高级搜索

基于流量工程的软件定义网络控制资源优化机制

胡宇翔 李子勇 胡宗魁 胡涛

引用本文: 胡宇翔, 李子勇, 胡宗魁, 胡涛. 基于流量工程的软件定义网络控制资源优化机制[J]. 电子与信息学报, doi: 10.11999/JEIT190276 shu
Citation:  Yuxiang HU, Ziyong LI, Zongkui HU, Tao HU. Control Resource Optimization Mechanism of SDN Based on Traffic Engineering[J]. Journal of Electronics and Information Technology, doi: 10.11999/JEIT190276 shu

基于流量工程的软件定义网络控制资源优化机制

    作者简介: 胡宇翔: 男,1982年生,副研究员,研究方向为宽带信息网、软件定义网络;
    李子勇: 男,1995年生,硕士生,研究方向为软件定义网络、计算机网络;
    胡宗魁: 男,1896年生,助理研究员,研究方向为控制自动化;
    胡涛: 男,1993年生,博士生,研究方向为软件定义网络、网络空间安全;
    通讯作者: 李子勇, 17629352940@163.com
  • 基金项目: 国家自然科学基金资助项目(61521003, 61872382),国家重点研发计划课题(2017YFB0803204),广东省重点领域研发计划项目(2018B010113001)

摘要: 针对软件定义网络(SDN)分布式控制平面中由于网络分域管理所引发的控制扩张问题,该文提出了一种基于流量工程的SDN控制资源优化(TERO)机制。首先基于数据流的路径特征对流请求的控制资源消耗进行分析,指出通过调整控制器和交换机的关联关系可以降低控制资源消耗。然后将控制器关联过程分为两个阶段:先设计了最小集合覆盖算法来快速求解大规模网络中控制器关联问题;在此基础上,引入联合博弈策略来优化控制器和交换机的关联关系以减少控制资源消耗和控制流量开销。仿真结果表明,与现有的控制器和交换机就近关联机制相比,该文机制能在保证较低控制流量开销的前提下,节省约28%的控制资源消耗。

English

    1. [1]

      ZHANG Yuan, CUI Lin, WANG Wei, et al. A survey on software defined networking with multiple controllers[J]. Journal of Network and Computer Applications, 2018, 103: 101–118. doi: 10.1016/j.jnca.2017.11.015

    2. [2]

      KARAKUS M and DURRESI A. A survey: Control plane scalability issues and approaches in Software-Defined Networking (SDN)[J]. Computer Networks, 2016, 112: 279–293. doi: 10.1016/j.comnet.2016.11.017

    3. [3]

      XU Yang, CELLO M, WANG I C, et al. Dynamic switch migration in distributed software-defined networks to achieve controller load balance[J]. IEEE Journal on Selected Areas in Communications, 2019, 37(3): 515–529. doi: 10.1109/JSAC.2019.2894237

    4. [4]

      MUQADDAS A S, GIACCONE P, BIANCO A, et al. Inter-controller traffic to support consistency in ONOS clusters[J]. IEEE Transactions on Network and Service Management, 2017, 14(4): 1018–1031. doi: 10.1109/TNSM.2017.2723477

    5. [5]

      BENSON T, AKELLA A, and MALTZ D A. Network traffic characteristics of data centers in the wild[C]. Proceedings of the 10th ACM SIGCOMM Conference on Internet Measurement, Melbourne, Australia, 2010: 267–280.

    6. [6]

      WANG Tao, LIU Fangming, GUO Jian, et al. Dynamic SDN controller assignment in data center networks: Stable matching with transfers[C]. Proceedings of the 35th Annual IEEE International Conference on Computer Communications, San Francisco, USA, 2016: 1–9.

    7. [7]

      胡涛, 张建辉, 邬江, 等. SDN中基于分布式决策的控制器负载均衡机制[J]. 电子学报, 2018, 46(10): 2316–2324. doi: 10.3969/j.issn.0372-2112.2018.10.002

    8. [8]

      HU Tao, ZHANG Jianhui, WU Jiang, et al. Controller load balancing mechanism based on distributed policy in SDN[J]. Acta Electronica Sinica, 2018, 46(10): 2316–2324.

