林 國 勇

(廣西民族大學(xué)相思湖學(xué)院 廣西 南寧 530008)

0 引 言

為加速各產(chǎn)業(yè)領(lǐng)域的融合推廣，近年互聯(lián)網(wǎng)+技術(shù)得以部署，與之相關(guān)的大數(shù)據(jù)[1]業(yè)務(wù)也隨之興起。為了順應(yīng)產(chǎn)業(yè)發(fā)展對網(wǎng)絡(luò)應(yīng)用的要求，作為承載大數(shù)據(jù)的DCN，在疏導(dǎo)數(shù)據(jù)流量載荷方面也就面臨局向機制的革新。在當(dāng)前新型DCN應(yīng)用環(huán)境中，服務(wù)器節(jié)點對的頻繁交互在很大程度上已遠超傳統(tǒng)網(wǎng)絡(luò)中數(shù)據(jù)通信端與服務(wù)器的呼叫連接頻率。尤其在引入云計算后，劇增的服務(wù)器節(jié)點對規(guī)模使得DCN面臨著QoE考驗。雖然DCN可在較短時間內(nèi)建立新的計算與儲存實例，卻無法保證計算策略是否具備全局適應(yīng)性，進而導(dǎo)致全局網(wǎng)絡(luò)在應(yīng)對隨機突發(fā)數(shù)據(jù)流量載荷時的QoE受到潛在性損傷。基于此，提出了一種有利于數(shù)據(jù)流高效轉(zhuǎn)發(fā)管理的網(wǎng)絡(luò)架構(gòu)——軟件定義胖樹結(jié)構(gòu)數(shù)據(jù)中心網(wǎng)絡(luò)。從架構(gòu)上看，軟件定義網(wǎng)絡(luò)(SDN)采用控制和轉(zhuǎn)發(fā)解耦的設(shè)計理念[2]來管理隨機突發(fā)數(shù)據(jù)流，取代了傳統(tǒng)網(wǎng)絡(luò)中將流量調(diào)度機制集中于單個網(wǎng)元節(jié)點的設(shè)計。將隨機突發(fā)數(shù)據(jù)流載荷的局向流表計算作業(yè)部署到控制域中的控制器，并將流表項的局向決策通過南向接口[3]更新到轉(zhuǎn)發(fā)域中的交換機，再由交換機對隨機突發(fā)數(shù)據(jù)流實施轉(zhuǎn)發(fā)。

據(jù)文獻[3]統(tǒng)計，軟件定義胖樹結(jié)構(gòu)數(shù)據(jù)中心網(wǎng)絡(luò)上的隨機突發(fā)數(shù)據(jù)流規(guī)模狀態(tài)呈現(xiàn)兩極分布：約九成的大流主要來源于虛擬機的轉(zhuǎn)移和數(shù)據(jù)容災(zāi)備份。其承載帶寬之大、承載時延之長的特性決定了一旦遭遇流局向瓶頸，勢必引發(fā)全網(wǎng)大數(shù)據(jù)阻塞風(fēng)暴；剩下的小流主要來源于在線交互式應(yīng)用型業(yè)務(wù)[4]。與大流相反，其承載帶寬較小，但規(guī)模較多，對流時延較為敏感。同時，在大流遭遇大數(shù)據(jù)風(fēng)暴時，勢必影響到既有小流的局向成效，導(dǎo)致全網(wǎng)二次局向風(fēng)險?？梢姡芊窀咝У貙Σ煌?guī)模特征的隨機突發(fā)數(shù)據(jù)流量載荷實施局向管理，關(guān)系到SDN頂層業(yè)務(wù)應(yīng)用層的QoE。因此，圍繞QoE展開相關(guān)局向管理方案的思考成為業(yè)界亟待解決的重要問題。

