CN105959167A - 一种基于贪心算法的全局优化sdn测量方法 - Google Patents
一种基于贪心算法的全局优化sdn测量方法 Download PDFInfo
- Publication number
- CN105959167A CN105959167A CN201610566501.5A CN201610566501A CN105959167A CN 105959167 A CN105959167 A CN 105959167A CN 201610566501 A CN201610566501 A CN 201610566501A CN 105959167 A CN105959167 A CN 105959167A
- Authority
- CN
- China
- Prior art keywords
- switch
- measure
- stream
- switches
- adfluxion
- 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.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/12—Discovery or management of network topologies
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/02—Capturing of monitoring data
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Environmental & Geological Engineering (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明提出一种基于贪心算法的全局优化SDN测量方法,属于软件定义网络技术领域,本发明考虑通过以测量最少交换机数目为目标函数来建立数学模型;然后,进一步扩展到以测量最少流的数目为目标函数来求解如何选择合适的交换机而且保证测量流的数目尽可能少;所提出的测量方法先选择流数目最多的交换机,依次递减,直到完成所有流的测量;本发明能够高效地选择合适的交换机进行测量而且能保证测量到所有的流,有效地提高了测量的精准度和效率。
Description
技术领域
本发明属于软件定义网络技术领域,具体涉及一种基于贪心算法的全局优化SDN测量方法。
背景技术
由于信息产业的快速发展,产生了海量的数据信息,而人们对信息质量的要求越来越高,因此网络的处理能力需要得到极大的提高;由于传统网络都是建立在TCP/IP架构之上的,主要是通过端到端的路由转发来处理数据;但是,随着网络信息量的增加和网络架构的复杂性的提高,现有的网络架构很难满足数据信息质量的大幅度提升,也很难满足人们对高质量数据信息的需求;因此,提出一种新的网络架构来提高网络灵活性和资源的动态处理能力,解决现有网络的瓶颈问题成为现在网络界一个重要的研究课题。
软件定义网络(Software Defined Network,SDN)作为下一代网络的核心技术已经得到越来越多的关注和研究。首先SDN是一种新型网络架构,它是一种网络的设计理念,而不是一种具体的技术。最初它是用来解决无法利用现有网络中的大规模真实流量和丰富应用进行实验,进而研究网络的速度、可靠性、能效和安全性等问题。SDN的核心思想是控制层面和数据层面分离,控制器通过开放的软件编程接口来全局控制数据层面的转发和管理,控制器的集中和全局控制实现网络流量的可视化,对解决网络拥塞和提高链路利用率具有十分重要的作用。
SDN结构主要分为3层:应用层、控制层、数据层,控制层是SDN网络架构的核心层,当控制层面来全局控制数据层面的数据转发时,需要如何实现它和数据层之间的通信,南向接口应运而生,其中,最流行的南向接口是OpenFlow协议;虽然OpenFlow不是唯一的南向接口,但是作为SDN的核心技术,它实现了控制层面与数据层面的通信,并解决当前网络面对新业务产生的种种瓶颈问题。它的核心思想是实现OpenFlow交换机(OpenFlow Switch)和控制服务器(Controller)的解隅,而传统网络中控制层和数据层是紧隅的,数据包的转发是人为控制的,没有流和流表等概念。OpenFlow则引入了流表的概念,通过对流表的查询实现网络流量的可视化,解决现有网络的拥塞问题。
在现有的网络测量方法中,OpenTM对流速率进行统计来评估流量矩阵,这种方法通过定期轮询交换机来存储统计的数据来评估流量;然而这种方法只对流量进行估计而且不能捕捉到数据包丢失和延时;FlowSense提出了一种被动监测的测量方法,FlowRemove信息被用来测量每个流的链路利用率,虽然FlowSense方法的通信开销比较低,但是误差比较大,而且不能有效地处理流量突变问题。现有的SDN测量方法主要是通过控制器全局控制和开源的编程接口来构建SDN测量平台,与传统网络测量方法相比,这种测量方法通过开源的编程接口部署比较简单、可扩展性强、易于实现。
