林 國(guó) 勇

(廣西民族大學(xué)相思湖學(xué)院 廣西 南寧 530008)

0 引 言

為加速各產(chǎn)業(yè)領(lǐng)域的融合推廣，近年互聯(lián)網(wǎng)+技術(shù)得以部署，與之相關(guān)的大數(shù)據(jù)[1]業(yè)務(wù)也隨之興起。為了順應(yīng)產(chǎn)業(yè)發(fā)展對(duì)網(wǎng)絡(luò)應(yīng)用的要求，作為承載大數(shù)據(jù)的DCN，在疏導(dǎo)數(shù)據(jù)流量載荷方面也就面臨局向機(jī)制的革新。在當(dāng)前新型DCN應(yīng)用環(huán)境中，服務(wù)器節(jié)點(diǎn)對(duì)的頻繁交互在很大程度上已遠(yuǎn)超傳統(tǒng)網(wǎng)絡(luò)中數(shù)據(jù)通信端與服務(wù)器的呼叫連接頻率。尤其在引入云計(jì)算后，劇增的服務(wù)器節(jié)點(diǎn)對(duì)規(guī)模使得DCN面臨著QoE考驗(yàn)。雖然DCN可在較短時(shí)間內(nèi)建立新的計(jì)算與儲(chǔ)存實(shí)例，卻無法保證計(jì)算策略是否具備全局適應(yīng)性，進(jìn)而導(dǎo)致全局網(wǎng)絡(luò)在應(yīng)對(duì)隨機(jī)突發(fā)數(shù)據(jù)流量載荷時(shí)的QoE受到潛在性損傷?；诖耍岢隽艘环N有利于數(shù)據(jù)流高效轉(zhuǎn)發(fā)管理的網(wǎng)絡(luò)架構(gòu)——軟件定義胖樹結(jié)構(gòu)數(shù)據(jù)中心網(wǎng)絡(luò)。從架構(gòu)上看，軟件定義網(wǎng)絡(luò)(SDN)采用控制和轉(zhuǎn)發(fā)解耦的設(shè)計(jì)理念[2]來管理隨機(jī)突發(fā)數(shù)據(jù)流，取代了傳統(tǒng)網(wǎng)絡(luò)中將流量調(diào)度機(jī)制集中于單個(gè)網(wǎng)元節(jié)點(diǎn)的設(shè)計(jì)。將隨機(jī)突發(fā)數(shù)據(jù)流載荷的局向流表計(jì)算作業(yè)部署到控制域中的控制器，并將流表項(xiàng)的局向決策通過南向接口[3]更新到轉(zhuǎn)發(fā)域中的交換機(jī)，再由交換機(jī)對(duì)隨機(jī)突發(fā)數(shù)據(jù)流實(shí)施轉(zhuǎn)發(fā)。

據(jù)文獻(xiàn)[3]統(tǒng)計(jì)，軟件定義胖樹結(jié)構(gòu)數(shù)據(jù)中心網(wǎng)絡(luò)上的隨機(jī)突發(fā)數(shù)據(jù)流規(guī)模狀態(tài)呈現(xiàn)兩極分布：約九成的大流主要來源于虛擬機(jī)的轉(zhuǎn)移和數(shù)據(jù)容災(zāi)備份。其承載帶寬之大、承載時(shí)延之長(zhǎng)的特性決定了一旦遭遇流局向瓶頸，勢(shì)必引發(fā)全網(wǎng)大數(shù)據(jù)阻塞風(fēng)暴；剩下的小流主要來源于在線交互式應(yīng)用型業(yè)務(wù)[4]。與大流相反，其承載帶寬較小，但規(guī)模較多，對(duì)流時(shí)延較為敏感。同時(shí)，在大流遭遇大數(shù)據(jù)風(fēng)暴時(shí)，勢(shì)必影響到既有小流的局向成效，導(dǎo)致全網(wǎng)二次局向風(fēng)險(xiǎn)?？梢?，能否高效地對(duì)不同規(guī)模特征的隨機(jī)突發(fā)數(shù)據(jù)流量載荷實(shí)施局向管理，關(guān)系到SDN頂層業(yè)務(wù)應(yīng)用層的QoE。因此，圍繞QoE展開相關(guān)局向管理方案的思考成為業(yè)界亟待解決的重要問題。

