CN100413264C - 可扩展路由器系统传输适配子层通信模式的性能评价方法 - Google Patents

Abstract

可扩展路由器系统传输适配子层通信模式的性能评价方法属于可扩展的路由器软件体系结构技术领域，其特征在于：可扩展路由器控制平面节点间传统的通信模式存在可扩展瓶颈需要改进，本发明为改进的模式提供了一种性能评价的方法，引入了面间流量和面间流增量因子的概念，以及控制平面任务的分布率，分散率和流量率作为性能评价的特征参数；此评价方法基于对比模式，能够对通信性能和新接纳负载的能力进行评价，具有很好的理论支持，此外基于此评价方法还能为任务的优化分配提供参考，实验结果证实了此评价方法的有效性。

Description

可扩展路由器系统传输适配子层通信模式的性能评价方法

技术领域

可扩展路由器系统传输适配子层通信模式的性能评价方法属于可扩展的路由器软件体系结构技术领域。

背景技术

路由器是网络的核心设备，具有可扩展特性的路由器体系结构已经成为下一代路由器的重要研究方向和难点问题之一。从总体功能结构的概念出发，路由器可以划分为两个主要的功能平面：一个是集中于流量转发处理的数据平面，另一个是完成控制与路由交互的控制平面，数据平面到控制平面的信息流是控制平面的主要信息来源，直接影响软件体系结构的运行状况。

由于数据平面的简单性原则，在传统的路由器软件体系结构中，来自底层数据平面的控制信息，例如路由交互报文等，都是原始信息，信息在到达控制平面进行处理之前不做处理。如果有多个控制平面的节点时，数据不做区分地提交到控制平面的每个节点，见图1。每个控制平面的节点在收到原始控制信息后，仅选出对本节点有用的信息提交到各个相应的协议进行处理。这种通信模式(即洪泛模式)在控制平面节点单一或者数目很少的情况下可以正常工作，但是随着可扩展路由器在原则上对控制平面节点数目的无约束，这种模式会造成由控制节点数目增多而带来的控制流通信瓶颈和内部的通信带宽浪费，大大影响了软件体系结构的扩展能力。我们对这种模式进行了改进，见图2，通过在数据平面和控制平面之间插入了一个“传输适配子层”，以尽量减少重复流量在平面间的传递，达到消除面间通信可扩展瓶颈的目的，为区别传统的洪泛模式，我们将此通信模式称为传输适配子层的通信模式，结构图见图3。

本发明的目的在于提出对这种新通信模式通信性能的一种评价方法。由于改进通信模式的目的在于提高控制平面的有效通信率，但由于有效通信率本身是绝对值，并不能反映性能的改进。我们提出将传统的模式和改进后的模式的传输流量进行对比，进而对改进模式的性能和容纳负载的能力进行评价，并根据分析给出相应的任务优化分配方案。

发明内容

本发明的目的在于提供一种可扩展路由器系统传输适配子层通信模式的性能评价方法。

本发明的特征在于，依次含有以下步骤：

步骤1.初始化；

首先为评价方法引入如下定义：

面间流量：数据平面到控制平面流经的信息流总量称为面间流量；

面间流增量指数：在固定的任务以及流量模式下，将洪泛模式面间流量与一个对比模式的面间流量的比值称作这个对比模式的面间流增量指数，记作IIc，面间流增量指数表达了对比模式的面间流量对带宽的“节约程度”，面间流增量指数的倒数表达了一个对比模式要达到没有优化的洪泛模式的面间流量，还能额外容纳负载的能力；

步骤2.对系统中的每个任务分别设定其配置参数：

步骤2.1.设置t为系统中任务的数量；

步骤2.2.设置m为任务在控制平面上分布的节点的总个数；

步骤2.3.分别设置每个任务中各节点的流量占任务总流量的比率，D＝(d₁，..，d_t)，其中0≤d_i≤1，称为任务i的分布率，为简单起见，假设任意任务i(i＜＝t)中各节点分配的流量相同；

