CN111817879A - 一种基于网络节点可控的校园网流量调节优化方法 - Google Patents

一种基于网络节点可控的校园网流量调节优化方法 Download PDF

Info

Publication number
CN111817879A
CN111817879A CN202010552382.4A CN202010552382A CN111817879A CN 111817879 A CN111817879 A CN 111817879A CN 202010552382 A CN202010552382 A CN 202010552382A CN 111817879 A CN111817879 A CN 111817879A
Authority
CN
China
Prior art keywords
network
node
flow
nodes
controllable
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
Application number
CN202010552382.4A
Other languages
English (en)
Other versions
CN111817879B (zh
Inventor
余建
张武威
林志兴
刘孙发
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.)
Sanming University
Original Assignee
Sanming 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 Sanming University filed Critical Sanming University
Priority to CN202010552382.4A priority Critical patent/CN111817879B/zh
Publication of CN111817879A publication Critical patent/CN111817879A/zh
Application granted granted Critical
Publication of CN111817879B publication Critical patent/CN111817879B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14Network analysis or design
    • H04L41/142Network analysis or design using statistical or mathematical methods
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/12Discovery or management of network topologies
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14Network analysis or design
    • H04L41/145Network analysis or design involving simulating, designing, planning or modelling of a network
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L47/00Traffic control in data switching networks
    • H04L47/10Flow control; Congestion control
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00Network arrangements or protocols for supporting network services or applications
    • H04L67/01Protocols
    • H04L67/12Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • Algebra (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Physics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Pure & Applied Mathematics (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明适用于网络管理技术领域,提供了一种基于网络节点可控的校园网流量调节优化方法,首先从流量可控的校园网流量优化角度出发,建立了SDN校园网流量拓扑模型,然后针对校园网环境的部署,建立限速网络节点备权重体系指标。最后基于流量可控判定理论,根据SDN校园网中流量可控性判定方法,通过匹配的网络汇聚节点对校园网流量进行限速并提出优化方法,实现对SDN校园网带宽流量的优化控制。