在SDN网络测量方法中,轮询算法需要测量每条路径的所有交换机,这种遍历方法不适应规模较大的网络,因为网络规模较大时,这种测量方法会大幅度增加网络开销,造成网络资源的浪费。在测量网络中全部的流时,如果简单地使用所有交换机测量流量,这种低效率的方法虽然精确性高,但是会造成巨大的测量开销。另一方面,如果只测量每个流的源和目的交换机这样也会增加网络开销。而现有的网络测量方法主要从局部考虑,很少从全局的角度考虑流量的测量;因此,全网络测量的情况下,如何选择合适的交换机进行测量而且能保证测量到所有的流是十分重要的。
发明内容
针对现有技术的不足,本发明提出一种基于贪心算法的全局优化SDN测量方法,高效地选择合适的交换机进行测量而且能保证测量到所有的流。
一种基于贪心算法的全局优化SDN测量方法,包括以下步骤:
步骤1、在网络拓扑中,根据测量流通过构建目标函数及其约束条件的方式,描述以测量交换机数目最少为目的的交换机选择过程;
步骤2、通过扩展步骤1中目标函数的方式,描述以测量流数目最少为目的的交换机选择过程;
步骤3、通过贪心算法获得以测量交换机数目最少为目的的被测交换机;
步骤4、通过贪心算法获得以测量流数目最少为目的的被测交换机;
步骤5、根据实际需求,选择步骤3或步骤4所获得的被测交换机。
步骤1所述的在网络拓扑中,根据测量流通过构建目标函数及其约束条件的方式,描述以测量交换机数目最少为目的的交换机选择过程;
具体如下:
步骤1-1、以测量交换机数目最少为目的构建目标函数;
步骤1-2、确定目标函数的约束条件,具体如下:
约束1:保证测量交换机的数目在[1,网络拓扑中交换机总数]之间;
约束2:保证实际需要测量流的数目要大于等于目标测量流集合中的流数目;
约束3:保证每个交换机测量流的数目在[0,网络拓扑中流的数目]之间;
约束4:保证所有交换机所测量流的集合包含需要测量流集合;
约束5:目标流中的所有流构成需要测量流集合;
约束6:约束某台交换机是否被采样。
步骤3所述的通过贪心算法获得以测量交换机数目最少为目的的被测交换机,具体如下:
步骤3-1、初始化;
确定网络拓扑中交换机集合、需要测量流集合、测量流的数目和交换机数目;
步骤3-2、查找通过每台交换机流的数目,根据以测量交换机数目最少为目的的目标函数,在满足约束条件的前提下从交换机集合中选择通过流数目最多的交换机;
步骤3-3、将选取出的交换机从交换机集合中删除;
步骤3-4、更新网络拓扑中交换机集合和交换机数目;
步骤3-5、从更新后的交换机集合中选择通过流数目最多的交换机;
步骤3-6、判断测量到所有流的集合是否包含需要测量流集合,若是,则测量结束,否则执行步骤3-2。
步骤4所述的通过贪心算法获得以测量流数目最少为目的的被测交换机,具体如下:
步骤4-1、初始化;
确定网络拓扑中交换机集合,需要测量流集合,测量流的数目和交换机数目;
步骤4-2、根据以测量流数目最少为目的的目标函数,将每台交换机经过的流与需要测量流集合进行对比,在满足约束条件的前提下提取其公共部分;
步骤4-3、在需要测量流集合中删除所提取的公共部分,在删除后的需要测量流集合中选择数目值小的交换机;
步骤4-4、将所选择的交换机从交换机集合中删除;
步骤4-5、将所选择的交换机里的流从需要测量流集合中删除;
步骤4-6、更新网络拓扑中交换机集合和需要测量流集合;
步骤4-7、判断更新后的需要测量流集合是否为空集,若是,则测量结束,否则执行步骤4-2。
本发明优点:
SDN网络测量处于初级阶段,现在的研究着眼于建立有效的网络测量平台架构,并能够准确地测量吞吐量、延时、丢包率、链路利用等。这些架构设计原则是能够保证测量的准确性,但是并没有考虑对网络测量方法的全局优化问题,现有的测量方法主要是采用轮询方法,精确度高,但是这样效率低,本发明提出一种基于贪心算法的全局优化SDN测量方法,能够高效地选择合适的交换机进行测量而且能保证测量到所有的流;本发明考虑通过以测量最少交换机数目为目标函数来建立数学模型;然后,进一步扩展到以测量最少流的数目为目标函数来求解如何选择合适的交换机而且保证测量流的数目尽可能少。所提出的测量方法先选择流数目最多的交换机,依次递减,直到完成所有流的测量。
附图说明
图1为本发明一种实施方式的基于贪心算法的全局优化SDN测量方法流程图;
图2为本发明一种实施方式的网络流测量图;
图3为本发明一种实施方式的通过贪心算法获得以测量交换机数目最少为目的的被测交换机过程流程图;
图4为本发明一种实施方式的通过贪心算法获得以测量流数目最少为目的的被测交换机过程流程图;
图5为本发明一种实施方式的三种方法测量的流数目比较图;
图6为本发明一种实施方式的三种方法测量交换机数目比较图;
图7为本发明一种实施方式的NIgreed和MostFlow算法提高效率比较图;
