CN112838990B - 大规模软件定义网络的负载均衡方法 - Google Patents

大规模软件定义网络的负载均衡方法 Download PDF

Info

Publication number
CN112838990B
CN112838990B CN202110064545.9A CN202110064545A CN112838990B CN 112838990 B CN112838990 B CN 112838990B CN 202110064545 A CN202110064545 A CN 202110064545A CN 112838990 B CN112838990 B CN 112838990B
Authority
CN
China
Prior art keywords
path
bandwidth
link
load
calculating
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
CN202110064545.9A
Other languages
English (en)
Other versions
CN112838990A (zh
Inventor
张丽
樊皓洁
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.)
Beijing University of Technology
Original Assignee
Beijing University of Technology
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 Beijing University of Technology filed Critical Beijing University of Technology
Priority to CN202110064545.9A priority Critical patent/CN112838990B/zh
Publication of CN112838990A publication Critical patent/CN112838990A/zh
Application granted granted Critical
Publication of CN112838990B publication Critical patent/CN112838990B/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
    • H04L47/12—Avoiding congestion; Recovering from congestion
    • H04L47/125—Avoiding congestion; Recovering from congestion by balancing the load, e.g. traffic engineering
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/50—Reducing energy consumption in communication networks in wire-line communication networks, e.g. low power modes or reduced link rate

Landscapes

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

Abstract

本发明公开了一种大规模软件定义网络的负载均衡方法，包括：构建多控制器的大规模软件定义网络；多个控制器将所在控制域的网络信息发送至服务端，并拼接形成全局拓扑及网络状态信息；根据全局拓扑及网络状态信息计算得到源目的地址的最短的预设数量条路径；计算各路径的评分，并将评分最高的路径作为主路径；计算主路径的负载均衡度，并与预设阈值进行比较，判断是否需要分流；若不需要分流则按照主路径进行流量调度；若需要分流则根据负载计算得到分流路径和分流比例，根据分流路径和分流比例进行分流。通过本发明的技术方案，实现了负载均衡，提高了网络的链路利用率，缩短了网络时延，实现了更好的网络性能。

