44、MPLS网络配置错误、可见性及解决方案

MPLS网络配置错误、可见性及解决方案

1. 配置错误及解决办法

1.1 RSVP全连接问题的解决方案

在网络配置中,RSVP全连接问题是一个挑战。服务提供商希望利用RSVP进行流量工程和快速重路由,但手动配置隧道全连接以及每次新PE加入时更新连接的负担较大。为解决此问题,提出了将负担转移到路由协议本身的方案。

具体做法如下:
- 每个PE可通过IGP获取网络中其他PE的可达性信息。原则上,若PE知晓需要建立RSVP LSP,便可与其他PE建立连接。
- 为实现PE间的全连接LSP,为每个需全连接的PE组分配一个标识符,让每个PE通告其所属组。
- IGP可用于分发可达性信息和TE信息,是分发连接组成员信息的理想选择。自动连接方案扩展了OSPF和IS - IS,使其携带新的TLV(TE连接组TLV),用于指示PE所属组以及其他PE建立LSP时应使用的地址。
- 新PE加入网络时,配置正确的组成员身份。IGP在网络中分发新PE的成员信息后,其他PE可自动与其建立LSP。

1.2 配置错误的检测与报告

由于配置过程需人工干预,错误难以避免。有些错误易检测,如路由对等关系无法建立;有些则需新机制检测和处理。以下是一些协议扩展示例:

1.2.1 影响LDP操作的接口配置错误

LDP标签分发遵循IGP。新接口加入网络且未启用LDP时,可能导致故障。例如,网络中新增接口if5,操作员将其加入IGP却忘记启用LDP,会使IGP最佳路径改变,而标签通告接口与最佳路径不同,从而移除LSP转发状态,影响服务。

为避免此情况,[LDP - IGP -

先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值