步骤2.4.分别设置每个任务可能分布到的节点的数目，E＝(e₁，...，e_t)，其中1≤e_i≤m，称为任务i的分散数；

步骤2.5.分别设置每个任务的流量占总流量的比率，C＝(c₁，...，c_t)，其中0≤c_i≤1，称为任务i的流量率；

步骤3.计算步骤2所描述的系统中任务i的流量：

I(i)＝c_i+d_i(e_i-1)c_i＝[1+d_i(e_i-1)]c_i；

步骤4.对系统中的所有t个任务进行步骤3中流量的计算，并求和得到系统的面间流量：

$I=\underset{i=1}{\overset{t}{\mathrm{\Σ}}}I\left(i\right)=\underset{i=1}{\overset{t}{\mathrm{\Σ}}}[1+d_i(e_i-1)]c_i;$

步骤5.计算步骤2所描述的系统在洪泛模式下的面间流量：

令步骤4中的通用公式d_i＝1，e_i＝m则得到洪泛模式下的面间流量I＝mc_i；

步骤6.计算传输适配子层模式的面间流增量指数：

${\mathrm{II}}_c={\left\{\frac{{\mathrm{\Σ}}_{i=1}^t[1+d_i(e_i-1)]c_i}{{\mathrm{\Σ}}_{i=1}^t{\mathrm{mc}}_i}\right\}}^{-1};$

根据定义有 ${\mathrm{\Σ}}_{i=1}^t{c}_i=1,$ 则

${\mathrm{II}}_c={\left[\underset{i=1}{\overset{t}{\mathrm{\Σ}}}\frac{1+d_i(e_i-1)}{m}{c}_i\right]}^{-1};$

步骤7.根据面间流增量因子对系统进行评价：

步骤7.1.定义：令 ${\mathrm{\β}}_i=\frac{1+d_i(e_i-1)}{m},$ 它反映了一个任务的流量分布特征对系统的面间流增量指数的影响能力，称为任务的面间流增量因子；

步骤7.2.结合II_c和β_i的公式可知： ${\mathrm{II}}_c={\left(\underset{i=1}{\overset{t}{\mathrm{\Σ}}}{\mathrm{\β}}_i{c}_i\right)}^{-1},$ 面间流增量因子与任务的流量率的乘积就是一个任务对面间流增量指数倒数的贡献；面间流增量指数的倒数就等于任务的面间流增量因子与流量率的内积，在向量空间中，一个系统所有任务的不同面间流增量因子组合对其流量率向量的投影就表征了这种对比模式的带宽节约程度，也就表征了对新加入负载的接纳能力，从而可以确定能够增加各个任务的相应正规化负载，即通过任务所解决的问题数量来描述的负载；

步骤8.任务的分布率与分散数对面间流增量指数倒数的影响和任务分配模式(即t个任务在m个节点上的分配状况)的优化：

步骤8.1.任务的分布率与分散数对面间流增量指数倒数的影响：

根据面间流量的公式可以得到面间流增量指数倒数对任意任务i关于分布率的偏导数与关于分散数的差分：

$\frac{\∂({\mathrm{II}}_c{)}^{-1}}{\∂d_i}=\frac{(e_i-1)c_i}{m};$

$\frac{\mathrm{\Δ}{\left({\mathrm{II}}_c\right)}^{-1}}{\mathrm{\Δ}{e}_i}=\frac{d_i{c}_i}{m};$

步骤8.2.任务的分配模式优化：

对于流量率：是系统固有的特性之一，也和负载环境相关，而与采用了什么样的任务分配模式无关；

对于分布率和分散数：面间流增量指数倒数关于它们的变化速率如步骤8.1描述；由此可以选择速率最大的参数作为改进任务分布模式的确定方向。

本发明可以对传输适配子层通信模式的通信性能进行评价，基于传统的洪泛通信模式，定义了面间流量和相关的面间流增量指数作为模型性能评价的依据，通过控制平面任务的分布率、分散数和流量率三个特征参数对模型的性能进行了分析；并且对任务的分配提出了优化的参考方案。