Description

大规模软件定义网络的负载均衡方法
技术领域
本发明涉及软件定义网络技术领域，尤其涉及一种大规模软件定义网络的负载均衡方法。
背景技术
软件定义网络(SDN)是由斯坦福大学提出的一种新型网络架构，其基本思想是把当前IP网络互连节点中决定报文如何转发的复杂控制逻辑从交换机/路由器等设备中分离出来，以便通过软件编程实现硬件对数据转发规则的控制。
最初，sdn部署使用单个控制器，该控制器负责监控整个网络中的交换机及链路流量，集中式的网络控制可以有效管理网络，但当网络规模较大或通信流量较多时，单控制器的负载能力和单点故障会成为SDN网络的瓶颈。
目前可采用多控制器来解决这些问题，如扁平式SDN架构，在这种架构下，每个控制器负责自己的一个子域，控制器抽象出自己控制域的网络拓扑并在控制器之间通过控制器通信通道进行分发从而获取全局视图和可达性信息。对于扁平式架构，所有控制器均掌握全局网络拓扑，所以当网络规模增大时，会进行大量的网络信息共享，导致计算和通信开销剧增。
同时，虽然分布式SDN架构一方面更适应于大规模网络，另一方面仍存在负载不均衡问题。一是在数据面的负载均衡问题，数据面负载不均衡，容易使得部分链路负载高而部分链路负载低，致使网络性能差。另一个是控制面的负载均衡问题，即各个控制器的负载情况，重载控制器的性能急剧下降从而影响全网的性能。
发明内容
针对上述问题，本发明提供了一种大规模软件定义网络的负载均衡方法，通过构建多控制器的软件定义网络，避免单控制器的负载能力和单点故障成为软件定义网络的瓶颈，在此架构下通过链路负载计算多条最短路径的评分，并以路径的负载均衡度与预设阈值的比较判断是否需要进行流量调度分流，并在需要分流时根据负载计算恰当的分流路径和分流比例，从而保证大规模软件定义网络中数据面的负载均衡，避免链路不均衡导致的网络性能差，同时保证控制面的负载均衡，避免重载控制器的性能下降影响全网性能，提高了网络的链路利用率，缩短了网络时延，实现了更好的网络性能。
为实现上述目的，本发明提供了一种大规模软件定义网络的负载均衡方法，包括：构建多控制器的大规模软件定义网络，其中，多个控制器分别独立负责控制域；多个所述控制器将所在控制域的网络信息发送至服务端；根据接收到的所有控制域的网络信息拼接形成全局拓扑及网络状态信息；根据所述全局拓扑及网络状态信息计算得到源目的地址的最短的预设数量条路径；计算预设数量条路径的评分，并将评分最高的路径作为主路径；计算主路径的负载均衡度，并与预设阈值进行比较，判断是否需要分流；若不需要分流则按照所述主路径进行流量调度；若需要分流则根据负载计算得到分流路径和分流比例，根据所述分流路径和分流比例进行分流。
在上述技术方案中，优选地，所述计算预设数量条路径的评分并将评分最高的路径作为主路径具体包括：计算每条路径上所有链路的负载增量之和作为负载总增量；计算每条路径上所有链路的带宽并在比较后选择记录最小带宽链路的带宽；计算每条路径经过的控制器单位时间处理数据包的数量，并结合对应路径上所述最小带宽链路的带宽和所述负载总增量计算对应路径的评分；对该预设数量条路径的评分进行排序并选择评分最高的路径作为主路径。
在上述技术方案中，优选地，所述计算主路径的负载均衡度，并与预设阈值进行比较，判断是否需要分流具体包括：通过已用带宽和链路设定最大带宽计算得到链路带宽利用率；计算所述主路径上所有链路带宽利用率的平均值作为链路平均带宽利用率；通过所述链路带宽利用率和所述链路平均带宽利用率计算得到所述主路径的链路负载均衡度；将所述链路负载均衡度与预设负载均衡度阈值比较，若所述链路负载均衡度小于所述预设负载均衡度阈值，则判定不需要分流，若大于，则判定需要分流。
在上述技术方案中，优选地，所述根据负载计算得到分流路径和分流比例具体包括：根据评分由高到低依次计算预设数量条路径中除所述主路径外的负载均衡度；在某路径的负载均衡度小于所述预设负载均衡度阈值时确定当前路径作为分流路径，若所有路径的负载均衡度均大于所述预设负载均衡度阈值则以负载均衡度最小的路径作为分流路径；根据链路最大带宽和链路当前带宽的差值计算得到链路剩余带宽；根据路径中所有链路的链路剩余带宽的平均值分别计算得到主路径和分流路径的路径平均剩余带宽；根据主路径平均剩余带宽和分流路径平均剩余带宽分别与所述主路径平均剩余带宽、所述分流路径平均剩余带宽之和的比值，计算得到主路径分流比例和分流路径分流比例。
在上述技术方案中，优选地，所述多个所述控制器将所在控制域的网络信息发送至服务端具体包括：所述控制器将所负责控制域中的网络信息周期性地发送至所述服务端，其中，所述网络信息包括域内拓扑信息、网络链路信息、链路带宽和控制器处理packet-in数据包的数量。