文獻(xiàn)[5]提出的等開銷多徑路由機(jī)制，其核心思想是在信源和信宿對(duì)之間計(jì)算出權(quán)值相同的鏈路集合來對(duì)隨機(jī)突發(fā)數(shù)據(jù)流的載荷流量實(shí)施均衡局向分流。該機(jī)制雖能在某種程度上緩解某一個(gè)網(wǎng)元節(jié)點(diǎn)的故障，但突發(fā)特性的隨機(jī)大小流令網(wǎng)絡(luò)參數(shù)呈現(xiàn)實(shí)時(shí)多變的情形是等開銷多徑路由機(jī)制所無法適應(yīng)的。這其中包含了一系列與QoE密切相關(guān)的流承載時(shí)延、吞吐量、可靠性等動(dòng)態(tài)參數(shù)指標(biāo)。此時(shí)，仍一味堅(jiān)持從相同最小開銷的鏈路集合中規(guī)劃出備用的局向用于管理隨機(jī)突發(fā)數(shù)據(jù)流，顯然不科學(xué)。這種固定模式的多徑路由機(jī)制并不適合部署在現(xiàn)有的突發(fā)網(wǎng)絡(luò)上。因此，文獻(xiàn)[6]探討了一種動(dòng)態(tài)調(diào)度算法，首先為大流定義一個(gè)比特率門限，并在一個(gè)擬定的周期內(nèi)從隨機(jī)突發(fā)數(shù)據(jù)流載荷中遍歷出符合特征的大流，然后評(píng)估大流的帶寬規(guī)模，最后根據(jù)鏈路的實(shí)時(shí)承載度為該大流規(guī)劃出合適的轉(zhuǎn)發(fā)局向。相比之下，調(diào)度算法的動(dòng)態(tài)性與突發(fā)網(wǎng)絡(luò)的實(shí)時(shí)性保持了良好的同步，使得網(wǎng)絡(luò)流業(yè)務(wù)的QoE得以改善。然而受限于周期性遍歷大流期間控制器和交換機(jī)的頻繁交互引發(fā)的開銷資源的枯竭，使得該算法對(duì)硬件資源形成了較強(qiáng)的依賴性。同時(shí)數(shù)據(jù)流的隨機(jī)突發(fā)特性制約了遍歷的效能度。比如：遍歷結(jié)果必須在遍歷周期期滿后才提交，從而忽略了遍歷周期外出現(xiàn)網(wǎng)絡(luò)阻塞的情形。鑒于隨機(jī)流量載荷的特發(fā)特性，當(dāng)達(dá)到遍歷周期時(shí)網(wǎng)絡(luò)實(shí)時(shí)參量或許已動(dòng)態(tài)變化。此外，該算法的動(dòng)態(tài)調(diào)度對(duì)象僅限于隨機(jī)突發(fā)大流。與之相反，文獻(xiàn)[7]的流均衡算法旨在解決隨機(jī)突發(fā)小流的擁塞問題。其均衡理念是為所有的原始隨機(jī)突發(fā)小流分別生成一個(gè)仿真流，當(dāng)有一條小流完成一次傳輸作業(yè)時(shí)，信宿則順利獲取所有的數(shù)據(jù)信息。由于原始流的源端口編號(hào)是通過對(duì)仿真流的源端口編號(hào)執(zhí)行減1操作而來，因此仿真流和原始小流的區(qū)分可通過讀取源端口編號(hào)來識(shí)別。該算法有效地改善了隨機(jī)突發(fā)小流的承載時(shí)延，但依然存在不足之處：(1) 在隨機(jī)突發(fā)大流和小流并存的網(wǎng)絡(luò)中，很難在短時(shí)期內(nèi)遍歷出良好的路由局向?yàn)樾×魈峁┏休d保障；(2) 在忽略網(wǎng)絡(luò)實(shí)時(shí)載荷程度和實(shí)時(shí)載荷數(shù)量的前提下，機(jī)械地為所有隨機(jī)突發(fā)小流生成仿真流的策略將嚴(yán)重消耗帶寬資源。

源于上述傳統(tǒng)研究的局限性，本文結(jié)合軟件定義胖樹數(shù)據(jù)中心網(wǎng)絡(luò)在載荷動(dòng)態(tài)調(diào)度方面的結(jié)構(gòu)性優(yōu)勢(shì)，從全局視域角度出發(fā)構(gòu)思一種可區(qū)分隨機(jī)突發(fā)大小流特征的QoE算法，用于實(shí)施大小流局向的科學(xué)規(guī)劃，以提升網(wǎng)絡(luò)業(yè)務(wù)的QoE。