附图说明

图1.数据平面与控制平面间的通信结构；

图2.改进后的逻辑通信结构；

图3.面间流增量示意图；

图4.面间流增量因子的变化；

图5.实验结果；

图6.面间流增量因子的变化；

图7.实验结果。

具体实施方式

以两个任务的情形为例，如图5，横纵坐标分别代表两个任务的面间流增量因子。(O，C)是两个任务的流量率向量。根据面间流增量因子的定义可知：

0≤d_i≤1；

1≤e_i≤m；

$\stackrel{\·}{\·\·}\frac{1}{m}\≤{\mathrm{\β}}_i\≤1,$ $\∀i\∈[1,...,m];$

因此，图中点A是面向流增量因子取值范围的下界，点B是面向流增量因子取值范围的上界。阴影部分就是面间流增量因子向量可以取值的范围。在只考虑相对大小的概念下，阴影部分任意点(β₁，β₂)所对应面间流增量的倒数就是其在向量(O，C)上的投影长度。(β₁，β₂)的投影为D′，A，B的投影分别为A′，B′。面间流增量指数的倒数取值范围就是(A，B)。两个任务面间流增量因子组合对应的投影就表征了对比模式的带宽节约程度。由于洪泛模式就是点B所对应的面间流增量因子，因此从图中还可以看出对比模式中，对新加入负载的接纳能力。

也就是B的投影与(β₁，β₂)投影的长度之比

从图6可以看到，深色阴影区域是面间流增量因子的优化区域。当点(β₁，β₂)向这个区域移动时，系统的面间流增量指数倒数会进一步减小，系统可以容纳更多的负载。但是，任务的面间流增量因子的变化规律并不相同，即图中l₁和l₂的移动和任务的面间流特征以及分布特征相关，这个关系由面间流增量因子和任务的流量率共同确定。

通过上面的分析可以计算在引入改进模式后系统能够新增多大面间流量负载，也就对应了能够增加各个任务的相应正规化负载。下面的问题就是如何在新模式下，根据各个任务的面间流量特性来对性能进行优化。在图6中，也就是要确定l₁，l₂在不同参数下的移动速率，选择速率最大的参数作为任务的优化分配参考方案。

实验采用基于树型结构的BGP路由迭代模型，取k＝2的4个节点迭代树，除了BGP的模拟任务外，还有一个管理任务。实验参数的设定如下表：

表2  实验参数设定

其中BGP任务分布在迭代树的三个次叶节点上，管理任务分布在所有节点上。这个分布式模型限定了任务的分配模式，因而任务的分散数是固定的。我们的实验改变BGP任务的流量分布率，分别测量洪泛模式与不同参数下的传输适配子层通信模式的面间流量，从而得到这种对比模式下的面间流增量指数。

在实际的实验中，BGP来自数据平面的控制流数据只到达次叶子节点，所以任务分布节点数没有取m＝4，而是令对两个任务给定了不同的任务分配节点数m_BGP＝3和m_MGMT＝4，这与实际的路由器系统更为接近。BGP任务的面间流量率从5％到100％，递增步长取5％。实验的结果如图7所示。

在不同参数下测定得到的面间流增量指数在图中用星标出。从图中可以看到，沿BGP任务的面间流分布率减小的方向，面间流增量指数逐渐增大，这意味着可以容纳更大的面间流量负载。当BGP任务的面间流量率只有5％时，可以容纳相当于洪泛模式极限约4.5倍的负载。这与BGP的路由更新报文仅发送给对应的非叶子节点，其他为广播的控制消息的实际情形相当。另一个方面，图中用虚线给出了在对应参数下面间流增量指数理论值。实验测定的结果与理论值在趋势上基本吻合，在数值上略小于理论值，这是由于在实验过程中存在额外的面间流量开销所致。