图8为本发明一种实施方式的交换机数目对三种方法测量流数目比较图;
图9为本发明一种实施方式的三种方法测量交换机数目比较图;
图10为本发明一种实施方式的交换机数目对NIgreed和MostFlow算法性能的比较图。
具体实施方式
下面结合附图对本发明一种实施例做进一步说明。
本发明实施例中,基于贪心算法的全局优化SDN测量方法,流程图如图1所示,包括以下步骤:
步骤1、在网络拓扑中,根据测量流通过构建目标函数及其约束条件的方式,描述以测量交换机数目最少为目的的交换机选择过程;
本发明实施例中,通过分析控制器向交换机发送流状态请求(FlowStatsRequest),以及分析交换机向控制器发送流状态响应(FlowStatsReply),以最小化交换机测量数目来降低网络开销。在SDN网络测量中,相比于交换机,测量开销主要由控制器产生。因此,为了实现快速测量,降低计算复杂度,本发明以流状态请求(FlowStatsRequest)消息数目来评价测量开销。
具体如下:
步骤1-1、以测量交换机数目最少为目的构建目标函数;
其中,sn表示第n台交换机,N表示网络拓扑中交换机的总数;
本发明实施例中,如图2所示,网络拓扑中有6台交换机,6个交换机集合S={s1,s2,...s6};有6条流F={f1,f2,...f6},每个交换机显示通过的流:s1={f1,f2,f4},s2={f1},s3={f1,f2,f3,f5},s4={f2,f3},s5={f3,f4,f6},s6={f4,f5,f6}。在SDN测量过程中,控制器定时向交换机发送FlowStatsRequest消息,每测量一个流,交换机就会发送FlowStatsReply消息作为回复。
步骤1-2、确定目标函数的约束条件,具体如下:
约束1:保证测量交换机的数目在[1,网络拓扑中交换机总数N]之间;
其中,为选择交换机的数目;
约束2:保证实际需要测量流的数目要大于等于目标测量流集合中的流数目;
其中,|hm|表示通过交换机流的数目,N1表示流集合F中的流数目,N2表示网络拓扑中流的数目;
约束3:保证每个交换机测量流的数目在[0,网络拓扑中流的数目N2]之间;
N2≥|hm|≥0 (4)
其中,N2表示网络拓扑中流的数目;
约束4:保证所有交换机所测量流的集合包含需要测量流集合;
其中,hm表示通过交换机的第m条流;F表示测量流的集合;
约束5:目标流中的所有流构成需要测量流集合;
其中,fi表示目标流中的第i条流;
约束6:约束某台交换机是否被采样;
sn∈{0,1} (7)
其中,1表示采样,0表示没有采样;
步骤2、通过扩展步骤1中目标函数的方式,描述以测量流数目最少为目的的交换机选择过程;
本发明实施例中,由于网络开销与测量流的数目成正相关关系,因此,可以将以测量最少交换机数目作为目标函数的数学模型扩展为以最少流数目作为目标函数,即测量流的数目越少则网络开销就越小。
本发明实施例中,将上述数学模型扩展到以测量流数目最少作为目标函数:
扩展后的目标函数的约束条件与步骤1中的约束条件相同,此处不再复述;
本发明实例中,如果按照轮询方法总共需要选择6个交换机集合S={s1,s2,...s6},16条流;而如果选择s3={f1,f2,f3,f5}和s6={f4,f5,f6}或者s3={f1,f2,f3,f5}和s5={f3,f4,f6},SDN网络的开销主要通过FlowStatsRequest信息和FlowStatsReply信息的数目进行评估,测量流的数目越少相应需要FlowStatsRequest信息和FlowStatsReply信息就会越小,网络开销就会越小;
步骤3、通过贪心算法(MostFlow算法)获得以测量交换机数目最少为目的的被测交换机;流程图如图3所示,具体如下:
步骤3-1、初始化;
确定网络拓扑中交换机集合S={s1,s2,...,sN},需要测量流集合测量流的数目C和交换机数目N;
本发明实施例中,测量流的数目N1=4,交换机数目N=6,进行100次计算,取平均值,需要测量流的集合F={f1,f4,f5,f6};
步骤3-2、查找通过每台交换机流的数目根据以测量交换机数目最少为目的的目标函数,在满足约束条件的前提下从交换机集合S={s1,s2,...,sN}中选择通过流数目最多的交换机sn(1≤n≤N);
本发明实施例中,在交换机集合S={s1,s2,...,s6}中选择通过流数目最多的交换机s3(1≤n≤6),需要测量流的数目大于测量流的集合;
步骤3-3、将选取出的交换机sn(1≤n≤N)从交换机集合S={s1,s2,...,sN}中删除;
本发明实施例中,将s3(1≤n≤6)从集合S={s1,s2,...,s6}中去掉,每台交换机测量流的数目满足6≥|hm|≥0;
步骤3-4、更新网络拓扑中交换机集合S和交换机数目N;
本发明案例中,更新后得到S={s1,s2,s4,s5,s6},N={1,2,4,5,6};
步骤3-5、从更新后的交换机集合中选择通过流数目最多的交换机;
