CN117240788A - 一种基于sdn的数据中心网络拥塞控制方法 - Google Patents
一种基于sdn的数据中心网络拥塞控制方法 Download PDFInfo
- Publication number
- CN117240788A CN117240788A CN202311521178.6A CN202311521178A CN117240788A CN 117240788 A CN117240788 A CN 117240788A CN 202311521178 A CN202311521178 A CN 202311521178A CN 117240788 A CN117240788 A CN 117240788A
- Authority
- CN
- China
- Prior art keywords
- controller
- sub
- flow
- stream
- elephant
- 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
- 238000000034 method Methods 0.000 title claims abstract description 38
- 241000406668 Loxodonta cyclotis Species 0.000 claims abstract description 52
- 230000005540 biological transmission Effects 0.000 claims abstract description 44
- 238000013508 migration Methods 0.000 claims description 22
- 230000005012 migration Effects 0.000 claims description 22
- 238000012544 monitoring process Methods 0.000 claims description 14
- 230000006870 function Effects 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 13
- 230000007246 mechanism Effects 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 5
- 239000002131 composite material Substances 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 description 4
- 238000011084 recovery Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 235000003642 hunger Nutrition 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000037351 starvation Effects 0.000 description 1
Classifications
-
- 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
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种基于SDN的数据中心网络拥塞控制方法,具体为:S1:SDN控制器实时监控队列长度;S2:使用改进的RED算法根据队列长度和阈值来管理队列;S3:将网络中的全局数据流信息记录在流表当中;S4:将全局数据流分成老鼠流、普通大象流和超象流;S5:当某个交换机出现拥塞,且全局数据流是超象流时,主控制器选择目标子控制器,并在过载子控制器中选择部分流量迁移至目标子控制器中;S6:当某个交换机出现拥塞,且全局数据流是普通大象流时,对该普通大象流的发送窗口的传输速率进行调整;S7:当交换机进入拥塞状态时,交换机根据队列长度判断是否解除拥塞状态。本发明能够保持网络的高效运行,提高了资源利用率。
Description
技术领域
本发明属于网络通信领域,尤其涉及一种基于SDN的数据中心网络拥塞控制方法。
背景技术
随着信息技术的高速发展,各类网络相互交叉融合以及信息量呈海量式增长,数据中心规模急剧扩大。为了突破传统的数据中心网络采用典型地二层或三层树形结构带来的性能瓶颈,研究人员提出了多种新的数据中心网络结构,如 Fat-tree,Portland等,这些新型的网络结构典型的特征是节点之间多路径连接。随着运营模式的不断的变化,现代数据中心网络运营模式逐渐由企业自主建设向共享使用转变同时动态按需分配资源和服务。因此,数据中心网络面临多路径传输问题和网络流调度问题,这两个问题得不到有效的解决就会导致网络拥塞。当用户对网络资源(链路带宽、节点的存储空间)的需求超过网络容量,就会发生拥塞。网络拥塞导致数据包的传输时延和丢包率的上升,网络吞吐量的下降,严重影响到网络的性能和运行稳定性。因此,需要设计高效的拥塞控制算法解决数据中心拥塞问题,降低丢包率和提高带宽利用率,从而提升网络性能。
