王耀民，王霞，董易，高蓮，張松海，施心陵

（云南大學(xué)信息學(xué)院，云南 昆明 650504）

1 引言

云計(jì)算技術(shù)的迅速發(fā)展帶動(dòng)傳統(tǒng)數(shù)據(jù)中心向云數(shù)據(jù)中心轉(zhuǎn)變，越來越多的互聯(lián)網(wǎng)新興業(yè)務(wù)和用戶聚集云端[1-2]，業(yè)務(wù)和用戶數(shù)量的增長(zhǎng)使云數(shù)據(jù)中心的流量規(guī)模持續(xù)增大。然而，目前大部分云數(shù)據(jù)中心仍然采用傳統(tǒng)數(shù)據(jù)中心的網(wǎng)絡(luò)架構(gòu)和技術(shù)[2]，已難以適應(yīng)其流量管理的需求，尤其是承載多業(yè)務(wù)、面向多用戶的運(yùn)營(yíng)商云數(shù)據(jù)中心。

近年來興起的軟件定義網(wǎng)絡(luò)（SDN,software defined networking）云數(shù)據(jù)中心[3-4]，實(shí)現(xiàn)了流量的全局集中管理和靈活的細(xì)顆粒優(yōu)化[5]。云計(jì)算技術(shù)使業(yè)務(wù)越發(fā)多元化，用戶的業(yè)務(wù)體驗(yàn)也存在差異化的需求，如何使SDN 云數(shù)據(jù)中心具備多元化和差異化的流量管理能力成為需要進(jìn)一步解決的問題。

目前，國內(nèi)外產(chǎn)學(xué)界對(duì)于SDN 數(shù)據(jù)中心或云數(shù)據(jù)中心流量管理優(yōu)化的研究，主要是根據(jù)流量管理需求或優(yōu)化目標(biāo)，建立相應(yīng)的數(shù)學(xué)模型，通過合適的算法求解。研究涵蓋如下方面。

1)通過靜態(tài)閾值識(shí)別“大象流”“老鼠流”或特定范圍的流量，將此類流量作為優(yōu)化對(duì)象，根據(jù)所設(shè)計(jì)流量管理方法對(duì)其進(jìn)行優(yōu)化。Al-Fares 等[6]提出Hedera 流量調(diào)度方案，通過模擬退火算法求解數(shù)據(jù)中心“大象流”的優(yōu)化路徑。文獻(xiàn)[7]設(shè)計(jì)一種數(shù)據(jù)中心FISH 流量管理策略，在流量突發(fā)的情況能對(duì)“老鼠流”進(jìn)行合理管理優(yōu)化。但由于靜態(tài)閾值匹配多業(yè)務(wù)差異化流量能力較弱，難以實(shí)現(xiàn)多業(yè)務(wù)差異化流量的全局優(yōu)化管理，無法滿足云數(shù)據(jù)中心多業(yè)務(wù)流量差異化的性能需求。

2)應(yīng)用智能優(yōu)化算法求解流量?jī)?yōu)化方案，解決SDN 數(shù)據(jù)中心流量管理問題。Zhanikeev[8]將遺傳算法（GA,genetic algorithm）應(yīng)用于數(shù)據(jù)中心端到端的路徑優(yōu)化，提高流量管理效率。Mohammadi 等[9]應(yīng)用教學(xué)優(yōu)化（TLBO,teaching learning based optimization）算法求解多媒體多播流量的管理方案，以提升業(yè)務(wù)服務(wù)質(zhì)量。文獻(xiàn)[10]通過蟻群優(yōu)化（ACO,ant colony optimization）算法求解SDN 數(shù)據(jù)中心網(wǎng)絡(luò)分段路由，提高數(shù)據(jù)中心網(wǎng)絡(luò)吞吐量。文獻(xiàn)[11]將流量調(diào)度問題轉(zhuǎn)化為背包問題，借鑒離散粒子群優(yōu)化（PSO,particle swarm optimization）算法得到最優(yōu)流量調(diào)度方案。GA、ACO 和PSO 等傳統(tǒng)智能優(yōu)化算法能快速收斂，但這些算法容易陷入局部最優(yōu)，多數(shù)算法不具備多模特性[12]，若用于解決多業(yè)務(wù)差異化流量管理問題存在一定的局限性。

3)SDN 數(shù)據(jù)中心流量管理的優(yōu)化方案通常是基于網(wǎng)絡(luò)瞬時(shí)信息的最優(yōu)解或近似最優(yōu)解[13]。流量管理是一個(gè)時(shí)間相關(guān)性問題，若只對(duì)信息采集時(shí)刻有效的唯一最優(yōu)解失效，則需要再次求解最優(yōu)解，這樣必然影響流量管理的效率。流量管理策略具備多模優(yōu)化能力，能同時(shí)得到多個(gè)滿足條件差異化優(yōu)化方案，提高流量管理效率。同時(shí)多個(gè)流量管理方案能更好地兼顧云數(shù)據(jù)中心流量管理的多維決策需求，提升運(yùn)營(yíng)管理水平。

綜上，當(dāng)前關(guān)于數(shù)據(jù)中心流量管理研究成果，不能很好地滿足運(yùn)營(yíng)商云數(shù)據(jù)中心多業(yè)務(wù)差異化的流量管理需求。

為此，本文以運(yùn)營(yíng)商SDN 云數(shù)據(jù)中心為研究對(duì)象，針對(duì)其多業(yè)務(wù)差異化的流量管理需求，綜合考慮網(wǎng)絡(luò)性能、流量特征和業(yè)務(wù)體驗(yàn)等因素，提出了面向云數(shù)據(jù)中心的多業(yè)務(wù)差異化流量管理優(yōu)化策略。本文的主要貢獻(xiàn)和工作如下。

1)基于運(yùn)營(yíng)商云數(shù)據(jù)中心實(shí)際的業(yè)務(wù)流行度和業(yè)務(wù)流量周期特征，建立業(yè)務(wù)流行度概率統(tǒng)計(jì)函數(shù)和業(yè)務(wù)周期流量函數(shù)。