1 方案設(shè)計(jì)

參照文獻(xiàn)[8]，本文對(duì)隨機(jī)突發(fā)流做如下定義：?jiǎn)挝粫r(shí)間內(nèi)某一條數(shù)據(jù)流所承載的數(shù)據(jù)量不超過局向鏈路帶寬資源的10%，定義該流為隨機(jī)突發(fā)小流；反之，則定義該流為隨機(jī)突發(fā)大流。據(jù)此定義，算法可通過解析單元經(jīng)由控制域統(tǒng)計(jì)全網(wǎng)參量來實(shí)施隨機(jī)突發(fā)大小流的甄別。鑒于兩種流特征對(duì)承載要求的差異化，研究基于流特征區(qū)分的并存保障方案便是本文QoE算法所要完成的目標(biāo)任務(wù)。

針對(duì)該任務(wù)，業(yè)界此前開展過相關(guān)研究工作但依舊存在一些不足：(1) 在主機(jī)規(guī)模較大的全網(wǎng)中需逐個(gè)配置主機(jī)內(nèi)核；(2) 以大量交換轉(zhuǎn)發(fā)單元和控制單元的交互頻率為代價(jià)降低某一個(gè)控制單元的重載度等。而本文QoE算法則可在不依賴網(wǎng)絡(luò)和節(jié)點(diǎn)開銷資源的前提下實(shí)施基于流特征的個(gè)性化局向，主要通過定義一個(gè)基于流特征的個(gè)性化局向權(quán)衡度。然后參照該權(quán)衡度從多徑選項(xiàng)中分別規(guī)劃出基于不同流特征的最短局向鏈路，以此為雙流的并存承載提供局向可靠性保障。這種在隨機(jī)突發(fā)環(huán)境下為數(shù)據(jù)流動(dòng)態(tài)地尋找一個(gè)基于QoE的局向，可視為一個(gè)基于約束的最短局向問題的求解。這正是QoE算法的目標(biāo)。故在算法設(shè)計(jì)中為不同流定義一個(gè)科學(xué)的約束性和合理的權(quán)衡度是本文算法的重點(diǎn)。

基于流特征的約束性QoE算法的部署是通過在軟件定義胖樹數(shù)據(jù)中心網(wǎng)絡(luò)中的控制域植入偵聽單元、解析單元和局向單元來實(shí)現(xiàn)，其中：偵聽單元通過調(diào)用statistics()來監(jiān)視全局視域下網(wǎng)絡(luò)的動(dòng)態(tài)參量，包含端口比特率等，并移交至解析單元；解析單元基于所監(jiān)視的全局動(dòng)態(tài)參量自適應(yīng)地定義門限[9]，根據(jù)偵聽單元搜集到的端口比特率值大小解析出大小流，并將解析結(jié)果提交給局向單元；(3) 局向單元結(jié)合解析數(shù)據(jù)結(jié)果，以及偵聽單元提供的鏈路實(shí)時(shí)時(shí)延參量、鏈路實(shí)時(shí)丟包參量、鏈路實(shí)時(shí)可支配開銷資源等一些與QoE相關(guān)的指標(biāo)，統(tǒng)籌為大小流制定流表項(xiàng)策略，再經(jīng)由南向接口下達(dá)給轉(zhuǎn)發(fā)域中的交換轉(zhuǎn)發(fā)網(wǎng)元內(nèi)存中，為良好地局向大小流、改善業(yè)務(wù)應(yīng)用的QoE提供依據(jù)。由上述三個(gè)單元構(gòu)成的QoE算法系統(tǒng)，實(shí)施過程如圖1所示。

