基于蚁群优化的多路径流量调度算法

针对数据中心大象流碰撞频繁、链路拥塞严重和负载不均衡等问题,提出一种基于蚁群优化的多路径流量调度算法。算法结合网络拓扑结构多路径特点和软件定义网络全局视图优势,首先通过sFlow控制器进行大小流检测;然后采用K短路径算法在最短路径的基础上增加非最短路径,并计算路径库中的各路径关键度,选取关键度较小的路径作为待选路径,降低调度算法开销;最后根据大小流特点,分别设置蚁群算法中的链路传输代价和信息素更新方式,通过计算最佳路径数和分配权重实现多路径流量调度。仿真实验表明,在不同类型流量模式下,所提算法有效提高了平均网络对分带宽,降低了最大链路利用率,减少了传输平均时延。

数据中心网络中基于SDN的大象流负载均衡的研究

针对数据中心网络中大象流携带大量数据造成网络拥塞和负载不均衡的问题,提出基于SDN(software defined network)的大象流负载均衡(elephant flow load balancing,EFLB)。当网络负载超过阈值时,控制器利用Openflow特性将检测到的大象流分裂为多个老鼠流,并根据收集的网络拓扑和链路状态动态地计算负载最小的下一跳交换机,确保负载均衡。实验结果表明,相比于等价多路径算法(equal-cost mulit-path routing,ECMP),EFLB机制提高了网络吞吐量和链路利用率,更好地实现了网络负载均衡。

软件定义网络中可扩展的流表项处理机制

数据中心内部的流量特性和OpenFlow交换机流表的超时机制及其容量的限制为软件定义网络(SDN)的应用带来了可扩展性难题,即由于老鼠流频繁调用控制器以及流表超时机制带来的重复路由请求,导致控制器平面和OpenFlow信道成为SDN架构的性能瓶颈而无法根据业务的需求提供有QoS保证的服务。针对此问题从两个角度提出了改进措施。为交换机配置以目的地址为导向的高优先级的通配符流表项,使得大部分老鼠流能够被转发平面直接处理而不需要询问控制器;在控制器和转发平面之间增加一个动态索引哈希缓存层,当流表项因超时或者流表空间耗尽被流表丢弃时将其缓存在缓存层中,此时收到重复的路由请求时能够避免重复计算。实验结果表明,提出的通配符流表项能够有效降低网络的延迟和流表项装载数量,而基于动态索引哈希的缓存层有着较高的命中率和查找速度。

基于SDN的两级大象流负载均衡策略

以SDN网络为基础,提出一种解决数据中心网络拥塞的大象流负载均衡策略,完善了负载均衡整体框架.第一阶段使用sFlow收集网络状态,通过降低大象流误检率,采用突出大象流漏检率并设置阈值以判定可疑大象流;第二阶段应用基于流持续时间判定真正大象流,剔除已变质大象流,并将两阶段的大象流检测方法嵌入整体负载均衡架构中;最后在ubuntu系统环境下利用Mininet搭建胖树网络拓扑,以Ryu为控制器进行仿真模拟测试,通过控制流量负载验证大象流负载均衡策略.试验结果表明,提出的大象流负载均衡策略可提高数据中心网络中大象流与老鼠流的检测效率和网络链路利用率,并可减小网络传输时延.

基于流量特征的流调度策略研究综述

软件定义网络将网络的数据层和控制层相分离,具有可编程性强和全局网络视图的优点,这一优点被越来越多地应用于数据中心网络流调度中。然而,数据中心网络中大象流和老鼠流共存的流量特征是流调度技术的一大挑战。对基于流量特征的流调度策略进行了综述,首先梳理了基于软件定义网络的数据中心网络的理论基础,然后对大象流、老鼠流、大象流与老鼠流三个方面的流调度策略进行了分析和总结,并探讨了相比于传统的流调度技术,在软件定义网络架构下基于流量特征的流调度策略的优势。最后针对目前基于流量特征的流调度技术面临的若干主要问题进行了讨论,指出了下一步的研究方向。