基于QoE的弹性光网络频谱分配优化方法

杨其钦,刘寿强

(1. 广州应用科技学院计算机学院,广东 广州 511300;2. 华南师范大学人工智能学院,广东 广州 510631

1 引言

随着信息化的不断进步,光通信技术以极快的速度发展[1-2],并被视为光传输网络中的主流[3]。相比于传统的WDM网络,弹性光网络具有灵活分配频谱资源和有效利用光纤宽带等优势,可以大幅度提高频谱资源的利用率。然而随着物联网和其他大带宽应用以及用户对网络传输提出的更高要求,造成网络频谱资源短缺,用户请求直接被拒绝,从而影响了用户体验[4]。因此需要对光网络频谱进行分配,在分配过程中遵循频谱的连续性和一致性两个基本约束条件,但由于连接请求的建立与删除,导致频谱资源碎片化,使频谱不连续,为了解决频谱资源浪费问题,大量文献针对频谱分配优化进行了研究。

文献[5]建立了一种混合整数线性模型,考虑到业务差异化和DS技术,设计了基于DS和自适应相结合的动态RSA算法,采用DS损失函数和窗口选择策略对频谱的位置和资源进行合理分配,并通过网络收益函数提高频谱的收益,该方法可以大幅度降低光网络业务的阻塞率。文献[6]从路由选择和频谱分配两方面进行考虑,采用KSP算法求出源节点到目的节点的路径长度,按照频谱资源数量,对路径进行分配,该方法能够提高频谱资源的利用率。文献[7]对最小化降级频次、等级和传输时间损失进行综合考虑,建立混合整数线性化模型,在最优DS串口中引入降级恢复方法,在恢复光网络空闲频域的同时,确保网络最大化收益,该方法可以提高降级业务的成功率。

基于以上研究,本文考虑用户不同的QoE需求,设计了基于QoE的弹性光网络频谱分配优化方法。当光网络中存在多任务请求时,依据网络的资源使用情况和空闲状态确定出多维帧矩阵,并结合网络资源多维帧矩阵计算出频谱的复用率,选择出最优的频谱。并结合启发式算法选择出频谱资源最少以及占用时隙总量最小的分配方法。

2 模型的建立

基于用户QoE请求对网络资源的实际情况进行分配,在网络资源分配过程中遵循4个原则,分别如下:

1)流量限制原则:用户业务请求速率不得高于业务请求源节点中调制解调器的总速率,公式表示为

(1)

其中,x表示请求的任务;n表示任务请求分解个数;Vreq表示业务请求速率;Vpro表示保护带宽速率;V(y)表示调制解调器的速率;m表示源节点中调制解调器的个数。

2)频谱一致性原则:用户业务请求任务过程中,源节点与目的节点之间必须用同一个频谱。

3)频谱邻接性原则:在频谱分配中,一个用户业务请求的频隙必须是连续且邻接的,光网络的时隙数量可表示为

atime=bend-bstart

(2)

其中,bend表示频谱块的终止节点;bstart表示频谱块的起始节点。

4)频谱冲突限制性原则:在同一个光纤链路上的同一频隙只能处理一个任务请求。

基于以上原则,本文构建资源多维帧矩阵和频谱分配策略,在满足任务请求和用户需求的前提下,提高弹性光网络的利用率。

2.1 资源多维帧矩阵的建立

当用户的多个任务请求同时抵达网络时,按照用户请求光路建立由网络资源和光网络同时确定的邻接矩阵。通过设置波长、建立资源状态,实现对多维帧矩阵的描述,光网络拓扑邻接矩阵可表示为

(3)

其中,c表示网络中当前的节点数量;i表示链路中某个源节点;j表示链路中某个目的节点;A(i,j)表示链路联通状态。光网络资源状态矩阵可表示为

(4)

其中,Bi,j表示链路A(i,j)的光网络资源状态矩阵。Bi,j矩阵中每个元素可表示为

(5)

其中,m表示光网络链路波长个数;n表示光网络链路频隙的个数。以复杂网络理论和图论为基础,结合无线网络连通度的计算方式。假设光网络拓扑中各个节点具有相同的优先级,按照网络节点连通程度,描述路由层面的光网络,公式表示为

(6)

其中,j表示光网络拓扑中的第j个中心节点;xi表示子图的划分个数;ci表示第i个子图的节点个数;di表示第i个子图到第j个中心节点的平均连通距离。若光网络连通度较高的情况下,用户业务请求的速率对光路影响相对于路由长短较大;若光网络连通度较低的情况下,用户业务请求的路由长度对光路影响相对于业务请求速率较大,因此设定优先级,采用最短路径计算方法对多条路径进行选择,优先等级可表示为

(7)

其中,fe,k表示光网络中业务请求e对应的路径个数。

2.2 频谱分配策略

为了利用多维帧矩阵对频谱资源进行有效判断,提出频谱复用率,并通过用户业务请求与网络资源空闲状态使光网络资源利用率最大化,频谱碎片程度最低化。依据优先等级的设定,用户业务请求资源矩阵可表示为

(8)

其中,x是用户业务请求的起始节点;y表示用户业务请求的目的节点;B(m,n)表示光网络链路中第m个波长对应的第n个空闲的频隙。与资源状态矩阵进行交集处理后,可以求出光网络中可用的资源状态矩阵

(9)

其中,Ex,y表示光网络业务请求。光网络频谱资源的复用率公式表示为

(10)

3 频谱分配的优化

通过以上方法建立的模型,在光网络规模较大时,求解难度相对较高,无法满足用户QoE需求,因此提出启发式算法对频谱分配进行优化。本文将启发式算法分为三个分配阶段:单路径单业务、单路径多业务和多路径多业务,为了能够节约频谱资源,在频谱优化时,先尝试第一个分配阶段,若失败再进入第二、三个阶段。