圖1 基于流特征區(qū)分的約束性QoE算法步驟

軟件定義胖樹數(shù)據(jù)中心網(wǎng)絡(luò)對(duì)于隨機(jī)突發(fā)流的區(qū)分和局向策略的制定等核心數(shù)據(jù)處理環(huán)節(jié)主要通過控制域來響應(yīng)。控制域中的控制器經(jīng)由南向接口連向底層轉(zhuǎn)發(fā)域中的交換機(jī)，而交換機(jī)又直接面向終端服務(wù)器，因此控制器可順利獲取全域性網(wǎng)絡(luò)實(shí)時(shí)參量狀態(tài)，對(duì)交換機(jī)實(shí)施集中式管理。同時(shí)，控制域中的控制器經(jīng)北向可編程接口可對(duì)頂層的網(wǎng)絡(luò)應(yīng)用層進(jìn)行隨機(jī)突發(fā)業(yè)務(wù)的自定義。在底層交換機(jī)首次承載隨機(jī)突發(fā)數(shù)據(jù)流時(shí)，交換機(jī)將向上層的控制域提交流表項(xiàng)計(jì)算請(qǐng)求，待控制器啟動(dòng)基于流區(qū)分的局向算法響應(yīng)出基于流特征的局向策略后，再將該策略以局向流表項(xiàng)形式寫入交換機(jī)內(nèi)存的流表中。此后轉(zhuǎn)發(fā)域中的交換機(jī)將參照其內(nèi)存中流表內(nèi)的流表項(xiàng)對(duì)隨機(jī)突發(fā)流進(jìn)行局向轉(zhuǎn)發(fā)作業(yè)。整個(gè)QoE算法從全局參數(shù)偵聽到流表項(xiàng)響應(yīng)一系列部署過程，始終與全網(wǎng)數(shù)據(jù)流的隨機(jī)突發(fā)特性保持動(dòng)態(tài)同步，因此基于流特征區(qū)分的局向方案具備良好的自適應(yīng)能力，更有助于改善網(wǎng)絡(luò)應(yīng)用層中與QoE有關(guān)的一系列指標(biāo)。

2 算法設(shè)計(jì)

QoE算法的核心思想是在軟件定義胖樹數(shù)據(jù)中心網(wǎng)絡(luò)平臺(tái)上通過一定的機(jī)制從隨機(jī)突發(fā)數(shù)據(jù)流中解析出大小流，并啟動(dòng)局向算法從全局中規(guī)劃出最優(yōu)[10]局向分別用于疏導(dǎo)隨機(jī)突發(fā)大小流，以確保全局吞吐量、帶寬利用率、流承載時(shí)延等參量的優(yōu)化狀態(tài)。算法的焦點(diǎn)在于如何從全局多徑選項(xiàng)中計(jì)算出具有約束性的低代價(jià)鏈路。在此情形下，QoE可視作是一個(gè)和上述網(wǎng)絡(luò)狀態(tài)參量相關(guān)的函數(shù)架構(gòu)。為將此函數(shù)架構(gòu)和約束局向拓展到SDN用于求解路由問題，文獻(xiàn)[11]提出了定義流規(guī)模、可靠性和局向距離等作為流調(diào)度的基本要素，并提出了基于詞義疊加或直接疊加的復(fù)合權(quán)衡度概念，同時(shí)也驗(yàn)證了局向度量的單調(diào)性?；诖硕攘磕Ｐ突A(chǔ)，文獻(xiàn)[12]主張運(yùn)用改進(jìn)的Dijkstra計(jì)算策略搜索出最優(yōu)局向，其思想為通過定義局向權(quán)值函數(shù)來確保每一條路由的暢通。然而該方案未顧及到流局向的約束前提條件。針對(duì)此問題，文獻(xiàn)[13]提出了流在不同約束前提條件下進(jìn)行局向的收斂問題，但是卻未能保證每一跳局向的收斂性?；诖?，本文構(gòu)思一個(gè)新的度量屬性函數(shù)來衡量基于流大小區(qū)分的局向穩(wěn)定程度。構(gòu)思前需首先規(guī)劃一個(gè)有向拓?fù)浣Y(jié)構(gòu)模型，通過引入基于隨機(jī)突發(fā)流規(guī)模特征的個(gè)性化權(quán)衡度來求解局向目標(biāo)函數(shù)，進(jìn)而實(shí)施基于約束的局向鏈路代價(jià)評(píng)估。該拓?fù)浣Y(jié)構(gòu)的數(shù)學(xué)模型如下：

根據(jù)上述關(guān)于隨機(jī)大小流特征描述可知，在網(wǎng)絡(luò)中小流占據(jù)較大數(shù)量規(guī)模且持續(xù)時(shí)長(zhǎng)較短，對(duì)時(shí)延較為敏感。故在混合權(quán)衡函數(shù)中引入丟包率和時(shí)延這樣的具有代表性的小流特征參量作為局向的權(quán)衡參數(shù)。將路徑L中k條鏈路的混合權(quán)衡度表征為：

