CN107579922B - 网络负载均衡装置和方法 - Google Patents

网络负载均衡装置和方法 Download PDF

Info

Publication number
CN107579922B
CN107579922B CN201710804529.2A CN201710804529A CN107579922B CN 107579922 B CN107579922 B CN 107579922B CN 201710804529 A CN201710804529 A CN 201710804529A CN 107579922 B CN107579922 B CN 107579922B
Authority
CN
China
Prior art keywords
network
information
link
path
load
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
Application number
CN201710804529.2A
Other languages
English (en)
Other versions
CN107579922A (zh
Inventor
周金和
位明扬
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Information Science and Technology University
Original Assignee
Beijing Information Science and Technology University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Information Science and Technology University filed Critical Beijing Information Science and Technology University
Priority to CN201710804529.2A priority Critical patent/CN107579922B/zh
Publication of CN107579922A publication Critical patent/CN107579922A/zh
Application granted granted Critical
Publication of CN107579922B publication Critical patent/CN107579922B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

提供了一种网络负载均衡装置和方法。所述装置包括:拓扑发现模块,被配置为获取网络拓扑信息和网络参数信息,其中,网络参数信息包括网络中的每个交换机的能耗信息以及网络中的每条链路的容量信息;流量统计模块,被配置为获取网络流量信息;大流监测模块,被配置为基于网络流量信息来确定每条链路上的大流和小流;负载均衡重路由模块,被配置为基于网络拓扑信息、网络参数信息以及网络流量信息来计算网络中的链路的负载均衡度以确定负载过重链路;路径计算模块,基于网络中的交换机的能耗信息以及网络流量信息来确定负载过重链路中大流的调度路径,从而形成新流表。