文獻[5]提出的等開銷多徑路由機制，其核心思想是在信源和信宿對之間計算出權(quán)值相同的鏈路集合來對隨機突發(fā)數(shù)據(jù)流的載荷流量實施均衡局向分流。該機制雖能在某種程度上緩解某一個網(wǎng)元節(jié)點的故障，但突發(fā)特性的隨機大小流令網(wǎng)絡(luò)參數(shù)呈現(xiàn)實時多變的情形是等開銷多徑路由機制所無法適應(yīng)的。這其中包含了一系列與QoE密切相關(guān)的流承載時延、吞吐量、可靠性等動態(tài)參數(shù)指標(biāo)。此時，仍一味堅持從相同最小開銷的鏈路集合中規(guī)劃出備用的局向用于管理隨機突發(fā)數(shù)據(jù)流，顯然不科學(xué)。這種固定模式的多徑路由機制并不適合部署在現(xiàn)有的突發(fā)網(wǎng)絡(luò)上。因此，文獻[6]探討了一種動態(tài)調(diào)度算法，首先為大流定義一個比特率門限，并在一個擬定的周期內(nèi)從隨機突發(fā)數(shù)據(jù)流載荷中遍歷出符合特征的大流，然后評估大流的帶寬規(guī)模，最后根據(jù)鏈路的實時承載度為該大流規(guī)劃出合適的轉(zhuǎn)發(fā)局向。相比之下，調(diào)度算法的動態(tài)性與突發(fā)網(wǎng)絡(luò)的實時性保持了良好的同步，使得網(wǎng)絡(luò)流業(yè)務(wù)的QoE得以改善。然而受限于周期性遍歷大流期間控制器和交換機的頻繁交互引發(fā)的開銷資源的枯竭，使得該算法對硬件資源形成了較強的依賴性。同時數(shù)據(jù)流的隨機突發(fā)特性制約了遍歷的效能度。比如：遍歷結(jié)果必須在遍歷周期期滿后才提交，從而忽略了遍歷周期外出現(xiàn)網(wǎng)絡(luò)阻塞的情形。鑒于隨機流量載荷的特發(fā)特性，當(dāng)達到遍歷周期時網(wǎng)絡(luò)實時參量或許已動態(tài)變化。此外，該算法的動態(tài)調(diào)度對象僅限于隨機突發(fā)大流。與之相反，文獻[7]的流均衡算法旨在解決隨機突發(fā)小流的擁塞問題。其均衡理念是為所有的原始隨機突發(fā)小流分別生成一個仿真流，當(dāng)有一條小流完成一次傳輸作業(yè)時，信宿則順利獲取所有的數(shù)據(jù)信息。由于原始流的源端口編號是通過對仿真流的源端口編號執(zhí)行減1操作而來，因此仿真流和原始小流的區(qū)分可通過讀取源端口編號來識別。該算法有效地改善了隨機突發(fā)小流的承載時延，但依然存在不足之處：(1) 在隨機突發(fā)大流和小流并存的網(wǎng)絡(luò)中，很難在短時期內(nèi)遍歷出良好的路由局向為小流提供承載保障；(2) 在忽略網(wǎng)絡(luò)實時載荷程度和實時載荷數(shù)量的前提下，機械地為所有隨機突發(fā)小流生成仿真流的策略將嚴(yán)重消耗帶寬資源。

源于上述傳統(tǒng)研究的局限性，本文結(jié)合軟件定義胖樹數(shù)據(jù)中心網(wǎng)絡(luò)在載荷動態(tài)調(diào)度方面的結(jié)構(gòu)性優(yōu)勢，從全局視域角度出發(fā)構(gòu)思一種可區(qū)分隨機突發(fā)大小流特征的QoE算法，用于實施大小流局向的科學(xué)規(guī)劃，以提升網(wǎng)絡(luò)業(yè)務(wù)的QoE。

1 方案設(shè)計

參照文獻[8]，本文對隨機突發(fā)流做如下定義：單位時間內(nèi)某一條數(shù)據(jù)流所承載的數(shù)據(jù)量不超過局向鏈路帶寬資源的10%，定義該流為隨機突發(fā)小流；反之，則定義該流為隨機突發(fā)大流。據(jù)此定義，算法可通過解析單元經(jīng)由控制域統(tǒng)計全網(wǎng)參量來實施隨機突發(fā)大小流的甄別。鑒于兩種流特征對承載要求的差異化，研究基于流特征區(qū)分的并存保障方案便是本文QoE算法所要完成的目標(biāo)任務(wù)。