3 算法評(píng)估

3.1 評(píng)估方案

QoE算法旨在通過識(shí)別流特征來制定適用于不同流的載荷轉(zhuǎn)發(fā)方案，以此保障全網(wǎng)業(yè)務(wù)的QoE。本文對(duì)QoE算法的評(píng)估安排在Mininet環(huán)境中來開展。首先在該環(huán)境中構(gòu)建一個(gè)k=4的軟件定義胖樹數(shù)據(jù)中心網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)。整個(gè)網(wǎng)絡(luò)共有4個(gè)pod，每一個(gè)pod設(shè)置4臺(tái)主機(jī)和4臺(tái)交換機(jī)。此外，核心層共4臺(tái)交換機(jī)。全網(wǎng)鏈路局向資源為103Mbit/s。

根據(jù)引言所述，軟件定義胖樹數(shù)據(jù)中心網(wǎng)絡(luò)上的隨機(jī)突發(fā)大流約占10%。本次實(shí)驗(yàn)通過灌包軟件模擬生成該比例下的隨機(jī)突發(fā)大小流。同時(shí)定義每個(gè)小流最大長(zhǎng)度為500 000 Byte。鑒于以太數(shù)據(jù)最大長(zhǎng)度為1 518 Byte，為了便于分析，評(píng)估將每個(gè)數(shù)據(jù)包長(zhǎng)度簡(jiǎn)化至1 500 Byte，則每個(gè)小流含有333個(gè)包。為全方位考察數(shù)據(jù)流的隨機(jī)特征對(duì)QoE算法的動(dòng)態(tài)效能度，體現(xiàn)算法的全局視域性，評(píng)估方案為所有的主機(jī)對(duì)增設(shè)了Stride(i)和Random(i)兩種流發(fā)送模式。其中：前者指下標(biāo)標(biāo)識(shí)符為x的主機(jī)往下標(biāo)標(biāo)識(shí)符為(x+i)modn的主機(jī)發(fā)送數(shù)據(jù)流；后者指一個(gè)主機(jī)以相同的概率任意往全網(wǎng)中其他主機(jī)發(fā)送數(shù)據(jù)流。實(shí)驗(yàn)過程使每一個(gè)主機(jī)對(duì)之間的TCP流發(fā)送遵從Stride(i)和Random(i)模式，所有的隨機(jī)突發(fā)數(shù)據(jù)流規(guī)模遵循指數(shù)級(jí)遞增趨勢(shì)且流生成時(shí)間遵循泊松分布。定義每?jī)蓚€(gè)流持續(xù)間隔10 s，每個(gè)流的承載時(shí)延為2 min。

評(píng)估過程中將擬定三個(gè)指標(biāo)[18]來考察QoE算法相對(duì)于傳統(tǒng)研究的優(yōu)勢(shì)，分別為：隨機(jī)突發(fā)流持續(xù)時(shí)延，流傳輸規(guī)模，平均吞吐量。若對(duì)時(shí)延較為敏感的小流在局向上承載的時(shí)延持續(xù)較短，說明算法可為小流的承載提供良好保障；流傳輸規(guī)模能夠較好地反映出全網(wǎng)鏈路的阻塞情況。若遭遇阻塞，將由于該流中數(shù)據(jù)包的丟失而導(dǎo)致流出現(xiàn)頻繁傳輸?shù)那樾巍Ｒ坏┲匦聜鬏數(shù)牧髦泻休^多的數(shù)據(jù)包時(shí)，將付出較大的時(shí)延代價(jià)。這種情況顯然無法為時(shí)延敏感的小流提供局向承載低時(shí)延的保障。平均吞吐量也是考察驗(yàn)QoE的重要指標(biāo)，可在保證隨機(jī)突發(fā)小流低時(shí)延的同時(shí)大幅度地提高網(wǎng)元節(jié)點(diǎn)在單位時(shí)間內(nèi)收發(fā)流的數(shù)據(jù)量。在經(jīng)過40次測(cè)試后對(duì)各指標(biāo)數(shù)據(jù)進(jìn)行搜集比對(duì)。

