软件定义网络中基于Q-学习的负载均衡算法

针对软件定义网络(Software Defined Network,SDN)的负载均衡问题,为使网络的资源分配更加合理,防止网络拥塞,设计了一种基于Q-学习的负载均衡(Q-learning Load Balance,QLLB)算法,可根据网络环境自行作出决策,避免网络拥塞,实现网络资源的合理分配.与最短路径算法Dijk...     

基于软件定义网络的WLAN负载均衡算法研究

在无线局域网中,终端通常根据接收到的信号强度值进行接入或切换,这将导致各个AP之间负载不均衡,造成网络资源利用率低。为此,文章提出了一种基于软件定义网络的无线局域网负载均衡策略,通过把超载AP服务范围内的终端切换到轻载AP上,使网络达到均衡状态。仿真实验表明,该方案有效平衡了各个AP的负载,提高了网络的系统吞吐量。     

软件定义网络中基于负载均衡的多控制器部署算法

随着软件定义网络规模扩大,控制层与数据层解耦带来了诸如控制器部署等新问题。该文提出基于负载均衡的多控制器部署算法(Multi-Controller Deployment Algorithm Based on Load Balance, MCDALB)。算法首先根据网络拓扑结构及其负载情况,确定控制器数量K;然后根据控制器容量限制,提出一种近似比为2的多控制器负载均衡算法,将网络划分成K个控制区域;最后根据区域内所有交换机到控制器距离总和最小原则,在控制区域部署控制器。为了验证算法的性能,选取实际网络拓扑进行实验。实验结果表明,与AL, WL算法相比,该算法在满足控制器负载近似比为2的同时,网络最大延时差距不超过0.65 ms。     

基于改进蚁群算法的软件定义网络负载均衡

为改善软件定义网络(SDN)负载均衡问题,对传统的蚁群算法进行改进,并结合服务器负载均衡算法,提出一个改进型的联合算法。该算法使用加权最小连接调度算法,服务器端选择负载最小的服务器,并利用改进蚁群算法(Im-ACO)选择到达所选服务器的最佳路径。理论分析及实验结果表明,提出的联合算法使网络性能得到显著提高,网络吞吐量更高,丢包率更低。     

软件定义网络中基于效率区间的负载均衡在线优化算法

在大型复杂软件定义网络中,为提高网络负载均衡,减少控制器与交换机间的传播时延,该文提出一种基于效率区间的负载均衡在线优化算法。在初始静态网络中,通过贪心算法选择初始控制器集合,并以其为根节点构建M棵改进代价的最小生成树(MST),确定初始M个负载均衡的子网;当网络流量发生变化时,通过广度优先搜索(BFS)调整子网间交换机映射关系使其满足效率区间,保证任意时刻网络的负载均衡。算法均以网络连通性为基础,且均以传播时延为目标重新更新控制器集合。仿真实验表明,该算法在保证任意时刻网络负载均衡的同时,可以保证较低的传播时延,与Pareto模拟退火算法、改进的K-Means算法等相比,可以使网络负载均衡情况平均提高40.65%。

     

一种软件定义无线网络负载均衡架构及算法

软件定义网络( SDN)为实现异构无线网络中的负载均衡提供了新的思路。设计了一种软件定义的无线网络负载均衡架构,并提出对应算法。首先,根据接收信号强度构建候选网络列表;其次,根据各候选网络的可用负载比率标准差进行负载差异分级;再次,将服务质量匹配度函数和负载均衡指数线性组合成联合优化函数,并根据负载差异分级对联合优化的权重进行动态调整,合理设置门限进行接纳控制。与传统算法相比,所提算法一方面可使各类业务阻塞率明显降低大约20%,另一方面使不同网络的归一化负载更加接近。该算法在进行网络负载均衡的同时,能够有效降低业务阻塞率,从而有效提升异构无线网络的整体性能。     

