CN105227481B - 基于路径开销和流调度代价最小化的sdn拥塞控制路由方法 - Google Patents
基于路径开销和流调度代价最小化的sdn拥塞控制路由方法 Download PDFInfo
- Publication number
- CN105227481B CN105227481B CN201510555055.3A CN201510555055A CN105227481B CN 105227481 B CN105227481 B CN 105227481B CN 201510555055 A CN201510555055 A CN 201510555055A CN 105227481 B CN105227481 B CN 105227481B
- Authority
- CN
- China
- Prior art keywords
- link
- path
- stream
- congestion
- route
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明请求保护一种基于路径开销和流调度代价最小化的SDN网络拥塞控制路由算法,包括:控制器对所控交换机连接的各链路的利用率:进行周期性监测,当大于等于某一固定值ηth时,判定链路发生拥塞,启用拥塞控制路由算法;算法首先根据拥塞链路上的流速率判定出链路上的所有大流以备调度;随后对链路上所有大流进行重路由计算,同时计算出每条路径的开销选择多条等价路径中开销最小的路径作为调度路径;最后,计算出每条流的调度代价,选择代价最小的流进行调度。本发明不仅能够有效的对拥塞链路进行调度,而且使得网络链路资源得到更好的利用,在链路利用率和流传输时间方面有所提升。
Description
技术领域
本发明涉及SDN网络的路由算法领域。特别地,该算法基于SDN网络控制器的全网网络状态信息视图,主要针对SDN网络中数据量较大、流量具有高动态性、易引发网络拥塞的应用场景(如数据中心网络)所设计优化的路由算法,目的是快速缓解网络拥塞,同时增加网络资源利用率。
背景技术
近年来,随着社会信息化发展,人们对互联网的需求呈现爆炸式增长,互联网除了规模和发展速度远超之前所有曾出现的数据网络,业务的创新速度也是空前加快,各种实时业务如视频语音、云数据中心和移动业务得到了快速发展。然而,由于互联网在可扩展性、安全性、移动性和服务质量(QoS)等方面存在的先天性缺陷,使得传统互联网在面对这些业务时显得力不从心,难以满足创新业务的承载要求,整个互联面临着巨大的挑战,在此背景下,软件定义网络(Software Defined Network,SDN)作为一种新型的网络架构得到了广泛的关注。
网络拥塞问题一直是阻碍网络发展的重要因素,网络中一旦发生拥塞,网络的吞吐量、时延和丢包率等性能将会衰减,严重时会造成网络“死锁”。传统网络架构由于算法分布式及网络结构复杂等原因,造成拥塞控制算法的设计非常困难,然而在SDN网络中控制器对网络的集中控制、全网网络状态视图给算法设计带来了巨大优势,同时,SDN数据转发颗粒度为流,可以通过路由对流进行调度,从而解决网络拥塞问题。因此,越来越多的人开始研究如何在SDN网络当中通过路由算法的设计来进行拥塞控制。
在使用路由应对SDN网络拥塞的方法中,基本思路是在网络拥塞发生时通过对流重新选路来达到将流从拥塞链路调度到轻负载链路以缓解网络拥塞的效果,即拥塞控制路由。拥塞控制路由主要有两种机制:第一种,主备路径路由机制,即在流进入网络后为流安装两条路径,在没有拥塞的情况下使用主路径,发生拥塞后将流调度到备用路径,这种方式使得发生拥塞时能够使流的路径快速切换,但是冗余路径会消耗流表的存储资源,同时路径具有时效性,备用路径很可能已经过时,达不到解决拥塞的目的;第二种,动态重路由机制,即在网络拥塞发生后,控制器通过实时的全网网络状态信息对拥塞链路上的流进行重路由计算,将拥塞链路上的部分流量调度轻负载链路上,这种方式能够有效地平衡网络负载,解决网络拥塞,但是会牺牲路径重新安装的时间。
动态重路由机制能更好的利用SDN控制器具有全网网络状态信息视图的优势,在拥塞控制上具有更好的效果,因此,现行国内外拥塞控制路由方案的设计主要集中在通过动态重路由进行流调度来解决网络拥塞,典型的拥塞控制路由算法研究的难点主要集中在以下几点:
1.判断链路发生拥塞。在拥塞判断中,传统的网络拥塞判断参数值有分组丢失率、平均队列长度、超时重传的分组数目、平均分组延迟及分组延迟变化,在SDN网络中可以检测链路使用情况,在链路的利用率达到一定值时,网络性能衰减,因此本方案考虑使用链路利用率作为门限值进行拥塞判断。