数据中心网络的拥塞控制方法在应对高带宽、低时延、并发流量以及不断变化的网络拓扑等复杂挑战时,常采用TCP Cubic、DCTCP、PFC、QCN等算法,然而每个算法都有其独特的优势和限制。TCP Cubic在高带宽网络中表现出色,但其对于突发流量的响应机制可能引发缓冲区膨胀问题,造成时延的增加,尤其对实时应用不利。DCTCP利用ECN技术快速反馈拥塞信息,适合数据中心环境,但在网络拓扑动态变化时,其适应性可能受到挑战。PFC通过优先级机制保障特定流量传输,适用于多租户场景,但在频繁拓扑变化的数据中心中可能表现不佳,且低优先级流量可能遭受资源饥饿问题。QCN提供精细的拥塞反馈,有利于时延敏感的应用,但扩展性能不佳,且在交换机的支持上有局限性。
发明内容
发明目的:为了解决上述现有技术存在的问题,本发明提供了一种基于SDN的数据中心网络拥塞控制方法。
技术方案:本发明提供了一种基于SDN的数据中心网络拥塞控制方法,具体包括如下步骤:
S1:通过SDN控制器实时监控队列长度;
S2:使用改进RED算法根据队列长度动态地设置最大调整阈值和最小调整阈值/>,根据最大调整阈值和最小调整阈值,判断是否对列队进行丢包处理;当丢包处理的概率为1时,认定交换机进入拥塞状态;
S3:通过利用SDN主控制器和子控制器,将网络中的全局数据流信息记录在流表当中;
S4:结合网络流量的流速,将全局数据流分成老鼠流和大象流,根据数据包的大小和流持续时间将大象流分成普通大象流和超象流;
S5:当发现某个交换机出现拥塞,并判别出全局数据流是超象流时,将该交换机所在的子控制器作为过载子控制器,在所有的子控制器中筛选出不存在超象流的子控制器,并构成候选目标子控制器集合,主控制器在候选目标子控制器集合中选择用于流量迁移的目标子控制器;然后主控制器在过载子控制器中选择部分流量迁移至目标子控制器中;
S6:当发现某个交换机出现拥塞,并判别出全局数据流是普通大象流时,对该普通大象流的发送窗口的传输速率进行调整,从而保证老鼠流的发送速率;
S7:当交换机进入拥塞状态时,交换机实时检测队列长度,并根据队列长度判断是否解除拥塞状态。
进一步的,所述最大调整阈值的表达式为:,最小调整阈值/>的表达式为:,其中,/>为设定的最小基准阈值,/>为设定的最大基准阈值,U表示链路利用率,U的表达式为:,其中,lod表示链路上传输数据流所占用的带宽大小,B表示链路的带宽容量。
进一步的,所述S2中,当交换机中某个端口的队列长度小于最小调整阈值时,则不进行丢包处理,当该队列长度大于等于最小调整阈值且小于等于最大调整阈值时,以概率丢弃数据包,当该队列长度大于最大调整阈值时,丢包概率为1;/>的表达式为:。
进一步的,S4中根据判别条件判别老鼠流和普通大象流:,其中,B表示链路的带宽容量,f表示流速,f的表达式为:/>,其中,/>表示为交换机在一个监测周期T内所接收到的字节数目;判别普通大象流和超象流的公式为:/>,其中,为预设的阈值,/>表示大象流综合得分的调整值,/>的表达式为:其中,u表示链路利用率,/>表示大象流综合得分的平均值,的表达式为:/>,其中n表示大象流内的数据包个数,/>为每个数据包的综合得分,/>的表达式为:/>,其中,/>为数据包的大小,/>为流持续时间,β和γ均表示权重因子,β+γ=1。
进一步的,S5中采用表达式选择目标子控制器,其中q为目标子控制器,x表示过载子控制器,y表示候选目标子控制器集合中的第y个候选目标子控制器,y=1,2,…,S,S表示候选目标子控制器集合中候选目标子控制器的总个数,Cost(x,y)表示过载子控制器迁移至第y个候选目标子控制器的迁移损耗函数,Cost(x,y)的表达式为:,其中,D(x,y)表示过载子控制器迁移到第y个候选目标子控制器所需迁移时延,L(x,y)表示过载子控制器迁移到第y个候选目标子控制器的迁移路径长度,/>、/>和/>均表示权重系数,,Load表示子控制器的负载,Load的表达式为:,其中,/>、/>和/>均为权重系数,/>,T为监测周期,/>表示子控制器当前内存占用量,/>表示子控制器内存总量,/>表示子控制器处理过程中丢失的数据包百分比,N表示子控制器当前的流表数目,M表示子控制器最大支持的流表数目,R表示子控制器处理的请求数。
进一步的,S5中主控制器根据流量迁移比率在过载子控制器中选择部分流量迁移至目标子控制器中,/>的表达式为:/>,其中,Load表示子控制器的负载,下标x表示过载子控器,下标q表示目标子控制器;主控制器将超象流中/>倍的流量仍然按照原始路径进行传输,剩余的/>倍流量迁移到目标子控制器中进行传输。
进一步的,所述S6具体为:
S61:计算出普通大象流发送窗口的限制基准值:/>,其中,/>为最大转发速率,/>为当前t时刻的排队长度,/>;u表示大象流的总个数,z表示老鼠流的总个数,/>为往返时延的平均大小,/>的表达式为:,其中,/>表示预设的基准值;
S62:利用基于PID控制机制,结合限制基准值对普通大象流的发送窗口的传输速率进行调节,得到调节后的普通大象流的发送窗口的传输速率:,其中,tanh(x)为[-1~1]之间的函数,为控制因子,/>的表达式为:,其中,/>为t-1时刻的控制因子,/>为比例项因子,/>为积分项因子,/>为导数项因子,/>表示相应时刻时普通大象流的实际大小与/>的差值。