2)針對(duì)運(yùn)營(yíng)商云數(shù)據(jù)中心流量管理需求，設(shè)計(jì)與之匹配的SDN 云數(shù)據(jù)中心流量管理規(guī)則，構(gòu)建多業(yè)務(wù)差異化（MSD,multi-service differentiated）流量管理模型，以解決運(yùn)營(yíng)商云數(shù)據(jù)中心流量管理問題。

3)提出云數(shù)據(jù)中心流量管理的MSD-FTO 策略，針對(duì)MSD 模型設(shè)計(jì)，改進(jìn)斐波那契樹優(yōu)化（FTO,Fibonacci tree optimization）算法，實(shí)現(xiàn)云數(shù)據(jù)中心多業(yè)務(wù)差異化流量管理多維、多約束的多模自適應(yīng)尋優(yōu)。

4)通過Mininet 搭建運(yùn)營(yíng)商云數(shù)據(jù)中心測(cè)試平臺(tái)，驗(yàn)證MSD-FTO 策略的有效性。結(jié)果表明，MSD-FTO 策略具備穩(wěn)定的全局尋優(yōu)能力和靈活的多模自適應(yīng)特性。同等條件下，其尋優(yōu)能力優(yōu)于遺傳算法（GA）和改進(jìn)遺傳算法（IGA,improved genetic algorithm）。而且，MSD-FTO 策略能根據(jù)需要求解多個(gè)差異化流量管理方案，對(duì)多業(yè)務(wù)流量進(jìn)行合理的差異化管理，流量管理效果優(yōu)于ECMP（equal-cost multi-path），能有效提升網(wǎng)絡(luò)性能和業(yè)務(wù)體驗(yàn)，滿足運(yùn)營(yíng)商云數(shù)據(jù)中心多業(yè)務(wù)差異化流量管理需求。

2 云數(shù)據(jù)中心多業(yè)務(wù)流量描述

本節(jié)針對(duì)運(yùn)營(yíng)商云數(shù)據(jù)中心的運(yùn)營(yíng)特點(diǎn)和流量特征，重點(diǎn)考慮業(yè)務(wù)流行度和業(yè)務(wù)周期兩方面，建立業(yè)務(wù)流行度概率統(tǒng)計(jì)函數(shù)和業(yè)務(wù)周期流量函數(shù)。

2.1 業(yè)務(wù)流行度

業(yè)務(wù)流行度表示各種業(yè)務(wù)對(duì)于用戶的吸引程度，如世界杯、奧運(yùn)會(huì)等賽事期間的4K 高清視頻；京東“618”和淘寶“雙11購物節(jié)”期間的電子商務(wù)業(yè)務(wù)；節(jié)慶活動(dòng)有關(guān)的新聞、互動(dòng)視頻等。流行度高的業(yè)務(wù)更容易吸引用戶關(guān)注和使用。某運(yùn)營(yíng)商云數(shù)據(jù)中心在“雙11購物節(jié)”期間的周流量統(tǒng)計(jì)如圖1所示。根據(jù)運(yùn)營(yíng)商云數(shù)據(jù)中心運(yùn)營(yíng)實(shí)際，結(jié)合各業(yè)務(wù)歷史流量信息，設(shè)計(jì)業(yè)務(wù)流行度概率統(tǒng)計(jì)函數(shù)，如式(1)所示。

圖1 云數(shù)據(jù)中心周流量統(tǒng)計(jì)

其中，Sk表示業(yè)務(wù)k的累計(jì)活躍用戶數(shù)；γk(t)為業(yè)務(wù)k的獨(dú)立性因子，是時(shí)間函數(shù)，表示多個(gè)業(yè)務(wù)間相互獨(dú)立且具有時(shí)間相關(guān)性。

通常云數(shù)據(jù)中心宏觀用戶規(guī)模與所處城市或地區(qū)人口、經(jīng)濟(jì)等相關(guān)，短期內(nèi)趨于相對(duì)穩(wěn)定的狀態(tài)。當(dāng)用戶集中關(guān)注部分業(yè)務(wù)時(shí)，其他業(yè)務(wù)關(guān)注度必然下降，各業(yè)務(wù)的流行度具有差異性。本文根據(jù)業(yè)務(wù)流行度概率統(tǒng)計(jì)分布，通過提高熱門業(yè)務(wù)的服務(wù)質(zhì)量以提升用戶體驗(yàn)的普遍滿意度。文獻(xiàn)[14]研究表明了關(guān)注和提升重點(diǎn)或熱點(diǎn)業(yè)務(wù)的服務(wù)質(zhì)量，對(duì)提升網(wǎng)絡(luò)性能和用戶體驗(yàn)具有重要作用。

2.2 業(yè)務(wù)周期流量

某運(yùn)營(yíng)商云數(shù)據(jù)中心在2018世界杯期間和淘寶“雙11購物節(jié)”期間的相關(guān)業(yè)務(wù)流量統(tǒng)計(jì)如圖2所示。

研究表明，云數(shù)據(jù)中心各業(yè)務(wù)流量具有顯著的周期性特征[15]。如2018世界杯賽事集中在北京時(shí)間的凌晨時(shí)段；各電商購物節(jié)、重大節(jié)慶活動(dòng)相關(guān)業(yè)務(wù)流量峰值也為某特定時(shí)段等，各業(yè)務(wù)周期也存在明顯的差異性。

根據(jù)運(yùn)營(yíng)商云數(shù)據(jù)中心業(yè)務(wù)流量的歷史信息和業(yè)務(wù)周期特征，歸一化建立業(yè)務(wù)周期流量函數(shù)，如式(2)所示。

其中，bk表示業(yè)務(wù)k的流量需求；λk(t)是時(shí)間函數(shù)，表示業(yè)務(wù)k時(shí)間相關(guān)的流量變化因子；Tk表示業(yè)務(wù)k的周期，反映業(yè)務(wù)k平均峰值流量的時(shí)間區(qū)間。

3 SDN 云數(shù)據(jù)中心流量管理設(shè)計(jì)

基于運(yùn)營(yíng)商云數(shù)據(jù)中心的多業(yè)務(wù)流量特征，設(shè)計(jì)SDN 云數(shù)據(jù)中心流量管理規(guī)則，構(gòu)建多業(yè)務(wù)差異化流量管理模型，解決運(yùn)營(yíng)商云數(shù)據(jù)中心的多業(yè)務(wù)差異化流量管理問題。

