基于SDN的多控制器部署策略的研究

鮮永菊，朱　佳，魯昭男

(重慶郵電大學 通信與信息工程學院，重慶 400065)

基于SDN的多控制器部署策略的研究

鮮永菊，朱佳，魯昭男

(重慶郵電大學 通信與信息工程學院，重慶 400065)

摘要:隨著SDN在大型網絡以及廣域網中的需求，如何合理、高效地部署SDN控制器，從而以較低的部署成本，獲得較好的網絡性能，是當前研究的熱點。針對控制器數量、部署位置問題以及交換機與控制器之間的映射關系的問題，首先給出一種分布式的控制器部署方式并設定了網絡相關參數，以流建立請求代價為優化目標，提出了一種基于貪心算法的控制器部署策略方案。最后通過仿真實驗將所提出方案與ACL方案進行對比，證明了所提方案在性能方面有一定的提升。

關鍵詞:SDN；控制器；貪心算法

SDN[1]由于其控制與轉發相分離的本質，使數據的轉發更加簡單，網絡的控制更加靈活，并降低了網絡的管理成本，受到學術界和產業界的熱捧并成為其研究的熱點。隨著SDN在實際大型網絡拓撲以及廣域網中部署的需求，控制平面的可擴展性成為亟待解決的問題[2]，目前國內外已有解決SDN控制器可擴展性的架構方案，例如HyperFlow[3]、Onix[4]等。這些架構方案通過把多個控制器劃分到不同的控制域中，形成分布式的控制器部署平面，這是未來解決SDN面向大規模網絡部署時的重要思路[5-8]。但是對于給定的網絡拓撲，控制器的部署問題還有待進一步研究，比如，如何確定控制器的數量，以及每個控制器應該控制哪些交換機，才能使各個轉發設備之間都能夠更加有效及時地獲得控制器的流表信息。控制器部署問題可以根據不同的性能指標如可靠性、時延、安全性、一致性等方面進行研究。

1相關研究

國外已經有在控制器部署相關方面的研究。文獻[9]提出了一種基于數學模型進行求解的部署算法，其中以最小化網絡建設成本為目標，考慮多個約束條件進行求解，但該算法只適合小規模網絡，對大規模網絡來說，隨著節點規模的擴大，計算復雜度急劇增大，求解時間過長，甚至無法求解。文獻[10]通過引入平均時延和最壞時延兩個衡量標準進行大量試驗，針對不同的拓撲結構來研究控制器數量和控制器在拓撲中所部署位置對時延的影響。但是在研究控制器部署策略時，沒有考慮到網絡的可靠性。無法保證控制器之間全局視圖的一致性，從而破壞了正常的數據轉發功能。

在以網絡可靠性為優化目標的研究工作中，文獻[11]提出了“受保護”交換機概念，使故障快速恢復的可能性達到最大，但文章所提的算法只適合于單控制器情況。文獻[12]提出了一種貪婪的控制器放置算法，它僅以兩點之間的可靠性作為判斷控制器放置位置的依據，其可靠性近似公式準確性欠佳，無法代表實際的可靠性。文獻[13]提出了基于聚類的控制器放置算法和基于貪婪的控制器放置算法，分別實現了全局和局部的可靠性優化效果。但在研究過程中沒有考慮通信時延帶來的影響，控制平面和數據平面可能存在的時延將難以保證控制邏輯更新的一致性，有可能造成網絡出現斷路、丟包、環路等現象，使網絡無法進行正常通信。

目前現有的SDN多個控制器部署方案中，大多是從交換機節點到控制器的傳輸時延角度或者可靠性角度來分析控制器的部署問題，這些研究都是僅考慮網絡中的鏈路因素，而沒有考慮到節點因素，因為在網絡拓撲中，都是由節點和鏈路組成的，節點的權重代表了經過該節點以及由該節點產生的流數目，如果不考慮節點，則會忽略網絡中節點的負載，影響網絡的性能，節點因素同樣占據了很大一方面影響，所以在SDN控制器部署方案中，應同時考慮節點和鏈路兩個方面因素來進行研究。

