SDN中基于業(yè)務(wù)感知的QoS路由方法

摘 要：傳統(tǒng)業(yè)務(wù)感知識別業(yè)務(wù)類型粒度較粗，無法適應(yīng)新的應(yīng)用類型出現(xiàn)，導(dǎo)致QoS路由算法性能不佳，本文提出一種基于業(yè)務(wù)感知的QoS路由方法。該方法部署在SDN控制平面中，分為2個部分，分別為基于機器學(xué)習(xí)的業(yè)務(wù)感知和基于改進蟻群算法的QoS路由算法（Multipath QoS routing algorithm，MQRA），使用機器學(xué)習(xí)算法并按照業(yè)務(wù)流的QoS要求重新劃分業(yè)務(wù)，進而使用MQRA算法選路。仿真結(jié)果表明，該方法能夠為業(yè)務(wù)流規(guī)劃適合的路徑，有效降低端到端傳輸時延，提高業(yè)務(wù)流傳輸質(zhì)量。

關(guān)鍵詞：SDN；蟻群算法；QoS路由；業(yè)務(wù)感知

中圖分類號：TP 393" " " 文獻標(biāo)志碼：A

5G、云計算等新興技術(shù)發(fā)展催生了大量新業(yè)務(wù)，網(wǎng)絡(luò)中的業(yè)務(wù)類型和需求也變得多樣化，這對網(wǎng)絡(luò)服務(wù)質(zhì)量（Quality of Service，QoS）[1]提出了更高要求。QoS路由根據(jù)網(wǎng)絡(luò)可用資源和業(yè)務(wù)流的QoS需求選擇路徑的路由機制，可以提高網(wǎng)絡(luò)服務(wù)質(zhì)量。在傳統(tǒng)的分布式網(wǎng)絡(luò)架構(gòu)中，控制平面和數(shù)據(jù)平面耦合使網(wǎng)絡(luò)資源感知能力較差，限制了QoS路由算法的性能。軟件定義網(wǎng)絡(luò)（Software Defined Network，SDN）[2]是一種新型網(wǎng)絡(luò)架構(gòu)，其可編程性和轉(zhuǎn)控分離等特性為路由策略的部署提供了一個靈活的平臺，可以幫助網(wǎng)絡(luò)進行改進的功能之一就是QoS驅(qū)動的路由[3]。因此，如何在SDN架構(gòu)下保障多種業(yè)務(wù)的QoS需求，從而全面提高網(wǎng)絡(luò)服務(wù)質(zhì)量已經(jīng)成為目前研究的熱點問題。本文提出一種SDN中基于業(yè)務(wù)感知的QoS路由算法。仿真結(jié)果表明，該方法能夠為業(yè)務(wù)流規(guī)劃適合的路徑，有效提高網(wǎng)絡(luò)利用率和服務(wù)質(zhì)量。

1 相關(guān)概念

1.1 SDN網(wǎng)絡(luò)模型

1.2 業(yè)務(wù)感知

特征字段法是業(yè)務(wù)類型識別方法，可以利用解析數(shù)據(jù)包獲得的特征字段識別業(yè)務(wù)類型。SDN架構(gòu)對網(wǎng)絡(luò)具有集中管控能力，OpenFlow協(xié)議可以收集流量特征。常見的流量特征有數(shù)據(jù)包大小、流量持續(xù)時間和包到達平均時間等，因此在SDN網(wǎng)絡(luò)中使用流量特征識別的感知方式具有先天優(yōu)勢，從流量特征角度區(qū)分業(yè)務(wù)流能夠?qū)I(yè)務(wù)進行更細粒度劃分，適應(yīng)網(wǎng)絡(luò)中不斷出現(xiàn)的新應(yīng)用類型。

然而僅以業(yè)務(wù)的應(yīng)用類型來分類會導(dǎo)致新業(yè)務(wù)在進入網(wǎng)絡(luò)過程中無法被包括在內(nèi)，因此根據(jù)業(yè)務(wù)流對時延、帶寬和丟包率等QoS需求的不同，將業(yè)務(wù)分為會話類、流媒體類、交互類和數(shù)據(jù)類，業(yè)務(wù)的劃分見表1。會話類對時延、時延抖動敏感，需要高交互性。流媒體類對時延、時延抖動比較敏感。交互類對丟包率的要求比較低。數(shù)據(jù)類對帶寬、時延的要求比較低，對網(wǎng)絡(luò)的傳輸要求不高，盡力而為傳輸即可。其中會話類的具體應(yīng)用類型包括語音電話、視頻會議等。流媒體的具體應(yīng)用類型包括音頻流、視頻流等。交互類的具體應(yīng)用類型包括網(wǎng)絡(luò)游戲、數(shù)據(jù)庫等。數(shù)據(jù)類的具體應(yīng)用類型包括FTP、電子郵件等。

整體的業(yè)務(wù)感知流程如圖1所示。進入業(yè)務(wù)感知模塊的業(yè)務(wù)流會輸入機器學(xué)習(xí)分類模型，根據(jù)流量特征識別具體的應(yīng)用類型，進而根據(jù)QoS劃分業(yè)務(wù)類型，最后輸出當(dāng)前業(yè)務(wù)流的QoS需求，為后續(xù)傳輸提供基礎(chǔ)。