    9. [9]

      YI Peng, LIU Bangzhou, WANG Wenbo, et al. Controller placement and switch immigration strategy for SDN controller failure[J]. Journal of Electronics & Information Technology, 2017, 39(8): 1972–1978. doi: 10.11999/JEIT161216

    10. [10]

      伊鹏, 刘邦舟, 王文博, 等. 一种考虑软件定义网络控制节点故障的控制器部署和交换机迁移方法[J]. 电子与信息学报, 2017, 39(8): 1972–1978. doi: 10.11999/JEIT161216

    11. [11]

      ZHANG Shaojun, LAN Julong, JIANG Yiming, et al. Flow characteristics aware dynamic controller assignment in software-defined networking[J]. Journal of Electronics & Information Technology, 2018, 40(9): 2050–2056. doi: 10.11999/JEIT171149

    12. [12]

      张少军, 兰巨龙, 江逸茗, 等. 流特征感知的软件定义网络控制器动态关联机制[J]. 电子与信息学报, 2018, 40(9): 2050–2056. doi: 10.11999/JEIT171149

    13. [13]

      SALMAN O, ELHAJJ I H, KAYSSI A, et al. SDN controllers: A comparative study[C]. Proceedings of the 2016 18th Mediterranean Electrotechnical Conference, Lemesos, Cyprus, 2016: 1–6.

    14. [14]

      PAL C, VEENA S, RUSTAGI R P, et al. Implementation of simplified custom topology framework in Mininet[C]. Proceedings of 2014 Asia-Pacific Conference on Computer Aided System Engineering, South Kuta, Indonesia, 2014: 48–53. doi: 10.1109/APCASE.2014.6924470.

    15. [15]

      KNIGHT S, NGUYEN H X, FALKNER N, et al. The internet topology zoo[J]. IEEE Journal on Selected Areas in Communications, 2011, 29(9): 1765–1775. doi: 10.1109/jsac.2011.111002

    16. [16]

      LIAO Jianxin, SUN Haifeng, WANG Jingyu, et al. Density cluster based approach for controller placement problem in large-scale software defined networkings[J]. Computer Networks, 2017, 112: 24–35. doi: 10.1016/j.comnet.2016.10.014

    17. [17]

      YAO Guang, BI Jun, LI Yuliang, et al. On the capacitated controller placement problem in software defined networks[J]. IEEE Communications Letters, 2014, 18(8): 1339–1342. doi: 10.1109/LCOMM.2014.2332341

    1. [1]

      史久根谢熠君孙立郭胜刘雅丽. 软件定义网络中面向时延和负载的多控制器放置策略. 电子与信息学报, doi: 10.11999/JEIT181053

    2. [2]

      熊余杨娅娅张振振蒋婧. 软件定义时分波分复用无源光网络中基于带宽预测的资源分配策略. 电子与信息学报, doi: 10.11999/JEIT180837

    3. [3]

      兰巨龙于倡和胡宇翔李子勇. 基于深度增强学习的软件定义网络路由优化机制. 电子与信息学报, doi: 10.11999/JEIT180870

    4. [4]

      胡宇翔范宏伟兰巨龙段通. 一种支持硬件加速的虚拟网络功能部署模型. 电子与信息学报, doi: 10.11999/JEIT180861

    5. [5]

      张艳陈建华唐猛. 多层中继网络上的分布式LT码. 电子与信息学报, doi: 10.11999/JEIT180804

    6. [6]

      吕增威魏振春韩江洪孙仁浩夏成凯. 基于多目标优化的无线传感器网络移动充电及数据收集算法. 电子与信息学报, doi: 10.11999/JEIT180897

    7. [7]

      蒋莹王冰切韩俊何翼. 基于分布式压缩感知的宽带欠定信号DOA估计. 电子与信息学报, doi: 10.11999/JEIT180723

    8. [8]

