CN109547340B - 基于重路由的sdn数据中心网络拥塞控制方法 - Google Patents
基于重路由的sdn数据中心网络拥塞控制方法 Download PDFInfo
- Publication number
- CN109547340B CN109547340B CN201811617853.4A CN201811617853A CN109547340B CN 109547340 B CN109547340 B CN 109547340B CN 201811617853 A CN201811617853 A CN 201811617853A CN 109547340 B CN109547340 B CN 109547340B
- Authority
- CN
- China
- Prior art keywords
- flow
- path
- data center
- link
- switch
- 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
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000004364 calculation method Methods 0.000 claims abstract description 17
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 238000004088 simulation Methods 0.000 description 18
- 230000003044 adaptive effect Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000006978 adaptation Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000010410 layer Substances 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 239000012792 core layer Substances 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000004870 electrical engineering Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L45/00—Routing or path finding of packets in data switching networks
- H04L45/22—Alternate routing
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L45/00—Routing or path finding of packets in data switching networks
- H04L45/02—Topology update or discovery
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L45/00—Routing or path finding of packets in data switching networks
- H04L45/12—Shortest path evaluation
-
- 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
- H04L47/12—Avoiding congestion; Recovering from congestion
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开一种基于重路由的SDN数据中心网络拥塞控制方法,其实现步骤是:感知数据中心网络拓扑;发送流统计量请求报文,获取统计量;利用流速率计算公式,计算每条流的速率;确定每条流的初始路径;比较大流的链路负载和链路拥塞阈值之间的大小关系,检测拥塞的大流;为拥塞的大流计算重路由路径;在重路由路径中的每个交换机上安装流表项。本发明考虑了数据中心网络流的特性,只对大流进行重路由,减小了小流的时延,联合考虑路径的利用率和路径的关键度,为拥塞的大流分配重路由路径,缓解数据中心网络拥塞。
Description
技术领域
本发明属于通信技术领域,更进一步涉及网络通信技术领域中的一种基于重路由的软件定义网络SDN(Software Defined Network)数据中心网络拥塞控制方法。本发明可用于数据中心网络出现拥塞时,为网络流重新分配路由路径。
背景技术
近年来,数据中心网络被广泛地部署由于其可以提供各种各样的云服务。软件定义网络SDN(Software Defined Network)是一个新的网络架构,主要特点是控制器平面与数据平面的分离。基于流的管理、集中控制、可编程性等优势使得SDN技术被广泛应用。SDN控制器拥有全局网络视图,可以很方便的监督网络状态。网络业务的突发以及不合理的路径分配,容易导致数据中心网络拥塞,拥塞控制方式包括:修改传输控制协议TCP参数,重路由等,但目前的重路由方案中存在一定的问题和不足,例如,仅考虑链路的剩余带宽为流重新分配路径,可能导致重路由路径出现拥塞,通过联合考虑路径的利用率和路径的关键度为流重新分配拥塞概率小的路径,可以有效缓解拥塞。
M.Gholami和B.Akbari在其发表的论文“Congestion Control in SoftwareDefined Data Center Networks Through Flow Rerouting”(Electrical EngineeringICEE, 2015:78-83)中提出了一种通过重路由网络流的方式处理数据中心网路链路拥塞的方法。该方法在一个固定的时间间隔内,通过SDN控制器监督和轮询网络中的每一个交换机获取per-table,per-flow或per-port的统计量,一旦链路出现拥塞,控制器选择负载最轻的最短路径作为重路由路径。该方法存在的不足之处是,数据中心网络80%的流是字节数小于100KB的小流,对时延敏感。该方法在重路由数据中心网络的小流时,会导致小流超时,造成资源浪费。
大连理工大学在其申请的专利文献“一种面向Fat-Tree数据中心网络架构的数据流转发方法”(专利申请号201510162959.X,申请公布号CN 104767694A)中公开了一种面向Fat-Tree数据中心网络架构的数据流转发方法。该方法根据大流的源地址和目的地址,计算出其在Fat-Tree拓扑结构下源地址与目的地址间全部的等价路径,将等价路径中带宽利用率最高的那条链路作为路径的带宽瓶颈链路,选取其中空闲带宽最大的那条带宽瓶颈链路所在的等价路径为这条大流的新的转发路径。该方法存在的不足之处是,该方法在为大流选择新的转发路径时,仅考虑了链路的当前可用带宽,未考虑路径上可能出现的突发大流的概率,可能导致所选路径在大流后续传输过程中出现拥塞,造成网络性能的下降。
发明内容
本发明的目的在于针对上述现有技术的不足,提出一种基于重路由的SDN数据中心网络拥塞控制方法。本发明利用软件定义网络SDN技术的优势,周期性地监督数据中心网络状态,当数据中心网络中出现拥塞时,对大流进行重路由以减小网络拥塞的概率同时保证网络性能。
实现本发明目的的思路是:利用软件定义网络SDN控制器感知数据中心网络拓扑,软件定义网络SDN控制器轮询数据中心网络中的所有交换机,收集数据中心网络流的统计量,利用收集到的流统计量得到每条流的初始路径,利用链路的拥塞阈值检测到大流经过的初始路径上产生拥塞时,结合路径的利用率和路径的关键度为拥塞的大流重新分配路径。
本发明的具体步骤包括如下:
(1)感知数据中心网络拓扑:
(1a)搭建胖树Fat-tree数据中心网络拓扑;
(1b)利用软件定义网络SDN控制器,感知数据中心网路拓扑;
(2)发送流统计量请求报文,获取统计量:
(2a)软件定义网络SDN控制器周期性地向数据中心网络中的每一个交换机发送流统计量请求报文;
(2b)数据中心网络中的每一个交换机收到控制器发送的流统计量请求报文后,回复流统计量回复报文给控制器;
(2c)控制器保存每一个交换机以及该交换机回复的流统计量;
(2d)控制器读取流统计量中的所有流,并保存到网络流集合中;
(3)利用流速率计算公式,计算每一条流的速率:
(4)确定每条流的初始路径:
将每条流的源IP地址、目的IP地址、流的优先级信息,与控制器中保存的每个交换机上回复的每条流统计量中对应的信息进行比对,获取一组与流的源IP地址、目的IP地址、流的优先级信息相匹配的流统计量对应的交换机,该组交换机构成每条流的初始路径;
(5)检测拥塞的大流:
(5a)将流的速率大于分类阈值的流判定为大流后,利用拥塞阈值计算公式,计算每一条大流的初始路径上的每条链路的拥塞阈值;
(5b)按照下式,计算每条大流的初始路径上的每条链路的负载:
其中,表示第k条大流的初始路径上第m条链路的负载,∑表示求和操作, vn表示数据中心网络流集合中第n条流的速率,表示一个参数,当数据中心网络流集合中第n条流的初始路径中包含第k条大流的初始路径上的第m条链路时,该参数取值为1,当数据中心网络流集合中第n条流的初始路径不包含第k条大流的初始路径上的第m条链路时,该参数取值为0;
(5c)将初始路径上存在大于链路的拥塞阈值的链路负载对应的大流,保存到拥塞流集合中;
(6)计算每条链路的关键度:
(6a)从数据中心网络流集合中选择大于分类阈值的所有流,保存到大流集合中;
(6b)从大流集合中选择数据中心网络所有交换机对之间的最大的大流,保存到最大流集合中;
(6c)利用链路关键度计算公式,计算数据中心网络中每条链路的关键度;
(7)为每条拥塞的大流计算重路由路径:
(7a)对拥塞流集合中的流按速率从大到小排序;
(7b)利用迪杰斯特拉Dijkstra算法,计算拥塞流集合中每条拥塞的大流的最短路径集合;
(7c)从最短路集合中,选择最短路径上的每条链路剩余带宽都大于拥塞大流速率的所有最短路径,保存到可用最短路径集合中,链路剩余带宽等于链路带宽减去链路负载;
(7d)取可用最短路径上最大的链路关键度作为该可用最短路径的关键度;
(7e)按照下式,计算可用最短路径集合中每条路径的利用率:
(7f)按照下式,从最短路径集合中选择使ω取得最大值对应的路径,作为每条拥塞的大流的重路由路径;
ωr=max(1-ρr×ηr)
其中,ωr表示可用最短路径集合中第r条路径被选择的概率,max表示求最大值操作,ρr表示可用最短路径集合中第r条路径的利用率,ηr表示可用最短路径集合中第r条路径的关键度;
(8)在重路由路径中的每个交换机上安装流表项;
(8a)软件定义网络SDN控制器,根据重路由路径中所有交换机之间的连接关系,构建重路由路径中每个交换机对应的流表项;
(8b)软件定义网络SDN控制器在重路由路径中的每个交换机上安装流表项。
本发明与现有技术相比具有以下优点:
第一,由于本发明通过只为拥塞的大流计算重路由路径,克服了现有技术在重路由数据中心网络的小流时,会导致小流超时,造成资源浪费的问题,使得本发明具有减小小流时延,节约资源的优点。
第二,由于本发明计算了可用最短路径的关键度,克服了现有技术在为大流选择新的转发路径时,未考虑路径上可能出现的突发大流的概率,可能导致所选路径在大流后续传输过程中出现拥塞,造成网络性能下降的问题。使得本发明具有降低重路由路径出现拥塞的概率,提高网络性能的优点。
附图说明:
图1是本发明的流程图;
图2是本发明的仿真实验中使用的拓扑图;
图3是本发明的仿真结果图,其中,图3中的(a)为本发明数据中心网络平均吞吐量随负载变化的结果图,图3中的(b)为本发明小流的平均时延随负载变化的结果图,图3中的(c)为本发明数据中心网络平均丢包率随负载变化的结果图。
具体实施方式
下面结合附图,对本发明做进一步详细描述。
参照图1,对本发明的具体实施步骤做进一步详细描述。
步骤1,感知数据中心网络拓扑。
搭建胖树Fat-tree数据中心网络拓扑。
利用软件定义网络SDN控制器发送链路层发现协议LLDP,感知数据中心网路拓扑。
步骤2,获取统计量。
软件定义网络SDN控制器周期性地向数据中心网络中的每一个交换机发送流统计量请求报文,周期间隔为T,在本发明仿真中T=5s。
数据中心网络中的每一个交换机收到控制器发送的流统计量请求报文后,回复流统计量回复报文给控制器。
所述的交换机的流统计量回复报文中包括流统计量的下列信息:字节数 byte_count、源IP地址ipv4_src、目的IP地址ipv4_dst、优先级priority、指令集 instruction。
控制器保存每一个交换机以及该交换机回复的流统计量。
控制器读取流统计量中的所有流,并保存到集合中。
步骤3,利用流速率计算公式,计算每一条流的速率。
所述的流速率计算公式如下:
其中,vi表示第i条流的速率,bt、bt-T分别表示在t时刻和t-T时刻,流的源交换机中与该流的源IP地址、目的IP地址、流的优先级相匹配的流统计量中byte_count 字段的值,T表示监督周期。
步骤4,确定每条流的初始路径。
将每条流的源IP地址、目的IP地址、流的优先级信息,与控制器中保存的每个交换机上回复的每条流统计量中对应的信息进行比对,获取一组与流的源IP地址、目的IP地址、流的优先级信息相匹配的流统计量对应的交换机,该组交换机构成每条流的初始路径。本发明中,采用等价多路径路由算法ECMP为新到的流分配初始路径。
步骤5,检测拥塞的大流。
将流的速率大于分类阈值的流判定为大流后,利用拥塞阈值计算公式,计算每一条大流的初始路径上的每条链路的拥塞阈值。
所述的将链路带宽的10%设置为区分大流和小流的分类阈值,考虑到数据中心网络中小流的时延敏感性,因此在数据中心网络出现拥塞时,只对时延不敏感的大流进行重路由。
所述的拥塞阈值计算公式如下:
其中,表示第j条大流初始路径上的第e条链路的拥塞阈值,α表示0到1之间的系数,表示第j条大流初始路径上的第e条链路的带宽,在本发明仿真中α=0.75,数据中心网络相关文献中指出,当链路的利用率超过75%时,数据中心网络的吞吐量开始下降。
按照下式,计算每条大流的初始路径上的每条链路的负载:
其中,表示第k条大流的初始路径上第m条链路的负载,∑表示求和操作,vn表示数据中心网络流集合中第n条流的速率,表示一个参数,当数据中心网络流集合中第n条流的初始路径中包含第k条大流的初始路径上的第m条链路时,该参数取值为1,当数据中心网络流集合中第n条流的初始路径不包含第k条大流的初始路径上的第m条链路时,该参数取值为0。
将初始路径上存在大于链路的拥塞阈值的链路负载对应的大流,保存到拥塞流集合中。
步骤6,计算每条链路的关键度。
从数据中心网络流集合中选择大于分类阈值的所有流,保存到大流集合中。
从大流集合中选择数据中心网络所有交换机对之间的最大的大流,保存到最大流集合中。
利用链路关键度计算公式,计算数据中心网络中每条链路的关键度。
所述的链路关键度计算公式如下:
其中,λq表示数据中心网络中第q条链路的关键度,Sq表示最大流集合中初始路径包含第q条链路的所有流的速率之和,N表示最大流集合中初始路径包含第q条链路的所有流的总数,Bq表示数据中心网络中第q条链路的带宽。该链路关键度计算公式引用自杨洋在其发表的论文“数据中心网络多路径路由算法”(清华大学学报,2016, 56(3):264-264)中。
步骤7,为每条拥塞的大流计算重路由路径。
对拥塞流集合中的流按速率从大到小排序。
利用迪杰斯特拉Dijkstra算法,计算拥塞流集合中每条拥塞的大流的最短路径集合。
所述的迪杰斯特拉Dijkstra算法,计算每条拥塞的大流的最短路径集合的步骤如下:
第一步,将每条拥塞的大流的源交换机保存到集合S中,将数据中心网络中除了每条拥塞的大流的源交换机之外的其他所有交换机保存到集合U中,将数据中心网络中每条链路的权重值设置为1,若每条拥塞的大流的源交换机能直接到达集合U中的第d个交换机,则将每条拥塞的大流的源交换机到第d个交换机的距离设置为权重值,否则,将每条拥塞的大流的源交换机到第d个交换机的距离设置为无穷大;
第二步,从集合U中取出一个距离每条拥塞的大流源交换机的距离最近交换机u保存到集合S中;
第三步,当从每条拥塞的大流的源交换机出发经过交换机u到集合U中的每个交换机的距离,小于从每条拥塞的大流的源交换机出发不经过交换机u到集合U中的每个交换机的距离时,修改每条拥塞的大流的源交换机到集合U中每个交换机的距离;
第四步,重复步骤1、2,直到数据中心网络中所有交换机都保存在集合S中,根据每条拥塞的大流的源交换机和目的交换机,为每条拥塞的大流选择一条最短路径;
第五步,重复执行步骤1,2,3,4最多y次,将每次选择的最短路径,保存到每条拥塞的大流的最短路径集合中,其中y表示根据数据中心网络规模选取的一个整数。
从最短路集合中,选择最短路径上的每条链路剩余带宽都大于拥塞大流速率的所有最短路径,保存到可用最短路径集合中,链路剩余带宽等于链路带宽减去链路负载。
取可用最短路径上最大的链路关键度作为该可用最短路径的关键度。
按照下式,计算可用最短路径集合中每条路径的利用率:
按照下式,从可用最短路径集合中选择使ω取得最大值对应的路径,作为拥塞流集合中大流的重路由路径:
ωr=max(1-ρr×ηr)
其中,ωr表示可用最短路径集合中第r条路径被选择的概率,max表示求最大值操作,ρr表示可用最短路径集合中第r条路径的利用率,ηr表示可用最短路径集合中第r条路径的关键度。
步骤8,在重路由路径中的每个交换机上安装流表项。
软件定义网络SDN控制器根据重路由路径中所有交换机之间的连接关系,构建重路由路径中每个交换机对应的流表项。
软件定义网络SDN控制器在重路由路径中的每个交换机上安装流表项。
下面结合仿真实验对本发明做进一步的描述。
1.仿真条件:
本发明的仿真实验是在虚拟机Linux主要配置为:CPU为Intel(R)Xeon(R),3.50GHz;内存是8G;操作系统为Ubuntu14.04;拓扑构建软件为Mininet,软件定义网络SDN控制器为Ryu。
图2为本发明仿真实验中所使用的胖树拓扑图,该图中包含了一个三层的胖树Fat-tree拓扑,该拓扑结构从左到右依次为核心层。汇聚层和边缘层,核心层包含4个核心交换机,汇聚层包含8个汇集交换机,边缘层包含8个边缘交换机,每个边缘交换机下包含两个主机,该拓扑中共包含16个主机。
2.仿真内容与结果分析:
本仿真实验是采用本发明的方法与两个现有技术(全局首次适应GFF、等价多路径路由ECMP),使用图2所述的胖树拓扑结构中,按照上述仿真条件,分别对数据中心网络平均吞吐量、小流的平均时延以及数据中心网络平均丢包率随负载变化的情况进行仿真。仿真实验中,使用Iperf工具让胖树拓扑中测试主机对之间发送模拟的网络流,负载从10%变化到70%,同时胖树拓扑中测试主机对之间使用Ping命令产生模拟的小流,链路带宽为100Mbps,分别在相同测试主机对,不同负载下进行20次仿真,对仿真结果得到的数据取平均值,得到数据中心网络平均吞吐量、小流的平均时延以及数据中心网络平均丢包率在不同负载下的平均值。通过绘图得到仿真曲线如图3所示。
图 3 中的 (a) 为本发明数据中心网络平均吞吐量随负载变化的结果图,通过不同负载与数据中心网络平均吞吐量之间的对应关系,绘图得到图 3 中的 (a) 的仿真曲线。其中横坐标表示负载,纵坐标表示数据中心网络平均吞吐量,单位是Mbps。图 3 中的(a) 中以正方形标示的曲线表示本发明所使用的方法的数据中心网络平均吞吐量性能曲线,以左三角形标示的曲线表示全局首次适应GFF方法的数据中心网络平均吞吐量性能曲线,以圆形标示的曲线表示等价多路径路由ECMP方法的数据中心网络平均吞吐量性能曲线。
从图 3 中的 (a) 中可以看出,在负载为70%时,本发明所使用方法的数据中心网络平均吞吐量为47Mbps,全局首次适应GFF方法的数据中心网络平均吞吐量为36Mbps,等价多路径路由ECMP方法的数据中心网络平均吞吐量为32Mbps。显然,本发明所使用的方法与全局首次适应GFF方法、等价多路径路由ECMP方法相比,可以获得更高的数据中心网络平均吞吐量。
图 3 中的 (b) 为本发明小流的平均时延随负载变化的结果图,通过不同负载与小流平均时延之间的对应关系,绘图得到图 3 中的 (b) 的仿真曲线。其中横坐标表示负载,纵坐标表示小流的平均时延,单位是毫秒ms,图 3 中的 (b) 中以正方形标示的曲线表示本发明所使用的方法的小流的平均时延性能曲线,以左三角形标示的曲线表示全局首次适应 GFF方法的小流的平均时延性能曲线,以圆形标示的曲线表示等价多路径路由ECMP方法的小流的平均时延性能曲线。
从图 3 中的 (b) 中可以看出,在负载为70%时,本发明所使用的小流的平均时延小于 1毫秒,全局首次适应GFF方法的小流的平均时延为6.1毫秒,等价多路径路由ECMP方法的小流的平均时延为13.9毫秒。显然,本发明所使用的方法与全局首次适应GFF 方法、等价多路径路由ECMP方法相比,可以减小小流的平均时延。
图 3 中的 (c) 为本发明数据中心网络平均丢包率随负载变化的结果图,通过不同负载与数据中心网络平均丢包率之间的对应关系,绘图得到图 3 中的 (c) 的仿真曲线。其中横坐标表示负载,纵坐标表示数据中心网络平均丢包率,图 3 中的 (c) 中以正方形标示的曲线表示本发明所使用方法的数据中心网络平均丢包率性能曲线,以左三角形标示的曲线表示全局首次适应GFF方法的数据中心网络平均丢包率性能曲线,以圆形标示的曲线表示等价多路径路由ECMP方法的数据中心网络平均丢包率性能曲线。
从图 3 中的 (c) 中可以看出,在负载为70%时,本发明所使用的方法的数据中心网络平均丢包率为0.0032,全局首次适应GFF方法的数据中心网络平均丢包率为0.007,等价多路径路由ECMP方法的数据中心网络平均丢包率为0.011。显然,本发明所使用的方法与全局首次适应GFF方法、等价多路径路由ECMP方法相比,可以减小平均丢包率。
Claims (7)
1.一种基于重路由的SDN数据中心网络拥塞控制方法,其特征在于,检测拥塞的大流、为每条拥塞的大流计算重路由路径,该方法的具体步骤包括如下:
(1)感知数据中心网络拓扑:
(1a)搭建胖树Fat-tree数据中心网络拓扑;
(1b)利用软件定义网络SDN控制器,感知数据中心网路拓扑;
(2)获取统计量:
(2a)软件定义网络SDN控制器周期性地向数据中心网络中的每一个交换机发送流统计量请求报文;
(2b)数据中心网络中的每一个交换机收到控制器发送的流统计量请求报文后,回复流统计量回复报文给控制器;
(2c)控制器保存每一个交换机以及该交换机回复的流统计量;
(2d)控制器读取流统计量中的所有流,并保存到网络流集合中;
(3)利用流速率计算公式,计算每一条流的速率:
(4)确定每条流的初始路径:
将每条流的源IP地址、目的IP地址、流的优先级信息,与控制器中保存的每个交换机上回复的每条流统计量中对应的信息进行比对,获取一组与流的源IP地址、目的IP地址、流的优先级信息相匹配的流统计量对应的交换机,该组交换机构成每条流的初始路径;
(5)检测拥塞的大流:
(5a)将流的速率大于分类阈值的流判定为大流后,利用拥塞阈值计算公式,计算每一条大流的初始路径上的每条链路的拥塞阈值;
(5b)按照下式,计算每条大流的初始路径上的每条链路的负载:
其中,表示第k条大流的初始路径上第m条链路的负载,∑表示求和操作,vn表示数据中心网络流集合中第n条流的速率,表示一个参数,当数据中心网络流集合中第n条流的初始路径中包含第k条大流的初始路径上的第m条链路时,该参数取值为1,当数据中心网络流集合中第n条流的初始路径不包含第k条大流的初始路径上的第m条链路时,该参数取值为0;
(5c)将初始路径上存在大于链路的拥塞阈值的链路负载对应的大流,保存到拥塞流集合中;
(6)计算每条链路的关键度:
(6a)从数据中心网络流集合中选择大于分类阈值的所有流,保存到大流集合中;
(6b)从大流集合中选择数据中心网络所有交换机对之间的最大的大流,保存到最大流集合中;
(6c)利用链路关键度计算公式,计算数据中心网络中每条链路的关键度;
(7)为每条拥塞的大流计算重路由路径:
(7a)对拥塞流集合中的流按速率从大到小排序;
(7b)利用迪杰斯特拉Dijkstra算法,计算拥塞流集合中每条拥塞的大流的最短路径集合;
(7c)从最短路集合中,选择最短路径上的每条链路剩余带宽都大于拥塞大流速率的所有最短路径,保存到可用最短路径集合中,链路剩余带宽等于链路带宽减去链路负载;
(7d)取可用最短路径上最大的链路关键度作为该可用最短路径的关键度;
(7e)按照下式,计算可用最短路径集合中每条路径的利用率:
(7f)按照下式,从最短路径集合中选择使ω取得最大值对应的路径,作为每条拥塞的大流的重路由路径;
ωr=max(1-ρr×ηr)
其中,ωr表示可用最短路径集合中第r条路径被选择的概率,max表示求最大值操作,ρr表示可用最短路径集合中第r条路径的利用率,ηr表示可用最短路径集合中第r条路径的关键度;
(8)在重路由路径中的每个交换机上安装流表项;
(8a)软件定义网络SDN控制器,根据重路由路径中所有交换机之间的连接关系,构建重路由路径中每个交换机对应的流表项;
(8b)软件定义网络SDN控制器在重路由路径中的每个交换机上安装流表项。
2.根据权利要求1所述的基于重路由的SDN数据中心网络拥塞控制方法,其特征在于,步骤(2b)中所述的交换机的流统计量回复报文中包括流统计量的下列信息:字节数byte_count、源IP地址ipv4_src、目的IP地址ipv4_dst、优先级priority、指令集instruction。
4.根据权利要求1所述的基于重路由的SDN数据中心网络拥塞控制方法,其特征在于,步骤(5a)中所述分类阈值是指将链路带宽的10%设置为区分大流和小流的分类阈值。
7.根据权利要求1所述的基于重路由的SDN数据中心网络拥塞控制方法,其特征在于,步骤(7b)中所述的迪杰斯特拉Dijkstra算法,计算每条拥塞的大流的最短路径集合的步骤如下:
第一步,将每条拥塞的大流的源交换机保存到集合S中,将数据中心网络中除了每条拥塞的大流的源交换机之外的其他所有交换机保存到集合U中,将数据中心网络中每条链路的权重值设置为1,若每条拥塞的大流的源交换机能直接到达集合U中的第d个交换机,则将每条拥塞的大流的源交换机到第d个交换机的距离设置为权重值,否则,将每条拥塞的大流的源交换机到第d个交换机的距离设置为无穷大;
第二步,从集合U中取出一个距离每条拥塞的大流源交换机的距离最近交换机u保存到集合S中;
第三步,当从每条拥塞的大流的源交换机出发经过交换机u到集合U中的每个交换机的距离,小于从每条拥塞的大流的源交换机出发不经过交换机u到集合U中的每个交换机的距离时,修改每条拥塞的大流的源交换机到集合U中每个交换机的距离;
第四步,重复步骤二、三,直到数据中心网络中所有交换机都保存在集合S中,根据每条拥塞的大流的源交换机和目的交换机,为每条拥塞的大流选择一条最短路径;
第五步,重复执行步骤一,二,三,四最多y次,将每次选择的最短路径,保存到每条拥塞的大流的最短路径集合中,其中y表示根据数据中心网络规模选取的一个整数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811617853.4A CN109547340B (zh) | 2018-12-28 | 2018-12-28 | 基于重路由的sdn数据中心网络拥塞控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811617853.4A CN109547340B (zh) | 2018-12-28 | 2018-12-28 | 基于重路由的sdn数据中心网络拥塞控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109547340A CN109547340A (zh) | 2019-03-29 |
CN109547340B true CN109547340B (zh) | 2020-05-19 |
Family
ID=65857477
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811617853.4A Active CN109547340B (zh) | 2018-12-28 | 2018-12-28 | 基于重路由的sdn数据中心网络拥塞控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109547340B (zh) |
Families Citing this family (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110191065B (zh) * | 2019-06-08 | 2022-04-08 | 西安电子科技大学 | 基于软件定义网络的高性能负载均衡系统与方法 |
CN110290064B (zh) * | 2019-07-02 | 2020-10-27 | 河南信大网御科技有限公司 | 一种基于流特征的数据中心网络路由交换系统及方法 |
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 |
CN110986979B (zh) * | 2019-11-27 | 2021-09-10 | 浙江工商大学 | 一种基于强化学习的sdn多路径路由规划方法 |
CN111740924B (zh) * | 2020-07-29 | 2022-03-01 | 上海交通大学 | 一种时间敏感网络门控机制流量整形与路由规划调度方法 |
CN111953600A (zh) * | 2020-08-24 | 2020-11-17 | 国网湖南省电力有限公司 | 基于sdn的储能数据中心业务流量调度方法 |
CN112202644B (zh) * | 2020-10-12 | 2022-01-11 | 中国人民解放军国防科技大学 | 面向混合可编程网络环境的协同网络测量方法及系统 |
CN112367217B (zh) * | 2020-10-20 | 2021-12-17 | 武汉大学 | 一种面向软件定义网络的协作式大流检测方法及系统 |
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 |
CN112311667B (zh) * | 2020-11-12 | 2022-07-08 | 山东云海国创云计算装备产业创新中心有限公司 | 一种报文传输方法、装置、设备及存储介质 |
CN113098789B (zh) * | 2021-03-26 | 2023-05-02 | 南京邮电大学 | 一种基于sdn的数据中心网络多路径动态负载均衡方法 |
CN113992590B (zh) * | 2021-10-25 | 2024-05-14 | 天津职业技术师范大学(中国职业培训指导教师进修中心) | 基于软件定义网络的链路负载均衡方法 |
CN114448879B (zh) * | 2022-04-07 | 2022-07-22 | 南京邮电大学 | 一种基于sdn的数据中心网络流量调度方法 |
CN115150324B (zh) * | 2022-06-09 | 2024-05-10 | 南京邮电大学 | 一种基于可编程数据平面实现可变重路由阈值的方法及系统 |
CN115174489B (zh) * | 2022-06-24 | 2023-05-16 | 湖北工业大学 | 面向最小化网络拥塞和Qos保障的数据中心网络流量调度方法 |
CN116016316A (zh) * | 2022-12-13 | 2023-04-25 | 烽火通信科技股份有限公司 | 一种数据中心网络节能的方法及装置 |
CN115865682B (zh) * | 2022-12-15 | 2024-09-24 | 中国联合网络通信集团有限公司 | 一种sdn链路的检测处理方法、控制器、系统及介质 |
CN116208560B (zh) * | 2023-03-03 | 2024-04-30 | 济南大学 | 针对大象流的sdn数据中心网络负载均衡方法及系统 |
CN116032829B (zh) * | 2023-03-24 | 2023-07-14 | 广东省电信规划设计院有限公司 | 一种sdn网络数据流传输控制方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108513330A (zh) * | 2018-03-09 | 2018-09-07 | 西安电子科技大学 | 一种基于网络情境感知的路由协议分布式自适应切换方法 |
CN108900419A (zh) * | 2018-08-17 | 2018-11-27 | 北京邮电大学 | Sdn架构下基于深度强化学习的路由决策方法及装置 |
CN109067646A (zh) * | 2018-08-15 | 2018-12-21 | 成都理工大学 | 一种在流表容量受限时的sdn网络流量优化方案 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8879397B2 (en) * | 2011-05-13 | 2014-11-04 | Polytechnic Institute Of New York University | Balancing load in a network, such as a data center network, using flow based routing |
US9608938B2 (en) * | 2014-08-12 | 2017-03-28 | Arista Networks, Inc. | Method and system for tracking and managing network flows |
CN105227481B (zh) * | 2015-09-02 | 2018-10-12 | 重庆邮电大学 | 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 |
CN105610709B (zh) * | 2016-02-03 | 2018-09-11 | 西安电子科技大学 | 基于sdn的大流负载均衡系统与方法 |
US10015096B1 (en) * | 2016-06-20 | 2018-07-03 | Amazon Technologies, Inc. | Congestion avoidance in multipath routed flows |
CN106209669B (zh) * | 2016-06-30 | 2019-06-07 | 中国人民解放军国防科学技术大学 | 面向sdn数据中心网络最大概率路径流调度方法及装置 |
WO2018004639A1 (en) * | 2016-07-01 | 2018-01-04 | Hewlett Packard Enterprise Development Lp | Load balancing |
CN106341346B (zh) * | 2016-09-08 | 2019-07-19 | 重庆邮电大学 | 基于SDN的数据中心网络中一种保障QoS的路由算法 |
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 |
CN108289064B (zh) * | 2018-04-23 | 2021-07-27 | 清华大学深圳研究生院 | 一种数据中心网中混合式负载均衡方法 |
-
2018
- 2018-12-28 CN CN201811617853.4A patent/CN109547340B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108513330A (zh) * | 2018-03-09 | 2018-09-07 | 西安电子科技大学 | 一种基于网络情境感知的路由协议分布式自适应切换方法 |
CN109067646A (zh) * | 2018-08-15 | 2018-12-21 | 成都理工大学 | 一种在流表容量受限时的sdn网络流量优化方案 |
CN108900419A (zh) * | 2018-08-17 | 2018-11-27 | 北京邮电大学 | Sdn架构下基于深度强化学习的路由决策方法及装置 |
Non-Patent Citations (1)
Title |
---|
Detection and Mitigation of Congestion in SDN enabled Data Center Networks: A Survey;Taimur Hafeez等;《IEEE Access》;20171206;第6卷;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN109547340A (zh) | 2019-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109547340B (zh) | 基于重路由的sdn数据中心网络拥塞控制方法 | |
US20240323114A1 (en) | System and method for facilitating tracer packets in a data-driven intelligent network | |
Tang et al. | Elephant flow detection and load-balanced routing with efficient sampling and classification | |
CN111316605B (zh) | 第3层公平速率拥塞控制通知 | |
CN106357547A (zh) | 一种基于流切片的软件定义网络拥塞控制算法 | |
CN103716208B (zh) | 支持大象流的网络管理方法、系统、交换机和网络 | |
CN108768876B (zh) | 一种面向机器学习框架的流量调度方法 | |
CN109756421B (zh) | 一种基于OpenFlow技术的拥塞控制系统及方法 | |
Carpio et al. | DiffFlow: Differentiating short and long flows for load balancing in data center networks | |
CN102014075B (zh) | 流量监管方法和装置 | |
CN106209669A (zh) | 面向sdn数据中心网络最大概率路径流调度方法及装置 | |
CN107689919B (zh) | Sdn网络的动态调整权重模糊选路方法 | |
CN115277574B (zh) | 一种sdn架构下数据中心网络负载均衡方法 | |
US7961613B2 (en) | System and method of monitoring packets in flight for optimizing packet traffic in a network | |
CN112350949A (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 | |
Wang et al. | An ACO-based elephant and mice flow scheduling system in SDN | |
Liu et al. | An SDN-based hybrid strategy for load balancing in data center networks | |
Danladi et al. | DyRED: An enhanced random early detection based on a new adaptive congestion control | |
CN112671662B (zh) | 数据流加速方法、电子设备和存储介质 | |
WO2010098826A1 (en) | System and method of regulating a packet rate to optimize traffic in a network | |
CN102377670B (zh) | 面向认知网络的用户QoS动态路由调整方法 | |
Prakash et al. | Flow-based Dynamic Load balancing algorithm for the Cloud networks using Software Defined Networks | |
CN115174480A (zh) | 一种负载均衡方法、装置、设备及可读存储介质 | |
Balakiruthiga et al. | A simple congestion avoidance mechanism for opendaylight (odl)-multipath tcp (mptcp) network structure in software defined data center (sddc) | |
Shu et al. | A Dynamic Multipath Load Balancing Algorithm Based on Particle Swarm Optimization in DCN |
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 |