流特征感知的软件定义网络控制器动态关联机制

在部署分布式控制平面的软件定义网络中,控制器与交换机的关联仅以数据流请求的数量分布作为控制资源分配的依据。该文针对这一问题,以数据流的源目的地址特征为例,对不同特征数据流的控制资源消耗进行了分析,提出在控制资源分配中应对数据流的特征分布加以考虑。然后,设计了一种流特征感知的控制器关联决策机制,并针对网络流的动态变化特性设计了一种快速求解算法。仿真结果表明,与基于负载均衡的机制对比,所提机制在使用模拟退火算法求解时能节省10%～20%的控制资源消耗;所提快速求解算法可节省10%的资源消耗,且相比模拟退火算法具有较大的速度优势和良好的可扩展性。     

一种解析与执行联动的SDN可编程数据平面

当前互联网技术发展迅速,新型网络协议的不断出现,要求网络转发设备能够及时提供对新协议的支持.目前,软件定义网络要兼顾可编程协议解析和数据转发性能仍然面临诸多困难.对此,本文提出了基于解析和执行联动结构的可编程数据平面（CLIPE）,通过在硬件的解析器上部署用户可定义模块,可实时更新硬件中解析逻辑中的协议多叉树,从而实现协议解析的用户定制性;并且,通过解析器和动作执行器联动的创新结构,减少了整个处理架构的冗余性,从而减小动作执行时延,提高了硬件资源利用率,与现有方案相比,节约了11%的逻辑资源和24%的BRAM资源.最后,本文基于NetFPGA-10G板卡完成了本方案的原型机实现.     

一种基于深度增强学习的智能路由技术

随着网络规模的不断增大以及网络复杂度的不断提高,传统路由算法面对网络流量在时空分布上的剧烈波动难以兼顾计算复杂度和算法效率.近年来,随着软件定义网络和人工智能技术的兴起,基于机器学习的自动路由策略生成逐渐受到关注.本文提出一种基于深度增强学习的智能路由技术SmartPath,通过动态收集网络状态,使用深度增强学习自动生成路由策略,从而保证路由策略能够动态适应网络流量变化.实验结果表明,本文所提出的方案能够不依赖人工流量建模动态更新网络路由,在测试环境下比当前最优方案减少至少10%的平均端到端传输时延.