基于動態遷移的光傳送網SDN低時延調度研究

劉春林，李韋鵬，秦 進

(1.凱里學院大數據工程學院，貴州 凱里 556011；2.貴州大學計算機科學與技術學院，貴州 貴陽 550025)

1 引言

SDN作為新型網絡架構，它以控制器為核心，并對域內的交換機進行調度完成網絡數據和資源的傳遞，因其具有良好的擴展性和開放性而引起人們的重視[1]。隨著海量數據的聚合劃分，以及云計算和移動互聯對網絡即時性的需求，傳統IP網絡已經難以勝任[2-3]。由于SDN打破了傳統網絡的靜態特性，能夠把控制層和數據傳輸采取分離處理，從而更靈活的完成資源調度，更好的支持互聯網新技術。但是作為新型架構，SDN目前也存在一些技術難點。主要是控制器和流表等部署調度問題[4-5]，調度策略的失誤將會導致網絡時延增加，負載失衡，擴展性降低等，進而影響網絡性能。為此，一些學者與研究人員正在努力解決。文獻[6]采取路徑與支配集作為目標，并考慮了生存性限定，對SDN控制器進行調度優化。該方法較C-MPC獲得了更好的網絡生存能力，也降低了網絡中控制器的使用數量，但是該方法缺乏對通信時間代價的考慮，使得它的低時延效果不好。文獻[7]在生存性的基礎上，還加入了時延與控制鏈路的限定。該方法能夠確保控制器的利用率和生存能力，同時也在一定程度上改善了網絡時延，但是動態管理效果不好。文獻[8]設計了包含時延、故障、以及節點的多目標模型，并通過SPEA-Ⅱ增強控制器調度性能。該方法能夠控制SDN的時延與路徑故障，但是沒有考慮數據量增加時的網絡負載問題。

基于以上研究的優缺點，本文從時延與負載出發，在目標約束的限定下，充分考慮SDN控制器、交換機，以及流表調度，設計了動態遷移優化策略改善網絡調度性能。并通過與經典k-median方法比較，驗證本文方法對SDN網絡性能的有效提升。

2 時延優化模型

(1)

(2)

網絡累計通信代價來自于控制器與數據流兩方面，利用輸入參數可以表示為

(3)

(4)

3 動態遷移優化調度模型

在SDN網絡進行數據傳送時，控制器與交換機映射情況的變化，會對數據時延產生不同的影響。如果兩個交換機li與lj在網絡架構中互為鄰域，則由li向lj傳遞數據之后，lj將根據緩沖對數據流表采取驗證。經過驗證后，lj通知控制器收到一個輸入包。控制器針對輸入包與網絡情況采取相應的轉發策略，同時把數據封裝于流表。圖1具體描述了數據的傳輸流程，其中li位于lj的鄰域內。當數據從li出發送出，會先經過控制器cm封裝成數據流表，并對轉發策略采取規劃。如果直接轉發至鄰域lj的代價較大，則會選擇轉發至域內其它交換機lm，當lm驗證通過，才會將數據轉發至lj。此時lj對數據進行驗證，并向其對應的控制器cn發送通知，確定成功后再由cn對數據進行封裝。

圖1 數據傳輸流程

根據數據傳輸流程，網絡中li的路徑請求量可以描述如下

qim=∑L(i，j)+∑L(，j)

(5)

L(i，j)是由li向lj傳遞數據時對應的路徑請求量；∑L(i，j)項是計算cm相關的交換機請求量；∑L(，j)是計算非cm相關的交換機請求量。利用請求量qim，能夠確定cm負載情況，從而進一步確定cm平均處理時間

(6)

Rm是cm的容量；N是網絡節點數量。從tm公式可以看出，網絡時延與控制器的處理速度和節點數量有關。為降低網絡時延，同時增強網絡均衡，這里計算li對cm資源利用率rim=qim/Rm。推廣至整個網絡架構，可以得到網絡全部控制器的累計效用為

(7)

Ztotal值與控制器負載為正相關，據此，利用動態遷移便可以調節網絡的累計效用。動態遷移過程即是對控制器與交換機的重構。

4 基于動態遷移的SDN流表調度

數據流表下發過程中，需要考慮信道負載的具體情況[9]。對于信道h，負載飽和度公式描述為

(8)

(9)

同時定義網絡節點的聚集度為

(10)

(11)

(12)