2多控制器部署策略

本文在目前研究方案的基礎上對分布式多控制器的部署提出改進方案，同時考慮節點和鏈路兩方面因素，以流建立請求代價為優化目標，研究了分布式控制平面中多控制器的部署問題，對于一個給定的拓撲，首先進行對區域劃分，然后提出一種基于貪心算法的控制器部署策略解決控制器部署位置優化問題，從候選位置中選出最少數量的控制器集合，確定在哪些候選節點需要部署控制器，并計算出哪些控制器控制哪些交換機，即控制器與交換機的映射關系。

2.1控制器部署方式

控制器對交換機進行控制和管理，從平面中的節點中找出若干節點作為控制器最佳部署節點，控制器和交換機分別視為平面E中的點。

在控制器部署時，主要存在兩種方式：帶內部署和帶外部署[14]。帶內部署即選取某個核心交換機(文中交換機節點均指核心交換機節點)的位置作為控制器部署位置；帶外部署則選取交換機位置以外的地方作為控制器部署位置，并且每個交換機都與控制器建立一個單獨的安全通道以傳送消息信令。這兩種部署模式各有優劣：帶內部署可以避免控制器和交換機信息交互采用額外的接口和鏈路，減輕網絡設備的開銷；但這同時會帶來數據處理的開銷，控制器交換機在接收到新的數據時需要首先判斷其信息類型。而帶外模式則與此相反。在實際網絡部署中為了節省控制器的部署成本，大部分都采用帶內部署方式，因此本文也采用帶內部署方式。

2.2網絡區域劃分

隨著網絡規模的不斷擴大，需要部署的控制器的數量也會逐漸增加，對整個區域進行部署控制器時，由于節點數量太多，將會出現計算時間復雜度較高，這樣計算出來的部署位置更靠近網絡的中心，產生了熱點區域，不利于分散流量，不利于網絡流量均衡，最重要的是由于控制器性能的有限性，在區域邊界處的交換機有可能無法被所部署的控制器管理到，對整個區域劃分成小區域，再對每個小區域進行控制器的部署，這樣使得在計算交換機和控制器映射關系時在較短時間內收斂。

本文將進一步研究對二維平面的區域劃分，按照六邊形原則將網絡劃分為i個區域，根據交換機節點數量和控制器容量，保證每個區域至少需要部署1個控制器，對每個區域由內到外依次編號，再把六邊形區域平均劃分為6個子區域，每個子區也進行編號A，B，C，D，E，F，二維平面的劃分如圖1所示。

圖1　網絡區域劃分圖

由于實際網絡中節點分布的密度不同，每個子區域將會包含有不同數量的節點，每個子區域將會部署一個或多個控制器，為了使部署方案更具靈活性，設定控制器的性能即容量不同，也就是一臺控制器所能控制的交換機數量不同，分為大容量控制器和小容量控制器，大容量控制器的容量U是小容量控制器容量V的ρ倍。首先根據子區域內的交換機的數量w預估算出需要大容量控制器和小容量控制器的個數，他們之間的關系為

W=xU+yV+q

(1)

(2)

(3)

q=(WmodU)modV

(4)

式中：U,V,W,x,y,z,q均為整數，根據上式可以看出，在部署控制器時優先部署大容量控制器，然后再部署小容量控制器，這樣是因為如果都部署大容量控制器會浪費資源，無法充分使用控制器的性能，最后剩余q個交換機根據鄰邊最近原則，交由相鄰子域內的控制器進行管理。當下一個區域進行控制器部署時，先將相鄰子域內沒映射到的交換機節點“轉移”到本區域內，然后再進行本區域內的控制器部署。

2.3SDN多控制器部署方案

當數據在SDN網絡中，控制器的最主要功能之一是負責處理新流建立請求。在提出的控制器部署方案中，重點分析流請求的數量和流請求從交換機節點到控制器節點的傳輸代價來考慮控制器的最優部署問題。

流請求消息的數量可以用交換機節點的權重w(s)衡量。節點的權重一方面體現節點的重要性，另一方面可代表經過該節點以及由該節點產生的流數目。在本文中，以節點度ds來衡量節點的權重，節點的度是一個描述節點特征的重要參數，它是指和該節點相關聯的邊的條數。

節點權重w(s)表示為節點度ds

w(s)=ds

(5)