Description

网络负载均衡装置和方法
技术领域
本申请涉及网络通信领域,更具体地讲,涉及一种数据中心网络中的动态负载均衡装置和方法。
背景技术
随着移动互联网、云计算、大数据等互联网新技术、新业务的快速发展,以及高带宽消耗的Internet服务不断涌现,单纯依赖高性能数据中心的网络结构已经无法为广泛分布于全球的用户提供可靠的服务质量。而且,传统的OSPF(Open Shortest Path First)路由算法会选择单条最短路径作为最终路径,这样可能导致大部分网络流集中在单一路径上而出现网络拥塞,不能充分利用DCN(Data Center Network)中的链路资源。另外,基于分布式网络资源分配方式的单路径TCP传输机制也不能有效利用多条端到端的传输路径,导致网络吞吐量低、负载均衡差等问题。
针对上述问题,不少学者提出了相应的解决方案。随着SDN(Software DefinedNetwork)技术的出现和发展,数据中心网络的拥塞控制出现转机。SDN架构将数据平面和控制平面相分离,利用SDN控制器能够获取网络全局拓扑和流量分布信息的特点,以及SDN中数据转发颗粒度为流,可以通过路由对流进行调度,从而解决网络负载不均衡问题。因此,越来越多的研究关注SDN中通过路由算法的设计来进行负载均衡。
然而,在解决数据中心网络负载均衡差等问题方面,传统的负载均衡算法由于仅仅掌握网络拓扑结构、流量分布等局部信息,无法根据全局网络状态制定路由和调度策略,因此无法实现较理想的全局负载均衡。另外,许多研究人员利用SDN控制器能够获取全局网络拓扑以及流量分布信息的特点,提出基于SDN的数据中心网络负载均衡算法。这些算法分为两类:一类算法是从服务器角度,根据服务器的CPU、存储、带宽资源的负载情况,制定最佳虚拟机(VM)迁移策略,由此实现服务器负载均衡,但这在实现均衡负载的同时也增加了迁移开销以及通信时延;另一类算法是从网络角度,根据统计的链路状态信息,制定静态和动态重路由策略,将发生拥塞链路中的流量调度到剩余带宽最大的链路中,由此实现链路的负载均衡,提高了链路利用率,但是这种算法未考虑流调度带来的时延。
发明内容
根据本发明的一方面,提供了一种网络负载均衡装置,所述装置包括:拓扑发现模块,被配置为获取网络拓扑信息和网络参数信息,其中,网络参数信息包括网络中的每个交换机的能耗信息以及网络中的每条链路的容量信息;流量统计模块,被配置为获取网络流量信息;大流监测模块,被配置为基于网络流量信息来确定每条链路上的大流和小流;负载均衡重路由模块,被配置为基于网络拓扑信息、网络参数信息以及网络流量信息来计算网络中的链路的负载均衡度以确定负载过重链路;路径计算模块,基于网络中的交换机的能耗信息以及网络流量信息来确定负载过重链路中大流的调度路径,从而形成新流表。
网络拓扑信息可包括网络中的节点信息以及网络中的链路信息。所述节点可以是网络中的交换机和主机之一。网络流量信息可包括指示网络中的各条链路是否被使用的链路占用状态信息、网络中的各条链路的占用带宽信息,以及网络中的各条链路上传送的网络流的数据流量。
负载均衡重路由模块可基于每个链路的容量信息、链路占用状态信息和链路占用带宽信息来计算每个链路的负载均衡度,并将负载均衡度超过预设负载阈值的链路确定为负载过重链路。路径计算模块可基于网络中的交换机的能耗信息以及网络流量信息确定负载过重链路中大流的最佳传输路径,并将所述最佳传输路径确定为所述调度路径。
大流监测模块可通过周期性地检测链路上传送的数据流量的变化量来区分大流和小流,并将变化量超过预设流量阈值的数据流量确定为大流。
路径计算模块可通过计算将进行调度的负载过重链路的源节点和目的节点之间的多条候选路径中的每条候选路径上的交换机的总能耗来确定每条候选路径的能耗参数,通过计算所述多条候选路径中的每条候选路径所包括的链路的负载之和来确定每条候选路径的负载度参数,将每条候选路径的能耗参数以及负载度参数分别与相应的预设加权值相乘来计算每条候选路径的加权状态值,并将加权状态值最小的路径确定为所述最佳传输路径。
所述装置还可包括:流表项管理模块,被配置为将形成的新流表下发到网络中的交换机。
根据本发明的另一方面,提供了一种网络负载均衡方法,所述方法包括:获取网络拓扑信息、网络参数信息、以及网络流量信息,其中,网络参数信息包括网络中的每个交换机的能耗信息以及网络中的每条链路的容量信息;基于网络流量信息来确定每条链路中的大流和小流,并基于网络拓扑信息、网络参数信息以及网络流量信息来计算网络中的链路的负载均衡度以确定负载过重链路;基于网络中的交换机的能耗信息以及网络流量信息来确定负载过重链路中大流的调度路径,从而形成新流表。
网络拓扑信息可包括网络中的节点信息以及网络中的链路信息。所述节点是网络中的交换机和主机之一。网络流量信息可包括指示网络中的各条链路是否被使用的链路占用状态信息、网络中的各条链路的占用带宽信息,以及网络中的各条链路上传送的网络流的数据流量。
计算网络中的链路的负载均衡度的步骤可包括:基于每个链路的容量信息、链路占用状态信息和链路占用带宽信息来计算每个链路的负载均衡度,并将负载均衡度超过预设负载阈值的链路确定为负载过重链路。确定负载过重链路中大流的调度路径的步骤可包括:基于网络中的交换机的能耗信息以及网络流量信息确定负载过重链路中大流的最佳传输路径,并将所述最佳传输路径确定为所述调度路径。