針對該任務(wù)，業(yè)界此前開展過相關(guān)研究工作但依舊存在一些不足：(1) 在主機規(guī)模較大的全網(wǎng)中需逐個配置主機內(nèi)核；(2) 以大量交換轉(zhuǎn)發(fā)單元和控制單元的交互頻率為代價降低某一個控制單元的重載度等。而本文QoE算法則可在不依賴網(wǎng)絡(luò)和節(jié)點開銷資源的前提下實施基于流特征的個性化局向，主要通過定義一個基于流特征的個性化局向權(quán)衡度。然后參照該權(quán)衡度從多徑選項中分別規(guī)劃出基于不同流特征的最短局向鏈路，以此為雙流的并存承載提供局向可靠性保障。這種在隨機突發(fā)環(huán)境下為數(shù)據(jù)流動態(tài)地尋找一個基于QoE的局向，可視為一個基于約束的最短局向問題的求解。這正是QoE算法的目標(biāo)。故在算法設(shè)計中為不同流定義一個科學(xué)的約束性和合理的權(quán)衡度是本文算法的重點。

基于流特征的約束性QoE算法的部署是通過在軟件定義胖樹數(shù)據(jù)中心網(wǎng)絡(luò)中的控制域植入偵聽單元、解析單元和局向單元來實現(xiàn)，其中：偵聽單元通過調(diào)用statistics()來監(jiān)視全局視域下網(wǎng)絡(luò)的動態(tài)參量，包含端口比特率等，并移交至解析單元；解析單元基于所監(jiān)視的全局動態(tài)參量自適應(yīng)地定義門限[9]，根據(jù)偵聽單元搜集到的端口比特率值大小解析出大小流，并將解析結(jié)果提交給局向單元；(3) 局向單元結(jié)合解析數(shù)據(jù)結(jié)果，以及偵聽單元提供的鏈路實時時延參量、鏈路實時丟包參量、鏈路實時可支配開銷資源等一些與QoE相關(guān)的指標(biāo)，統(tǒng)籌為大小流制定流表項策略，再經(jīng)由南向接口下達給轉(zhuǎn)發(fā)域中的交換轉(zhuǎn)發(fā)網(wǎng)元內(nèi)存中，為良好地局向大小流、改善業(yè)務(wù)應(yīng)用的QoE提供依據(jù)。由上述三個單元構(gòu)成的QoE算法系統(tǒng)，實施過程如圖1所示。

圖1 基于流特征區(qū)分的約束性QoE算法步驟

軟件定義胖樹數(shù)據(jù)中心網(wǎng)絡(luò)對于隨機突發(fā)流的區(qū)分和局向策略的制定等核心數(shù)據(jù)處理環(huán)節(jié)主要通過控制域來響應(yīng)?？刂朴蛑械目刂破鹘?jīng)由南向接口連向底層轉(zhuǎn)發(fā)域中的交換機，而交換機又直接面向終端服務(wù)器，因此控制器可順利獲取全域性網(wǎng)絡(luò)實時參量狀態(tài)，對交換機實施集中式管理。同時，控制域中的控制器經(jīng)北向可編程接口可對頂層的網(wǎng)絡(luò)應(yīng)用層進行隨機突發(fā)業(yè)務(wù)的自定義。在底層交換機首次承載隨機突發(fā)數(shù)據(jù)流時，交換機將向上層的控制域提交流表項計算請求，待控制器啟動基于流區(qū)分的局向算法響應(yīng)出基于流特征的局向策略后，再將該策略以局向流表項形式寫入交換機內(nèi)存的流表中。此后轉(zhuǎn)發(fā)域中的交換機將參照其內(nèi)存中流表內(nèi)的流表項對隨機突發(fā)流進行局向轉(zhuǎn)發(fā)作業(yè)。整個QoE算法從全局參數(shù)偵聽到流表項響應(yīng)一系列部署過程，始終與全網(wǎng)數(shù)據(jù)流的隨機突發(fā)特性保持動態(tài)同步，因此基于流特征區(qū)分的局向方案具備良好的自適應(yīng)能力，更有助于改善網(wǎng)絡(luò)應(yīng)用層中與QoE有關(guān)的一系列指標(biāo)。