Description

一种基于网络节点可控的校园网流量调节优化方法
技术领域
本发明属于网络管理技术领域,尤其涉及一种基于网络节点可控的校园网流量调节优化方法。
背景技术
近些年许多高校的校园网流量增速太快,而运营商带宽价格的昂贵,部份学校在经费有限的情况下很难扩容,导致中午放学和晚高峰时段网络带宽堵塞情况时常发生,给校园网的运营管理提出更高要求。随着网络结构扁平化推进,许多网络节点开始采用OpenFolw交换机进行管控。传统的网络流量限速方法已经无法适应其突然增长的大流量、上网人数密集、网络拓扑关系复杂等特点。本文从SDN(软件自定义网络)的校园网网络流量可控性角度对网络节点中的流量进行策略调节和优化限速,为网络流量调节提供了新的视角。
由于近些年来网络流量的使用量都在不断增大,网络的流量如何优化调节而又不影响上网的用户体验的相关问题研究引起了众多学者的关注。公绪晓等人通过对校园网流量多维度行为分析,提出了更细粒度的流量优化策略对校园网流量进行了优化。程尚等人在混合SDN中的流量优化问题中,改进遗传算法与贪心算法,调整SDN交换机的部署方案,对流量按比例分离,同时禁用部分无效网络链路,调整链路最大负载,最终实现对网络环境的优化。Panopticon、Fibbing等通过网络中的SDN交换机,将流量牵引至SDN交换机,以达到对网络的部分控制。以上方法局限于SDN交换机的部署,并没有去分析SDN中节点最大流问题,同时并没有考虑到SDN网络的节点的限速及策略优化。
在对SDN网络中的流量比例切分可控问题上,Agarwal等人对给定的网络的流量进行切分,最大化的对高流量的数据包进行可控,让数据包转发过程中经过SDN交换机,使整个网络最大链路利用率最小,即最大化的把网络流量控制在一个可控状态。以上方案针对SDN交换机的行为进行优化,未考虑到交换机部署位置,同时缺少SDN控制器,难以统一管理整个网络流量,且缺乏对网络可控的研究。
发明内容
本发明提供一种基于网络节点可控的校园网流量调节优化方法,旨在解决现有技术存在的问题。
本发明是这样实现的,一种基于网络节点可控的校园网流量调节优化方法,包括以下步骤:
S1、定义校园网网络:将节点的流量到核心节点的流量记作一个有向连通图N=(V,E);
将N中的目的点记为z,初发点记为s;
其中,V为汇聚交换机集合,每一个交换机为一个节点,E为相邻节点之间网络流量转移的形成的边;
S2、选取N中任一初始匹配边,若匹配边中的所有顶点都被z匹配,则表明z为一个完全匹配,返回,说明网络当前处于可控状态;否则,以所有未匹配节点为源点进行一次广度优先搜索,标记各个点到源点的距离;
将当前网络节点数量记为
Figure BDA0002543036940000021
计网络可控条件节点为min(Ki);
S3、当
Figure BDA0002543036940000022
时,在V中查找未能匹配的节点nod0,标识为S={nod0};
Figure BDA0002543036940000023
为量值为S的节点;
S4、当N(S)>min(Ki)时,匹配达到最大值,返回;当N(S)<min(Ki)时,取nod'0∈N(S);
S5、如果节点nod'0已经被Z匹配,则V中的一条边(nod'0,nod”0),S=S∪{nod”0},Γ=Γ{nod'0},执行S2;判断该网络节点是否是可控节点,当判断为可控节点时,同时保留其对应相连接的其他网络节点;否则做一条nod0到nod'0的z增广路径p(nod0,nod'0),取z=zΔp(nod0,nod'0),逐级搜索与对应节点中节点权重指标数y值大的节点,直至匹配成功;
S7、网络节点数量
Figure BDA0002543036940000031
时,开始去除网络流量≥W的头节点,同时以流量限速阀值P为标准,如果高于流量值P则逐次迭代删除;直到
Figure BDA0002543036940000032
生成基于网络节点可控的新集合。
优选的,在所述步骤S1之前,进一步还包括:
S01、构建SDN网络节点流量拓扑模型:OpenFlow汇聚交换机定义为网络拓扑的节点,如果两台OpenFlow汇聚交换机之间有流量变动,则这两台OpenFlow汇聚交换机间存在边连接,用户上网的流量为边的权重,当多台OpenFlow汇聚交换机连接成网时,这就形成了整张校园网的流量模型,构成SDN校园网网络。