3.1 流量管理規(guī)則設(shè)計(jì)

為滿足云數(shù)據(jù)中心多業(yè)務(wù)差異化流量管理的要求，SDN 云數(shù)據(jù)中心可充分發(fā)揮其全局集中控制和細(xì)顆粒流量管理優(yōu)勢(shì)，應(yīng)用SDN 集中控制器的流量統(tǒng)計(jì)、流量分析和流表管理等功能模塊[16-17]，設(shè)計(jì)合理的流量管理規(guī)則，實(shí)現(xiàn)多業(yè)務(wù)差異化流量管理的目標(biāo)。SDN 云數(shù)據(jù)中心流量管理規(guī)則邏輯框架如圖3所示。

圖3 流量管理規(guī)則邏輯框架

結(jié)合云數(shù)據(jù)中心歷史流量統(tǒng)計(jì)和各業(yè)務(wù)流量特征分析，將業(yè)務(wù)流量定義為如下2類。

定義1可預(yù)知隨機(jī)型流量。如2018世界杯的4K 高清視頻、IPTV 業(yè)務(wù)流量；電商購物節(jié)的相關(guān)業(yè)務(wù)流量或重大活動(dòng)的相關(guān)業(yè)務(wù)流量等。此類流量可結(jié)合歷史信息分析或經(jīng)驗(yàn)預(yù)知，具有相對(duì)穩(wěn)定周期性和計(jì)劃性特征，但用戶對(duì)這些業(yè)務(wù)的選擇仍然具有隨機(jī)性。

定義2非可預(yù)知突發(fā)型流量。如網(wǎng)絡(luò)故障、網(wǎng)絡(luò)突發(fā)事件等。此類流量不可提前預(yù)知、突發(fā)性強(qiáng)，流量突變?nèi)菀自斐删W(wǎng)絡(luò)擁塞，嚴(yán)重影響網(wǎng)絡(luò)性能和業(yè)務(wù)體驗(yàn)。

設(shè)計(jì)與流量分類定義相匹配的流量管理規(guī)則如下。

規(guī)則1針對(duì)可預(yù)知隨機(jī)型流量，結(jié)合歷史流量統(tǒng)計(jì)信息和運(yùn)營(yíng)經(jīng)驗(yàn)，依據(jù)業(yè)務(wù)流行度和業(yè)務(wù)可預(yù)知周期設(shè)置對(duì)應(yīng)同步時(shí)鐘，當(dāng)進(jìn)入業(yè)務(wù)可預(yù)知周期時(shí)，根據(jù)歷史同期業(yè)務(wù)流量統(tǒng)計(jì)確定業(yè)務(wù)流量需求，如式(3)所示，SDN 集中控制器激活多業(yè)務(wù)差異化流量管理策略，確?？深A(yù)知周期內(nèi)的網(wǎng)絡(luò)性能和業(yè)務(wù)體驗(yàn)。

其中，Bk(τ)表示業(yè)務(wù)k歷史同期流量函數(shù)，δk表示業(yè)務(wù)k的流量?jī)?yōu)化決策權(quán)重，T′k表示業(yè)務(wù)k的可預(yù)知周期。當(dāng)周期結(jié)束后系統(tǒng)恢復(fù)常態(tài)，業(yè)務(wù)流量通過ECMP 進(jìn)行管理。

規(guī)則2針對(duì)非可預(yù)知突發(fā)型流量，通過SDN集中控制器流量分析模塊識(shí)別異常流量。當(dāng)發(fā)現(xiàn)異常流量，且持續(xù)時(shí)間超過異常流量觀察期，如式(4)所示，SDN 集中控制器激活多業(yè)務(wù)差異化流量管理策略，對(duì)異常流量進(jìn)行優(yōu)化，避免網(wǎng)絡(luò)性能下降，保障業(yè)務(wù)服務(wù)質(zhì)量。

設(shè)置觀察期Δt，能避免網(wǎng)絡(luò)中的瞬時(shí)突發(fā)流量引起頻繁的流量管理，保障網(wǎng)絡(luò)穩(wěn)定性。Δt與SDN云數(shù)據(jù)中心的網(wǎng)絡(luò)平面、控制平面以及業(yè)務(wù)流量特征等關(guān)聯(lián)，需根據(jù)具體情況進(jìn)行討論和設(shè)置。

3.2 流量管理模型設(shè)計(jì)

云數(shù)據(jù)中心中各類業(yè)務(wù)對(duì)時(shí)延、分組丟失和帶寬等網(wǎng)絡(luò)性能需求具有明顯差異[18]。為實(shí)現(xiàn)云數(shù)據(jù)中心的多業(yè)務(wù)差異化流量管理，需要構(gòu)建多元化業(yè)務(wù)差異化性能需求的流量?jī)?yōu)化模型，達(dá)到增強(qiáng)網(wǎng)絡(luò)性能和業(yè)務(wù)體驗(yàn)的目的。

設(shè)計(jì)云數(shù)據(jù)中心網(wǎng)絡(luò)為有向圖Graph=(N,A)，如圖4所示。其中N是網(wǎng)絡(luò)節(jié)點(diǎn)集合，A是鏈路集合，圖4中Nodei與Nodej間鏈路分別表示為向量(i,j)和向量(j,i)，(i,j)∪(j,i)∈A，表明鏈路中的流量具有方向性。

圖4 云數(shù)據(jù)中心網(wǎng)絡(luò)

用K表示業(yè)務(wù)集合，業(yè)務(wù)k∈K。表示業(yè)務(wù)k是否經(jīng)過鏈路(i,j)，(i,j)∈A。業(yè)務(wù)端到端性能開銷如式(5)所示。