在上述技术方案中，优选地，所述根据所述全局拓扑及网络状态信息计算得到源目的地址的最短的预设数量条路径具体包括：基于所述全局拓扑及网络状态信息，利用深度优先遍历算法计算得到源目的地址的最短预设数量条路径。
在上述技术方案中，优选地，若t时刻链路(i，j)的带宽B(i，j)(t)小于当前时刻链路最大带宽Max(i，j)(t)，则所述链路的负载增量G(B,V)＝g1(V+B)-g1(B)，g1(x)＝x；若t时刻链路(i，j)的带宽B(i，j)(t)大于或等于当前时刻链路最大带宽Max(i，j)(t)，则所述链路的负载增量G(B,V)＝g2(V+B)-g2(B)，g2(x)＝2x；当前路径的所述负载总增量为
Figure BDA0002903818260000031
其中，G(B,V)为大小为v的大流调度至已用带宽为B的链路上对该链路带来的负担，g1(x)、g2(x)分别为计算函数，V为新到达的大流的带宽，N标识当前路径由N条链路组成。
在上述技术方案中，优选地，以最小带宽链路的带宽Min(t)与链路负载增量G(B,V)和单位时间内处理数据包数量Pno之积的比值作为路径的评分s，即
Figure BDA0002903818260000032
其中，Pno用以衡量每个控制器的繁忙程度，no为控制器编号。
在上述技术方案中，优选地，t时刻的链路带宽利用率u(i,j)(t)为已用带宽与链路设定最大带宽的比值，即
Figure BDA0002903818260000033
t时刻的链路平均带宽利用率u(ave)(t)为当前路径上所有链路带宽利用率u(i,j)(t)的平均值，即/>
Figure BDA0002903818260000041
所述主路径的链路负载均衡度/>
Figure BDA0002903818260000042
在上述技术方案中，优选地，t时刻的链路当前带宽为B(i，j)(t)，链路最大带宽为Max(i，j)(t)，则链路剩余带宽L(i,j)(t)＝Max(i，j)(t)-B(i，j)(t)；路径平均剩余带宽L_ave(t)为路径中所有链路的链路剩余带宽的平均值，即
Figure BDA0002903818260000043
其中，N标识该路径由N条链路组成；主路径分流比例＝主路径平均剩余带宽/(主路径平均剩余带宽+分流路径的路径平均剩余带宽)；分流路径分流比例＝分流路径平均剩余带宽/(主路径平均剩余带宽+分流路径的路径平均剩余带宽)。
与现有技术相比，本发明的有益效果为：通过构建多控制器的软件定义网络，避免单控制器的负载能力和单点故障成为软件定义网络的瓶颈，在此架构下通过链路负载计算多条最短路径的评分，并以路径的负载均衡度与预设阈值的比较判断是否需要进行流量调度分流，并在需要分流时根据负载计算恰当的分流路径和分流比例，从而保证大规模软件定义网络中数据面的负载均衡，避免链路不均衡导致的网络性能差，同时保证控制面的负载均衡，避免重载控制器的性能下降影响全网性能，提高了网络的链路利用率，缩短了网络时延，实现了更好的网络性能。
附图说明
图1为本发明一种实施例公开的大规模软件定义网络的负载均衡方法的流程示意图；
图2为本发明一种实施例公开的多控制器与服务端的通信示意图；
图3为本发明一种实施例公开的多控制域的网络拓扑结构示意图；
图4为本发明一种实施例公开的大规模软件定义网络的负载均衡方法的实施流程示意图。
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，所描述的实施例是本发明的一部分实施例，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的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。
下面结合附图对本发明做进一步的详细描述：
如图1和图2所示，根据本发明提供的一种大规模软件定义网络的负载均衡方法，包括：构建多控制器的大规模软件定义网络，其中，多个控制器分别独立负责控制域；多个控制器将所在控制域的网络信息发送至服务端；根据接收到的所有控制域的网络信息拼接形成全局拓扑及网络状态信息；根据全局拓扑及网络状态信息计算得到源目的地址的最短的预设数量条路径；计算预设数量条路径的评分，并将评分最高的路径作为主路径；计算主路径的负载均衡度，并与预设阈值进行比较，判断是否需要分流；若不需要分流则按照主路径进行流量调度；若需要分流则根据负载计算得到分流路径和分流比例，根据分流路径和分流比例进行分流。
