基于SDN的混合分段路由概率流调度机制

针对数据中心网络流量路径分配不均匀、易造成大流碰撞,以及控制器流表开销大等问题,提出了一种基于SDN的混合分段路由概率流调度机制SRPFS（segment routing probability flow scheduling）。利用SDN集中控制与全局视图特性,首先采用混合分段路由完成流量初始转发;然后选用粒子群优化算法,重定义粒子群内部寻优过程来对流量进行筛选;最后构造全局节点概率矩阵,设计概率调度算法选举出流量转发最优路径。实验结果表明混合分段路由转发技术在流表开销方面优势较大,并且SRPFS相比于其他较典型的流传输机制,在平均网络吞吐量、链路利用率、标准网络吞吐率等方面有明显优势,能够有效减轻控制器的流表负载,保证了较好的网络性能。     

适用于软件定义网络的原子操作技术

软件定义网络(SDN)是近年来网络技术的研究热点,其主要实现了由控制器来转发数据。由于数据需要在转发过程中不被其他路由策略打断,即控制器为各个节点下发流表要保证同步,因此可以将原子操作的概念引入SDN中。基于此,笔者提出利用流表中丰富的匹配规则解决丢包、环路等原子操作问题,同时搭建硬件平台系统,提出适用于软件定义网络的原子操作技术。     

基于ARMA模型预测的交换机流表更新算法

针对SDN网络中交换机在网络流量高峰期流表匹配率低以及控制器负载过重的问题,提出了一种基于自回归移动平均（ARMA）模型预测的交换机流表更新算法。算法首先收集每个取样周期内的新增流表项数量作为历史数据,然后使用ARMA模型对收集的历史数据进行分析,预测下一个周期内新增加的流表项数量,并结合当前流表空间的使用情况,清除交换机中过去一段时间内使用频率较低的流表项。采用真实数据中心网络数据的模拟实验结果表明,与流表更新的一般方法相比,该算法有效地提高了交换机流表的匹配率,并减少了交换机与控制器之间交互的次数,降低了控制器端的负载。     

一种基于SDN的多路径流调度机制

摘要:针对传统多路径路由方法造成数据中心网络负载不均衡、吞吐量低的问题,该文提出了一种基于SDN的多路径流调度（SDN based Multipath Flow Scheduling, SMFS）机制。结合SDN能够获取全局网络视图的优势,SMFS采用周期性轮询和动态流调度的方法实现良好的负载均衡,进而提高全网吞吐量。为减少控制器和交换机之间的交互带来的网络额外负载,SMFS有选择地对部分大流进行重新调度,并利用分段路由技术实现重路由,提高了流的传输速率。实验结果表明,相比于传统等价多路径路由（Equal-Cost Multi-Path routing, ECMP）和现有集中式流调度机制,SMFS能够有效提高数据中心网络的吞吐量,降低流平均完成时间,并保证较好的负载均衡。     

数据流特征感知的交换机流表智能更新方法

针对软件定义网络（SDN）中交换机流表匹配率低的问题,提出了数据流特征感知的交换机流表智能更新方法。首先,论述流表项的生存超时时间timeout对数据包匹配的影响,并且分析比较基于先进先出（FIFO）、近期最少使用（LRU）等一般方法存在的不足;其次,根据流表项的生存时间和数据流的特征密切相关的思想,利用基于隐马尔可夫模型（HMM）的深度流检测（DFI）技术对数据流进行分类;最后,根据流表资源和控制器计算资源状况,实现对不同类型数据流流表项的智能更新。采用校园数据中心网络行为数据的模拟实验表明,与流表更新的一般方法相比,智能方法能使流表匹配率提高5%以上,对SDN交换机的管理有实际意义。     

软件定义网络中基于分段路由的多路径调度算法

针对当前软件定义网络(SDN)在应对大量数据流时造成的流表利用率低、转发响应较慢以及当前网络调度算法容易造成网络局部拥塞和负载不均衡等问题,提出一种基于分段路由的多路径调度算法SRMF。首先,SDN控制器根据网络拓扑连接情况下发初始流表;综合考虑网络链路剩余带宽、丢包率和数据流估测带宽需求进行路径权重计算;最后,根据路径权重选择最优路径并构造分段流表下发到边缘交换机。实验结果表明分段路由转发技术在多种网络拓扑下较一般转发技术在流表项开销方面有明显优势,SRMF算法与Hedera、ECMP相比,在业务流端到端时延、端到端时延抖动、网络吞吐率、丢包率等方面有一定的优势。     

