面向SDN網絡的QoS優化解決方案綜述

孫瑞娜 廖 彬

1(新疆財經大學信息管理學院 新疆 烏魯木齊 830012) 2(中國科學院信息工程研究所 北京 100093) 3(中國科學院大學網絡空間安全學院 北京 100049)

0 引 言

隨著互聯網的快速發展，新舊業務不斷更迭導致網絡中業務流量組成結構發生重大變化。業務流量結構的變化要求網絡QoS、拓撲結構、網絡資源與安全等方面必須做出相應的變化。傳統網絡體系結構在適應流量結構變化的過程中存在嚴重的阻礙，因為作為一種“瘦腰”模型，必須通過建立網絡層(IP層)點到點的流量傳輸路徑實現上層業務的支持和擴展。但是，IP層協議已經固定，不能進行增量式地靜態或動態編程來滿足業務流量結構的變化。

已有的新型網絡體系結構可分為兩派：(1) 以提高網絡傳輸速率為目標的“帶寬”派，如快速交換技術、高速包處理芯片等；(2) 以獲得新網絡功能為目標的“改制”派，如美國NSF資助的GENI計劃[2]、IETF于2002年成立的ForCES工作組[3]等?！皫挕迸蓪Υ罅啃滦途W絡業務流量力不從心，而“改制”派倡導的高度靈活可編程網絡成為滿足新型網絡業務流量需求的主要技術方向。ForCES工作組擴展研究的軟件定義網絡(SDN)引入可編程的思想，使網絡具有更好的靈活性、可伸縮性和可維護性，是認可度最高的解決方案。SDN在TCP/IP網絡體系結構的基礎上從網絡協議和設備兩個層面提出新的架構，保證IP層具備可演進的能力，其主要有四大特性：(1) 轉發設備通用化、白盒化；(2) 控制方面和轉發方面分層管控；(3) 接口標準化，實現跨廠商管控；(4) 業務流量轉發開放可編程。以上特性可實現從全局視角靈活調度網絡資源、快速部署新業務、簡化運維，使SDN成為網絡變革的關鍵技術。

SDN以其強大的優勢獲得學術界及工業界的廣泛關注。目前，SDN已經被Google、Facebook、Tencent、Alibaba等頂級互聯網企業廣泛應用于企業內部網絡，包括數據中心網絡(DCN)、園區網絡、云數據中心互聯網絡、物聯網、網絡安全等。

不同企業的內部網絡場景具有不同的網絡流量組成結構，其對QoS的需求不盡相同，對網絡流量的傳輸與管理帶來極大的挑戰。雖然IETF曾針對傳統網絡架構提出多種QoS模型，包括IntServ和DiffServ，但由于缺乏網絡全局服務狀態監控與分析，不能進行全局決策和動態配置更新，不能解決復雜的網絡業務流量轉發問題，難以應用于SDN網絡體系結構中。

隨著SDN的廣泛應用，目前已經有很多關于SDN中QoS技術的研究，但是缺少針對SDN的QoS技術研究進展的系統性描述。因此，本文充分收集現有SDN的QoS研究成果，對比分析其原理及適用的應用場景，為今后的QoS技術研究提供參考。

1 相關工作

1.1 SDN網絡架構

SDN作為一種網絡體系框架，其核心思想是通過分離轉發控制層與數據傳輸層實現網絡業務的快速部署與路由的靈活控制，滿足各種業務流量的QoS需求。SDN有多種架構定義,其中開放網絡基金會(ONF)提出的SDN架構已經逐漸成為主流量。SDN架構主要包括應用層、控制層和基礎設施層，如圖1所示。

圖1 SDN網絡體系結構圖

SDN的最底層是基礎設施層，主要是運營商提供的通用型網絡設備，用于數據的傳輸，是SDN的數據平面；中間層是控制層，主要由各種控制器組成，提供不同的網絡服務，是SDN的控制平面；最上層是應用層，主要用于編排部署用戶的具體業務應用，是用戶與網絡交互的橋梁，也稱為業務編排層。應用層編排的業務應用通過北向接口調度控制層的控制器下發業務流量需求；控制層的控制器通過南向接口實現對基礎設施層下達指令，控制業務流量的轉發路徑。按照上述過程，用戶可以按需編程路由，應對業務流量需求隨時間的演變。