2.选择进行调度的流。拥塞控制路由算法的原理是通过调度部分流来达到缓解链路拥塞的目的,通常情况下,拥塞链路上具有多条数据流,因此可以根据流的特征对其进行调度。根据流的基本特征,流分为大流和小流,KanagaveluR等人在文章《OpenFlow basedcontrol for re-routing with differentiated flows in Data Center Networks》所提出的方案在调度流的选择过程中,针对数据中心网络流量具有大小流的特征进行了流量大小分类,并且仅对大流量进行调度,提高了重路由的有效性,但同时它没有对所调度大流的选择进行进一步的研究,仅选择最大流进行调度,考虑到流的特征及整个网络的资源有效利用,最大流并不一定是最佳的调度流,这就使得所选流量并不是最优。因此,本方案考虑通过引入调度代价来对调度流进行更加合理的选择。
3.计算流的重路由路径。重路由路径的计算可分为全网路由和局部路由,全网路由是从源地址到目的地址进行全网络路径计算,局部路由考虑的是在拥塞链路附近进行重新选路,虽然局部路由可以减少控制器安装流表项的数量,但是全网路由能够更加地充分使用整个网络的资源。重路由时,路径开销的计算是要重点解决的问题,需要在路径可以满足流服务质量要求的基础上,新路径上所有的链路具有充分的容量。因此,本文考虑在路径计算中采用全网路由的方式,并通过路径开销计算来对调度路径进行更加合理的选择。
发明内容
针对现有技术的不足,提出了一种有效的对拥塞链路进行调度以缓解拥塞情况,而且在链路利用率和传输时间方面有所提升,使得网络链路资源得到更好的利用的基于路径开销和流调度代价最小化的SDN拥塞控制路由方法。本发明的技术方案如下:一种基于路径开销和流调度代价最小化的SDN拥塞控制路由方法,其包括以下步骤:
101、获取软件定义网络SDN中链路的利用率,链路上包括若干数据流,并对软件定义网络SDN的链路发生拥塞与否进行判别;
102、当SDN中链路发生拥塞时,对步骤101中链路上所有数据流的大小进行计算,判断得出大数据流和小数据流,删除小数据流,跳转至步骤103;
103、对发生拥塞的链路和链路可用带宽小于流速率的链路从路由拓扑中删除,然后对步骤102中的大数据流中进行重路由及其开销的计算,选择多条等价路径中路径开销最小的路径作为该大数据流的调度路径;
104、从步骤103中可调度的大数据流当中,计算每条大数据流的调度代价,选择调度代价最小的大数据流流进行调度,完成软件定义网络SDN的拥塞控制路由方法。
进一步的,步骤101具体为:通过SDN控制器对所控交换机连接的各链路进行周期性监测,采用链路利用率作为拥塞门限值,设链路容量为C,链路上负载为V,则链路利用率为当链路利用率η大于等于某一固定值ηth时,认为链路发生拥塞,跳转至步骤102。
进一步的,对步骤101中链路上所有数据流的大小进行计算,判断得出大数据流和小数据流的步骤具体为:
设定固定值ψ1,采用式ψt=(bt-bt-p)/p对数据流的大小分类进行判定,其中bt为时刻t流进入网络的字节数,bt-p为时刻t-p流进入网络的字节数,p为时间间隔,当ψt>ψ1时,判定该数据流为大数据流,否则为小数据流。
进一步的,步骤102中的大数据流中进行重路由及其开销的计算,选择多条等价路径中路径开销最小的路径作为该大数据流的调度路径的步骤具体为;
计算大数据流的重路由路径及其开销:在进行重路由计算之前,首先将发生拥塞的链路和链路可用带宽小于流速率的链路从路由拓扑中删除,然后进行重路由及其开销的计算,选择多条等价路径中路径开销最小的路径作为该流的调度路径,所述重路由路径开销c(r)包含固定开销和可变开销两部分,设R为流的可用路径集合,r∈R,c(r)定义如下式:
c(r)=w(r)+v(r)
其中:
式中,w(r)为路径固定开销,u(r)为路径可变开销,wk为路径上的链路k的固定开销;Bav为链路可用带宽,Bav定义如下式:
Bav(k)=Bth(k)-loadk;Bav(k)=C×ηth
式中,Bth(k)为链路k上可用带宽门限,loadk为链路lk上的所有负载,即可用带宽为拥塞门限与链路负载的差值。
进一步的,步骤104中计算每条大数据流的调度代价的定义如下式:
式中,w(r)为流原本路径r的链路固定开销之和,w(r')为流重路由后所选的新路径r'的链路固定开销之和,Bav(k)为链路lk可用带宽,minBav(k)为新路径上所有链路中最小的链路可用带宽,n为流覆盖的拥塞链路数,α为流的固定增量的权值,β为网络可用带宽的权值。
本发明的优点及有益效果如下:
相比传统的SDN拥塞控制算法,该方法通过对流的各条等价调度路径的开销计算,保障了调度路径上每条链路具有充足的带宽,实现了最优调度路径的选择。并且在调度流的选择过程中考虑了网络稳定性和网络链路利用率,使用调度后路径开销变化量和流占用可用带宽比例来共同定义流调度代价。该发明不仅能够有效的对拥塞链路进行调度,而且在链路利用率和传输时间方面有所提升,使得网络链路资源得到更好的利用。具有更好的可行性和实用性。