2 算法設(shè)計

QoE算法的核心思想是在軟件定義胖樹數(shù)據(jù)中心網(wǎng)絡(luò)平臺上通過一定的機制從隨機突發(fā)數(shù)據(jù)流中解析出大小流，并啟動局向算法從全局中規(guī)劃出最優(yōu)[10]局向分別用于疏導(dǎo)隨機突發(fā)大小流，以確保全局吞吐量、帶寬利用率、流承載時延等參量的優(yōu)化狀態(tài)。算法的焦點在于如何從全局多徑選項中計算出具有約束性的低代價鏈路。在此情形下，QoE可視作是一個和上述網(wǎng)絡(luò)狀態(tài)參量相關(guān)的函數(shù)架構(gòu)。為將此函數(shù)架構(gòu)和約束局向拓展到SDN用于求解路由問題，文獻[11]提出了定義流規(guī)模、可靠性和局向距離等作為流調(diào)度的基本要素，并提出了基于詞義疊加或直接疊加的復(fù)合權(quán)衡度概念，同時也驗證了局向度量的單調(diào)性。基于此度量模型基礎(chǔ)，文獻[12]主張運用改進的Dijkstra計算策略搜索出最優(yōu)局向，其思想為通過定義局向權(quán)值函數(shù)來確保每一條路由的暢通。然而該方案未顧及到流局向的約束前提條件。針對此問題，文獻[13]提出了流在不同約束前提條件下進行局向的收斂問題，但是卻未能保證每一跳局向的收斂性。基于此，本文構(gòu)思一個新的度量屬性函數(shù)來衡量基于流大小區(qū)分的局向穩(wěn)定程度。構(gòu)思前需首先規(guī)劃一個有向拓撲結(jié)構(gòu)模型，通過引入基于隨機突發(fā)流規(guī)模特征的個性化權(quán)衡度來求解局向目標(biāo)函數(shù)，進而實施基于約束的局向鏈路代價評估。該拓撲結(jié)構(gòu)的數(shù)學(xué)模型如下：

根據(jù)上述關(guān)于隨機大小流特征描述可知，在網(wǎng)絡(luò)中小流占據(jù)較大數(shù)量規(guī)模且持續(xù)時長較短，對時延較為敏感。故在混合權(quán)衡函數(shù)中引入丟包率和時延這樣的具有代表性的小流特征參量作為局向的權(quán)衡參數(shù)。將路徑L中k條鏈路的混合權(quán)衡度表征為：

3 算法評估

3.1 評估方案

QoE算法旨在通過識別流特征來制定適用于不同流的載荷轉(zhuǎn)發(fā)方案，以此保障全網(wǎng)業(yè)務(wù)的QoE。本文對QoE算法的評估安排在Mininet環(huán)境中來開展。首先在該環(huán)境中構(gòu)建一個k=4的軟件定義胖樹數(shù)據(jù)中心網(wǎng)絡(luò)拓撲結(jié)構(gòu)。整個網(wǎng)絡(luò)共有4個pod，每一個pod設(shè)置4臺主機和4臺交換機。此外，核心層共4臺交換機。全網(wǎng)鏈路局向資源為103Mbit/s。

根據(jù)引言所述，軟件定義胖樹數(shù)據(jù)中心網(wǎng)絡(luò)上的隨機突發(fā)大流約占10%。本次實驗通過灌包軟件模擬生成該比例下的隨機突發(fā)大小流。同時定義每個小流最大長度為500 000 Byte。鑒于以太數(shù)據(jù)最大長度為1 518 Byte，為了便于分析，評估將每個數(shù)據(jù)包長度簡化至1 500 Byte，則每個小流含有333個包。為全方位考察數(shù)據(jù)流的隨機特征對QoE算法的動態(tài)效能度，體現(xiàn)算法的全局視域性，評估方案為所有的主機對增設(shè)了Stride(i)和Random(i)兩種流發(fā)送模式。其中：前者指下標(biāo)標(biāo)識符為x的主機往下標(biāo)標(biāo)識符為(x+i)modn的主機發(fā)送數(shù)據(jù)流；后者指一個主機以相同的概率任意往全網(wǎng)中其他主機發(fā)送數(shù)據(jù)流。實驗過程使每一個主機對之間的TCP流發(fā)送遵從Stride(i)和Random(i)模式，所有的隨機突發(fā)數(shù)據(jù)流規(guī)模遵循指數(shù)級遞增趨勢且流生成時間遵循泊松分布。定義每兩個流持續(xù)間隔10 s，每個流的承載時延為2 min。