1.3 多約束QoS路由模型

多約束QoS路由的目的是找到一條從源節(jié)點到目的節(jié)點，滿足QoS需求的路徑，即所找到的路徑要滿足以下條件：delay（p（s，d））、bandwidth（p（s，d））≥bw以及pLoss（p（s，d））≤pLoss。

在選擇最優(yōu)路徑過程中，需要綜合考慮鏈路的帶寬、時延和丟包率等因素，但是它們分別有自己不同的度量方式，為了消除因素間的不可比性，需要對每個因素進行標(biāo)準(zhǔn)化處理，即對每個因素的值進行歸一化處理，使各個因素處于同一數(shù)量級別，能夠?qū)Σ煌囊蛩剡M行統(tǒng)一考量。本文采用min-max（Min-Max Normalizaton）進行標(biāo)準(zhǔn)化。

如果用delaymax、delaymin分別表示網(wǎng)絡(luò)G所有鏈路的最大時延值和最小時延值，delaynorValue（ei）表示歸一化后鏈路時延度量值，那么歸一化后的時延計算方式如公式（5）所示。

2 改進蟻群算法優(yōu)化

蟻群算法（Ant Colony Optimization，ACO）[4]是螞蟻覓食行為的一種智能優(yōu)化算法，本文提出基于改進蟻群算法的多業(yè)務(wù)QoS路由算法（Multipath QoS routing algorithm，MQRA）。

2.1 本文算法定義

本文算法定義如下所示。

為了防止螞蟻回走，每走過1個節(jié)點，就要從節(jié)點中該集合中刪除該節(jié)點。當(dāng)螞蟻完成一次路徑搜素后，需要根據(jù)公式（12）、公式（13）更新每條路徑上的信息素。蟻群算法可以產(chǎn)生多條路徑，但是產(chǎn)生的路徑不完全滿足QoS需求，為了使算法的收斂速度更快，信息素可以更快地集中在某些鏈路，每次迭代完，按照定義2計算路徑p綜合值并排序，該值越小，表明鏈路性能更好，更符合業(yè)務(wù)流的QoS需求。MQRA算法的信息素更新如公式（12）所示，公式（13）表示下一時刻信息素濃度為上一時刻以ρ揮發(fā)后剩余的信息素濃度和本次信息素增加的量之和。

2.2 算法步驟

MQRA算法步驟如下所示。

步驟1，獲取業(yè)務(wù)流信息。根據(jù)業(yè)務(wù)感知，識別務(wù)類型和QoS信息，并根據(jù)當(dāng)前的網(wǎng)絡(luò)狀態(tài)信息確定啟發(fā)函數(shù)。

步驟2，初始化蟻群算法的參數(shù)。包括螞蟻的數(shù)量m、信息素函數(shù)影響程度α、啟發(fā)函數(shù)的影響程度β、信息素揮發(fā)系數(shù)ρ、單個螞蟻釋放的信息素總量Q以及迭代次數(shù)M。

步驟3，開始尋路。第k只螞蟻開始尋路，螞蟻根據(jù)公式（11）選擇下一個節(jié)點。每只螞蟻都有一個禁忌表，存放所有走過的節(jié)點的集合，因此螞蟻不會將重復(fù)走過的節(jié)點作為下一個節(jié)點。如果禁忌表中的所有節(jié)點均已經(jīng)走過，那么表示尋路失?。环駝t，螞蟻將尋路，直到到達目的節(jié)點。第k只螞蟻尋路完成后，會將尋找到的路徑存儲在路徑集合中，下一只螞蟻開始尋路。

步驟4，更新信息素。當(dāng)一次迭代的螞蟻都尋路完成后，根據(jù)公式（12）更新信息素，路徑綜合值p的越高，該路徑上就會留下越多的信息素。進而繼續(xù)迭代過程，直到達到最大迭代次數(shù)。

步驟5，輸出路徑。到達最大迭代次數(shù)后，路徑集合中存儲了所找的路徑，輸出此時路徑集合中的最優(yōu)路徑。

3 仿真試驗

3.1 試驗準(zhǔn)備

為了對本文提出的路由方法進行性能分析，連接Mininet[5]和RYU[6]，搭建SDN網(wǎng)絡(luò)環(huán)境，并在RYU控制器中安裝業(yè)務(wù)感知模塊和MQRA算法。在不同主機間發(fā)送不同業(yè)務(wù)類型的數(shù)據(jù)流，來測試該路由方法的有效性，流請求速率在[5 Mbit/s，45 Mbit/s]，其中包括6臺交換機和8臺主機。