式(5)的各符號(hào)定義如表1所示。

表1 符號(hào)定義

設(shè)計(jì)最小化多業(yè)務(wù)依概率端到端性能開銷作為優(yōu)化目標(biāo)，如式(6)所示。

目標(biāo)函數(shù)為

約束條件為

式(7)表示業(yè)務(wù)流量滿足業(yè)務(wù)周期流量函數(shù)約束，式(8)、式(9)分別表示各業(yè)務(wù)滿足對(duì)應(yīng)的分組丟失、時(shí)延的閾值約束，式(10)表示業(yè)務(wù)k是否經(jīng)過鏈路(i,j)。

將業(yè)務(wù)流行度概率統(tǒng)計(jì)加入目標(biāo)函數(shù)，實(shí)現(xiàn)多業(yè)務(wù)依概率流量管理，增強(qiáng)流量管理的針對(duì)性。業(yè)務(wù)周期流量函數(shù)依歷史流量信息設(shè)計(jì)，具有與各業(yè)務(wù)相匹配的自適應(yīng)特征，將其作為約束條件可強(qiáng)化流量管理模型的動(dòng)態(tài)自適應(yīng)能力。

至此，本文構(gòu)建了適配運(yùn)營(yíng)商云數(shù)據(jù)中心的多業(yè)務(wù)差異化流量管理模型。由模型可知，運(yùn)營(yíng)商云數(shù)據(jù)中心多業(yè)務(wù)差異化流量管理是一個(gè)依概率的多維、多約束和多模優(yōu)化問題，也是一個(gè)NP-hard問題[9]。本文擬針對(duì)所設(shè)計(jì)的MSD 模型，改進(jìn)斐波那契樹優(yōu)化算法，提出一種云數(shù)據(jù)中心流量管理的MSD-FTO 策略，通過在流量管理可行域內(nèi)全局局部交替迭代的多模自適應(yīng)尋優(yōu)，求解多業(yè)務(wù)差異化流量管理方案，達(dá)到提升網(wǎng)絡(luò)性能和業(yè)務(wù)服務(wù)質(zhì)量的目的。

4 流量管理MSD-FTO 策略設(shè)計(jì)

4.1 FTO 多維尋優(yōu)

斐波那契樹優(yōu)化算法是一種基于斐波那契法和黃金分割法思想設(shè)計(jì)的智能優(yōu)化算法[12,19]，斐波那契法和黃金分割法用于求解一維單峰函數(shù)的最優(yōu)性已得到了證明[20]。然而，多業(yè)務(wù)差異化流量管理是一個(gè)多維問題，需要將斐波那契法和黃金分割法的最優(yōu)性從一維拓展到多維，設(shè)計(jì)FTO 基本結(jié)構(gòu)，其全局和局部點(diǎn)在多維可行域中，需滿足式(11)的比例關(guān)系和式(12)的線性關(guān)系。

其中，向量xa、xb為全局端點(diǎn)，xc為局部試探點(diǎn)，F(xiàn)i為斐波那契數(shù)列第i項(xiàng)。

通過FTO 基本結(jié)構(gòu)全局和局部點(diǎn)的多維迭代，形成算法全局局部交替迭代尋優(yōu)過程，迭代過程全局點(diǎn)滿足隨機(jī)性，局部點(diǎn)具有啟發(fā)式信息。FTO 全局局部交替迭代尋優(yōu)過程如同在問題的可行域構(gòu)建了一張“搜索網(wǎng)”，如圖5所示。全局搜索的“擴(kuò)展”和局部搜索的“收縮”，既保證算法全局和局部搜索的均衡性，又確保迭代尋優(yōu)過程漸近收斂逐步逼近最優(yōu)解，還可有效避免FTO 尋優(yōu)陷入局部最優(yōu)，保證多業(yè)務(wù)差異化流量管理方案的最優(yōu)性。

圖5 FTO 算法全局局部搜索示意

FTO 迭代計(jì)算過程中將尋優(yōu)得到的可行解存儲(chǔ)起來，可對(duì)尋優(yōu)過程和結(jié)果進(jìn)行回溯，此記憶功能提高了算法啟發(fā)能力和優(yōu)化效率，對(duì)于解決流量管理的優(yōu)化問題具有實(shí)用價(jià)值。

4.2 FTO 多約束處理

云數(shù)據(jù)中心流量管理屬于多約束優(yōu)化問題，F(xiàn)TO 應(yīng)具備多約束處理能力。本文設(shè)計(jì)一種約束沖突規(guī)則[21]，簡(jiǎn)便有效地處理流量管理的多約束，其基本思想如下。

1)FTO 尋優(yōu)過程產(chǎn)生的所有可行解需進(jìn)行沖突度評(píng)估：如符合式(7)～式(10)的各項(xiàng)約束條件，則沖突度保持不變；若違背一項(xiàng)約束條件，則沖突度加1。

2)FTO 篩選可行解的過程中，通過式(6)目標(biāo)函數(shù)值和沖突度共同決策，可行解的函數(shù)值越優(yōu)、沖突度越小，則此解越優(yōu)；反之則越差。

FTO 約束沖突規(guī)則在處理流量管理多約束的過程中并未改變目標(biāo)函數(shù)結(jié)構(gòu)或引入額外參數(shù)，利用FTO 迭代尋優(yōu)的記憶功能減少可行解篩選的計(jì)算量，提高約束處理的效率，保證算法的簡(jiǎn)便性。在云數(shù)據(jù)中心流量管理實(shí)際應(yīng)用中，應(yīng)考慮各約束之間的優(yōu)先級(jí)和重要性，以提高多約束處理靈活性。

4.3 MSD-FTO 策略流量管理優(yōu)化

多業(yè)務(wù)差異化的流量管理MSD-FTO 策略尋優(yōu)過程可分為初始化、全局搜索、局部搜索和FTO 樹生成等。

1)初始化。在流量管理問題的可行域中，端點(diǎn)集合S依概率隨機(jī)生成滿足斐數(shù)的初始化端點(diǎn)，即|S|=Fi。

2)全局搜索。在流量管理問題的可行域中，依概率生成滿足全局隨機(jī)性點(diǎn)G，如式(13)所示。

其中，d表示維度，mini和 maxi為可行域第i維的上下界，函數(shù)unrand(mini,maxi)保證G點(diǎn)第i維的全局隨機(jī)性。

全局點(diǎn)G和端點(diǎn)集合S內(nèi)的所有點(diǎn)按照FTO基本結(jié)構(gòu)生成Fi個(gè)新試探點(diǎn)，如式(14)所示。