优选的,在所述步骤S01之后,进一步还包括:
S02、构建校园网的IP流量的基本统计指标:
定义量值:节点Ki定义为节点i与邻居节点的连接量值:
Figure BDA0002543036940000033
式中:为0-1变量,表示节点i和j之间的连接关系;
定义网络节点流量强度:节点i和j相连接权重为Wij,网络节点i强度Si定义为:
Figure BDA0002543036940000041
定义网络节点连接度:反映节点在校园网络中的子节点聚集程度。假设节点i和它相连接的边共有Ki个,Ki个节点最多有Ki(Ki-1)/2条边,那么真实存在的边数与Ki(Ki-1)/2的比值定义为节点i的连接度Ci
Figure BDA0002543036940000042
定义节点距离:两个相邻节点i和j间的距离dij,指的是相连节点间的最短路由;节点长度L为:
Figure BDA0002543036940000043
式中:N为一个网络中存在的节点数量;
根据以上网络特性指标,构校园网中限速流量集综合指标权重
y=a1K+a2S+a3C+a4L;
式中:a1,a2,a3,a4为各指标参数,且a1+a2+a3+a4=1。
优选的,在所述步骤S02之后,进一步还包括:
S03、SDN中的网络流量分析:将节点的流量到核心节点的流量看为一个有向连通图N=<V,E>,每一条边<i,j>有一个非负数C(i,j),称作边<i,j>的统计流量;N中的s称作初发点,z称作目的点,其余的顶点称作中间点;称N为SDN网络中总的网络流量,记作N=<V,E,c,s,z>;
设f:E→R*,基中R*是非负数集,满足下述条件:
容量限制
Figure BDA0002543036940000051
平衡条件
Figure BDA0002543036940000052
称f是N上的一个可行流,下发点s的净流量记作v(f),即
Figure BDA0002543036940000053
在统计时段(t+Δt)内,任意节点的流量V(ft+Δt)可以看作其上一个统计时段的节点内流量加上进出节点流量及其上行流量和下行流量之差,其表达式为:
Figure BDA0002543036940000054
式中:V(ft)为t时段内节点的网络流量;V(ut)为t时段内该网络节点的网络上行流量;V(et)为其它节点在t时段内流入节点的网络流量;V(dt)为t时段内节点的网络下行流量;V(ot)为节点在t时段内传输到下一个网络节点的网络流量。
优选的,在所述步骤S03之后,进一步还包括:
S04;判定校园网络流量是否可控:网络流量可控模型为
Figure BDA0002543036940000055
式中:asz表示从s节点到z节点的流量的取值;λ为t时段i节点的流量状态级别。根据文献[3]中SDN交换机相连的链路有高、中、低、关四种状态,λ分别取值为1、2、3、4;K表示该节点限定的流量阀值,当该节点实行了限速调节措施,V(f)sz=1,否则V(f)sz=0;为该节点的调节强度;表示在一定时间范围内被限流后进入可控节点的网络流量与实际发生网络流量需求量的比率,调节率越大调节强度越大,反之则越小;
由卡尔曼可控性秩判定条件,校园网流量可控性的判定模型为:
c=[μ·V(f),μ2·V(f)2...μn-1V(f)n-1];
式中:c为可控矩阵;
根据卡尔曼可控判定方法,当rank(c)≥n时,校园网流量为可控;当rank(c)<n时,校园网流量为不可控。
与现有技术相比,本发明的有益效果是:本发明利用SDN校园网网络的拓扑结构特性,在可控判定理论的基础上,首先从流量可控的校园网流量优化角度出发,建立了SDN校园网流量拓扑模型,然后针对校园网环境的部署,建立限速网络节点备权重体系指标。最后基于流量可控判定理论,根据SDN校园网中流量可控性判定方法,通过匹配的网络汇聚节点对校园网流量进行限速并提出优化方法,实现对SDN校园网带宽流量的优化控制。
附图说明
图1为本发明的SDN校园网网络节点流量有向图示意图。