評估過程中將擬定三個指標(biāo)[18]來考察QoE算法相對于傳統(tǒng)研究的優(yōu)勢，分別為：隨機突發(fā)流持續(xù)時延，流傳輸規(guī)模，平均吞吐量。若對時延較為敏感的小流在局向上承載的時延持續(xù)較短，說明算法可為小流的承載提供良好保障；流傳輸規(guī)模能夠較好地反映出全網(wǎng)鏈路的阻塞情況。若遭遇阻塞，將由于該流中數(shù)據(jù)包的丟失而導(dǎo)致流出現(xiàn)頻繁傳輸?shù)那樾?。一旦重新傳輸?shù)牧髦泻休^多的數(shù)據(jù)包時，將付出較大的時延代價。這種情況顯然無法為時延敏感的小流提供局向承載低時延的保障。平均吞吐量也是考察驗QoE的重要指標(biāo)，可在保證隨機突發(fā)小流低時延的同時大幅度地提高網(wǎng)元節(jié)點在單位時間內(nèi)收發(fā)流的數(shù)據(jù)量。在經(jīng)過40次測試后對各指標(biāo)數(shù)據(jù)進行搜集比對。

根據(jù)QoE算法方案目標(biāo)任務(wù)所述，該算法重點在于為DCN上隨機突發(fā)大小流制定一個基于流特征區(qū)分的個性化局向保障策略。當(dāng)前，針對DCN上隨機突發(fā)流開展局向安全性評估的主流研究有等開銷多徑路由機制、動態(tài)調(diào)度算法、流均衡算法等。這些研究基本都是在總結(jié)等開銷多徑路由機制缺乏動態(tài)自適應(yīng)性能力的基礎(chǔ)上改進而來。即便如此，改進后的算法仍存在一定的片面性，如動態(tài)調(diào)度算法的目標(biāo)僅限調(diào)度隨機突發(fā)大流；流均衡算法的目標(biāo)僅解決隨機突發(fā)小流的載荷評估。因此，為考察QoE算法制定的局向策略兼具全局性和個性化特征，測試過程將與上述三種算法進行對比。

3.2 數(shù)據(jù)考察

3.2.1隨機突發(fā)流持續(xù)時延

經(jīng)測試與統(tǒng)計[19]，六種流量通信模式下隨機突發(fā)流持續(xù)時延的數(shù)據(jù)結(jié)果如圖2-圖7所示。可見，不同算法機制下流量承載時延表現(xiàn)出顯著差異。

圖2 Stride(1)通信模式

圖3 Stride(2)通信模式

圖4 Stride(8)通信模式

圖5 Random(1)通信模式

圖6 Random(2)通信模式

圖7 Random(3)通信模式

以等價開銷多徑路由機制為例，在圖2通信模式下，QoE算法相對其在改善持續(xù)時延方面的貢獻度僅優(yōu)化了10%～16%。由于過半的隨機突發(fā)數(shù)據(jù)流量載荷集中于某一個交換網(wǎng)元，剩余流量載荷位于POD之間或者某一個POD里面，所以隸屬于該交換網(wǎng)元下的主機集合在實施流承載業(yè)務(wù)時無須占用其他交換網(wǎng)元鏈路資源，從而大幅減少隨機突發(fā)數(shù)據(jù)流沖突的可能性。因此突發(fā)大流良好有序的承載狀態(tài)對突發(fā)小流承載時延并未造成明顯的影響。當(dāng)流量通信模式調(diào)整為圖3和圖4，此時信源和信宿分別位于不同的交換網(wǎng)元節(jié)點，在流量呈現(xiàn)指數(shù)級增長的態(tài)勢下，隨機突發(fā)大流的承載狀態(tài)不再保持有序，勢必影響到小流的承載。從圖2和圖3中可見，等開銷機制下的小流承載時延優(yōu)勢不再。而此時QoE算法發(fā)揮了優(yōu)勢，相對于等開銷機制，該算法在小流承載時延上改善了23%～44%。當(dāng)流量處于圖5通信模式下，因主機之間交互的隨機性使得流量的承載狀態(tài)無可預(yù)估。隨著隨機模式參量狀態(tài)從圖5變化為圖6和圖7，POD彼此之間的流量規(guī)模陡增，等價開銷多徑路由機制的效能性未能得到有效發(fā)揮，顯著增加了大流沖突的可能性進而導(dǎo)致較高的小流承載時延代價。而此時QoE算法以0.9 s的相對時延優(yōu)勢，比等開銷機制下的小流承載時延提升了23%～53%。