附图说明
图1是本发明提供优选实施例基于路径开销和流调度代价最小化的SDN拥塞控制路由方法流程图;
图2为繁忙链路S1-S3与空闲链路S1-S4的负载情况;
图3为链路利用率对比图;
图4为传输时间对比。
具体实施方式
以下结合附图,对本发明作进一步说明:
本实施例是在网络仿真软件中实现的一种基于路径开销和流调度代价最小化的SDN拥塞控制路由算法,本例取90%的链路容量作为阀值,即Bth=90%B,当ηi,j>90%时,认为链路发生拥塞,启动动态路由算法进行流量调度。实验中网络拓扑采用数据中心网络广泛使用的Fat-Tree拓扑,其中包含两台核心层交换机,8台的聚合层交换机和边缘层交换机。实验环境搭建中,流量的设置模拟了数据中心高动态的流量特性,设置为Pod1和Pod2之间互相发送流,数据包数量、大小、发包间隔相同,流的目的端随机。
参照图1,本实例包括以下步骤:
第一步,拥塞链路的判决。控制器收到Package-in消息后,进行路由初始计算,并向相关交换机下发流表项。控制器通过周期性向交换机发送State-Request消息问询交换机及其端口的状态对所有链路进行流量监控,同时进行拥塞判断。采用链路利用率作为拥塞门限值,设链路容量为C,链路上负载为V,则链路利用率为当链路利用率η大于等于某一固定值ηth时,认为链路发生拥塞,启用拥塞控制路由算法。
第二步,链路上所有流的大小计算。链路上具有相同网络特征(如相同目的IP地址、目的Mac地址等)的数据包称为流,同一链路上包含多条流,数据量较少的流(后面的叙述中称为小流)由于其持续时间短、变化快,不宜进行调度,所以选择数据量较大的流(后面的叙述中称为大流)进行调度。流的大小由其所含字节数决定,同时数据流越大,持续的时间越长,小流持续时间很短,通过周期性监测流总共传输的字节变化量可以区分大小流。因此,用式ψt=(bt-bt-p)/p对流的大小分类进行判定,其中bt为时刻t流进入网络的字节数,bt-p为时刻t-p流进入网络的字节数,p为时间间隔。
第三步,流的重路由路径及其开销的计算。在进行重路由计算之前,首先将发生拥塞的链路和链路可用带宽小于流速率的链路从路由拓扑中删除,然后进行重路由及其开销的计算,选择多条等价路径中路径开销最小的路径作为该流的调度路径。所述重路由路径开销c(r)包含固定开销和可变开销两部分,设R为流的可用路径集合,r∈R,c(r)定义如下式:
c(r)=w(r)+v(r)
其中:
式中,w(r)为路径固定开销,u(r)为路径可变开销。wk为路径上的链路k的固定开销;Bav为链路可用带宽,Bav定义如下式:
Bav(k)=Bth(k)-loadk
Bav(k)=C×ηth
式中,Bth(k)为链路k上可用带宽门限,loadk为链路lk上的所有负载,即可用带宽为拥塞门限与链路负载的差值。
第四步,最佳调度流的调度代价计算。在众多可调度的大流当中,计算每条流的调度代价,选择调度代价最小的流进行调度,调度代价的定义如下式:
式中,w(r)为流原本路径r的链路固定开销之和,w(r')为重路由后所选的新路径R'的链路固定开销之和,Bav(k)为链路lk可用带宽,minBav(k)为新路径上所有链路中最小的链路可用带宽,n为流覆盖的拥塞链路数,α为流的固定增量的权值,β为网络可用带宽的权值,实际网络应用中由网络决策者根据网络需求进行设置,α较大时,对网络服务质量要求较高,β较大时,更能有效利用网络资源。
第五步,控制器下发流表对流进行调度。根据以上计算出的调度流和调度流最佳调度路径,控制器首先删除交换机中相应流的流表项,然后根据调度路径下发新的流表项,此后,进入的相应流的数据包按照新的流表项进行转发操作,实现流的调度。
在本实施例中,图2给出了实验中繁忙链路S1-S3与空闲链路S1-S4的负载情况。图3和图4分别是本文提出的拥塞控制路由算法(choose flow rerouting)和前文所提到KanagaveluR等人所提出的仅对流的路径进行选择的算法(No-choose flow rerouting)在网络链路利用率和流量传输时间上的对比图。由图2可见:链路s1-s3在网络运行时链路利用率不断上涨,达到最大值97%,超过本文设置的90%的门限值。之后,随着本方案拥塞控制算法的启用,S1-S3链路上的流不断转移到包括S1-S4在内的其它链路上,网络利用率有所下降,此后一直保持在门限值以下,表明算法有效的控制了其拥塞问题。由图3可见:在各个主机开始发送数据包,总体链路利用率逐渐上升,网络刚开始时利用率增长速度非常快,在30s左右增长速度减缓,网络发生拥塞,到70s左右,拥塞解决后链路利用率达到最高,之后本文提出的算法使得网络总体链路利用率一直保持在39%到44%的区间。而仅对流的路径进行选择的算法(No-choose flow rerouting)使得总体链路利用率在37%到43%的区间。由图4可见:本文算法使得所有流的平均传输时间低于没有进行调度流选择的算法。综上所述,本方案算法在网络链路达到门限值后,能对拥塞链路上的流进行调度,以减缓拥塞,使得链路负载低于门限值,同时通过对流的路径的选择及对所需调度的流的选择,使得网络总体利用率和流平均完成时间都优于仅对流的路径进行选择的算法(No-choose flowrerouting),网络链路资源得到更好地利用。
