軟件定義無線傳感器網絡中低控制負載的睡眠調度

趙 騰 ，王海暉 ，2*，彭 云 ，趙茂陽 ，張水平 ，2

1.武漢工程大學計算機科學與工程學院，湖北 武漢 430205；

2.智能機器人湖北省重點實驗室（武漢工程大學），湖北 武漢 430205

軟件定義無線傳感器網絡中低控制負載的睡眠調度

趙 騰1，王海暉1，2*，彭 云1，趙茂陽1，張水平1，2

1.武漢工程大學計算機科學與工程學院，湖北 武漢 430205；

2.智能機器人湖北省重點實驗室（武漢工程大學），湖北 武漢 430205

為了克服軟件定義無線傳感器網絡（SDWSN）中控制流量的限制，依據基于能量消耗的連通k鄰域睡眠調度算法和軟件定義網絡（SDN）的特性，提出了一種低控制負載的睡眠調度方案.首先，利用SDN的網絡模型重新設計無線傳感器網絡的模型；然后，依據新的網絡模型，對傳統的睡眠調度方案進行改進.在此基礎上，設計出能夠降低網絡中控制流量的流表，從而降低SDWSN中的控制負載.仿真結果表明，本文所提出的控制流設計方案在控制流量和數據平面中更新節點狀態的平均響應時間要優于SDWSN中的睡眠調度，該方案能夠最小化整個網絡中的控制流量，在延長網絡生命周期的同時降低控制負載.

無線傳感器網絡；軟件定義網絡；睡眠調度

近年來，over-the-air軟件更新和re-tasking策略被用于增強不同廠商產品的兼容性和增強典型的無線傳感器網絡（wireless sensor network，WSN）中傳感器節點硬件重循環方面的靈活性.軟件定義網絡（software defined network ，SDN）［1-4］是一種新興的解決方案，可以在WSN中動態地重新配置傳感器節點的感測、路由及數據轉發任務.SDN的主要思想是在物理層面上解耦控制平面和數據平面，傳感器節點不具有任何任務決策能力，而是由來自集中式控制器的指令控制.因此，傳感器節點易于控制并且重新指定任務或者重新編程非常簡單，而已經部署的傳感器節點的硬件不需要進行很大的改變.

OpenFlow［3］是一種開放協議，它是控制平面和數據平面之間的標準接口，允許在流表中重新編程和更新.Sensor OpenFlow［2］是將軟件定義網絡整合到無線傳感網絡中的早期嘗試之一.在此之后，針對WSN的SDN解決方案［4］，基于狀態的Open-Flow解決方案由于其減少了數據平面和控制平面之間的業務交換而受到極大關注.Gante等人［5］提出了一種提供帶內和帶外控制流管理的方法.此方法提出常規節點受益于集中式架構，它處理路由，移動性和服務質量管理.但是，在流表中替換和添加流表項需要內存和流量負載，一種稱為FLIP［6］的快速權重策略保留SDN更新，基于流表項的替換和添加之間的二元性降低了負載.

軟件定義無線傳感器網絡（software-defined wireless sensor network，SDWSN）的傳感器激活和感測調度在文獻［7］中進行了分析，特別提出了具有低重新調度時間和低控制負載的高效算法，以設計用于具有不同感測目標的多任務的基于能效的傳感器調度.幾個軟件定義無線傳感器網絡原型［8］已經用基于服務質量（QoS）且要求動態調整感測參數的傳感器節點進行了實現.例如，TinySDN［9］，一個硬件獨立的基于TinyOS的SDN框架在多控制器上進行了實現.與基于TinyOS的應用中使用集合樹協議（CTP）相比，該方法在低延遲和存儲器負載中受益.該架構主要包括啟用SDN的傳感器節點和啟用SDN的控制器節點.啟用SDN的傳感器節點像SDN交換機一樣執行數據包的傳感任務和轉發，而啟用SDN的控制器節點主要保存拓撲信息并管理控制流.