1.2 控制器匯總與對比

目前，SDN控制器是網絡QoS研究的核心，工業界與學術界針對不同的QoS技術需求，研發了不同的控制器。表1匯總了控制器的主流產品?？刂破髟缙谑羌惺絾尉€程的，第一款是Gude等[4]提出的NOX，隨后在其基礎上發展出多款集中式多線程控制器，如POX、NOX-MT等。同時，集中式多線程原生控制器也被提出，其典型代表包括Ryu、企業級OpenFlow控制器Floodlight。隨著網絡規模不斷擴大、復雜度不斷加深，用于協調多個控制器聯動的分布式控制器開始出現，其中ODL、ONOS最有影響力。

表1 SDN控制器匯總

1.3 QoS相關模塊及參數

基于采集的全局網絡狀態信息，SDN控制器協調控制器內多個模塊之間的運作并下發恰當的流量表，滿足各種業務流量的QoS需求。為了詳細分析QoS技術，需要掌握SDN控制器架構內QoS相關模塊，方便研究人員對現有QoS技術方案進行優化或提出新的可替代方案。

雖然目前SDN控制器種類繁多，其中ODL的市場占有率高達67%，是最具代表性和應用最廣泛的控制器之一。因此，本文以ODL為例對QoS相關模塊進行分析。如圖2所示，ODL通過Neutron Server的Networking-odl為OpenStack等應用層提供服務，而ODL作為控制層的組件提供網絡監管、路由控制等服務，大都與QoS直接或間接相關。

圖2 QoS相關模塊

在Networking-odl中，用戶可以根據上層業務流量的需要，通過QoS Extension提供的Restful API和Core的Restful API將QoS需求下發給QoS模塊中的QoSAPI。QoS API可以對上層Extention API提供QoS策略、參數設置的Restful API和帶寬等資源調度的Restful API。Core調用相應的Service Plugin服務的同時Core遵循規則庫內既定的QoS策略、帶寬限制、端口綁定等規則。Service Plugin包含專門的QoS驅動模塊。

ODL控制層包含基本服務功能模塊(Basic network Service Function, BSF)、服務拓展功能模塊(Service Extension Function，SEF)和服務抽象層(Service Abstraction Layer，SAL)?；痉展δ苣K包括管理節點、鏈路、負責拓撲計算的Topology Manager、收集流量表統計信息的State Manger、管理底層設備的Switch Manager、管理轉發規則的FRM、追蹤主機IP等信息的Host Tracker，以及解析ARP數據包的ARPHandler等模塊。各模塊幫助生成拓撲數據庫以掌握各種設備的性能及可到達性等信息，并由拓撲管理模塊存儲、管理，執行應用層下發的QoS需求。拓展服務功能用于擴展基礎服務，包括表示工作量和服務水平的親和力服務(Affinity Service，AS)、提供Openstack服務對接的Openstack服務(Openstack Service，OSS)、創建虛擬網絡映射服務的LISP服務(LISP Service，LISPS)、支持OvS數據庫管理及CONFIG協議的OvSDB Neutron、提供Rest API配置ODL控制器VTN組件的VTN Manager和oDMC。支持多種南向協議的SAL模塊作為模塊化控制器設計的核心也支持協議無感知處理，為上層業務提供一致性服務。SAL根據插件特性構建具體服務，服務請求經SAL映射到相應插件上，通過正確的南向協議與底層設備交互，各插件間獨立且與SAL松耦合。SAL模塊提供的服務有數據包服務、拓撲服務、流編程服務、讀取服務、連接服務、統計服務、庫存服務等，其中：數據包服務轉發底層與上層模塊間的數據流量；拓撲服務是傳遞拓撲信息的服務集合；流編程服務支持在下發流量表請求給南向協議插件時，為流量規則管理模塊提供增加、刪除、修改流量的功能并提供對流量的監聽服務；讀取服務讀取設備信息查詢請求給南向接口并通知監聽器變化；連接請求發送上層模塊的拓撲信息查詢請求等。