由此可见，本发明达到了预期目的。

Claims (1)

1. 可扩展路由器系统传输适配子层通信模式的性能评价方法，其特征在于所述的方法依次含有以下步骤：

步骤1.初始化：

为所述系统中的每个任务分别设定以下配置参数：

t，为系统中任务的数量；

m，为任务在控制平面上分布的节点的总个数；

在任意任务i中各节点分配的流量均相同的假设前提下，分别设置每个任务中各节点的流量占任务总流量的比率，用向量D表示，D＝(d₁，...，d_t)，其中：i＜＝t，0≤d_i≤1，D称为任务i的分布率；

分别设置每个任务可能分布到的节点的数目，用向量E表示，E＝(e₁，...，e_t)，其中1≤e_i≤m，E称为任务i的分散数；

分别设置每个任务的流量占任务总流量的比率，用向量C表示，C＝(c₁，...，c_t)，其中0≤c_i≤1，C称为任务i的流量率；

步骤2.计算所述系统在传输适配子层通信模式下任务i的流量I(i)：

I(i)＝c_i+d_i(e_i-1)c_i＝[1+d_i(e_i-1)]c_i；

步骤3.对所述系统中的所有t个任务进行如步骤2中所述的计算，并求和得到数据平面到控制平面流经的信息流总量，定义为面间流量I：

$I=\underset{i=1}{\overset{t}{\mathrm{\Σ}}}I\left(i\right)=\underset{i=1}{\overset{t}{\mathrm{\Σ}}}[1+d_i(e_i-1)]c_i;$

步骤4.计算所述系统在洪泛模式下的面间流量，即：d_i＝1，e_i＝m，此时I＝mc_i；

步骤5.计算洪泛模式与传输适配子层两种通信模式下的面间流量的比值，定义为传输适配子层通信模式的面间流增量指数，记为II_c：

${\mathrm{II}}_c={\left\{\frac{{\mathrm{\Σ}}_{i=1}^t[1+d_i(e_i-1)]c_i}{{\mathrm{\Σ}}_{i=1}^t{\mathrm{mc}}_i}\right\}}^{-1};$

根据定义有 ${\mathrm{\Σ}}_{i=1}^t{c}_i=1,$ 则

${\mathrm{II}}_c={\left[\underset{i=1}{\overset{t}{\mathrm{\Σ}}}\frac{1+d_i(e_i-1)}{m}{c}_i\right]}^{-1};$

步骤6.根据任务的面间流增量因子按以下步骤对系统进行评价，所述面间流增量因子用β_i表示，它反映了一个任务的流量分布特征对系统的面间流增量指数的影响能力：

${\mathrm{\β}}_i=\frac{1+d_i(e_i-1)}{m};$

得到： ${\mathrm{II}}_c={\left(\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{\mathrm{\β}}_i{c}_i\right)}^{-1},$ 反映了所述传输适配子层通信模式的带宽节约程度；

步骤7.根据下述任务的分布率d_i与分散数e_i对面间流增量指数的影响，对t个任务在m个节点上的分配状况进行优化：

步骤7.1.计算面间流增量指数倒数对任意任务i关于分布率的偏导数，与关于分散数的差分：

$\frac{\∂{\left({\mathrm{II}}_c\right)}^{-1}}{{\∂d}_i}=\frac{(e_i-1)c_i}{m};$

$\frac{\mathrm{\Δ}{\left({\mathrm{II}}_c\right)}^{-1}}{\mathrm{\Δ}{e}_i}=\frac{d_i{c}_i}{m};$

步骤7.2.根据步骤7.1的计算结果，在系统中对每个任务选择合适的d_i与e_i，使得

最大。

Images