确定每条链路中的大流和小流的步骤可包括:通过周期性地检测链路上的传送的数据流量的变化量来区分大流和小流,并将变化量超过预设流量阈值的数据流量确定为大流。
确定负载过重链路中大流的最佳传输路径的步骤可包括:通过计算将进行调度的负载过重链路的源节点和目的节点之间的多条候选路径中的每条候选路径上的交换机的总能耗来确定每条候选路径的能耗参数;通过计算所述多条候选路径中的每条候选路径所包括的链路的负载之和来确定每条候选路径的负载度参数,将每条候选路径的能耗参数以及负载度参数分别与相应的预设加权值相乘来计算每条候选路径的加权状态值,并将加权状态值最小的路径确定为所述最佳传输路径。
所述方法还可包括:将形成的新流表下发到网络中的交换机。
有益效果
通过应用本发明的网络负载均衡装置和方法,能够解决目前数据中心网络吞吐量低、负载均衡差的问题,并且能够有效提高网络利用效率,减少网络流的调度代价。
附图说明
图1是示出根据本发明的示例性实施例的网络负载均衡装置的框图;
图2a和图2b是示出能够应用根据本发明的示例性实施例的网络拓扑结构的示例;
图3是示出应用根据本发明的示例性实施例的网络负载均衡方法的示意性示例;
图4是示出根据本发明的示例性实施例的网络负载均衡方法的流程图。
在下文中,将结合附图详细描述本发明,贯穿附图,相同或相似的元件将用相同或相似的标号来指示。
具体实施方式
提供以下参照附图进行的描述,以帮助全面理解由权利要求及其等同物限定的本发明的示例性实施例。所述描述包括各种特定细节以帮助理解,但这些细节被认为仅是示例性的。因此,本领域的普通技术人员将认识到:在不脱离本发明的范围和精神的情况下,可对这里描述的实施例进行各种改变和修改。此外,为了清楚和简明,可省略已知功能和构造的描述。
图1是示出根据本发明的示例性实施例的网络负载均衡装置100的框图。图2a和图2b是示出能够应用根据本发明的示例性实施例的网络负载均衡装置和方法的网络拓扑结构的示例。
仅作为示例,所述网络负载均衡装置100可实现在数据中心网络中的控制器(例如,SDN控制器)中。然而,应该理解,本申请不限于此,所述网络负载均衡装置100可实现为数据中心网络中的单独装置,或者可实现在能够实现网络负载均衡的任何其他装置中。
参照图1,根据本发明的示例性实施例的网络负载均衡装置100包括:拓扑发现模块110、流量统计模块120、大流监测模块130、负载均衡重路由模块140、路径计算模块150和流表项管理模块160。
拓扑发现模块110可用于获取网络拓扑信息和网络参数信息。在本发明的实施例中,网络拓扑信息可包括网络中的节点信息以及网络中的链路信息中。所述节点可以是网络中的交换机(例如,Open Vswitch交换机)和主机之一。
仅作为示例,图2a和图2b示出两种典型的数据中心网络拓扑结构,Fat-Tree结构和BCube结构,分别表示为:Fat-Tree(N)和BCube(N,L),其中,N可表示拓扑结构中每台交换机的接口数,L可表示网络拓扑结构的层级。所述两种结构对于本领域技术人员而言是已知的,因此为了简明,将不再对其进行更详细的解释。此外,应该理解,根据本发明的示例性实施例网络负载均衡装置和方法还可应用于其他网络拓扑结构,在此为了简明将不再进行赘述。
可使用网络拓扑信息G=(V,E)来表示数据中心网络模型。其中,V表示网络中的节点信息,即,所述网络拓扑结构中的节点集合,E表示网络中的链路信息,即,所述网络拓扑结构中的节点之间的链路集合。仅作为示例,假设任意给定的源节点s∈V到目的节点d∈V的所有可达路径集合为R,从给定源节点s到目的节点d之间的第i条路径ri∈R被表示为{ei,1,ei,2,…,ei,n},其中,ei,j|j=1,2,…,n表示源节点s到目的节点d之间的第i条路径中的第j条链路,n表示所述第i条路径中所包含的链路数量。在下文中,为便于解释,将结合此模型描述本申请的装置100的各个模块的操作。
在本发明的示例性实施例中,拓扑发现模块110所获取的网络参数信息可包括网络中的每个交换机的能耗信息以及网络中的每条链路的容量信息。每条链路的容量(即,该链路的最大传输速率)可以是固定的或预先确定的容量。为便于说明,在本发明的实施例中将源节点s到目的节点d之间的第i条路径中的第j条链路的容量表示为Bi,j。此外,网络中的每个交换机的能耗信息可使用其瞬时功耗模型来表示,以下将对此进行详细解释。
交换机的瞬时功耗模型可由固定部分的底座、线卡等和动态部分的端口组成。交换机在运行过程中固定部分的功耗不变,端口的功耗与该端口的传输速率有关,可由以下的数学表达式(1)来表示交换机的瞬时功耗模型:
Figure BDA0001402380670000051
其中,Ps表示交换机的总功耗,Pc指该交换机的底座功耗,nl是该交换机的线卡数量,Pl指每个线卡的功耗,m表示该交换机的端口数,Pi是指第i个端口的功耗。
流量统计模块120可用于获取网络流量信息。所述网络流量信息包括指示网络中的各条链路是否被使用的链路占用状态信息、网络中的各条链路的占用带宽信息、以及网络中的各条链路上传送的网络流的数据流量。流量统计模块120可通过统计网络中的交换机的各个端口的流量来获取这些信息。