根據(jù)QoE算法方案目標(biāo)任務(wù)所述，該算法重點(diǎn)在于為DCN上隨機(jī)突發(fā)大小流制定一個(gè)基于流特征區(qū)分的個(gè)性化局向保障策略。當(dāng)前，針對(duì)DCN上隨機(jī)突發(fā)流開展局向安全性評(píng)估的主流研究有等開銷多徑路由機(jī)制、動(dòng)態(tài)調(diào)度算法、流均衡算法等。這些研究基本都是在總結(jié)等開銷多徑路由機(jī)制缺乏動(dòng)態(tài)自適應(yīng)性能力的基礎(chǔ)上改進(jìn)而來。即便如此，改進(jìn)后的算法仍存在一定的片面性，如動(dòng)態(tài)調(diào)度算法的目標(biāo)僅限調(diào)度隨機(jī)突發(fā)大流；流均衡算法的目標(biāo)僅解決隨機(jī)突發(fā)小流的載荷評(píng)估。因此，為考察QoE算法制定的局向策略兼具全局性和個(gè)性化特征，測(cè)試過程將與上述三種算法進(jìn)行對(duì)比。

3.2 數(shù)據(jù)考察

3.2.1隨機(jī)突發(fā)流持續(xù)時(shí)延

經(jīng)測(cè)試與統(tǒng)計(jì)[19]，六種流量通信模式下隨機(jī)突發(fā)流持續(xù)時(shí)延的數(shù)據(jù)結(jié)果如圖2-圖7所示?？梢姡煌惴C(jī)制下流量承載時(shí)延表現(xiàn)出顯著差異。

圖2 Stride(1)通信模式

圖3 Stride(2)通信模式

圖4 Stride(8)通信模式

圖5 Random(1)通信模式

圖6 Random(2)通信模式

圖7 Random(3)通信模式

以等價(jià)開銷多徑路由機(jī)制為例，在圖2通信模式下，QoE算法相對(duì)其在改善持續(xù)時(shí)延方面的貢獻(xiàn)度僅優(yōu)化了10%～16%。由于過半的隨機(jī)突發(fā)數(shù)據(jù)流量載荷集中于某一個(gè)交換網(wǎng)元，剩余流量載荷位于POD之間或者某一個(gè)POD里面，所以隸屬于該交換網(wǎng)元下的主機(jī)集合在實(shí)施流承載業(yè)務(wù)時(shí)無須占用其他交換網(wǎng)元鏈路資源，從而大幅減少隨機(jī)突發(fā)數(shù)據(jù)流沖突的可能性。因此突發(fā)大流良好有序的承載狀態(tài)對(duì)突發(fā)小流承載時(shí)延并未造成明顯的影響。當(dāng)流量通信模式調(diào)整為圖3和圖4，此時(shí)信源和信宿分別位于不同的交換網(wǎng)元節(jié)點(diǎn)，在流量呈現(xiàn)指數(shù)級(jí)增長(zhǎng)的態(tài)勢(shì)下，隨機(jī)突發(fā)大流的承載狀態(tài)不再保持有序，勢(shì)必影響到小流的承載。從圖2和圖3中可見，等開銷機(jī)制下的小流承載時(shí)延優(yōu)勢(shì)不再。而此時(shí)QoE算法發(fā)揮了優(yōu)勢(shì)，相對(duì)于等開銷機(jī)制，該算法在小流承載時(shí)延上改善了23%～44%。當(dāng)流量處于圖5通信模式下，因主機(jī)之間交互的隨機(jī)性使得流量的承載狀態(tài)無可預(yù)估。隨著隨機(jī)模式參量狀態(tài)從圖5變化為圖6和圖7，POD彼此之間的流量規(guī)模陡增，等價(jià)開銷多徑路由機(jī)制的效能性未能得到有效發(fā)揮，顯著增加了大流沖突的可能性進(jìn)而導(dǎo)致較高的小流承載時(shí)延代價(jià)。而此時(shí)QoE算法以0.9 s的相對(duì)時(shí)延優(yōu)勢(shì)，比等開銷機(jī)制下的小流承載時(shí)延提升了23%～53%。

其次，對(duì)于動(dòng)態(tài)調(diào)度算法而言，在圖2通信模式下大流沖突可能性較低，此時(shí)QoE算法在小流承載時(shí)延方面的貢獻(xiàn)度相對(duì)提升了7%～13%。但是隨著交換網(wǎng)元節(jié)點(diǎn)數(shù)量規(guī)模的增加以及POD之間流量的陡增，大流開始遭遇頻繁沖突。此時(shí)動(dòng)態(tài)調(diào)度算法發(fā)揮的時(shí)延承載性能下降，相對(duì)于等價(jià)開銷多徑路由機(jī)制較為緩慢。相比之下，QoE算法比動(dòng)態(tài)調(diào)度算法在小流承載時(shí)延方面發(fā)揮的優(yōu)化效果達(dá)到29%～47%。

