CN112511453A - Sdn控制器部署方法、设备和存储介质 - Google Patents
Sdn控制器部署方法、设备和存储介质 Download PDFInfo
- Publication number
- CN112511453A CN112511453A CN202011306838.5A CN202011306838A CN112511453A CN 112511453 A CN112511453 A CN 112511453A CN 202011306838 A CN202011306838 A CN 202011306838A CN 112511453 A CN112511453 A CN 112511453A
- Authority
- CN
- China
- Prior art keywords
- harmony
- memory
- controllers
- deployment
- sdn controller
- 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
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
- H04L47/12—Avoiding congestion; Recovering from congestion
- H04L47/125—Avoiding congestion; Recovering from congestion by balancing the load, e.g. traffic engineering
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0893—Assignment of logical groups to network elements
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明实施例涉及软件定义网络领域,公开了一种SDN控制器部署方法。本发明实施例以每个控制域纳管交换机的数量差异以及平均每台交换机拥有的从控制器数量为优化目标,建立组合优化模型;使用和声搜索算法获取组合优化模型的Pareto解,根据Pareto解集获取多控制器部署方案。本发明的实施例以每个控制域纳管交换机的数量差异和平均每台交换机拥有的从控制器数量为优化目标,综合考虑控制器的负载均衡和可用性来部署控制器,降低了网络中流量突发导致控制器间负载差异悬殊所引起的高丢包率、高延迟、低吞吐等带来的影响,有效减少控制器失效导致所纳管的交换机失去软件定义网络功能的情况发生,提升了网络的整体性能,满足SDN实际部署的业务需求。
Description
技术领域
本发明实施例涉及软件定义网络领域,特别涉及一种SDN控制器部署方法、设备和存储介质。
背景技术
软件定义网络(Software Defined Network,SDN)是将网络设备控制面与数据面分离。控制平面是SDN云数据中心的核心,决定了内部流量的路由路径。受限于单个控制器的容量限制和处理能力,为了提高网络的可靠性和可拓展性,往往在网络中部署多个SDN控制器,控制器间通过信息同步构建全局一致的网络视图。SDN控制器的数量及在网络中的位置可以控制链路流量的负载均衡,对网络的性能影响重大。针对单点中心控制器的情况,通常采用k-means、k-center、随机和贪婪等典型算法进行单点的部署。
发明人发现相关技术存在如下问题:解决分布式控制平面的控制器部署问题(Controller Placement Problem,CPP)的方案多为仅针对时延、可靠性、负载均衡、弹性、控制器容量,可用性等的单一求解。在仅考虑单性能尺度优化的情况下,无法综合提升网络的整体性能,从而满足SDN实际部署中的业务需求。
发明内容
本发明实施方式的目的在于提供一种SDN控制器部署方法、设备和存储介质,能够对SDN控制器部署进行多性能尺度优化,既考虑可用性又考虑负载均衡,综合提升网络性能,满足SDN实际部署中的业务需求。
为解决上述技术问题,本发明的实施方式提供了一种SDN控制器部署方法,包括以下步骤:以每个控制域纳管交换机的数量差异和平均每台交换机拥有的从控制器数量为优化目标,建立组合优化模型;使用和声搜索算法获取所述组合优化模型的Pareto解集;根据所述Pareto解集部署SDN控制器。
本发明的实施方式还提供了一种电子设备,包括:至少一个处理器;以及,与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述SDN控制器部署方法。
本发明的实施方式还提供了一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时实现上述SDN控制器部署方法。
