史長瓊，胡龍平，熊 兵

(長沙理工大學 計算機與通信工程學院，長沙 410114)

1 引 言

軟件定義網(wǎng)絡(luò)(Software-Defined Networking，SDN)作為一種創(chuàng)新型網(wǎng)絡(luò)架構(gòu)，將數(shù)據(jù)轉(zhuǎn)發(fā)和邏輯控制功能相分離，并為網(wǎng)絡(luò)應(yīng)用提供靈活的編程接口，顯著提升了網(wǎng)絡(luò)的靈活性和開放性，被認為是未來網(wǎng)絡(luò)領(lǐng)域最有前景的發(fā)展方向之一.OpenFlow協(xié)議是SDN架構(gòu)中最為成熟的南向接口協(xié)議之一，實現(xiàn)了控制平面與數(shù)據(jù)平面之間的信息交互和配置管理功能，提升了網(wǎng)絡(luò)的可編程性和可管控性.然而，OpenFlow也給SDN數(shù)據(jù)平面的交換機帶來了新的問題和挑戰(zhàn)，其中一個突出的問題就是流表存儲空間有限問題[1].

OpenFlow將網(wǎng)絡(luò)協(xié)議棧扁平化，借助豐富的協(xié)議首部字段，并引入通配符支持任意字段的組合，實現(xiàn)網(wǎng)絡(luò)流的靈活定義與管理，但也帶來了流表存儲空間需求顯著上升的問題.隨著OpenFlow協(xié)議版本的持續(xù)演進，流表匹配域數(shù)量不斷增加，從1.0版本的12個已增加至1.5版本的44個，導致OpenFlow流表極其龐大.TCAM由于支持通配符查找方式，且能在一個時鐘周期內(nèi)輸出查找結(jié)果，因而常用于OpenFlow流表的存儲與查找.然而，TCAM成本高、能耗大、集成度低，導致容量有限，難以滿足OpenFlow大規(guī)模流表的存儲需求.因此，如何高效存儲OpenFlow大規(guī)模流表，成為SDN數(shù)據(jù)平面亟待解決的一個關(guān)鍵問題.目前主要有兩類方法解決該問題，一類采用壓縮流表，另一類采用優(yōu)化存儲結(jié)構(gòu).

采用壓縮流表的方法來減少OpenFlow流表存儲空間.Kannan等人引入流標識符替代流表項15元組以減少流標識位，壓縮OpenFlow流表項[2].Banerjee等人采用標簽嵌套方法(Tag-in-Tag)，將流表項替換成兩層簡短標簽，使TCAM能容納更多流表項[3].羅壽西等人應(yīng)用流表快速聚合(FFTA)和增量流表快速聚合(iFFTA)方法，結(jié)合基于前綴的聚合技術(shù)，實現(xiàn)流表快速更新，以減小流表規(guī)模，提高流表匹配速度[4].葛敬國等人通過分析流表字段之間的共存和沖突關(guān)系，劃分流表與切分子流表以壓縮流表存儲空間[5,6].Bo Yan等人提出一種桶中緩存規(guī)則方案(CAB)，將匹配域劃分為與所請求的桶相關(guān)的桶和緩存規(guī)則來減輕依賴性問題[7].上述算法在一定程度上能節(jié)省流表存儲空間，但無法滿足SDN大規(guī)模部署時的流表存儲空間需求.