进一步的,所述S7具体为:基于实时检测的队列长度,设置加权平均值:,其中,/>为权重因子,/>的初始值为发生拥塞初始时刻时队列的长度,交换机实时检测该加权平均值,若若干个检测周期内该加权平均值一直小于最大调整阈值,则交换机解除拥塞状态。
进一步的,该方法还包括基于Dijkstra的贪心算法,计算出最优的传输路径,用于S7中部分流量的迁移。
进一步的,按照如下方法计算出最优的传输路径:
步骤1:计算出第一条最短路径;
步骤2:松弛一次求出次短路径,往复迭代L-1次,计算出基于最短路径偏离的L-1条路径,最终得到L条短路径,构成短路径集合;
步骤3:计算每个短路径的损耗函数:/>,其中为短路径/>的基准损耗和,表示固定损耗,/>,其中,/>表示短路径/>中第j条链路的基准损耗,m表示短路径/>中链路的总个数,/>为短路径的新增损耗,,其中,/>表示短路径/>中第j条链路的新增损耗,,其中,/>表示短路径/>中第j个链路的流速,/>表示短路径/>中第j个链路的剩余带宽,/>,其中,/>表示短路径/>中第j个链路的带宽阈值,/>为短路径/>中第j个链路的负载情况。
有益效果:
1、本发明引入动态阈值调整机制的改进RED算法,动态阈值调整机制使得RED算法能够根据实时网络拥塞情况进行自适应调整。随着网络流量的变化,阈值会根据需要进行动态调整,以便更有效地控制拥塞,适应不同负载和流量变化。
2、本发明在区分流量类型时,不仅区分了老鼠流和大象流,更是在大象流的基础上区分了超级大象流,可以避免TCP incast的发生,实现更精细化的资源分配,防止大规模数据流同时向一个目标发送数据,减少拥塞和丢包。
3、本发明在处理超象流中,采用控制器迁移机制,避免单个控制器过载,从而保持网络的高效运行。负载均衡也可以根据网络的实际负载情况进行动态调整,提高资源利用率。
附图说明
图1为数据中心网络的网络模型图;
图2为本发明的具体工作流程图;
图3为本发明中系统的总体架构图。
具体实施方式
构成本发明的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。
中心网络的网络模型如图1所示,主要由SDN主控制器1个、SDN子控制器若干个和若干个胖树拓扑结构的数据中心网络构成,主控制器负责全局拓扑监控和整体流量控制策略,而子控制器负责局部拓扑监控和局部流量控制。
如图2所示,本实施例提供的一种基于SDN的数据中心网络拥塞控制方法,其具体步骤为:
S1:通过SDN控制器并实时监控队列长度。
S2:使用改进RED算法根据队列长度和阈值来管理队列;所述改进RED算法具体指引入动态阈值调整机制,使拥塞监测告警可根据交换机的队列长度、链路利用率U的实际情况来调整拥塞控制的灵敏度,具体步骤如下:
S21:设定最小基准阈值和最大基准阈值/>根据链路利用率U综合定义动态阈值调整机制的计算公式,包括最小调整阈值/>和最大调整阈值/>:
;
链路利用率的计算公式为:
;
其中,lod表示链路上传输数据流所占用的带宽大小,B表示链路的带宽容量。本实施例中,当链路未充分利用或队列长度较大时,最小调整阈值会相对较小,以便增加容忍度;当链路充分利用且队列长度不过大时,最大调整阈值会相对减小,以避免进一步增加拥塞。
S22:当队列长度小于最小调整阈值时,不进行丢包,数据包继续排队。
S23:当队列长度大于等于最小调整阈值且小于等于最大调整阈值时,RED算法开始以一定的概率丢弃数据包,此时目的是为了小幅度减轻拥塞但不作为拥塞发生的条件,且丢包概率与队列长度/>,其中丢包概率计算公式为:
;
S24:当队列长度大于最大调整阈值时,此时丢包概率为1,说明交换机内正在发生丢包事件。
S3:根据丢包事件对拥塞状态进行判断,并告警和处理。
S31:当交换机中某个端口的队列长度大于最大调整阈值,检测到丢包概率为1,触发拥塞通告信息(CNM),并将该消息传送到上行控制器,交换机进入拥塞状态;CNM包含交换机的标识、发生拥塞的端口号和发生拥塞时的队列长度。
S4:通过利用SDN主控制器和子控制器,可以将网络中的全局数据流信息记录在流表当中。
S5:区分出大象流和老鼠流。
S51:流速计算公式为:
其中表示交换机在一个监测周期T内所接收到的字节数目。
S52:得出流速后,结合链路的带宽容量B定义一个判别条件:
其中,为判别条件。
S6:根据得分函数在大象流里筛选出超象流;在大象流里面,结合数据包大小、流持续时间和链路利用率,定义一个得分函数,筛选出普通大象流和超象流。
S61:首先针对大象流内存在的n个数据包,对每个数据包k,计算综合特征得分,综合考虑数据包的大小/>和流持续时间/>:
其中,β和γ分别表示数据包大小和流持续时间在综合得分中的权重因子,并且β+γ=1。
S62:对于该大象流整体,计算综合得分的平均值:
S63:引入链路利用率U,计算综合得分的调整值:
。
S64:根据综合得分的调整值,对大象流进行分类:
其中,为预设的阈值,由此全局数据流的老鼠流、普通大象流和超象流已经分类完毕。
S7:当发现某个交换机出现拥塞并判别出是超象流时,由其所在的子控制器记录信息并上传给主控制器,进行部分流量迁移,并选取最优路径传输到接收端;
S71:当某一交换机出现拥塞并判别出超象流时,其子控制器记录信息并上传给主控制器,进行部分流量迁移。