本发明实施方式相对于现有技术而言,根据每个控制域纳管交换机的数量差异以及平均每台交换机拥有的从控制器数量为优化目标,建立组合优化模型;使用和声搜索算法获取组合优化模型的Pareto解,根据Pareto解集获取多控制器部署方案。本发明的实施方式以每个控制域纳管交换机的数量差异和平均每台交换机拥有的从控制器数量为优化目标,综合考虑控制器的负载均衡和可用性来部署控制器,降低了网络中流量突发导致控制器间负载差异悬殊所引起的高丢包率、高延迟、低吞吐等带来的影响,有效减少控制器失效导致所纳管的交换机失去软件定义网络功能的情况发生,提高了主控制器故障时从控制器的接管能力。综合提升了网络的整体性能,满足SDN实际部署的业务需求,另外,使用和声搜索算法对组合优化模型求解,依赖的参数设定少,提高了鲁棒性。
另外,以每个控制域纳管交换机的数量差异和平均每台交换机拥有的从控制器数量为优化目标,建立组合优化模型,包括:将所述控制域纳管交换机的数量差异定义为负载均衡方差D,将所述平均每台交换机拥有的从控制器数量定义为Cavr;将所述D最小且所述Cavr最多作为优化目标,建立组合优化模型。该实现中,将D最小和Cavr最大多作为优化目标,综合考虑了SDN控制器部署的可用性和负载均衡,多目标提升网络性能。
另外,使用和声搜索算法获取所述组合优化模型的Pareto解集,包括:初始化和声搜索算法的参数,其中,所述和声搜索算法的参数包括:最大迭代次数,和声记忆库取值概率HMCR,微调概率PAR,微调幅度BW,和声记忆库大小HMS;根据控制器的部署位置集合及HMS初始化和声记忆库;根据所述和声记忆库和所述参数产生新和声;根据所述和声记忆库以及所述新和声得到更新后的和声记忆库;若所述和声记忆库更新次数达到最大迭代次数,则根据所述和声记忆库获取Pareto解集。
另外,根据控制器的部署位置集合初始化和声记忆库,包括:从n个交换机节点选择k个节点部署控制器,得到种部署方案;根据种部署方案中获取HMS个控制器部署向量,构成初始和声记忆库,其中,HMS为和声记忆库的大小。该实现中,在n个交换机节点中选择k个节点部署控制器,根据种部署方案中获取HMS个控制器部署向量,构成初始和声记忆库,使得初始和声记忆库由多控制器部署解向量组成。
另外,所述根据所述和声记忆库和所述参数产生新和声之前,包括:根据和声记忆库的更新次数自适应调整所述PAR和所述HCMR。该实现中,和声记忆库取值概率以及和声记忆库微调概率的值越大越容易快速找到局部最优解,值越小收敛越慢越能保持后期解的多样性,根据迭代次数自适应调整参数HMCR、PAR,避免后期收敛慢的问题,使算法运行过程中获取解的效率更高。
另外,根据所述和声记忆库以及所述新和声得到更新后的和声记忆库,包括:将所述和声记忆库记作父代和声记忆库,根据所述组合优化模型的目标函数获取所述父代和声记忆库以及所述新和声的目标函数值;若所述新和声的所述目标函数值小于所述父代和声记忆库中最差和声的所述目标函数值,则将所述新和声替代所述父代和声记忆库的所述最差和声,得到后代和声记忆库;将所述后代和声记忆库以及父代和声记忆库合并成一个种群集合;根据所述种群集合和所述种群集合中的和声目标函数值进行NSGA-II快速非支配分层,得到分层非支配曲面;获取所述分层非支配曲面中和声的拥挤度;筛选拥挤度最大的前HMS个非支配解组合成所述更新后的和声记忆库。该实现中,使用NSGA-II算法对父代和后代和声种群进行快速非支配排序,计算拥挤度,挑选拥挤度大的前HMS个和声组成新的和声记忆库,使得更新的和声记忆库保留了父代和声的优秀和声,避免和声搜素算法陷入局部最优,优先选择拥挤度大的个体,提高了解的多样性和分布均匀性,提高了和声搜索算法对于多目标优化SDN控制器部署问题的适用性。
另外,根据所述Pareto解集部署SDN控制器,包括:根据控制器实际部署的参考指标在Pareto解集中选择位置向量;根据所述位置向量部署SDN控制器。该实现中,考虑控制器实际部署的参考指标,在Pareto解集中选择满足参考指标的部署解,符合控制器在实际部署中的需求,进一步优化SDN控制器的部署方案。
附图说明
一个或多个实施例通过与之对应的附图中的图片进行示例性说明,这些示例性说明并不构成对实施例的限定。
图1是根据本发明第一实施例的SDN控制器部署方法的流程图;
图2是根据本发明第一实施例中的和声搜索算法的流程图;
图3是根据本发明第二实施例的SDN控制器部署方法的流程图;
图4是根据本发明第三实施例的SDN控制器部署方法的电子设备结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的各实施例进行详细的阐述。然而,本领域的普通技术人员可以理解,在本发明各实施例中,为了使读者更好地理解本申请而提出了许多技术细节。但是,即使没有这些技术细节和基于以下各实施例的种种变化和修改,也可以实现本申请所要求保护的技术方案。以下各个实施例的划分是为了描述方便,不应对本发明的具体实现方式构成任何限定,各个实施例在不矛盾的前提下可以相互结合相互引用。