在该实施例中，通过构建多控制器的软件定义网络，避免单控制器的负载能力和单点故障成为软件定义网络的瓶颈，在此架构下通过链路负载计算多条最短路径的评分，并以路径的负载均衡度与预设阈值的比较判断是否需要进行流量调度分流，并在需要分流时根据负载计算恰当的分流路径和分流比例，从而保证大规模软件定义网络中数据面的负载均衡，避免链路不均衡导致的网络性能差，同时保证控制面的负载均衡，避免重载控制器的性能下降影响全网性能，提高了网络的链路利用率，缩短了网络时延，实现了更好的网络性能。
如图3所示，具体地，在逻辑集中的分域软件定义网络架构中，每个控制器负责一个控制域，连接该控制域内的多个交换机。设置全局模块，所有的控制器都与全局模块建立连接。控制器相当于客户端(控制器周期性向客户端发送所在控制域的网络信息)，全局模块作为服务端，控制器之间不会相互交换信息并存放全局拓扑，而是将该控制域下的信息传递给全局模块，包括交换机、链路、域的标识等拓扑信息，以及交换机每端口收、发包的数量及包的大小等网络链路信息，及控制器处理packet-in数据包数量。全局模块将接收到的信息拼接形成全局拓扑及存储全局网络信息，减少了各控制器之间传输信息的消耗和存储负担。
在上述实施例中，优选地，多个控制器将所在控制域的网络信息发送至服务端具体包括：控制器将所负责控制域中的网络信息周期性地发送至服务端，其中，网络信息包括域内拓扑信息、网络链路信息、链路带宽和控制器处理packet-in数据包的数量，其中，具体周期根据具体实施过程进行设定。
在上述实施例中，优选地，根据全局拓扑及网络状态信息计算得到源目的地址的最短的预设数量条路径具体包括：基于全局拓扑及网络状态信息，利用深度优先遍历算法计算得到源目的地址的最短预设数量条路径。
在上述实施例中，优选地，计算预设数量条路径的评分并将评分最高的路径作为主路径具体包括：计算每条路径上所有链路的负载增量之和作为负载总增量；计算每条路径上所有链路的带宽并在比较后选择记录最小带宽链路的带宽；计算每条路径经过的控制器单位时间处理数据包的数量，并结合对应路径上最小带宽链路的带宽和负载总增量计算对应路径的评分；对该预设数量条路径的评分进行排序并选择评分最高的路径作为主路径。
在上述实施例中，优选地，若t时刻链路(i，j)的带宽B(i，j)(t)＜a×Max(i，j)(t)，则所述链路的负载增量G(B,V)＝g1(V+B)-g1(B)，g1(x)＝x；
若t时刻链路(i，j)的带宽B(i，j)(t)≥a×Max(i，j)(t)，则所述链路的负载增量G(B,V)＝g2(V+B)-g2(B)，g2(x)＝2x；
当前路径的所述负载总增量为
Figure BDA0002903818260000061
其中，Max(i，j)(t)为当前时刻链路最大带宽，a为比例参数，G(B,V)为大小为v的大流调度至已用带宽为B的链路上对该链路带来的负担，g1(x)、g2(x)分别为计算函数，V为新到达的大流的带宽，N标识当前路径由N条链路组成。
在上述实施例中，优选地，以最小带宽链路的带宽Min(t)与链路负载增量G(B,V)和单位时间内处理数据包数量Pno之积的比值作为路径的评分s，即s＝
Figure BDA0002903818260000062
其中，Pno用以衡量每个控制器的繁忙程度，no为控制器编号。
在上述实施例中，优选地，计算主路径的负载均衡度，并与预设阈值进行比较，判断是否需要分流具体包括：通过已用带宽和链路设定最大带宽计算得到链路带宽利用率；计算主路径上所有链路带宽利用率的平均值作为链路平均带宽利用率；通过链路带宽利用率和链路平均带宽利用率计算得到主路径的链路负载均衡度；将链路负载均衡度与预设负载均衡度阈值比较，若链路负载均衡度小于预设负载均衡度阈值，则判定不需要分流，若大于，则判定需要分流。
在上述实施例中，优选地，t时刻的链路带宽利用率u(i,j)(t)为已用带宽与链路设定最大带宽的比值，即
Figure BDA0002903818260000071
t时刻的链路平均带宽利用率u(ave)(t)为当前路径上所有链路带宽利用率u(i,j)(t)的平均值，即/>
Figure BDA0002903818260000072
主路径的链路负载均衡度/>
Figure BDA0002903818260000073
在上述实施例中，设置负载均衡度阈值为β＝0.9，η为已经计算出来的路径的负载均衡度，若η＜β，则按照主路径进行流量调度，流程结束，若η＞β，则需要选择其他路径与主路径进行分流。
