SDN数据中心基于隐马尔可夫模型的多径路由选径方法技术

本发明专利技术涉及一种SDN数据中心基于隐马尔可夫模型的多径路由选径方法。该方法分为隐马尔可夫模型训练和部署两部分；在训练部分，在SDN数据中心部署任意一种传统多径路由选径方法（例如：Hedera）,利用SDN控制器对数据中心拓扑中的特定端口进行流量监控，将监控数据和选径结果利用隐马尔可夫模型训练算法进行训练；在部署部分，利用SDN控制器对数据中心拓扑中的特定端口进行流量监控，将监控数据输入隐马尔可夫模型，利用隐马尔可夫模型应用算法，得出选径结果。

Hidden Markov Model Based Multipath Routing Method for SDN Data Center

The invention relates to a multi-path routing method based on hidden Markov model for SDN data center. In the training part, any traditional multi-path routing method (such as Hedera) is deployed in SDN data center to monitor the traffic of specific ports in data center topology by SDN controller, and the monitoring data and routing results are trained by hidden Markov model training algorithm. SDN controller is used to monitor the flow of specific ports in the data center topology, and the monitoring data is input into the hidden Markov model. The hidden Markov model is used to apply the algorithm, and the result of path selection is obtained.

【技术实现步骤摘要】
SDN数据中心基于隐马尔可夫模型的多径路由选径方法
本专利技术为涉及数据中心网络中(DCN,DataCenterNetwork)基于隐马尔可夫模型的多径路由选径方法，具体涉及一种SDN数据中心基于隐马尔可夫模型的多径路由选径方法。
技术介绍
随着互联网的发展和普及，人们的生活越来越离不开互联网，大量的生产和生活数据从原始的纸质材料迁移进数字网络。要对大量的数据进行存储和处理就离不开数据中心。为了应对数据中心的性能特性要求，研究人员提出一系列对称数据中心架构，比如：Fat-Tree、VL2等，它们提供了端到端的多条并行路径，以增加数据中心的对分带宽。同时随着软件定义网络(SoftwareDefinedNetwork,SDN)的出现，数据中心的网络灵活性进一步增加。为了能够合理高效地利用这些并行路径进行数据传输，需要有多径路由的选径方法为数据流选择路径传输。现有的Hedera算法，通过SDN控制器监控目标数据流可用的所有并行路径上的所有链路，计算出并行路径带宽剩余量，再通过特定选径策略(例如：FirstFit)为数据流进行选径。这种方法需要监控数据流的所有可用路径上的所有可用链路，才可以做出最佳选径。显然，这种方式消耗了大量的控制器资源、增加了大量的时间开销。为了减少资源消耗和时间开销，我们提出一种基于隐马尔可夫模型的多径路由方法，只需监测少部分链路，就可以做出与Hedera一样优秀的选径决策。
技术实现思路
本专利技术的目的在于提供一种SDN数据中心基于隐马尔可夫模型的多径路由选径方法，能够有效减少选径处理时延，做出合理选径。为实现上述目的，本专利技术的技术方案是：一种SDN数据中心基于隐马尔可夫模型的多径路由选径方法，分为隐马尔可夫模型训练和部署两个阶段；隐马尔可夫模型训练阶段，在SDN数据中心部署任意一种多径路由选径方法，利用SDN控制器对数据中心拓扑中的所需监控端口进行流量监控，将监控数据和选径结果利用隐马尔可夫模型训练算法进行训练；隐马尔可夫模型部署阶段，利用SDN控制器对数据中心拓扑中的所需监控端口进行流量监控，将监控数据输入隐马尔可夫模型，利用隐马尔可夫模型应用算法，得出选径结果；该方法具体包括如下步骤：步骤S1、通过端口选择方法得到数据中心拓扑中所需监控端口；步骤S2、在SDN数据中心部署任意一种多径路由选径方法，使用SDN北向API对所需监控端口进行流量监控并记录选径结果；步骤S3、将数据量化并利用隐马尔可夫模型训练算法进行训练；步骤S4、使用SDN北向API对所需监控端口进行流量监控；步骤S5、将数据量化使用隐马尔可夫模型应用算法得出选径结果；步骤S6、使用SDN北向API下发流表对选径结果进行部署。