论文部分内容阅读
近年来,随着互联网的相关服务快速增长,大数据、云计算、移动互联等技术纷纷进入大众视野,迎来蓬勃发展的时机。随之而来网络流量呈现井喷式增长,传统的网络结构已经逐渐不能适应用户需求和服务,因此对未来网络研究具有一定的实际价值。介于传统网络数据平面通用流表处理模型模块功能固定,在此基础上的网络实验可编程性较差,SDN(Software-Defined Networking,软件定义网络)技术的出现提供了一种解决方法。软件定义网络基于OpenFlow协议,对网络体系架构进行重新解构,将原先互相依赖的数据平面和控制平面实现解耦合,使得网络可以获得更开放的可编程能力,用户在控制器上对网络进行配置和控制,进而可以对分布式网络状态实现集中统一管理。相对于网络技术的发展,网络带宽和网络访问量增长日新月异,但处理速度和内存访问速度能力有限,这就使得服务器的负载能力成为了网络关键性限制因素,而越来越多的网络应用也需要服务器必须随时能提供可靠的服务能力。因此对于SDN网络来说,负载均衡是一个必须面对和解决的问题。数据中心网络中有即时通信类业务产生的大流,以及由块数据传输类服务产生的小流。数据网络平面中大流相对静态的传输路径是造成网络拥堵的主要原因。为解决以上问题,本文基于数据流分布特点,通过数据流检测和最优路径优化算法,提出一种基于SDN的数据流调度方案,完成对大象流重路由,并设计一种新的数据流调度模型,提高网络负载均衡参数。首先针对数据中心网络,以采样的方式对数据流进行识别检测,根据数据流的分布规律选择更合理的数据流检测样本的采样规则,在提高检测效率的同时降低检测开销。其次基于粒子群优化算法提出数据流最佳路径选择策略,在最佳路径选择策略中根据链路带宽使用率构造适应函数,进而求得个体最优解和种群最优解,完成数据流的重调度。在实验仿真和性能分析阶段,使用VirtualBox 6.0.14虚拟机、ubuntu 16.04操作系统、Python3.5.2、OpenFlow1.3通信协议,采用Mininet仿真平台、Ryu控制器作为实验环境,构建FatTree拓扑作为本实验数据层平面,通过与Ryu控制器远程连接,完成基于SDN负载均衡算法的仿真对比。通过对敏感度、检测时间、以及平均流表项等数值对检测性能进行评估,以及在不同负载的情况下完成对平均链路利用率和吞吐率的评估。本文所提出基于SDN的数据流调度方案,能够在很大程度上提高数据流的检测和调度能力,大大减轻控制器的压力负担,使得网络的负载均衡能力得到提升的同时,还能够提高网络的资源利用率,提升网络的服务质量,达到预期效果,完成了对数据流路径优化的目的。