采用優(yōu)化設(shè)計存儲架構(gòu)來解決OpenFlow流表存儲問題.徐明偉等人基于現(xiàn)有商業(yè)交換機的各類硬件存儲表，采用軟件方式統(tǒng)一管理存儲資源，進而建立多流表串行查找模型[8].Ferkouss等人采用SRAM和TCAM存儲流水線查找表，并應(yīng)用遞歸流分類算法提高OpenFlow包分類性能[8].吳國新等人在SRAM中采用散列表存儲精確流表項，并將哈希沖突的流表項存儲到TCAM中，以避免多次讀取SRAM，加快流表查找速度[10].然而，該方法不適用于存儲帶通配符的OpenFlow流表項，且其散列沖突率將隨著流表項的增多而快速上升.張志勇、賈智平等人提出了一種混合TCAM存儲架構(gòu)，采用基于NVM的TCAM緩存活躍流規(guī)則以提高緩存命中率，采用基于SRAM的小容量TCAM處理緩存失配包流以降低更新時延，并設(shè)計高效的規(guī)則遷移替換策略以充分利用TCAM資源[11].江勇、徐明偉等人提出一種流量感知的混合規(guī)則分配方案BALANCER，從邏輯上將TCAM劃為主動部分和被動部分，并根據(jù)網(wǎng)絡(luò)流量行為進行動態(tài)調(diào)整.同時，提出一種主動部分的高熵主動規(guī)則生成算法，為被動部分提供規(guī)則緩存方法和規(guī)則替換算法，提高OpenFlow交換機的TCAM利用率[12].Naous等人設(shè)計并開發(fā)了一個OpenFlow交換機，在NetFPGA芯片上采用TCAM與SRAM區(qū)分存儲通配流表項和精確流表項[13,14]，但是由于TCAM容量有限，無法滿足大量通配流表項的存儲需求.本文利用OpenFlow流的包成批特性，建立一種OpenFlow流表區(qū)分性存儲架構(gòu)，采用TCAM與SRAM區(qū)分存儲包成批流和包稀疏流，以期望在一定程度上解決OpenFlow大規(guī)模流表的存儲空間問題，從而提高流表查找性能.

2 OpenFlow流表存儲

由于TCAM容量有限，難以滿足OpenFlow大規(guī)模流表的存儲空間需求，因此，現(xiàn)有OpenFlow交換機往往采用TCAM和SRAM相結(jié)合存儲流表[10].圖1給出了對應(yīng)的OpenFlow流表存儲與查找架構(gòu).當某個數(shù)據(jù)包p到達OpenFlow交換機時，首先提取其流關(guān)鍵字fid，然后在TCAM與SRAM中并行查找，若成功匹配到SRAM或TCAM中的某條流表項，則執(zhí)行相應(yīng)的動作集；否則，將數(shù)據(jù)包封裝成流安裝請求發(fā)送給控制器，待控制器生成并下發(fā)對應(yīng)的流規(guī)則，再轉(zhuǎn)發(fā)處理數(shù)據(jù)包，同時將流規(guī)則添加到流表.

在上述OpenFlow流表存儲與查找架構(gòu)中，一個關(guān)鍵問題是如何將所有流表項區(qū)分存儲在TCAM和SRAM中，以加快網(wǎng)絡(luò)包流的流表查找速度，提升OpenFlow交換機的數(shù)據(jù)轉(zhuǎn)發(fā)性能.目前，一種典型的流表區(qū)分存儲算法是：TCAM存儲帶通配符流表項，SRAM存儲精確流表項[13].該算法在網(wǎng)絡(luò)規(guī)模較小的情況下，能有效滿足OpenFlow流表的存儲需求，且流表查找效率高.然而，隨著OpenFlow協(xié)議版本的不斷升級，流表匹配域持續(xù)增多.同時，當OpenFlow進入大規(guī)模部署時，流表項數(shù)量也急劇上升.這將導致現(xiàn)有的TCAM芯片難以滿足大量通配流表項的存儲需求.對此，一種改進的存儲算法是：TCAM存儲大象流，SRAM存儲老鼠流[14，15].該算法不僅解決了OpenFlow大規(guī)模流表的存儲問題，而且使得大部分數(shù)據(jù)包查找命中TCAM流表，只有少部分數(shù)據(jù)包查找命中SRAM流表，在一定程度上控制了網(wǎng)絡(luò)包流的平均流表查找開銷.該算法考慮的是網(wǎng)絡(luò)流中數(shù)據(jù)包的長期統(tǒng)計特性，忽視了數(shù)據(jù)包到達的動態(tài)變化特性，因而缺乏對網(wǎng)絡(luò)包流的動態(tài)適應(yīng)能力，因此，本文提出一種包成批流識別方法，以增強OpenFlow流表存儲的動態(tài)適應(yīng)能力.

3 基于包成批特性的OpenFlow流表區(qū)分存儲算法

3.1 數(shù)據(jù)包成批到達特性

大量研究結(jié)果表明：在分組交換網(wǎng)絡(luò)中，包到達過程并不是通常所預(yù)測的泊松流，而是彼此相關(guān)，具有局部性特點[16-18].從應(yīng)用角度來看，網(wǎng)絡(luò)流量局部性主要由網(wǎng)絡(luò)應(yīng)用程序和數(shù)據(jù)傳輸協(xié)議共同作用所致，例如Web應(yīng)用產(chǎn)生大量的文件下載活動；網(wǎng)絡(luò)電話、網(wǎng)絡(luò)電視以及視頻聊天等流媒體的應(yīng)用，這些網(wǎng)絡(luò)行為都會產(chǎn)生持續(xù)的大塊數(shù)據(jù)傳輸活動，使得網(wǎng)絡(luò)數(shù)據(jù)包流表現(xiàn)出明顯的局部性特點.