控制器可傳遞的參數是調節網絡配置、滿足QoS需求的基礎。因此，掌握網絡參數可以幫助優化QoS方案或提出新QoS技術。如表2所示，除了QoS直接相關的丟包率、延遲等參數外，網絡拓撲的鏈路、節點等信息和與實際案例密切相關的用戶自定義需求等擴展參數也是影響QoS體驗的因素。

表2 目前ODL-SDNi支持的網絡參數

2 QoS優化方案

本節在深入剖析SDN網絡結構和QoS相關模塊、參數的基礎上，進一步調研QoS優化有關的研究成果并歸納分析。

2.1 基于路由算法的QoS優化方案

路由算法是研究QoS最直接的考慮角度，相關的研究成果也最豐富。尋找最佳QoS的流量路由路徑并非易事。目前最直觀的做法是以控制器收集的QoS統計信息作為參數對經典的最短路徑算法(即Dijkstra算法)進行優化。桂燕興[5]提出引入帶寬、抖動、RTT和延遲作為網絡拓撲圖的權重參數，采用Dijkstra算法獲取最優QoS路徑。段鵬飛[6]則將上述優化方法引入車聯網并提出SDVNET架構，SDVNET以車輛速度、方向和地理位置等信息作為QoS相關參數計算拓撲圖權重。

與此同時，一些啟發式算法逐漸被引入到流量路由的QoS解決方案，其中一些算法取得了較好的效果，包括退火算法、蟻群算法、遺傳算法。宋志坤[7]提出的啟發式QoS路由算法采用基于非線性耦合函數、縮小可行解空間和退火算法的思想，該方法對多個約束參數線性耦合并用類Dijkstra算法對其兩次標記以簡化網絡規模和縮小可行解空間，然后用退火算法思想選點避免陷入局部最優，同時調整迭代次數權衡算法時間復雜度。彭波[8]在SDN網絡中將蟻群算法改良為資源導向的蟻群算法(RGACO)，利用資源統計模塊周期性偵測鏈路狀態，并發送給蟻群路由模塊，而蟻群路由模塊遵循RGACO根據業務的QoS需求計算路由。靳洪兵[9]在基于SDN的數據中心中對流量進行細粒度控制，提出多QoS約束的量子遺傳算法選擇業務流量路由。

網絡資源可能隨時動態地改變，即某個路徑可能不是一支流量傳輸的好路徑。將這些網絡變化考慮在內的SDN框架應在保持現有QoS需求的基礎上優化QoS。QoS路由應優化不同的開銷功能，而不是簡單的路徑長度。文獻[10-11]提出了一個在OpenFlow控制器上具有動態重新路由功能的視頻流量優化框架，其中引入了兩個優化問題：(1) 僅在無擁塞條件下路由無損QoS流量(SVC編碼視頻的基礎層)，目的是不丟包；(2) 無損QoS流量和有損QoS流量(SVC編碼視頻的增強層)分別以無丟包和最小損耗的目標進行路由。在上述框架下，Yu等[12]提出的ARVS(自適應路由視頻流量)方法研究了視頻數據包的自適應路由優化問題。在ARVS中，如果最短路徑不滿足延遲約束，則數據包具有重路由到基于可用帶寬計算的可行路徑的第一優先級，增強層數據包繼續沿最短路徑路由。但是如果可行路徑中沒有可用帶寬，則數據包將繼續沿最短路徑轉發，而增強層數據包將重新路由到可行路徑。

SDN網絡具有為用戶提供全局網絡視圖的能力，可以通過動態地重新路由數據包以緩解延遲、甚至丟包的問題。為此，Yilmaz等[13]提出了一種視頻流量重路由的負載均衡方法，在檢測到服務器過載時，計算用戶連接各服務器的每條路由的成本(如數據包丟失、延遲)，刪除舊流量并將新流量推送到新的最低成本路由上。