觀察圖2-圖7可知，在流量規(guī)模較小的全局網(wǎng)絡(luò)中，流均衡機(jī)制對(duì)小流承載時(shí)延的保障效果良好。此時(shí)QoE算法下的小流時(shí)延優(yōu)化效果僅8%左右，差異不顯著。但其均衡過程中為所有的原始隨機(jī)突發(fā)小流分別生成一個(gè)仿真流的思想，并不適合用在大流規(guī)模陡增的、鏈路帶寬資源有限的網(wǎng)絡(luò)環(huán)境中。故根據(jù)不同流量通信模式下所收集到的數(shù)據(jù)曲線，不難看出流均衡機(jī)制下的小流承載時(shí)延代價(jià)逐步增加。尤其在圖7隨機(jī)流量通信模式下，QoE算法下的小流承載時(shí)延指標(biāo)比該機(jī)制顯著改善了32%。

綜合分析上述數(shù)據(jù)曲線可知，在隨機(jī)突發(fā)數(shù)據(jù)流量載荷遵循1∶9的情形下，兩種流量傳輸模式中局向鏈路在承載小流時(shí)產(chǎn)生的時(shí)延總體上并無較大區(qū)別。實(shí)驗(yàn)結(jié)果充分說明了本次評(píng)估環(huán)境的設(shè)置與DCN中的流特征是大致吻合的。在此前提下觀察到隨著流頻繁發(fā)生沖突，相對(duì)于其他三種方案，QoE算法能夠最大限度地保障基于時(shí)延敏感的隨機(jī)突發(fā)小流承載要求。

3.2.2流傳輸規(guī)模

因?yàn)殒溌纷枞鴮?duì)流實(shí)施重新傳輸將導(dǎo)致該流數(shù)據(jù)包承載時(shí)延的增加。尤其對(duì)于小流而言，頻繁的流數(shù)據(jù)包重新傳輸勢(shì)必增加時(shí)延代價(jià)。對(duì)于以解決小流承載問題的流均衡機(jī)制而言，通過為每條小流建立仿真流數(shù)據(jù)包的思想使得小流承載過程較為順利，出現(xiàn)流重新傳輸?shù)母怕氏鄬?duì)于其他算法機(jī)制最少，因此時(shí)延代價(jià)最小。這樣的情形在圖8-圖13中得到了體現(xiàn)。由圖8-圖10可見，相對(duì)于傳統(tǒng)研究的等價(jià)開銷多徑路由機(jī)制和動(dòng)態(tài)調(diào)度算法，QoE算法下的小流數(shù)據(jù)包重新傳輸規(guī)模分別降低了40%和20%。但是在圖11-圖13隨機(jī)通信模式下，隨著大流規(guī)模增加導(dǎo)致全網(wǎng)重載情形的出現(xiàn)，有限的鏈路資源不再允許流均衡機(jī)制快速地搜索到合適的鏈路承載小流數(shù)據(jù)包。這導(dǎo)致數(shù)據(jù)包出現(xiàn)持續(xù)性重新傳輸，且重傳的數(shù)據(jù)包規(guī)模隨著時(shí)間推移還將呈現(xiàn)遞增態(tài)勢(shì)。相比之下，QoE算法能夠顯著地降低小流數(shù)據(jù)包重新傳輸?shù)囊?guī)模。不僅如此，相對(duì)于傳統(tǒng)研究的等價(jià)開銷多徑路由機(jī)制和動(dòng)態(tài)調(diào)度算法，QoE算法將小流數(shù)據(jù)包重新傳輸?shù)囊?guī)模分別降低了50%和40%，有效保障了小流的承載質(zhì)量。