图2中,纵坐标-带宽利用率;横坐标-时间,图3中纵坐标-带宽利用率;横坐标-时间,图4中Transmission time-传输时间。
以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后,技术人员可以对本发明作各种改动或修改,这些等效变化和修饰同样落入本发明权利要求所限定的范围。
Claims (5)
1.一种基于路径开销和流调度代价最小化的SDN拥塞控制路由方法,其特征在于,包括以下步骤:
101、获取软件定义网络SDN中各链路的利用率,链路上包括若干数据流,并对软件定义网络SDN中链路发生拥塞与否进行判别;
102、当SDN中链路发生拥塞时,对步骤101中链路上所有数据流的大小进行计算,判断得出大数据流和小数据流并跳转至步骤103;
103、对发生拥塞的链路和链路可用带宽小于流速率的链路从路由拓扑中删除,然后对步骤102中的大数据流中进行重路由及其开销的计算,选择多条等价路径中路径开销最小的路径作为该大数据流的调度路径;
104、从步骤103中可调度的大数据流当中,计算每条大数据流的调度代价,选择调度代价最小的大数据流流进行调度,完成软件定义网络SDN的拥塞控制路由方法。
2.根据权利要求1所述的一种基于路径开销和流调度代价最小化的SDN拥塞控制路由方法,其特征在于,步骤101具体为:通过SDN控制器对所控交换机连接的各链路进行周期性监测,采用链路利用率作为拥塞门限值,设链路容量为C,链路上负载为V,则链路利用率为当链路利用率η大于等于某一固定值ηth时,认为链路发生拥塞,跳转至步骤102。
3.根据权利要求1所述的一种基于路径开销和流调度代价最小化的SDN拥塞控制路由方法,其特征在于,对步骤101中链路上所有数据流的大小进行计算,判断得出大数据流和小数据流的步骤具体为:
设定固定值ψ1,采用式ψt=(bt-bt-p)/p对数据流的大小分类进行判定,其中bt为时刻t流进入网络的字节数,bt-p为时刻t-p流进入网络的字节数,p为时间间隔,当ψt>ψ1时,判定该数据流为大数据流,否则为小数据流。
4.根据权利要求1所述的一种基于路径开销和流调度代价最小化的SDN拥塞控制路由方法,其特征在于,步骤102中的大数据流中进行重路由及其开销的计算,选择多条等价路径中路径开销最小的路径作为该大数据流的调度路径的步骤具体为;
计算大数据流的重路由路径及其开销:在进行重路由计算之前,首先将发生拥塞的链路和链路可用带宽小于流速率的链路从路由拓扑中删除,然后进行重路由及其开销的计算,选择多条等价路径中路径开销最小的路径作为该流的调度路径,所述重路由路径开销c(r)包含固定开销和可变开销两部分,设R为流的可用路径集合,r∈R,c(r)定义如下式:
c(r)=w(r)+v(r)
其中:
式中,w(r)为路径固定开销,v(r)为路径可变开销,wk为路径上的链路k的固定开销;Bav为链路可用带宽,Bav定义如下式:Bav(k)=Bth(k)-loadk;Bav(k)=C×ηth
式中,Bth(k)为链路k上可用带宽门限,loadk为链路lk上的所有负载,即可用带宽为拥塞门限与链路负载的差值。
5.根据权利要求1所述的一种基于路径开销和流调度代价最小化的SDN拥塞控制路由方法,其特征在于,步骤104中计算每条大数据流的调度代价的定义如下式:
式中,w(r)为流原本路径r的链路固定开销之和,w(r')为流重路由后所选的新路径r'的链路固定开销之和,Bav(k)为链路lk可用带宽,min Bav(k)为新路径上所有链路中最小的链路可用带宽,n为流覆盖的拥塞链路数,α为流的固定增量的权值,β为网络可用带宽的权值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510555055.3A CN105227481B (zh) | 2015-09-02 | 2015-09-02 | 基于路径开销和流调度代价最小化的sdn拥塞控制路由方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510555055.3A CN105227481B (zh) | 2015-09-02 | 2015-09-02 | 基于路径开销和流调度代价最小化的sdn拥塞控制路由方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105227481A CN105227481A (zh) | 2016-01-06 |