S72:为了选择合适的目标子控制器来迁移部分流量,综合考虑各个子控制器的内存占用、处理过程中丢失的数据包百分比、流表数目和请求数目来周期性计算各个子控制器的负载值:
其中,表示子控制器当前内存占用量,/>表示子控制器内存总量,/>表示子控制器处理过程中丢失的数据包百分比,N表示子控制器当前的流表数目,M表示子控制器最大支持的流表数目,R表示子控制器处理的请求数,T为监测周期,/>、/>和/>均为权重系数,/>。
S73:在所有的子控制器中,筛选出不存在超象流的子控制器,并构成候选目标子控制器集合;
S74:根据子控制器x迁移到第y个候选目标子控制器所需迁移时延D(x,y)、子控制器x迁移到子控制器y的迁移路径长度L(x,y)和相关子控制器负载Load,定义一个迁移损耗函数:
其中,子控制器x表示存在超象流的子控制器也即过载子控制器,、/>和/>均表示权重系数,平衡不同因素的影响,并且满足/>。
过载子控制器x向主控制器发送请求,由主控制器选择迁移损耗函数最小的目标子控制器q。
S75:根据过载子控制器x和目的子控制器q的负载之比计算一个迁移比率:
将超象流中的流量,按照倍通过原始路径,而剩余/>的倍的流量迁移到目标子控制器中进行传输,由主控制器根据迁移比率和目标子控制器的标识,为要迁移的超级大象流创建流表规则,并下发至涉及交换机的相应端口。
S76:考虑相应的交换机的传输时延问题,在目标子控制器下的迁移交换机和接收端之间设计最优传输路径的选取算法,本实施例基于Dijkstra 算法的贪心思想,直接得出L条短路径,在短路径集合中综合考虑链路中的可用带宽、路径损耗综合定义一个路径选定函数,以判别最优传输路径。
S761:首先计算出第一条最短路径并记录信息。
S762:松弛一次求出对应的次短路径,往复迭代L-1次,可算出基于最短路径偏离的L-1条路径,最终得到L条短路径,设定短路径集合。
S763:在短路径集合内的某一条路径用/>表示,而/>有m条链路组成,j=1,2,…,m,定义每个链路可用带宽/>:
其中,表示短路径/>中第j个链路的带宽阈值,/>为短路径/>中第j个链路的负载情况。
S764:定义路径的损耗函数为:
其中,为路径基准损耗和,表示路径的固定损耗,/>为可调损耗和,表示若进行迁移的新增损耗,其中
其中,表示短路径/>中第j条链路的新增损耗,由第j条链路的流速/>与可用带宽之/>比和链路基准损耗所占路径总损耗的比例加权系数之和的一半,再乘上该链路的基准损耗可得。
由此通过如下公式选择最优传输路径:
由此完成最优传输路径的选择。
S8:当发现某个交换机出现拥塞并判别出是普通大象流时,子控制器对该普通大象流的发送窗口的传输速率进行调整,从而保证老鼠流的发送速率,进一步计算出所匹配的交换机接收窗口调整值,生成流表并下发至交换机。
S81:当某一交换机出现拥塞并没有超象流时,此时只有老鼠流和普通大象流,设置普通大象流的集合为U1,内有u条大象流,老鼠流的集合为Z,内有z条老鼠流,所以共有条数据流,根据端口最大转发速率公式,可以得出:
其中,为当前t时刻的排队长度,/>为最大转发速率,/>为往返时延的平均大小,/>是t时数据流的发送窗口值,其中排队长度大小可以基于open-flow协议从报文中提取,而端口数据流总量可以从全局流表中获取,往返时延的平均大小可以由设定的基准值/>并结合排队长度/>和端口最大转发速率/>可得:
S82:计算出普通大象流发送窗口的限制基准值:
为某一普通大象流在时刻t时实际大小/>与基准值/>的差;的表达式如下所示:
S83:利用基于PID(Proportional Integral Derivative,比例积分导数)控制机制,结合基准值对普通大象流的发送窗口的传输速率进行调节,首先计算控制因子:
其中,为t-1时刻的控制因子,/>为比例项因子,/>为积分项因子,/>为导数项因子,/>初始化值为/>。
对大象流发送窗口的传输速率进行限制,并生成流表下发给交换机进行相应的窗口进行调节:
其中,tanh(x)为[-1~1]之间的函数;由此可得出限制后的普通大象发送流窗口的传输速率,由子控制器生成相应的流表并下发至交换机,来进行窗口传输速率的调整。
在交换机进入拥塞状态后,交换机会周期性地监视队列长度,关注的不仅是单个或者数个时刻内队列长度是否小于最大调整阈值,而是考虑一段时间内队列长度的趋势,以减少由于瞬时波动引起的误判,为实现平滑性,使用指数加权平均来对队列长度数据进行平滑处理。具体实现为维护一个加权平均值和一个权重因子/>,加权平均值/>的初始值为发生拥塞初始时刻时列队的长度,每次收到交换机发送的队列长度数据时,/>根据指数加权平均值的公式更新进行更新:
。
如果连续若干个周期监视到的队列长度的加权平均值都小于最大调整阈值(本实施中采用三个周期),交换机向上行控制器发送拥塞恢复信息(CRM),拥塞恢复信息包含交换机的标识和恢复正常状态的端口号,上行控制器收到CRM后,可以相应地调整发送窗口,恢复到正常状态。
本实施例的系统如图3所示具体包括拥塞监测告警模块、网络流量区分模块、拥塞调整优化模块;所述拥塞监测告警模块,引入动态阈值调整机制的改进RED(Random EarlyDetection)算法来管理交换机队列长度,当交换机队列发生拥塞,产生拥塞通告信息(Congestion Notification Message, CNM),当判断出交换机队列不再拥塞时,产生拥塞恢复信息( Congestion Recovery Message, CRM),不再进行相关的处理。
