唐 鑫，徐彥彥，潘少明，宋方振

(武漢大學(xué) 測(cè)繪遙感信息工程國(guó)家重點(diǎn)實(shí)驗(yàn)室，湖北 武漢 430000)

0 引 言

垂直切換是指移動(dòng)用戶(hù)在異構(gòu)無(wú)線(xiàn)網(wǎng)絡(luò)中實(shí)現(xiàn)網(wǎng)絡(luò)切換的技術(shù)[1]?？紤]多屬性網(wǎng)絡(luò)參數(shù)的垂直切換算法能獲得較好的切換性能[2-7]。但目前大部分研究均采用分布式計(jì)算，切換結(jié)果容易集中指向少部分優(yōu)質(zhì)網(wǎng)絡(luò)，無(wú)法實(shí)現(xiàn)全局網(wǎng)絡(luò)資源的均衡利用。軟件定義網(wǎng)絡(luò)(software defined network，SDN)架構(gòu)可實(shí)現(xiàn)網(wǎng)絡(luò)設(shè)備的集中管理與控制[8]，并能快速適應(yīng)節(jié)點(diǎn)的位置變化，是開(kāi)展面向全局網(wǎng)絡(luò)的多屬性垂直切換算法設(shè)計(jì)的關(guān)鍵[9]。但節(jié)點(diǎn)的移動(dòng)性可能改變節(jié)點(diǎn)所處網(wǎng)絡(luò)環(huán)境，導(dǎo)致依據(jù)當(dāng)前狀態(tài)進(jìn)行的決策不再適用。事實(shí)上，可以利用馬爾可夫(Markov)模型開(kāi)展網(wǎng)絡(luò)狀態(tài)轉(zhuǎn)移及預(yù)測(cè)[10,11]，選擇未來(lái)時(shí)刻性能最優(yōu)網(wǎng)絡(luò)。研究結(jié)果表明，用戶(hù)網(wǎng)絡(luò)訪(fǎng)問(wèn)行為具有長(zhǎng)時(shí)間的周期性和短時(shí)間內(nèi)的突發(fā)性，其接入網(wǎng)絡(luò)帶來(lái)的網(wǎng)絡(luò)狀態(tài)變化也與時(shí)間序列密切相關(guān)，考慮多個(gè)時(shí)刻的狀態(tài)將獲得最佳的網(wǎng)絡(luò)狀態(tài)屬性預(yù)測(cè)[12]。

本文提出一種基于SDN架構(gòu)的垂直切換算法，首先利用SDN數(shù)據(jù)平面收集全局網(wǎng)絡(luò)狀態(tài)和節(jié)點(diǎn)的參數(shù)信息，然后在控制平面通過(guò)所設(shè)計(jì)的模糊邏輯控制模型對(duì)網(wǎng)絡(luò)多屬性參數(shù)進(jìn)行離散化和歸一化處理。在此基礎(chǔ)上，設(shè)計(jì)一種二階Markov模型[13]，綜合考慮不同時(shí)刻的影響對(duì)未來(lái)全局網(wǎng)絡(luò)的實(shí)際狀態(tài)進(jìn)行預(yù)測(cè)，并基于全局網(wǎng)絡(luò)回報(bào)評(píng)估開(kāi)展垂直切換決策，最終實(shí)現(xiàn)在不同的節(jié)點(diǎn)移動(dòng)條件下都能有效降低局部不可靠的切換決策，保證切換后的網(wǎng)絡(luò)性能。

1 基于SDN的算法框架

算法利用SDN集中控制、數(shù)據(jù)平面與邏輯平面分離的架構(gòu)，在數(shù)據(jù)平面采集全局網(wǎng)絡(luò)屬性參數(shù)，控制平面通過(guò)模糊邏輯控制模型對(duì)全局網(wǎng)絡(luò)屬性參數(shù)進(jìn)行歸一化決策處理、權(quán)重分布和網(wǎng)絡(luò)收益計(jì)算，再通過(guò)二階Markov預(yù)測(cè)模型對(duì)切換后的實(shí)際網(wǎng)絡(luò)回報(bào)進(jìn)行預(yù)測(cè)，最終評(píng)估全局網(wǎng)絡(luò)回報(bào)后下發(fā)流表以完成切換決策，具體算法框架如圖1所示。其中，控制平面中的模糊控制和二階Markov過(guò)程為基于SDN框架引入的多屬性決策支撐算法，而SDN架構(gòu)為多屬性決策支撐算法提供輸入信息收集和決策實(shí)施支撐。