圖2 網(wǎng)絡(luò)流量局部性示意圖Fig.2 Network traffic locality

從流的角度來看網(wǎng)絡(luò)流量局部性表現(xiàn)為：同一流中的數(shù)據(jù)包分布并不均勻，而是呈現(xiàn)出分批集中到達的特點.圖2展示了某段時間內(nèi)網(wǎng)絡(luò)數(shù)據(jù)包流分布的局部性特點.該時間段內(nèi)共到達36個數(shù)據(jù)包，其中，流f1為web訪問流，包含14個數(shù)據(jù)包，分3批集中到達；流f2為ftp流，包含13個數(shù)據(jù)包，分2批集中到達；剩余9個包則零散分布于f1、f2之外的稀疏數(shù)據(jù)包流中.由此可看出，大部分數(shù)據(jù)包分布在少數(shù)流上，且表現(xiàn)出明顯的分批集中到達特點.

SDN作為一個新型的網(wǎng)絡(luò)架構(gòu)，并沒有改變網(wǎng)絡(luò)用戶行為及其流量的分布特性，反而因OpenFlow中引入通配符，將多條數(shù)據(jù)包流匯聚到一條，使得網(wǎng)絡(luò)流量的局部性特點更加明顯.網(wǎng)絡(luò)流量局部性在OpenFlow流中表現(xiàn)為：

a)從時間維度上看，同一流中的數(shù)據(jù)包分布往往呈現(xiàn)出分批集中的特點；

b)當某條流連續(xù)到達幾個數(shù)據(jù)包時，說明該流已出現(xiàn)包成批現(xiàn)象，后續(xù)將還會有若干個數(shù)據(jù)包緊接著到達.

3.2 算法思想

基于上述包成批到達特性，可將OpenFlow網(wǎng)絡(luò)流區(qū)分為數(shù)據(jù)包分批集中到達的包成批流和數(shù)據(jù)包分散到達的包稀疏流.對于OpenFlow交換機而言，可建立相適應(yīng)的流表區(qū)分存儲算法，通過采用包成批流識別方法和流表項替換方法，將少量的包成批流存儲在TCAM中和大量的包稀疏流存儲在SRAM中，以解決OpenFlow大規(guī)模流表的存儲空間問題，并提高OpenFlow流表的查找效率，實現(xiàn)網(wǎng)絡(luò)包流的快速分類.

抱著美好的愿望，老王家讓王祥去了離家鄉(xiāng)最近的L市。初到城市里王祥自然覺得什么都新鮮，不過王祥從各種電視節(jié)目里也了解了一部分城里人的劣根性，比如說驕傲，比如說冷漠，比如說狡詐。王祥雖然也不覺得這些玉器能像電視里說的那樣值那么多價錢，但是連蒙帶騙，能拼湊到1 0萬元的話就夠本了。

3.2.1 包成批流識別方法

為實現(xiàn)上述存儲算法，需要根據(jù)OpenFlow網(wǎng)絡(luò)中的包到達過程識別包成批流.在OpenFlow交換機中，每條流表項對應(yīng)一條OpenFlow流，記錄其短期內(nèi)的包到達情況.當一條OpenFlow流剛出現(xiàn)時，將其對應(yīng)的流表項存入SRAM中；當該流到達一個數(shù)據(jù)包時，若出現(xiàn)包成批現(xiàn)象時，將其流表項換入到TCAM，否則繼續(xù)存放在SRAM中.

圖3 OpenFlow包成批流識別示意圖Fig.3 OpenFlow packet-in-batch flows identification diagram

包成批流識別是上述OpenFlow流表區(qū)分存儲算法中的一個關(guān)鍵問題.為此，根據(jù)包到達過程設(shè)計包成批流識別方法如下：

a)每條流表項記錄對應(yīng)流的最近一個包到達時間tlob和最近一批包個數(shù)n；

b)對于每個新到達的數(shù)據(jù)包，根據(jù)其到達時間tcur，判斷該包與最近一個包是否屬于同一批次，即判斷時間間隔Δt=tcur-tlob是否小于設(shè)定的批包間隔閾值T；

c)若該包與最近一個包同批，則更新批包信息，即n=n+1，tlob=tcur；

d)根據(jù)當前批包個數(shù)n判斷是否出現(xiàn)成批現(xiàn)象，即是否大于設(shè)定的批包個數(shù)閾值N.圖3形象展示了OpenFlow包成批流識別的兩種情形.對于t2時刻到達的數(shù)據(jù)包，Δt=t2-t1>T，判定其與t1時刻到達的數(shù)據(jù)包不同批，該流處于包分散狀態(tài)；對于t5時刻到達的數(shù)據(jù)包，Δt=t5-t4≤T，且n≥N，判定該流處于包成批狀態(tài).

