基于自定義服務質量的家庭網絡動態帶寬優化策略

李兵奎 朱泓藝

摘要：互聯網技術的快速發展，加速了家庭網絡應用在日常生活中的普及，家庭網絡的服務質量保障也逐漸受到高度關注。軟件定義網絡技術的出現，使得家庭網絡的自定義優化成為可能。提出一種基于自定義服務質量的家庭網絡動態帶寬優化策略，根據用戶自定義設置，使用軟件定義網絡技術為不同優先級的應用提供帶寬保證。實驗結果表明，提出的調整算法能夠動態地優化不同家庭網絡應用的帶寬分配，減小重要應用的丟包率，有效提高用戶體驗。

關鍵詞：家庭網絡;服務質量;軟件定義網絡;優化策略;用戶體驗

中圖分類號TP3 文獻標識碼：A

文章編號：1009-3044（2020）14-0072-02

隨著互聯網技術的發展以及在日常生活中的普及，各種家用智能設備以及種類繁多的生活娛樂類應用使人們的生活變得越來越豐富。承載這些設備與應用的家庭網絡的作用逐漸凸顯，引起了學術界與產業界的廣泛關注。

人們希望對自己的家庭網絡進行一些行為控制，但由于人們所擁有的網絡方面知識并不健全，根本不知道從何處下手。在家庭網絡中大部分都是從運營商獲得授權與網絡接入口，然后連接到一個家庭路由器，該路由器充當家庭網絡的網關，人們通過指定的地址登錄到路由器配置網頁，根據從運營商那里拿到的信息對該路由器進行配置。軟件定義網絡（Software De-fined Network，SDN）技術的出現，為用戶自定義應用的服務質量（Quality of Service，QoS）提供了可能。軟件定義網絡是斯坦福大學提出的一種未來網絡體系架構，由于其對網絡具有可編程的特性，得到眾多研究者們的青睞，文獻[2][3]利用軟件定義網絡技術對智能建筑中的網絡進行了相關研究。

1相關工作

隨著社會的發展，家庭網絡中的問題也日益凸顯出來，同時也引起很多對家庭網絡的研究，文獻[4]提出使用軟件定義網絡技術在控制層對設備進行分片，同一個分片里的數據流打上相同的標簽，然后根據標簽對數據流進行相應的處理，進而在服務質量和服務體驗方面得到提高。文獻[5]提出了一種基于業務劃分的路由選擇機制，該文獻提出使用包頭域中的ToS字段對網絡中的數據包進行標識，然后根據標識對數據包進行一些相應的服務質量策略，進而滿足不用業務流量的服務質量需求。文獻[6]指出可以在家庭網絡中使用隊列的控制方法，使家庭網的服務質量或體驗質量得到提升。

在當前家庭網絡服務質量的研究中，并沒有考慮到用戶自定義服務質量的需求。因此本文提出了一種基于自定義服務質量的家庭網絡動態帶寬優化策略，把家庭網絡中的流量根據用戶的自定義，對家庭網絡中的流量進行分類，為不同類別的流量使用隊列提供最小帶寬保證，從而避免因為不重要應用的流量過多導致重要應用流量的大量丟包，進而提高家庭網絡的服務質量。

2自定義服務質量的家庭網絡動態帶寬優化策略

在自定義服務質量的家庭網絡動態帶寬優化策略中，用戶可以把不同的應用進行分類，并對不同類別的應用進行打分（滿分為10分）。分數越高表明該類別的數據流優先級越高，所需要的服務質量就越高。

3仿真實驗與對比分析

仿真實驗平臺采用mininet，SDN控制器采用OpenDaylight。在仿真實驗中，分兩種情況進行測試：不滿載與滿載，測試中每種類別的應用在不同帶寬范圍內進行隨機打流。第一種情況是各個類別應用的流量之和不大于在運營商那里開通的最大值10M，如10分類的應用流在[2M，3M]范圍內進行隨機打流;9分類的應用流在[1M，2M]范圍內進行隨機打流;8分類的應用流在[2M，3M]范圍內進行隨機打流;7分類的應用流在[1M，2M]范圍內進行隨機打流。使用動態帶寬優化策略與未使用動態帶寬優化策略的各個類別的應用流在丟包率上進行對比，實驗結果表明，當家庭網絡中的流量在不滿載的情況下，使用與不使用動態帶寬優化策略效果基本是相同的。

第二種情況是測試用的各個類別應用流量之和為在運營商那里開通總帶寬10M的80%-120%范圍內進行隨機打流，如10、9、8、7分類的應用流都在[2M，3M]范圍內進行隨機打流。使用動態帶寬優化策略與未使用動態帶寬優化策略的各個類別的應用流在丟包率上進行對比。實驗結果表明，當家庭網絡中的流量存在滿載的情況下，使用動態帶寬優化策略相較之下可以獲得更佳的效果，使用動態帶寬優化策略可以實現對用戶自定義服務質量的應用提供帶寬保障，減小重要應用的丟包率，從而提高服務質量，進而提高用戶體驗。

4結束語

基于自定義服務質量的家庭網絡動態帶寬優化策略在實驗中表現出了較好的結果，對提高家庭網絡的服務質量提出了新型的解決方案，是一種適合普通家庭用戶自定義網絡流量等級的方法，同時家庭網絡中的業務流量也具有一些自身的特點，往往會有一定的規律性和周期性。因此，如果根據家庭網絡中流量的歷史數據，使用機器學習對其規律進行學習，那么就可以實現對未來家庭網絡流量進行預測，并根據預測對家庭網絡資源進行預設置。另外，結合用戶滿意程度的反饋，以增強學習的模式不斷修正預測模型，以達到自動調優的效果。后期將會考慮把家庭網絡與機器學習進行結合，進而為家庭網絡帶來更好的服務質量及用戶體驗。