大流监测模块130可用于基于流量统计模块120获取的网络流量信息来确定每条链路上的大流和小流。
具体地讲,网络中的网络流的大小由其所含字节数决定。一般而言,网络中的小流占用带宽小并且对时延敏感,而大流持续时间长,因此,在本发明的实施例中,为了减少调度开销,可选择大流进行调度。
仅作为示例,大流监测模块130可通过周期性地检测链路上总共传送的数据流量的变化量来区分大流和小流,可根据如下的等式(2)来确定网络流的数据流量变化量:
Ψt=(bt+T-bt)/T (2)
其中,T是统计的时间周期,Ψt表示该时间周期内的数据流量的变化量,bt表示交换机在时间t接收到该网络流的数据流量,bt+T表示交换机在t+T时刻接收到该网络流的数据流量。在本发明的实施例中,大流监测模块130可将网络流的数据流量变化量将大于预定流量阈值的流确定为大流。
负载均衡重路由模块140可基于拓扑发现模块110获取的网络拓扑息、网络参数信息以及流量统计模块120获取的网络流量信息来计算网络中的链路的负载均衡度以确定负载过重链路。
具体来讲,负载均衡重路由模块140可基于每个链路的容量信息、链路占用状态信息和和链路占用带宽信息来计算每个链路的负载均衡度,并将负载均衡度超过预设负载阈值(例如,链路容量的90%)的链路确定为负载过重链路。
仅作为示例,对于数据中心网络中的任意一条链路e∈E,假设该链路e的已占用带宽为we,网络状态se={0,1}(0表示链路未被占用,1表示链路被占用),链路容量(即,最大传输速率)为Be,则该链路e的负载可表示为:
loade=we×se (3)
并且,该链路e的负载均衡度(即,链路带宽利用率)可表示为:
ηe=(loade/Be)×100% (4)
在本发明的示例性实施例中,负载均衡重路由模块140可计算所有链路的负载均衡度以供使用,或者可仅计算根据需要所选出的部分链路的负载均衡度以供使用。
路径计算模块150可基于网络中的交换机的能耗信息以及网络流量信息来确定负载过重链路中大流的调度路径,从而形成新流表。
优选地,在本发明的实施例中,路径计算模块150可基于由拓扑发现模块110所获取的网络中的交换机的能耗信息以及由流量统计模块120获取的网络流量信息来确定负载过重链路中大流的最佳传输路径,并将所述最佳传输路径确定为调度路径。
详细地讲,路径计算模块150可首先通过计算将进行调度的负载过重链路的源节点和目的节点之间的多条候选路径中的每条候选路径上的交换机的总能耗来确定每条候选路径的能耗参数,并通过计算所述多条候选路径中的每条候选路径所包括的链路的负载之和来确定每条候选路径的负载度参数。
仅作为示例,假设将进行调度的负载过重链路的源节点为s并且目的节点为d。
可将源节点s到目的节点d之间的第i条路径中的所有交换机的固定部分和动态部分的总能耗分别表示为Ei,f和Ei,d,则所述第i条路径的用于传输数据流消耗的交换机的总能耗为,Ei=Ei,f+Ei,d其中:
Figure BDA0001402380670000071
Figure BDA0001402380670000072
其中,n表示所述第i条路径中交换机的总数量,tk表示所述n个交换机中的第k个交换机的工作时间,Pc,k指所述第k个交换机的底座功耗,nl,k是所述第k个交换机的线卡数量,Pl,k指所述第k个交换机的每个线卡的功耗,tk,j表示所述第k个交换机上的第j个端口的工作时间,m表示所述第k个交换机的端口数,Pk,j表示所述第k个交换机上第j个端口的功耗。
此外,可如以下的表达式(7)来表示将源节点s到目的节点d之间的第i条路径中的所有链路负载之和Li
Figure BDA0001402380670000073
在等式(7)中,k是所述第i条路径中的链路总数,j表示所述k条链路中的第j条链路,loadi,j表示所述第j条链路的负载,wi,j表示所述第j条链路的已占用带宽,si,j表示所述第j条链路的网络状态。
在本发明的示例性实施例中,可将源节点s到目的节点d之间的第i条路径的能耗参数定义为如下的表达式(8):
Figure BDA0001402380670000081
并且,可将源节点s到目的节点d之间的第i条路径的负载度参数定义为如下的表达式(9):
Figure BDA0001402380670000082
其中,在等式(9)中,θ可以是根据经验或反复试验而预先确定的常量(例如,100)。
路径计算模块150可通过将每条候选路径的能耗参数以及负载度参数分别与相应的预设加权值相乘来计算每条候选路径的加权状态值。
继续以以上假设为例进行说明,源节点s到目的节点d之间的第i条路径的能耗参数和负载度参数的重要程度(即,预设加权值)可分别由α和β表示,则所述第i条路径的加权状态值Ri可表示为:
Ri=α×qi,e+β×qi,l (10)
路径计算模块150可将源节点s与目的节点d之间的所有可达路径之中的加权状态值最小的路径确定为源节点s与目的节点d之间的负载过重链路中大流的最佳传输路径(即,将所述大流的传输路径从原先的负载过重链路改为所确定的最佳传输调度路径),由此能够形成新的流表。