本发明案例中,选择通过流数目最多的交换机s6;
步骤3-6、判断测量到所有流的集合是否包含需要测量流集合,若是,则测量结束,否则执行步骤3-2;
本发明实施例中,选择出的所有交换机测量到的流的集合{f1,f2,f3,f5,f4,f5,f6}包含测量流的集合F={f1,f4,f5,f6},满足约束条件;
本发明实施例中,根据目标函数选择测得最少交换机作为目标函数,只需要测量2个交换机就能够完成整个测量任务,大大降低测量流的数目和网络开销,同时保证测量的精确度。
步骤4、通过贪心算法(NIgreed算法)获得以测量流数目最少为目的的被测交换机;
本发明实施例中,每次选择和流集合不同元素最少的sn(1≤n≤6),这种贪心算法考虑了流之间尽可能不相交,这样就保证了网络测量流的数目尽可能少同时减少测量交换机的数目;
流程如图4所示,具体如下:
步骤4-1、初始化;确定网络拓扑中交换机集合S={s1,s2,...,sN},需要测量流集合测量流的数目C和交换机数目N;
本发明实施例中,固定交换机的数目和流的数目分别为N=6和N1=4,进行100次计算,取平均值,需要测量流的集合F={f1,f4,f5,f6};
步骤4-2、根据以测量流数目最少为目的的目标函数,将每台交换机经过的流与需要测量流集合进行对比,在满足约束条件的前提下提取其公共部分;
步骤4-3、在需要测量流集合中删除所提取的公共部分,在删除后的需要测量流集合中选择数目值小的交换机;
本发明实施例中,在流集合F={f1,f4,f5,f6}中,存在16条流,在S={s1,s2,...,s6}中选择与流集合F={f1,f4,f5,f6}不同元素最少的s6(1≤n≤6),需要测量流的数目等于测量流的集合;
步骤4-4、将所选择的交换机sn(1≤n≤N)从交换机集合S={s1,s2,...,sN}中删除;
本发明实施例中,将s6(1≤n≤6)从集合S={s1,s2,...,s6}中去掉;
步骤4-5、将所选择的交换机sn(1≤n≤N)里的流从需要测量流集合中删除;
步骤4-6、更新网络拓扑中交换机集合和需要测量流集合;
步骤4-7、判断更新后的需要测量流集合是否为空集,若是,则测量结束,否则执行步骤4-2;
本发明实施例中,更新后的测量流集合F1={f1};选择交换机s2(1≤n≤6)完成测量;
本发明实施例中,根据目标函数选择测量流数目最少作为目标函数,只需要测量5条流就能够完成整个测量任务,效率提高了72.8%,大大降低测量流的数目和网络开销,同时保证测量的精确度;
步骤5、根据实际需求,选择步骤3或步骤4所获得的被测交换机。
本发明实施例中,如图5所示,本发明当交换机为10个时,随着流数目的增加,需要测量流的数目增加;但是polling方法需要测量流的数目最多,NIgreed方法需要测量流的数目最少;首先,由于每个交换机都可能产生许多的流,所以,对于100条流,polling算法大约需要测量300多个流,而NIgreed算法只需要测量大约250个流;因为NIgreed算法避免了polling采用遍历的方式,而是通过选择流数目较多的交换机,而下次再选择交换机的时候保证与上次选择的流尽可能不想交,这种方法每次都找到了局部最优的结果,虽然不是全局最优,但是效率明显比轮询效果好;MostFlow则采用每次选择流数目最多的交换机而不考虑,流之间是否相交,这种方法介于polling算法和NIgreed算法之间;
本发明实施例中,如图6所示,本发明采用固定10个交换机进行测量,polling算法测量的交换机一直为10个,而其它两种算法随着流数目的增加需要测量的交换机数目缓慢增加;polling方法需要交换机的数目最多,NIgreed需要交换机的数目最少;MostFlow算法需要7.2个交换机,NIgreed需要6个交换机,出现小数主要是通过仿真平台产生100次结果取平均值;由于NIgreed算法,考虑每次测量流的数目尽可能与以前测量的流不相交,所以测量需要的交换机数目最少;
本发明实施例中,如图7所示,本发明提高的效率由轮询测量流的数目减去其他方法测量流的数目,再除以轮询方法测量流的数目;当交换机固定时,提高的效率随着流数目的增加而减小;MostFlow算法提高的效率为12.6%,NIgreed算法提高的效率为26.7%,NIgreed算法提高的效率更高;但是,当交换机数目固定时,随着流数目的增加,NIgreed算法和MostFlow算法提高的效率都降低。因为当交换机数目固定时,流数目增加,NIgreed算法和MostFlow算法需要测量的交换机数目增加,而polling仍然测量10个交换机;NIgreed算法和MostFlow算法需要测量流数目增加的速度比polling算法快,所以效率都降低;