圖1 基于SDN的垂直切換算法框架與決策模型

如圖1所示，由SDN數(shù)據(jù)平面采集可達(dá)網(wǎng)絡(luò)與移動(dòng)節(jié)點(diǎn)的多屬性信息(包括網(wǎng)絡(luò)數(shù)量、網(wǎng)絡(luò)參數(shù)、節(jié)點(diǎn)位置和移動(dòng)速度)，SDN控制器將收集到的多屬性信息傳遞到模糊推理系統(tǒng)，進(jìn)行離散化、歸一化、權(quán)重調(diào)節(jié)和收益更新得到網(wǎng)絡(luò)收益參數(shù)。根據(jù)所獲得的歷史網(wǎng)絡(luò)收益參數(shù)，利用二階Markov轉(zhuǎn)移狀態(tài)矩陣和回報(bào)函數(shù)，預(yù)測(cè)切換后的網(wǎng)絡(luò)狀態(tài)并據(jù)此進(jìn)行全局網(wǎng)絡(luò)回報(bào)評(píng)估，以選擇全局范圍內(nèi)網(wǎng)絡(luò)整體收益最大的目標(biāo)網(wǎng)絡(luò)。最終控制平面將決策結(jié)果以流表的形式下發(fā)至移動(dòng)節(jié)點(diǎn)，移動(dòng)節(jié)點(diǎn)根據(jù)指令完成網(wǎng)絡(luò)切換處理。

2 模型與算法設(shè)計(jì)

2.1 網(wǎng)絡(luò)模型及多屬性參數(shù)收集

研究表明，考慮多屬性參數(shù)的垂直切換算法能實(shí)現(xiàn)較好的網(wǎng)絡(luò)切換性能[2-7]，因此收集全局網(wǎng)絡(luò)的多屬性參數(shù)是實(shí)現(xiàn)最優(yōu)垂直切換的前提。為此，SDN的數(shù)據(jù)平面，以周期T來(lái)采集節(jié)點(diǎn)位置信息(X,Y)、節(jié)點(diǎn)移動(dòng)速度v和網(wǎng)絡(luò)參數(shù)信息。控制平面估算無(wú)線(xiàn)信號(hào)強(qiáng)度RSS、 網(wǎng)絡(luò)傳輸時(shí)延De、 網(wǎng)絡(luò)實(shí)際傳輸帶寬Bw、 丟包率Dr和多普勒頻移fd等網(wǎng)絡(luò)參數(shù)。

引入相應(yīng)網(wǎng)絡(luò)的RSS計(jì)算模型獲得信號(hào)強(qiáng)度參數(shù)估計(jì)，RSS(dBm)計(jì)算模型為

RSS=Rj-RLij

(1)

其中，Rj表示無(wú)線(xiàn)接入點(diǎn)j的傳播功率(dBm)，RLij為無(wú)線(xiàn)接入點(diǎn)j到移動(dòng)終端i的傳輸信號(hào)衰減(dB)，其可以通過(guò)式(2)進(jìn)行計(jì)算

RLij=PL+10α×log(dij)+Z

(2)

其中，PL表示無(wú)線(xiàn)接入點(diǎn)的固定功率損耗(dB)，α∈[2,4] 表示路徑損耗系數(shù)，dij表示移動(dòng)終端i和無(wú)線(xiàn)接入點(diǎn)j之間的距離(km)，Z是均值為0的正態(tài)分布隨機(jī)變量，表示信號(hào)的衰落(dB)。

網(wǎng)絡(luò)實(shí)際傳輸帶寬Bw可采用瓶頸帶寬和往返傳輸時(shí)延(bottleneck bandwidth and round-trip propagation time，BBR)算法[14]進(jìn)行估算，而丟包率Dr可以簡(jiǎn)單的通過(guò)一段時(shí)間之內(nèi)的輸入輸出報(bào)文數(shù)量進(jìn)行計(jì)算[14]