流表项管理模块160可将从路径计算模块150获得的新流表下发到网络中的交换机,使得网络中的数据流可按照该流表进行传输。
尽管在以上示例中使用等式(8)和(9)所示的能耗参数以及负载度参数来确定候选路径的加权状态值从而确定负载过重链路中大流的调度路径,但本申请不限于此,可使用网络中的交换机的能耗信息以及网络流量信息,基于各种方法来选择负载过重链路中大流的调度路径,使得选择的调度路径在交换机总能耗和路径中的链路负载之和这两方面能够总体最优。
以下将结合图3的示例详细地解释根据本公开的示例性实施例的确定负载过重链路中大流的调度路径的另一示例方法。
参照图3,假设所确定的将进行调度的负载过重链路的两个节点是图3所示的节点1(以下,称为源节点)和节点6(以下,称为目的节点),并且从源节点1到目的节点6还存在两条候选路径,分别为:r1,6={1,2,3,4,6}和
Figure BDA0001402380670000091
则从源节点1到目的节点6的各候选路径的加权状态值可分别表示为:
R1(r(1→6))=α×E1,6+β×(ld1,2+ld2,3+ld3,4+ld4,6);
Figure BDA0001402380670000092
其中,ldi,j表示相邻节点之间的链路负载,E1,6表示路径r1,6的交换机总能耗,
Figure BDA0001402380670000093
表示路径
Figure BDA0001402380670000094
的交换机总能耗。
根据本发明的方案,路径计算模块150可将与R1(r(1→6))和R2(r(1→6))之中的较小值对应的路径确定为上述负载过重链路中大流的调度路径。
在以上描述中,以为负载过重链路中的大流选择调度路径来实现网络负载均衡作为示例进行了解释,然而,应该理解,本公开不限于此,可将负载过重链路上的任何类型的数据流的传输路径改变为所确定的调度路径,或可针对负载过重链路上的各种类型的数据流确定其最佳传输路径。
图4是示出根据本发明的示例性实施例的网络负载均衡方法的流程图。
参照图4,在步骤S410,可通过拓扑发现模块110网络拓扑信息和网络参数信息,并通过流量统计模块120获取网络流量信息。在本发明的示例性实施例中,网络拓扑信息可包括网络中的节点信息以及网络中的链路信息。所述节点可以是网络中的交换机和主机之一。网络参数信息可包括网络中的每个交换机的能耗信息以及网络中的每条链路的容量信息。网络流量信息可包括指示网络中的各条链路是否被使用的链路占用状态信息、网络中的各条链路的占用带宽信息,以及网络中的各条链路上传送的网络流的数据流量。
在步骤S420,可通过大流监测模块130基于网络流量信息来确定每条链路上的大流和小流,并可通过负载均衡重路由模块140基于网络拓扑信息、网络参数信息以及网络流量信息来计算网络中的链路的负载均衡度以确定负载过重链路。具体地讲,负载均衡重路由模块140可基于每个链路的容量信息、链路占用状态信息和链路占用带宽信息来计算每个链路的负载均衡度,并将负载均衡度超过预设负载阈值的链路确定为负载过重链路。大流监测模块130可通过周期性地检测链路上的传送的数据流量的变化量来区分大流和小流,并将变化量超过预设流量阈值的数据流量确定为大流。
在步骤S430,可通过路径计算模块150基于在步骤S410获得的网络中的交换机的能耗信息以及网络流量信息来确定负载过重链路中大流的调度路径,从而形成新流表。
更具体地讲,路径计算模块150可基于网络中的交换机的能耗信息以及网络流量信息确定负载过重链路中大流的最佳传输路径,并将所述最佳传输路径确定为调度路径。
仅作为示例,路径计算模块150可通过计算将进行调度的负载过重链路的源节点和目的节点之间的多条候选路径中的每条候选路径上的交换机的总能耗来确定每条候选路径的能耗参数,并且通过计算所述多条候选路径中的每条候选路径所包括的链路的负载之和来确定每条候选路径的负载度参数。然后,路径计算模块150可通过将每条候选路径的能耗参数以及负载度参数分别与相应的预设加权值相乘来计算每条候选路径的加权状态值,并将加权状态值最小的路径确定为所述调度路径。
在步骤S440,可通过流表项管理模块160将从路径计算模块150获得的新流表下发到网络中的交换机,从而使得网络中的网络流使用该流表进行路由。
以上已结合图1至图3详细描述了上述方法中的各个步骤的详细操作和计算,因此为了简明,在此将不再进行重复描述。
通过应用根据本发明的示例性实施例的网络负载均衡方案,能够对网络中负载较重链路中的大流进行重路由,为其选择一条能耗最低和负载较轻的路径进行传输,从而能够提高网络利用效率,减少网络流的调度代价,最终达到数据中心网络负载均衡的目的。
此外,根据本发明的示例性实施例,由于能够根据数据中心网络的实时负载状况,计算出可选路径能耗和链路负载度加权值最小的路径,并且动态地将拥塞链路中的大网络流调度到该路径上,因此在保证链路负载均衡的前提下,还可尽可能的减少流调度带来的开销。
尽管已经参照其示例性实施例具体显示和描述了本发明,但是本领域的技术人员应该理解,在不脱离权利要求所限定的本发明的精神和范围的情况下,可以对其进行形式和细节上的各种改变。