傳統的無線傳感器網絡通常由于傳感器尺寸過小、難以接近以及能量有限而遭受壽命問題.睡眠調度是延長網絡壽命的有效方法之一，其允許喚醒節點的子集，而其他節點進入休眠一定量的時間以節省能量.在對無線傳感器網絡的睡眠調度研究中，基于連接k鄰域（connected k neighborhood ，CKN）［10］的算法有效地延長了網絡壽命.Wang等人在軟件定義無線傳感器網絡中提出了基于能耗的CKN（EC-CKN）算法［12］，這是一種眾所周知的基于能耗的睡眠調度算法，并提出了一種稱為 SDEC-CKN的新方案［11］.

然而，控制平面和數據平面之間的控制業務是軟件定義無線傳感器網絡中的主要關注點之一，SDWSN沒有任何單獨的控制信道.此外，在大多數情況下，流表中的流表項僅使用分組頭部來進行規則匹配.最近，Galluccio［4］提出了一種根據節點當前狀態來設計流表項的方法，但是對于WSN中能量平衡睡眠調度缺乏詳細的討論.雖然在SD EC-CKN［11］中研究了基于能耗的睡眠調度算法，但每個節點需要在每個周期內向控制器發送信標消息，這將會導致高控制負載.

本文將SDN架構引入傳統WSN架構之中，并通過設計合理的數據包和流表，實現基于SDN的睡眠調度算法，并依據SDN架構［13-16］的特性，降低網絡中控制負載，在控制流量和數據平面中更新節點狀態的平均響應時間要優于SDWSN中的睡眠調度.

1 系統模型

1.1 網絡模型

相較于WSN，SDWSN具有統一和隨機部署無線傳感器節點的能力.如圖1所示，控制平面由單個控制器組成以確定通過網絡的路由和數據轉發決定，而數據平面包含傳感器節點和交換機.交換機將控制器產生的數據包轉發到網絡.每個傳感器節點由用于發送和接收數據包的通信單元、感測單元和流表組成.任何節點更改其狀態（睡眠或喚醒）、轉發或丟棄數據包都要根據流表中的流表項來進行.

1.2 SDWSN中的主要組件

SDWSN中最重要的三大組件是控制器、流表和交換機.

1）控制器：SDWSN中的控制器擁有由傳感器節點生成的全局拓撲信息.在初始階段，控制器廣播監視消息（類似于拓撲發現）以獲取每個節點的能量狀態、到節點的距離、鄰居節點ID和延遲.在獲取這些信息作為輸入之后，映射函數生成諸如網絡互連、信號強度和鏈路可靠性的映射信息.控制器可以直接訪問這些映射信息，并通過映射功能隨時更新這些信息.

2）流表：SDN中的流大致分為數據流和控制流.數據流中包含感測數據，而控制流主要是指流建立請求、流動作請求、拓撲發現消息、1跳鄰居節點的能量和狀態（睡眠或喚醒狀態）消息、路由信息等.典型的流表包含以下字段：匹配、操作和統計.圖2示出了流表中的流表項的示例.此流表項轉發源節點ID=X的數據包，統計字段生存時間（time to live，TTL）=80指定流表中此項的剩余時間，計數器表示此流動操作執行16次.匹配規則字段將流表頭與其自己的流表項進行比對，并允許執行響應動作.操作字段通常為指定轉發或丟棄數據包、將數據包上傳更新到控制器、狀態改變和修改數據包的字段等動作.統計字段用于指定流表中流表項的TTL，并計算滿足以下規則的數據包數.此外，流表項可以包含多于一個的匹配規則字段.控制器可以基于應用層需求更新、修改、添加和刪除流表中的任何項.

圖1 SDWSN網絡模型Fig.1 SDWSN network model

圖2 流表項示例Fig.2 An example of flow entry

3）SDWSN交換機：數據平面中的交換機不再具有如在傳統WSN交換機中的決策能力.這個交換機簡單地將動作指令從控制器轉發到數據平面中的傳感器節點，此外當流表中發生項缺失的時候將通過該交換機來向控制器請求響應.

