论文部分内容阅读
随着通信网络规模的不断扩大和通信需求的日益增长,传统的分布式控制逻辑难于应对愈发复杂的网络管理需求,对网络资源分配的优化能力有限。集中模式是相对于分布式模式的一种网络管理模式,由集中控制器搜集全网拓扑信息,实现网络资源的统一管理和调度。集中控制器具有可编程性,能够根据不同的优化目标执行针对全网的优化策略,完成对网络的精准及灵活控制。集中模式所倡导的网络控制方式使网络的设计和管理更加灵活。本文从广域网（Wide Area Network,WAN）、园区网（Campus Network）和特殊用途的网络三个方面分别讨论集中模式给网络管理及资源分配带来的好处。具体以IP over WDM（Wavelength Division Multiplex,波分多路复用）网络、混合软件定义网络（Hybrid Software-Defined Networking,HSDN）和数据中心网络作为以上三类网络的代表进行深入研究。本文主要研究内容包括:（1）基于集中模式的IP over WDM网络节能虚拓扑设计作为广域网的重要组成部分,现有的IP over WDM网络在进行虚拓扑设计时通常将节约网络能耗作为单一的评价指标,最小化所需的节点数量和链路数量,难以满足上层业务对网络其他性能的需求,比如网络生存性。WDM技术虽可以大幅提高链路的传输容量,但同时也对网络生存性提出了更高要求。因此,在网络设计运行之初需要综合考虑多种网络性能以优化网络设计策略,实现网络资源的合理配置。同时考虑多种网络性能的资源配置方案应当是基于对电层虚拓扑和光层物理资源的集中管理,通过对IP网络与光网络的联合设计而获得的。本文对IP over WDM网络的能耗效率、网络资源效率和网络生存性三个方面进行统一折衷优化,得到一个静态需求下的虚拓扑设计方案。实验结果表明,与已有的节能算法相比,本文提出的方案使网络能耗平均降低了39.8%,网络资源的平均使用量减少了28.2%,网络跨层生存性平均提升了35.7%。（2）基于集中模式的HSDN网络流量工程与流管理软件定义网络（Software Defined Networking,SDN）是一种典型的采用集中模式的网络范式。SDN在园区网中的部署旨在应对日益复杂的网络管理要求和优化网络资源分配。受限于网络管理者所面临的SDN部署成本等问题,在园区网中增量部署SDN成为现有传统网络向SDN过渡的折衷方案,HSDN应运而生。在HSDN中的流分为至少经过1个SDN节点的SDN流和未经过任何SDN节点的IP流。已有的关注HSDN流量工程（Traffic Engineering,TE）的工作对IP流没有实现集中管理,导致TE性能不理想。为了提升HSDN网络TE性能,本文利用新技术,如Fibbing[1]、Panopticon[2]和Telekinesis[3],对IP路由器和SDN交换机的路由进行统一管理,以获得集中模式在HSDN全网范围的实现。在单播通信方面,基于集中模式提出了流路由分离（Flow Routing and Splitting,FRS）算法,将IP流转换为SDN流,在实现对所有流集中管理的同时提升了TE性能。并且,FRS算法使HSDN以20%的SDN节点部署比例获得了媲美全网部署SDN时的TE性能。在多播通信方面,近年来通信网络中多播流量的爆发式增长使其日益成为网络流量的重要组成部分。与单播相比,多播通信能有效地减少网络资源消耗。目前,基于HSDN的多播通信流量工程问题鲜有相关研究。为了提升HSDN多播通信的TE性能和安全性,本文基于集中模式提出了多播路由及分离（Multicast Routing and Splitting,MRS）算法,将多播组路由路径分为单播路由和多播路由两部分区分处理。对于每个多播组,算法计算出一个核心SDN节点作为集中控制器的管理接口,通过网络功能的灵活部署（如接入控制）增强HSDN多播通信安全性能;同时以核心SDN节点为根节点建立多棵多播树以实现负载均衡。仿真数据表明,当SDN节点部署比例达到40%时,为每个多播组计算2棵多播树,HSDN可以获得与全网部署SDN相接近的多播通信TE性能。（3）基于集中模式的数据中心网络流调度优化在特殊用途的网络范畴,本文选择数据中心来进一步探究集中模式带来的好处。作为支撑起大数据产业及云计算平台的关键基础设施,从提高网络资源利用率、加快应用响应速度的角度出发,数据中心需要结合上层应用的特点进行下层网络的传输任务调度。采用集中模式对应用层和网络层进行集中管理显然是最佳选择。已有的相关工作追求网络资源分配的公平性,其优化目标没有与应用层需求完全匹配,难于真正部署到实际网络中。据此,本文以数据中心集群计算框架为应用背景提出了在线流追赶算法（Flow Chasing Algorithm,FCA）。算法将标志一个计算阶段开始或者结束的一组流定义为一个transfer,集中控制器根据应用层描述的每个transfer所包含的流信息,以transfer为粒度进行网络层资源分配。算法分为transfer内部和外部两个阶段,旨在尽可能降低平均传输完成时间（Transfer Completion Time,TCT）。将FCA部署在实验平台上,实验结果表明,FCA降低了约6.24%的平均TCT,节约了约4.8%的shuffle完成时间,缩短了大概2.00%的任务（job）完成时间。