多媒體流量在網絡流量中的占比逐年攀升，其對數據包低丟失率和低延遲的高標準要求對Internet提出了許多挑戰。設計可以應對多種網絡環境的多媒體流量路由框架非常重要。Civanlar等[14]調研了OpenFlow網絡上視頻流量的QoS路由，提出一種可以在計算QoS流量時減少數據包丟失并保持可伸縮視頻編碼(SVC)基礎層視頻流量的延遲的基于線性規劃的公式。Yan等[15]提出的HiQoS利用基于SDN的等價多路徑路由(ECMP)算法[16]，在源和目的地之間計算多條路徑并用排隊機制為不同類別流量提供QoS保證。Egilmez等[17]提出了一種用于支持視頻流量QoS的OpenQoS控制器，其關鍵技術是使用包頭字段將輸入流量分類為多媒體流量和數據流量。這些流量在QoS支持的路徑上動態路由。Owens等[18]通過對QoS路徑計算問題添加“可靠性”約束解決對視頻流量的可靠QoS支持，使不同分類流量分別路由。

2.2 基于資源分配的QoS優化方案

研究人員普遍認為QoS的瓶頸在資源，資源不足必然影響流量轉發效果，這使得有關資源分配的QoS解決方案層出不窮。基于資源分配的QoS優化方案通常采用控制器中的流量分類和速率整形模塊來解決，其中流量分類器利用數據包頭部字段實現分類，基于網絡QoS策略為相應的流量分配優先級；速率整形器依據路徑上交換機的預制規則實現流速管理，為需要QoS的流量保留資源。

速率整形器和優先級隊列可以用于滿足高級服務QoS需求的資源預留。Kim等[19]提出利用OpenFlow的QoS功能擴展，為不同的應用程序創建網絡切片并提供所需的性能需求框架。該框架中使用OpenFlow的擴展“QoS API”控制QoS參數的配置和管理，其中速率限制器API和隊列映射API分別實現帶寬聚合和流量與端口優先級隊列的映射完成帶寬和延遲的分配。但是，控制器需要全局重新配置以響應不斷變化的環境。雖然可以使用標準迭代方法計算最佳配置，但收斂可能比系統變化慢。每個時隙內，控制器可以選擇：(1) 停止迭代求解器并應用新的最佳配置，雖具有較小路由成本，但損害QoS和系統穩定性；(2) 允許求解器繼續迭代以使網絡保持其次優形式。為了限制重新配置的負面影響，Destounis等[20]提出了兩種控制策略，可以在遵循網絡重新配置預算的同時最小化平均路由時間成本。

SDN和網絡即服務(NaaS)協作可以解決端到端服務中為應用需求提供QoS參數的問題。Bueno等[21]提出的網絡控制層(Network Control Layer，NCL)框架通過資源預留支持針對不同類型流量的低級網絡QoS需求。NCL架構有兩個主要部分： SDNApp按照提供商需求配置數據平面，監控模塊負責監控網絡狀態。雖然SDN具有靈活管理和編程底層網絡的能力，但NaaS為用戶提供網絡安全隔離訪問。此外，NaaS提供了輕松擴展或縮小網絡服務的能力。為滿足域間端到端QoS，Duan[22]提出應用NaaS的網絡服務編排框架，同時提出一種定義網絡服務能力的高級抽象模型，利用網絡演算使其適用于異構自治域網絡。隨后，Duan等[23]以開發NaaS-SDN集成的思想擴展了以上模型，為多域SDN環境提出基于NaaS的服務交付平臺(SDP)框架,實現端到端QoS保證的兩項關鍵技術:① 用于網絡服務功能的抽象模型;② 用于端到端帶寬分配的技術。

在基于SDN的家庭網絡中進行基于流量和基于應用的QoS分配是一項挑戰，因為家庭網絡設備比典型網絡設備處理能力弱且用戶不熟練。Seddiki等[24-25]提出的FlowQoS可以為上游和下游流量執行應用程序標識和QoS配置，實現用戶指定的流量轉發優先級。FlowQoS系統為家庭路由器的虛擬拓撲創建鏈路，按照用戶制定的規則配置鏈路的流量和速率，為應用程序提供流量整形。

流量管理的一個重要問題是對競爭應用程序的帶寬分配，必須解決最大化整體網絡利用率和QoS公平性的問題。文獻[26-27]提出的MCTEQ模型提出了對多個流量類別的聯合帶寬分配，考慮交互式應用端到端延遲要求的同時將其效用與更大的權重相關聯,優先考慮使更高優先級流量獲取帶寬。Miao等[28]通過擴展OpenFlow協議，更新數據中心網絡中OPS(光分組交換)節點的查找表(LUT)，使流量由OPS以亞毫秒硬件速度切換，與較慢SDN控制操作(毫秒時間刻度)分離，利用流量優先級和更快的速度，可以保證流量的QoS需求。