1.3 睡眠調度算法

在傳統的WSN中的睡眠調度算法，在有效的關閉能量相對較低的節點同時保證網絡的連通性.在CKN算法中，每個節點如果有k個處于喚醒狀態的鄰居節點，這個節點將會關閉自己；如果處于喚醒狀態的鄰居節點數量低于k，節點保持喚醒狀態.這種分布式的CKN算法延長了節點的存活時間和整個網絡的生命周期.但是，CKN算法中的能量不能保證被均衡消耗.和CKN算法不同的是，EC-CKN算法在CKN算法的基礎上考慮節點剩余能量，平衡整個網絡的能量消耗，同時保證網絡依舊是k鄰接.EC-CKN的詳細過程如下所示：

1）獲取當前節點剩余能量信息Eranku；

2）廣播Eranku，接收當前處于喚醒狀態的鄰居節點Nu的能量等級.定義Ru為這些能量等級；

3）廣播 Ru，從每個 Sv∈Nu中獲取 Nu；

4）如果Sv∈Nu中的任何一個節點的|Nu|＜k或者|Nv|＜k，則節點保持喚醒狀態.返回；

5）計算 Eu=｛Sv|Sv∈Nu而且 Erankv＞Eranku｝；

6）當滿足以下條件的時候節點進入睡眠狀態，不滿足則保持喚醒狀態；Eu中的任何兩個節點直接自身或間接地通過具有大于Eranku的Erankv的Su的2跳鄰居中的節點連接；

7）Nu中的任何節點與Eu至少有k個鄰居；

8）返回.

在SDWSN中，選擇EC-CKN作為基于SDN的基本算法，因為它的判斷標準與節點的剩余能量相關，可以直接反映整個網絡的能量消耗.在SD-ECCKN算法中，采用基于SDN的架構來代替傳統的WSN，在新架構下去除節點進行廣播的過程，從而減少總傳輸時間并且降低能耗.從步驟2到步驟3，每個節點廣播兩次以獲得其1跳和2跳節點的狀態，用于稍后判斷其自身狀態.在每個間隔中，每個節點的這兩個廣播過程花費大量的通信能量.而在SDWSN中，控制器根據節點發送的數據，決定網絡中每個節點的狀態，并根據ECCKN算法對網絡拓撲進行更新，然后控制器將這些決定發送到所有狀態需要改變的節點.

而在SDWSN中，由表1可以看出，根據這些差異，所提出的SD-ECCKN算法在每個周期內消除了廣播過程.每個節點通過已經最初預先定義的特定路由向控制器發送信標數據.在網絡的整個生命周期內，節點之間沒有數據交換（廣播）.因此，網絡壽命下降的總傳輸時間節省了能源，延長了整個網絡的使用壽命.

表1 SD-ECCKN與EC-CKN的區別Tab.1 Differences between SD-ECCKN and EC-CKN

2 SDWSN中的控制流

控制流分為以下類型：a）控制請求消息，＜類型=0＞，b）控制動作消息，c）更新消息＜類型=1＞，以及d）廣播消息＜類型=2＞.

a.控制請求消息＜控制請求頭，節點能量，鄰居節點ID＞：發送到控制器以獲得響應指令，其中＜節點能量＞和＜鄰居節點ID＞表示節點的剩余能量和1跳鄰居節點ID分別生成控制請求消息.

b.控制動作消息＜控制動作頭，狀態＞：來自控制器的相應響應/動作指令，其中＜狀態＞定義節點的睡眠或喚醒狀態的決策.

圖3（a）示出了控制動作和控制請求消息的報頭格式.＜動作/請求＞指定控制消息的類型，即控制消息從控制器發送（=1）或者需要發送到控制器（=0）.＜分組長度＞用于包括有效載荷的數據包分組的長度.＜源節點ID，目標節點ID，下一跳節點ID＞分別指定生成分組的節點的地址，目標節點和當前節點的下一跳ID.＜喚醒狀態鄰居節點數＞表示生成控制請求消息的節點處于喚醒狀態的1跳鄰居節點數目.＜標志位＞用于指定節點是否需要將控制消息轉發到控制器，＜生存時間＞指定刪除此消息的剩余時間.在更新消息報頭中.＜狀態＞定義節點當前狀態（睡眠=0或喚醒=1）.＜轉發＞指定是否需要將消息轉發到其下一跳ID.

報頭格式如圖3（b）所示.另外，圖3（c）示出了1跳廣播消息報頭.

節點的鄰居表：節點保存鄰居表，并用網絡拓撲信息更新字段.典型的鄰居表包含＜鄰居節點ID，能量，狀態，RSSI＞，其中 RSSI表示來自 1跳鄰居的接收信號指示符的鏈路質量.