在本专利技术一实施例中，步骤S1中，所述通过端口选择方法得到数据中心拓扑中所需监控端口的具体方式为：在端到端传输的等价并行路径中，在每一组位于同一传输位置的交换机中选择其中一交换机的数据入端口为监控端口，即得到一组端到端传输的所需监控端口。在本专利技术一实施例中，所述数据量化的具体方式为：当端口负载小于20％，数据量化为1；当端口负载大于20％小于50％，数据量化为2；当端口负载大于50％数据量化为3；标准数据训练格式为一个N元组，首个元素为选定路径，作为隐马尔可夫模型隐状态序列，后续N-1个元素为监控端口量化数据，作为隐马尔可夫模型显状态序列。在本专利技术一实施例中，所述使用SDN北向API对所需监控端口进行流量监控的具体方式为：使用RYU控制器的端口流量监控RESTAPI，采用两次监测取平均值的方法获得端口负载，即第一次使用REST方法向SDN控制器请求端口流量数据，等待1秒后，第二次请求端口流量数据，从而计算出端口带宽占用率。在本专利技术一实施例中，所述隐马尔可夫模型训练算法的具体实现方式为：使用监督式学习方法解决训练问题，给定S个长度相同的观测序列、状态序列作为训练集((O1,I1)，...，(OS,IS))，使用极大似然估计法估计模型参数；转移矩阵A＝[aij]N*N，观测矩阵B＝[bij]N*M，初始状态概率向量分别用公式(1)、公式(2)、公式(3)计算得出；其中，Aij为t时刻状态qi在t+1时刻转化为状态qj的频数，Bij为在样本中状态qi生成观测vj的频数，ηi为在样本中初始状态为qi的频数。在本专利技术一实施例中，所述隐马尔可夫模型应用算法的具体实现方式为：使用改进的Viterbi对隐马尔可夫模型进行应用，即隐马尔可夫模型应用算法解决的问题为给定模型给定模型和观测序列O＝(o1,o2...oT)，推断能够最大概率产生此观测序列的状态序列I＝(i1,i2…iT)，即能使得P＝(I|O)最大的I，δt(i)表示在t时刻状态为i的所有路径中的概率最大值，表现为公式(4)：δt(i)＝maxP(it＝i,it-1,...i1,ot,...o1|λ)(4)另，定义ψt(i)为时刻t状态为i时的前一个最大概率状态，则计算最佳路基需要4个步骤：首先，初始化，可由公式(5)、公式(6)表示：δ1(i)＝πibi(o1),i＝1,2,...,N(5)ψ1(i)＝0,i＝1,2,...,N(6)其次，递推，对t＝2,3...,T有公式(7)、公式(8)：再次，终止，可表示为公式(9)，公式(10)：最后，进行路径概率进行随机路径回溯对t＝T-1,T-2,...,1有公式(11)求得传输路径在本专利技术一实施例中，步骤S6中，所述使用SDN北向API下发流表对选径结果进行部署的具体方式为：使用Ryu的流表下发RESTAPI下发相关流表到选定路径的相关交换机。相较于现有技术，本专利技术具有以下有益效果：专利技术提出了一种SDN数据中心基于隐马尔可夫模型的多径路由选径方法，该方法对传统多径路由选径方法进行改进，能够有效减少SDN数据中心的多径路由选径处理时延，做出合理选径，除此之外，对大部分数据中心架构适用性良好、性能表现良好。附图说明图1为本专利技术SDN数据中心中基于隐马尔可夫模型的多径路由选径方法流程图。具体实施方式下面结合附图，对本专利技术的技术方案进行具体说明。如图1所示，本专利技术提供了一种SDN数据中心中基于隐马尔可夫模型的多径路由选径方法，该方法分为隐马尔可夫模型训练和部署两部分；在训练部分，在SDN数据中心部署任意一种传统多径路由选径方法(例如：Hedera),利用SDN控制器对数据中心拓扑中的特定端口进行流量监控，将监控数据和选径结果利用隐马尔可夫模型训练算法进行训练。在部署部分，利用SDN控制器对数据中心拓扑中的特定端口进行流量监控，将监控数据输入隐马尔可夫模型，利用隐马尔可夫模型应用算法，得出选径结果。具体如下：1、通过端口选择方法得到数据中心拓扑中端到端传输所需监控端口：端口选择方法为在端到端传输的等价并行路径中，在每一组位于同一传输位置的交换机中选择其中一台的数据入端口为监控端口，遂得到一组端到端传输的特定监控端口。2、若要训练模型，则在数据中心部署一种传统多径路由选径方法(例如Hedera)，并使用RYU控制器的端口流量监控RESTAPI，采用两次监测取平均值的方法获得端口负载，即第一次使用REST方法向控制器请求端口流量数据，等待1秒后，第二次请求端口流量数据，从而计算出端口带宽占用率。另外，记录相应的传统本文档来自技高网...