本发明的第一实施例涉及一种SDN控制器部署方法。本实施例中,SDN控制器部署方法应用于电子设备,例如计算机等。本实施例根据每个控制域纳管交换机的数量差异以及平均每台交换机拥有的从控制器数量为优化目标,建立组合优化模型;使用和声搜索算法获取组合优化模型的Pareto解,根据Pareto解集获取多控制器部署方案。本发明的实施例以每个控制域纳管交换机的数量差异和平均每台交换机拥有的从控制器数量为优化目标,综合考虑控制器的负载均衡和可用性来部署控制器,降低了网络中流量突发导致控制器间负载差异悬殊所引起的高丢包率、高延迟、低吞吐等带来的影响,有效减少控制器失效导致所纳管的交换机失去软件定义网络功能的情况发生,提高了主控制器故障时从控制器的接管能力。综合提升了网络的整体性能,满足SDN实际部署的业务需求,另外,使用和声搜索算法对组合优化模型求解,依赖的参数设定少,提高了鲁棒性。本实施例中的SDN控制器部署方法的流程图如图1所示,下面对本实施例的SDN控制器部署方法的实现细节进行具体的说明,以下内容仅为方便理解提供的实现细节,并非实施本方案的必须。
步骤101,以每个控制域纳管交换机的数量差异和平均每台交换机拥有的从控制器数量为优化目标,建立组合优化模型。
在一个例子中,将网络用无向图G(V,E,M)表示,其中V={v1…vi…vn}代表网络中所有交换机节点的集合,E={e1…ei…em}表示交换机节点间的链路集合,将网络划分为k个分片的控制域G={G1…Gi…Gk},控制域对应管理交换机数量为|Gi|,部署的控制器位置集合为C={C1…Ci…Ck}。每个控制域Gi由独立的控制器Ci控制。
控制器负载过重会导致其无法掌握实时的网络状态,造成网络拥塞、丢包。每个控制器需要响应管辖区域内所有交换机的流安装请求,所以控制域内的流请求速率应当与控制器的处理能力相适应。为了度量各控制器间的负载均衡程度,定义负载均衡方差D为每个控制域内的交换机数量同平均管理交换机数量的差异。负载均衡方差D越小代表每个控制器管理交换机的数量越相当,负载均衡方差D公式如下:
其中,n为网络中交换机节点数量,k为控制域的数量,|Gi|为控制域对应纳管的交换机数量。
控制器本身是一种部署在服务器上的软件,面临单点故障的问题,一个控制器失效将会导致所纳管的交换机失去软件定义网络的功能,为了提高可用性,要求每台交换机至少拥有2台控制器,当主控制器故障时,交换机能迅速被相邻控制域的从控制器接管。定义平均每台交换机所属的从控制器数量为Cavr,Cavr越大代表控制器集群的可用性越高,Cavr公式如下:
其中,yij=1表示控制域j的主控制器Cj是交换机i的从控制器,否则yij=0,n为网络中交换机节点数量。
根据上述目标函数的定义,基于负载均衡和可用性约束的SDN多控制器部署问题就转化为了一个求解控制器部署位置(Controller Position,CP)的多目标优化问题,表示如下:
minf(CP)=[D,-Cavr],
CP=C1,C2,……,Ck,
其中,CP=C1,C2,……,Ck,约束条件:
yij∈{0,1},
G1∪G2......∪Gk=G,
∑ci=k,
其中,G={G1…Gi…Gk}代表网络被划分为k个控制域,C={C1…Ci…Ck}为部署器控制位置集合,每个控制域Gi由独立的控制器Ci控制。
步骤102,使用和声搜索算法获取所述组合优化模型的Pareto解集。
在一个例子中,使用和声搜索算法获取组合优化模型的pareto解集的流程图如图2所示,步骤如下:
201:初始化和声搜索算法的参数及和声记忆库。根据控制器的部署位置集合初始化和声记忆库,确定和声搜索算法的参数,即确定和声记忆库大小HMS、和声记忆库取值概率HMCR、微调概率PAR、微调幅度BW、迭代的最高次数Tmax。和声搜索算法中的和声是控制器部署位置的向量表示。
202:产生rand(0,1)随机数R1。
203:若R1<HCRM,跳转到205,否则,跳转到204。
204:在控制器部署位置集合中抽取和声,之后顺序执行207的步骤。
205:在和声记忆库中随机抽取和声。
206:对和声以概率PAR进行扰动。具体地,在[0,1]之间产生随机数r2,若r2<PAR,则根据微调带宽BW来调整和声变量,得到新和声Xnew。
207:遍历k个控制器,若完成遍历,执行208,若未完成遍历,跳转到202。
208:若得到的新和声优于和声记忆库的最差和声,执行209,否则跳转到202。最差和声是将和声记忆库中的和声代入目标函数,得到的目标函数最大值对应的和声,若新和声的目标函数小于最差和声,则执行208。
209:更新和声。将新和声替代最差和声。
210:若达到迭代次数Tmax,则执行211,否则,跳转到202。
211:输出Pareto解集。
步骤103,根据所述Pareto解集部署SDN控制器。
在一个例子中,Pareto解集可以作为多控制器部署的可选方案集合,再根据控制器实际部署情况计算成本、可靠性等其它参考指标进行最终的决策,从Pareto解集的可选方案集合中选择位置向量,根据位置向量部署SDN控制器。