圖3 消息報頭格式Fig.3 Message headers format

3 基于睡眠調度的流表

在所提出的SDWSN中引入基于EC-CKN的睡眠調度方案［12］.

1）當1跳喚醒鄰居的數目小于或等于k時，節點向其所有1跳鄰居發送具有＜標志位=0＞和＜動作/請求=0＞的喚醒請求消息.

2）當1跳喚醒鄰居的數目大于k時，節點使用＜動作/請求=0＞和＜標志位=1＞向控制器發送控制請求消息.

圖4示出了流表項，用于SDWSN中的實現基于EC-CKN的睡眠調度.匹配規則1和2檢查消息類型，并分別比較節點處于喚醒狀態時的鄰居節點.相應的＜標志位＞值在第一個字節的第7位更新.此外，＜動作/請求＞值在第一個字節的第4位更新.

圖4 流表項Fig.4 Control-flow entries

3.1 當節點接收控制動作和請求消息時

1）如果＜類型=0＞，＜動作/請求=0＞，＜標志位=0＞：節點需要被喚醒.因此，其將當前狀態設置為喚醒狀態，此后，向控制器發送具有＜類型=1＞和＜狀態=1＞的更新消息.此外，該節點廣播消息以更新其所有1跳鄰居的當前狀態.

2）如果＜類型=0＞，＜動作/請求=0＞，和＜標志位=1＞：節點基于路由表信息將控制請求消息轉發到其下一跳ID.

3）如果＜類型=0＞和＜動作/請求=1＞：節點將目標地址與其自己的ID進行比較.如果相等，則節點如根據＜狀態＞位更新其狀態；否則，節點將該控制動作消息轉發到下一跳ID.圖5示出了當節點接收控制動作和控制請求消息時的流表項.

圖5 流表設計Fig.5 Flow table design

3.2 當控制器接收控制請求消息時

如果＜類型=0＞，＜動作/請求=0＞和＜標志位=1＞，則控制器獲得＜源節點ID＞.基于＜源節點ID＞的1和2跳鄰居信息，控制器使用基于EC-CKN的睡眠調度算法決定喚醒或睡眠狀態，并返回此動作消息與更新的＜狀態＞到特定節點.

3.3 當節點接收到更新消息時

如果＜類型=1＞和＜轉發=1＞，則節點將該消息轉發到其下一跳.然而，如果＜目標節點ID＞與其自己的ID相同，則節點丟棄消息并更新＜轉發=0＞.

4 性能評估

該部分通過實驗在以下方面評估所提出的SDWSN的性能：

1）平均響應時間：在睡眠調度中的每個歷元開始時更新SDWSN中的每個節點的狀態所需的時間.

2）控制流量：在網絡中循環的控制動作，控制請求，更新和廣播消息方面的控制流的總大小（以字節為單位）.

仿真設置：使用WSN模擬器NetTopo進行仿真.結果在100個不同的拓撲結構上取平均值.仿真參數如表2所示.仿真結果如圖6所示，圖6（a）、（b）分別為本文提出的SDWSN和傳統的WSN，圖6（a）中處于網絡中心的空心節點為控制器，淺黑色節點為喚醒狀態節點，深黑色節點為睡眠狀態節點，黑色實線為控制流的路徑，灰色實線為真實鏈路.圖6（a）中所有計算通過控制器完成并生成數據包向下轉發，節點通過控制流收到數據包后與自身流表進行校驗，判斷執行轉發或者睡眠/喚醒動作.圖6（b）中沒有控制器，每個節點通過接收兩跳以內鄰居節點的信息，計算決定自身是否進入睡眠狀態.

表2 仿真參數Tab.2 Simulation parameters

圖6 仿真對比圖（a）軟件定義無線傳感網絡；（b）傳統無線傳感網絡Fig.6 Simulating contrast chart（a）Software-defined wireless sensor network；（b）Traditional wireless sensor network

4.1 平均響應時間對SDWSN性能的影響

圖7反應了25個傳感器節點、單個控制器情況下，與本文提出的SDWSN與SD EC-CKN相比，平均響應時間的優勢.在每個周期開始時從每個傳感器節點向控制器發送控制請求，流表項的設計將控制動作和控制請求最小化，以決定傳感器節點的睡眠或喚醒狀態.

