混合SDN的流量矩陣估計和路由優(yōu)化研究.pdf

1、軟件定義網(wǎng)絡(luò)(SoRware Defined Network，SDN)是近幾年學(xué)術(shù)界和產(chǎn)業(yè)界最為關(guān)注的新型網(wǎng)絡(luò)架構(gòu)，其核心思想是將控制平面與轉(zhuǎn)發(fā)平面分離，以簡化網(wǎng)絡(luò)管理、應(yīng)用部署等操作。受投資保護、風(fēng)險控制等因素影響，SDN的全面部署無法在短期內(nèi)完成，從而形成傳統(tǒng)IP網(wǎng)絡(luò)與SDN共存的狀態(tài)，即混合SDN。
　　混合SDN作為SDN全面部署過程的中間狀態(tài)，為傳統(tǒng)IP網(wǎng)絡(luò)引入了SDN的部分優(yōu)勢，同時又受到傳統(tǒng)IP網(wǎng)絡(luò)固有缺陷的限制。如

2、何充分利用SDN的優(yōu)勢對傳統(tǒng)IP網(wǎng)絡(luò)進行優(yōu)化，成為當(dāng)前混合SDN流量工程的研究熱點和難點。目前已有的混合SDN流量工程，通常假定流量矩陣已知，但事實上，混合SDN的流量矩陣很難直接測量得到。而已有的估計方法主要是針對傳統(tǒng)IP網(wǎng)絡(luò)的，不完全適用于混合SDN網(wǎng)絡(luò)。同時，現(xiàn)有的混合SDN流量工程在實施路由優(yōu)化時，未考慮SDN節(jié)點自身服務(wù)能力的實際限制，導(dǎo)致在一味追求網(wǎng)絡(luò)性能最優(yōu)的同時，可能超出SDN節(jié)點的服務(wù)極限。本文針對混合SDN流量工程中

3、的上述問題進行研究，主要完成了以下工作:
　　(1)提出了一種基于OD流聚類的自適應(yīng)多Elman神經(jīng)網(wǎng)絡(luò)(AdaptiveMulti-Elman Neural Network, AMElman)估計算法，實現(xiàn)了對混合SDN流量矩陣的精確估計。該算法利用Elman神經(jīng)網(wǎng)絡(luò)建模，避免了先驗信息對估計過程的影響;通過對OD流進行聚類，提高了整個估計過程的精確性;同時，利用SDN節(jié)點對OD流的精確測量，在不引入額外測量代價的情況下提高了估

4、計算法的自適應(yīng)性。
　　(2)提出了一個基于鏈路代價和的路由優(yōu)化模型及相應(yīng)的最小代價和(Minimal Cost Sum，MCS)路由優(yōu)化算法。該模型從網(wǎng)絡(luò)全局出發(fā)，以鏈路代價和最小化為優(yōu)化目標，并將混合SDN中SDN節(jié)點的實際處理能力納入約束條件，實現(xiàn)全網(wǎng)鏈路負載均衡的最優(yōu)化，克服了已有模型的諸多局限。
　　(3)利用Abilene網(wǎng)絡(luò)的真實數(shù)據(jù)對上述算法進行仿真，實驗結(jié)果表明，AMElman算法比已有的算法具有更高的估計