流請求消息從交換機節點到控制器節點的傳輸代價受多方面因素影響，如節點間距離(distance)、鏈路帶寬(bandwidth)、鏈路時延(delay)、鏈路負載(load)和交換機丟包率(loss)等相關因素。交換機節點到控制器節點的傳輸代價用f(s,c)來表示，流請求消息的轉發過程可看成是一類路由問題。在計算f(s,c)時，可以對各個影響因素歸一化后進行加權，使用路由算法進行求解。兩節點之間的傳輸代價f(i,j)可以用一種加權的表示方法為

f(i,j)=α·dis(i,j)+β·Band(i,j)+γ·del(i,j)+

λ·load(i,j)+μ·loss(s)

(6)

對所有影響鏈路傳輸代價的因素歸一化后，再使用路由算法進行最優路徑求解，以找到最小的路徑傳輸代價作為f(s,c)的度量

(7)

在SDN控制器部署問題中，優化目標是最小化流建立請求的平均代價，以此來衡量流建立請求傳輸時延。

網絡中并不是所有的交換機節點都可以作為控制器的候選位置節點，為了降低計算控制器最佳位置節點的復雜度，定義網絡中可部署控制器的候選節點集，從該節點集中找到流建立請求代價最小的節點，該節點即為控制器部署位置節點。其中控制器候選節點集的選擇原則是將節點權重大于或等于某固定值p的節點作為控制器候選位置節點集。

定義各區域內交換機節點到控制器的流建立請求代價函數

cost(s,c)=w(s)·f(s,c)

(8)

區域內各交換機節點到控制器的流建立請求的平均代價函數

(9)

式(9)說明流建立請求平均代價由交換機節點的權重w(v)和交換機向控制器發送的請求消息傳輸代價f(s,c)共同決定。

2.4基于貪心算法的多控制器部署策略(MultipleController Deployment Strategy，MCDS)步驟

基于貪心算法的MCDS步驟為：

1)初始化子域中控制器集合C′為空；

2)計算節點總數n，各節點的度deg，及相關的網絡影響因子如節點間距離(distance)、鏈路帶寬(bandwidth)、鏈路時延(delay)、鏈路負載(load)和交換機丟包率(loss)等；

4)根據步驟2中的網絡參數，對各個影響因素歸一化后進行加權，使用路由算法計算各節點到控制器候選節點的最佳路徑，以找到最小的路徑代價作為得到路由代價f(s,c)的度量；

5)綜合考慮交換機節點的權重，計算交換機到控制器候選節點的流信息建立請求代價cost(s,c)，按遞增順序排列；

7)找出具有最小cost(c)的節點cm作為大容量控制器的部署節點，加入控制器集合中，控制器數量加1，并取出包括此控制器位置所在節點的交換機節點的前U個交換機節點作為此控制器映射的交換機，同時把cm和相映射的交換機從集合S中移除，此時本區域剩余數量為r=n-U；

8)判斷r是否大于u，如果r大于u，重復步驟5)～9)，如果r小于u，再判斷r是否大于v，如果r大于v，重復步驟5)～9)，步驟8)、9)中的U替換成V，如果r小于v，則剩余的r個節點暫時不進行管理，進行下一步；

9)計算剩余的各個節點與相鄰子域內最近節點的距離，根據就近原則，把剩余的各個節點“移動”到相應的子域內，按照順序A→B→C→D→E→F進行部署，總能找到至少一個相鄰的未開始部署的子域，當此相鄰子域進行控制器部署時優先考慮“被移動”到本子域的節點，設節點數為b，此時步驟8)中的U變為U′=U-b，然后再根據步驟5)～9)進行控制器部署和交換機節點映射。

此算法是一種局部最優解算法，在每一次迭代計算中都能找到局部最優解，算法復雜度較低，運行時間也較短。避免了迭代計算陷入死循環，適用于節點數較多的大規模網絡。

3部署實例分析

本文首先要對一個給定的網絡拓撲進行區域劃分，網絡拓撲如圖2所示，對網絡拓撲劃分了6個區域并編號A，B，C，D，E，F，同時對各個子域內的節點進行編號，圖中的節點均為核心交換機所在位置的節點，大容量控制器可以控制6個交換機，小容量控制器可以控制4個交換機。控制器部署候選節點選取節點度w(s)≥5的節點加入控制器候選節點集C中，在圖中用綠色表示候選節點(圖2原為彩圖，綠點在本圖中為顏色稍深一些的點)，盡管網絡的規模并不是非常龐大，但足以說明本文所提的方案能提高系統。