圖7 平均響應時間的優勢Fig.7 Advantages of average response time

由圖7可知，在基于EC-CKN的睡眠調度中隨著k值的增加觀察到顯著的優點.原因是在SD EC-CKN的睡眠調度中，所有節點必須向控制器發送請求.而本文中的SDWSN，隨著k值增加，傳感器節點控制請求的數量將會減少.然而，廣播和更新消息的數量增加.由于與控制動作和控制請求消息相比，更新或廣播消息需要較少的跳數，因此用于整體控制流的負載降低.結果，平均響應時間也隨著k值的增加而減小.當所有節點到控制器最大跳躍距離增加時，所提出的方法相對于在數據平面中具有相同數目節點的SD EC-CKN具有顯著的優勢.

圖8 不同k值對應的控制流量：（a）距離控制器最大3跳；（b）距離控制器最大5跳Fig.8 Different k values corresponding to the control flow（a）Deployed nodes with maxmum 3-hop distance-to-controller；（b）Deployed nodes with maxmum 5-hop distance-to-controller

4.2 控制流量對SDWSN性能的影響

圖8顯示出了節點距離控制器最大3跳和最大5跳情況下具有不同k值的控制流量.顯然，部署的傳感器節點數量較多處，控制流量也增加.如第四節所述，控制請求和控制動作消息隨著EC-CKN中k值的增加而減小.雖然廣播和更新消息的數量增加，但是控制動作以及控制請求的數量更大，因此，控制流量增加.比較看來，對于所有的節點，距離控制器越遠，控制流量越大.原因是隨著部署的傳感器節點遠離控制器，傳感器鄰居節點數大于或者等于k的可能性變小.因此，從所有傳感器節點到控制器的控制請求增加，結果是節點離控制器越遠，控制流量越大.

5 結 語

在WSN中引入了SDN架構，并且在此架構中，引入具有低控制負載的睡眠調度的方案，在延長網絡生命周期的同時，克服SDWSN中控制負載過高的缺陷.提出的流表項設計在控制流量和平均響應時間方面表現出顯著的優勢，根據k值的變化，平均響應時間降低了5.1%到32.6%.實驗結果還表明，隨著部署的傳感器節點遠離控制器，控制流量增加.總體上，筆者所提出的方案能夠最小化整個網絡中總控制流量，降低控制負載.

基于SDN技術的無線傳感器網絡只在小型無線傳感器網絡中進行研究，控制平面只需一個控制器.而大型無線傳感器網絡中，控制器需要為每一項數據業務制定優化的路由策略，運算壓力較大，且這一壓力會隨著傳感器網絡節點數量的增加呈幾何級上升，這時可能需要多個控制器進行控制，這種情況還需要進行更深一步分析，也會引起其他問題，如網絡帶寬、數據冗余等等問題.這些問題對于網絡架構的影響也需要進行考慮.本文的研究內容只是其中的一小部分，由于時間和能力有限，還有許多問題需要在現有的研究基礎上進行更進一步研究與擴展.

［1］ HAQUE I T，ABU-GHAZALEH N.Wireless software defined networking：a survey and taxonomy［J］.IEEE Communications Surveys&Tutorials，2016，18（4）：2713-2737.

［2］ LUO T，TAN H P，QUEK T Q S.Sensor openflow：enabling software-defined wireless sensor networks［J］.IEEE Communications Letters，2012，16（11）：1896-1899.

［3］ MCKEOWN N，ANDERSON T，BALAKRISHNAN H，et al.Openflow：enabling innovation in campus networks［J］. ACM SIGCOMM ComputerCommunication Review，2008，38（2）：69-74.

［4］ GALLUCCIO L，MILARDO S，MORABITO G，et al.SDN-WISE：Design，prototyping and experimentation of a stateful SDN solution for wireless sensor networks［C］//Computer communications， 2015.Hong Kong：IEEE，2015：513-521.

［5］ DEGANTE A，ASLAN M，MATRAWY A.Smart wireless sensor network management based on software-defined networking［C］//Communications， 2014.Kingston：IEEE，2014：71-75.

［6］ VISSICCHIO S，CITTADINI L.Flip the（flow）table：Fast lightweight policy-preserving sdn updates［C］//Computercommunications， 2016.San Francisco：IEEE，2016：1-9.