其次，對于動態(tài)調(diào)度算法而言，在圖2通信模式下大流沖突可能性較低，此時QoE算法在小流承載時延方面的貢獻度相對提升了7%～13%。但是隨著交換網(wǎng)元節(jié)點數(shù)量規(guī)模的增加以及POD之間流量的陡增，大流開始遭遇頻繁沖突。此時動態(tài)調(diào)度算法發(fā)揮的時延承載性能下降，相對于等價開銷多徑路由機制較為緩慢。相比之下，QoE算法比動態(tài)調(diào)度算法在小流承載時延方面發(fā)揮的優(yōu)化效果達到29%～47%。

觀察圖2-圖7可知，在流量規(guī)模較小的全局網(wǎng)絡(luò)中，流均衡機制對小流承載時延的保障效果良好。此時QoE算法下的小流時延優(yōu)化效果僅8%左右，差異不顯著。但其均衡過程中為所有的原始隨機突發(fā)小流分別生成一個仿真流的思想，并不適合用在大流規(guī)模陡增的、鏈路帶寬資源有限的網(wǎng)絡(luò)環(huán)境中。故根據(jù)不同流量通信模式下所收集到的數(shù)據(jù)曲線，不難看出流均衡機制下的小流承載時延代價逐步增加。尤其在圖7隨機流量通信模式下，QoE算法下的小流承載時延指標(biāo)比該機制顯著改善了32%。

綜合分析上述數(shù)據(jù)曲線可知，在隨機突發(fā)數(shù)據(jù)流量載荷遵循1∶9的情形下，兩種流量傳輸模式中局向鏈路在承載小流時產(chǎn)生的時延總體上并無較大區(qū)別。實驗結(jié)果充分說明了本次評估環(huán)境的設(shè)置與DCN中的流特征是大致吻合的。在此前提下觀察到隨著流頻繁發(fā)生沖突，相對于其他三種方案，QoE算法能夠最大限度地保障基于時延敏感的隨機突發(fā)小流承載要求。

3.2.2流傳輸規(guī)模

因為鏈路阻塞而對流實施重新傳輸將導(dǎo)致該流數(shù)據(jù)包承載時延的增加。尤其對于小流而言，頻繁的流數(shù)據(jù)包重新傳輸勢必增加時延代價。對于以解決小流承載問題的流均衡機制而言，通過為每條小流建立仿真流數(shù)據(jù)包的思想使得小流承載過程較為順利，出現(xiàn)流重新傳輸?shù)母怕氏鄬τ谄渌惴C制最少，因此時延代價最小。這樣的情形在圖8-圖13中得到了體現(xiàn)。由圖8-圖10可見，相對于傳統(tǒng)研究的等價開銷多徑路由機制和動態(tài)調(diào)度算法，QoE算法下的小流數(shù)據(jù)包重新傳輸規(guī)模分別降低了40%和20%。但是在圖11-圖13隨機通信模式下，隨著大流規(guī)模增加導(dǎo)致全網(wǎng)重載情形的出現(xiàn)，有限的鏈路資源不再允許流均衡機制快速地搜索到合適的鏈路承載小流數(shù)據(jù)包。這導(dǎo)致數(shù)據(jù)包出現(xiàn)持續(xù)性重新傳輸，且重傳的數(shù)據(jù)包規(guī)模隨著時間推移還將呈現(xiàn)遞增態(tài)勢。相比之下，QoE算法能夠顯著地降低小流數(shù)據(jù)包重新傳輸?shù)囊?guī)模。不僅如此，相對于傳統(tǒng)研究的等價開銷多徑路由機制和動態(tài)調(diào)度算法，QoE算法將小流數(shù)據(jù)包重新傳輸?shù)囊?guī)模分別降低了50%和40%，有效保障了小流的承載質(zhì)量。