其中，d表示維度，表示全局點(diǎn)G與端點(diǎn)集合S第i個(gè)端點(diǎn)新生成的局部點(diǎn)，表示全局點(diǎn)G與端點(diǎn)集合S第i個(gè)端點(diǎn)的第j維試探點(diǎn)。

全局搜索共生成Fi+1個(gè)新增點(diǎn)，一個(gè)滿足全局隨機(jī)性的全局點(diǎn)G和Fi個(gè)符合黃金分割法局部試探點(diǎn)。

3)局部搜索。在流量管理的可行域中，將端點(diǎn)集合S中函數(shù)值最優(yōu)端點(diǎn)fbest與S的其余所有端點(diǎn)根據(jù)FTO 基本結(jié)構(gòu)，生成Fi-1個(gè)滿足斐數(shù)特性的新局部試探點(diǎn)，如式(15)所示。

其中，d表示維度，表示當(dāng)前函數(shù)值最好的端點(diǎn)fbest與其余第i個(gè)端點(diǎn)新生成的局部點(diǎn)表示當(dāng)前函數(shù)值最好的端點(diǎn)fbest與第i個(gè)端點(diǎn)的第j維的試探點(diǎn)。

4)FTO 樹生成。FTO 全局和局部搜索交替迭代尋優(yōu)，根據(jù)目標(biāo)函數(shù)值保留函數(shù)值較優(yōu)的Fi+1個(gè)端點(diǎn)，更新端點(diǎn)集合S，即|S|=Fi+1。當(dāng)達(dá)到最大迭代次數(shù)N后，構(gòu)造滿足斐數(shù)的N層FTO 樹結(jié)構(gòu)。如圖6所示。

根據(jù)多業(yè)務(wù)差異化流量管理模型設(shè)計(jì)的FTO樹結(jié)構(gòu)，對(duì)于解決實(shí)際問題針對(duì)性強(qiáng)。當(dāng)然，F(xiàn)TO樹結(jié)構(gòu)還可以根據(jù)實(shí)際問題進(jìn)行相應(yīng)適配調(diào)整，提高了算法解決實(shí)際問題的普適性。

FTO 計(jì)算復(fù)雜度與全局、局部點(diǎn)數(shù)量和FTO樹結(jié)構(gòu)有關(guān)[20]。本文針對(duì)流量管理問題設(shè)計(jì)的FTO樹結(jié)構(gòu)依據(jù)斐數(shù)線性增長(zhǎng)，故運(yùn)算簡(jiǎn)單，復(fù)雜度為，其中，C為迭代斐數(shù)和，N為迭代次數(shù)，Ns為端點(diǎn)集合。

圖6 FTO 樹結(jié)構(gòu)生成過程

然而，隨著算法迭代次數(shù)的增加，滿足斐數(shù)的全局、局部點(diǎn)數(shù)量快速增長(zhǎng)必然會(huì)影響算法效率，考慮云數(shù)據(jù)中心流量管理實(shí)際，設(shè)置FTO 樹結(jié)構(gòu)的剪枝機(jī)制，如式(16)所示。

其中，num 為問題的可行解數(shù)量，F(xiàn)i為斐數(shù)大小，n為斐數(shù)序列。若所需解個(gè)數(shù)num＝3，則Fi＝5，如圖7所示。

圖7 FTO 剪枝樹結(jié)構(gòu)

云數(shù)據(jù)中心網(wǎng)絡(luò)性能、業(yè)務(wù)流量和用戶需求具有極強(qiáng)的動(dòng)態(tài)特征，流量管理要綜合考慮網(wǎng)絡(luò)全局性、業(yè)務(wù)差異化、商業(yè)需求和政策規(guī)范等多重因素[22]。MSD-FTO 策略應(yīng)該具備差異化的多模自適應(yīng)尋優(yōu)能力，根據(jù)需要尋優(yōu)到多個(gè)符合條件差異化的流量管理方案，更好地適應(yīng)云數(shù)據(jù)中心流量管理的多維決策和動(dòng)態(tài)特征。因此，MSD-FTO 差異化尋優(yōu)能力對(duì)云數(shù)據(jù)中心流量管理具有重要的實(shí)用價(jià)值和現(xiàn)實(shí)意義。

4.4 MSD-FTO 策略差異化尋優(yōu)設(shè)計(jì)

根據(jù)對(duì)云數(shù)據(jù)中心流量特征的分析，本文設(shè)計(jì)了距離參數(shù)，如式(17)所示。使MSD-FTO 策略具備差異化的多模尋優(yōu)能力。

其中，DX,Y表示X與Y的歐氏距離；d表示維度；Xj與Yj表示迭代過程中任意變量X與Y的第j維坐標(biāo)；R表示距離參數(shù)，其值根據(jù)奈奎斯特采樣定理和MSD 模型目標(biāo)函數(shù)變化頻率來確定；f表示目標(biāo)函數(shù)的最大變化頻率。

FTO 全局局部交替迭代尋優(yōu)得到的可行解之間，通過式(17)進(jìn)行兩兩比較。

1)若DX,Y

2)若DX,Y>R，則兩解均保留。

如圖8所示，多業(yè)務(wù)差異化流量管理問題可行域中，F(xiàn)TO 通過距離參數(shù)R能夠?qū)崿F(xiàn)多模問題尋優(yōu)。但是，當(dāng)收斂到多個(gè)目標(biāo)極值的ε-鄰域，且ε→0時(shí)，F(xiàn)TO 全局隨機(jī)點(diǎn)G在該ε-鄰域生成的概率趨近于0，因而，可能造成算法收斂慢或收斂停滯的問題[12]。

圖8 FTO 差異化流量管理示意

為提高M(jìn)SD-FTO 策略的多模尋優(yōu)能力和效率，考慮本文設(shè)計(jì)的運(yùn)營(yíng)商云數(shù)據(jù)中心流量管理規(guī)則與MSD 模型在實(shí)際應(yīng)用中可預(yù)知流量周期與業(yè)務(wù)的差異化性能需求等，都是可明確的特定可行域。故設(shè)計(jì)與FTO 距離參數(shù)R相結(jié)合的末梢自適應(yīng)半徑r，將其定義為一個(gè)針對(duì)特定可行域范圍的全局點(diǎn)生成規(guī)則，如式(18)所示。

