论文部分内容阅读
软件定义网络(Software-defined Networking,SDN)实现了控制平面与数据平面的解耦,创新性地解决了传统网络体系结构僵化、管理难度大、更新困难等问题,近年来已成为学术研究与产业应用的热点。然而,随着各类基于SDN的网络基础设施特别是数据中心网络的不断发展,大量的网络应用和网络流量呈现爆炸式增长,使得SDN网络业务传输过程中存在服务质量难以保证和终端用户体验差的问题。具体而言,首先,随着网络业务的多元化发展,网络业务状态信息呈现高维化特征,现有SDN受限于其节点感知能力和僵化的业务分配机制,难以高效完成全局网络业务感知,无法为业务传输提供精确的感知依据;其次,在分布式多控制器部署的SDN网络中,如果其子域划分不合理,多域管理下的控制器间协作性差,会严重影响SDN业务传输效率;最后,网络流量存在时间与空间分布不均匀的特性,在业务流量突发的情况下,控制器极易出现过载或者轻载的状况,导致业务传输不稳定。本文以国家863计划课题“软件定义网络体系结构与关键技术研究”为依托,围绕软件定义网络业务传输优化技术展开研究,从SDN业务传输框架、SDN业务状态感知算法、多域协同控制机制以及控制器负载均衡策略四个方面进行优化,主要研究工作及成果如下:(1)针对软件定义网络的业务传输优化需求,受生物界中群集运动“个体自主运动,整体智能协同”特征的启发,将实现分布式网络状态感知、区域自主协同、全局负载均衡为网络优化目标,设计了一种基于群集运动的SDN网络业务传输框架。在SDN网络中引入群集运动,给出了该框架的功能模型及相应的数据层、控制层和服务层功能函数,并详细阐述了实现基于群集运动的SDN业务传输框架的关键机制,为实现SDN业务传输的智能决策和高效控制提供架构支撑。最后,原型验证系统证明了该框架对于业务传输优化的有效性。(2)针对节点性能受限难以进行网络业务高维状态感知的问题,在SDN业务传输框架下,提出了一种基于降维与分配的SDN业务感知算法。该算法分为业务降维和业务分配两个阶段。阶段1利用k-center方法的聚类思想将高维感知业务划分为多个低维感知子业务;阶段2根据网络节点的性能,由节点选择或匹配一至多个子业务进行感知,引入调节参数调整各节点参与业务感知的概率,并设置权衡因子均衡感知代价与参与感知的网络节点个数。仿真结果显示,该算法的业务感知率随节点个数增加趋于100%,感知代价较低且随着网络规模增大愈加明显,节点感知均衡性与节点个数成正比。(3)针对SDN多域中业务传输存在的控制协同性差问题,在SDN业务传输框架下,提出了一种基于近邻情景感知的SDN多域协同控制机制,首先,设计了基于近邻传播聚类的网络分域算法,感知网络节点间状态信息(跳数和流请求速率),定义并计算节点吸引度和归属度,基于近邻传播过程划分SDN多域;然后,设计了基于协同映射的控制器负载优化算法,通过在交换机和控制器之间实施双向映射,优化交换机和控制器连接关系,进而均衡控制器负载。仿真结果显示交换机-控制器时延平均降低34.5%,控制器负载均衡率至少提高了26.7%。(4)针对网络业务流量突发情况下控制器负载失衡的问题,在SDN业务传输框架下,提出了一种面向SDN控制器负载均衡的交换机自适应迁移策略。首先,在各控制器节点上增加功能模块,动态设定控制器过载判定门限值,然后通过负载收集与测量、过载判定、选择迁移域及自适应迁移等步骤,实现了控制器负载的优化调整。最后,仿真结果显示,与现有的交换机迁移算法相比,该策略的迁移效率提升了19.7%。