3.2 業(yè)務(wù)感知模型

業(yè)務(wù)感知模塊的核心是基于機器學(xué)習(xí)算法的分類器，需要使用不同機器學(xué)習(xí)算法對分類器進行訓(xùn)練，進而將其安裝在控制器中，實現(xiàn)業(yè)務(wù)感知功能。本文采用流量分類試驗中常用的Moore數(shù)據(jù)集作為訓(xùn)練樣本數(shù)據(jù)。根據(jù)QoS需求劃分業(yè)務(wù)類型，構(gòu)成新的試驗數(shù)據(jù)集，見表2。

將數(shù)據(jù)集隨機分成10份，9份用于訓(xùn)練，1份用于測試，并將該過程重復(fù)10次。進而使用不同的機器學(xué)習(xí)算法對模型進行訓(xùn)練，不同分類算法的性能見表3。

訓(xùn)練時間和準(zhǔn)確率可以反映算法在本文模型下的性能，綜合比較不同機器學(xué)習(xí)算法的訓(xùn)練時間和準(zhǔn)確率，選擇基于決策樹的分類模型，將其作為本文流量分類模型的機器學(xué)習(xí)算法。

3.3 仿真分析

本文選取控制器自帶的OSPF算法、KSP算法和本文提出的MQRA算法進行比較。

3種算法端到端響應(yīng)時間比較如圖2所示。當(dāng)網(wǎng)絡(luò)處于輕負荷時，3種算法的端到端響應(yīng)時間均較低，由于OSPF算法是基于最短路徑轉(zhuǎn)發(fā)的，因此端到端響應(yīng)時間最短。隨著業(yè)務(wù)流發(fā)送速率增加，OSPF算法的業(yè)務(wù)流容易集中在某些鏈路上，造成網(wǎng)絡(luò)擁塞，導(dǎo)致數(shù)據(jù)包重新發(fā)送，因此響應(yīng)時間顯著增加。KSP算法會根據(jù)不同業(yè)務(wù)類型的QoS需求為業(yè)務(wù)流選擇不同的路徑。本文方法使用基于隨機樹的機器學(xué)習(xí)方法識別業(yè)務(wù)流，采用MQRA算法為數(shù)據(jù)流選路。仿真結(jié)果表明，本文設(shè)計的方法端到端響應(yīng)時間低于KSP方法，在速度方面具有一定優(yōu)勢。

3種算法的吞吐量與流請求速率間的關(guān)系如圖3所示。當(dāng)網(wǎng)絡(luò)處于輕負荷時，OSPF的性能與KSP算法、MQRA算法相當(dāng)。網(wǎng)絡(luò)流量變大造成擁塞，OSPF丟棄了大量數(shù)據(jù)包，導(dǎo)致網(wǎng)絡(luò)的吞吐量降低。KSP算法和MQRA均對業(yè)務(wù)流進行了區(qū)分，能夠?qū)I(yè)務(wù)流分配到多條路徑上，一定程度上緩解了網(wǎng)絡(luò)的擁塞。由于MQRA在分類速度上的優(yōu)勢，其吞吐量大于KSP算法，因此當(dāng)數(shù)據(jù)生成速率提高時，本文所提出的算法可以提高網(wǎng)絡(luò)吞吐量。

4 結(jié)語

本文分析了SDN網(wǎng)絡(luò)中QoS路由面臨的問題，提出了一種SDN環(huán)境下基于業(yè)務(wù)感知的QoS路由方法。利用SDN對流量的強大管控能力，收集流量特征數(shù)據(jù)，識別業(yè)務(wù)類型，并對蟻群算法進行改進，根據(jù)當(dāng)前業(yè)務(wù)類型和QoS需求確定蟻群算法的更新函數(shù)和啟發(fā)函數(shù)，設(shè)計出基于業(yè)務(wù)感知的MQRA算法。仿真結(jié)果表明，本文設(shè)計的基于業(yè)務(wù)感知的QoS路由方法可以提高業(yè)務(wù)分類的速率，能夠為業(yè)務(wù)流規(guī)劃一條滿足QoS需求的路徑，提升網(wǎng)絡(luò)服務(wù)質(zhì)量。

參考文獻

[1]任晉慷.基于SDN的QoS路由優(yōu)化設(shè)計與實現(xiàn)[D].西安：西安工業(yè)大學(xué)，2024.

[2]楊雪蓮，劉麗，姜莉，等.一種基于SDN的負載均衡算法設(shè)計與實現(xiàn)[J].電腦編程技巧與維護，2024（10）：69-71.

[3]袁玉瑩.基于多約束QoS路由的網(wǎng)絡(luò)管理系統(tǒng)設(shè)計與實現(xiàn)[D].南京：南京郵電大學(xué)，2022.

[4]SALSANO S，VENTRE P L，LOMBARDO F，et al.Hybrid"IP/SDN Networking：Open Implementation and Experiment"Management Tools[J].IEEE Transactions on Network and Service Management，2016，13（1）：138-153.

[5]肖冉.SDN中控制器部署與路由優(yōu)化研究[D].南京：南京郵電大學(xué)，2022.

[6]李兵奎，莊雷，馬丁，等.SDN網(wǎng)絡(luò)中基于業(yè)務(wù)劃分的路由選擇機制[J].計算機科學(xué)，2017，44（3）：118-122.