CN108737286B - 一种全局拥塞价格的计算方法 - Google Patents

一种全局拥塞价格的计算方法 Download PDF

Info

Publication number
CN108737286B
CN108737286B CN201810492378.6A CN201810492378A CN108737286B CN 108737286 B CN108737286 B CN 108737286B CN 201810492378 A CN201810492378 A CN 201810492378A CN 108737286 B CN108737286 B CN 108737286B
Authority
CN
China
Prior art keywords
link
load
calculating
price
network
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
CN201810492378.6A
Other languages
English (en)
Other versions
CN108737286A (zh
Inventor
单纯
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.)
Guangdong Polytechnic Normal University
Original Assignee
Guangdong Polytechnic Normal 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 Guangdong Polytechnic Normal University filed Critical Guangdong Polytechnic Normal University
Priority to CN201810492378.6A priority Critical patent/CN108737286B/zh
Publication of CN108737286A publication Critical patent/CN108737286A/zh
Application granted granted Critical
Publication of CN108737286B publication Critical patent/CN108737286B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L47/00—Traffic control in data switching networks
    • H04L47/10—Flow control; Congestion control

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明公开一种全局拥塞价格的计算方法。该计算方法包括：网络中央控制器定期向所有交换设备发送链路线协议，采集所述交换设备的连接信息；根据所述交换设备的连接信息构建全局网络的拓扑图；根据规范链路负载计算数据中心链路负载信息熵，设置链路端系统常数向量B中的最大分组丢弃概率；根据链路端系统常数向量B计算拥塞价格。通过全局拥塞价格的设置链路端系统常数向量提高了数据中心网络传输性能。