其中，末梢自適應(yīng)半徑r表示流量管理可行域中，端點(diǎn)集合S在MSD 模型約束條件范圍內(nèi)最優(yōu)點(diǎn)fbest和最差點(diǎn)fworst的歐氏距離。

距離參數(shù)R引入末梢自適應(yīng)半徑r能調(diào)整多模尋優(yōu)時(shí)全局隨機(jī)點(diǎn)G的生成域，提高多目標(biāo)極值的ε-鄰域上全局點(diǎn)G的生成概率，使MSD-FTO 策略具備多模自適應(yīng)尋優(yōu)能力，增強(qiáng)尋優(yōu)能力和收斂效率，對(duì)于解決本文提出的多業(yè)務(wù)差異化流量管理具有實(shí)用性。文獻(xiàn)[12]已對(duì)末梢自適應(yīng)半徑的有效性和收斂效率進(jìn)行了驗(yàn)證。

MSD-FTO 策略流程如下所示。

1)初始化流量管理可行域端點(diǎn)集合S

2)whilei<=N

3)begin FTO

4)F1=F2=1

5)fori>2

6)Fi=Fi-2+Fi-1

7)MSD-FTO_()根據(jù)式(13)生成全局隨機(jī)點(diǎn)G

8)for eachs∈Sdo

9)G與s按照式(12)產(chǎn)生Fi個(gè)局部試探點(diǎn)

10)end for

11)確定集合S中最優(yōu)值點(diǎn)fbest

12)for eachs∈Sdo

13)fbest與其余的端點(diǎn)s按黃金分割等比例生成Fi-1新的局部點(diǎn)

14)end for

15)MSD-FTO_R()根據(jù)式(18)生成全局點(diǎn)G

16)for eachs∈Sdo

17)ifDX,Y

18)S←the better solution

19) else ifDX,Y>Rthen

20)S←both solutions

21)end if

22)end for

23)S←Fi+1形成新的端點(diǎn)集合S

24)判斷迭代次數(shù)是否達(dá)到N，否則轉(zhuǎn)到MSD-FTO_()

25)根據(jù)式(16)輸出流量管理的差異化方案

26)end for

27)end

28)end while

針對(duì)構(gòu)建的MSD 模型，設(shè)計(jì)FTO 樹結(jié)構(gòu)，將斐波那契法和黃金分割法的最優(yōu)性從一維拓展到多維，解決流量管理的多維問題；設(shè)計(jì)FTO 約束沖突規(guī)則處理流量管理的多約束問題。FTO 全局局部交替迭代尋優(yōu)使算法不易陷入局部最優(yōu)，確保流量管理方案的最優(yōu)性。

結(jié)合運(yùn)營(yíng)商云數(shù)據(jù)中心流量特征和運(yùn)營(yíng)管理需求，設(shè)計(jì)距離參數(shù)R和末梢自適應(yīng)半徑r，使MSD-FTO策略具備差異化自適應(yīng)尋優(yōu)能力，一次尋優(yōu)得到多個(gè)差異化的流量管理優(yōu)化方案，提高云數(shù)據(jù)中心多業(yè)務(wù)差異化流量管理的多維決策能力和優(yōu)化效率。

5 實(shí)驗(yàn)與分析

5.1 實(shí)驗(yàn)環(huán)境搭建

本文提出的MSD-FTO 策略，主要針對(duì)運(yùn)營(yíng)商云數(shù)據(jù)中心流量管理問題，由于云數(shù)據(jù)中心承載多業(yè)務(wù)，面向多用戶不具備重復(fù)實(shí)驗(yàn)或?qū)嶒?yàn)過程復(fù)現(xiàn)的條件，故通過Mininet[23]＋POX[24]平臺(tái)，搭建一個(gè)模擬SDN 云數(shù)據(jù)中心，如圖9所示。實(shí)驗(yàn)過程盡可能使用云數(shù)據(jù)中心網(wǎng)絡(luò)真實(shí)數(shù)據(jù)進(jìn)行模擬。平臺(tái)配置為：2臺(tái)DELL R720，雙Xeon E5620，2.4 GHz，內(nèi)存8 GB，硬盤600 GB。

圖9 Fat-tree 實(shí)驗(yàn)拓?fù)浣Y(jié)構(gòu)

5.2 FTO 尋優(yōu)效果分析

本文借助Matlab2016a 進(jìn)行仿真實(shí)驗(yàn)，通過FTO 尋優(yōu)與云數(shù)據(jù)中心流量特征近似的各類多峰函數(shù)極值點(diǎn)，如表2所示，驗(yàn)證FTO 對(duì)于多業(yè)務(wù)差異化方案的尋優(yōu)能力和多模自適應(yīng)特性。

表2 多峰函數(shù)

算法參數(shù)配置如表3所示，重復(fù)實(shí)驗(yàn)30次，記錄尋優(yōu)結(jié)果均值，如圖10所示。

由圖10的結(jié)果可知，F(xiàn)TO 可以一次性找到所有多峰函數(shù)的全部極值點(diǎn)，且尋優(yōu)結(jié)果的精度較高。如函數(shù)f3有一個(gè)全局最優(yōu)解和一個(gè)局部最優(yōu)解，F(xiàn)TO 能以較少的迭代次數(shù)一次性找到極值點(diǎn)，未出現(xiàn)收斂停滯問題。部分性能不佳的優(yōu)化算法尋優(yōu)過程容易陷入局部最優(yōu)解或收斂停滯，可能無法找到函數(shù)次優(yōu)解。尋優(yōu)結(jié)果充分體現(xiàn)了FTO 良好的尋優(yōu)能力和靈活多模自適應(yīng)特性。