所述网络流量区分模块,通过利用SDN主控制器和子控制器,将网络中的全局数据流信息记录在流表当中,结合网络流量的特点,将全局数据流分成老鼠流、普通大象流和比普通大象流更大的超象流。
所述拥塞调整优化模块,当发现某个交换机出现拥塞并判别出是超象流时,进行部分流量迁移,并选取最优路径传输到接收端;当发现某个交换机出现拥塞并判别出是普通大象流时,由上行控制器对该普通大象流的发送窗口的传输速率进行一定程度的限制,以保证老鼠流的发送速率。
另外需要说明的是,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合。为了避免不必要的重复,本发明对各种可能的组合方式不再另行说明。
Claims (10)
1.一种基于SDN的数据中心网络拥塞控制方法,其特征在于,具体包括如下步骤:
S1:通过SDN控制器实时监控队列长度;
S2:使用改进RED算法根据队列长度动态地设置最大调整阈值/>和最小调整阈值/>,根据最大调整阈值和最小调整阈值,判断是否对列队进行丢包处理;当丢包处理的概率为1时,认定交换机进入拥塞状态;
S3:通过利用SDN主控制器和子控制器,将网络中的全局数据流信息记录在流表当中;
S4:结合网络流量的流速,将全局数据流分成老鼠流和大象流,根据数据包的大小和流持续时间将大象流分成普通大象流和超象流;
S5:当发现某个交换机出现拥塞,并判别出全局数据流是超象流时,将该交换机所在的子控制器作为过载子控制器,在所有的子控制器中筛选出不存在超象流的子控制器,并构成候选目标子控制器集合,主控制器在候选目标子控制器集合中选择用于流量迁移的目标子控制器;然后主控制器在过载子控制器中选择部分流量迁移至目标子控制器中;
S6:当发现某个交换机出现拥塞,并判别出全局数据流是普通大象流时,对该普通大象流的发送窗口的传输速率进行调整,从而保证老鼠流的发送速率;
S7:当交换机进入拥塞状态时,交换机实时检测队列长度,并根据队列长度判断是否解除拥塞状态。
2.根据权利要求1所述的一种基于SDN的数据中心网络拥塞控制方法,其特征在于:所述最大调整阈值的表达式为:/>,最小调整阈值/>的表达式为:/>,其中,为设定的最小基准阈值,/>为设定的最大基准阈值,U表示链路利用率,U的表达式为:/>,其中,lod表示链路上传输数据流所占用的带宽大小,B表示链路的带宽容量。
3.根据权利要求1所述的一种基于SDN的数据中心网络拥塞控制方法,其特征在于:所述S2中,当交换机中某个端口的队列长度小于最小调整阈值时,则不进行丢包处理,当该队列长度大于等于最小调整阈值且小于等于最大调整阈值时,以概率丢弃数据包,当该队列长度大于最大调整阈值时,丢包概率为1;/>的表达式为:。
4.根据权利要求1所述的一种基于SDN的数据中心网络拥塞控制方法,其特征在于:S4中根据判别条件判别老鼠流和普通大象流:/>,其中,B表示链路的带宽容量,f表示流速,f的表达式为:/>,其中,/>表示为交换机在一个监测周期T内所接收到的字节数目;判别普通大象流和超象流的公式为:,其中,/>为预设的阈值,/>表示大象流综合得分的调整值,/>的表达式为:/>其中,u表示链路利用率,/>表示大象流综合得分的平均值,/>的表达式为:/>,其中n表示大象流内的数据包个数,/>为每个数据包的综合得分,/>的表达式为:,其中,/>为数据包的大小,/>为流持续时间,β和γ均表示权重因子,β+γ=1。
5.根据权利要求1所述的一种基于SDN的数据中心网络拥塞控制方法,其特征在于:S5中采用表达式选择目标子控制器,其中q为目标子控制器,x表示过载子控制器,y表示候选目标子控制器集合中的第y个候选目标子控制器,y=1,2,…,S,S表示候选目标子控制器集合中候选目标子控制器的总个数,Cost(x,y)表示过载子控制器迁移至第y个候选目标子控制器的迁移损耗函数,Cost(x,y)的表达式为:,其中,D(x,y)表示过载子控制器迁移到第y个候选目标子控制器所需迁移时延,L(x,y)表示过载子控制器迁移到第y个候选目标子控制器的迁移路径长度,/>、/>和/>均表示权重系数,,Load表示子控制器的负载,Load的表达式为:,其中,/>、/>和/>均为权重系数,/>,T为监测周期,/>表示子控制器当前内存占用量,/>表示子控制器内存总量,/>表示子控制器处理过程中丢失的数据包百分比,N表示子控制器当前的流表数目,M表示子控制器最大支持的流表数目,R表示子控制器处理的请求数。
6.根据权利要求1所述的一种基于SDN的数据中心网络拥塞控制方法,其特征在于:S5中主控制器根据流量迁移比率在过载子控制器中选择部分流量迁移至目标子控制器中,/>的表达式为:/>,其中,Load表示子控制器的负载,下标x表示过载子控器,下标q表示目标子控制器;主控制器将超象流中/>倍的流量仍然按照原始路径进行传输,剩余的/>倍流量迁移到目标子控制器中进行传输。
7.根据权利要求1所述的一种基于SDN的数据中心网络拥塞控制方法,其特征在于:所述S6具体为:
S61:计算出普通大象流发送窗口的限制基准值:/>,其中,为最大转发速率,/>为当前t时刻的排队长度,/>;u表示大象流的总个数,z表示老鼠流的总个数,/>为往返时延的平均大小,/>的表达式为:,其中,/>表示预设的基准值;