Description

一种全局拥塞价格的计算方法
技术领域
本发明涉及数据中心网络路由设备领域，特别是涉及一种全局拥塞价格的计算方法。
背景技术
数据中心网络传输控制协议的设计思想是基于优化理论框架建立了包含有多个发送端和多个网络连接链路的网络效用最大化模型。在链路端动态调整拥塞价格，在发送端动态调整发送速率，当系统处于平衡态时，网络效用最优。当前数据中心网络中的端对端传输控制协议及各种变形的拥塞控制机制和链路端的主动队列管理算法都包含分布式优化理论框架。分布式优化理论框架需要解决的两个关键问题是：如何根据网络负载状态设计好拥塞价格调整策略；如何将链路端的拥塞价格准确反馈给发送端。
目前，根据网络负载动态调整拥塞价格，需要多次往返才能收敛到最佳发送速率，在收敛之前网络带宽不能得到充分利用。如果每个连接只有几个数据包，那么网络带宽的利用率是较低的。
数据中心网络具有集中式、高带宽、低延迟和高吞吐率的特点。针对数据中心网络的流量特点，在优化理论框架下提出了适合数据中心网络的TCP改进协议，但是提出的协议分别从数据中心网络软超时、流最短完成时间、网络延迟、网络收敛速度的方面去解决流量传输存在的问题。算法改进集中在如何根据网络负载状态设计好拥塞价格调整策略和如何根据网络拥塞价格信息设计窗口调整策略。但在拥塞价格调整仍采用根据拥塞指标所占的比例静态的设置网络拥塞价格调整策略。
目前，数据中心网络的TCP传输控制协议在计算拥塞价格算法概括为如下计算公式：
p＝f(B,Q)
其中B为链路端系统常数向量，Q为缓存区的队列长度、排队延时向量。例如，RED算法常数向量B＝{pmax,bmin,bmax}，其中，pmax表示最大分组丢弃概率，p为分组丢弃概率。下限阈值bmin为最小队列长度和上限阈值bmax最大队列长度，但是RED算法存在难以设定参数向量B的问题。
发明内容
本发明的目的是提供一种能够提高数据中心网络传输性能的全局拥塞价格的计算方法。
为实现上述目的，本发明提供了如下方案：
一种全局拥塞价格的计算方法，所述计算方法包括：
网络中央控制器定期向所有交换设备发送链路线协议，采集所述交换设备的连接信息；
根据所述交换设备的连接信息构建全局网络的拓扑图；
规范化每个链路负载si,t，获得规范链路负载s′i,t；
Figure BDA0001668229000000021
根据规范链路负载计算数据中心链路负载信息熵
Figure BDA0001668229000000022
其中th表示每一链路的负载次数；
判断所述信息熵是否大于0.8·Emax，如果是，则各链路负载相同，将链路端系统常数向量B中的最大分组丢弃概率
Figure BDA0001668229000000023
其中Bmax表示采取的最大价格；
否则，设置各链路负载的正负理想值为：
Figure BDA0001668229000000024
计算每个链路负载与正负理想值的欧氏距离
Figure BDA0001668229000000031
计算每个链路负载的相对贴近度
Figure BDA0001668229000000032
设置链路端系统常数向量B中的最大分组丢弃概率
pi,max＝Bmax·(1/(1+exp(Gi)))；
根据链路端系统常数向量B计算拥塞价格。
可选的，所述计算方法还包括：
根据控制器给出的高速网络的链路的拥塞状态，给出相应的指导政策；
选择拥塞价格参数向量B，计算各交换机参数价格；
定期将当前链路资源的负载情况，采用拥塞价格参数向量和运行效果反馈给中央控制器。
根据本发明提供的具体实施例，本发明公开了以下技术效果：本发明提供的一种全局拥塞价格的计算方法，通过计算确定参数向量B的值，提高数据中心网络传输性能，定期将当前链路资源负载情况，采用拥塞价格参数向量和运行效果反馈给中央控制器，提高了中心网络数据的利用率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明提供的二层结构的拥塞价格设计算法的框图；
图2为本发明提供的数据中心网络中央控制器和交换机的拓扑结构图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的目的是提供一种能够提高数据中心网络传输性能的全局拥塞价格的计算方法。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
一种全局拥塞价格的计算方法，所述计算方法包括：
网络中央控制器定期向所有交换设备发送链路线协议，采集所述交换设备的连接信息；
根据所述交换设备的连接信息构建全局网络的拓扑图；
规范化每个链路负载si,t，获得规范链路负载s′i,t；
Figure BDA0001668229000000041
根据规范链路负载计算数据中心链路负载信息熵，若信息熵大，说明该数据中心网络的各个链路的负载基本相同，只需根据一个链路的负载可以判断全局网络负载情况。若信息熵小，则说明差别比较大，则可以利用各自不同的负载采用不同的价格计算策略。资源紧张的价格大幅提升。不紧张的采用较小的价格计算策略。
由熵的极值性可知，若各链路负载接近，则熵值越大。而当所有分数都相等时，熵达到最大，最大值为。若熵值越大，说明各链路负载基本相同，因此只要判断一个链路负载情况就可以知道整个数据中心网络的负载情况。若信息熵小，说明各条链路负载情况不同，可以修改各路由设备转发表来将传输流从链路负载重的链路引导到链路负载轻的链路。
Figure BDA0001668229000000051
其中th表示每一链路的负载次数；
判断所述信息熵是否大于0.8·Emax，如果是，则各链路负载相同，将链路端系统常数向量B中的最大分组丢弃概率
Figure BDA0001668229000000052
其中Bmax表示采取的最大价格；
否则，设置各链路负载的正负理想值为：
Figure BDA0001668229000000053
计算每个链路负载与正负理想值的欧氏距离
Figure BDA0001668229000000054
计算每个链路负载的相对贴近度
Figure BDA0001668229000000055
设置链路端系统常数向量B中的最大分组丢弃概率
pi,max＝Bmax·(1/(1+exp(Gi)))；
根据链路端系统常数向量B计算拥塞价格。
可选的，所述计算方法还包括：
根据控制器给出的高速网络的链路的拥塞状态，给出相应的指导政策；
选择拥塞价格参数向量B，计算各交换机参数价格；
定期将当前链路资源的负载情况，采用拥塞价格参数向量和运行效果反馈给中央控制器。
如图2所示，软件定义网络中央控制器定期向所有交换设备发送链路现协议(LinkLayer Discovery Protocol,LLDP)用于采集网络交换设备的连接信息，从而构建全局网络拓扑图。控制器收集交换机拥塞状况的方式有两种。一种是是利用发送探测包和接收到返回的包的时间差来判断网络拥塞状况。记录探测包发出的时间并启动定时器，若在一定时间内探测包没有按时返回到控制器，则认为原有的正常链路出现拥塞或者己经不可用。另一种是控制器调度流分析程序，利用openflow1.3协议中的流消息描述字段对各交换机正在运行的流进行储存和统计，分析各节点的可用带宽占总带宽的比例的历史数据作为来判断网络拥塞状况，记为s1,t,s2.t,...,sn,t,t＝1,2,...th，每一链路的th次负载。
采用本发明提供的计算方法提高了在吞吐量和利用率都有较大的提高。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (2)