表3 FTO 求解多峰函數(shù)參數(shù)設(shè)置

可見，將FTO 應(yīng)用于多業(yè)務(wù)差異化流量管理方案的尋優(yōu)時(shí)，能保證求解方案的最優(yōu)性，而且按需得到滿足條件的差異化流量管理方案，能提高云數(shù)據(jù)中心流量差異化管理能力和流量?jī)?yōu)化的多維決策水平。

5.3 MSD-FTO 策略有效性分析

本文設(shè)計(jì)實(shí)驗(yàn)以Iperf[25]作為流量產(chǎn)生工具，模擬云數(shù)據(jù)中心網(wǎng)絡(luò)中的業(yè)務(wù)流量，通過對(duì)流量管理規(guī)則定義的可預(yù)知隨機(jī)型流量和非可預(yù)知突發(fā)型流量進(jìn)行分類管理，驗(yàn)證MSD-FTO 策略有效性。同時(shí)由于ECMP 與運(yùn)營(yíng)商云數(shù)據(jù)中心的真實(shí)網(wǎng)絡(luò)場(chǎng)景類似，因此MSD-FTO 策略與ECMP 比較，可驗(yàn)證該策略應(yīng)用于運(yùn)營(yíng)商云數(shù)據(jù)中心的有效性和合理性。

對(duì)于可預(yù)知隨機(jī)型流量，根據(jù)規(guī)則1，當(dāng)進(jìn)入可預(yù)知周期時(shí)，激活MSD-FTO 策略進(jìn)行針對(duì)性的多業(yè)務(wù)差異化流量管理。重復(fù)實(shí)驗(yàn)30次，流量變化均值如圖11所示。

從圖11中可以看出，時(shí)間軸25為起始時(shí)刻，當(dāng)激活MSD-FTO 策略進(jìn)行流量管理后，鏈路中的業(yè)務(wù)流量呈逐步下降趨勢(shì)；未激活MSD-FTO 策略依然采用ECMP 進(jìn)行流量管理，鏈路中的流量持續(xù)增大直至出現(xiàn)鏈路擁塞。同等條件下，MSD-FTO策略能對(duì)流量進(jìn)行合理轉(zhuǎn)發(fā)和優(yōu)化，流量管理能力優(yōu)于ECMP。

運(yùn)營(yíng)商云數(shù)據(jù)中心的多業(yè)務(wù)與多用戶間流量以南北向流量為主，網(wǎng)絡(luò)節(jié)點(diǎn)均存在多條等價(jià)路徑，針對(duì)其網(wǎng)絡(luò)和業(yè)務(wù)流量特征，MSD-FTO 策略能高效完成可預(yù)知隨機(jī)型流量的管理優(yōu)化，達(dá)到流量管理的預(yù)期效果。

對(duì)于非可預(yù)知突發(fā)型流量的管理，根據(jù)規(guī)則2考慮云數(shù)據(jù)中心的實(shí)際情況，通常SDN 集中控制器中流量監(jiān)控模塊的數(shù)據(jù)采集周期為5～10 min/次，故模擬實(shí)驗(yàn)中的異常流量觀察期Δt設(shè)置為10 min。重復(fù)實(shí)驗(yàn)30次，平均結(jié)果如圖12所示。

圖10 多峰函數(shù)的尋優(yōu)結(jié)果

圖11 可預(yù)知隨機(jī)型流量管理

圖12 非可預(yù)知突發(fā)型流量管理

當(dāng)SDN 集中控制器的流量分析模塊識(shí)別出非可預(yù)知突發(fā)流量，并達(dá)到異常流量觀察期上限，即異常流量持續(xù)時(shí)間達(dá)到10 min 后，激活MSD-FTO策略對(duì)突發(fā)流量進(jìn)行管理優(yōu)化。從圖12中可以看出，MSD-FTO 策略使高于歷史流量閾值的異常流量下降，逐步恢復(fù)到正常范圍；未激活MSD-FTO策略依然使用ECMP 進(jìn)行流量管理，突發(fā)流量持續(xù)高于歷史閾值，這樣可能造成流量不均或網(wǎng)絡(luò)擁塞，影響業(yè)務(wù)體驗(yàn)。MSD-FTO 策略能對(duì)網(wǎng)絡(luò)中出現(xiàn)的突發(fā)流量進(jìn)行優(yōu)化，有效避免網(wǎng)絡(luò)擁塞，保證網(wǎng)絡(luò)性能和業(yè)務(wù)服務(wù)質(zhì)量。

模擬實(shí)驗(yàn)結(jié)果表明，MSD-FTO 策略能對(duì)云數(shù)據(jù)中心可預(yù)知隨機(jī)型流量和非可預(yù)知突發(fā)型流量進(jìn)行合理和有效的管理優(yōu)化，避免網(wǎng)絡(luò)鏈路擁塞，保證網(wǎng)絡(luò)性能和業(yè)務(wù)服務(wù)質(zhì)量。后續(xù)在實(shí)際運(yùn)營(yíng)商云數(shù)據(jù)中心部署MSD-FTO 策略時(shí)，應(yīng)統(tǒng)籌考慮網(wǎng)絡(luò)規(guī)模、流量特征以及流量管理差異化需求等各種因素，確保MSD-FTO 策略在實(shí)際環(huán)境中的應(yīng)用效果。

5.4 MSD-FTO 策略尋優(yōu)效果比較分析

本文設(shè)計(jì)MSD 模型的優(yōu)化目標(biāo)是最小化多業(yè)務(wù)依概率端到端性能開銷，與文獻(xiàn)[26]所設(shè)計(jì)模型相似，應(yīng)用FTO 與文獻(xiàn)[26]中的遺傳算法（GA）和改進(jìn)遺傳算法（IGA）進(jìn)行尋優(yōu)效果比較分析。

Mininet 平臺(tái)及業(yè)務(wù)相關(guān)參數(shù)配置參考文獻(xiàn)[27]，F(xiàn)TO 參數(shù)設(shè)置為N=300，num=3；GA、IGA 參數(shù)設(shè)置為種群規(guī)模80，交叉概率0.6，變異概率0.1，最大迭代次數(shù)300。重復(fù)實(shí)驗(yàn)30次，最小化多業(yè)務(wù)依概率端到端性能開銷尋優(yōu)結(jié)果均值如表4所示。