CN105227481B true CN105227481B (zh) | 2018-10-12 |
Family
ID=54996178
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510555055.3A Active CN105227481B (zh) | 2015-09-02 | 2015-09-02 | 基于路径开销和流调度代价最小化的sdn拥塞控制路由方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105227481B (zh) |
Families Citing this family (37)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105897604B (zh) * | 2016-04-06 | 2019-04-09 | 中国人民解放军国防科学技术大学 | 一种提高数据中心网络更新成功率的方法 |
CN105915467B (zh) * | 2016-05-17 | 2019-06-18 | 清华大学 | 一种面向软件定义的数据中心网络流量均衡方法及装置 |
CN105897586B (zh) * | 2016-05-20 | 2017-03-15 | 电子科技大学 | 面向混合sdn软件定义网络的节能流量调度方法 |
CN105827540B (zh) * | 2016-05-30 | 2018-11-02 | 清华大学深圳研究生院 | 一种基于优先级的数据中心网络传输层数据流传输方法 |
CN105959232B (zh) * | 2016-06-16 | 2018-07-10 | 清华大学 | 一种基于软件定义网络控制点优化的卫星网络路由方法 |
CN106059821B (zh) * | 2016-06-29 | 2019-01-22 | 重庆邮电大学 | 一种基于sdn的数据中心业务服务质量保障方法 |
CN106059941B (zh) * | 2016-07-14 | 2018-12-18 | 电子科技大学 | 一种消除链路拥塞的骨干网络流量调度方法 |
CN106230722B (zh) * | 2016-08-05 | 2019-07-09 | 山东省计算中心(国家超级计算济南中心) | 基于转移代价的sdn网络拥塞链路调整方法 |
CN106130895B (zh) * | 2016-08-18 | 2019-11-15 | 中国联合网络通信集团有限公司 | Sdn网络故障的重路由方法及装置 |
CN106357547A (zh) * | 2016-09-08 | 2017-01-25 | 重庆邮电大学 | 一种基于流切片的软件定义网络拥塞控制算法 |
CN106411733B (zh) * | 2016-09-08 | 2019-05-31 | 重庆邮电大学 | 一种基于链路实时负载的sdn动态负载均衡调度方法 |
CN106534790B (zh) * | 2016-11-25 | 2020-05-19 | 浙江宇视科技有限公司 | 一种自动调整视频媒体流传输路径的方法及装置 |
CN106533960B (zh) * | 2016-12-23 | 2019-07-26 | 重庆邮电大学 | 一种基于Fat-Tree结构的数据中心网络路由方法 |
CN108306827B (zh) * | 2017-01-12 | 2021-06-01 | 华为技术有限公司 | 传输数据的方法和服务器 |
CN106921571A (zh) * | 2017-03-07 | 2017-07-04 | 重庆邮电大学 | 一种软件定义网络联合路由选择与流分配方法 |
CN107018018A (zh) * | 2017-03-24 | 2017-08-04 | 清华大学深圳研究生院 | 一种基于sdn的服务器增量在线升级方法及系统 |
CN107465628A (zh) * | 2017-08-31 | 2017-12-12 | 郑州云海信息技术有限公司 | 一种软件定义网络的控制方法和控制装置 |
CN109861923B (zh) | 2017-11-30 | 2022-05-17 | 华为技术有限公司 | 一种数据调度方法及tor交换机 |