在上述实施例中，优选地，根据负载计算得到分流路径和分流比例具体包括：根据评分由高到低依次计算预设数量条路径中除主路径外的负载均衡度；在某路径的负载均衡度小于预设负载均衡度阈值时确定当前路径作为分流路径，若所有路径的负载均衡度均大于预设负载均衡度阈值则以负载均衡度最小的路径作为分流路径；根据链路最大带宽和链路当前带宽的差值计算得到链路剩余带宽；根据路径中所有链路的链路剩余带宽的平均值分别计算得到主路径和分流路径的路径平均剩余带宽；根据主路径平均剩余带宽和分流路径平均剩余带宽分别与主路径平均剩余带宽、分流路径平均剩余带宽之和的比值，计算得到主路径分流比例和分流路径分流比例。
在上述实施例中，优选地，t时刻的链路当前带宽为B(i，j)(t)，链路最大带宽为Max(i，j)(t)，则链路剩余带宽L(i,j)(t)＝Max(i，j)(t)-B(i，j)(t)；路径平均剩余带宽L_ave(t)为路径中所有链路的链路剩余带宽的平均值，即
Figure BDA0002903818260000074
其中，N标识该路径由N条链路组成；主路径分流比例＝主路径平均剩余带宽/(主路径平均剩余带宽+分流路径的路径平均剩余带宽)；分流路径分流比例＝分流路径平均剩余带宽/(主路径平均剩余带宽+分流路径的路径平均剩余带宽)。
根据上述实施例公开的大规模软件定义网络的负载均衡方法，该负载均衡方法具体包括：
步骤1，构建多控制器的较大规模的软件定义网络；
步骤2，获取源目的地址的最短k条路径；
步骤3，计算链路评分，并将评分最高的链路作为主链路；
步骤3.1计算路径负载总增量，
步骤3.2计算最小带宽链路的带宽，
步骤3.3计算控制器单位时间处理的数据包数量，
步骤3.4计算路径评分，
步骤3.5选择评分最高路径作为主路径；
步骤4，判断流量是否需要分流；
步骤4.1计算主路径的负载均衡度，
步骤4.2将主路径的负载均衡度与设定阈值比较；
步骤5，若需要分流，则计算分流路径及分流比例；
步骤5.1选择分流路径，
步骤5.2计算分流比例。
如图4所示，根据上述公开的大规模软件定义网络的负载均衡方法，在具体实施过程中，包括以下步骤：
步骤S10，通过修改mininet(sdn仿真平台)源码，使得iperf实现各主机等概率地向其他主机模拟发送流量功能；
步骤S20，各控制器周期性地与全局模块同步信息，包括域内拓扑、链路带宽、控制器处理packet-in数据包的数量等信息，全局模块拼接完成全局拓扑及获取到全局网络信息；
步骤S30，任选主机对，通过iperf模拟大流生成(大流设置为链路最大带宽的70％)；
步骤S40，全局模块计算源目的节点间的最短k条路径(此处设置k＝3)；
步骤S50，计算k条路径评分，并计算评分最高路径的负载均衡程度，以及与阈值比较；
步骤S60，若主路径负载均衡度未超阈值，则由所在控制域的控制器下发流表至交换机，完成流量调度；
步骤S70，若主路径负载均衡度超过阈值，则根据评分依次计算剩余3条链路的负载均衡，当有路径未超过负载阈值，则选择此路径作为分流路径，若所有路径均超过负载阈值，则选择负载程度最小者作为分流路径；
步骤S80，根据计算得到的分流比例进行分流。
以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种大规模软件定义网络的负载均衡方法，其特征在于，包括：
构建多控制器的大规模软件定义网络，其中，多个控制器分别独立负责控制域；
多个所述控制器将所在控制域的网络信息发送至服务端；
根据接收到的所有控制域的网络信息拼接形成全局拓扑及网络状态信息；
根据所述全局拓扑及网络状态信息计算得到源目的地址的最短的预设数量条路径；
计算预设数量条路径的评分，并将评分最高的路径作为主路径；
计算主路径的负载均衡度，并与预设阈值进行比较，判断是否需要分流；
若不需要分流则按照所述主路径进行流量调度；
若需要分流则根据负载计算得到分流路径和分流比例，根据所述分流路径和分流比例进行分流；
其中，所述计算预设数量条路径的评分并将评分最高的路径作为主路径具体包括：
计算每条路径上所有链路的负载增量之和作为负载总增量；
计算每条路径上所有链路的带宽并在比较后选择记录最小带宽链路的带宽；
计算每条路径经过的控制器单位时间处理数据包的数量，并结合对应路径上所述最小带宽链路的带宽和所述负载总增量计算对应路径的评分；
具体地，若t时刻链路(i，j)的带宽B(i，j)(t)小于当前时刻链路最大带宽Max(i，j)(t)，则所述链路的负载增量G(B,V)＝g1(V+B)-g1(B)，g1(x)＝x；
若t时刻链路(i，j)的带宽B(i，j)(t)大于或等于当前时刻链路最大带宽Max(i，j)(t)，则所述链路的负载增量G(B,V)＝g2(V+B)-g2(B)，g2(x)＝2x；
当前路径的所述负载总增量为
