，2011.

[14]李文，吳春明，陳健，等.物理節(jié)點(diǎn)可重復(fù)映射的虛擬網(wǎng)映射算法[J].電子與信息學(xué)報(bào)，2011，33（4）：908-914.

[15]王海英，張建忠.多鏈路管理中的負(fù)載均衡策略[J].南開大學(xué)學(xué)報(bào)：自然科學(xué)版，2004（4）：59-63.