软件定义车联网的数据转发机制

针对现有车联网（VANET）中数据转发效率低的问题,提出了软件定义网络（SDN）的数据转发机制。首先,设计了软件定义车联网的分层次网络模型,该模型由局部控制器和车辆组成,实现控制与数据转发分离,具有可扩展性、独行性等特点;其次,设计了车辆路由转发机制,该机制采用动态规划和二分搜索的方法,以实现高效的数据转发;最后,通过仿真验证,对比无线自组网按需平面距离向量路由（AODV）、目的节点序列距离矢量路由（DSDV）、动态源路由（DSR）和最优链路状态路由（OLSR）算法,所提的数据转发机制在传递成功比上提高大约100%,而端到端延迟时间降低大约20%。实验结果表明,软件定义车联网的数据转发机制能够提高路由转发效率、减小延迟。     

基于SDN的MapReduce带宽优化设计

在实际Hadoop系统中,如何使作业完成时间最短成为了一个NP完全问题,导致这个问题的主要原因是MapReduce计算过程中大量的数据从Map节点向Reduce节点进行迁移,容易造成网络拥塞,使得数据迁移时间过长。软件定义网络（SDN）实现了路由控制和数据转发的分离,同时使交换机能够对网络中的数据进行灵活的处理,使控制器能够知晓全局网络拓扑结构,其集中式管理模式为Hadoop进行性能优化带来了可能性。利用SDN对网络的灵活控制,让Map中间值在OpenFlow交换机上进行数据合并,减少数据流量和数据迁移时间,提高Hadoop工作效率。     

基于分类和时序的SDN流表更新一致性方案

软件定义网络（Software Defined Networking, SDN）实现了网络的集中控制和网络资源的灵活调度,已成为下一代网络的热点。确保SDN网络流表更新的一致性,对保障网络配置更新过程的正确性,和SDN网络的有效、安全运行,具有重要的意义。本文针对SDN网络配置更新所引起的数据包处理不一致问题,提出一种基于分类和时序的SDN流表更新一致性方案。通过设计交换机分类方案及优化更新顺序,实现了SDN流表更新的一致性和新、旧路径的数据并行传输,在保证方案良好通用性和隔离性的基础上,有效控制了更新时间和交换机存储空间的占用率,并降低了控制器的上传负载。     

OpenFlow交换机流表溢出缓解技术研究综述

软件定义网络的转发控制分离、集中控制、开放接口等特性使网络变得灵活可控,其架构得到了充分的发展.由于与各种云化业务的良好结合,软件定义网络(software defined networking,SDN)在近些年来得到了大量的商业部署.在基于OpenFlow的SDN架构中,为了实现流表项的快速查找、掩码匹配等目标,商业部署的硬件交换机大多使用三态内容寻址存储器(ternary content addressable memory,TCAM)来存储控制器下发的流表项.但受限于TCAM的容量和价格,目前商用OpenFlow交换机至多能支持存储数万条流表项,导致其存在因突发流和流表攻击等原因而产生流表溢出问题,严重影响了网络性能.因此,如何建立高效的流表溢出缓解机制引起了研究人员的广泛关注.首先对OpenFlow交换机流表溢出问题产生的原因及其影响进行了分析,在此基础上按照流量突发和攻击行为2种情况归纳对比了流表溢出缓解技术的研究现状,总结分析了现有研究存在的问题与不足,并展望了未来的发展方向和面临的挑战.     

基于标签的POF网络虚拟化技术研究

针对SDN新一代转发控制分离技术——协议无感知转发(POF),提出了协议字段全开放的SDN网络虚拟化架构。该架构提出了基于标签的网络虚拟化技术和POF物理交换机流表分配技术,通过网络虚拟化中间件将POF交换机与POF控制器之间传递的消息进行转换,对物理网络中传输的数据进行标签封装,从而区分不同网络切片与虚拟链路的流量信息。与已有的虚拟化中间件Flow Visor、Open Virtex、Co Visor等相比,该虚拟化中间件全面支持POF协议,通过物理网络中的数据的标签化处理,实现了SDN转发平面全字段开放的网络虚拟化。同时,基于该套架构,实现了POF网络虚拟化中间件系统POFHyper Visor,并验证了该POF网络虚拟化中间件系统的功能与性能,经测试,虚拟化消息处理能力损失在17.1%~29.9%。     