圖11 Random(1)通信模式

圖12 Random(2)通信模式

圖13 Random(3)通信模式

對于大流而言，流數(shù)據(jù)包的重新傳輸將嚴(yán)重占用鏈路資源，進而導(dǎo)致全局網(wǎng)絡(luò)出現(xiàn)阻塞。其阻塞程度和流量通信模式的復(fù)雜度成正比。盡管如此，縱觀六種流量通信模式可見，本文設(shè)計的QoE算法依然能夠發(fā)揮良好的調(diào)度性能，有效降低大流數(shù)據(jù)包重新傳輸規(guī)模，保持了相對優(yōu)勢。尤其在圖11-圖13更為復(fù)雜的隨機通信模式下，阻塞情形降低大流承載質(zhì)量的現(xiàn)象顯得愈加明顯。由圖13可見，等價開銷多徑路由機制的調(diào)度效能最弱，大流數(shù)據(jù)包重新傳送規(guī)模最大，此時QoE算法將大流數(shù)據(jù)包重新傳送規(guī)模顯著地降低了35%。對于以調(diào)度大流為主的動態(tài)調(diào)度算法，大流數(shù)據(jù)包重新傳輸?shù)囊?guī)模雖小于其他兩種算法機制，但仍不及QoE算法。其中流均衡機制的核心在于調(diào)度小流，未能保障大流的承載質(zhì)量，故該機制下的大流數(shù)據(jù)包重新傳輸規(guī)模較大。

3.2.3平均吞吐量

對于以穩(wěn)定調(diào)度大流為中心思想的動態(tài)調(diào)度算法能夠適應(yīng)各種流量通信模式，具有良好的適應(yīng)性。該算法在目前關(guān)于大流調(diào)度的研究中成效較為突出。因此該算法下的鏈路資源利用率較高，相應(yīng)的平均吞吐量也最大。從圖14所搜集的測試數(shù)據(jù)可以明顯看到，算法部署在六種流量模式下的全網(wǎng)平均吞吐量中動態(tài)調(diào)度算法最為突出。相比之下，本文設(shè)計的兼顧大小流調(diào)度的QoE算法在平均吞吐量指標(biāo)上的表現(xiàn)較為接近于動態(tài)調(diào)度算法，因此也發(fā)揮了良好的調(diào)度效果。但對于動態(tài)自適應(yīng)能力較弱的等價開銷多徑路由機制，在調(diào)度大流時一味地主張將其數(shù)據(jù)流量載荷規(guī)劃到相同的路由局向，極易引發(fā)網(wǎng)絡(luò)阻塞。由此引發(fā)的阻塞將繼續(xù)隨著網(wǎng)中數(shù)據(jù)流量通信模式復(fù)雜度的增加進一步約束全網(wǎng)的平均吞吐量。這樣的趨勢在圖14中的三種隨機通信模式情形下表現(xiàn)尤為突出：QoE算法下的全網(wǎng)平均吞吐量是等價開銷多徑路由機制的1.5倍。同時，對于以調(diào)度小流為主的流均衡機制，雖有一定的動態(tài)適應(yīng)能力，但終究由于缺乏大流承載保障策略而使得該機制下的全網(wǎng)平均吞吐量不具備優(yōu)勢。即便如此，其平均吞吐量指標(biāo)仍然達到動態(tài)適應(yīng)性極弱的等價開銷多徑路由機制的1倍。

圖14 算法部署在六種流量模式下的全網(wǎng)平均吞吐量

4 結(jié) 語

鑒于在數(shù)據(jù)中心網(wǎng)絡(luò)上開展隨機突發(fā)數(shù)據(jù)流量載荷局向風(fēng)險評估效率不足的現(xiàn)狀，本文借助軟件定義胖樹架構(gòu)在調(diào)度隨機突發(fā)大小流過程中能夠為策略的實施提供參量更新的優(yōu)勢，構(gòu)思了一種全局視域下基于流特征的約束性QoE算法。通過甄別機制識別不同特征的大小流，并參考全網(wǎng)鏈路可用資源、業(yè)務(wù)流承載時延等實時參量狀態(tài)分別疏導(dǎo)大小流，在最小化全網(wǎng)資源開銷的前提下來兼顧不同特征流的承載質(zhì)量。評估數(shù)據(jù)表明，QoE算法相對于傳統(tǒng)算法具備良好的全局性和優(yōu)化性。