表4 依概率端到端性能開銷尋優(yōu)結(jié)果均值

從表4可以看出，針對(duì)本文所設(shè)計(jì)的MSD 模型，同等條件 FTO 尋優(yōu)結(jié)果優(yōu)于GA 和IGA 的尋優(yōu)結(jié)果，而且FTO 能夠一次尋優(yōu)得到多個(gè)差異化的流量管理方案，文獻(xiàn)[26]中GA 和IGA 不具備多模優(yōu)化能力。相比之下，F(xiàn)TO 簡(jiǎn)便、高效，其穩(wěn)定的全局尋優(yōu)能力和靈活的多模自適應(yīng)特性與所設(shè)計(jì)MSD 模型匹配，對(duì)解決運(yùn)營(yíng)商云數(shù)據(jù)中心多業(yè)務(wù)差異化流量管理問題具有實(shí)用價(jià)值。

本文選取云數(shù)據(jù)中心流行度較高的4K、IPTV和Web 業(yè)務(wù)進(jìn)行模擬實(shí)驗(yàn)，驗(yàn)證MSD-FTO 策略多業(yè)務(wù)差異化的流量管理能力。根據(jù)4K、IPTV 和Web 業(yè)務(wù)實(shí)際，將業(yè)務(wù)獨(dú)立性因子γk(t)分別設(shè)置為1.1、1.0和0.9；流量變化因子λk(t)分別設(shè)置為0.7、0.8和0.95。各業(yè)務(wù)性能參數(shù)如表5所示，重復(fù)實(shí)驗(yàn)30次，結(jié)果如圖13所示。

圖13 多業(yè)務(wù)流量管理分析

從圖13可以看出，MSD-FTO 策略具備多業(yè)務(wù)差異化的優(yōu)化管理能力，一次尋優(yōu)可根據(jù)需要得到多個(gè)差異化的方案。文獻(xiàn)[26]中GA 和IGA由于算法不具備多模能力，一次尋優(yōu)只能得到唯一解，若需多個(gè)方案需要進(jìn)行多次尋優(yōu)，隨著業(yè)務(wù)數(shù)量的增加流量管理優(yōu)化效率必然受到影響。因此，MSD-FTO 穩(wěn)定的全局尋優(yōu)能力和靈活的多模自適應(yīng)特性，能滿足云數(shù)據(jù)中心多業(yè)務(wù)差異流量管理需求。

5.5 多業(yè)務(wù)差異化性能比較分析

云數(shù)據(jù)中心4K、IPTV 和Web 這3類業(yè)務(wù)具有明顯的差異化性能要求。對(duì)3類業(yè)務(wù)進(jìn)行模擬實(shí)驗(yàn)，性能參數(shù)如表5所示。對(duì)比ECMP 和MSD-FTO 策略對(duì)3類業(yè)務(wù)網(wǎng)絡(luò)時(shí)延和分組丟失率性能的影響，通過Mininet 平臺(tái)ping 測(cè)和統(tǒng)計(jì)各類型業(yè)務(wù)性能指標(biāo)，重復(fù)實(shí)驗(yàn)30次，結(jié)果均值如圖14所示。

表5 各業(yè)務(wù)性能參數(shù)

圖14 ECMP 與FTO 業(yè)務(wù)質(zhì)量比較

從圖14中可以看出，MSD-FTO 策略能更有效地保證多業(yè)務(wù)的服務(wù)質(zhì)量，同等條件4K、IPTV 和Web 業(yè)務(wù)的網(wǎng)絡(luò)時(shí)延和分組丟失率指標(biāo)整體優(yōu)于ECMP 管理優(yōu)化的結(jié)果。實(shí)驗(yàn)表明，MSD-FTO 策略能對(duì)多業(yè)務(wù)流量進(jìn)行合理和有效的管理，滿足運(yùn)營(yíng)商云數(shù)據(jù)中心多業(yè)務(wù)差異化流量管理需求，有效提升云數(shù)據(jù)中心網(wǎng)絡(luò)性能和業(yè)務(wù)體驗(yàn)。

模擬環(huán)境與真實(shí)網(wǎng)絡(luò)場(chǎng)景存在一定差異，后續(xù)將結(jié)合運(yùn)營(yíng)商云數(shù)據(jù)中心真實(shí)場(chǎng)景進(jìn)一步驗(yàn)證和優(yōu)化各參數(shù)的設(shè)置，提高M(jìn)SD-FTO 策略在真實(shí)網(wǎng)絡(luò)的適用性。

6 結(jié)束語

為提高運(yùn)營(yíng)商云數(shù)據(jù)中心多業(yè)務(wù)差異化的流量管理能力，綜合考慮網(wǎng)絡(luò)性能、流量特征和業(yè)務(wù)體驗(yàn)等因素，提出一種面向云數(shù)據(jù)中心的流量管理優(yōu)化策略。針對(duì)運(yùn)營(yíng)商云數(shù)據(jù)中心流量特征，構(gòu)建SDN 云數(shù)據(jù)中心多業(yè)務(wù)差異化流量管理規(guī)則與模型，提出多業(yè)務(wù)差異化流量管理的MSD-FTO 策略，通過Mininet 搭建模擬平臺(tái)驗(yàn)證MSD-FTO 策略有效性。結(jié)果表明，MSD-FTO 策略能對(duì)多業(yè)務(wù)流量進(jìn)行合理的差異化管理，提升了網(wǎng)絡(luò)性能和業(yè)務(wù)體驗(yàn)，MSD-FTO 策略一次尋優(yōu)得到多個(gè)滿足條件的差異化流量管理方案，能提高流量管理的時(shí)效性和靈活性，對(duì)于運(yùn)營(yíng)商云數(shù)據(jù)中心具有理論和實(shí)用價(jià)值。

下一步研究工作，計(jì)劃在真實(shí)云數(shù)據(jù)中心網(wǎng)絡(luò)中部署MSD-FTO 策略，進(jìn)一步調(diào)試和驗(yàn)證該策略的有效性和實(shí)用性，實(shí)現(xiàn)運(yùn)營(yíng)商云數(shù)據(jù)中心多業(yè)務(wù)流量的差異化管理優(yōu)化。