本发明实施例相对于现有技术而言,根据每个控制域纳管交换机的数量差异以及平均每台交换机拥有的从控制器数量为优化目标,建立组合优化模型;使用和声搜索算法获取组合优化模型的Pareto解,根据Pareto解集获取多控制器部署方案。本发明的实施例以每个控制域纳管交换机的数量差异和平均每台交换机拥有的从控制器数量为优化目标,既考虑了控制器部署的负载均衡,又考虑了控制器部署的可用性,提高了主控制器故障时从控制器的接管能力,优化目标丰富,综合提升了网络的整体性能,满足SDN实际部署的业务需求,另外,使用和声搜索算法对组合优化模型求解结构简单,依赖的参数设定少,提高了鲁棒性。
本发明的第二实施例涉及一种SDN控制器部署方法。第二实施例与第一实施例大致相同,主要区别之处在于更新新和声,得到更新后的和声记忆库进入下一次迭代的步骤不同。具体地说,在第一实施例中,若新和声优于最差和声,直接更新和声,得到更新后的和声记忆库进入下一次迭代,进行新一轮更新;而在本发明第二实施例中,若新和声优于最差和声,新和声替换最差和声,将替换后的和声记忆库即后代和声记忆库与替换之前的和声记忆库,即父代和声记忆库合并成种群集合,对种群集合NSGA-II快速非支配排序,并计算拥挤度,根据拥挤度得到更新后的和声记忆库,得到的更新后的和声记忆库进入下一次迭代,进行新一轮更新。
在SDN云数据中心的控制器部署中,数据中心控制器部署在本地,传播距离在百米量级,时延的影响可忽略不计。数据中心的部署为HyperFlow扁平式分布架构,将网络按照控制器部署位置划分为多个域,控制域内的控制器负责管辖域内交换机的信息传递,所有控制器地位平等,并通过东西向接口同步状态信息,维持全局视图。在给定的网络拓扑下,将数据中心网络用无向图G(V,E,M)表示,其中V={v1…vi…vn}代表网络中所有交换机节点的集合,E={e1…ei…em}表示交换机节点间的链路集合,将网络划分为k个分片的控制域G={G1…Gi…Gk},控制域对应管理交换机数量为|Gi|,部署的控制器位置集合为C={C1…Ci…Ck}。每个控制域Gi由独立的控制器Ci控制。多控制器部署策略中,每一个交换机都需要与至少一个主控制器保持连接,交换机只负责数据转发工作,仅当数据报文在交换机中未找到匹配流表,交换机才会通过安全通道向控制器发送packet-in报文,主控制器在接收到交换机发送的packet-in报文请求后,处理数据报文并下发更新后的流表。当主控制器故障,交换机将被相邻控制域的从控制器接管。本实施例中的SDN控制器部署方法的流程图如图3所示,步骤如下:
步骤301:建立基于负载均衡和可用性的SDN控制器部署模型。
在一个例子中,建立基于负载均衡和可用性的SDN控制器部署模型,即,以每个控制域纳管交换机的数量差异和平均每台交换机拥有的从控制器数量为优化目标,建立组合优化模型。定义负载均衡方差D为每个控制域内的交换机数量同平均管理交换机数量的差异,负载均衡方差D越小代表每个控制器管理交换机的数量越相当,负载均衡方差D的公式如下:
其中,n为网络中交换机节点数量,k为控制域的数量,|Gi|为控制域对应纳管的交换机数量;
定义平均交换机所属的从控制器数量为Cavr,Cavr越大代表控制器集群的可用性越高,公式如下:
其中yij=1表示控制域j的主控制器Cj是交换机i的从控制器,否则yij=0;根据以上指标的定义,对基于负载均衡和可用性约束的SDN多控制器部署建立组合优化目标函数,公式如下:
minf(CP)=[D,-Cavr],
其中,CP=C1,C2,……,Ck,约束条件如下:
yij∈{0,1},
G1∪G2∪......∪Gk=G,
∑ci=k,
其中,G={G1…Gi…Gk}代表网络被划分为k个控制域,C={C1…Ci…Ck}为部署器控制位置集合,每个控制域Gi由独立的控制器Ci控制。
本实施例含有两个目标优化函数,需要在各个目标之间权衡协调,使目标函数尽量达到近似最优,在本实施例的多控制器部署中,负载均衡方差越小越好,可靠性越大越好,也就是说,链路故障率越小越好。
步骤302:初始化和声搜索算法的参数及和声记忆库HM。
在一个例子中,初始化参数HMS、HMCR、PAR、BW、Tmax。根据Tmax和控制器可能的部署集合初始化HM,控制器的部署数量为k,则每个和声种群为一个k维的解向量,代表k个SDN控制器在网络G(V,E,M)中的部署位置。由于SDN网络G(V,E,M)中交换机数量为n,从n个交换机节点中选择k个节点部署控制器,部署方案最多有种,构成了完整向量解空间的大小,从个方案中选择HMS个控制器部署向量对和声记忆库初始化。
步骤303:产生rand(0,1)随机数R1。
步骤304:若R1<HCRM,跳转到跳转到306,否则,执行305。
步骤305:在控制器部署位置集合中抽取和声,步骤305执行之后执行步骤308。