图2为本发明的实验例的校园网仿真实验拓扑图。
图3为本发明的实验例的24小时内出口总流量可控的限速结果示意图。
图4为本发明的实验例的高峰时段网络延时对比结果示意图。
图5为本发明的实验例的高峰时段的网络丢包对比结果示意图。
图6为本发明的实验例的高峰时段的网络吞吐量对比结果示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
实施例
本发明提供一种技术方案:一种基于网络节点可控的校园网流量调节优化方法,包括以下步骤:
S01、构建SDN网络节点流量拓扑模型:将楼幢OpenFlow汇聚交换机定义为点,将连接两台交换机链接的光纤线路定义为边,构成SDN校园网网络。在核心网部份引入SDN控制器,从而使SDN控制器可以通过交换机间接地了解网络运行状态,监控网络流量,对网络中的问题产生实时的反馈。同时在校园网物理链路基础上叠加网络流量分布与流量通行(上行和下行)状态,通常在校园网中,一般以下行流量为参考。将OpenFlow汇聚交换机定义为网络拓扑的节点,如果两台OpenFlow汇聚交换机之间有流量变动,则这两台OpenFlow汇聚交换机间存在边连接,用户上网的流量为边的权重,当多台OpenFlow汇聚交换机连接成网时,这就形成了整张校园网的流量模型,如图1所示。
S02、由于用户访问资源时,其访问的每个IP访问的流量具有不确定性,单从汇聚交换机当前主干端口的出口流量来判断限速节点,并不能解决校园网整个出口带宽的有效控制。因此本文构建校园网的IP流量的基本统计指标,可从节点数量、流量大小、节点连接度等多维度生成流量限速交换机备选集。
接着构建校园网的IP流量的基本统计指标:
定义量值:节点Ki定义为节点i与邻居节点的连接量值:
Figure BDA0002543036940000071
式中:为0-1变量,表示节点i和j之间的连接关系。
定义网络节点流量强度:节点i和j相连接权重为Wij,网络节点i强度Si定义为:
Figure BDA0002543036940000072
定义网络节点连接度:反映节点在校园网络中的子节点聚集程度。假设节点i和它相连接的边共有Ki个,Ki个节点最多有Ki(Ki-1)/2条边,那么真实存在的边数与Ki(Ki-1)/2的比值定义为节点i的连接度Ci
Figure BDA0002543036940000081
定义节点距离:两个相邻节点i和j间的距离dij,指的是相连节点间的最短路由。节点长度L为:
Figure BDA0002543036940000082
式中:N为一个网络中存在的节点数量。
根据以上网络特性指标,构校园网中限速流量集综合指标权重
y=a1K+a2S+a3C+a4L。
式中:a1,a2,a3,a4为各指标参数,且a1+a2+a3+a4=1。
S03、SDN是一个利用软件定义可通过控制器管理整个局域网流量的网络管理系统,控制器通对OpenFlow协议向SDN交换机下发流表。控制器通过Packet_out包向所有与之相连的交换机发送LLDP包,同时要求交换机发出广播包,这些交换机收到消息后会向其所有端口发送LLDP数据包。OpenFlow交换机收到LLDP数据包后通过Packet_in消息将链路信息发送给控制器。控制器根据收到的Packet_in消息创建网络拓扑。SDN是一种转发控制分离的新型网络架构。实施的控流措施为输入,网络系统内OD的IP流量为状态变量。在非高峰情况下,校园网流量属于可控的范围。但在中午或晚上学生上网高峰情况下,当带宽出口较小的情况下,上网的总流量与校园网总出口带宽数值不相符(大于出口带宽),整个网络流量属于非均衡状态,即为流量不可控状态。那么就需通过SDN控制器采取相应的调节(限速)策略来降低网络中最大流的状态,使总体的带宽保持在可控状态。
然后进行SDN中的网络流量分析:将节点的流量到核心节点的流量看为一个有向连通图N=<V,E>,每一条边<i,j>有一个非负数C(i,j),称作边<i,j>的统计流量。N中的s称作初发点,z称作目的点,其余的顶点称作中间点。称N为SDN网络中总的网络流量,记作N=<V,E,c,s,z>。
设f:E→R*,基中R*是非负数集,满足下述条件:
容量限制