2.3 基于隊列調度的QoS優化方案

在ODL等控制器中提供數據包隊列接口，有研究人員將數據包隊列的調度作為QoS優化的一個突破點。隊列中某些數據包可能比位于它們之前的其他數據包具有更高的優先級，這種情況會影響QoS和流量整形。因此，Ishimori等[29]提出的QoSFlow模型在Linux內核中操縱多個分組調度器，為OpenFlow網絡提供更靈活和可管理的QoS控制。QoSFlow首先引入QoS模塊，使整形組件和數據包調度組件共同負責處理隊列中的流量并讓入隊組件負責管理OpenFlow協議的流量表消息，將流量映射到隊列；其次將Linux數據包調度程序與OpenFlow相結合，支持分層令牌桶(HTB)、隨機早期檢測(RED)和隨機公平隊列(SFQ)調度程序。

Ko等[30]提出的OpenQFlow架構是OpenFlow架構的一種以可擴展的方式提供微流量QoS的變體。OpenQFlow將經典流量表框架劃分為流量狀態表、轉發規則表和QoS規則表。流量狀態表條目用于維護128字節的微流量狀態信息，包括轉發、QoS和統計信息，用于沒有規則表查找的情況下查找轉發和QoS信息庫，增加了OpenQFlow架構的可擴展性；轉發規則表的每個條目維護指向轉發信息庫的指針；每個QoS表條目具有指向QoS信息(包括流量類型、帶寬和優先級信息)的指針。 OpenQFlow帶來了BETA和CETA兩種分組調度方案，提供最大最小公平性，不需要每個流量的輸出隊列。

Wallner等[31]使用基于隊列的分類技術來實現SDN網絡中的QoS支持。為此，流量整形(速率限制)和差分服務代碼點(DiffServ DSCP)方法被用于SDN網絡中的QoS支持。該研究描述了不同類別的服務及交換機之間的速率限制路徑。上述方法中，SDN模塊負責數據包匹配、分類和流量操作，如插入、刪除等；QoS組件使用其DSCP值跟蹤和存儲服務類，允許網絡定義兩個不同的主要策略：① 利用流量入隊機制的策略和使用服務類、② 相應的DSCP值的基于ToS/DSCP的策略。Xu等[32]也提出了基于IPv4 ToS的QoS機制，將流量分類為QoS流量和最佳流量并根據其優先級分配隊列。

文獻[26]和文獻[27]介紹了另一種軟件定義的自動QoS管理模型。模型包括如分組標記、隊列管理和調度的QoS功能，采用了加權隨機早期檢測(WRED)隊列管理算法、優先級排隊(PQ)和加權循環(WRR)隊列調度算法等不同隊列管理算法。除此之外，自動QoS管理模型還提出了基于協同借用的分組標記(CBBPM)算法，以提高網絡資源利用率。

單獨的OpenFlow不足以構建更復雜的SDN服務，因為需要在端口、隊列等配置方面完全控制和管理數據平面。 OVADB協議已被用于在Caba等[33]的數據平面配置OVS交換機的QoS功能，建議的QoS配置API允許應用程序在網絡控制器的D-CPI處添加OVSDB配置數據平面設備端口上的優先級隊列，據此構建的服務和應用可以利用OVS設備中可用的全套QoS功能。Owens等[34]介紹了另一種用于SDN網絡支持視頻應用QoS需求的控制器架構和協議(VSDN)。VSDN修改OpenFlow提供的有限交換機功能實現端到端保證服務(GS)。特別地，修改OpenFlow協議模塊的隊列屬性結構ofp_queue_properties以支持基于GS的隊列作為ofp_queue_prop_gs_rate，以包含基于令牌桶的流量整形所需的字段。VSDN交換機為各請求流量創建基于令牌桶的整形隊列，根據VSDN控制器提供的流量規范調節各條流量。