本发明实施例中,如图8所示,本发明当流为100的网络,随着交换机数目的增加polling算法所需要测量流的数目增加;NIgreed和MostFlow算法需要测量流的数目趋于平稳,变化很小;整个过程polling方法需要测量流的数目最多,NIgreed需要测量流的数目最少;这主要是由于,流的数目固定时,随着网络规模的增大,每个流所经过的节点增多,所以polling算法测量流的数目会不断增加,而NIgreed和MostFlow算法是有选择的选择交换机,虽然交换机的数目增加,但是需要选择流的数目没有变化,NIgreed和MostFlow算法可以很好地选择交换机,保证流数目不随着交换机数目的增加而增加;
本发明实施例中,如图9所示,本发明流的数目为100时,随着交换机数目的增加,poling算法所需要测量交换机的数目增加;NIgreed和MostFlow算法需要测量交换机的数目缓慢降低,但是变化很小;整个过程polling方法需要测量交换机的数目最多,并且随着交换机的增加大体呈线性增长;NIgreed需要测量交换机的数目最少。这主要由于当流的数目固定时,随着网络规模的增大,每个流所经过的节点增多,所以polling算法需要轮询每一个交换机,所以测量交换机的数目会不断增加,而NIgreed和MostFlow算法是有选择地测量交换机,虽然交换机的数目增加,但是NIgreed和MostFlow算法可以很好地选择测量交换机,能保证不随着交换机数目的增加而测量交换机的数目增加,而是所测量的交换机数目变化很小。
本发明实施例中,如图10所示,本发明随着交换机数目的增加,NIgreed和MostFlow算法提高的效率都增加,NIgreed算法提高的效率更高。刚开始随着交换机数目的增加,提高的效率增加较快,随后,提高的效率增加速度将变慢。随着交换机数目的增加NIgreed算法和MostFlow算法的效率增加。因为当流数目固定时,随着交换机数目增加,NIgreed算法和MostFlow算法需要测量的流的数目没有明显增加,并保持相对平稳的状态,而polling算法仍然测量流的数目不断增加。NIgreed算法和MostFlow算法需要测量流的数目增加的速度比polling算法慢,所以提高的效率随着交换机数目增加而增加。
虽然以上描述了本发明的具体实施方式,但是本领域内的熟练的技术人员应当理解,这些仅是举例说明,可以对这些实施方式做出多种变更或修改,而不背离本发明的原理和实质。本发明的范围仅由所附权利要求书限定。
Claims (4)
1.一种基于贪心算法的全局优化SDN测量方法,其特征在于,包括以下步骤:
步骤1、在网络拓扑中,根据测量流通过构建目标函数及其约束条件的方式,描述以测量交换机数目最少为目的的交换机选择过程;
步骤2、通过扩展步骤1中目标函数的方式,描述以测量流数目最少为目的的交换机选择过程;
步骤3、通过贪心算法获得以测量交换机数目最少为目的的被测交换机;
步骤4、通过贪心算法获得以测量流数目最少为目的的被测交换机;
步骤5、根据实际需求,选择步骤3或步骤4所获得的被测交换机。
2.根据权利要求1所述的基于贪心算法的全局优化SDN测量方法,其特征在于,步骤1所述的在网络拓扑中,根据测量流通过构建目标函数及其约束条件的方式,描述以测量交换机数目最少为目的的交换机选择过程;
具体如下:
步骤1-1、以测量交换机数目最少为目的构建目标函数;
步骤1-2、确定目标函数的约束条件,具体如下:
约束1:保证测量交换机的数目在[1,网络拓扑中交换机总数]之间;
约束2:保证实际需要测量流的数目要大于等于目标测量流集合中的流数目;
约束3:保证每个交换机测量流的数目在[0,网络拓扑中流的数目]之间;
约束4:保证所有交换机所测量流的集合包含需要测量流集合;
约束5:目标流中的所有流构成需要测量流集合;
约束6:约束某台交换机是否被采样。
3.根据权利要求1所述的基于贪心算法的全局优化SDN测量方法,其特征在于,步骤3所述的通过贪心算法获得以测量交换机数目最少为目的的被测交换机,具体如下:
步骤3-1、初始化;
确定网络拓扑中交换机集合、需要测量流集合、测量流的数目和交换机数目;
步骤3-2、查找通过每台交换机流的数目,根据以测量交换机数目最少为目的的目标函数,在满足约束条件的前提下从交换机集合中选择通过流数目最多的交换机;
步骤3-3、将选取出的交换机从交换机集合中删除;
步骤3-4、更新网络拓扑中交换机集合和交换机数目;
步骤3-5、从更新后的交换机集合中选择通过流数目最多的交换机;
步骤3-6、判断测量到所有流的集合是否包含需要测量流集合,若是,则测量结束,否则执行步骤3-2。
4.根据权利要求1所述的基于贪心算法的全局优化SDN测量方法,其特征在于,步骤4所述的通过贪心算法获得以测量流数目最少为目的的被测交换机,具体如下:
步骤4-1、初始化;
确定网络拓扑中交换机集合,需要测量流集合,测量流的数目和交换机数目;
步骤4-2、根据以测量流数目最少为目的的目标函数,将每台交换机经过的流与需要测量流集合进行对比,在满足约束条件的前提下提取其公共部分;
步骤4-3、在需要测量流集合中删除所提取的公共部分,在删除后的需要测量流集合中选择数目值小的交换机;