Figure BDA0002543036940000091
平衡条件
Figure BDA0002543036940000092
称f是N上的一个可行流,下发点s的净流量记作v(f),即
Figure BDA0002543036940000093
在统计时段(t+Δt)内,任意节点的流量V(ft+Δt)可以看作其上一个统计时段的节点内流量加上进出节点流量及其上行流量和下行流量之差,其表达式为:
Figure BDA0002543036940000094
式中:V(ft)为t时段内节点的网络流量。V(ut)为t时段内该网络节点的网络上行流量。V(et)为其它节点在t时段内流入节点的网络流量。V(dt)为t时段内节点的网络下行流量。V(ot)为节点在t时段内传输到下一个网络节点的网络流量。
一个SDN网络的流量控制主要是通过SDN控制器对上行流量和下行流量进行调节,虽然未从根本上减少流量需求,但是通过对网络节点流量的限速,使全网流量在高峰时时段达到相对稳定的一个状态。这就好比公路网中一个拥堵的路段,在高峰时限制车辆的进入,从尔避免城区的堵塞,网络节点可控的网络流量调节的思路也是一样,从最堵的地方来避免带宽拥挤风险,提高网络传输的可靠性。
判定校园网络流量是否可控:网络流量可控模型为
Figure BDA0002543036940000095
式中:asz表示从s节点到z节点的流量的取值。λ为t时段i节点的流量状态级别。根据文献[3]中SDN交换机相连的链路有高、中、低、关四种状态,λ分别取值为1、2、3、4。K表示该节点限定的流量阀值,当该节点实行了限速调节措施,V(f)sz=1,否则V(f)sz=0。为该节点的调节强度。表示在一定时间范围内被限流后进入可控节点的网络流量与实际发生网络流量需求量的比率,调节率越大调节强度越大,反之则越小。
由卡尔曼可控性秩判定条件,校园网流量可控性的判定模型为:
c=[μ·V(f),μ2·V(f)2...μn-1V(f)n-1]。
式中:c为可控矩阵。
根据卡尔曼可控判定方法,当rank(c)≥n时,校园网流量为可控。当rank(c)<n时,校园网流量为不可控。
S1、定义校园网网络N=(V,E)。
其中,V为汇聚交换机集合,E为网络流量转移的区间,Ist为t节点到S节点的网络流量,
Figure BDA0002543036940000107
是量值为S的节点,定义As为下行网络最高流量上限值、P为阀值、W为下行网络流量震荡值、当前网络节点数量
Figure BDA0002543036940000101
网络可控条件节点min(Ki)。
S2、将G=(V,E)二分为:
Figure BDA0002543036940000102
其中,
Figure BDA0002543036940000103
Figure BDA0002543036940000106
表示边集。
S3、选取任一初始匹配边V(f)<i,j>。若V中的所有顶点都被Z匹配,则表明Z为一个完全匹配,返回,说明网络当前处于可控状态。否则,以所有未匹配节点为源点进行一次广度优先搜索,标记各个点到源点的距离。
S4、当时
Figure BDA0002543036940000105
在V中查找未能匹配的节点nod0,标识为S={nod0}。
S5、当N(S)>min(Ki)时,匹配达到最大值,返回。当N(S)<min(Ki)时,取nod'0∈N(S)。
S6、如果节点nod'0已经被Z匹配,则V中的一条边(nod'0,nod”0),S=S∪{nod”0},Γ=Γ{nod'0},执行S3。判断该网络节点是否是可控节点,当判断为可控节点时,同时保留其对应相连接的其他网络节点。否则做一条nod0到nod'0的Z增广路径p(nod0,nod'0),取z=zΔp(nod0,nod'0),逐级搜索与对应节点中节点权重指标数y值大的节点,直至匹配成功。
S7、网络节点数量
Figure BDA0002543036940000111
时,开始去除网络流量≥W的头节点,同时以流量限速阀值P为标准,如果高于流量值P则逐次迭代删除。直到
Figure BDA0002543036940000112
生成基于网络节点可控的新集合。