(3)

時(shí)延De計(jì)算

De=報(bào)文到達(dá)時(shí)間-報(bào)文發(fā)送時(shí)間

(4)

多普勒頻移fd越大，無(wú)線(xiàn)信號(hào)瑞利衰減的速度越快，影響無(wú)線(xiàn)通信的質(zhì)量[15]，其計(jì)算式為

(5)

其中，λ為無(wú)線(xiàn)電波長(zhǎng)，θ為無(wú)線(xiàn)電波入射方向與用戶(hù)移動(dòng)方向的夾角，v為節(jié)點(diǎn)移動(dòng)速度。

2.2 模糊邏輯控制模型及收益評(píng)估

顯然，由于異構(gòu)網(wǎng)絡(luò)中各參數(shù)屬性值具有不同的意義，無(wú)法在一個(gè)尺度和平面上對(duì)所有屬性參數(shù)進(jìn)行統(tǒng)一評(píng)估，如某些參數(shù)越大，表明切換后所獲得的實(shí)際網(wǎng)絡(luò)狀態(tài)性能越好；而反之另一些參數(shù)越大則表明切換后所獲得的實(shí)際網(wǎng)絡(luò)狀態(tài)性能越差。同時(shí)，由于不同網(wǎng)絡(luò)屬性參數(shù)的尺度不同、變化幅度各異，直接進(jìn)行簡(jiǎn)單對(duì)比難以突出不同屬性參數(shù)的差異化特點(diǎn)，因此所設(shè)計(jì)的模糊邏輯控制模型需要對(duì)所有屬性參數(shù)根據(jù)其不同特性進(jìn)行歸一化處理，并在歸一化處理的基礎(chǔ)上形成統(tǒng)一尺度的評(píng)估輸出。

不失去一般性，設(shè)網(wǎng)絡(luò)模型收集獲得的多屬性參數(shù)個(gè)數(shù)為N，當(dāng)前節(jié)點(diǎn)位置為(X,Y)，對(duì)應(yīng)的異構(gòu)網(wǎng)絡(luò)中包含有M個(gè)候選網(wǎng)絡(luò)和Z種不同的網(wǎng)絡(luò)模式。則在考慮網(wǎng)絡(luò)參數(shù)屬性對(duì)網(wǎng)絡(luò)狀態(tài)性能貢獻(xiàn)的基礎(chǔ)上，對(duì)任意網(wǎng)絡(luò)m的任意屬性n可設(shè)計(jì)如下的參數(shù)歸一化收益計(jì)算方法

(6)

式中：Qm,n表示第m個(gè)網(wǎng)絡(luò)的第n個(gè)屬性值，qm,n表示Qm,n的離散化取值，參數(shù)rn∈[1,-1] 為不同類(lèi)型屬性的收益調(diào)節(jié)因子，對(duì)于值越大表示網(wǎng)絡(luò)狀態(tài)越好的屬性參數(shù)，如帶寬、網(wǎng)絡(luò)信噪比等，其對(duì)應(yīng)的收益為正收益，設(shè)置其rn=1； 相反對(duì)于值越大表示網(wǎng)絡(luò)狀態(tài)越差的屬性參數(shù)，如丟包率、網(wǎng)絡(luò)開(kāi)銷(xiāo)等，其對(duì)應(yīng)的收益為負(fù)收益，設(shè)置其rn=-1， 其中m∈[1,…,M]，n∈[1,…,N]。

考慮到不同網(wǎng)絡(luò)參數(shù)對(duì)不同網(wǎng)絡(luò)影響程度不同，針對(duì)M個(gè)網(wǎng)絡(luò)的Z種網(wǎng)絡(luò)模式以及其N(xiāo)個(gè)網(wǎng)絡(luò)參數(shù)，構(gòu)建網(wǎng)絡(luò)決策因子矩陣

(7)

wm,n=uz,n·km,n

(8)

其中，m=1,…,M;n=1,…,N;z=1,…,Z。 即可得到時(shí)刻t，針對(duì)某網(wǎng)絡(luò)m多屬性總收益Tbenefit(m) 有

(9)