S62:利用基于PID控制机制,结合限制基准值对普通大象流的发送窗口的传输速率进行调节,得到调节后的普通大象流的发送窗口的传输速率:,其中,tanh(x)为[-1~1]之间的函数,为控制因子,/>的表达式为:,其中,/>为t-1时刻的控制因子,/>为比例项因子,/>为积分项因子,/>为导数项因子,/>表示相应时刻时普通大象流的实际大小与/>的差值。
8.根据权利要求1所述的一种基于SDN的数据中心网络拥塞控制方法,其特征在于:所述S7具体为:基于实时检测的队列长度,设置加权平均值:,其中,/>为权重因子,/>的初始值为发生拥塞初始时刻时队列的长度,交换机实时检测该加权平均值,若若干个检测周期内该加权平均值一直小于最大调整阈值,则交换机解除拥塞状态。
9.根据权利要求1所述的一种基于SDN的数据中心网络拥塞控制方法,其特征在于:该方法还包括基于Dijkstra的贪心算法,计算出最优的传输路径,用于S7中部分流量的迁移。
10.根据权利要求9所述的一种基于SDN的数据中心网络拥塞控制方法,其特征在于:按照如下方法计算出最优的传输路径:
步骤1:计算出第一条最短路径;
步骤2:松弛一次求出次短路径,往复迭代L-1次,计算出基于最短路径偏离的L-1条路径,最终得到L条短路径,构成短路径集合;
步骤3:计算每个短路径的损耗函数:/>,其中/>为短路径/>的基准损耗和,表示固定损耗,/>,其中,/>表示短路径/>中第j条链路的基准损耗,m表示短路径/>中链路的总个数,/>为短路径的新增损耗,,其中,/>表示短路径/>中第j条链路的新增损耗,,其中,/>表示短路径/>中第j个链路的流速,/>表示短路径/>中第j个链路的剩余带宽,/>,其中,/>表示短路径/>中第j个链路的带宽阈值,/>为短路径/>中第j个链路的负载情况。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311521178.6A CN117240788B (zh) | 2023-11-15 | 2023-11-15 | 一种基于sdn的数据中心网络拥塞控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311521178.6A CN117240788B (zh) | 2023-11-15 | 2023-11-15 | 一种基于sdn的数据中心网络拥塞控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117240788A true CN117240788A (zh) | 2023-12-15 |
CN117240788B CN117240788B (zh) | 2024-03-08 |
Family
ID=89082988
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311521178.6A Active CN117240788B (zh) | 2023-11-15 | 2023-11-15 | 一种基于sdn的数据中心网络拥塞控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117240788B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117938755A (zh) * | 2024-03-25 | 2024-04-26 | 广东琴智科技研究院有限公司 | 一种数据流量控制方法、网络交换子系统及智能计算平台 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040090916A1 (en) * | 2002-10-29 | 2004-05-13 | Hosein Patrick Ahamad | System and method for wireless network congestion control |
KR20050088874A (ko) * | 2004-03-03 | 2005-09-07 | 삼성전자주식회사 | 비디오 서비스 대역폭 보장을 위한 패킷 체증제어 방법 |
CN101388833A (zh) * | 2008-07-18 | 2009-03-18 | 广东工业大学 | 基于自适应阈值机制的网络控制方法 |
CN104994031A (zh) * | 2015-07-13 | 2015-10-21 | 天津理工大学 | 一种主动队列自适应管理方法asred |
CN106059951A (zh) * | 2016-06-08 | 2016-10-26 | 中南大学 | 一种用于dcn中基于多级拥塞反馈的传输控制方法 |
CN107038067A (zh) * | 2016-09-07 | 2017-08-11 | 阿里巴巴集团控股有限公司 | 分布式流处理中处理资源的管理方法和装置 |
CN107819695A (zh) * | 2017-10-19 | 2018-03-20 | 西安电子科技大学 | 一种基于sdn的分布式控制负载均衡系统与方法 |
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 |