3.2.2 流表項替換算法

依據(jù)上述包成批流識別方法，當SRAM中的某條流到達一個數(shù)據(jù)包時，若被判定為包成批流，則需換入TCAM.此時，若TCAM已滿，即TCAM.storage=full，則需換出一條流到SRAM中，因而需要設(shè)計合適的流表項替換算法.考慮到不同流的包批間隔差異性，每條流的空閑時間無法準確反映未來一段時間內(nèi)對應(yīng)流表項的失效概率.為此，每條流表項記錄最近一個包到達以來的空閑時間tidle和對應(yīng)流的平均包批到達間隔Δtavg，進而將兩者的比值定義為流表項的失效預(yù)測值P.流表項替換的具體選擇方法如下：

a)每條流剛出現(xiàn)時，平均包批到達間隔Δtavg初始化為T；

b)每到達一批新的數(shù)據(jù)包，即新到達的數(shù)據(jù)包與最近一個包不同批，則更新平均包批到達間隔為Δtavg=αΔt+(1-α)Δtavg，其中α是權(quán)重系數(shù)；

c)當TCAM需要替換一條流表項時，計算TCAM中每條流表項的空閑時間tidle=tnow-tlob，即當前時間tnow減去最近一個包的到達時間tlob，進而計算流表項的失效預(yù)測值P=tidle/Δtavg；

d)找出TCAM中P值最大的流表項，即為需換出的流表項.

4 算法實現(xiàn)

依據(jù)上述OpenFlow流表區(qū)分存儲算法，可得到對應(yīng)的流表查找過程，其偽代碼實現(xiàn)如表1所示.當數(shù)據(jù)包p到達OpenFlow交換機時，首先提取其關(guān)鍵字段，得到流標識符fid，進而并行查找TCAM和SRAM中的流表(1～2行).若流表查找失敗，則將數(shù)據(jù)包p封裝成packet-in消息發(fā)送給控制器，待控制器生成并下發(fā)流規(guī)則后，再轉(zhuǎn)發(fā)處理數(shù)據(jù)包p，同時將對應(yīng)的流規(guī)則添加到SRAM流表，并生成流表項f(3～8行).若流表查找成功命中某條流表項f，則根據(jù)其動作集轉(zhuǎn)發(fā)處理數(shù)據(jù)包p，并更新其相關(guān)參數(shù)，包括：最近包到達時間f.tlob、當前批包個數(shù)f.num、平均包批到達間隔f.Δtavg(9～15行).若流表項f屬于SRAM流表，且f.num達到批包個數(shù)閾值N，則進一步判斷TCAM是否已滿(16～17行).若TCAM未滿，則直接將流表項f換入TCAM，否則計算其每條流表項的失效預(yù)測值P，找出P值最大的流表項e，并將其換出到SRAM，最后將f換入TCAM(18～23行).

表1 OpenFlow流表包成批流識別算法和替換算法Table 1 OpenFlow packet-in-batch flows identification algorithm and replacement algorithm

5 實 驗

5.1 網(wǎng)絡(luò)流量樣本

實驗選取江蘇省計算機網(wǎng)絡(luò)技術(shù)中心發(fā)布的2個高速骨干網(wǎng)絡(luò)流量樣本*1 Network traffic traces. http://iptas.edu.cn/src/system.php，2015.(CERNET20110418、CERNET20140509)作為數(shù)據(jù)集.這2個數(shù)據(jù)集是從速率為10Gbps的中國教育科研網(wǎng)骨干鏈路上按照1：4的比例采集而得，采集日期分別為2011年4月18日，2014年5月9日，持續(xù)時間分別約為107秒和58秒，采集的數(shù)據(jù)包個數(shù)均為15，420，235.