步骤4-4、将所选择的交换机从交换机集合中删除;
步骤4-5、将所选择的交换机里的流从需要测量流集合中删除;
步骤4-6、更新网络拓扑中交换机集合和需要测量流集合;
步骤4-7、判断更新后的需要测量流集合是否为空集,若是,则测量结束,否则执行步骤4-2。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610566501.5A CN105959167B (zh) | 2016-07-18 | 2016-07-18 | 一种基于贪心算法的全局优化sdn测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610566501.5A CN105959167B (zh) | 2016-07-18 | 2016-07-18 | 一种基于贪心算法的全局优化sdn测量方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105959167A true CN105959167A (zh) | 2016-09-21 |
CN105959167B CN105959167B (zh) | 2019-04-23 |
Family
ID=56900186
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610566501.5A Active CN105959167B (zh) | 2016-07-18 | 2016-07-18 | 一种基于贪心算法的全局优化sdn测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105959167B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109600268A (zh) * | 2019-01-15 | 2019-04-09 | 中国电子科技网络信息安全有限公司 | 一种基于贪婪算法的sdn矩阵网络探针部署方法及设备 |
CN111817910A (zh) * | 2020-06-22 | 2020-10-23 | 电子科技大学 | 一种网络流量的网络级测量方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103795596A (zh) * | 2014-03-03 | 2014-05-14 | 北京邮电大学 | 可编程控制的sdn网络测量系统和测量方法 |
CN103888360A (zh) * | 2014-03-19 | 2014-06-25 | 西安交通大学 | 基于贪婪算法的集合覆盖方法获取sdn网中服务节点的方法 |
CN104243240A (zh) * | 2014-09-23 | 2014-12-24 | 电子科技大学 | 一种基于OpenFlow的SDN流量测量方法 |
CN104935476A (zh) * | 2015-05-20 | 2015-09-23 | 电子科技大学 | 一种基于sdn的网络流量矩阵测量方法 |
US20150271078A1 (en) * | 2014-03-20 | 2015-09-24 | Tata Consultancy Services Limited | Control plane optimization of communication networks |
CN105743804A (zh) * | 2016-02-04 | 2016-07-06 | 北京邮电大学 | 一种数据流控制方法和系统 |
-
2016
- 2016-07-18 CN CN201610566501.5A patent/CN105959167B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103795596A (zh) * | 2014-03-03 | 2014-05-14 | 北京邮电大学 | 可编程控制的sdn网络测量系统和测量方法 |
CN103888360A (zh) * | 2014-03-19 | 2014-06-25 | 西安交通大学 | 基于贪婪算法的集合覆盖方法获取sdn网中服务节点的方法 |
US20150271078A1 (en) * | 2014-03-20 | 2015-09-24 | Tata Consultancy Services Limited | Control plane optimization of communication networks |
CN104243240A (zh) * | 2014-09-23 | 2014-12-24 | 电子科技大学 | 一种基于OpenFlow的SDN流量测量方法 |
CN104935476A (zh) * | 2015-05-20 | 2015-09-23 | 电子科技大学 | 一种基于sdn的网络流量矩阵测量方法 |