CN108259367B (zh) * | 2018-01-11 | 2022-02-22 | 重庆邮电大学 | 一种基于软件定义网络的服务感知的流策略定制方法 |
CN108306948B (zh) * | 2018-01-15 | 2021-03-30 | 新华三技术有限公司 | 调度方法及装置 |
CN108540384B (zh) * | 2018-04-13 | 2020-07-28 | 西安交通大学 | 软件定义网络中基于拥塞感知的智能重路由方法和装置 |
CN108881010A (zh) * | 2018-07-13 | 2018-11-23 | 北京瀚海星云科技有限公司 | 基于损益评估的拥塞路径调整方法 |
CN108881047B (zh) * | 2018-08-01 | 2022-01-25 | 中国联合网络通信集团有限公司 | 网络扩容判别的方法及装置 |
CN109547340B (zh) * | 2018-12-28 | 2020-05-19 | 西安电子科技大学 | 基于重路由的sdn数据中心网络拥塞控制方法 |
CN112398749A (zh) * | 2019-08-12 | 2021-02-23 | 中国电信股份有限公司 | 负载均衡方法、装置和系统、网络和存储介质 |
CN110430143A (zh) * | 2019-08-23 | 2019-11-08 | 锐捷网络股份有限公司 | 网络设备的负载均衡方法及装置 |
CN110932989B (zh) * | 2019-11-20 | 2021-09-21 | 华南理工大学 | 一种基于sdn数据中心网络的大象流路径监控调度方法 |
CN112995036B (zh) * | 2019-12-13 | 2023-08-01 | 中盈优创资讯科技有限公司 | 网络流量的调度方法及装置 |
CN111245735B (zh) * | 2020-01-20 | 2022-08-12 | 中国电子科技集团公司第五十四研究所 | 一种sdn环境下保证服务质量的流量调度方法 |
CN111416777A (zh) * | 2020-03-26 | 2020-07-14 | 中南大学 | 一种基于路径延时探测的负载均衡方法及系统 |
CN112350949B (zh) * | 2020-10-23 | 2022-05-31 | 重庆邮电大学 | 软件定义网络中基于流调度的重路由拥塞控制方法及系统 |
CN112532518B (zh) * | 2020-11-26 | 2022-07-12 | 新华三技术有限公司 | 一种段路由策略的路径选择方法及装置 |
CN112995278B (zh) * | 2021-02-02 | 2022-07-01 | 武汉温茂科技有限公司 | 一种基于云计算平台的区块链装置管理方法及sdn控制器 |
CN115622922A (zh) * | 2021-07-16 | 2023-01-17 | 中兴通讯股份有限公司 | 处理大流量协议报文的方法、系统及存储介质 |
CN114389991B (zh) * | 2021-12-20 | 2023-09-29 | 中盈优创资讯科技有限公司 | 一种智能网络流量调度管理方法及装置 |
CN116248578A (zh) * | 2022-12-21 | 2023-06-09 | 重庆邮电大学 | 软件定义网络中综合链路负载与带宽碎片化的流调度方法 |
US11902175B1 (en) | 2023-03-24 | 2024-02-13 | International Business Machines Corporation | Allocating bandwidth to communication paths used by nodes in a network |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103607358A (zh) * | 2013-11-29 | 2014-02-26 | 哈尔滨工业大学深圳研究生院 | 基于链路利用率平均和的动态ecmp方法及系统 |
CN104468352A (zh) * | 2014-12-26 | 2015-03-25 | 深圳市新格林耐特通信技术有限公司 | 基于sdn的特殊流量qos保障方法 |
-
2015
- 2015-09-02 CN CN201510555055.3A patent/CN105227481B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103607358A (zh) * | 2013-11-29 | 2014-02-26 | 哈尔滨工业大学深圳研究生院 | 基于链路利用率平均和的动态ecmp方法及系统 |