2.3 基于二階Markov的網(wǎng)絡(luò)預(yù)測(cè)算法

按照異構(gòu)無(wú)線(xiàn)網(wǎng)絡(luò)垂直切換的要求，為實(shí)現(xiàn)全局最優(yōu)的網(wǎng)絡(luò)性能，需要在切換后獲得最佳的網(wǎng)絡(luò)回報(bào)，因此根據(jù)切換后的實(shí)際網(wǎng)絡(luò)狀態(tài)評(píng)估網(wǎng)絡(luò)的總收益而非切換前的網(wǎng)絡(luò)狀態(tài)評(píng)估網(wǎng)絡(luò)總收益才是獲得最佳切換決策的關(guān)鍵。

為此，不失去一般性設(shè)網(wǎng)絡(luò)狀態(tài)可以離散化表示為有限的 {s1,s2,…,si,…,sl} 狀態(tài)集，其狀態(tài)空間為S， 其中si∈S(0≤i≤l) 表示網(wǎng)絡(luò)所處的一種狀態(tài)，其由該網(wǎng)絡(luò)m的所有屬性參數(shù)進(jìn)行描述，即

si={Qm,1,…,Qm,n}

(10)

若在當(dāng)前時(shí)刻t的網(wǎng)絡(luò)狀態(tài)為s(t)∈S(0≤t≤l)， 則預(yù)測(cè)的目的是獲得下一時(shí)刻t+1的網(wǎng)絡(luò)狀態(tài)，以根據(jù)t+1時(shí)刻的網(wǎng)絡(luò)狀態(tài)計(jì)算切換后的網(wǎng)絡(luò)總收益，并根據(jù)所獲得評(píng)估收益進(jìn)行切換決策。

由于網(wǎng)絡(luò)是一個(gè)隨時(shí)間變化的序列事件，因此，t+1時(shí)刻的網(wǎng)絡(luò)狀態(tài)可以根據(jù)歷史時(shí)刻的網(wǎng)絡(luò)狀態(tài)進(jìn)行估計(jì)，即網(wǎng)絡(luò)的Markov狀態(tài)轉(zhuǎn)移滿(mǎn)足如下關(guān)系

P(s(t+1)|s(1),…,s(t))

(11)

綜合考慮網(wǎng)絡(luò)變化的長(zhǎng)時(shí)間周期性和短時(shí)間內(nèi)突發(fā)性的特征，使用二階Markov模型，則網(wǎng)絡(luò)的下一時(shí)刻的狀態(tài)僅與當(dāng)前時(shí)刻和上一時(shí)刻網(wǎng)絡(luò)狀態(tài)相關(guān)，上式可簡(jiǎn)化為

P(sk(t+1)|si(t),sj(t-1))

(12)

即t+1時(shí)刻的狀態(tài)僅僅與t時(shí)刻和t-1時(shí)刻的狀態(tài)相關(guān)。則對(duì)某網(wǎng)絡(luò)m，若設(shè)t-1時(shí)刻狀態(tài)為sj(t-1) 且t時(shí)刻狀態(tài)為si(t) 時(shí)，下一時(shí)刻t+1狀態(tài)為sk(t+1) 的概率為pi,j,k(m)， 可以得到網(wǎng)絡(luò)m其不同狀態(tài)下的狀態(tài)轉(zhuǎn)移概率矩陣為

(13)

顯然，根據(jù)Markov基本原理有

(14)

式(14)表明，從t-1刻的狀態(tài)sj(t-1) 和t時(shí)刻的狀態(tài)si(t) 轉(zhuǎn)移到t+1時(shí)刻所有狀態(tài)的總概率為1。

2.4 回報(bào)評(píng)估與切換決策

基于式(9)給出的某網(wǎng)絡(luò)m的總網(wǎng)絡(luò)收益估計(jì)以及式(13)給出的切換后網(wǎng)絡(luò)狀態(tài)屬性概率，可以得到切換到該網(wǎng)絡(luò)后的整體回報(bào)為

(15)

其中，δj,i為當(dāng)前狀態(tài)指示符，當(dāng)s(t-1)=sj(t-1) 且s(t)=si(t) 時(shí)δj,i=1否則δj,i=0。

