SDN虚拟网络重映射算法设计及ONOS分布式数据库研究

来源 :电子科技大学 | 被引量 : 3次 | 上传用户:ip81890
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
随着网络业务的发展,传统网络让网络运维管理变得复杂,新型网络架构SDN的出现打破了网络的封闭架构,提升了网络的灵活性。SDN架构实现了控制平面和数据转发平面的分离,有利于对网络业务进行集中控制,其灵活的编程方式也能够为实现网络虚拟化提供良好的平台,并且对未来网络的发展方向有很好的启迪作用。网络虚拟化是解决目前网络僵化的有效途径,该技术屏蔽了底层物理网络的复杂性,仅向上层提供租户所需的资源,降低了网络的运营成本,并对SDN网络架构有很好的支持。在网络虚拟化中,虚拟网络重配置有利于充分地利用底层资源,增加网络的收益,有效的重映射算法是实现该目的的关键。本文将SDN虚拟网络重映射算法作为研究课题,在SDN的背景下结合网络虚拟化,主要研究内容分为以下几个部分。首先,介绍了SDN和ONOS控制器的基本架构及其中的关键技术,分析了网络虚拟化技术的研究现状,并介绍了常见的虚拟化方式和网络功能虚拟化。其次,通过对重映射问题进行描述,设计了基于预测反馈的最小代价虚拟网络重映射算法。其中包括了基于同构子图搜索的虚拟网络映射算法和基于预测反馈的最小代价重配置算法两部分。使得系统能保持负载均衡,同时尽量减少重配置的代价以接收更多的虚拟网络,提高网络收益,并在ONOS系统中实现了设计的算法。然后,对ONOS分布式数据库进行深入研究。包括其底层协议的实现、数据查询方式和效率、分布式模式及对数据库事务的处理情况,并结合ONOS基于意图的策略,在集群工作状态下设计了批量计算任务进行相应的测试和结果分析。根据ONOS的分布式特性,通过在集群环境下迫使控制器下线对其可靠性和效率进行验证。最后,通过网络拓扑生成工具搭建实验环境对设计的算法进行仿真,并与已有算法进行对比分析得出结论。实验结果表明,虚拟网络重映射算法在网络代价和网络接收率上均有一定的改善。
其他文献
基于立体视觉的深度感知技术,工作原理是获得场景中不同位置图像中的映射点所对应的视差关系,结合相机标定参数获得该空间点的深度信息。深度感知技术作为一种智能视觉测量技
跳频通信具有抗干扰、抗跟踪、高频谱利用率且保密性好等特点,广泛应用于军事通信;直接序列扩频通信也具有抗噪声、抗多径、抗衰落、可用于高精度测量等特性并被广泛应用。两者
波达方向(DOA)估计是阵列信号参数估计的代表,传统的高分辨DOA估计算法通常假定空间信源位于阵列远场,各个阵元接收到的信号波前为平面波。然而,当信源靠近阵列位于近场菲涅尔区域
无线网络的飞速发展以及多媒体业务需求的快速增长使得有限的无线资源与多媒体业务间不断提高的服务质量(QoS)需求之间的矛盾日益尖锐,因此既能提高网络整体性能又可以支持高质
随着数字技术的发展以及数字信号处理算法的进步,信号的数字处理显得尤为重要。信号采样理论是信号从模拟转化为数字的关键,也逐渐成为信号处理过程中的关键步骤。在传统信号
学位
近年来智能相机设备大量普及,这些设备能搭载快速有效的计算机视觉应用,包括运动目标检测。运动目标检测旨在将视频分成前景(运动目标)和背景,是典型的二分类问题。其在公共
宽带无线接入技术(WiMax)是构成未来通信技术的重要组成部分,尤其是在无线移动宽带领域。802.16e作为其支持移动宽带的无线接入空中标准,近几年得到了广泛的研究。同时它的物理