圖2　區域劃分

在實例中，為了更直觀地說明流建立請求傳輸時延和網絡拓撲對于控制器部署位置的影響，本文在網絡拓撲參數引入了節點間的路徑長度、鏈路帶寬。di,j表示節點i與節點j之間的路徑長度，Bi,j表示節點i與節點j之間的鏈路帶寬，且di,j=dj,i，Bi,j=Bj,i。

首先利用歸一化方法計算出節點間距離和鏈路帶寬的歸一化數值，并用加權公式得到兩節點間的鏈路傳輸代價加權值。然后利用Dijkstra算法找到各節點之間的最短路徑，然后根據現有的網絡參數及網絡拓撲利用MATLAB計算出各節點之間的路由代價，按照MCDS方案進行部署，部署情況如圖3所示。

圖3　MCDS部署圖

在本區域中一共部署了11個控制器，其中9個大容量控制器和2個小容量控制器，圖3中紅色節點表示每個子域內部署控制器所在位置(圖3原圖為彩圖，紅點在本圖中為顏色最深的點)，在此控制器節點周圍的相同顏色的節點為此控制器所控制的交換機節點，

反映出了所部署的控制器與所管理的交換機之間的映射關系。

以A區域為例進行詳細說明，參數統計如下，鏈路帶寬單位是Mbit/s：d1,2=2.7,d1,4=1.7,d1,5=2.6,d1,9=2.2,d2,3=2.4,d2,6=1.1,d2,7=1.5,d3,8=0.9,d4,9=1.5；d4,12=2.4,d5,6=1.1,d5,9=0.5,d5,10=0.7,d6,7=1.0,d6,10=1.5,d7,8=0.8,d7,10=1.8；d7,11=1.1,d8,11=1.9,d9,12=1.1,d9,13=2.0,d10,11=0.9,d10,13=1.2,d11,13=2.0,d12,13=1.1，B1,2=2,B1,4=1,B1,5=2,B1,9=2,B2,3=2,B2,6=1,B2,7=2,B3,8=1,B4,9=1,B4,12=2；B5,6=1,B5,9=2,B5,10=1,B6,7=2,B6,10=2,B7,8=1,B7,10=2,B7,11=2,B8,11=2,B9,12=2；B9,13=2,B10,11=2,B10,13=2,B11,13=1,B12,13=1。

A區中一共有13個節點，選取節點度大于等于5的節點為控制器部署候選節點，圖中節點為{1，2，7，9，10，11，13}。根據式(7)算出各節點到候選控制器節點的最小路徑傳輸代價，然后根據式(8)計算出各節點到候選控制器節點的流建立請求，代價，按遞增順序排列得到前5個交換機節點到候選控制器節點的平均流建立請求，代價最小的是節點7，即當前控制器最佳部署位置，所映射的交換機節點為{2，6，8，10，11}。到節點7的最小路徑傳輸代價分別為：f(2,7)=0.53,f(6,7)=0.44,f(7,8)=0.65,f(7,10)=0.58,f(7,11)=0.45。

移除節點{2，6，7，8，10，11}再進行剩余節點的部署，得到節點9為當前控制器最佳部署位置，所映射的交換機節點為{1，4，5，12，13}。到節點9的最小路徑傳輸代價分別為：f(1,9)=0.66,f(4,9)=0.78,f(5,9)=0.34,f(9,12)=0.45,f(9,13)=0.62。

移除{1，4，5，12，13}后A區域剩余一個節點3，暫時不進行對節點3管理，在B區域進行部署時優先考慮節點3進行部署。最終選定了節點7和節點9作為A區域的最佳部署位置。

4方案比較與仿真結果分析

4.1方案比較

本文在上述網絡拓撲下與其他算法進行比較，并仿真驗證其有效性。以最小化平均時延參數下的控制器位置部署方案ACL(Average-Case Latency)為例進行比較，其從最可能的控制器部署位置中找到最佳位置使得平均時延最小。

(10)

在ACL方案下的控制器位置部署節點為9和10，如圖4所示。

圖4　ACL方案部署圖

節點9所映射的節點為{1，2，3，4，12}，到節點9的最小路徑傳輸代價分別為：f(1,9)=0.66,f(2,9)=1.41,f(3,9)=2.1,f(4,9)=0.78,f(9,12)=0.45。