网络节点可控过程是以一个广度搜索为周期,随着节点限流策略的部署和局域网内流量的稳定,当重复以上步骤,将停止限流策略或减少限速节点,直至网络流量呈可控状态。
实验例
为了验证SDN校园网中流量可控性判定对网络汇聚节点流量限速优化方法的有效性,在Openet的环境下搭建SDN的网络仿真平台。以某大学的校园网拓扑为环境(一般高校的校园网出口都是集中出口),并以1G的出口带宽为基准,测试时长为24小时,从图2可知,由于节点A中汇聚了好多个子节点,根据对节点权重指标的计算,对匹配节点A进行限流管理,同时对总出口带宽进行数据分析,实验部份结果选取中午和晚上上网高峰时段的数值,仿真拓扑图如图2所示。
用户的上网流量,根据实验的网络拓扑,所有的流量都将汇聚到核心交换节点上,并通过出口设备访问外网。把节点流向出口设备的链路看成一条有向边,方向流向出口方向。在仿真实验中,选取晚上上网的高峰时段,根据出口设备的流量记录,得到晚上20点至21点每隔10分钟一个流量状态矩阵V(ft)如下式(10)所示。
Figure BDA0002543036940000121
由于实验的测试总带宽为1G,高峰时段由于网络流量负载较高,假设在高峰时段选取的流量阈值k为950M,当流量值超过950M时,即触发调节机制,先流量矩阵可转变为如下式11所示,可以看出高峰时段的已有多个流量值都已达到限速条件:
Figure BDA0002543036940000122
式(12)是根据式(11)中触发的流量值构成的输入矩阵。由于验证的流量数据是高峰时段,所以限速节点会根据阀值自动触发限速策略。根据卡尔曼的网络流量可控判定方法,将矩阵V(ft)即变换为一个由0和1构成的的矩阵,如下式所示:
Figure BDA0002543036940000123
综上所述,本发明首先从流量可控的校园网流量优化角度出发,建立了SDN校园网流量拓扑模型,然后针对校园网环境的部署,建立限速网络节点备权重体系指标。最后基于流量可控判定理论,根据SDN校园网中流量可控性判定方法,通过匹配的网络汇聚节点对校园网流量进行限速并提出优化方法,实现对SDN校园网带宽流量的优化控制。
为验证本专利所提出的通过匹配的网络汇聚节点对校园网流量进行限速并提出优化方法的优点,本实验例采用的实验主要内容:(1)同一网络拓扑环境下,采用流量可控判定方法与正常流量情况在相同带宽下的对比;(2)不同方法下的网络吞吐量对比;(3)SDN控制对网络流量的限制,可能会导致数据报文的丢失,导致网络延时加大以及网络数据丢失,该实验将验证不同方法下的网络延时以及网络丢包率对比。
根据实验拓扑,对节点A进行流量限流,当节点A限流后,将使核心节点的网络负载更加均衡,从而减少了出口链路的负载,当流量可控策略生效后,网络出口流量将平稳下降,当网络拓扑较为复杂时,限速节点也将增多,大流量的数链路流量将被控制,网络出口带宽保持在相对稳定的状态。图3中限速的流量值明显低于正常流量值,网络处于可控状态。
网络延时时间是检验网络性能的一项重要的指标,延时时间越大,网络性能越差。知道,局域网内一般用户和网络出口设备延时基本上在几毫秒以内。如果延时时间太大,将大大影响用户的上网体验。图4中,看到流量可控的网络流量限速方法延迟基本保持在1-2毫秒之间。
交换机节点限速同时,实际是上如果流量超出限制网络节点权重时,SDN控制器会将匹配节点超出阀值的流量包丢弃掉,这就会出现网络丢包的情况发生。在实验中,通过终端用户ping网络中的出口设备IP,来检验本方法及其他方法的丢包情况,还是选取网络高峰时段,比较以下不同方法的丢包率,结果如图5所示。可以看出流量可控的限速优化方法丢包率基本保持在3%以下,对上网用户的影响来看,网络运行相对可靠。
在一个大的局域网内,吞吐量的大小往往代表着其网络带宽的开销,吞吐率越小,说明网络的开销也越小,反之,开销越大。当然,本文重要也是考虑一个网络的负载均衡,在限速优化的同时,也应考虑到对单个用户的影响。将文献[5]、文献[6]的限速方法和本文流量可控的限速方法进行网络流量管理,选取晚上网络高峰时段,对比结果如图6所示。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。