3.1 单-单分配方式

为了满足用户QoE请求,根据光网络中源节点和目的节点选择出备选路径,该过程需要保证请求具有最低频隙开销,全部频隙开销的计算方式为

(11)

其中,Bnet表示光网络中频隙的带宽;vtran表示业务传输速率。根据每条备选路径的频谱使用情况,构建可以确定光网络路径中连续空闲频隙的矩阵,构造的矩阵表示为

(12)

其中,lω,τ表示链路。通过现有全部路径,求解各种情况下QoE的可能频隙数量和频隙总数量,分别表示为

(13)

其中,pr表示任意两节点中距离最短的r条路径。若当前路径没有可分配方式,那么对下一条路径进行处理;若所有路径均不可分配,那么进入单路径多业务的分配方式。根据每种分配方式下使用时隙总量,选择最小路径与用户业务进行连接。时隙总量用公式可表示为

(14)

其中,tstar,QoEi和tend,QoEi分别表示实际分配时起始和结束的时隙。

3.2 单-多分配方式

如果业务在第一阶段的所有路径均不能分配,那么将QoE请求分割成多个业务,业务分割方式可表示为

RQoE＿i=r1·φ1+r2·φ2+r3·φ3

(15)

其中,r1、r2和r3分别为被分割业务的传输速率;φ1、φ2和φ3分别为整数系数。在处理过程中,将φ1作为参照,采取降序处理,当具有相同φ1的情况下,再将φ2作为参照,同理进行下去,直至完成全部排列。

在单路径多业务分配方式中,对备选路径中被分割业务的处理按照累计频隙的方法进行。在发现所在路径不可分配时,将分配目标转移至其余路径。在QoE的路径全部失效时,则采取多路径多业务分配方式。对于可以建立连接的路径,需要按照频隙总量最小的路径分配方式建立业务连接,所有业务分配路径使用的频隙总量用公式可表示为

(16)

当发现两种方法具有一致的累计频隙开销时,就要对着两种方法光网络实际使用的累计时隙开销采取进一步求解,公式表示为

(17)

选择光网络实际使用时隙最小路径,以此来构造业务链路。此过程中,当出现若干种分配方案时,采取完成频隙最少的编号来构造业务链路。

3.3 多-多分配方式

通过切割操作得到m个业务之后,再将候选路径的前m个路径进行排序,排序集合表示为

seq=〈p1,p2,…,pm〉

(18)

分别尝试在不同排序方式下将QoE请求映射至候选路径,采用单-单方式完成全部业务的链路构造,求解出各个业务的最优分配方式和当前路径使用的频隙总量。若QoE请求的没有完成当前路径的映射,则更换其它序列继续验证,直到全部路径均无法分配,那么阻断请求。对于全部可行分配方式,需要进一步计算出业务处于不同路径时使用的频隙总量

(19)

选择频隙总量最小的分配方式建立路径连接,并对频谱使用矩阵进行更新。

4 仿真实验与结果分析

为了验证本文方法的有效性,选择节点个数为15,光链路为25条的光网络,在Matlab仿真平台上进行验证。

假设光网络链路上有300个频隙,且带宽为10GHz,任务请求随机产生,当光网络有负载时,对频谱资源分配情况进行仿真测试,并将MPFA算法和HTBalancing算法与本文算法进行频谱资源分配情况的实验对比,如图1所示。

图1 多任务请求下的光路阻塞情况

从图中可以看出,随着业务请求与网络负载的增加,本文算法能够在不同负载情况下降低任务请求的阻塞率,并基于频谱资源优先级和复用率的设计,能够使频谱资源最大化,大大降低了频谱的碎片化程度。当业务请求为200条时,本文方法的优势明显好于其他两种方法。而且当业务请求达到250条左右时,本文方法相对于MPFA算法和HTBalancing算法性能分别提高4.0%和7.0%左右。

为了进一步验证本文算法对频谱的利用情况,分别将MPFA算法和HTBalancing算法与本文算法进行频谱利用率的实验对比,在不同拓扑结构下对比结果如图2所示。

图2 不同算法频谱利用率对比

从图中可以看出,随着网络负载的不断增加,由于业务连接所使用的频隙数量越来越多,使三种算法的频谱利用率呈现出上升趋势,并且无论在哪种网络拓扑结构下采用本文算法的频谱利用率均为最高。其主要原因是HTBalancing算法只对业务间持续的时间差进行了分析,并没有考虑频谱的碎片化,因此随着负载的不断增加,频域和时域均产生了零碎的频谱资源,导致频谱利用率较低。MPFA算法综合考虑了频谱碎片化和多业务情况,通过MPR提高了频谱的利用率。而本文在建立业务链路过程中,充分考虑了频谱消耗与带宽安全,尽可能保证分配性能,极大程度上提高频谱的利用率。

5 结束语

针对光网络的频谱资源分配和用户QoE需求问题,提出基于QoE的弹性网络频谱分配优化方法。通过对多维帧矩阵的描述以及频谱复用率方法实现光网络资源的分配,降低频谱碎片化程度。结合资源分配优先级对业务请求进行梳理,提高资源的利用率。为了对频谱资源进行优化,分别从单-单、单-多和多-多进行优化设计。根据频谱与时隙的消耗情况,完成请求连接。通过Matlab仿真平台,将MPFA算法和HTBalancing算法与本文算法进行对比验证,实验结果表明不同负载情况下采用本文方法可以极大程度地降低任务请求的阻塞率,使频谱资源的利用率大幅度提高。