步骤306:在和声记忆库中随机抽取和声。
步骤307:对和声以概率PAR进行扰动。
在一个例子中,在[0,1]之间产生随机数r2,若r2<PAR,则根据微调带宽BW来调整和声变量,得到新和声Xnew。
步骤308:若遍历了k个控制器,执行308,否则,跳转到303。
步骤309:得到的新和声优于和声记忆库的最差和声。
在一个例子中,最差和声为和声记忆库中组合优化目标函数值最大的和声,新和声的组合优化目标函数值小于和声记忆库中最差和声对应的组合优化目标函数值,则为新和声优于和声记忆库的最差和声。
步骤310:将新和声与最差和声替换,得到后代和声记忆库。
步骤311:将后代HM和父代HM合并,进行NSGA-II快速非支配排序。
在一个例子中,将后代和声记忆库和替换和声前的父代和声记忆库合并成2xHMS个和声组成的种群集合,计算各和声对应的分目标函数值,明确支配关系,得到每个和声p的被支配度Np和支配集合Sp,进行NSGA-II快速非支配分层。具体方法如下:先将初始种群中所有Np=0的和声保存在集合F1中,再对Fi的每个和声p遍历Sp,对Sp中的和声个体执行Np-1,将Np=0的和声保存在集合Fi+1中,得到下一个非支配曲面。若Fi不为空,则i+1,继续执行上述步骤直到得到所有的分层非支配曲面Fi,Fi的所有和声的非支配序prank=i。NSGA-II快速非支配排序遗传算法是多目标优化遗传算法,其能够确保Pareto最优解集的Pareto前沿分布均匀。
步骤312:获取每个非支配曲面Fi的拥挤度dist(i,j)。
在一个例子中,计算第i层非支配曲面Fi的第j个和声的拥挤度dist(i,j):
目标函数有D,Cavr,为第i层解集里第m个目标函数的最大值,也就是说,将第i层解集里每个解代入第m个目标函数,对应代入得到的目标函数值的最大值,为第i层解集里第m个目标函数的最小值,和分别表示第i层解集的第j个和声的上一个和声和下一个和声对应的第m个目标函数值。为了在每个分层中对相同非支配序的个体进行选择性排序,使用拥挤度表示个体周围相邻两个个体在每个子目标函数上的距离之差,即组成的最小长方形长宽之和,表征解向量之间的疏密程度。解之间的距离越大,密度越小,说明解的多样性越好。
步骤313:筛选拥挤度最大的前HMS个非支配解组合成更新后的和声记忆库。优先选择拥挤距离较大的个体,可以保证在寻找Pareto前沿中保持解的分布均匀性和多样性。
步骤314:若达到最大迭代次数Tmax,执行316,否则执行315。
步骤315:根据和声记忆库的更新次数自适应调整PAR和BW,之后执行303。
在一个例子中,定义HMCR和PAR的取值范围分别为[HMCRmin,HMCRmax]、[PARmin,PARmax],当前迭代次数为ite,则:
HMCR(ite)=HMCRmin+(HMCRmax-HMCRmin)*ite/Tmax;
PAR(ite)=PARmin+(PARmax-PARmin)*ite/Tmax。
步骤316:根据Pareto解集部署SDN控制器。
在一个例子中,Pareto解集可以作为多控制器部署的可选方案集合,再根据控制器实际部署情况计算成本、可靠性等其它参考指标进行最终的决策,从Pareto解集的可选方案集合中选择位置向量,根据位置向量部署SDN控制器。
本发明的实施例在每次迭代过程中,自适应调整参数HMCR、PAR,避免后期收敛慢的问题,使算法运行过程中获取解的效率更高,另外,再和声搜索算法中加入NSGA-II算法,对父代和后代的合并和声种群进行快速非支配分层排序,计算拥挤距离最大的前HMS个非支配解更新HM,保留了父代和声的优秀个体,避免了和声算法陷入局部最优的情况发生,提高了寻找Pareto前沿时的解的多样性和分布均匀性,提高了和声搜索算法对于多目标优化SDN控制器部署问题的适用性。
上面各种方法的步骤划分,只是为了描述清楚,实现时可以合并为一个步骤或者对某些步骤进行拆分,分解为多个步骤,只要包括相同的逻辑关系,都在本专利的保护范围内;对算法中或者流程中添加无关紧要的修改或者引入无关紧要的设计,但不改变其算法和流程的核心设计都在该专利的保护范围内。
本发明第三实施例涉及一种电子设备,如图4所示,包括至少一个处理器401;以及,与所述至少一个处理器通信连接的存储器402;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述SDN控制器部署方法。
其中,存储器和处理器采用总线方式连接,总线可以包括任意数量的互联的总线和桥,总线将一个或多个处理器和存储器的各种电路连接在一起。总线还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路连接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口在总线和收发机之间提供接口。收发机可以是一个元件,也可以是多个元件,比如多个接收器和发送器,提供用于在传输介质上与各种其他装置通信的单元。经处理器处理的数据通过天线在无线介质上进行传输,进一步,天线还接收数据并将数据传送给处理器。