1.一种全局拥塞价格的计算方法，其特征在于，所述计算方法包括：
网络中央控制器定期向所有交换设备发送链路线协议，采集所述交换设备的连接信息；
根据所述交换设备的连接信息构建全局网络的拓扑图；
规范化每个链路负载si,t，获得规范链路负载s′i,t；
Figure FDA0003151232660000011
根据规范链路负载计算数据中心链路负载信息熵
Figure FDA0003151232660000012
其中th表示每一链路的负载次数；
判断所述信息熵是否大于0.8·Emax，如果是，则各链路负载相同，计算链路端系统常数向量B中的最大分组丢弃概率
Figure FDA0003151232660000013
其中Bmax表示采取的最大价格；
否则，设置各链路负载的正负理想值为：
Figure FDA0003151232660000014
计算每个链路负载与正负理想值的欧氏距离
Figure FDA0003151232660000015
计算每个链路负载的相对贴近度
Figure FDA0003151232660000016
设置链路端系统常数向量B中的最大分组丢弃概率
pi,max＝Bmax·(1/(1+exp(Gi)))；
根据链路端系统常数向量B计算拥塞价格。
2.根据权利要求1所述的一种全局拥塞价格的计算方法，其特征在于，所述计算方法还包括：
根据控制器给出的高速网络的链路的拥塞状态，给出相应的指导政策；
选择拥塞价格参数向量B，计算各交换机参数价格；
定期将当前链路资源的负载情况，采用拥塞价格参数向量和运行效果反馈给中央控制器。
CN201810492378.6A 2018-05-22 2018-05-22 一种全局拥塞价格的计算方法 Active CN108737286B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810492378.6A CN108737286B (zh) 2018-05-22 2018-05-22 一种全局拥塞价格的计算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810492378.6A CN108737286B (zh) 2018-05-22 2018-05-22 一种全局拥塞价格的计算方法

Publications (2)

Publication Number Publication Date
CN108737286A CN108737286A (zh) 2018-11-02
CN108737286B true CN108737286B (zh) 2021-09-03

Family

ID=63937834

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810492378.6A Active CN108737286B (zh) 2018-05-22 2018-05-22 一种全局拥塞价格的计算方法

Country Status (1)

Country Link
CN (1) CN108737286B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5430729A (en) * 1994-04-04 1995-07-04 Motorola, Inc. Method and apparatus for adaptive directed route randomization and distribution in a richly connected communication network
CN106600336A (zh) * 2016-12-21 2017-04-26 浙江工商大学 一种sdn网络资源交易中的动态定价方法
CN106651182A (zh) * 2016-12-25 2017-05-10 北京工业大学 基于熵权重的轨道客流拥塞风险评价方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5430729A (en) * 1994-04-04 1995-07-04 Motorola, Inc. Method and apparatus for adaptive directed route randomization and distribution in a richly connected communication network
CN106600336A (zh) * 2016-12-21 2017-04-26 浙江工商大学 一种sdn网络资源交易中的动态定价方法
CN106651182A (zh) * 2016-12-25 2017-05-10 北京工业大学 基于熵权重的轨道客流拥塞风险评价方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于价格调整和流量工程的软件定义数据中心网络传输优化方法;单纯;《电信技术》;20171231;全文 *

Also Published As

Publication number Publication date
CN108737286A (zh) 2018-11-02

Similar Documents

Publication Publication Date Title
CN110932989B (zh) 一种基于sdn数据中心网络的大象流路径监控调度方法
CN107579922B (zh) 网络负载均衡装置和方法
CN105471764B (zh) 一种SDN网络中端到端QoS保障的方法
CN108259367B (zh) 一种基于软件定义网络的服务感知的流策略定制方法
CN109714275B (zh) 一种用于接入业务传输的sdn控制器及其控制方法
CN109547340A (zh) 基于重路由的sdn数据中心网络拥塞控制方法
CN105847151A (zh) 一种面向软件定义网络的多约束QoS路由策略设计方法
CN107070794A (zh) 一种低轨信息网络最优网络效益时延约束路由方法
CN103346922A (zh) 基于sdn的确定网络状态的控制器及其确定方法
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
CN110351187A (zh) 数据中心网络中路径切换粒度自适应的负载均衡方法
WO2021109661A1 (zh) 拥塞控制方法以及相关设备
Wei et al. A congestion control scheme based on fuzzy logic for wireless sensor networks
Li et al. Data-driven routing optimization based on programmable data plane
JP2012216961A (ja) トラヒック制御方法及びゲートウェイ仮想化ノード装置
CN108737286B (zh) 一种全局拥塞价格的计算方法
Hertiana et al. A joint approach to multipath routing and rate adaptation for congestion control in openflow software defined network
Huang et al. An enhanced scheduling framework for elephant flows in SDN-based data center networks
Wang et al. SDN controller network load balancing approach for cloud computing data center
CN109257302B (zh) 一种基于分组排队时间的包散射方法
Mon et al. Flow based traffic scheduling in software defined network
Li et al. Data Center Traffic Rescheduling Algorithm Based on Ant Colony Optimization Algorithm
CN117097575B (zh) 一种基于跨层协同策略的低速率拒绝服务攻击防御方法
Song Software Defined Network Load Balancing Based on Im-ACO
Isravel et al. Preferential multi-attribute rank based forwarding node selection in software defined 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