基于分类搜索的SDN流表无环一致性更新方案

在软件定义网络(Soft ware-Defined Networking,SDN)中,由于配置策略的改变导致控制器需要对多个交换机中的流表项进行更新时,会出现更新不一致的情况.其内在原因是控制器无法同时对所有交换机完成更新,不同的更新时延会导致网络状态在逻辑上的不一致,从而影响数据报文的正确转发.针对分类时序更新方案应用场景适用性差和更新时延长,最优化更新方案计算复杂度高等问题,本文在两者的基础上,提出基于分类搜索的无环更新一致性方案(Categorical Search based loop-free Consistent Update scheme,CSCU).方案通过设计交换机分类模型,并在分类的基础上,结合节点依赖思想设计环路搜索优化模型,实现更新时延短,更新效率高的一致性更新.仿真结果表明,本方案有更好的场景适用性和更低的节点操作复杂度,也有更少的更新轮次和更低的计算复杂度,可有效提升更新性能.     

Bandwidth-aware energy efficient flow scheduling with SDN in data center networks

Nowadays the energy consumption has become one of the most urgent issues for Data center networks. For general network devices, the power is constant and independent from the actual transfer rate. Therefore the network devices are energy efficient when they are in full workload. The flow scheduling methods based on the exclusive routing can reduce the network energy consumption, as the exclusive routing paths can fully utilize all their links. However, these methods will no longer guarantee the energy efficiency of switches, as they handle flows in priority order by greedily choosing the path of available links instantaneously. In a previous work we proposed an extreme case of flow scheduling based on both link and switch utilization. Herein we consider general scenarios in data center networks and propose a novel energy efficient flow scheduling and routing algorithm in SDN. This method minimizes the overall energy for data center traffic in time dimension, and increases the utilization of switches and meet the flow requirements such as deadline. We did a series of simulation studies in the INET framework of OMNet++. The experiment results show that our algorithm can reduce the overall energy with respect to the traffic volume and reduce the flow completion time on average.     

Scalable and fair forwarding of elephant and mice traffic in software defined networks

A software defined network decouples the control and data planes of the networking devices and places the control plane of all the switches in a central server. These flow based networks do not scale well because of the increased number of switch to controller communications, limited size of flow tables and increased size of flow table entries in the switches. In our work we use labels to convey control information of path and policy in the packet. This makes the core of the network simple and all routing and policy decisions are taken at the edge. The routing algorithm splits the elephant traffic into mice and distributes them across multiple paths, thus ensuring latency sensitive mice traffic is not adversely affected by elephant traffic. We observed that label based forwarding and traffic splitting work well together to enable scalable and fair forwarding. Our approach is topology independent. We present here a few preliminary simulation results obtained by running our routing algorithm on random network topologies.     

基于SDN的DDoS攻击防御系统

软件定义网络（SDN）是一种新兴网络架构,通过将转发层和控制层分离,实现网络的集中管控。控制器作为SDN网络的核心,容易成为被攻击的目标,分布式拒绝服务（DDoS）攻击是SDN网络面临的最具威胁的攻击之一。针对这一问题,本文提出一种基于机器学习的DDoS攻击检测模型。首先基于信息熵监控交换机端口流量来判断是否存在异常流量,检测到异常后提取流量特征,使用SVM+K-Means的复合算法检测DDoS攻击,最后控制器下发丢弃流表处理攻击流量。实验结果表明,本文算法在误报率、检测率和准确率指标上均优于SVM算法和K-Means算法。     

数据中心网络中基于SDN的大象流负载均衡的研究

针对数据中心网络中大象流携带大量数据造成网络拥塞和负载不均衡的问题,提出基于SDN(software defined network)的大象流负载均衡(elephant flow load balancing ,EFLB)。当网络负载超过阈值时,控制器利用Openflow特性将检测到的大象流分裂为多个老鼠流,并根据收集的网络拓扑和链路状态动态地计算负载最小的下一跳交换机,确保负载均衡。实验结果表明,相比于等价多路径路算法(equal-cost mulit-path routing ,ECMP),EFLB机制提高网络吞吐量和链路利用率,更好地实现网络负载均衡。