软件定义承载网中基于负载均衡的虚拟网络资源分配算法

在具有集中式控制特点的carrier-SDN（软件定义承载网）中应用网络虚拟化技术为虚拟网络分配资源,实现承载网资源分配是解决承载网结构僵化的重要途径。提出carrier-SDN中基于负载均衡的虚拟网络资源分配算法。首先,建立carrier-SDN多层模型;其次,根据虚拟网络映射算法的特点,二值化粒子群优化算法;最后,以负载均衡为优化目标,求解虚拟网络映射问题。仿真结果表明,与已有方法相比,所提算法在虚拟网络负载均衡性、请求接受率和网络收益方面性能优越。     

软件定义物联网中基于深度强化学习的路由优化算法

随着物联网的飞速发展,高速、海量的数据通信向服务质量保障机制提出了挑战。为了很好地满足用户对高效、低延迟路由的需求,文章结合软件定义网络（SDN）技术,提出一种软件定义物联网中基于深度强化学习的路由优化算法（RDIS）。RDIS利用控制器收集网络信息,基于改进的深度确定性策略梯度算法,在经验回放池中根据重要性对样本采样,最终获得一条性能近乎最优的路径。仿真实验表明,相较于传统的路由算法,RDIS在吞吐量和延迟方面具有更好的网络性能。     

基于软件定义网络的服务器集群负载均衡技术研究

在当前的网络体系结构下,采用硬件系统实现服务器集群负载均衡存在着获取负载节点状态困难、流量导向方式复杂等制约因素,不利于提升服务器集群的伸缩性和服务性能。针对此问题,该文提出一种基于软件定义网络(SDN)的负载均衡机制(SDNLB)。该机制借助SDN具有的集中式控制和流量灵活调度优势,利用SNMP协议和OpenFlow协议对服务器的运行状态和全局网络负载信息进行实时监测,并通过权值计算的方式选择出权重最高的服务器作为流处理的目标服务器,在此基础上,采用最优转发路径算法进行流量调度,从而达到提高服务器集群的利用率与处理性能的目的。搭建了实验平台对SDNLB的性能进行仿真测试,实验结果表明：在相同的网络负载条件下,SDNLB与其他负载均衡算法相比,能够有效地降低服务器集群的负载,并能够显著提高网络吞吐量和带宽利用率,缩短流的完成时间和平均时延。     

软件定义网络中基于时延和负载的多控制器部署策略研究

多控制器体系结构的出现,解决了经典软件定义网络(SDN)架构控制层以单一集中控制器为主,在大规模网络环境中的可扩展性问题。在多控制器体系结构中,由于生成转发规则并将其填充到交换机的任务被委托给了控制器,网络的性能在很大程度上取决于控制器的放置。该文以降低总时延和均衡控制器间负载为目标,提出了一种基于子网划分的多控制器部署算法(MCPA)。该算法改造谱聚类算法以保证网络连通性并加入离群点处理算法和负载均衡处理算法。仿真结果表明,该算法能够有效地对网络进行划分,在保证网络总时延较低的情况下使各个控制器的负载保持均衡。     

软件定义网络中面向时延和负载的多控制器放置策略

在多控制器管理的软件定义网络(SDN)中,时延和负载是控制器放置问题(CPP)要考虑的重要因素。该文以降低控制器之间的传播时延、流请求的传播时延和排队时延、均衡控制器间负载为目标,提出一种控制器放置及动态调整的策略,其中包括用于初始控制器放置的负载均衡算法(BCRA)和遗传算法(GA),用于动态调整控制器负载的在线调整算法(ADOA)。以上算法均考虑网络连通性。仿真结果表明：在初始控制器放置时,在保证流请求的传播时延、排队时延和控制器传播时延较低的情况下,BCRA部署在中小型网络中时,其负载均衡性能与GA相近且优于k-center和k-means算法;GA部署在大型网络中时,与BCRA, k-center和k-means算法相比,使得负载均衡率平均提高了49.7%。在动态情况下,与现有动态调整算法相比,ADOA可以保证较低排队时延和运行时间的同时,仍能使负载均衡参数小于1.54。     

