基于大象流兩級識別的SDN負載均衡研究.pdf

1、隨著云計算、大數據等業(yè)務的興起，數據中心網絡規(guī)模及用戶數量快速增長，網絡流量呈爆發(fā)式增加，以TCP/IP架構為核心的傳統(tǒng)數據中心網絡難以高效管控海量的數據流量，網絡阻塞問題加劇，網絡資源浪費嚴重，如何均衡數據中心網絡負載以提高數據傳輸效率成為當前亟待解決的問題。
　　近幾年，以控制與轉發(fā)分離為特征的軟件定義網絡（Software Defined Networking，SDN）技術憑借其強大的流量管控能力得到了IT界的廣泛關注。邏輯

2、集中的SDN控制器基于全局網絡視圖可實現高效、細粒度的網絡流量調度，這使其在網絡流量管控方面較以TCP/IP架構為核心的傳統(tǒng)網絡具有較大的優(yōu)勢。本文從大象流識別的角度，對SDN數據中心網絡負載不均衡的問題進行研究。
　　首先，針對現有大象流識別方法識別開銷大的問題，提出一種大象流兩級識別方法。依據大象流數據量大的特點，該方法在識別第一階段提出基于TCP發(fā)送隊列的可疑大象流識別算法（Suspicious Elephant Detec

3、tion based on Write Queue，SED-WQ），通過監(jiān)測主機端發(fā)送隊列緩存中的數據量特征以識別可疑大象流，剔除數據量較小的老鼠流以降低第二階段控制器的處理開銷；依據大象流持續(xù)時間長的特點，該方法在識別第二階段提出基于流持續(xù)時間的真實大象流識別算法（Real Elephant Detection based on Duration Time，RED-DT），通過監(jiān)測網絡端可疑大象流的持續(xù)時間特征以識別真實大象流，剔除不

4、滿足條件的大象流以提高大象流識別準確性。
　　其次，針對SDN數據中心鏈路負載不均衡的問題，提出一種基于大象流兩級識別的SDN網絡負載均衡策略（Elephant Load Balancing，ELB）。針對網絡中的大象流，采用基于均勻分布的大象流調度算法，利用SDN控制器動態(tài)精細地規(guī)劃大象流的最佳轉發(fā)路徑以保證ELB策略的管控效率；針對網絡中的老鼠流，采用基于隨機選路的老鼠流調度算法，利用SDN控制器靜態(tài)粗放地選取老鼠流的最佳轉發(fā)

5、路徑以降低ELB策略的控制器處理開銷。
　　最后，利用Mininet軟件對所提出的大象流兩級識別方法和負載均衡策略ELB進行仿真分析。實驗分析表明，在保證大象流識別的高準確性前提下，大象流兩級識別方法較基于采樣的大象流識別方法可以降低約85％的控制器識別開銷；在保證流量識別開銷較低的前提下， ELB策略較傳統(tǒng)基于等價路由（Equal Cost Multipath Routing，ECMP）的網絡負載均衡策略降低約10%的平均傳輸時