Claims (5)

1.一种基于网络节点可控的校园网流量调节优化方法,其特征在于:包括以下步骤:
S1、定义校园网网络:将节点的流量到核心节点的流量记作一个有向连通图N=(V,E);
将N中的目的点记为z,初发点记为s;
其中,V为汇聚交换机集合,每一个交换机为一个节点,E为相邻节点之间网络流量转移的形成的边;
S2、选取N中任一初始匹配边,若匹配边中的所有顶点都被z匹配,则表明z为一个完全匹配,返回,说明网络当前处于可控状态;否则,以所有未匹配节点为源点进行一次广度优先搜索,标记各个点到源点的距离;
将当前网络节点数量记为
Figure FDA0002543036930000011
计网络可控条件节点为min(Ki);
S3、当
Figure FDA0002543036930000012
时,在V中查找未能匹配的节点nod0,标识为S={nod0};
Figure FDA0002543036930000013
为量值为S的节点;
S4、当N(S)>min(Ki)时,匹配达到最大值,返回;当N(S)<min(Ki)时,取nod'0∈N(S);
S5、如果节点nod'0已经被Z匹配,则V中的一条边(nod'0,nod″0),S=S∪{nod″0},Γ=Γ{nod'0},执行S2;判断该网络节点是否是可控节点,当判断为可控节点时,同时保留其对应相连接的其他网络节点;否则做一条nod0到nod'0的z增广路径p(nod0,nod'0),取z=zΔp(nod0,nod'0),逐级搜索与对应节点中节点权重指标数y值大的节点,直至匹配成功;
S7、网络节点数量
Figure FDA0002543036930000014
时,开始去除网络流量≥W的头节点,同时以流量限速阀值P为标准,如果高于流量值P则逐次迭代删除;直到
Figure FDA0002543036930000021
生成基于网络节点可控的新集合。
2.如权利要求1所述的一种基于网络节点可控的校园网流量调节优化方法,其特征在于:在所述步骤S1之前,进一步还包括:
S01、构建SDN网络节点流量拓扑模型:OpenFlow汇聚交换机定义为网络拓扑的节点,如果两台OpenFlow汇聚交换机之间有流量变动,则这两台OpenFlow汇聚交换机间存在边连接,用户上网的流量为边的权重,当多台OpenFlow汇聚交换机连接成网时,这就形成了整张校园网的流量模型,构成SDN校园网网络。
3.如权利要求2所述的一种基于网络节点可控的校园网流量调节优化方法,其特征在于:在所述步骤S01之后,进一步还包括:
S02、构建校园网的IP流量的基本统计指标:
定义量值:节点Ki定义为节点i与邻居节点的连接量值:
Figure FDA0002543036930000022
式中:为0-1变量,表示节点i和j之间的连接关系;
定义网络节点流量强度:节点i和j相连接权重为Wij,网络节点i强度Si定义为:
Figure FDA0002543036930000023
定义网络节点连接度:反映节点在校园网络中的子节点聚集程度。假设节点i和它相连接的边共有Ki个,Ki个节点最多有Ki(Ki-1)/2条边,那么真实存在的边数与Ki(Ki-1)/2的比值定义为节点i的连接度Ci
Figure FDA0002543036930000031
定义节点距离:两个相邻节点i和j间的距离dij,指的是相连节点间的最短路由;节点长度L为:
Figure FDA0002543036930000032
式中:N为一个网络中存在的节点数量;
根据以上网络特性指标,构校园网中限速流量集综合指标权重
y=a1K+a2S+a3C+a4L;
式中:a1,a2,a3,a4为各指标参数,且a1+a2+a3+a4=1。
4.如权利要求3所述的一种基于网络节点可控的校园网流量调节优化方法,其特征在于:在所述步骤S02之后,进一步还包括:
S03、SDN中的网络流量分析:将节点的流量到核心节点的流量看为一个有向连通图N=<V,E>,每一条边<i,j>有一个非负数C(i,j),称作边<i,j>的统计流量;N中的s称作初发点,z称作目的点,其余的顶点称作中间点;称N为SDN网络中总的网络流量,记作N=<V,E,c,s,z>;
设f:E→R*,基中R*是非负数集,满足下述条件:
容量限制
Figure FDA0002543036930000033
f(i,j)≤c(i,j);
平衡条件
Figure FDA0002543036930000034
Figure FDA0002543036930000035
称f是N上的一个可行流,下发点s的净流量记作v(f),即
Figure FDA0002543036930000041
在统计时段(t+Δt)内,任意节点的流量V(ft+Δt)可以看作其上一个统计时段的节点内流量加上进出节点流量及其上行流量和下行流量之差,其表达式为:
Figure FDA0002543036930000042
式中:V(ft)为t时段内节点的网络流量;V(ut)为t时段内该网络节点的网络上行流量;V(et)为其它节点在t时段内流入节点的网络流量;V(dt)为t时段内节点的网络下行流量;V(ot)为节点在t时段内传输到下一个网络节点的网络流量。
5.如权利要求4所述的一种基于网络节点可控的校园网流量调节优化方法,其特征在于:在所述步骤S03之后,进一步还包括:
S04;判定校园网络流量是否可控:网络流量可控模型为
Figure FDA0002543036930000043
式中:asz表示从s节点到z节点的流量的取值;λ为t时段i节点的流量状态级别。根据文献[3]中SDN交换机相连的链路有高、中、低、关四种状态,λ分别取值为1、2、3、4;K表示该节点限定的流量阀值,当该节点实行了限速调节措施,V(f)sz=1,否则V(f)sz=0;为该节点的调节强度;表示在一定时间范围内被限流后进入可控节点的网络流量与实际发生网络流量需求量的比率,调节率越大调节强度越大,反之则越小;
由卡尔曼可控性秩判定条件,校园网流量可控性的判定模型为:
c=[μ·V(f),μ2·V(f)2...μn-1V(f)n-1];
式中:c为可控矩阵;
根据卡尔曼可控判定方法,当rank(c)≥n时,校园网流量为可控;当rank(c)<n时,校园网流量为不可控。
CN202010552382.4A 2020-06-17 2020-06-17 一种基于网络节点可控的校园网流量调节优化方法 Active CN111817879B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010552382.4A CN111817879B (zh) 2020-06-17 2020-06-17 一种基于网络节点可控的校园网流量调节优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010552382.4A CN111817879B (zh) 2020-06-17 2020-06-17 一种基于网络节点可控的校园网流量调节优化方法