CN105743804A (zh) * | 2016-02-04 | 2016-07-06 | 北京邮电大学 | 一种数据流控制方法和系统 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109600268A (zh) * | 2019-01-15 | 2019-04-09 | 中国电子科技网络信息安全有限公司 | 一种基于贪婪算法的sdn矩阵网络探针部署方法及设备 |
CN109600268B (zh) * | 2019-01-15 | 2021-08-13 | 中国电子科技网络信息安全有限公司 | 一种基于贪婪算法的sdn矩阵网络探针部署方法及设备 |
CN111817910A (zh) * | 2020-06-22 | 2020-10-23 | 电子科技大学 | 一种网络流量的网络级测量方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105959167B (zh) | 2019-04-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | Enhancing the transmission efficiency by edge deletion in scale-free networks | |
CN101572623B (zh) | 基于主客观组合评价的网络性能综合评价方法 | |
WO2023241423A1 (zh) | 一种基于流量预测的路由决策方法及系统 | |
CN109902203A (zh) | 基于边的随机游走的网络表示学习方法和装置 | |
CN104935476B (zh) | 一种基于sdn的网络流量矩阵测量方法 | |
Quan et al. | Cybertwin-driven DRL-based adaptive transmission scheduling for software defined vehicular networks | |
CN108880888A (zh) | 一种基于深度学习的sdn网络流量预测方法 | |
CN102571423B (zh) | 基于gshlpn的网络数据传输建模及性能分析方法 | |
CN109299160B (zh) | 一种基于监控大数据挖掘的电力cps安全性分析方法 | |
CN106302012A (zh) | 一种ptn网络优化仿真方法及系统 | |
WO2015044822A1 (en) | Systems and methods for high throughput traffic pattern generation | |
CN105959167A (zh) | 一种基于贪心算法的全局优化sdn测量方法 | |
Fang et al. | Research on routing algorithm based on reinforcement learning in SDN | |
Zhao et al. | An improved algorithm of nonlinear RED Based on membership cloud theory | |
CN106850253A (zh) | 一种基于多状态网络的传输时间可靠性测量的方法 | |
CN107947988A (zh) | 一种实时通信网络仿真系统 | |
Ashok et al. | iBox: Internet in a Box | |
CN110535704A (zh) | 一种基于灰色马尔可夫算法的sdn多控制器故障检测算法 | |
CN103944748B (zh) | 基于遗传算法的网络关键节点的自相似流量生成简化方法 | |
CN107046504A (zh) | 用于通信网络中的流量工程的方法和控制器 | |
CN107528731A (zh) | 应用于ns3并行仿真的网络分割优化算法 | |
CN103139090A (zh) | 互联网中的模糊离散全局滑模拥塞控制方法 | |
Chen et al. | Machine-learning based routing pre-plan for sdn | |
Werth et al. | Surrogate-assisted microscopic traffic simulation-based optimisation of routing parameters | |
Duran et al. | Digital Twin-Native AI-Driven Service Architecture for Industrial Networks |
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 |