论文部分内容阅读
随着网络流量的爆炸式增长和各类新兴网络功能的不断部署应用,传统的互联网体系变得越来越复杂,导致其服务质量劣化严重、网络效能低下等问题。软件定义网络(Software-Defined Networking,SDN)解耦了网络的控制平面和数据平面,具有逻辑集中控制、细粒度数据流控制、开放可编程等优势,通过全局网络视图实现了灵活高效的网络管理和资源调度,在简化网络运维成本、提高网络资源效用、改善用户体验等方面优势明显。然而,SDN数控分离、逻辑集中控制以及细粒度数据流控制等特性也导致了严重的资源紧缺问题,这使得SDN在进行大规模网络部署和应用时仍面临诸多挑战,其中主要包括:(1)集中的网络控制易使控制器过载,导致控制平面资源紧缺问题;(2)细粒度数据流控制易使交换机流表溢出,导致流表存储资源紧缺问题;(3)流量调度策略选路僵化易使链路拥塞,导致链路带宽资源分配不合理问题。本文围绕大规模部署应用场景下的软件定义网络资源优化技术展开研究,分别从软件定义网络的控制平面和数据平面入手,提高软件定义网络的资源利用率和网络服务性能,为SDN的大规模实际部署提供技术支撑。本文主要创新点如下:1、针对“现有的控制器关联方案忽略数据流特征导致控制资源分配不合理”问题,提出基于控制器动态关联的SDN控制资源优化机制。该机制将控制器动态关联问题分为两个阶段:第一阶段设计最小集合覆盖算法将同一数据流路径上的交换机尽可能地关联到相同控制器上,以最小化控制资源消耗;第二阶段引入联合博弈策略,通过控制器之间合作博弈,来实现更均衡的控制器-交换机关联方案。实验结果表明,本章所提控制器关联方案可以减少约28%的控制资源消耗和8%的控制流量开销。2、针对“SDN细粒度流管控导致交换机流表存储资源不足”问题,提出基于分段路由的SDN流表规则优化机制。该机制将分段路由引入SDN架构,并设计在线数据流路径编码算法,基于流路径的重合度对数据流进行路径分段聚合,使同一路径段的数据流能共享流表规则,以减少控制器需要安装的流表规则数目。仿真结果表明,本文提出的流表规则安装机制可以同时减少61%的流表规则数量和56%的数据包封装的MPLS标签数量。3、针对“传统路由协议依赖人工配置导致链路带宽资源分配不合理”问题,提出了一种基于深度强化学习的SDN路由优化机制。该机制设计具有时延和吞吐量感知的网络效用函数,以网络效用最大化为目标,引入深度强化学习DDPG算法对流量特征和路由策略进行迭代学习,实现SDN网络路由策略的优化。实验结果证明,较传统的路由协议OSPF、ECMP方案,本文所提路由机制可以提高30%的网络吞吐量和减少约22%的平均数据包时延,提高了SDN网络数据流的传输性能。