Figure FDA0004090242070000011
其中，G(B,V)为大小为v的大流调度至已用带宽为B的链路上对该链路带来的负担，g1(x)、g2(x)分别为计算函数，V为新到达的大流的带宽，N标识当前路径由N条链路组成；
以最小带宽链路的带宽Min(t)与链路负载增量G(B,V)和单位时间内处理数据包数量Pno之积的比值作为路径的评分s，即
Figure FDA0004090242070000021
其中，Pno用以衡量每个控制器的繁忙程度，no为控制器编号；
对该预设数量条路径的评分进行排序并选择评分最高的路径作为主路径。
2.根据权利要求1所述的大规模软件定义网络的负载均衡方法，其特征在于，所述计算主路径的负载均衡度，并与预设阈值进行比较，判断是否需要分流具体包括：
通过已用带宽和链路设定最大带宽计算得到链路带宽利用率；
计算所述主路径上所有链路带宽利用率的平均值作为链路平均带宽利用率；
通过所述链路带宽利用率和所述链路平均带宽利用率计算得到所述主路径的链路负载均衡度；
将所述链路负载均衡度与预设负载均衡度阈值比较，若所述链路负载均衡度小于所述预设负载均衡度阈值，则判定不需要分流，若大于，则判定需要分流。
3.根据权利要求2所述的大规模软件定义网络的负载均衡方法，其特征在于，所述根据负载计算得到分流路径和分流比例具体包括：
根据评分由高到低依次计算预设数量条路径中除所述主路径外的负载均衡度；
在某路径的负载均衡度小于所述预设负载均衡度阈值时确定当前路径作为分流路径，若所有路径的负载均衡度均大于所述预设负载均衡度阈值则以负载均衡度最小的路径作为分流路径；
根据链路最大带宽和链路当前带宽的差值计算得到链路剩余带宽；
根据路径中所有链路的链路剩余带宽的平均值分别计算得到主路径和分流路径的路径平均剩余带宽；
根据主路径平均剩余带宽和分流路径平均剩余带宽分别与所述主路径平均剩余带宽、所述分流路径平均剩余带宽之和的比值，计算得到主路径分流比例和分流路径分流比例。
4.根据权利要求2所述的大规模软件定义网络的负载均衡方法，其特征在于，所述多个所述控制器将所在控制域的网络信息发送至服务端具体包括：
所述控制器将所负责控制域中的网络信息周期性地发送至所述服务端，其中，所述网络信息包括域内拓扑信息、网络链路信息、链路带宽和控制器处理packet-in数据包的数量。
5.根据权利要求1所述的大规模软件定义网络的负载均衡方法，其特征在于，所述根据所述全局拓扑及网络状态信息计算得到源目的地址的最短的预设数量条路径具体包括：
基于所述全局拓扑及网络状态信息，利用深度优先遍历算法计算得到源目的地址的最短预设数量条路径。
6.根据权利要求2所述的大规模软件定义网络的负载均衡方法，其特征在于：
t时刻的链路带宽利用率u(i,j)(t)为已用带宽与链路设定最大带宽的比值，即
Figure FDA0004090242070000031
t时刻的链路平均带宽利用率u(ave)(t)为当前路径上所有链路带宽利用率u(i,j)(t)的平均值，即
Figure FDA0004090242070000032
所述主路径的链路负载均衡度
Figure FDA0004090242070000033
7.根据权利要求3所述的大规模软件定义网络的负载均衡方法，其特征在于：
t时刻的链路当前带宽为B(i，j)(t)，链路最大带宽为Max(i，j)(t)，则链路剩余带宽L(i,j)(t)＝Max(i，j)(t)-B(i，j)(t)；
路径平均剩余带宽L_ave(t)为路径中所有链路的链路剩余带宽的平均值，即
Figure FDA0004090242070000034
其中，N标识该路径由N条链路组成；
主路径分流比例＝主路径平均剩余带宽/(主路径平均剩余带宽+分流路径的路径平均剩余带宽)；
分流路径分流比例＝分流路径平均剩余带宽/(主路径平均剩余带宽+分流路径的路径平均剩余带宽)。
CN202110064545.9A 2021-01-18 2021-01-18 大规模软件定义网络的负载均衡方法 Active CN112838990B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110064545.9A CN112838990B (zh) 2021-01-18 2021-01-18 大规模软件定义网络的负载均衡方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110064545.9A CN112838990B (zh) 2021-01-18 2021-01-18 大规模软件定义网络的负载均衡方法