至此，便可以計算出fc與fd的比值，利用該比值判斷負載情況，通過動態遷移實現流表的實時調整。按照傳統思想，要想完成多域場合下的數據傳遞，必須先經過域內多次傳遞，利用邊緣交換機完成鄰域間傳遞。這種操作過程需要的流表請求過于復雜，由此導致時延增加。為此，本文基于負載均衡的情況下，由控制器直接將流表傳遞至其它域的控制器上，形成高速鏈路。隨后再由各域控制器向本域內的交換機進行傳遞。如圖2中虛線所示，數據先從交換機li發送至該域的cm，cm對數據封裝后，一方面發送至該域的其它交換機，另一方面發送至非同域的cn。這種方式有效降低了流表下發和控制器的操作次數，有利于SDN網絡時延的降低。

圖2 動態遷移流表調度

5 仿真與結果分析

5.1 實驗設置

仿真環境與算法分別基于networkx與Python來實現，并構建CORONET Global topology網絡拓撲，關于拓撲及環境的參數配置如表1所示。實驗過程中，為了充分模擬真實場景下的信道狀態，網絡中隨機生成傳遞數據，生成的packge數量在[100,1000]之間。同時，源和目標地址也隨機生成。SDN網絡采用三層控制，關于每層的具體配置如表2所示。

表1 拓撲及環境參數

表2 SDN網絡結構配置

5.2 實驗結果分析

由于網絡通信代價來自于控制器與數據流的操作轉發，時延調整系數λ可以平衡兩種主要時間代價的關系。于是，實驗首先對時延調整系數λ與通信代價之間的影響進行分析。改變調整系數λ，得到相應的累計通信代價，結果如圖3所示。從結果曲線可知，在0.54之前，通信代價隨著λ增大而減小；在0.54之后，通信代價隨著λ增大而增大；在λ等于0.54時通信代價最小。除了λ以外，交換機、控制器都是影響通信代價的因素。而對于它們，本文采用了動態遷移調度策略，實時改變它們的位置來調整域分配。

圖3 通信代價與時延調整系數λ之間的關系

調度策略的差異會導致網絡中控制器的差異，進而影響系統時延。為此，這里針對控制器變化對時延的影響進行仿真分析。控制器個數從3增加至8，對應的時延結果如圖4所示。實驗中引入了k-median方法進行對比。根據結果曲線可知，控制器增多的過程中，k-median方法的時延有明顯下降趨勢，尤其在控制器較少的情況下，下降速度較快，到了后期下降速度放緩。本文方法在控制器增多的過程中，時延曲線表現較為平穩，而且明顯優于k-median方法。這是因為本文方法以通信的時延代價作為調度目標，且引入了動態遷移策略，尤其在多域場景中，能夠根據負載情況將數據流表直接由控制器在域間進行發送，避免了域內多次傳遞后通過邊緣節點發送至域間，由此節省了大量數據處理和傳遞時間，同時也使得控制器個數對SDN網絡時延無顯著影響。雖然k-median也可以靠增加控制器的方式降低時延，但是在增加到一定程度后，性能改善不大，同時增加部署的控制器將提高網絡運行成本，并導致網絡復雜度升高。

圖4 平均時延與控制器個數之間的關系

改變SDN網絡的信道負載，從而驗證數據量對系統時延的影響。實驗過程中得到packge數量在[100,1000]之間變化時平均時延的變化情況，結果如圖5所示。根據結果曲線，數據量增加時，信道負載隨之增加，從而導致兩種方法的時延均隨之上升。但是本文方法的時延和增速顯然更小，這是因為本文方法的負載均衡較好，而且流表采用的是控制器發送，避免了對數據信道的大量依賴。

圖5 平均時延與數據量之間的關系

為了驗證光傳送網SDN調度方法的負載均衡情況，采用負載差異度作為衡量指標。其計算公式為

(13)

在注入packge數量為1000的情況下，仿真得到方法的負載差異度結果，如表3所示。由于本文方法的動態遷移不是針對路徑，而是針對數據傳遞過程中的控制器與交換機，所以遷移后的負載差異度更好。

表3 負載差異度結果

6 結束語

為了改善光傳送網SDN調度的動態性能，降低網絡時延，本文提出了以通信代價為目標的動態遷移策略。基于networkx與Python分別實現網絡拓撲與算法，仿真確定了λ取0.54時獲得最小通信代價。在最優調整系數情況下，分別通過仿真得到控制器個數變化、注入數據量變化對系統時延的影響，以及動態遷移對負載差異度的影響，結果證明了所提方法能夠避免域內多次傳遞和大量數據信道傳遞，從而有效降低SDN調度時延，同時，動態遷移策略有效提高了網絡的負載均衡度，有利于SDN網絡擴展。