CN109791505A (zh) * | 2016-10-05 | 2019-05-21 | 瑞典爱立信有限公司 | 控制在数据中心中的资源分配 |
CN109873772A (zh) * | 2019-01-25 | 2019-06-11 | 广州大学 | 基于稳定匹配的流调度方法、装置、计算机设备及存储介质 |
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 |
WO2023272532A1 (zh) * | 2021-06-29 | 2023-01-05 | 新华三技术有限公司 | 一种拥塞处理方法、装置、网络设备以及存储介质 |
-
2023
- 2023-11-15 CN CN202311521178.6A patent/CN117240788B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040090916A1 (en) * | 2002-10-29 | 2004-05-13 | Hosein Patrick Ahamad | System and method for wireless network congestion control |
KR20050088874A (ko) * | 2004-03-03 | 2005-09-07 | 삼성전자주식회사 | 비디오 서비스 대역폭 보장을 위한 패킷 체증제어 방법 |
CN101388833A (zh) * | 2008-07-18 | 2009-03-18 | 广东工业大学 | 基于自适应阈值机制的网络控制方法 |
CN104994031A (zh) * | 2015-07-13 | 2015-10-21 | 天津理工大学 | 一种主动队列自适应管理方法asred |
CN106059951A (zh) * | 2016-06-08 | 2016-10-26 | 中南大学 | 一种用于dcn中基于多级拥塞反馈的传输控制方法 |
CN107038067A (zh) * | 2016-09-07 | 2017-08-11 | 阿里巴巴集团控股有限公司 | 分布式流处理中处理资源的管理方法和装置 |
CN109791505A (zh) * | 2016-10-05 | 2019-05-21 | 瑞典爱立信有限公司 | 控制在数据中心中的资源分配 |
CN107819695A (zh) * | 2017-10-19 | 2018-03-20 | 西安电子科技大学 | 一种基于sdn的分布式控制负载均衡系统与方法 |
CN109873772A (zh) * | 2019-01-25 | 2019-06-11 | 广州大学 | 基于稳定匹配的流调度方法、装置、计算机设备及存储介质 |
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 |
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 |
WO2023272532A1 (zh) * | 2021-06-29 | 2023-01-05 | 新华三技术有限公司 | 一种拥塞处理方法、装置、网络设备以及存储介质 |
Non-Patent Citations (7)
Title |
---|
AYMEN HASAN ALAWADI ET AL.: "Oddlab: fault-tolerant aware load-balancing framework for data center network", ANNALS OF TELECOMMUNICATIONS, 24 December 2021 (2021-12-24) * |
B. B.BALAKIRUTHIGA ET AL.: "A Simple Congestion Avoidance mechanism for OpenDaylight (ODL) - Multipath TCP (MPTCP) Network structure in Software Defined Data Center (SDDC)", 2019 5TH INTERNATIONAL CONFERENCE ON ADVANCED COMPUTING & COMMUNICATION SYSTEMS (ICACCS), 6 June 2019 (2019-06-06) * |
JIAO ZHANG ET AL.: "Load Balancing in Data Center Networks: A Survey", IEEE COMMUNICATIONS SURVEYS & TUTORIALS, 15 March 2018 (2018-03-15) * |
WENZHI CUI ET AL.: "DiFS: Distributed Flow Scheduling for Adaptive Switching in FatTree Data Center Networks", COMPUTER NETWORKS, 4 August 2016 (2016-08-04) * |