Publications (2)

Publication Number Publication Date
CN111817879A true CN111817879A (zh) 2020-10-23
CN111817879B CN111817879B (zh) 2023-04-07

Family

ID=72845108

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010552382.4A Active CN111817879B (zh) 2020-06-17 2020-06-17 一种基于网络节点可控的校园网流量调节优化方法

Country Status (1)

Country Link
CN (1) CN111817879B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160057052A1 (en) * 2014-08-21 2016-02-25 Telefonaktiebolaget L M Ericsson (Publ) Method and system of checkpoint and rollback recovery for forwarding states of a software-defined networking (sdn) system
CN105471954A (zh) * 2014-09-11 2016-04-06 北京智梵网络科技有限公司 基于sdn网络的分布式控制系统与用户流量优化方法
CN106101163A (zh) * 2016-08-29 2016-11-09 北京工业大学 基于OpenFlow的网络架构安全监控系统
CN107104826A (zh) * 2017-04-05 2017-08-29 电子科技大学 一种基于sdn和nfv的网控编码方法
CN110191061A (zh) * 2019-05-07 2019-08-30 荆楚理工学院 一种基于sdn技术的校园网管理系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160057052A1 (en) * 2014-08-21 2016-02-25 Telefonaktiebolaget L M Ericsson (Publ) Method and system of checkpoint and rollback recovery for forwarding states of a software-defined networking (sdn) system
CN105471954A (zh) * 2014-09-11 2016-04-06 北京智梵网络科技有限公司 基于sdn网络的分布式控制系统与用户流量优化方法
CN106101163A (zh) * 2016-08-29 2016-11-09 北京工业大学 基于OpenFlow的网络架构安全监控系统
CN107104826A (zh) * 2017-04-05 2017-08-29 电子科技大学 一种基于sdn和nfv的网控编码方法
CN110191061A (zh) * 2019-05-07 2019-08-30 荆楚理工学院 一种基于sdn技术的校园网管理系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
HENRIQUE RODRIGUES.ETC: ""Traffic Optimization in Multi-layered WANs Using SDN"", 《2014 IEEE 22ND ANNUAL SYMPOSIUM ON HIGH-PERFORMANCE INTERCONNECTS》 *
黄国富: ""基于SDN的校园网路优化策略研究"", 《青岛农业大学学报》 *

Also Published As

Publication number Publication date
CN111817879B (zh) 2023-04-07

Similar Documents

Publication Publication Date Title
Yu et al. DROM: Optimizing the routing in software-defined networks with deep reinforcement learning
CN112491714B (zh) SDN环境下基于深度强化学习的智能QoS路由优化方法、系统
Han et al. Multi-path tcp: a joint congestion control and routing scheme to exploit path diversity in the internet
CN108449265B (zh) 一种sd-wan环境中路径计算方法及装置
CN103346922B (zh) 基于sdn的确定网络状态的控制器及其确定方法
CN112437020A (zh) 一种基于深度强化学习的数据中心网络负载均衡方法
CN110275437B (zh) Sdn网络流量优势监控节点动态选择系统及其方法
CN109617819B (zh) 基于流量分类的软件定义回程网络路由方法
CN107689919A (zh) Sdn网络的动态调整权重模糊选路方法
CN116390164A (zh) 一种低轨卫星网络可信负载均衡路由方法、系统、设备及介质
CN108183828B (zh) 一种基于局部无线网络拓扑的流量控制方法
Chen et al. Rlmr: reinforcement learning based multipath routing for sdn
Todorov et al. Load balancing model based on machine learning and segment routing in SDN
CN114448899A (zh) 一种均衡数据中心网络负载的方法
Zhang et al. DSOQR: Deep Reinforcement Learning for Online QoS Routing in SDN‐Based Networks
CN108712336B (zh) 一种提高无标度网络传输容量的局部信息动态路由方法
CN111817879B (zh) 一种基于网络节点可控的校园网流量调节优化方法
CN107528791A (zh) 一种拥塞控制方法及设备
Dawood et al. Adaptive performance evaluation for SDN based on the statistical and evolutionary algorithms
Liu et al. Flow splitting scheme over link‐disjoint multiple paths in software‐defined networking
Jawad et al. Prototype design for routing load balancing algorithm based on fuzzy logic
AIDA et al. Stability analysis for global performance of flow control in high-speed networks based on statistical physics
SelvaKumar et al. Network Traffic Control Using AI
Gu et al. Research on congestion control link algorithm of computer network based on sdn
CN117596151A (zh) 基于强化学习的电力信息系统网络拓扑动态调整方法及系统

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