处理器负责管理总线和通常的处理,还可以提供各种功能,包括定时,外围接口,电压调节、电源管理以及其他控制功能。而存储器可以被用于存储处理器在执行操作时所使用的数据。
本发明第四实施例涉及一种计算机可读存储介质,存储有计算机程序。计算机程序被处理器执行时实现上述方法实施例。
即,本领域技术人员可以理解,实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序存储在一个存储介质中,包括若干指令用以使得一个设备(可以是单片机,芯片等)或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本领域的普通技术人员可以理解,上述各实施例是实现本发明的具体实施例,而在实际应用中,可以在形式上和细节上对其作各种改变,而不偏离本发明的精神和范围。
Claims (10)
1.一种SDN控制器部署方法,其特征在于,包括:
以每个控制域纳管交换机的数量差异和平均每台交换机拥有的从控制器数量为优化目标,建立组合优化模型;
使用和声搜索算法获取所述组合优化模型的Pareto解集;
根据所述Pareto解集部署SDN控制器。
2.根据权利要求1所述SDN控制器部署方法,其特征在于,所述以每个控制域纳管交换机的数量差异和平均每台交换机拥有的从控制器数量为优化目标,建立组合优化模型,包括:
将所述控制域纳管交换机的数量差异定义为负载均衡方差D,将所述平均每台交换机拥有的从控制器数量定义为Cavr;
将所述D最小且所述Cavr最多作为优化目标,建立组合优化模型。
3.根据权利要求1所述的SDN控制器部署方法,其特征在于,所述使用和声搜索算法获取所述组合优化模型的Pareto解集,包括:
初始化和声搜索算法的参数,其中,所述和声搜索算法的参数包括:最大迭代次数,和声记忆库取值概率HMCR,微调概率PAR,微调幅度BW,和声记忆库大小HMS;
根据控制器的部署位置集合及所述HMS初始化和声记忆库;
根据所述和声记忆库和所述参数产生新和声;
根据所述和声记忆库以及所述新和声得到更新后的和声记忆库;
若所述和声记忆库更新次数达到最大迭代次数,则根据所述和声记忆库获取Pareto解集。
5.根据权利要求3所述的SDN控制器部署方法,其特征在于,所述根据所述和声记忆库和所述参数产生新和声之前,包括:
根据所述和声记忆库的更新次数自适应调整所述PAR和所述HCMR。
6.根据权利要求3所述的SDN控制器部署方法,其特征在于,根据所述和声记忆库以及所述新和声得到更新后的和声记忆库,包括:
将所述和声记忆库记作父代和声记忆库,根据所述组合优化模型的目标函数获取所述父代和声记忆库以及所述新和声的目标函数值;
若所述新和声的所述目标函数值小于所述父代和声记忆库中最差和声的所述目标函数值,则将所述新和声替代所述父代和声记忆库的所述最差和声,得到后代和声记忆库;
将所述后代和声记忆库以及父代和声记忆库合并成一个种群集合;
根据所述种群集合和所述种群集合中的和声目标函数值进行NSGA-II快速非支配分层,得到分层非支配曲面;
获取所述分层非支配曲面中和声的拥挤度;
筛选所述拥挤度最大的前HMS个非支配解组合成所述更新后的和声记忆库。
8.根据权利要求1至7中任一项所述的SDN控制器部署方法,其特征在于,所述根据所述Pareto解集部署SDN控制器,包括:
根据控制器实际部署的参考指标在Pareto解集中选择位置向量;
根据所述位置向量部署SDN控制器。
9.一种电子设备,其特征在于,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1至8中任一所述的SDN控制器部署方法。
10.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的SDN控制器部署方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011306838.5A CN112511453B (zh) | 2020-11-19 | 2020-11-19 | Sdn控制器部署方法、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011306838.5A CN112511453B (zh) | 2020-11-19 | 2020-11-19 | Sdn控制器部署方法、设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112511453A true CN112511453A (zh) | 2021-03-16 |
CN112511453B CN112511453B (zh) | 2023-04-07 |
Family
