一种基于Hausdorff距离的网络组件聚类方法

摘要

本发明提供了一种基于Hausdorff距离的网络组件聚类方法，首先定义了一般网络组件模型，包括了组件标识NID(Node ID)、组件行为描述NBD(Node Behavior Description)；然后以多维Hausdorff距离为工具，用描述矩阵对组件进行统一描述，基于按功能划分的簇与簇之间的差异性设定阈值H’₀，基于簇内组件自相似性设定阈值H₀，基于簇内组件调度灵活度设定拓扑势中心度P₀，经过三次阈值判定，完成网络组件的分簇。为合理匹配上层的服务需求和下层的网络资源，选出合适的网络族群及其内部相应的网络组件，实现了网络资源的高效利用、绿色节能等需求。

主权项

一种基于Hausdorff距离的网络组件聚类方法，它包括以下几个步骤：步骤1、定义网络组件：1).静态定义：在网络组件层中，定义网络组件为一种完成数据的采集、生成、存储、转发、接收、计算等一种或多种功能的网络设备；提出使用组件标识NID来标记一个网络组件，定义如下：$\mathrm{NID}\stackrel{\Delta }{=}\omega (N_{\mathrm{type}},N_{\mathrm{device}})$上式中，Ntype代表网络组件的类型(传输组件、存储组件等)，Ndevice代表网络组件自身设备信息，ω()代表组件标识生成函数；2).动态定义：基于网络组件的信息感知，收集网络组件的特征信息；并在此基础上，提出组件行为描述NBD的概念，对网络组件的功能、拓扑或者性能特性等进一步描述，以对组件行为进行表征；网络组件的行为描述NBD定义如下：$\mathrm{NBD}\stackrel{\Delta }{=}\left[\begin{array}{c}{\{b_L^{\mathrm{NT}},b_P^{\mathrm{NT}},b_R^{\mathrm{NT}},b_C^{\mathrm{NT}},...\}}_T\\ {\{b_B^{\mathrm{NP}},b_D^{\mathrm{NP}},b_L^{\mathrm{NP}},b_S^{\mathrm{NP}},...\}}_P\\ {\{b_T^{\mathrm{NF}},b_F^{\mathrm{NF}},b_C^{\mathrm{NF}},b_S^{\mathrm{NF}},...\}}_F\end{array}\right]$上式中，T、P、F分别对应着拓扑行为、性能行为和功能行为；对于NBD，拓扑信息包括组件位置组件从属关系组件邻接关系和连通度等；性能信息包括带宽性能延时性能丢包性能和稳定性能等；功能信息包括组件类型组件功能运营商和安全级别等；步骤2：1).计算平均拓扑势中心度计算等待新组件加入的簇的平均拓扑势中心度：$P\left(n_i\right)=\underset{j=1}{\overset{n}{\Sigma }}c\left(n_j\right)\times e^{-{\left(\frac{d(i,j)}{b{w}_a\left(j\right)}\right)}^2}$$\overline{P_0}=\underset{i=1}{\overset{n}{\Sigma }}P\left(n_i\right)/n$其中，n代表簇内组件的个数，P(n_i)表示组件i的拓扑势，c(n_j)为节点n_j的可处理能力，随节点的状态的变化而变化。d(i,j)组件i与组件j之间的距离，用最短路径的长度表示；bw_a(j)为组件j对外的可用带宽总和，这里用来表示组件j的作用范围；在网络拓扑不变、组件之间最短路径一定的情况下，组件j的可用CPU能力越大，则该组件对组件n_i的作用越大，反之亦然。组件i的拓扑势即为所有组件对它作用的总和；2).计算组件与簇的Hausdorff距离H_Ai：计算组件i与簇A的多维Hausdorff距离：$\begin{array}{c}{H}_{\mathrm{Ai}}=\begin{array}{c}\min \\ j\in A\end{array}{a^T}_l\left|\right|{l_i}^T-{l_j}^T\left|\right|+{a^T}_p\left|\right|{p_i}^T-{p_j}^T\left|\right|+{a^T}_r\left|\right|{r_i}^T-{r_j}^T\left|\right|+{a^T}_c\left|\right|{c_i}^T-{c_j}^T\left|\right|+\\ {a^P}_b\left|\right|{b_j}^T-{b_j}^T\left|\right|+......+{a^F}_s\left|\right|{s_i}^F-{s_j}^F\left|\right|\end{array}$其中是根据组件簇性质而定的权重；3).计算新簇与相邻簇B的Hausdorff距离计算新簇与相邻簇B之间的距离：$\begin{array}{c}H(A^{,},B)=\max (H_{A^{,}B},H_{{\mathrm{BA}}^{,}})\\ H_{A^{,}B}=\underset{i\in A}{\max }{H}_{\mathrm{Bi}}\\ H_{{\mathrm{BA}}^{,}}=\underset{j\in B}{\max }{H}_{\mathrm{Aj}}\end{array}$4).计算新簇的平均拓扑势中心度计算等待新组件加入的簇的平均拓扑势中心度：$P\left(n_i\right)=\underset{j=1}{\overset{n}{\Sigma }}c\left(n_j\right)\times e^{-{\left(\frac{d(i,j)}{b{w}_a\left(j\right)}\right)}^2}$$\overline{P_{A^{,}}}=\underset{i=1}{\overset{n}{\Sigma }}P\left(n_i\right)/n$其中，n为原来簇中组件的数量加1；5).联合决策：如果H_Ai<H₀、则加入簇A，形成新簇否则组件i自己成簇。