АНАЛИЗ МОДЕЛЕЙ УПРАВЛЕНИЯ ИНФОРМАЦИОННЫМИ ПОТОКАМИ В СЕТЯХ SDN

Статья посвящена анализу существующих моделей управления информационными потоками в сетях SDN. Существующие модели рассмотрены c точки зрения используемых математических аппаратов и коэффициентов оптимизации. Выделены и описаны основные особенности каждой модели. Обозначены преимущества и недостатки. На основании выполненного анализа и ранее проведенных исследований сформулирована задача для дальнейшей работы в данной области.

Введение

На сегодняшний день, область программно-конфигурируемых сетей (Software-Defined Networks, SDN) стремительно развивается. Когда в 2006 году была представлена концепция SDN, особого внимания ей не уделили. Она лишь стала «очередной» теоретической разработкой ученых. Но спустя 4-6 лет, когда всеобщая информатизация набрала стремительный темп развития, встал вопрос о замене существующих технологий на более передовые. В последнее время много говориться о том, что существующие инфраструктуры сетей необходимо расширять, что как следствие ведет за собой увеличение количества оборудования и необходимость его контроля. Другими словами инфраструктура сети разрастается и через некоторое время, уже не будет поддаваться управлению и контролю. По прогнозам специалистов компании Cisco, это может произойти уже к 2020-2025 году. В сложившейся ситуации внимание специалистов было обращено на поиск  разработку новых сетевых технологий и протоколов. В результате в последние 4-5 лет, концепция SDN начала стремительно развиваться и внедряться в современную телекоммуникационную инфраструктуру. Это связано, прежде всего, передаваемым трафиком, величина которого растет в геометрической прогрессии с каждым годом. Постоянно увеличивающиеся объемы передаваемого трафика требуют применения более гибких механизмов и моделей управления информационными потоками в сети нежели, чем существуют на данный момент. Учитывая все вышесказанное, проблематика исследования и разработки моделей управления информационными потоками в сетях ПКС является актуальной.  

1 Потоковая модель адаптивной маршрутизации с балансировкой нагрузки

Современные протоколы маршрутизации зачастую разработаны с применением графовых моделей, которые  в свою очередь могут адаптироваться лишь к изменению топологии сети, но никак не учитывающие характер трафика проходящего по сети. Как утверждается в работе [1], переход к потоковой модели маршрутизации позволит рассчитывать не только пути прохождения трафика, но и определят порядок распределения потоков между ними.

Большинство моделей используют в качестве критерия оптимальности маршрутную метрику, связанную с показателями QoS. В данной потоковой модели помимо коэффициента оптимальности, предлагается использовать дополнительный критерий по средней многопутевой задержке [1].

В данном случае, структура сети описывается с помощью графа , где V – это множество вершин (коммутаторов сети SDN); E – множество дуг (каналов связи). Каждой дуге сопоставлена пропускная способность с. При решении задачи маршрутизации используются следующие критерии:

- минимизация максимальной загрузки каналов транспортной сети – , где  - динамический управляемый порог максимальной загрузки каналов сети;

- минимизация средних задержек всех путей , где K – множество трафиков; k – элемент множества K;  – вектор контурных задержек [1].

В качестве показателей эффективности метода были выбраны следующие параметры:

- средняя многопутевая задержка;

- вероятность доставки пакетов;

- многопутевой джиттер пакетов;

- вероятность своевременной доставки.

Предложенная модель сравнивается с уже существующими:

- модель маршрутизации с балансировкой нагрузки по критерию, который связан с минимизацией коэффициента максимального использования каналов сети;

- модель маршрутизации, в которой в качестве критерия, выбрана минимизация взвешенной суммы длин очередей на интерфейсах маршрутизаторов [1].

В конечном итоге предлагаемая модель лучше существующих по всем вышеперечисленным параметрам для различных видов трафика (VoIP, FTP/TCP, IP м т.д.) в среднем на 30-40 процентов, кроме вероятности доставки пакетов, но и здесь наблюдается незначительное отставание в 0,1 - 1%.

Основным преимуществам механизма является улучшение всех показателей QoS.

К существенным недостаткам можно отнести следующее:

- в основе модели лежит все тот же метод графов, для расчетов которому требуются значительные вычислительные ресурсы, а учитывая тот факт, что данная модель позиционируется, как модель маршрутизации в больших транспортных сетях это является большой проблемой;

- в качестве критерия оптимизации не учитывается очередь на интерфейсах коммутаторов/маршрутизаторов, что не позволяет балансировать потоками в полной мере, ведь сам по себе канал может быть не загружен, но загружена очередь на интерфейсе устройств, которая в реальных условиях имеет конечное значение.