Claims (10)

1.一种网络负载均衡装置,所述装置包括:
拓扑发现模块,被配置为获取网络拓扑信息和网络参数信息,其中,网络参数信息包括网络中的每个交换机的能耗信息以及网络中的每条链路的容量信息;
流量统计模块,被配置为获取网络流量信息;
大流监测模块,被配置为基于网络流量信息来确定每条链路上的大流和小流;
负载均衡重路由模块,被配置为基于网络拓扑信息、网络参数信息以及网络流量信息来计算网络中的链路的负载均衡度以确定负载过重链路;
路径计算模块,基于网络中的交换机的能耗信息以及网络流量信息来确定负载过重链路中大流的调度路径,从而形成新流表,
其中,路径计算模块通过计算将进行调度的负载过重链路的源节点和目的节点之间的多条候选路径中的每条候选路径上的交换机的总能耗来确定每条候选路径的能耗参数,通过计算所述多条候选路径中的每条候选路径所包括的链路的负载之和来确定每条候选路径的负载度参数,将每条候选路径的能耗参数以及负载度参数分别与相应的预设加权值相乘来计算每条候选路径的加权状态值,并将加权状态值最小的路径确定为所述调度路径。
2.如权利要求1所述的装置,其中,网络拓扑信息包括网络中的节点信息以及网络中的链路信息,其中,所述节点是网络中的交换机和主机之一,
其中,网络流量信息包括指示网络中的各条链路是否被使用的链路占用状态信息、网络中的各条链路的占用带宽信息,以及网络中的各条链路上传送的网络流的数据流量。
3.如权利要求2所述的装置,其中,负载均衡重路由模块基于每个链路的容量信息、链路占用状态信息和链路占用带宽信息来计算每个链路的负载均衡度,并将负载均衡度超过预设负载阈值的链路确定为负载过重链路。
4.如权利要求2所述的装置,其中,大流监测模块通过周期性地检测链路上传送的数据流量的变化量来区分大流和小流,并将变化量超过预设流量阈值的数据流量确定为大流。
5.如权利要求1所述的装置,还包括:流表项管理模块,被配置为将形成的新流表下发到网络中的交换机。
6.一种网络负载均衡方法,所述方法包括:
获取网络拓扑信息、网络参数信息、以及网络流量信息,其中,网络参数信息包括网络中的每个交换机的能耗信息以及网络中的每条链路的容量信息;
基于网络流量信息来确定每条链路中的大流和小流,并基于网络拓扑信息、网络参数信息以及网络流量信息来计算网络中的链路的负载均衡度以确定负载过重链路;
基于网络中的交换机的能耗信息以及网络流量信息来确定负载过重链路中大流的调度路径,从而形成新流表,
其中,确定负载过重链路中大流的调度路径的步骤包括:
通过计算将进行调度的负载过重链路的源节点和目的节点之间的多条候选路径中的每条候选路径上的交换机的总能耗来确定每条候选路径的能耗参数;
通过计算所述多条候选路径中的每条候选路径所包括的链路的负载之和来确定每条候选路径的负载度参数;
将每条候选路径的能耗参数以及负载度参数分别与相应的预设加权值相乘来计算每条候选路径的加权状态值,并将加权状态值最小的路径确定为所述调度路径。
7.如权利要求6所述的方法,其中,网络拓扑信息包括网络中的节点信息以及网络中的链路信息,其中,所述节点是网络中的交换机和主机之一,
其中,网络流量信息包括指示网络中的各条链路是否被使用的链路占用状态信息、网络中的各条链路的占用带宽信息,以及网络中的各条链路上传送的网络流的数据流量。
8.如权利要求7所述的方法,其中,计算网络中的链路的负载均衡度的步骤包括:基于每个链路的容量信息、链路占用状态信息和链路占用带宽信息来计算每个链路的负载均衡度,并将负载均衡度超过预设负载阈值的链路确定为负载过重链路。
9.如权利要求7所述的方法,其中,确定每条链路中的大流和小流的步骤包括:通过周期性地检测链路上的传送的数据流量的变化量来区分大流和小流,并将变化量超过预设流量阈值的数据流量确定为大流。
10.如权利要求6所述的方法,还包括:将形成的新流表下发到网络中的交换机。
CN201710804529.2A 2017-09-08 2017-09-08 网络负载均衡装置和方法 Active CN107579922B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710804529.2A CN107579922B (zh) 2017-09-08 2017-09-08 网络负载均衡装置和方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710804529.2A CN107579922B (zh) 2017-09-08 2017-09-08 网络负载均衡装置和方法