圖11 Random(1)通信模式

圖12 Random(2)通信模式

圖13 Random(3)通信模式

對(duì)于大流而言，流數(shù)據(jù)包的重新傳輸將嚴(yán)重占用鏈路資源，進(jìn)而導(dǎo)致全局網(wǎng)絡(luò)出現(xiàn)阻塞。其阻塞程度和流量通信模式的復(fù)雜度成正比。盡管如此，縱觀六種流量通信模式可見，本文設(shè)計(jì)的QoE算法依然能夠發(fā)揮良好的調(diào)度性能，有效降低大流數(shù)據(jù)包重新傳輸規(guī)模，保持了相對(duì)優(yōu)勢(shì)。尤其在圖11-圖13更為復(fù)雜的隨機(jī)通信模式下，阻塞情形降低大流承載質(zhì)量的現(xiàn)象顯得愈加明顯。由圖13可見，等價(jià)開銷多徑路由機(jī)制的調(diào)度效能最弱，大流數(shù)據(jù)包重新傳送規(guī)模最大，此時(shí)QoE算法將大流數(shù)據(jù)包重新傳送規(guī)模顯著地降低了35%。對(duì)于以調(diào)度大流為主的動(dòng)態(tài)調(diào)度算法，大流數(shù)據(jù)包重新傳輸?shù)囊?guī)模雖小于其他兩種算法機(jī)制，但仍不及QoE算法。其中流均衡機(jī)制的核心在于調(diào)度小流，未能保障大流的承載質(zhì)量，故該機(jī)制下的大流數(shù)據(jù)包重新傳輸規(guī)模較大。

3.2.3平均吞吐量

對(duì)于以穩(wěn)定調(diào)度大流為中心思想的動(dòng)態(tài)調(diào)度算法能夠適應(yīng)各種流量通信模式，具有良好的適應(yīng)性。該算法在目前關(guān)于大流調(diào)度的研究中成效較為突出。因此該算法下的鏈路資源利用率較高，相應(yīng)的平均吞吐量也最大。從圖14所搜集的測(cè)試數(shù)據(jù)可以明顯看到，算法部署在六種流量模式下的全網(wǎng)平均吞吐量中動(dòng)態(tài)調(diào)度算法最為突出。相比之下，本文設(shè)計(jì)的兼顧大小流調(diào)度的QoE算法在平均吞吐量指標(biāo)上的表現(xiàn)較為接近于動(dòng)態(tài)調(diào)度算法，因此也發(fā)揮了良好的調(diào)度效果。但對(duì)于動(dòng)態(tài)自適應(yīng)能力較弱的等價(jià)開銷多徑路由機(jī)制，在調(diào)度大流時(shí)一味地主張將其數(shù)據(jù)流量載荷規(guī)劃到相同的路由局向，極易引發(fā)網(wǎng)絡(luò)阻塞。由此引發(fā)的阻塞將繼續(xù)隨著網(wǎng)中數(shù)據(jù)流量通信模式復(fù)雜度的增加進(jìn)一步約束全網(wǎng)的平均吞吐量。這樣的趨勢(shì)在圖14中的三種隨機(jī)通信模式情形下表現(xiàn)尤為突出：QoE算法下的全網(wǎng)平均吞吐量是等價(jià)開銷多徑路由機(jī)制的1.5倍。同時(shí)，對(duì)于以調(diào)度小流為主的流均衡機(jī)制，雖有一定的動(dòng)態(tài)適應(yīng)能力，但終究由于缺乏大流承載保障策略而使得該機(jī)制下的全網(wǎng)平均吞吐量不具備優(yōu)勢(shì)。即便如此，其平均吞吐量指標(biāo)仍然達(dá)到動(dòng)態(tài)適應(yīng)性極弱的等價(jià)開銷多徑路由機(jī)制的1倍。

圖14 算法部署在六種流量模式下的全網(wǎng)平均吞吐量

4 結(jié) 語(yǔ)

鑒于在數(shù)據(jù)中心網(wǎng)絡(luò)上開展隨機(jī)突發(fā)數(shù)據(jù)流量載荷局向風(fēng)險(xiǎn)評(píng)估效率不足的現(xiàn)狀，本文借助軟件定義胖樹架構(gòu)在調(diào)度隨機(jī)突發(fā)大小流過程中能夠?yàn)椴呗缘膶?shí)施提供參量更新的優(yōu)勢(shì)，構(gòu)思了一種全局視域下基于流特征的約束性QoE算法。通過甄別機(jī)制識(shí)別不同特征的大小流，并參考全網(wǎng)鏈路可用資源、業(yè)務(wù)流承載時(shí)延等實(shí)時(shí)參量狀態(tài)分別疏導(dǎo)大小流，在最小化全網(wǎng)資源開銷的前提下來兼顧不同特征流的承載質(zhì)量。評(píng)估數(shù)據(jù)表明，QoE算法相對(duì)于傳統(tǒng)算法具備良好的全局性和優(yōu)化性。