      陆潞高梅国. 分布式阵列雷达基线位置和相位误差的卫星标校方法. 电子与信息学报, doi: 10.11999/JEIT181152

    9. [9]

      钱志鸿田春生王鑫王雪. D2D网络中信道选择与功率控制策略研究. 电子与信息学报, doi: 10.11999/JEIT190149

    10. [10]

      田子建贺方圆. 一种基于分布式压缩感知的矿井目标指纹数据库建立方法. 电子与信息学报, doi: 10.11999/JEIT180857

    11. [11]

      谢显中黎佳黄倩陈杰. 机器类通信中基于NOMA短编码块传输的高可靠低迟延无线资源分配优化方案. 电子与信息学报, doi: 10.11999/JEIT190128

    12. [12]

      雒江涛何宸王俊霞. 命名数据网络中可追溯且轻量级的细粒度访问控制机制. 电子与信息学报, doi: 10.11999/JEIT181160

    13. [13]

      柴蓉王令陈明龙陈前斌. 基于时延优化的蜂窝D2D通信联合用户关联及内容部署算法. 电子与信息学报, doi: 10.11999/JEIT180408

    14. [14]

      王汝言李宏娟吴大鹏李红霞. 基于半马尔科夫决策过程的虚拟传感网络资源分配策略. 电子与信息学报, doi: 10.11999/JEIT190016

    15. [15]

      谷允捷胡宇翔谢记超. 基于重叠网络结构的服务功能链时空优化编排策略. 电子与信息学报, doi: 10.11999/JEIT190145

    16. [16]

      唐伦魏延南马润琳贺小雨陈前斌. 虚拟化云无线接入网络下基于在线学习的网络切片虚拟资源分配算法. 电子与信息学报, doi: 10.11999/JEIT180771

    17. [17]

      唐伦杨恒马润琳陈前斌. 基于5G接入网络的多优先级虚拟网络功能迁移开销与网络能耗联合优化算法. 电子与信息学报, doi: 10.11999/JEIT180906

    18. [18]

      徐金甫吴缙李军伟曲彤洲董永兴. 基于敏感度混淆机制的控制型物理不可克隆函数研究. 电子与信息学报, doi: 10.11999/JEIT180775

    19. [19]

      李云唐英刘涵霄. 基于Q-Learning算法的毫微微小区功率控制算法. 电子与信息学报, doi: 10.11999/JEIT181191

    20. [20]