2.4 基于QoE感知的QoS優化方案

QoS不足以表達通信服務中涉及的所有功能，如僅依賴QoS度量無法確定特定應用程序的性能。相反，用戶的QoE是用戶滿意度的替代度量。因此，未來網絡的主要挑戰是動態地使用戶的QoE需求適應網絡QoS參數。有些研究旨在最大化用戶的QoE，同時在SDN網絡中提供所需的QoS。

控制和實施網絡QoS策略是SDN網絡的一個重要問題。Huongtruong等[35]提出了QoE感知的IPTV網絡架構：結合IP多媒體子系統(IMS)和基于OpenFlow的SDN網絡，根據用戶滿意度優化網絡資源和服務特性。在該設計中，用戶能夠對正在接收的服務進行評級并據此映射所提體系結構規定的網絡QoS參數。

Kumar等[36]的研究是ISP網絡的SDN范例，允許用戶進行鏈路帶寬分配的控制委托，同時設計了一種GUI允許典型用戶在每個設備和每個應用程序的基礎上指定請求。GUI將請求轉換為由ISP網絡中托管的SDN控制器公開的API調用，確定請求的資源分配并將其配置到與用戶接入鏈路相關聯的交換硬件中。用戶的這種控制不僅可以提高用戶的QoE，還可以使ISP通過服務獲利并有力地與市場上其他ISP競爭。Yiakoumis等[37]曾提出一個相似的想法，建議允許用戶選擇應用程序的優先級，指示對ISP的偏好并利用OpenFlow控制器執行首選項。

Kassler等[38]的研究在優化路徑分配的同時提高用戶對多媒體服務感知的QoE水平，提出的系統利用OpenFlow為用戶建立網絡路徑，以便在考慮網絡資源(如鏈路容量、延遲等)和網絡拓撲時最大化QoE。系統的兩個主要組件及其功能如下：(1) QMOF(QoS匹配和優化功能)駐留在SDN應用層中進行初始參數匹配以產生可行的服務配置；(2) PAF(路徑分配功能)優化網絡路徑以滿足當前活動服務配置的資源要求。Dobrijevic等[39]在文獻[38]的基礎之上提出了“Q-POINT”——一種基于QoE驅動的路徑優化模型，解決多用戶域范圍的QoE優化問題。

近期的研究已經開始使用動態調整比特率減少視頻回放中的暫停和緩沖時間。雖然這種想法為用戶提升了整體體驗，但仍存在一些問題，如由于獨立采用策略導致網絡擁塞。Georgopoulos等[40]提出的OpenFlow-assisted QoE Fairness Framework(QFF)架構旨在減輕上述問題，雖然QFF框架可以監視網絡視頻流量，動態調整流量參數以公平增加用戶的QoE，但其利用用戶間均勻共享資源(特別是帶寬)的想法可能導致用戶的QoE降低。

傳統網絡缺乏對QoS的控制，盡力而為的交付網絡會導致最終用戶的次優QoE。Gorlatch等[41-42]使用SDN技術滿足動態網絡需求以提高QoE，提出一個由Base API和Application-level API組成的北向API以區分面向應用的QoS指標并映射到網絡的QoS指標。

雖然應用程序信息在支持QoE方面提供了比QoS參數更大的靈活性，但與網絡級別的管理相比需要信令工作的開銷。Jarschel等[43]研究了不同類型的信息或應用質量參數如何在SDN網絡中支持更有效的網絡管理。

2.5 其他QoS優化方案

針對不同業務流量，需要更復雜和有效的路由機制以滿足多樣的QoS要求。雖然SDN對OpenFlow的使用可以使用具有不同需求的路由算法，但與當今的TCP/IP架構相比，SDN網絡可以更有效地利用網絡資源。

2.5.1大象流

大象流是指在一組五元組確定的網絡鏈路上進行大量的、持續的數據傳遞的過程。因為對網絡資源的巨大消耗，大象流可能會影響網絡的性能，如點到點地填充緩沖區。其他流量使用與大象流相同的緩沖區，很可能受到這種資源消耗的影響，因此需要檢測大象流并滿足其QoS需求以獲得更好的網絡性能。Afaq等[44]分析大象流后提出了QoS配置機制，即超過指定閾值的流量受QoS模塊的約束，將大象流路由到用于流量整形的速率受限隊列。