Publications (2)

Publication Number Publication Date
CN107579922A CN107579922A (zh) 2018-01-12
CN107579922B true CN107579922B (zh) 2020-03-24

Family

ID=61032678

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710804529.2A Active CN107579922B (zh) 2017-09-08 2017-09-08 网络负载均衡装置和方法

Country Status (1)

Country Link
CN (1) CN107579922B (zh)

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108183744A (zh) * 2018-03-13 2018-06-19 中国人民解放军国防科技大学 一种卫星网络负载均衡路由设计方法
CN108833294B (zh) * 2018-08-08 2020-10-30 清华大学 面向数据中心广域网的低带宽开销的流量调度方法
CN109039942B (zh) * 2018-08-29 2022-08-12 南京优速网络科技有限公司 一种基于深度强化学习的网络负载均衡系统及均衡方法
CN109039943B (zh) * 2018-09-14 2022-03-18 迈普通信技术股份有限公司 流量调配方法、装置、网络系统及sdn控制器
CN110334161A (zh) * 2018-12-03 2019-10-15 黄文哲 一种均衡负载数据线缆装置
CN109547341B (zh) * 2019-01-04 2021-12-21 烽火通信科技股份有限公司 一种链路聚合的负载分担方法及系统
CN113037626B (zh) * 2019-12-24 2022-11-11 中国电信股份有限公司 用于光传输路由的处理方法和处理装置
CN111740857B (zh) * 2020-05-29 2023-12-26 新华三信息安全技术有限公司 网络质量分析nqa配置的下发方法及装置
CN112260959A (zh) * 2020-09-02 2021-01-22 中电积至(海南)信息技术有限公司 一种云数据中心sdn网络负载均衡实现的方法
CN112437012B (zh) * 2020-10-10 2022-06-21 网络通信与安全紫金山实验室 流量调度方法以及相关装置
CN114640622B (zh) * 2022-03-22 2023-07-18 中国电信股份有限公司 数据传输路径的确定方法、装置及软件定义网络控制器
CN117527675A (zh) * 2022-07-27 2024-02-06 华为技术有限公司 一种路径确定的方法及相关设备
US11863388B1 (en) 2023-03-31 2024-01-02 Cisco Technology, Inc. Energy-aware traffic forwarding and loop avoidance