CN104468352A (zh) * | 2014-12-26 | 2015-03-25 | 深圳市新格林耐特通信技术有限公司 | 基于sdn的特殊流量qos保障方法 |
Non-Patent Citations (2)
Title |
---|
OpenFlow based control for Re-routing with Differentiated flows in Data Center Networks;Kanagavelu Renuga等;《Networks(ICON),2012 18th IEEE International Conference》;20121214;全文 * |
基于SDN架构的数据中心网络路由算法需求分析;樊自甫等;《电信科学》;20150228(第2期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN105227481A (zh) | 2016-01-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105227481B (zh) | 基于路径开销和流调度代价最小化的sdn拥塞控制路由方法 | |
CN106411733B (zh) | 一种基于链路实时负载的sdn动态负载均衡调度方法 | |
Tang et al. | A dynamical and load-balanced flow scheduling approach for big data centers in clouds | |
Wang et al. | Rethinking the data center networking: Architecture, network protocols, and resource sharing | |
CN107579922B (zh) | 网络负载均衡装置和方法 | |
CN104158753B (zh) | 基于软件定义网络的动态流调度方法及系统 | |
CN103346922B (zh) | 基于sdn的确定网络状态的控制器及其确定方法 | |
CN107959633A (zh) | 一种工业实时网络中基于价格机制的多路径负载均衡方法 | |
Chien et al. | A SDN-SFC-based service-oriented load balancing for the IoT applications | |
Pang et al. | SDN-based data center networking with collaboration of multipath TCP and segment routing | |
Qilin et al. | A load balancing method based on SDN | |
CN108512772B (zh) | 基于服务质量的数据中心流量调度方法 | |
CN108289064A (zh) | 一种数据中心网中混合式负载均衡方法 | |
CN101997826A (zh) | 一种控制网元、转发网元及因特网协议网络的路由方法 | |
CN106550049B (zh) | 一种中间件部署方法、装置及系统 | |
Cui et al. | Difs: Distributed flow scheduling for adaptive routing in hierarchical data center networks | |
CN112350949B (zh) | 软件定义网络中基于流调度的重路由拥塞控制方法及系统 | |
CN108880888A (zh) | 一种基于深度学习的sdn网络流量预测方法 | |
CN108449269A (zh) | 基于sdn的数据中心网络负载均衡方法 | |
CN106559330A (zh) | 一种基于sdn的动态路径规划方法 | |
CN107018018A (zh) | 一种基于sdn的服务器增量在线升级方法及系统 | |
Cui et al. | DiFS: Distributed Flow Scheduling for adaptive switching in FatTree data center networks | |
CN115277574A (zh) | 一种sdn架构下数据中心网络负载均衡方法 | |
CN107835130A (zh) | 一种流量分配方法及装置 | |
CN102082732A (zh) | 一种基于虚拟路由器可迁移的虚拟网节能方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |