本发明涉及网络仿真以及虚拟化，可以将实物节点虚拟化，灵活构建大规模网络仿真环境。
背景技术：
1、网络技术的快速发展前提下，各种测试环境复杂多变，特别是大规模场景下，要考虑链路参数的真实性，同时需要对网络资源的监控。以传统的物理主机方式搭建实验环境需要投入大量人力，物力，这些资源往往不能得到完全的利用，最终造成巨大的资源浪费。
2、容器虚拟化技术能够很好解决实验环境搭建过程中的资源浪费问题，同时，随着虚拟化技术的成熟，虚拟化的网络节点能够实现的功能能够达到和实物节点一致，同时，因为虚拟节点与实物主机共用一套内核，现有框架下诸多网络应用能够快速成功地移植到虚拟节点中，在搭建好的网络仿真环境中进行测试。
3、链路级网络仿真力求网络仿真的真实性。在保真程度上，ns3的模型得到了该领域学者的认可，通常被用来作为对比一个网络仿真系统的仿真结果是否真实的标准。但是ns3仿真平台存在着编译时间过长、学习成本高、配置复杂、虚拟化程度不高(可移植性差)的缺点。
4、cn 202210371348.6公开一种基于虚拟化容器的大规模分布式虚拟化网络仿真方法，应用于分布式网络仿真领域，针对仿真系统无法模拟实物节点运行环境，本发明通过容器虚拟化机制模拟实物节点的实际运行环境和网络协议栈，无缝运行实际网络程序；此外，框架利用ns-3的物理信道模型与虚拟容器结合，为仿真节点提供可控的物理信道，实现灵活的虚拟仿真网络拓扑控制；针对实物节点的网络协议验证问题，框架实现了一种半实物网关架构，通过采集虚拟仿真网络仿真流量，将仿真流量日志应用于实物节点验证过程，提高仿真结果迁移效率和对不同仿真环境的适应性。
5、cn202110175307.5公开一种基于容器云的卫星星座仿真架构和网络仿真系统，其中基于容器云的卫星星座仿真架构，其特征在于，自底向上包括：物理层，所述物理层包括若干物理机服务器和交换机，所述物理机服务器通过所述交换机相互连通；基础服务层，所述基础服务层包括网络服务、调度服务、日志服务、监控服务、同步服务和存储服务，所述基础服务层用于用于提供容器管理和物理资源分配；平台层，所述平台层由若干运行于所述物理机服务器的容器组成，所述平台层用于卫星星座仿真。本发明的应用能够提高大型卫星系统的仿真效率和稳定性。
技术实现思路
1、发明目的：针对上述平台中存在的不足，有必要提供一种更加简便的网络仿真方案，该发明通过引入ns3计算模型，利用内核工具对容器进行隔离和资源分配，在仿真过程中灵活修改仿真网络，初学者也能够快速熟悉仿真流程。此外，该发明还支持实物节点的加入以及分布式仿真。
2、技术方案：为实现上述目的，本发明采用的技术方案为：一种基于容器的链路级高保真网络仿真方法，容器化部署大规模网络仿真环境，支持虚实结合，实物节点和虚拟节点上通过网络信道进行仿真，物理信道特征映射为链路特征实现高保真的仿真环境，各个节点的拓扑连接建立在底层全连通网络的基础上，通过解释型脚本程序对各个节点进行隔离和资源分配。此外该发明还提出了一种“双队列”处理流程用于实现对数据帧的控制。
3、仿真过程中通过节点在场景中的位置信息以及信噪比数据判断节点之间的链路关系，并通过虚拟可扩展局域网(virtual extensible local area network，vxlan)实现链路的真实连接。本发明支持虚实结合，在少数的实物节点条件下，能够跨主机扩展出大规模网络仿真环境，同时能够支持多种链路参数模型。
4、参考图1，图1为方案中仿真系统的组成结构图。该仿真系统主要由五个子系统：场景子系统、业务子系统、节点子系统、信道子系统、资源子系统组成。用户通过向资源子系统传达命令，通过调用脚本通知节点子系统产生网络节点，并在资源子系统进行节点信息注册，另外，用户通过场景子系统指定仿真的物理环境，生成业务数据，完成网络仿真环境搭建，最后通过资源子系统对网络中的节点进行监控，保证每个节点处于正常工作的状态进行仿真。
5、其搭建包括以下步骤：
6、步骤1，实验环境搭建。在多主机上搭建集群网络，配置网络调试工具。
7、步骤2，场景数据关键信息提取。根据场景子系统提供的场景数据，计算信号在物理信道中的估计信道。
8、步骤3，仿真网络信息生成。根据计算出的信道数据以及节点的具体分布得到网络节点的通断和大致链路参数。
9、步骤4，链路参数优化。通过机器学习优化链路参数计算模型。采样数据作为训练数据输入，采样数据包括误码率、信噪比、中心频率、传输距离、天线增益、调制方式、中心频率、节点移动速率，经过筛选对采样数据进行分类，而后利用梯度下降算法和模拟退火法对采样数据进行修正拟合，最终将筛选后采样数据映射到优化后的参数模型，模型输出数据为丢包率和时延的修正值，同时输出数据也会添加到测试数据中以扩展测试数据集。其中，训练数据是用来训练模型的，而测试数据是用来评估模型的性能的。模型参数优化算法通过不断试错和学习来优化其计算模型参数。