［7］ ZENG D， LIP，GUO S，et al.Minimum-energy reprogramming with guaranteed quality-of-sensing in software-defined sensor networks［C］//Communications，2014.Sydney：IEEE，2014：288-293.

［8］ MIYAZAKI T.Dynamic function alternation to realize robust wireless sensor network ［J］. International Journal of Handheld Computing Research，2012，3（3）：17-34.

［9］ DEOLIVEIRABT，GABRIELLB，MARGICB.TinySDN：Enabling multiple controllers for software-defined wireless sensor networks［J］.IEEE Latin America Transactions，2015，13（11）：3690-3696.

［10］ NATH S，GIBBONS P B.Communicating via fireflies：

geographic routing on duty-cycled sensors［C］//Information processingin sensornetworks，2007.Cambridge：IEEE，2007：440-449.

［11］ WANG Y，CHEN H，WU X，et al.An energy-efficient SDN based sleep scheduling algorithm for WSNs［J］.Journal of Network and Computer Applications，2016，59：39-45.

［12］ WANG L，YUAN Z，SHU L，et al.An energy-efficient CKN algorithm for duty-cycled wireless sensor networks［J］. InternationalJournalofDistributed Sensor Networks，2012（3）：184-195.

［13］ CERPA A，WONG J L，KUANG L，et al.Statistical model of lossy links in wireless sensor networks［C］//The 4th internationalsymposium on information processing in sensor networks，2005.Los Angeles：IEEE，2005：81-88.

［14］ BERA S，MISRA S，ROY S K，et al.Soft-WSN：Software-defined WSN management system for IoT applications［J］.IEEE Systems Journal，2016（99）：1-8.

［15］ OLIVIER F，CARLOS G，FLORENT N.SDN based architecture for clustered WSN［C］//Innovative Mobile and Internet Services in Ubiquitous Computing，2015.Blumenau：IEEE，2015：342-347.

［16］ 張朝昆，崔勇，唐翯祎，等.軟件定義網絡（SDN）研究進展［J］.軟件學報，2015，26（1）：62-81.ZHANG C K，CUI Y，TANG H Y，et al.Research progress of software defined network［J］.Journal of Software，2015，26（1）：62-81.

Low Control Overhead-Based Sleep Scheduling for Software-Befined Wireless Sensor Networks

ZHAO Teng1，WANG Haihui*1，2，PENG Yun1，ZHAO Maoyang1，ZHANG Shuiping1，2
1.School of Computer Science and Technology，Wuhan Institute of Technology，Wuhan 430205，China
2.Hubei Key Laboratory of Intelligent Robot（Wuhan Institute of Technology），Wuhan 430205，China

To overcome the limitation of the control flow in the software-defined wireless sensor network（SDWSN），a low control overhead sleep scheduling program was proposed based on the energy consumption of the connected k neighborhood sleep scheduling algorithm and the characteristics of software-defined network（SDN）.Firstly，the model of the wireless sensor network was redesigned by using the SDN network model.Then，the traditional sleep scheduling scheme was improved according to the new network model.On the basis，the flow table can be designed to reduce the size of the control flow in the network and the control flow overhead can be reduced in the SDWSN.The simulation results show that the control flow size and the average response time of updating the node status in the data plane are better than those in the SDWSN.The proposed scheme can minimize the total control flow size in the whole network and reduce the control overhead while extending the network life cycle.

wireless sensor network；software-defined networking；sleep scheduling

2017-05-08

國家自然科學基金項目（61401107）；武漢工程大學研究生教育創新基金項目（CX2016068）支持作者簡介：趙 騰，碩士研究生.E-mail：zhaoteng93@outlook.com*通訊作者：王海暉，博士，教授.E-mail：wanghaihui69@sina.com

趙騰，王海暉，彭云，等.軟件定義無線傳感器網絡中低控制負載的睡眠調度［J］.武漢工程大學學報，2017，39（5）：488-495.

ZHAO T，WANG H H，PENG Y，et al.Low control overhead-based sleep scheduling for software-defined wireless sensor networks［J］.Journal of Wuhan Institute of Technology，2017，39（5）：488-495.

TP391

A

10.3969/j.issn.1674-2869.2017.05.015

1674-2869（2017）05-0488-08

陳小平