【技术保护点】
1.一种SDN数据中心基于隐马尔可夫模型的多径路由选径方法，其特征在于，分为隐马尔可夫模型训练和部署两个阶段；隐马尔可夫模型训练阶段，在SDN数据中心部署任意一种多径路由选径方法，利用SDN控制器对数据中心拓扑中的所需监控端口进行流量监控，将监控数据和选径结果利用隐马尔可夫模型训练算法进行训练；隐马尔可夫模型部署阶段，利用SDN控制器对数据中心拓扑中的所需监控端口进行流量监控，将监控数据输入隐马尔可夫模型，利用隐马尔可夫模型应用算法，得出选径结果。

【技术特征摘要】
1.一种SDN数据中心基于隐马尔可夫模型的多径路由选径方法，其特征在于，分为隐马尔可夫模型训练和部署两个阶段；隐马尔可夫模型训练阶段，在SDN数据中心部署任意一种多径路由选径方法，利用SDN控制器对数据中心拓扑中的所需监控端口进行流量监控，将监控数据和选径结果利用隐马尔可夫模型训练算法进行训练；隐马尔可夫模型部署阶段，利用SDN控制器对数据中心拓扑中的所需监控端口进行流量监控，将监控数据输入隐马尔可夫模型，利用隐马尔可夫模型应用算法，得出选径结果。2.根据权利要求1所述的SDN数据中心基于隐马尔可夫模型的多径路由选径方法，其特征在于，该方法具体包括如下步骤：步骤S1、通过端口选择方法得到数据中心拓扑中所需监控端口；步骤S2、在SDN数据中心部署任意一种多径路由选径方法，使用SDN北向API对所需监控端口进行流量监控并记录选径结果；步骤S3、将数据量化并利用隐马尔可夫模型训练算法进行训练；步骤S4、使用SDN北向API对所需监控端口进行流量监控；步骤S5、将数据量化使用隐马尔可夫模型应用算法得出选径结果；步骤S6、使用SDN北向API下发流表对选径结果进行部署。3.根据权利要求2所述的SDN数据中心基于隐马尔可夫模型的多径路由选径方法，其特征在于，步骤S1中，所述通过端口选择方法得到数据中心拓扑中所需监控端口的具体方式为：在端到端传输的等价并行路径中，在每一组位于同一传输位置的交换机中选择其中一交换机的数据入端口为监控端口，即得到一组端到端传输的所需监控端口。4.根据权利要求2所述的SDN数据中心基于隐马尔可夫模型的多径路由选径方法，其特征在于，所述数据量化的具体方式为：当端口负载小于20％，数据量化为1；当端口负载大于20％小于50％，数据量化为2；当端口负载大于50％数据量化为3；标准数据训练格式为一个N元组，首个元素为选定路径，作为隐马尔可夫模型隐状态序列，后续N-1个元素为监控端口量化数据，作为隐马尔可夫模型显状态序列。5.根据权利要求2所述的SDN数据中心基于隐马尔可夫模型的多径路由选径方法，其特征在于，所述使用SDN北向API对所需监控端口进行流量监控的具体方式为：使用RYU控制器的端口流量监控RESTAPI，采用两次监测取平均值的方法获...

【专利技术属性】
技术研发人员：张栋，何斌杰，周政演，朱丹红，
申请(专利权)人：福州大学，
类型：发明
国别省市：福建,35