Publications (2)

Publication Number Publication Date
CN112838990A CN112838990A (zh) 2021-05-25
CN112838990B true CN112838990B (zh) 2023-05-23

Family

ID=75928557

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110064545.9A Active CN112838990B (zh) 2021-01-18 2021-01-18 大规模软件定义网络的负载均衡方法

Country Status (1)

Country Link
CN (1) CN112838990B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017142516A1 (en) * 2016-02-16 2017-08-24 Hewlett Packard Enterprise Development Lp Software defined networking for hybrid networks
CN108259367A (zh) * 2018-01-11 2018-07-06 重庆邮电大学 一种基于软件定义网络的服务感知的流策略定制方法
CN108337179A (zh) * 2017-01-19 2018-07-27 华为技术有限公司 链路流量控制方法及装置
CN108366015A (zh) * 2018-05-24 2018-08-03 湖南师范大学 用于软件定义网络的路由算法
CN109787913A (zh) * 2019-03-15 2019-05-21 北京工业大学 一种基于sdn的数据中心网络动态负载均衡方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9407561B2 (en) * 2013-06-19 2016-08-02 Huawei Technologies Co., Ld. Systems and methods for traffic engineering in software defined networks

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017142516A1 (en) * 2016-02-16 2017-08-24 Hewlett Packard Enterprise Development Lp Software defined networking for hybrid networks
CN108337179A (zh) * 2017-01-19 2018-07-27 华为技术有限公司 链路流量控制方法及装置
CN108259367A (zh) * 2018-01-11 2018-07-06 重庆邮电大学 一种基于软件定义网络的服务感知的流策略定制方法
CN108366015A (zh) * 2018-05-24 2018-08-03 湖南师范大学 用于软件定义网络的路由算法
CN109787913A (zh) * 2019-03-15 2019-05-21 北京工业大学 一种基于sdn的数据中心网络动态负载均衡方法

Also Published As

Publication number Publication date
CN112838990A (zh) 2021-05-25

Similar Documents

Publication Publication Date Title
CN107959633B (zh) 一种工业实时网络中基于价格机制的多路径负载均衡方法
US10454806B2 (en) SDN controller, data center system, and routing connection method
CN102238072B (zh) 一种动态选择路由的方法及clos交换网系统
JP6510115B2 (ja) 負荷分散を実現するための方法、装置、およびネットワークシステム
KR102011021B1 (ko) Sdn 기반 네트워크 가상화 플랫폼의 네트워크 하이퍼바이저에서 트래픽 엔지니어링 방법 및 프레임워크
CN109218213B (zh) 一种流量调控方法及装置
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
Cui et al. DiFS: Distributed Flow Scheduling for adaptive switching in FatTree data center networks
EP3490200A1 (en) Data packet transmission method and border routing bridge device
Patil Load balancing approach for finding best path in SDN
Tso et al. Baatdaat: Measurement-based flow scheduling for cloud data centers
CN114938374A (zh) 跨协议负载均衡方法及系统
Schlansker et al. Killer fabrics for scalable datacenters
CN109286563B (zh) 一种数据传输的控制方法和装置
CN112838990B (zh) 大规模软件定义网络的负载均衡方法
EP4304145A1 (en) Quasi-stateful load balancing
CN104917677A (zh) 数据流转发的控制方法及系统
CN111294406B (zh) 软件定义网络控制器混合映射方法
Bassene et al. A self-adaptive QoS-management framework for highly dynamic IoT networks
Rout et al. Load balancing in SDN using effective traffic engineering method
Liu et al. Disturbance based dynamic load balancing routing mechanism under SDN
TW201701612A (zh) 網路控制方法及網路控制器
Hussein et al. Enhancement Load Balance (ELB) Model for Port EtherChannel Technology
Yetginer et al. Robust path design algorithms for traffic engineering with restoration in MPLS networks
WO2018179922A1 (ja) 通信装置、通信制御方法、及び通信システム

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