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102244613A (zh) * 2011-08-11 2011-11-16 深信服网络科技(深圳)有限公司 基于dns进行多链路流量均衡的方法、网关和网络
CN106411770A (zh) * 2016-09-08 2017-02-15 重庆邮电大学 一种基于sdn架构的数据中心网络节能路由算法
CN106850348A (zh) * 2017-01-19 2017-06-13 中山大学 一种基于sdn的数据中心互联网络的流量矩阵在线估计方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI599203B (zh) * 2016-01-20 2017-09-11 國立交通大學 網路通訊系統、軟體定義網路控制器及其路由方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102244613A (zh) * 2011-08-11 2011-11-16 深信服网络科技(深圳)有限公司 基于dns进行多链路流量均衡的方法、网关和网络
CN106411770A (zh) * 2016-09-08 2017-02-15 重庆邮电大学 一种基于sdn架构的数据中心网络节能路由算法
CN106850348A (zh) * 2017-01-19 2017-06-13 中山大学 一种基于sdn的数据中心互联网络的流量矩阵在线估计方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于OpenFlow 的数据中心网络负载均衡算法;董宏成 等;《电子技术应用》;20160531;第42卷(第5期);第1-3节 *

Also Published As

Publication number Publication date
CN107579922A (zh) 2018-01-12

Similar Documents

Publication Publication Date Title
CN107579922B (zh) 网络负载均衡装置和方法
Tang et al. A dynamical and load-balanced flow scheduling approach for big data centers in clouds
Kliazovich et al. DENS: data center energy-efficient network-aware scheduling
Long et al. LABERIO: Dynamic load-balanced routing in OpenFlow-enabled networks
CN103685054B (zh) 基于业务感知的多路径负载均衡方法
CN106411733A (zh) 一种基于链路实时负载的sdn动态负载均衡调度方法
JP2019533913A (ja) クラウドモニタリングに基づく負荷分散の最適化方法および装置
WO2019134197A1 (zh) 基于朴素贝叶斯分类器的最小负载路由选择方法及系统
Yang et al. Energy-efficient data center networks planning with virtual machine placement and traffic configuration
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
Torkzadeh et al. Energy-aware routing considering load balancing for SDN: a minimum graph-based Ant Colony Optimization
CN113098789A (zh) 一种基于sdn的数据中心网络多路径动态负载均衡方法
Zahavi et al. Distributed adaptive routing convergence to non-blocking DCN routing assignments
Xiaolong et al. MTSS: multi-path traffic scheduling mechanism based on SDN
Habibi et al. QRVE: QoS-aware routing and energy-efficient VM Placement for Software-Defined DataCenter Networks
CN108737268A (zh) 软件定义工业物联网资源调度方法
Liu et al. An SDN-based hybrid strategy for load balancing in data center networks
Maksic et al. Improving utilization of data center networks
Wang et al. Load balancing for heterogeneous traffic in datacenter networks
Zhang et al. Load balancing with deadline-driven parallel data transmission in data center networks
Farhoudi et al. Server load balancing in software-defined networks
US11070472B1 (en) Dynamically mapping hash indices to member interfaces
Hwang et al. Load balancing and routing mechanism based on software defined network in data centers
Hertiana et al. A joint approach to multipath routing and rate adaptation for congestion control in openflow software defined network
Yu et al. Openflow Based Dynamic Flow Scheduling with Multipath for Data Center Networks.

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant