CN109787913A - 一种基于sdn的数据中心网络动态负载均衡方法 - Google Patents
一种基于sdn的数据中心网络动态负载均衡方法 Download PDFInfo
- Publication number
- CN109787913A CN109787913A CN201910196434.6A CN201910196434A CN109787913A CN 109787913 A CN109787913 A CN 109787913A CN 201910196434 A CN201910196434 A CN 201910196434A CN 109787913 A CN109787913 A CN 109787913A
- Authority
- CN
- China
- Prior art keywords
- path
- link
- network
- stream
- flow table
- 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
Landscapes
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
一种基于SDN的数据中心网络动态负载均衡方法,属于SDN中负载均衡相关领域。本方法实时获取全网视图,结合数据中心网络流量特点,考虑老鼠流对交换机流表负载的影响以及大象流对链路负载的影响,通过评价函数为流量选取最优路径。并且周期性监测网络状态,对路由策略进行调整。从而缓解网络拥塞,减少丢包,提高网络利用率,达到优化网络性能的目标。在SDN网络传输中,控制器计算并存储各接入层交换机间的多条备选路径,将新流视为老鼠流并为其选择流表评分最高的路径进行路由,以实现流表均衡。一旦监测到大象流,对大象流进行重路由以均衡链路负载。周期性监测网络负载均衡情况,在网络负载不均衡时利用组表实现有效快速的分流。本方法使得网络性能得到很大提升。
Description
技术领域
本发明属于SDN中负载均衡相关领域,尤其涉及一种基于SDN的数据中心网络动态负载均衡方法。
背景技术
近年来,物联网、云计算等新一代IT技术发展迅速,导致网络流量爆炸,数据中心规模急剧增长。提高数据中心网络的性能对各项业务的健康发展有着重大意义。
传统数据中心网络中,网络设备独立进行转发,没有统一的决策机制。这使得传统数据中心网络灵活度低且网络性能不佳。借助SDN架构控制与转发分离、集中控制的优势,能够实时监控网络流量,获取网络信息,对网络流量进行灵活的调度。在SDN网络中,由于链路上流量分配不均衡、交换机流表空间有限,可能导致网络拥塞、丢包、带宽利用率低下,网络性能下降。同时,数据中心网络的流量具有明显的“大小流”特征。大象流(大流),主要由数据存储、数据备份等数据传输类服务产生,在网络中持续时间长,带宽需求大。老鼠流(小流),主要由在线游戏、视屏会议、搜索等即时通信类业务产生,在网络中持续时间短,带宽需求低,对网络延时的敏感性更强。因此,针对数据中心流量特点,对流量进行有效控制,保证网络利用率,实现有效的负载均衡策略,是数据中心网络中需解决的核心问题。
发明内容
本发明要解决的技术问题是:提供一种基于SDN的数据中心网络动态负载均衡方法。针对网络链路负载不均衡、交换机流表容量有限等问题,实时获取全网视图,结合数据中心流量特点,动态选择最优路径。从而缓解网络拥塞,减少丢包,提高网络利用率,达到优化网络性能的目标。
为解决上述问题,本发明采用如下的技术方案:
一种基于SDN的数据中心网络动态负载均衡方法。仿真平台的选择如下:
Mininet搭建网络拓扑、RYU作为控制器、iperf生成数据流量。由数据中心网络流量特点可知,老鼠流对网络链路负载影响不大,但对交换机流表容量有很大影响;大象流则相反。因此,本发明采用流表负载均衡与链路负载均衡相结合的方法来优化网络性能。控制器计算并存储各接入层交换机间的多条备选路径,将新流看作是老鼠流并为其选择流表评分最高的路径进行路由。一旦监测到大象流,将大象流重路由到链路评分最高的路径上。当网络负载不均衡时,选择合适的大象流进行分流。
该方法包括以下步骤:
步骤1:控制器根据监测到的网络拓扑,计算得到各接入层交换机间的k条备选路径,并存储到路径表path_table中。
步骤2:控制器周期性获取并更新交换机流表已用容量、交换机端口流量信息及流表流量信息。
步骤3:当一条新流到达网络,根据源目的主机IP,判断主机所连接的交换机是否已知。若未知,则通过ARP协议获得相连的交换机及连接端口;若已知,则查找path_table,得到两主机间k条备选路径。
步骤4:从k条备选路径中选取最优转发路径。其中,最优转发路径为评分最高的路径。评分的具体计算方法如下:
步骤4.1:计算路径上各交换机的流条目代价增量:
其中,tablei表示交换机i的流表,为交换机i的流表的流条目代价增量,其代表流量通过交换机i时给该交换机流表带来的负担。f(x)为流条目代价函数,表示如下:
a,b,α,β取相应值,使f(x)满足连续、单调增,且为凸函数。Cmax为流表最大容量,kCmax为流表拥塞阈值,k的取值为0-1之间。x代入流表已用容量。
步骤4.2:计算路径最小流表剩余容量:
其中,代表路径path上的交换机sn的流表剩余容量。
步骤4.3:综合考虑路径流条目带宽增量和路径最小流表剩余容量,得到路径评分:
步骤5:对最优路径上的所有交换机下发流表。
步骤6:周期性监测网络中的大象流。通过步骤2得到的流表流量信息对流大小进行计算,流的大小可由下式得到:
f=(bt+T-bt)/T
其中,bt为t时刻流的总字节数,bt+T为t+T时刻流的总字节数,T为监测周期。
设置大象流阈值fth,该阈值取0.5%Bmax,Bmax为链路最大带宽。若流大小超过fth,则判断该流为大象流,否则为老鼠流。
步骤7:为监测到的大象流计算重路由路径。这里计算两条路径,一条主路径和一条备份路径。大象流默认通过主路径传输,备份路径用于当网络状况不佳时为主路径分担部分流量以实现负载均衡。从k条备选路径中选择得分最高的路径作为大象流的主路径,从剩余路径中选择与主路径无重合链路且得分最高的路径作为备份路径。评分的具体计算方法如下:
步骤7.1:计算链路带宽代价增量:
其中,linkj表示链路j,为链路j的链路带宽代价增量,v为流量大小。g(y)为链路带宽代价函数,表示如下:
c,d,γ,μ取相应值,使g(y)满足连续、单调增,且为凸函数。Bmax为链路最大带宽,kBmax为链路拥塞阈值,k的取值为0-1之间。y代入链路已用带宽。
步骤7.2:计算路径最小链路剩余带宽:
Bmin=min{Bj|j∈path}
其中,Bj代表路径path上的链路j的剩余带宽。
步骤7.3:综合考虑路径的链路带宽代价增量和路径最小链路剩余带宽,得到路径评分:
步骤8:为主路径和备份路径上的所有交换机下发流表,并为源交换机下发组表。组表中主路径和备份路径对应action的权重分别设为100、0,使得流量全部通过主路径传输。
步骤9:周期性监测网络链路负载均衡度。设置链路负载均衡阈值δth,δth的选取方法如下:选定一系列δth值进行仿真,最终选取使网络吞吐量最高的δth作为链路负载均衡阈值。若链路负载均衡度连续m个监测周期大于链路负载均衡阈值,则判定网络链路负载不均衡。m的取值应大于1以避免对脉冲流(带宽大,持续时间短)所导致的链路负载不均衡进行不必要的路由策略调整;但不能过大,过大会因没有及时调整路由策略导致网络拥塞。链路负载均衡度δ由下式计算:
其中,N为网络中链路总数,L为网络中链路总集合,Bj(t)为t时刻链路j的已用带宽,Dj(t)为t时刻链路最大带宽,uj(t)为t时刻链路带宽利用率,uave(t)为t时刻全网链路平均带宽利用率。
步骤10:当链路负载不均衡时,触发分流机制。分流机制的具体方法如下:
步骤10.1:选择网络中链路带宽利用率最大的链路。
步骤10.2:选择该链路上最大的大象流。
步骤10.3:判断该大象流的备份路径上是否存在拥塞链路。这里对拥塞链路的定义为:链路带宽利用率大于拥塞阈值。
步骤10.4:若备份路径上不存在拥塞链路,则更新源交换机中组表,使主路径与备份路径对应action的权重比为两路径最小链路剩余带宽比,实现流量分配。
步骤10.5:若备份路径上存在拥塞链路,则重新计算出一条备份路径用于分流。新的备份路径的选择方法如下:从该大象流的k条备选路径中,选择除主路径之外路径最小剩余带宽最大的路径作为新备份路径。为主路径和备份路径上的交换机下发新的流表,并为源交换机下发新的组表。
步骤11:再次判断网络负载是否均衡。若仍不均衡,重复步骤10。
本发明通过实时获取的网络信息,充分考虑数据中心网络流量特点,为流量动态选择最优转发路径,实现链路及交换机流表的负载均衡,从而缓解网络拥塞、减少丢包、提高带宽利用率,使网络性能得到优化。
附图说明
图1为网络拓扑图;
图2为初始化路径计算的显示信息;
图3为端口流量信息统计;
图4为流表流量信息统计;
图5为大象流重路由路径计算的显示信息;
图6为分流机制触发的显示信息;
图7为大象流备份路径无拥塞时的路由信息;
图8为大象流备份路径拥塞时的路由信息;
图9为本方案实施的流程图。
图10为分流机制的流程图。
具体实施方式
下面结合附图1-8和实例对本发明做进一步说明:
本发明提供一种基于SDN的数据中心网络动态负载均衡方法,包括以下步骤:
步骤1:控制器根据监测到的网络拓扑,计算得到各接入层交换机间的k条备选路径,并存储到路径表path_table中。
path_table结构如下表1所示:
步骤2::控制器周期性获取并更新交换机流表已用容量、交换机端口流量信息及流表流量信息。
交换机流表已用容量存储为表2格式:
sw | 1 | 2 | 3 | ... | n |
table_used | 8 | 6 | 12 | ... | 7 |
交换机端口流量信息包含内容如下表3所示:
datapath | 交换机编号 |
port | 端口号 |
rx_pkts | 接收数据包 |
rx_bytes | 接收字节 |
rx_error | 接收错误 |
tx_pkts | 输出数据包 |
tx_bytes | 输出字节 |
tx_error | 输出错误 |
port_speed | 端口速度 |
current_capacity | 当前容量 |
流表流量信息包含内容如下表4所示:
datapath | 交换机编号 |
in_port | 入端口号 |
ip_dst | 目的IP |
out_port | 出端口号 |
packets | 数据包总数 |
bytes | 字节总数 |
步骤3:当一条新流到达网络,根据源目的主机IP,判断主机所连接的交换机是否已知。若未知,则通过ARP协议获得相连的交换机及连接端口;若已知,则查找path_table,得到两主机间k条备选路径。
步骤4:从k条备选路径中选取最优转发路径。其中,最优转发路径为评分最高的路径。评分的具体计算方法如下:
步骤4.1:计算路径上各交换机的流条目代价增量:
其中,tablei表示交换机i的流表,为交换机i的流表的流条目代价增量,其代表流量通过交换机i时给该交换机流表带来的负担。f(x)为流条目代价函数,表示如下:
a,b,α,β取相应值,使f(x)满足连续、单调增,且为凸函数。Cmax为流表最大容量,kCmax为流表拥塞阈值,k的取值为0-1之间。x代入流表已用容量。
步骤4.2:计算路径最小流表剩余容量:
其中,代表路径path上的交换机sn的流表剩余容量。
步骤4.3:综合考虑路径流条目带宽增量和路径最小流表剩余容量,得到路径评分:
步骤5:对最优路径上的所有交换机下发流表。
步骤6:周期性监测网络中的大象流。通过步骤2得到的流表流量信息对流大小进行计算,流的大小可由下式得到:
f=(bt+T-bt)/T
其中,bt为t时刻流的总字节数,bt+T为t+T时刻流的总字节数,T为监测周期。
设置大象流阈值fth,该阈值取0.5%Bmax,Bmax为链路最大带宽。若流大小超过fth,则判断该流为大象流,否则为老鼠流。
步骤7:为监测到的大象流计算重路由路径。这里计算两条路径,一条主路径和一条备份路径。大象流默认通过主路径传输,备份路径用于当网络状况不佳时为主路径分担部分流量以实现负载均衡。从k条备选路径中选择得分最高的路径作为大象流的主路径,从剩余路径中选择与主路径无重合链路且得分最高的路径作为备份路径。评分的具体计算方法如下:
步骤7.1:计算链路带宽代价增量:
其中,linkj表示链路j,为链路j的链路带宽代价增量,v为流量大小。g(y)为链路带宽代价函数,表示如下:
c,d,γ,μ取相应值,使g(y)满足连续、单调增,且为凸函数。Bmax为链路最大带宽,kBmax为链路拥塞阈值,k的取值为0-1之间。y代入链路已用带宽。
步骤7.2:计算路径最小链路剩余带宽:
Bmin=min{Bj|j∈path}
其中,Bj代表路径path上的链路j的剩余带宽。
步骤7.3:综合考虑路径的链路带宽代价增量和路径最小链路剩余带宽,得到路径评分:
步骤8:为主路径和备份路径上的所有交换机下发流表,并为源交换机下发组表。组表中主路径和备份路径对应action的权重分别设为100、0,使得流量全部通过主路径传输。
步骤9:周期性监测网络链路负载均衡度。设置链路负载均衡阈值δth,δth的选取方法如下:选定一系列δth值进行仿真,最终选取使网络吞吐量最高的δth作为链路负载均衡阈值。若链路负载均衡度连续m个监测周期大于链路负载均衡阈值,则判定网络链路负载不均衡。m的取值应大于1以避免对脉冲流(带宽大,持续时间短)所导致的链路负载不均衡进行不必要的路由策略调整;但不能过大要小于5,过大会因没有及时调整路由策略导致网络拥塞。链路负载均衡度δ由下式计算:
其中,N为网络中链路总数,L为网络中链路总集合,Bj(t)为t时刻链路j的已用带宽,Dj(t)为t时刻链路最大带宽,uj(t)为t时刻链路带宽利用率,uave(t)为t时刻全网链路平均带宽利用率。
步骤10:当链路负载不均衡时,触发分流机制。分流机制的具体方法如下:
步骤10.1:选择网络中链路带宽利用率最大的链路。
步骤10.2:选择该链路上最大的大象流。
步骤10.3:判断该大象流的备份路径上是否存在拥塞链路。这里对拥塞链路的定义为:链路带宽利用率大于拥塞阈值。
步骤10.4:若备份路径上不存在拥塞链路,则更新源交换机中组表,使主路径与备份路径对应action的权重比为两路径最小链路剩余带宽比,实现分流。
步骤10.5:若备份路径上存在拥塞链路,则重新计算出一条备份路径用于分流。新的备份路径的选择方法如下:从该大象流的k条备选路径中,选择除主路径之外路径最小剩余带宽最大的路径作为新备份路径。为主路径和备份路径上的交换机下发新的流表,并为源交换机下发新的组表。
步骤11:再次判断网络负载是否均衡。若仍不均衡,重复步骤10。
下面运行一个应用此算法的仿真平台,通过仿真来重现该算法的运行机制和效果。
步骤1:Mininet搭建网络拓扑,实现一个4叉胖树拓扑结构,如图1所示。
步骤2:运行Ryu控制器。
步骤3:利用Iperf生成数据流。其中,生成的大象流占80%,老鼠流占20%,并且流到达时间服从泊松分布。
步骤4:在Ryu控制器运行日志中观察该动态负载均衡算法的运行状态。
步骤4.1:计算得到各接入层交换机间的k条备选路径。
步骤4.2:计算各交换机流表已用容量。
步骤4.3:初始化路径计算及流表下发。
图2为初始化路径计算及流表下发的显示信息。包含源目的节点间各备选路径的评分计算细节及最优路径的选取。
步骤4.4:交换机端口流量信息显示。如图3所示。
步骤4.5:交换机流表流量信息显示。如图4所示。
步骤4.6:大象流重路由。
图5为大象流重路由路径计算的显示信息。包含源目的节点间各备选路径的评分计算细节及主路径与备份路径的选取。
步骤4.7:分流。
图6表示分流机制的触发,即在3个连续周期负载均衡度大于负载均衡阈值时进行分流。
当大象流备份路径无拥塞时,直接调整组表权重实现分流,如图7所示。其包含主路径与备份路径的流量分配权重比和需要修改的组表id。
当大象流备份路径发生拥塞时,需重新计算新的备份路径和流量分配权重,如图8所示。
通过上述仿真实验,实现了一种基于SDN的数据中心网络动态负载均衡方法,其中包括网络信息监测、大象流监测、路径评分及流表下发、网络负载均衡监控及路径调整。本发明中所述细节均实现,保证了网络的负载均衡,提升了网络性能。
Claims (1)
1.一种基于SDN的数据中心网络动态负载均衡方法,其特征在于,包括以下步骤:
步骤1:控制器根据监测到的网络拓扑,计算得到各接入层交换机间的k条备选路径,并存储到路径表path_table中;
步骤2:控制器周期性获取并更新交换机流表已用容量、交换机端口流量信息及流表流量信息;
步骤3:当一条新流到达网络,根据源目的主机IP,判断主机所连接的交换机是否已知;若未知,则通过ARP协议获得相连的交换机及连接端口;若已知,则查找path_table,得到两主机间k条备选路径;
步骤4:从k条备选路径中选取最优转发路径;其中,最优转发路径为评分最高的路径;评分的具体计算方法如下:
步骤4.1:计算路径上各交换机的流条目代价增量:
其中,tablei表示交换机i的流表,为交换机i的流表的流条目代价增量,其代表流量通过交换机i时给该交换机流表带来的负担;f(x)为流条目代价函数,表示如下:
a,b,α,β取相应值,使f(x)满足连续、单调增,且为凸函数;Cmax为流表最大容量,kCmax为流表拥塞阈值,k的取值为0-1之间;x代入流表已用容量;
步骤4.2:计算路径最小流表剩余容量:
其中,代表路径path上的交换机sn的流表剩余容量;
步骤4.3:综合考虑路径流条目带宽增量和路径最小流表剩余容量,得到路径评分:
步骤5:对最优路径上的所有交换机下发流表;
步骤6:周期性监测网络中的大象流;通过步骤2得到的流表流量信息对流大小进行计算,流的大小由下式得到:
f=(bt+T-bt)/T
其中,bt为t时刻流的总字节数,bt+T为t+T时刻流的总字节数,T为监测周期;
设置大象流阈值fth,该阈值取0.5%Bmax,Bmax为链路最大带宽;若流大小超过fth,则判断该流为大象流,否则为老鼠流;
步骤7:为监测到的大象流计算重路由路径;这里计算两条路径,一条主路径和一条备份路径;大象流默认通过主路径传输,备份路径用于当网络状况不佳时为主路径分担部分流量以实现负载均衡;从k条备选路径中选择得分最高的路径作为大象流的主路径,从剩余路径中选择与主路径无重合链路且得分最高的路径作为备份路径;评分的具体计算方法如下:
步骤7.1:计算链路带宽代价增量:
其中,linkj表示链路j,为链路j的链路带宽代价增量,v为流量大小;g(y)为链路带宽代价函数,表示如下:
c,d,γ,μ取相应值,使g(y)满足连续、单调增,且为凸函数;Bmax为链路最大带宽,kBmax为链路拥塞阈值,k的取值为0-1之间;y代入链路已用带宽;
步骤7.2:计算路径最小链路剩余带宽:
Bmin=min{Bj|j∈path}
其中,Bj代表路径path上的链路j的剩余带宽;
步骤7.3:综合考虑路径的链路带宽代价增量和路径最小链路剩余带宽,得到路径评分:
步骤8:为主路径和备份路径上的所有交换机下发流表,并为源交换机下发组表;组表中主路径和备份路径对应action的权重分别设为100、0,使得流量全部通过主路径传输;
步骤9:周期性监测网络链路负载均衡度;设置链路负载均衡阈值δth,δth的选取方法如下:选定一系列δth值进行仿真,最终选取使网络吞吐量最高的δth作为链路负载均衡阈值;若链路负载均衡度连续m个监测周期大于链路负载均衡阈值,则判定网络链路负载不均衡;m的取值应大于1小于5;链路负载均衡度δ由下式计算:
其中,N为网络中链路总数,L为网络中链路总集合,Bj(t)为t时刻链路j的已用带宽,Dj(t)为t时刻链路最大带宽,uj(t)为t时刻链路带宽利用率,uave(t)为t时刻全网链路平均带宽利用率;
步骤10:当链路负载不均衡时,触发分流机制;分流机制的具体方法如下:
步骤10.1:选择网络中链路带宽利用率最大的链路;
步骤10.2:选择该链路上最大的大象流;
步骤10.3:判断该大象流的备份路径上是否存在拥塞链路;这里对拥塞链路的定义为:链路带宽大于链路拥塞阈值kBmax
步骤10.4:若备份路径上不存在拥塞链路,则更新源交换机中组表,使主路径与备份路径对应action的权重比为两路径最小链路剩余带宽比,实现分流;
步骤10.5:若备份路径上存在拥塞链路,则重新计算出一条备份路径用于分流;新的备份路径的选择方法如下:从该大象流的k条备选路径中,选择除主路径之外路径最小剩余带宽最大的路径作为新备份路径;为主路径和备份路径上的交换机下发新的流表,并为源交换机下发新的组表;
步骤11:再次判断网络链路负载是否均衡;若链路负载不均衡,重复步骤10。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910196434.6A CN109787913B (zh) | 2019-03-15 | 2019-03-15 | 一种基于sdn的数据中心网络动态负载均衡方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910196434.6A CN109787913B (zh) | 2019-03-15 | 2019-03-15 | 一种基于sdn的数据中心网络动态负载均衡方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109787913A true CN109787913A (zh) | 2019-05-21 |
CN109787913B CN109787913B (zh) | 2022-07-01 |
Family
ID=66489259
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910196434.6A Active CN109787913B (zh) | 2019-03-15 | 2019-03-15 | 一种基于sdn的数据中心网络动态负载均衡方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109787913B (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110191065A (zh) * | 2019-06-08 | 2019-08-30 | 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 |
CN110351187A (zh) * | 2019-08-02 | 2019-10-18 | 中南大学 | 数据中心网络中路径切换粒度自适应的负载均衡方法 |
CN110753054A (zh) * | 2019-10-25 | 2020-02-04 | 电子科技大学 | 基于sdn的匿名通信方法 |
CN111147387A (zh) * | 2019-12-19 | 2020-05-12 | 北京邮电大学 | 一种混合sdn网络的流量控制方法及装置 |
CN111479095A (zh) * | 2020-06-24 | 2020-07-31 | 腾讯科技(深圳)有限公司 | 一种业务处理控制系统、方法及装置 |
CN112118181A (zh) * | 2020-08-18 | 2020-12-22 | 新华三信息安全技术有限公司 | 一种流量调度方法及装置 |
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 |
CN112311674A (zh) * | 2019-07-31 | 2021-02-02 | 北京华为数字技术有限公司 | 报文发送方法、装置及存储介质 |
CN112615798A (zh) * | 2020-11-25 | 2021-04-06 | 华南师范大学 | 一种基于大象流预约的带宽分配方法和设备 |
CN112838990A (zh) * | 2021-01-18 | 2021-05-25 | 北京工业大学 | 大规模软件定义网络的负载均衡方法 |
CN113542362A (zh) * | 2021-06-21 | 2021-10-22 | 网络通信与安全紫金山实验室 | 一种基于可编程asic芯片的负载均衡的流量卸载方法及装置 |
CN113794638A (zh) * | 2021-08-24 | 2021-12-14 | 内蒙古农业大学 | 基于差分进化算法的sdn数据中心网络大象流调度方法 |
CN114448879A (zh) * | 2022-04-07 | 2022-05-06 | 南京邮电大学 | 一种基于sdn的数据中心网络流量调度方法 |
CN114448899A (zh) * | 2022-01-20 | 2022-05-06 | 天津大学 | 一种均衡数据中心网络负载的方法 |
CN114500364A (zh) * | 2021-12-27 | 2022-05-13 | 天翼云科技有限公司 | 业务流传输方法、装置、电子设备及存储介质 |
CN115632986A (zh) * | 2022-09-05 | 2023-01-20 | 鹏城实验室 | 一种路径负载均衡方法和系统 |
CN117240788A (zh) * | 2023-11-15 | 2023-12-15 | 南京邮电大学 | 一种基于sdn的数据中心网络拥塞控制方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN106533960A (zh) * | 2016-12-23 | 2017-03-22 | 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 |
-
2019
- 2019-03-15 CN CN201910196434.6A patent/CN109787913B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN106533960A (zh) * | 2016-12-23 | 2017-03-22 | 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 |