2.5.2跨域流量

當前OpenFlow規范中的單控制器解決方案對于大規模多域網絡是不可擴展的。因此，需要多控制器分布式地控制平面，使每個控制器負責網絡的一部分(域)。在跨域網絡之間路由QoS流量需要收集最新的全局網絡狀態信息。然而，由于問題維度和網絡運營商不打算分享內部精確網絡動態，造成滿足QoS需求成為一項艱巨的任務。Egilmez等[45-46]提出了一種基于分布式控制平面的路由體系結構，每個域控制器聚合每個邊界節點對(稱為虛擬鏈路)的內部網絡資源信息，并與其他域控制器共享，由此每個控制器獲得整個網絡的全局視圖，可以計算端到端QoS優化路由。Karakus等[47]提出類似的QoS路由體系結構，但利用了基于層次結構的網絡體系結構，每個網絡控制器只與Broker控制器共享其匯總的網絡狀態信息。Marconett等[48-49]提出的FlowBroker架構還利用Broker提高網絡性能，在SDN中的多個域上實現流量協調的負載平衡。在多制器架構下，期望最小化控制器上的最大響應時間，為用戶提供更好QoS的目標。為此，Wang等[50]提出在交換機上安裝通配符規則實現流量重定向來最小化控制器的最大響應時間，將基于流量大小和鏈路容量約束的最小控制器響應時間問題形式化為整數線性程序并證明是NP難問題，最后設計了兩種有界逼近因子算法解決此問題。

2.5.3流量信息采集

控制平面需要頻繁地收集流量統計信息用于不同的應用，如流量工程、QoS路由?，F有統計信息收集方案可能導致控制信道占用帶寬大、資源成本高和交換機處理延遲長。為了應對這一挑戰，Xu等[51]提出一種成本優化的流量統計數據收集(CO-FSC)方案和使用基于通配符請求的成本優化的部分流量統計數據收集(CO-PFSC)方案，并證明了CO-FSC和CO- PFSC問題是NP難的。對于CO-FSC提出了一種具有近似因子的基于舍入的算法，其中f是每個流量所訪問的最大交換機數；對于CO-PFSC提出了一種基于隨機舍入的近似算法，用于收集網絡中部分流量的統計信息。實驗驗證這兩種算法可以有效降低用于QoS路由優化的信息采集成本。

2.5.4異步通信

網絡更新命令(如OpenFlow的FlowMod消息)的異步通信可能導致瞬態不一致，例如環路或繞過的路點(waypoint)，這需要特殊的QoS需求。Shukla等[52]認為即使在異步環境中也確保瞬態一致性的一種方法是采用智能調度算法，僅在每個通信輪次中更新交換機子集的算法，其中每個子集本身保證一致性。如此可以在異步通信過程中通過智能調整交換機子集以滿足QoS的需求，進而達到維持瞬態一致性的目的。

3 QoS存在的問題及發展趨勢

3.1 存在的問題

基于前文調研發現，對于服務和應用的QoS需求，現有的QoS解決方案不支持明確定義的自動QoS控制和網絡管理機制，造成流量QoS支持不能達到預期。隨著業務流量的多樣化，QoS控制機制應該為流量配置提供自動且細粒度的控制。但是目前的技術尚未實現，那么基于網絡狀態實現動態QoS配置工作負載的需求，短時間也是難以滿足。另一個重要問題是對傳統設備和WAN等大規模網絡的支持，目前基于分布式控制器的解決方案應視為跨域QoS解決方案的雛形。易對網絡狀態造成負擔的諸如視頻、VoIP等高要求業務流量，當前很難實現長時間的QoS支持。雖然上述問題目前都存在一些有針對性的研究，但這些QoS技術都不成熟，難以直接應用于現網。

3.2 發展趨勢

隨著5G網絡和云數據中心網絡的深入發展，QoS的研究將主要集中在IoT、無線網、自組織網絡等移動網絡和數據中心的內容中心網絡。網絡節點接入點的頻繁切換、視頻流量在移動設備中的高質量傳輸、數據中心實現內容就近分發等相關的QoS優化問題將是研究的熱點，并出現了一些較有影響的研究。