2 Потоковая модель маршрутизации с балансировкой нагрузки по длине очереди в программно-конфигурируемых сетях

В основу сети положен также как и в предыдущем случае метод графов, структура сети описывается с помощью графа , где V – это множество вершин (коммутаторов сети SDN); E – множество дуг (каналов связи). Каждой дуге сопоставлена пропускная способность с.

Основным отличием от предыдущего метода, является выбор другого критерия оптимизации – минимальное значение очереди на интерфейсах маршрутизаторов, иными словами минимум целевой функции длин очередей на интерфейсах, которая может быть представлены одним из 2-ух условий ниже [2]:

- условие, связанное с минимизацией взвешенной суммы длин очередей на интерфейсах маршуртизаторов/коммутаторов , где  - весовой коэффициент длины очереди, который зависит от важности канала связи,  - длина очереди на маршрутизаторе/коммутаторе;

- условие, обеспечивающее минимизацию максимальной по всем интерфейсам длины очереди .

Проводя сравнение 2-ух рассмотренных методов по показателям QoS, таким как, значение средней многопутевой задержки и вероятности доставки пакетов, можно сказать что, использование последнего позволяет улучшить значение задержки на 2-12%, а значение вероятность доставки пакетов на 1-3%.

К основным достоинствам можно отнести улучшение значений показателей QoS и выбор в качестве критерия оптимизации длин очередей интерфейсов маршрутизаторов/коммутаторов.

Что касается недостатков, то они такие же, как и в первом методе, а именно:

- использование графового метода в основе модели, затруднит вычисление при использовании последней в достаточно крупных сетях;

- выбор фактически только одного коэффициента оптимизации (длина очереди), не учитывая другие важные параметры, например, пропускная способность и загрузка каналов связи, а также типы приоритетного трафика.

3 Модель эффективного генетического алгоритма маршрутизации и обеспечения качества обслуживания для программно-конфигурируемой сети

В работе [3] видны существенные сдвиги в плане использования математической модели отличной от метода графов. Здесь, метод графов используется для формулирования задачи оптимизации трафика. Для решения же самой задачи оптимизации используется генетический алгоритм.

Структура сети в какой-то момент времени описывается с помощью графа , где V – это множество вершин (коммутаторов сети SDN); E – множество дуг (каналов связи). Каждой дуге сопоставлена пропускная способность b.

Еще одним существенным отличием модели от предыдущих, является применение критериев оптимизации для двух параметров QoS:

- пропускная способность;

- задержка.

В качестве целевых функций заложены следующие условия:

- пропускная способность одного отдельного маршрута не должна быть меньше некой минимальной гарантированной пропускной способности b [3]:  

• cуммарная задержка для каждого маршрута не должна быть большей некой гарантированной задержки d для потока :

Разработанный метод включает в себя 5 шагов по формированию таблиц коммутации протокола OpenFlow, построенных как ранее уже говорилось, на генетическом алгоритме [3].

В работе утверждается, что полученная модель продемонстрировала свою эффективность по сравнению с существующими механизмами, но никаких численных результатов эксперимента не приведено, поэтому целенаправленно сравнить результаты не представляется возможным.

Несомненным достоинством рассмотренного механизма является использование критериев оптимизации относительно 2-х показателей QoS: задержка и пропускная способность. Также к преимуществу можно отнести использование в качестве математического аппарата для решения задачи оптимизации, генетического алгоритма, который достаточно прост в реализации и может комбинироваться с другими аппаратами математики. Метод графов также используется, но лишь для формирования задачи оптимальной маршрутизации информационных потоков.

К существенным недостаткам алгоритма можно отнести тот факт, что вышеописанная модель работает лишь в частном случае, а именно только для вычисления одного маршрута в сети, что делает его неприменимым по отношению к большим разветвленным сетям. Отсутствие, каких либо численный результатов затрудняет его сравнение с другими существующими алгоритмами.