到節點10的最小路徑傳輸代價分別為：f(5,10)=0.63,f(6,10)=0.53,f(7,10)=0.58,f(10,11)=0.41,f(10,13)=0.47。

對比兩種方案：

在MCDS方案下的流建立請求總代價為

5costMCDS(7)+5costMCDS(9)=25.47

(11)

在ACL方案下的流建立請求總代價為

5costACL(9)+5costACL(10)=35.17

(12)

由結果可以看出，在MCDS方案下區域A的流建立請求代價小于在ACL方案下的流建立請求代價。

從圖4中可以直觀地發現，在ACL方案下的控制器部署位置更靠近于網絡拓撲中節點更密集的位置，因為在部署時只考慮了網絡鏈路延時參數，也就是節點之間的鏈路距離。在兩種方案下進行控制器部署，統計每個子區域的流信息建立請求傳輸總代價進行對比，如圖5所示。

圖5　不同區域中流信息建立傳輸總代價對比圖

從圖5中可以看出，對于區域A，B，E，F的流建立傳輸時延都得到了一定程度的減少，只有區域C，D保持一致，是因為C，D區域在兩種方案下部署的位置相同，在區域A，B，E，F的部署位置更能有利于流建立傳輸。從而說明了MCDS方案中控制器位置部署具有一定的合理性。

4.2仿真環境設置

MCDS性能分析基于Opnet平臺，它模擬了一個開放式虛擬交換網絡，通過對數據包、節點、鏈路、網絡拓撲分別進行配置，使其執行SDN網絡中數據層和控制層的進程。在Opnet上模擬數據包流，在不同的交換機節點間建立了安全通道來模擬SDN的網絡連接，數據包流的產生服從λ=100的泊松分布為基準，數據包流從交換機節點出發到達控制器，通過對各節點端口進行配置來分配控制器管理所對應的交換機。根據控制器節點的權重的不同配置相應流請求速率，控制器處理單個數據包時間為0.7 ms，處理速率為數據包發送速率的兩倍才能使系統趨于穩定，在該仿真過程中，設定了3 min為一次仿真運行周期，在對控制器部署評估中，主要從流信息到控制器的時延和丟包率來進行分析。

4.3仿真性能分析

對兩種部署方案進行網絡拓撲搭建，利用ETE Delay統計了全網的交換機到控制器的時延和丟包率。

圖6表示在MCDS和ACL兩種部署方案下的網絡時延對比，橫坐標表示仿真時間，單位是秒；縱坐標表示所有交換機到控制器的流信息傳輸平均時延，單位是毫秒，圖7表示在兩種方案下的丟包率對比圖，橫坐標表示仿真時間，單位是秒，縱坐標表示流信息在傳輸時的丟包率，1表示100%。通過仿真可以看出MCDS的時延低于ACL的時延，這是由于在MCDS中，部署位置在節點7和節點9，不在最密集的位置，分散了網絡流量，均衡了節點的負載，避免了網絡產生熱點區域。而在ACL中，部署位置在節點9和節點10，控制器1管理的是1，2，3，4，12交換機節點，增加了鏈路距離，導致了傳輸時延的增加。從丟包率來看，ACL也高于MCDS，主要是因為在MCDS中，節點7的負載要大于節點10的負載，減少了丟包率，由此得出MCDS方案對系統提高了一定的性能。

圖6　時延對比圖(截圖)

圖7　丟包率對比圖(截圖)

5小結

本文在目前研究方案的基礎上對分布式多控制器的部署提出改進方案，同時考慮節點和鏈路兩方面因素，以流建立請求代價為優化目標，研究了分布式控制平面中多控制器的部署問題，對于一個給定的拓撲，首先進行對區域劃分，然后提出一種基于貪心算法的控制器部署策略解決控制器部署位置優化問題，并用部署實例進行詳細說明，最后通過仿真實驗將所提出方案與現有研究方案進行對比，證明了所提方案對流建立請求時延和丟包率都有一定的性能提升。

參考文獻：

[1]GREENE K. Software-defined networking [EB/OL]. [2009-01-04]. http://www.technologyreview.com/read_article.aspx?ch=specialsections&sc=tr10&id=22120.

[2]PENNA M C，JAMHOUR E，MIGUEL M L F. A clustered SDN architecture for large scale WSON.[C]//Proc. IEEE 28th International Conference on Advanced Information Networking and Applications (AINA).[S.l]：IEEE，2014：374-381.