在云數據中心網絡中，虛擬基礎架構(VI)逐漸成為Internet上的網絡演進和云服務供應的潛在解決方案。但是將VI嵌入到云數據中心中并非易事。Souza等[53]提出了一種針對VI分配問題的混合整數編程公式，該公式考慮到基于SDN的云數據中心面臨的主要挑戰放寬一些約束條件，利用啟發式方法形成新的QVIA-SDN機制，這種基于SDN感知的分配解決方案可以減少數據中心的使用并提高托管租戶的感知服務質量。

在物聯網方面，由于設備的高速移動、間歇性連接和頻繁拓撲變化引起一些移動性管理的關鍵性障礙，影響了QoS。為解決此問題，Atwal等[54]提出了利用云計算處理VANET的固有約束，設計了邏輯上分散的控制平面，以實現無縫連接，移動性管理和QoS支持。

SDN和NFV被認為是5G核心網絡的關鍵技術。在QoS方面，Chen等[55]提出在支持SDN/NFV的5G切片中基于增強學習的QoS/QoE感知服務功能鏈(SFC)遵守QoS約束的同時，最大化QoE。鑒于5G網絡對數據中心間服務的需求不斷增長，實時遷移同樣成為非常具有挑戰性的焦點技術，為確保所需的QoE，Added等[56]提出了MIRA,用于管理跨不同基礎架構即服務(IaaS)的虛擬資源的可靠實時遷移，處理意外情況，以確保高QoS，而無須使用SDN感知的人為干預解。

多媒體傳輸代表了5G網絡中的典型大數據應用。為了處理視頻應用程序產生的大量流量，如何在管理基礎架構優化和QoE之間相互作用的同時處理不斷增加的視頻流量成為一個難題。為了解決這個問題，Filho等[57]為大規模的基于SDN的移動網絡提出了一種新穎的QoE感知路徑方案。該方案依賴于組合多個QoS指標的多項式時間算法和可伸縮的QoS到QoE轉換策略?？紤]到多媒體大數據服務既對時間敏感，又對帶寬敏感，Zhang等[58]提出了一種以信息為中心的虛擬化體系結構，用于在5G多媒體網絡上進行軟件定義的統計時限QoS調配。

最近，自動駕駛汽車(AV)數量的快速增長，并預計在未來幾年大幅增加。傳統的智能運輸系統(Intelligent Transportation System，ITS)解決方案將由于眾多技術限制而無法實現，例如靈活性降低、連接性差、可伸縮性有限及缺乏足夠的智能。云計算范例在滿足高移動性、最小延遲、實時服務和高質量服務QoS等方面也將落后。SDN和邊緣計算(Edge Computing，EC)有望成為現代ITS非常有前景的解決方案?？紤]到SDN、EC和DMM在未來視音頻網絡中的潛在優勢，Garg等[59]提出了一個在ITS生態系統中采用分布式SDN-DMM方法的復合框架——針對AV的移動性感知和QoS驅動(MobQoS)SDN框架，該框架可應對底層用戶的移動性和QoS挑戰。

雖然研究人員在5G、物聯網和云計算等新興領域有了一定的研究進展，但是目前已有成果仍有待進一步的優化，另外仍有廣闊的空間需要研究，包括具體的底層實現細節(如傳統的隊列調度優化和資源分配的移植)、特有的業務需求(如移動設備上的視頻傳輸)和整體SDN架構設計。

4 結 語

網絡用戶對上網體驗的極致追求，使QoS一直是網絡研究中的熱點問題。目前，互聯網中不斷產生新的業務流量，為滿足不同的QoS需求，一方面需要對每種流量提供不同的轉發技術的研究，另一方面有關SDN等新型網絡體系結構的研究不斷涌現。為了掌握SDN的QoS研究進展，以便對今后QoS的深入研究提供參考，本文聚焦SDN框架的控制層面，在分析SDN控制器的QoS相關模塊的基礎上，有針對性地歸納并分類現有的QoS優化解決方案，發現基于路由算法、基于隊列、基于資源調度和基于QoE感知的傳統QoS優化方法仍是研究的重點，然而，新興業務和場景的出現，引發了新QoS優化方案的思考。新型SDN網絡中的設備移動造成的連接問題和拓撲變化都是影響QoS的重大挑戰，是QoS優化的研究重點。