樊自甫;李书;张丹;: "基于流量调度的SDN数据中心网络拥塞控制算法", 计算机科学, no. 1, 15 June 2017 (2017-06-15) * |
白雪;杨桂芹;: "基于SDN的两级大象流负载均衡策略", 兰州交通大学学报, no. 01, 15 February 2020 (2020-02-15) * |
薛礼;陈利;: "改进ARED拥塞控制算法研究与实现", 软件导刊, no. 11, 15 November 2017 (2017-11-15) * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117938755A (zh) * | 2024-03-25 | 2024-04-26 | 广东琴智科技研究院有限公司 | 一种数据流量控制方法、网络交换子系统及智能计算平台 |
CN117938755B (zh) * | 2024-03-25 | 2024-06-11 | 广东琴智科技研究院有限公司 | 一种数据流量控制方法、网络交换子系统及智能计算平台 |
Also Published As
Publication number | Publication date |
---|---|
CN117240788B (zh) | 2024-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107579922B (zh) | 网络负载均衡装置和方法 | |
CN105227481B (zh) | 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 | |
CN110932989B (zh) | 一种基于sdn数据中心网络的大象流路径监控调度方法 | |
CN117240788B (zh) | 一种基于sdn的数据中心网络拥塞控制方法 | |
CN110708736B (zh) | 一种基于能效中继选择的动态路由方法与系统 | |
WO2019134197A1 (zh) | 基于朴素贝叶斯分类器的最小负载路由选择方法及系统 | |
CN113746748B (zh) | 一种命名数据网络中显式拥塞控制方法 | |
CN108206790B (zh) | 一种基于网络切片的sdn联合路由选择及资源分配方法 | |
CN110351187B (zh) | 数据中心网络中路径切换粒度自适应的负载均衡方法 | |
WO2002096021A2 (en) | Quality of service management for multiple connections within a network communication system | |
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 | |
CN113098789A (zh) | 一种基于sdn的数据中心网络多路径动态负载均衡方法 | |
Wang et al. | Load balancing for heterogeneous traffic in datacenter networks | |
CN107018018A (zh) | 一种基于sdn的服务器增量在线升级方法及系统 | |
Li et al. | Survey on traffic management in data center network: from link layer to application layer | |
CN117294643A (zh) | 一种基于SDN架构的网络QoS保障路由方法 | |
Liu et al. | Hpstos: High-performance and scalable traffic optimization strategy for mixed flows in data center networks | |
CN114629847A (zh) | 基于可用带宽分配的耦合多流tcp拥塞控制方法 | |
CN110336755B (zh) | 一种新型舰船网络拥塞控制方法 | |
Gu et al. | Research on congestion control link algorithm of computer network based on sdn | |
CN110392408B (zh) | 基于节点角色和参数可调的时变网络拓扑控制方法与系统 | |
Almomani et al. | Simulation Based Performance Evaluation of Several Active Queue Management Algorithms for Computer Network | |
Zhang et al. | Efficient data center flow scheduling without starvation using expansion ratio | |
CN111510391B (zh) | 数据中心环境下细粒度级别混合的负载均衡方法 | |
CN115396357B (zh) | 一种数据中心网络中的流量负载均衡方法及系统 |
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 |