基于式(15)，可以得到切換到不同網(wǎng)絡(luò)的不同回報(bào)，即R(sj(t-1),si(t))={r1(sj(t-1),si(t)),…,rM(sj(t-1),si(t))}， 則可以得到切換決策為

(16)

即選擇使網(wǎng)絡(luò)全局回報(bào)函數(shù)最大化的網(wǎng)絡(luò)m′， 作為狀態(tài)處于si(t) 和sj(t-1) 時(shí)的切換目標(biāo)網(wǎng)絡(luò)。其中rm(sj(t-1),si(t)) 表示網(wǎng)絡(luò)m的整體回報(bào)函數(shù)取值，M為全局環(huán)境下的候選網(wǎng)絡(luò)數(shù)目。

具體的切換算法見(jiàn)算法1。

算法1：控制平面切換判決算法

輸入：移動(dòng)節(jié)點(diǎn)信息，網(wǎng)絡(luò)參數(shù)信息

輸出：切換判決結(jié)果

(1)遍歷網(wǎng)絡(luò)，初始化模糊邏輯參數(shù)U、k、Qm,n， 確定網(wǎng)絡(luò)的二階Markov狀態(tài)轉(zhuǎn)移概率矩陣P(m)

(2)whilet

ift≥2T

1) 數(shù)據(jù)平面采集節(jié)點(diǎn)信息(X,Y),v和網(wǎng)絡(luò)參數(shù)

2) 控制平面：

for m from 1 toM

估算參數(shù)RSS,De,Bw,Dr,fd

模糊邏輯計(jì)算網(wǎng)絡(luò)m的總收益Tbenefit(m)

二階Markov預(yù)測(cè)全局回報(bào)rm(sj(t-T),si(t))

end for

切換決策←全局回報(bào)最大的網(wǎng)絡(luò)m′

控制平面下發(fā)決策流表

end if

t←t+T

end while

3 性能分析

3.1 網(wǎng)絡(luò)參數(shù)設(shè)置

仿真實(shí)驗(yàn)搭建在Ubuntu20.04.1操作系統(tǒng)上，利用Mininet-Wifi網(wǎng)絡(luò)仿真器，采用OpenFlow1.3協(xié)議版本，與基于SDN框架的Ryu控制器相結(jié)合，實(shí)現(xiàn)異構(gòu)網(wǎng)絡(luò)的垂直切換仿真。由于Mininet-Wifi仿真器的限制，仿真場(chǎng)景設(shè)置為4種采用工作802.11協(xié)議標(biāo)準(zhǔn)的無(wú)線(xiàn)接入網(wǎng)絡(luò)實(shí)現(xiàn)異構(gòu)組網(wǎng)，具體參數(shù)見(jiàn)表1。盡管這些網(wǎng)絡(luò)協(xié)議標(biāo)準(zhǔn)因?yàn)楣ぷ黝l段和編碼類(lèi)型等原因，存在部分網(wǎng)絡(luò)互相兼容的情況，但由于網(wǎng)絡(luò)傳輸帶寬和信號(hào)覆蓋范圍不同，可認(rèn)為組成異構(gòu)網(wǎng)絡(luò)。網(wǎng)絡(luò)環(huán)境配置了24個(gè)WLAN網(wǎng)絡(luò)(4種802.11標(biāo)準(zhǔn)的網(wǎng)絡(luò)各配置6個(gè))，每個(gè)網(wǎng)絡(luò)信號(hào)的覆蓋范圍是40 m～130 m。移動(dòng)節(jié)點(diǎn)的移動(dòng)速度變化范圍為[1,11] m/s，移動(dòng)節(jié)點(diǎn)的數(shù)量變化范圍為[200,600]。實(shí)驗(yàn)中，設(shè)置2.2節(jié)中所提網(wǎng)絡(luò)參數(shù)[3]標(biāo)度k=5，決策因子排序[3]為RSS>fd>Bw>Dr>De。

表1 仿真網(wǎng)絡(luò)參數(shù)

實(shí)驗(yàn)結(jié)果統(tǒng)計(jì)平均切換次數(shù)、切換失敗數(shù)量、網(wǎng)絡(luò)回報(bào)、平均切換時(shí)延和丟包率作為評(píng)判依據(jù)：