      唐伦马润琳杨恒陈前斌. 基于非正交多址接入的网络切片联合用户关联和功率分配算法. 电子与信息学报, doi: 10.11999/JEIT180770

  • 图 1  SDN分布式控制平面对流请求处理流程

    图 2  通过交换机迁移可以降低控制资源消耗

    图 3  控制器-交换机备选关系拓扑

    图 4  控制器-交换机关联后拓扑

    图 5  阶段1输出的控制器-交换机关系

    图 6  控制资源消耗对比

    图 7  控制流量开销对比

    图 8  MSC算法和TERO控制资源消耗

    图 9  MSC算法和TERO控制流量开销

    图 10  不同网络拓扑控制资源消耗

    图 11  不同网络拓扑控制器负载均衡

    表 1  最小集合覆盖算法执行过程

     算法1 最小集合覆盖算法(Minimum Set Coverage)
     输入: SDN网络拓扑邻接矩阵${{G}} = [{a_{ij}}]$;网络中流处理请求矩阵${{F}} = [{f_{ij}}]$;控制器所能关联的备选集合:${C_i} = \{ {S_1},{S_2}, ·\!·\!· ,{S_i}\} $;控制器的
    容量及冗余因子:${\alpha _m}$, $\beta $
     输出: 控制器-交换机之间的映射关系:$X = [{x_{ij}}]$
     (1) 初始化:控制器-交换机关联关系SC={};已关联的交换机set_switches={};
     (2) 统计网络中端到端流量分布Flow_pair=Flow_sort(F);
     (3) while I in Flow_pair:遍历网络中流量
     (4)  Path_switch= Dijkstra(G, i);计算端到端流量的路径
     (5)  while Path_switch: 循环四个完备策略
     (6)   if Path_switch $ \subseteq $${C_i}$:若满足完备策略1, SC[${C_i}$]={Path_switch };流经过的所有交换机关联到${C_i}$
     (7)   if ${S_i}$$ \in $Path_switch AND ${S_i} \in $${C_j}$满足完备策略2, ${S_i} \to {C_j}$; ${S_i}$关联到${C_j}$
     (8)   if 存在${C_i} \subseteq {C_j}$:满足完备策略3,则$ \cup {S_i} \to {C_j}$;交换机${S_i}$优先关联到${C_j}$
     (9)   if Sn(${S_i}$)$ \subseteq $Sn(${S_j}$):满足完备策略4${S_i} \to \cup {\rm{ }}{C_j}$;交换机${S_i}$优先处理
     (10)   else 如果上述四个完备策略都不能满足:实行贪婪算法switch = max(Path_switch & ${C_i}$);寻找关联交换机较多的控制器SC[${C_i}$]=
    {switch};将相应交换机关联到控制器${C_i}$
       end if; end while;
     (11) end while;
     (12) SC={${C_j} = \{ {S_j},{S_{j + 1}}, ·\!·\!· {\rm{,}}{S_n}\} $;输出控制器-交换机映射关系
    下载: 导出CSV

    表 2  联合博弈策略执行过程

     算法2 联合博弈策略Coalitional Game
     输入:算法1输出的控制器-交换机之间的关联关系$X = [{x_{ij}}]$
     输出: 控制器-交换机之间的关联关系$X' = [{x'_{ij}}]$
     (1) 初始化$X = [{x_{ij}}]$${\alpha _m}$$\beta $
     (2) repeat
     (3)  for each ${s_i}$ in $F$:寻找可能存在的交换机迁移
     (4)   Initial migration pair ${s_i}:{\rm{ }}{c_m} \to {C_n}$;找到满足两个条
    件的交换机迁移对
       end for
     (5)  for each $ {c_m}$:对于每一个控制器
     (6)   ${L_{ij}}$=${f_{ij}}{d_{kl}}{x_{ik}}{x_{jl}} + \delta {c_{ik}}$;计算每条数据流的资源消耗
     (7)   if ${s_i}:{\rm{ }}{c_m} \to {C_n}$ and ${\theta _n} \le \alpha \times \beta $;保证控制器不过载,
    寻找可能的交换机迁移
     (8)    ${L'_{ij}}$=${f_{ij}}{d_{kl}}{x'_{ik}}{x'_{jl}} + \delta {c'_{ik}}$;假设迁移,计算新的资源
    消耗
     (9)    if ${L'_{ij}} \le {L_{ij}}$: 若交换机迁移前后,资源消耗减少了,
    则接受迁移
     (10)     ${s_i} \to {c_j}$;实施交换机迁移${L_{ij}} = {L'_{ij}}$;更新的资源
    消耗
     (11)   end if; end for;
     (12) 直到系统没有任何交换机要求迁移,则算法收敛
    下载: 导出CSV

    表 3  实验拓扑数据

    网络拓扑节点数链路数控制器数距离阈值
    ARNES344743
    ChinaNet426654
    Interllifiber739365
    Interoute11014976
    下载: 导出CSV
  • 加载中
图(11)表(3)
计量
  • PDF下载量:  4
  • 文章访问数:  124
  • HTML全文浏览量:  41
  • 引证文献数: 0
文章相关
  • 通讯作者:  李子勇, 17629352940@163.com
  • 收稿日期:  2019-04-22
  • 录用日期:  2019-06-24
  • 网络出版日期:  2019-08-02
通讯作者: 陈斌, bchen63@163.com
  • 1. 

    沈阳化工大学材料科学与工程学院 沈阳 110142

  1. 本站搜索
  2. 百度学术搜索
  3. 万方数据库搜索
  4. CNKI搜索

/

返回文章