[3]TOOTOONCHIAN A，GANJALI Y. HyperFlow: a distributed control plane for OpenFlow[C]//Proc. the 2010 Internet Network Management Conference on Research on Enterprise Networking. San Jose：USENIX Association，2010：3.

[4]KOPONEN T，CASADO M，GUDE N，et al. Onix: a distributed control platform for large-scale production networks [C]//Proc. 9th USENIX Conf. on Operating Systems Design and Implementation (OSDI). Vancouver：USENIX Association，2010：1-6.

[5]JARRAYA Y，MADI T，DEBBABI M. A survey and a layered taxonomy of software-defined networking [J]. IEEE communications surveys & tutorials，2014，16(4)：1955-1980.

[6]SU W，LIU C，LAGOA C M，et al. Integrated，distributed traffic control in multidomain networks [J]. IEEE transactions on control systems technology，2014，23(4)：1-1.

[7]LANGE S，GEBERT S，SPOERHASE J，et al. Specialized heuristics for the controller placement problem in large scale SDN networks[C]// 2015 27th International. IEEE Teletraffic Congress (ITC 27).[S.l.]：IEEE，2015：210-218.

[8]XIAO P，QU W，QI H，et al. The SDN controller placement problem for WAN[C]//Proc. IEEE/CIC International Conference on Communications in China. [S.l.]：IEEE，2014：220-224.

[9]SALLAHI A，ST-HILAIRE M. Optimal model for the controller placement problem in software defined networks [J]. IEEE communications letters，2015，19(1)：30-33.

[10]HELLER B，SHERWOOD R，MCKEOWN N. The controller placement problem [J].ACM sigcomm computer communication review，2012，42(4)：7-12.

[11]ZHANG Y，BEHESHTI N. Fast failover for control traffic in software-defined networks[C]//Proc. IEEE Global Communications Conference (GLOBECOM). CA，USA：IEEE，2012：2665-2670.

[12]ZHANG Y，BEHESHTI N，TATIPAMULA M. On resilience of split-architecture networks [C]//Proc. Global Telecommunications Conference，[S.l.]：IEEE，2011：1-6.

[13]劉娟，黃韜，魏亮 SDN中基于可靠性優化的控制器放置算法研究[EB/OL].[2015-03-12]. http://www.paper.edu.cn/releasepaper/content/201312-161.

[14]AHMED R，BOUTABA R. Design considerations for managing wide area software defined networks [J]. IEEE communications magazine，2014，52(7)：116-123.

鮮永菊(1973— )，女，博士，副教授，主要研究方向為認知無線電關鍵技術、LTE 與未來網絡關鍵技術；

朱佳(1989— )，碩士生，主研軟件定義網絡；

魯昭男(1990— )，碩士生，主研軟件定義網絡。

責任編輯：許盈

Research on multiple controllers deployment strategy of SDN

XIAN Yongju, ZHU Jia,LU Zhaonan

(DepartmentofCommunicationandInformationEngineering,ChongqingUniversityofPostsandTelecommunications，Chongqing400065，China)

Abstract:With the demand for large-scale network and wide area networks on SDN, how to deploy SDN controllers properly and efficiently to lower deployment costs and get better network performance, is the current research focus. For the issues on number of controllers, the deployment location, and the mapping relations between switch and controller, the paper gives a distributed controller deployment model and sets network-related parameters firstly, in order to optimize the flow setup request, a controller deployment strategy program based on greedy algorithm has been proposed. Finally, comparing with the existing research programs though the simulation experiments, it shows that the proposed scheme promoting some performance.

Key words:SDN; controller; greedy algorithm

中圖分類號:TN915.04

文獻標志碼:A

DOI：10.16280/j.videoe.2016.06.015

基金項目：國家自然科學基金項目(61301124)；重慶郵電大學科研基金項目(A2012-16)

作者簡介：

收稿日期：2016-01-15

文獻引用格式：鮮永菊，朱佳，魯昭男. 基于SDN的多控制器部署策略的研究[J].電視技術，2016，40(6)：78-84.

XIAN Y J，ZHU J，LU Z N. Research on multiple controllers deployment strategy of SDN [J].Video engineering，2016，40(6)：78-84.

專題SDN技術與應用