Non-Patent Citations (2)
Title |
---|
孙三山等: "软件定义网络架构下基于流调度代价的数据中心网络拥塞控制路由算法", 《计算机应用》 * |
宛考等: "软件定义网络系统中面向流的调度算法", 《计算机学报》 * |
Cited By (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110191065A (zh) * | 2019-06-08 | 2019-08-30 | 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 |
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 |
CN112311674A (zh) * | 2019-07-31 | 2021-02-02 | 北京华为数字技术有限公司 | 报文发送方法、装置及存储介质 |
CN112311674B (zh) * | 2019-07-31 | 2022-02-25 | 北京华为数字技术有限公司 | 报文发送方法、装置及存储介质 |
CN110351187A (zh) * | 2019-08-02 | 2019-10-18 | 中南大学 | 数据中心网络中路径切换粒度自适应的负载均衡方法 |
CN110753054A (zh) * | 2019-10-25 | 2020-02-04 | 电子科技大学 | 基于sdn的匿名通信方法 |
CN111147387A (zh) * | 2019-12-19 | 2020-05-12 | 北京邮电大学 | 一种混合sdn网络的流量控制方法及装置 |
CN111479095A (zh) * | 2020-06-24 | 2020-07-31 | 腾讯科技(深圳)有限公司 | 一种业务处理控制系统、方法及装置 |
CN111479095B (zh) * | 2020-06-24 | 2020-10-02 | 腾讯科技(深圳)有限公司 | 一种业务处理控制系统、方法及装置 |
CN112118181A (zh) * | 2020-08-18 | 2020-12-22 | 新华三信息安全技术有限公司 | 一种流量调度方法及装置 |
CN112118181B (zh) * | 2020-08-18 | 2022-03-29 | 新华三信息安全技术有限公司 | 一种流量调度方法及装置 |
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 |
CN112615798A (zh) * | 2020-11-25 | 2021-04-06 | 华南师范大学 | 一种基于大象流预约的带宽分配方法和设备 |
CN112615798B (zh) * | 2020-11-25 | 2022-05-17 | 华南师范大学 | 一种基于大象流预约的带宽分配方法和设备 |
CN112838990A (zh) * | 2021-01-18 | 2021-05-25 | 北京工业大学 | 大规模软件定义网络的负载均衡方法 |
CN112838990B (zh) * | 2021-01-18 | 2023-05-23 | 北京工业大学 | 大规模软件定义网络的负载均衡方法 |
CN113542362A (zh) * | 2021-06-21 | 2021-10-22 | 网络通信与安全紫金山实验室 | 一种基于可编程asic芯片的负载均衡的流量卸载方法及装置 |
CN113542362B (zh) * | 2021-06-21 | 2024-04-26 | 网络通信与安全紫金山实验室 | 一种基于可编程asic芯片的负载均衡的流量卸载方法及装置 |
CN113794638A (zh) * | 2021-08-24 | 2021-12-14 | 内蒙古农业大学 | 基于差分进化算法的sdn数据中心网络大象流调度方法 |
CN113794638B (zh) * | 2021-08-24 | 2022-10-14 | 内蒙古农业大学 | 基于差分进化算法的sdn数据中心网络大象流调度方法 |
CN114500364A (zh) * | 2021-12-27 | 2022-05-13 | 天翼云科技有限公司 | 业务流传输方法、装置、电子设备及存储介质 |