流表規(guī)模對流表存儲與查找性能具有重要影響，圖4給出了上述兩個數(shù)據(jù)集中的并發(fā)網(wǎng)絡(luò)流數(shù)量.為簡化起見，選取傳統(tǒng)5元組(源IP地址、目的IP地址、源端口、目的端口和協(xié)議類型)做為流標識符.實驗從數(shù)據(jù)集中逐個讀取數(shù)據(jù)包，提取其關(guān)鍵字段，并計算流標識符，然后每105個數(shù)據(jù)包輸出一次并發(fā)流數(shù)量.其中，流超時間隔設(shè)為10秒.

圖4 并發(fā)網(wǎng)絡(luò)流數(shù)量Fig.4 Concurrent network traffic

從圖4可看出：

1)包成批流數(shù)量整體上比較穩(wěn)定，基本保持在8K～9K范圍內(nèi)，適合采用容量較小的TCAM存儲；

2)包稀疏流的穩(wěn)定數(shù)量是包成批流數(shù)量的好幾倍，且與流量樣本密切相關(guān)，可采用容量相對較大的SRAM存儲.

5.2 TCAM流表命中率

TCAM流表命中率是衡量OpenFlow流表區(qū)分存儲算法優(yōu)劣的關(guān)鍵性能指標.

5.2.1 影響因素

實驗首先通過設(shè)置不同的批包間隔閾值T和批包個數(shù)閾值N，測量這兩個參數(shù)對TCAM命中率的影響.實驗分別將N取固定值且T取不同值、T取固定值且N取不同值，依照上述實驗過程，得到本文所提算法的TCAM命中率如圖5和圖6所示.從圖5可以看出：當批包間隔閾值T取800ms時，批包個數(shù)閾值N越小，TCAM命中率越大.圖6給出了當N=3，T每隔50ms取到不同值時，對應(yīng)TCAM命中率平均值的變化曲線，從圖6可以看出：當T在[750，850]范圍內(nèi)，兩個樣本對應(yīng)的平均TCAM命中率均處于最高水平.因此，認定在批

包個數(shù)閾值N為3、批包間隔閾值T取800ms時，本文所提算法取得最高TCAM命中率.

圖5 不同批包個數(shù)閾值的TCAM命中率Fig.5 TCAM hit rate of different batch number thresholds

5.2.2 對比

實驗將本文所提的包成批流/包稀疏流區(qū)分算法DFT-BS與目前主流的大象流/老鼠流區(qū)分算法DFT-EM進行對比.首先，根據(jù)上述實驗結(jié)果，為DFT-BS算法設(shè)置批包間隔閾值T=800ms和批包個數(shù)閾值N=3，為DFT-EM算法設(shè)置不同的大象流包個數(shù)閾值PKT.然后從數(shù)據(jù)集中依次讀取每個數(shù)據(jù)包，計算流標識符，執(zhí)行流表查找過程，并記錄TCAM命中次數(shù).每105個數(shù)據(jù)包統(tǒng)計一次TCAM命中率，最后得到兩個流表區(qū)分算法的TCAM命中率如圖7所示.

圖6 不同批包間隔閾值的TCAM命中率Fig.6 TCAM hit rates for different batch interval thresholds

圖7 TCAM命中率對比Fig.7 TCAM hit rate comparison

從圖7可以看出，無論哪個樣本，本文所提DFT-BS算法的TCAM命中率明顯高于DFT-EM算法，且始終穩(wěn)定大于0.9.

綜合上述實驗結(jié)果表明：本文所提算法的TCAM命中率明顯高于目前主流的大象流/老鼠流區(qū)分算法，且基本穩(wěn)定保持在0.9以上，當批包個數(shù)閾值N為3、批包間隔閾值T取800ms時，TCAM命中率達到最大值，可有效提高OpenFlow流表查找性能.

6 結(jié) 論

針對TCAM難以滿足OpenFlow流表的存儲需求的問題，本文基于網(wǎng)絡(luò)包成批特性，提出了一種OpenFlow流表區(qū)分存儲算法，在設(shè)計包成批流識別方法和流表項替換方法的基礎(chǔ)上，將少量的包成批流和大量的包稀疏流區(qū)分存儲在TCAM和SRAM中.該算法有效提高了TCAM流表命中率，增強了OpenFlow流表存儲的動態(tài)適應(yīng)能力，對加快web下載、在線視頻等網(wǎng)絡(luò)行為的數(shù)據(jù)包查找速度具有現(xiàn)實意義.