基于深度增强学习的软件定义网络路由优化机制

为优化软件定义网络(SDN)的路由选路,该文将深度增强学习原理引入到软件定义网络的选路过程,提出一种基于深度增强学习的路由优化选路机制,用以削减网络运行时延、提高吞吐量等网络性能,实现连续时间上的黑盒优化,减少网络运维成本。此外,该文通过实验对所提出的路由优化机制进行评估,实验结果表明,路由优化机制具有良好的收敛性与有效性,较传统路由协议可提供更优的路由方案与实现更稳定的性能。     

一种软件定义网络中基于蚁群算法的一致性路由策略

软件定义网络通过对交换机下发流表项实现数据平面的更新,但流表项的安装具有时延,可能导致部分数据分组被错误地处理或丢弃。对此,提出一种基于蚁群算法的一致性路由策略,在路由参数中加入不一致时延,并通过控制器对流表的下发顺序做出调整,避免了在数据分组传输过程中,交换机控制逻辑的不一致。实验结果表明,与最短路径算法相比,出现不一致问题时,该策略所选路径的实际时延小于最短路径算法的时延,数据分组丢失率、错误转发的概率明显降低。     

基于OpenFlow的软件定义网络路由技术研究

文中主要探索了基于OpenFlow的软件定义网络（SDN）路由技术,旨在优化和提高网络管理效率。通过深入解读SDN的核心构架、OpenFlow协议的关键组成,并将其与传统路由进行对比,发现SDN提供了一个更加灵活和集中的网络管理机制。在路由决策、性能优化和故障恢复上,基于OpenFlow的SDN明显优于传统方法。由此可见,基于OpenFlow的软件定义网络路由技术不仅可以大大提高网络的运行效率,还能简化网络管理流程,为未来的网络技术发展指明方向。     

基于负载均衡的智能光网络路由算法

提出了基于负载均衡的路由算法的思想能够缓解网络因为过多的使用某条链路而引起的拥塞和较少使用某条链路而导致的资源浪费等问题,并且把此算法运用到智能光网络中去.     

软件定义数据中心网络混合路由机制

针对数据中心网络流量大小分布不均匀、传输性能需求不相同的特征,提出了面向传统树型数据中心网络结构的软件定义混合路由机制SHR（software-defined hybrid routing）。SHR通过统计计算将数据流分为大流和小流,为满足其不同的传输性能需求,对大流采用自适应路由算法,对小流采用流量无视路由算法。SHR在OpenFlow机制的基础上,将部分控制权从控制器下放至交换机,以减轻网络的额外负载。在Fat-Tree网络拓扑结构上建立流量模型进行性能分析与仿真实验,结果表明,与传统的等价多路径转发ECMP算法相比,SHR能够提高网络吞吐量,降低数据流丢弃率和分组端到端时延,同时减轻网络的额外负载。     

一种基于负载均衡的新型自适应路由算法

提出了一种用于波分复用(WDM)网络中的新型自适应路由算法.引入蚁群算法解决动态路由问题,通过改进寻路中链路综合权重的设置、优化蚁群寻路的原理以及考虑波长优先级来设计算法.仿真结果表明,这种算法对光通道建立比较有效,使用这种算法,不仅可以使拥塞率更小,负载分布也更加均衡.     

基于Mininet的网络负载均衡仿真研究

软件定义网络(Software Defined Network, SDN)是一种新型的网络体系架构,其原理是采用OpenFlow对网络结构进行自定义的扩展与管理。为进一步研究SDN架构的特性并实现网络负载均衡,文章基于Mininet仿真工具对SDN的网络负载均衡进行深入研究,分析了OpenFlow协议技术及其原理,验证了SDN架构的功能和基本工作流程,构建了网络负载均衡仿真研究的实验环境,并在Mininet中进行了模拟实现,为进一步研究SDN架构提供了有效的技术支撑。