(1)平均切換次數(shù)。切換次數(shù)越高，網(wǎng)絡(luò)越不穩(wěn)定，處理時(shí)延越高。切換將產(chǎn)生數(shù)據(jù)從原有的緩存列表發(fā)送到新的緩存通道的時(shí)延，隨著切換次數(shù)的提高，數(shù)據(jù)傳輸和處理時(shí)延將造成大量的數(shù)據(jù)排隊(duì)，在擁塞網(wǎng)絡(luò)中將導(dǎo)致緩存區(qū)溢出形成丟包。

(2)切換失敗次數(shù)。失敗次數(shù)越高，切換判決性能越差。當(dāng)終端根據(jù)垂直切換判決結(jié)果對(duì)相應(yīng)基站發(fā)起接入請(qǐng)求時(shí)，而當(dāng)前網(wǎng)絡(luò)的接入節(jié)點(diǎn)數(shù)量已飽和，則終端的切換請(qǐng)求將被拒絕。

(3)網(wǎng)絡(luò)回報(bào)。異構(gòu)網(wǎng)絡(luò)中不同網(wǎng)絡(luò)的參數(shù)不可直接比較，通過(guò)模糊邏輯輸出網(wǎng)絡(luò)收益值，利用上文提到的網(wǎng)絡(luò)回報(bào)計(jì)算式(15)，評(píng)估網(wǎng)絡(luò)的整體性能。

(4)平均切換時(shí)延和丟包率。垂直切換過(guò)程中，平均切換時(shí)延越低，用戶(hù)感知越低，越接近無(wú)縫切換的需求。平均丟包率越低，切換選擇的網(wǎng)絡(luò)質(zhì)量越高。

3.2 仿真結(jié)果分析

將所提出的算法與基于模糊控制的多屬性決策切換策略的TOPSIS算法[16]、基于改進(jìn)Markov算法[10]來(lái)對(duì)比，驗(yàn)證所提出的SDN控制器利用數(shù)據(jù)平面收集得到的數(shù)據(jù)，通過(guò)二階Markov過(guò)程預(yù)測(cè)未來(lái)網(wǎng)絡(luò)回報(bào)值的效果。

圖2展示了3種算法多次實(shí)驗(yàn)后算法產(chǎn)生的平均切換次數(shù)對(duì)比結(jié)果，其中，節(jié)點(diǎn)數(shù)固定為200，節(jié)點(diǎn)移動(dòng)速率為10 m/s，實(shí)驗(yàn)20次。從圖2中可以得出，本文提出的算法平均切換次數(shù)比單純使用模糊控制的TOPSIS算法和Markov算法更少，表明考慮多個(gè)時(shí)刻網(wǎng)絡(luò)狀態(tài)預(yù)測(cè)的有效性和SDN控制器位置管理和網(wǎng)絡(luò)管理的全局性和實(shí)時(shí)性，能夠提高算法的穩(wěn)定性和合理性。

圖2 平均切換次數(shù)實(shí)驗(yàn)對(duì)比

如圖3所示，隨著移動(dòng)節(jié)點(diǎn)數(shù)目增加，本文算法切換失敗次數(shù)明顯低于TOPSIS，說(shuō)明算法中央控制有效，避免了移動(dòng)節(jié)點(diǎn)集中切換到優(yōu)質(zhì)網(wǎng)絡(luò)。此外，算法失敗次數(shù)略小于Markov方法，切換決策實(shí)現(xiàn)了一定程度的長(zhǎng)期收益最大化，以及SDN架構(gòu)能夠提高網(wǎng)絡(luò)信息管理，進(jìn)一步提高網(wǎng)絡(luò)資源分配。

圖3 切換失敗次數(shù)實(shí)驗(yàn)對(duì)比

圖4展示了隨著節(jié)點(diǎn)移動(dòng)速度的增加，本文算法的網(wǎng)絡(luò)整體回報(bào)值依舊保持相對(duì)穩(wěn)定，而TOPSIS算法和改進(jìn)Markov算法的回報(bào)值不斷降低。這是因?yàn)樗岢龅乃惴ňC合考慮節(jié)點(diǎn)上一時(shí)刻和當(dāng)前時(shí)刻的狀態(tài)，對(duì)切換判決過(guò)程中可能產(chǎn)生的中斷進(jìn)行預(yù)判。同時(shí)，TOPSIS算法和改進(jìn)Markov算法每個(gè)節(jié)點(diǎn)需要額外的網(wǎng)絡(luò)信息采集和處理開(kāi)銷(xiāo)，才會(huì)隨著節(jié)點(diǎn)速度增加性能降低。