Выводы

Проведя подробный анализ существующих механизмов маршрутизации, представленных в работах [1], [2] и [3], также опираясь на анализ, проведенный нами ранее в работе [4] можно говорит о том, что во всех рассмотренных методах, так или иначе, используется метод графов, иные математические аппараты вовсе не рассматриваются, за исключением генетического алгоритма. Критерии оптимизации выбираются самое большое относительно 2-х параметров QoS. Объяснение этому может быть несколько:

- использование метода графов плавно перешло из анализа традиционных IP-сетей и используется как самым простой и как многие считают «действенный» математический аппарат;

- простота метода графов позволяет, достаточно легко осуществить построение той или иной модели маршрутизации изменяя всего лишь целевые функции и ограничения;

- традиционные сети не требовали к себе большого количества коэффициентов оптимизации, так как  рост трафика был достаточно планомерным и не имел скачкообразный характер, поэтому применение моделей управления с большим количеством коэффициентов оптимизации не имело смысла, сети и так справлялись с количество информации передаваемой в ней.

Для разработки более интеллектуальных и применимых к реальным SDN сетям моделей, необходимо использовать иные математические аппараты, например такие как, тензорный анализ (примеры применения можно увидеть в работах [5], [6] и [7]), нечеткая логика, нейронные сети и другие, а возможно и комбинировать их на разных шагах алгоритма, как это сделано в работе [3].

Количество критериев оптимизации должно выбираться максимально возможным для реализации, нет необходимости ограничиваться 1 или 2-мя коэффициентами. Исходя из результатов работ [1] и [2] можно сделать вывод, что использование каждого критерия дает преимущества в зависимости от того какие показатели QoS сравниваются, либо какой характер носит трафик передаваемый в сети. Поэтому наилучшим решением будет иметь набор критериев оптимизации, выбор которых будет осуществляться в зависимости от поставленной задачи маршрутизации.

В дополнении ко всему вышесказанному, также стоит отметить, что при разработке метода маршрутизации для SDN, необходимо ориентироваться на то, что метод должен быть применим для любых версий протокола OpenFlow как основного протокола построения ПКС. Также стоит учитывать возможную интеграцию с традиционными сетями IP.

Подводя итог нашей работы, зададим главные положения, на которых будет базироваться разработка универсально механизма управления информационными потоками в SDN при проведении дальнейшей исследовательской работы:

1 Использование математических аппаратов отличных от метода графов, либо их комбинация.

2 Привязка критериев оптимизации ко всем возможным показателям QoS в рамках одной модели и их качественный и количественный выбор в зависимости от поставленной задачи маршрутизации.

3 Полная интеграция алгоритма маршрутизации со всеми версия протокола OpenFlow и возможность работы в случае взаимоувязывания сетей ПКС и традиционных сетей IP.

Список литературы:

1. Лемешко А.В., Вавенко Т.В. Разработка и исследование потоковой модели адаптивной маршрутизации в программно-конфигурируемых сетях с балансировкой нагрузки // Управление, вычислительная техника и информатика, доклады ТУСУРа.-2013. – №3 (29). – С. 100-108.
2. Вавенко Т.В., Стерин В.Л., Симоненко А.В. Потоковая модель маршрутизации с балансировкой нагрузки по длине очереди в программно-конфигурируемых сетях // Научно-технический вестник информационных технологий, механики и оптики.-2013. - №4 (86). – С. 38-45.
3. Полежаев П.Н., Бахарева Н.Ф., Шухман А.Е. Разработка эффективного генетического алгоритма маршрутизации и обеспечения качества обслуживания для программно-конфигурируемой сети // Вестник Оренбургского государственногоуниверситета.-2015. - №1 (176). – С. 229-233.
4. Турбов А.Ю., Пономарев Д.Ю. Анализ методов обеспечения QoS в SDN. XIX Всероссийская научно-техническая конференция «Современные проблемы радиоэлектроники». Красноярск. – 2016. – с. 555-558.
5. Турбов А.Ю., Пономарев Д.Ю. Исследование распределения трафика в сетях SDN методом тензорного анализа. XIX Всероссийская научно-техническая конференция «Современные проблемы радиоэлектроники». Красноярск. – 2016. – с. 551-554.
6. Турбов А.Ю., Пономарев Д.Ю. Исследование сетей SDN узловым методом// Материалы XIV международной научно-практической конференции «Фундаментальные и прикладные исследования в современном мире». Санкт-Петербург: «Стратегия будущего». – 2016. – с. 112-117.
7. Гутковская О.Л., Пономарев Д.Ю. Ортогональная модель сетей связи. XIX Всероссийская научно-техническая конференция «Современные проблемы радиоэлектроники». Красноярск. – 2016. – с. 488-494.