ID=74958950
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011306838.5A Active CN112511453B (zh) | 2020-11-19 | 2020-11-19 | Sdn控制器部署方法、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112511453B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105900403A (zh) * | 2014-01-10 | 2016-08-24 | 华为技术有限公司 | 软件定义网络中的分区系统和方法 |
US20160359683A1 (en) * | 2014-02-27 | 2016-12-08 | Intel Corporation | Workload optimization, scheduling, and placement for rack-scale architecture computing systems |
CN106657416A (zh) * | 2017-03-02 | 2017-05-10 | 北京邮电大学 | 一种控制器负载均衡方法及装置 |
US20170346886A1 (en) * | 2016-05-26 | 2017-11-30 | Fujitsu Limited | Information processing apparatus and load distribution control method |
US20180115470A1 (en) * | 2016-10-26 | 2018-04-26 | Arizona Board Of Regents On Behalf Of Arizona State University | Security policy analysis framework for distributed software defined networking (sdn) based cloud environments |
CN108900330A (zh) * | 2018-06-25 | 2018-11-27 | 电子科技大学 | 一种适用于大规模软件定义网络的多控制器部署方法 |
WO2019006708A1 (zh) * | 2017-07-05 | 2019-01-10 | 全球能源互联网研究院有限公司 | 基于双端口交换机的sdn多域网络备份方法及系统 |
CN110086654A (zh) * | 2019-03-28 | 2019-08-02 | 重庆邮电大学 | 软件定义数据中心下基于可靠性的主备控制器部署方法 |
CN110830570A (zh) * | 2019-11-01 | 2020-02-21 | 陕西师范大学 | 软件定义网络中鲁棒的有限控制器资源均衡部署方法 |
-
2020
- 2020-11-19 CN CN202011306838.5A patent/CN112511453B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105900403A (zh) * | 2014-01-10 | 2016-08-24 | 华为技术有限公司 | 软件定义网络中的分区系统和方法 |
US20160359683A1 (en) * | 2014-02-27 | 2016-12-08 | Intel Corporation | Workload optimization, scheduling, and placement for rack-scale architecture computing systems |
US20170346886A1 (en) * | 2016-05-26 | 2017-11-30 | Fujitsu Limited | Information processing apparatus and load distribution control method |
US20180115470A1 (en) * | 2016-10-26 | 2018-04-26 | Arizona Board Of Regents On Behalf Of Arizona State University | Security policy analysis framework for distributed software defined networking (sdn) based cloud environments |
CN106657416A (zh) * | 2017-03-02 | 2017-05-10 | 北京邮电大学 | 一种控制器负载均衡方法及装置 |