圖4 移動(dòng)速度增加時(shí)網(wǎng)絡(luò)總回報(bào)值實(shí)驗(yàn)對(duì)比

圖5和圖6展示了在不同算法下的平均切換時(shí)延和平均丟包率的比較結(jié)果。本文算法優(yōu)于傳統(tǒng)的TOPSIS和改進(jìn)Markov算法，說(shuō)明結(jié)合SDN的算法能夠快速有效下發(fā)流表，降低節(jié)點(diǎn)處理數(shù)據(jù)和交互信令的時(shí)延，有效提高平緩效率。同時(shí)，得益于SDN高效統(tǒng)一管理網(wǎng)絡(luò)的優(yōu)點(diǎn)，與采用分布式管理的改進(jìn)Markov算法相比，數(shù)據(jù)傳輸?shù)钠骄鶃G包率大大降低。

圖5 平均切換時(shí)延實(shí)驗(yàn)對(duì)比

圖6 平均丟包率實(shí)驗(yàn)對(duì)比

本文所提出來(lái)的基于SDN的垂直切換算法，雖然提高了切換性能，但相較傳統(tǒng)的分布式算法而言，增加了許多交換機(jī)和控制器之間交互的信令開(kāi)銷(xiāo)，因此算法的性能瓶頸將依賴(lài)于控制器的處理能力。初始建立時(shí)的注冊(cè)信令、節(jié)點(diǎn)移動(dòng)時(shí)的匹配信令、流表維護(hù)的下發(fā)信令等都是無(wú)法避免的，具體開(kāi)銷(xiāo)的統(tǒng)計(jì)結(jié)果如圖7所示。

圖7 節(jié)點(diǎn)移動(dòng)產(chǎn)生的信令開(kāi)銷(xiāo)

本文算法與經(jīng)典TOPSIS相比，節(jié)點(diǎn)平均切換次數(shù)明顯降低，切換失敗次數(shù)明顯更少，網(wǎng)絡(luò)回報(bào)值也能保持穩(wěn)定，切換性能優(yōu)勢(shì)明顯；與單一時(shí)刻預(yù)測(cè)的改進(jìn)Markov分布式算法相比，平均切換時(shí)延和丟包率降低，集中控制思想提高了用戶(hù)使用網(wǎng)絡(luò)的穩(wěn)定性，保證切換后的網(wǎng)絡(luò)質(zhì)量。同時(shí)，集中控制的思想會(huì)帶來(lái)的信令開(kāi)銷(xiāo)，對(duì)控制器的處理能力有要求。

4 結(jié)束語(yǔ)

針對(duì)目前大部分垂直切換算法中采用分布式局部尋優(yōu)的“自私”策略，集中接入熱門(mén)網(wǎng)絡(luò)可能造成的網(wǎng)絡(luò)擁塞考慮現(xiàn)象，提出一種基于SDN架構(gòu)的垂直切換算法，結(jié)合二階Markov模型和模糊邏輯進(jìn)行垂直切換決策。算法通過(guò)SDN控制器將收集到的移動(dòng)節(jié)點(diǎn)和網(wǎng)絡(luò)信息參數(shù)，利用模糊邏輯控制器動(dòng)態(tài)更新多屬性參數(shù)的權(quán)值，二階Markov決策器根據(jù)模糊邏輯輸出結(jié)果預(yù)測(cè)網(wǎng)絡(luò)全局回報(bào)并切換判決。實(shí)驗(yàn)結(jié)果表明，該算法在異構(gòu)網(wǎng)絡(luò)多屬性切換判決中，能夠有效減少局部、不可靠、無(wú)效和短收益的網(wǎng)絡(luò)切換決策，降低切換時(shí)延和丟包率，為用戶(hù)提供穩(wěn)定的網(wǎng)絡(luò)服務(wù)。