CN114448899A (zh) * | 2022-01-20 | 2022-05-06 | 天津大学 | 一种均衡数据中心网络负载的方法 |
CN114448879A (zh) * | 2022-04-07 | 2022-05-06 | 南京邮电大学 | 一种基于sdn的数据中心网络流量调度方法 |
CN115632986A (zh) * | 2022-09-05 | 2023-01-20 | 鹏城实验室 | 一种路径负载均衡方法和系统 |
CN115632986B (zh) * | 2022-09-05 | 2024-05-14 | 鹏城实验室 | 一种路径负载均衡方法和系统 |
CN117240788A (zh) * | 2023-11-15 | 2023-12-15 | 南京邮电大学 | 一种基于sdn的数据中心网络拥塞控制方法 |
CN117240788B (zh) * | 2023-11-15 | 2024-03-08 | 南京邮电大学 | 一种基于sdn的数据中心网络拥塞控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109787913B (zh) | 2022-07-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109787913A (zh) | 一种基于sdn的数据中心网络动态负载均衡方法 | |
CN103685054B (zh) | 基于业务感知的多路径负载均衡方法 | |
CN104767682B (zh) | 路由方法和系统以及分发路由信息的方法和装置 | |
CN104335537B (zh) | 用于层2多播多路径传送的系统和方法 | |
CN107547379B (zh) | 软件定义网络中生成路由控制动作的方法和相关设备 | |
TWI445361B (zh) | 網路伺服器及其平均負載的路由方法 | |
CN106209669B (zh) | 面向sdn数据中心网络最大概率路径流调度方法及装置 | |
CN106059811B (zh) | 通信系统、控制装置、分组转发路径控制方法 | |
Wang et al. | Implementation of multipath network virtualization with SDN and NFV | |
CN106533960A (zh) | 一种基于Fat‑Tree结构的数据中心网络路由方法 | |
CN108289064A (zh) | 一种数据中心网中混合式负载均衡方法 | |
CN113347108B (zh) | 一种基于q-学习的sdn负载均衡方法及系统 | |
CN107094115A (zh) | 一种基于sdn的蚁群优化负载均衡路由算法 | |
CN105791151B (zh) | 一种动态流量控制方法,及装置 | |
CN105743804B (zh) | 一种数据流控制方法和系统 | |
CN103532869B (zh) | 一种流量分担方法及设备 | |
CN107040605A (zh) | 基于sdn的云平台资源调度与管理系统及其应用方法 | |
CN108123878A (zh) | 一种路由方法、装置及数据转发设备 | |
CN108259387A (zh) | 一种通过交换机构建的交换系统及其路由算法 | |
Hamdan et al. | DPLBAnt: Improved load balancing technique based on detection and rerouting of elephant flows in software-defined networks | |
CN114448899A (zh) | 一种均衡数据中心网络负载的方法 | |
KR20170102104A (ko) | 최적 경로 설정을 위한 서비스 기능 체이닝 네트워크 시스템 및 그 방법 | |
CN103067294B (zh) | 多下一跳转发路由器中基于流保序的数据流均衡处理的方法 | |
CN105791113B (zh) | 一种基于sdn的多链路时延均衡方法和系统 | |
CN109067646A (zh) | 一种在流表容量受限时的sdn网络流量优化方案 |
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 |