10、步骤5，链路参数配置及更新。通过脚本程序控制各个网络节点之间的链路参数以及及时更新。
11、步骤6，资源监控及用户业务。通过资源子系统控制监控管理整个系统资源。
12、不同节点之间的链路参数通过场景信息计算得到；根据friis公式，在自由空间下视距环境中接收信号的功率表示为：
13、
14、式中，pr为接收信号的功率，pt为发射信号的功率，ar为信号接收天线的增益，at信号发射天线的增益，d为信号发送端和接收端的距离，aisotr(isotropic antenna with noheat loss)为各向同性天线在无热量损失条件下的有效孔径，其表达式为，
15、
16、其中，λ为发射信号的波长。
17、此时，上式可以写成对数形式如下：
18、
19、进一步地，可以引入一个路径损耗指数n来修正自由空间损耗模型，以拟合不同的实际环境。于是，能够得到对数距离路径损耗模型如下。
20、
21、上式中，d0为参考距离，pl0为参考距离下的路径损耗。
22、由此，通过场景数据中，可以获取各个节点之间信号的的衰减，通过设定发送、接收天线增益以及场景白噪声强度，可以获取两两节点之间的信噪比大小，如下所示：
23、
24、上式中，pr为接收载波信号的功率，pn噪声信号功率。
25、进一步地，所述步骤二中的场景数据中信号衰落可以由以下公式计算获得：
26、
27、通过设置衰落阈值pt，当衰落大于pt时，我们便认为这两个网络节点之间是断开的。
28、进一步地，所述步骤三中的误帧率可以通过以下公式计算得到：
29、pf＝1―(1―berr)n
30、上式中berr为当前的误码率，n为数据帧中的比特数。
31、进一步地，所述步骤三中的延时可以通过以下公式计算得到：
32、twait＝δ+delay2+delay3
33、上式中δ表示一个时隙时间，delay2表示重传导致的时延，delay3表示由碰撞导致的时延。
34、进一步地，所述步骤三中的带宽可以通过以下公式计算得到：
35、
36、上式中，per表示当前的误包率，packet_size表示数据包的字节大小，t0表示发送器在发送数据包之前等待的回退时间，ts表示在没有数据包错误的情况下，发送方连续数据包传输之间的最短时间，tto表示发送器在发送数据包后等待答复(cts/ack帧)的计时器的超时时间。
37、误包率per由下式计算得到：
38、per＝1―(1―pf1)(1―pf2)…(1―pfn)
39、上式中，pfn为第n个数据帧的误帧率，n为组成数据包的数据帧数量。
40、仿真过程中通过节点在场景中的位置信息以及信噪比数据判断节点之间的链路关系，并通过虚拟可扩展局域网(virtual extensible local area network，vxlan)实现链路的真实连接。本发明支持虚实结合，在少数的实物节点条件下，能够跨主机扩展出大规模网络仿真环境，同时能够支持多种链路参数模型。
41、有益效果：本发明通过引入ns3计算模型，在容器虚拟化技术的基础上，利用内核工具对容器进行隔离和资源分配，使用解释型编程语言编写脚本，无需编译即可直接运行，同时能够快速定义仿真网络，在仿真过程中灵活修改仿真网络，初学者也能够快速熟悉仿真流程。此外，该发明还支持实物节点的加入以及分布式仿真。
1.一种基于容器的链路级高保真网络仿真方法，其特征是，基于搭建的五个子系统：场景子系统、业务子系统、节点子系统、信道子系统、资源子系统；用户通过向资源子系统传达命令，通过调用脚本通知节点子系统产生网络节点，并在资源子系统进行节点信息注册，另外，用户通过场景子系统指定仿真的物理环境，生成业务数据，完成网络仿真环境搭建，最后通过资源子系统对网络中的节点进行监控，保证每个节点处于正常工作的状态进行仿真；包括以下步骤：
2.根据权利要求1所述的基于容器的链路级高保真网络仿真方案，其特征是，通过场景数据中，获取各个节点之间信号的衰减，通过设定发送、接收天线增益以及场景白噪声强度，可以获取两两节点之间的信噪比大小，如下所示：
3.根据权利要求1所述的基于容器的链路级高保真网络仿真方案，其特征是，进一步地，所述步骤2中的场景数据中信号衰落由以下公式计算获得：
4.根据权利要求1所述的基于容器的链路级高保真网络仿真方案，其特征是，所述步骤3中的误帧率通过以下公式计算得到：
5.根据权利要求1所述的基于容器的链路级高保真网络仿真方案，其特征是，步骤4中，链路参数优化，通过机器学习优化链路参数计算模型；
6.根据权利要求1所述的基于容器的链路级高保真网络仿真方案，其特征是
