SDN中面向负载均衡的多控制器部署和交换机迁移策略

来源 :河北大学 | 被引量 : 0次 | 上传用户:jessicazrz
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
软件定义网络(SDN)采用流量控制和转发分离的思想,具备网络可灵活配置的优势,迅速在数据中心网和企业WLAN网等小规模网络中得到了广泛应用。随着网络规模的增长,SDN网络中单一集中式控制器难以满足急速增加的流量需求,因此引入多控制器架构对网络流量进行管理和控制。但多控制器架构由于初期设计方式不合理以及实际运行中流量波动性较大等原因,容易出现负载不均衡的问题。针对此问题,本文从多控制器部署和交换机迁移两个方面进行研究。所做的研究工作主要体现在以下三个方面:(1)针对SDN网络构建初期现有控制器子域划分方法无法同时兼顾时间延迟和负载均衡的问题,提出一种多控制器部署算法。首先确定当前控制器部署位置,之后优先分配控制器子域管理的交换机数量,最后按照距离最近原则构建子网,实现控制器子域的划分。实验结果表明,该算法可以均衡控制器子域之间的负载,降低网络的时间延迟。(2)针对控制器在网络中最佳部署位置未知的问题,提出一种改进的粒子群算法和多控制器部署算法相结合的方案。首先对传统粒子群算法进行改进,引入收敛因子,用来提高粒子种群的收敛速度。之后将控制器部署模型中的优化目标作为改进粒子群算法的适应度,采用改进的粒子群算法和多控制器部署算法相结合的方案对SDN控制器最佳部署位置进行迭代寻优。实验结果表明,该方案可以确定控制器在网络拓扑上的最优部署位置,同时该方案在运行时间上有了较好地改善。(3)针对SDN网络实际运行中动态网络流量波动性问题,提出一种基于分布式架构的交换机迁移决策算法。当控制器集群中控制器负载超过临界阈值时,在过载控制器子域内,挑选适当的交换机,并将其迁移至欠载控制器子域内,进而完成控制器集群的负载均衡。算法同时对迁移交换机的选取、交换机的迁移过程进行了优化。实验结果表明,该算法可以有效地减小控制器的响应时间,均衡控制器集群的负载。
其他文献
虽然,视觉SLAM(Simultaneous Localization and Mapping)广泛应用于机器人自主定位和地图构建。但是,在面对光照变化、纹理变化、以及快速运动等情况时,视觉SLAM定位会产生精度不准确的问题。因此,在视觉SLAM系统中引入IMU传感器进行耦合(视觉惯性里程计)提升定位的准确性和鲁棒性。其中,若视觉信息失效会导致IMU迅速漂移。当移动机器人以恒速运动或者纯旋转运动时
随着现代物流和服务行业的发展,人们对移动机器人的功能要求越来越高,希望机器人能深入人类社会生活,协助人类完成更精细、更多样的智能任务。提高移动机器人功能的技术核心是自动导航技术,该技术能使移动机器人在复杂陌生的环境中自主且精准地完成导航任务,但目前传统的导航方式已然不能满足现代需求。被广泛研究的实时定位与地图构建(Simultaneous Localization and Mapping,SLAM
混沌是在研究非线性系统过程中发现的一种极为特殊的现象,其动态特征极为复杂。混沌理论是现代非线性系统研究的重要分支。本文基于Lü系统,通过增加非线性状态反馈控制器,提出了一种新型超混沌系统。在此基础上对系统的状态方程进行了动力学特性分析:如耗散性、稳定性、初值敏感性等;通过对该系统Lyapunov指数谱的分析,得出了系统在周期、准周期、混沌及超混沌状态下的系统参数范围及相对应的相位图。根据系统的状态
如今全球糖尿病的人数越来越多,很多糖尿病并发症都会成为人眼失明的主要原因,如糖尿病视网膜病变(Diabetic Retinopathy,DR)、新生血管性青光眼(Neovascular Glaucoma,NVG)等,一旦疾病恶化到一定阶段,会对视力造成不可逆转的损伤甚至失明。目前对于眼底病变的诊断基本通过专业医生对眼底生理结构或病灶直接观察。这个过程费时费力,同时眼底图像病症复杂,各种病变程度存在
导热系数是材料的热物性参数之一,导热系数的准确测量有着非常重要的理论意义和使用价值。防护热板法是目前为止测量绝热导热材料导热系数最准确的绝对方法,但是近年来中国计量科学研究院开展的国内绝热材料导热系数测量的比对结果显示,不同实验室、不同来源的防护热板导热仪的测量偏差达到±15%。分析比对结果,认为产生测量差异较大的关键原因是导热仪的温度测量和控制水平不高,急需一种精确控温的方法和热控制系统,来提高
运动目标检测与跟踪技术是计算机视觉领域的一个重要研究课题,已经被广泛应用于安防、交通管理、机器人视觉。通过搭载视觉传感器获取视频图像信息,已成为移动机器人平台感知环境的重要方式。本文基于单目视觉研究NAO机器人运动目标检测与跟踪应用实现。由于实际应用场景复杂多变,现有的算法不能满足实际应用的需要。针对经典Camshift算法应用于机器人目标跟踪过程中遇到的问题,分别从目标检测和目标跟踪两个方面进行
在全球范围内,肺癌的死亡率居各种癌症之首。肺结节是肺癌早期的发病症状,准确检测与治疗肺结节对降低肺癌患者死亡率具有重要意义。目前,肺结节的筛查与诊断主要通过计算机断层扫描(CT)图像来实现。然而,肺结节在CT图像中尺寸不固定、形态多变,且易与肺内血管、器官等组织混淆粘连,因此,准确检测肺结节是一项十分困难的工作。随着深度学习在医学图像中的发展和应用,使人工智能技术辅助医生快速诊断肺结节已成为可能。
随着数据的爆炸式增长,越来越多人开始关注大数据问题。由于大数据具有规模大、维度高、数据复杂且变化速度快的特性,导致传统的机器学习算法不再适用。大数据约简是解决大数据问题的一种有效方法,大数据约简方法主要分为两类:样例约简和属性约简,也称为样例选择和特征选择。样例选择是从大规模数据集中选择出最有代表性的数据子集来代替原始数据集,特征选择是从高维的数据集中选择出重要的特征子集,并将原始数据投影到特征子
由于卫星具有强覆盖性以及可避免自然灾害的能力等优势,利用卫星通讯实现天地一体化通信网络系统是当下网络通信的发展方向。将地面网络与卫星网络进行无缝连接实现多种数据类型以及大容量信息数据传输是现在研究的热点。但是,地面通信环境与空间通信环境有很大的差异,因此地面网络的TCP/IP协议并不适用于空间通信,空间通信需要一种适合自身通信环境的协议。由于地面与空间通信网络的协议类型不同,要实现地面通信网络协议
随着深度学习的发展,图像生成技术有了长足的进展,研究人员提出了许多图像生成算法,但大多数图像生成算法只能生成单一图像,有些工作却需要图像对的数据集支撑。针对这一问题,本文重点研究生成图像对问题。图像对指的是主体高级特征相同,部分低级特征不同的对应图像元组,高效生成良好图像对可以更好地满足相关工作任务的需求。生成模型有多种,目前研究最多的是生成对抗网络和变分自编码器,本文主要研究变分自编码器的耦合模