WO2019006708A1 (zh) * | 2017-07-05 | 2019-01-10 | 全球能源互联网研究院有限公司 | 基于双端口交换机的sdn多域网络备份方法及系统 |
CN108900330A (zh) * | 2018-06-25 | 2018-11-27 | 电子科技大学 | 一种适用于大规模软件定义网络的多控制器部署方法 |
CN110086654A (zh) * | 2019-03-28 | 2019-08-02 | 重庆邮电大学 | 软件定义数据中心下基于可靠性的主备控制器部署方法 |
CN110830570A (zh) * | 2019-11-01 | 2020-02-21 | 陕西师范大学 | 软件定义网络中鲁棒的有限控制器资源均衡部署方法 |
Non-Patent Citations (2)
Title |
---|
吕兴燕等: "基于NSGA-II算法的SDN多控制器部署优化机制", 《通信学报》 * |
黄尔杰: "电力通信网中SDN控制器的部署算法研究", 《中国优秀博硕士论文全文数据库(硕士)》 * |
Also Published As
Publication number | Publication date |
---|---|
CN112511453B (zh) | 2023-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109818865B (zh) | 一种sdn增强路径装箱装置及方法 | |
CN108260169B (zh) | 一种基于QoS保障的服务功能链动态部署方法 | |
CN112738820B (zh) | 一种服务功能链的动态部署方法、装置及计算机设备 | |
CN108684046B (zh) | 一种基于随机学习的接入网服务功能链部署方法 | |
CN113316118A (zh) | 基于任务认知的无人机集群网络自组织系统及方法 | |
JPH10506243A (ja) | ネットワーク運用並びに性能の強化 | |
WO2022116957A1 (zh) | 算法模型及路径的确定方法、电子设备、sdn控制器和介质 | |
CN114143264B (zh) | 一种SRv6网络下基于强化学习的流量调度方法 | |
CN112543151B (zh) | Sdn控制器部署方法、装置、电子设备和存储介质 | |
CN112702186B (zh) | 一种sd-wan环境下的多控制器部署方法及终端 | |
CN111181792B (zh) | 基于网络拓扑的sdn控制器部署方法、装置及电子设备 | |
CN105323166A (zh) | 一种面向云计算的基于网络能效优先的路由方法 | |
CN109347657B (zh) | Sdn模式下支撑科技业务的虚拟数据域构建方法 | |
Sanner et al. | Hierarchical clustering for an efficient controllers' placement in software defined networks | |
Nguyen et al. | Efficient virtual network embedding with node ranking and intelligent link mapping | |
CN113472671A (zh) | 组播路由的确定方法、装置和计算机可读存储介质 | |
CN112511453B (zh) | Sdn控制器部署方法、设备和存储介质 | |
Moradi et al. | Controller placement in software defined network using iterated local search | |
CN111741069B (zh) | 基于sdn和nfv分层式数据中心资源优化方法和系统 | |
CN109889573B (zh) | 混合云中基于ngsa多目标的副本放置方法 | |
CN117118497A (zh) | 一种适用于星地一体化网络的控制器和网关联合部署方法 | |
Xiaolan et al. | A Controller Placement Algorithm Based on Density Clustering in SDN | |
Elkael et al. | Improved monte carlo tree search for virtual network embedding | |
Aly | A novel controller placement using Petri-nets for SDNs | |
CN112165371B (zh) | Bier自动配置管理bsl的方法、介质、设备及装置 |
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 |