基于SDN架構的垂直切換算法

唐 鑫，徐彥彥，潘少明，宋方振

(武漢大學 測繪遙感信息工程國家重點實驗室，湖北 武漢 430000)

0 引 言

垂直切換是指移動用戶在異構無線網絡中實現網絡切換的技術[1]?？紤]多屬性網絡參數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算，切換結果容易集中指向少部分優質網絡，無法實現全局網絡資源的均衡利用。軟件定義網絡(software defined network，SDN)架構可實現網絡設備的集中管理與控制[8]，并能快速適應節點的位置變化，是開展面向全局網絡的多屬性垂直切換算法設計的關鍵[9]。但節點的移動性可能改變節點所處網絡環境，導致依據當前狀態進行的決策不再適用。事實上，可以利用馬爾可夫(Markov)模型開展網絡狀態轉移及預測[10,11]，選擇未來時刻性能最優網絡。研究結果表明，用戶網絡訪問行為具有長時間的周期性和短時間內的突發性，其接入網絡帶來的網絡狀態變化也與時間序列密切相關，考慮多個時刻的狀態將獲得最佳的網絡狀態屬性預測[12]。

本文提出一種基于SDN架構的垂直切換算法，首先利用SDN數據平面收集全局網絡狀態和節點的參數信息，然后在控制平面通過所設計的模糊邏輯控制模型對網絡多屬性參數進行離散化和歸一化處理。在此基礎上，設計一種二階Markov模型[13]，綜合考慮不同時刻的影響對未來全局網絡的實際狀態進行預測，并基于全局網絡回報評估開展垂直切換決策，最終實現在不同的節點移動條件下都能有效降低局部不可靠的切換決策，保證切換后的網絡性能。

1 基于SDN的算法框架

算法利用SDN集中控制、數據平面與邏輯平面分離的架構，在數據平面采集全局網絡屬性參數，控制平面通過模糊邏輯控制模型對全局網絡屬性參數進行歸一化決策處理、權重分布和網絡收益計算，再通過二階Markov預測模型對切換后的實際網絡回報進行預測，最終評估全局網絡回報后下發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過程為基于SDN框架引入的多屬性決策支撐算法，而SDN架構為多屬性決策支撐算法提供輸入信息收集和決策實施支撐。

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數據平面采集可達網絡與移動節點的多屬性信息(包括網絡數量、網絡參數、節點位置和移動速度)，SDN控制器將收集到的多屬性信息傳遞到模糊推理系統，進行離散化、歸一化、權重調節和收益更新得到網絡收益參數。根據所獲得的歷史網絡收益參數，利用二階Markov轉移狀態矩陣和回報函數，預測切換后的網絡狀態并據此進行全局網絡回報評估，以選擇全局范圍內網絡整體收益最大的目標網絡。最終控制平面將決策結果以流表的形式下發至移動節點，移動節點根據指令完成網絡切換處理。

2 模型與算法設計

2.1 網絡模型及多屬性參數收集

研究表明，考慮多屬性參數的垂直切換算法能實現較好的網絡切換性能[2-7]，因此收集全局網絡的多屬性參數是實現最優垂直切換的前提。為此，SDN的數據平面，以周期T來采集節點位置信息(X,Y)、節點移動速度v和網絡參數信息。控制平面估算無線信號強度RSS、 網絡傳輸時延De、 網絡實際傳輸帶寬Bw、 丟包率Dr和多普勒頻移fd等網絡參數。

引入相應網絡的RSS計算模型獲得信號強度參數估計，RSS(dBm)計算模型為

RSS=Rj-RLij

(1)

其中，Rj表示無線接入點j的傳播功率(dBm)，RLij為無線接入點j到移動終端i的傳輸信號衰減(dB)，其可以通過式(2)進行計算

RLij=PL+10α×log(dij)+Z

(2)

其中，PL表示無線接入點的固定功率損耗(dB)，α∈[2,4] 表示路徑損耗系數，dij表示移動終端i和無線接入點j之間的距離(km)，Z是均值為0的正態分布隨機變量，表示信號的衰落(dB)。

網絡實際傳輸帶寬Bw可采用瓶頸帶寬和往返傳輸時延(bottleneck bandwidth and round-trip propagation time，BBR)算法[14]進行估算，而丟包率Dr可以簡單的通過一段時間之內的輸入輸出報文數量進行計算[14]

(3)

時延De計算

De=報文到達時間-報文發送時間

(4)

多普勒頻移fd越大，無線信號瑞利衰減的速度越快，影響無線通信的質量[15]，其計算式為

(5)

其中，λ為無線電波長，θ為無線電波入射方向與用戶移動方向的夾角，v為節點移動速度。

2.2 模糊邏輯控制模型及收益評估

顯然，由于異構網絡中各參數屬性值具有不同的意義，無法在一個尺度和平面上對所有屬性參數進行統一評估，如某些參數越大，表明切換后所獲得的實際網絡狀態性能越好；而反之另一些參數越大則表明切換后所獲得的實際網絡狀態性能越差。同時，由于不同網絡屬性參數的尺度不同、變化幅度各異，直接進行簡單對比難以突出不同屬性參數的差異化特點，因此所設計的模糊邏輯控制模型需要對所有屬性參數根據其不同特性進行歸一化處理，并在歸一化處理的基礎上形成統一尺度的評估輸出。

不失去一般性，設網絡模型收集獲得的多屬性參數個數為N，當前節點位置為(X,Y)，對應的異構網絡中包含有M個候選網絡和Z種不同的網絡模式。則在考慮網絡參數屬性對網絡狀態性能貢獻的基礎上，對任意網絡m的任意屬性n可設計如下的參數歸一化收益計算方法

(6)

式中：Qm,n表示第m個網絡的第n個屬性值，qm,n表示Qm,n的離散化取值，參數rn∈[1,-1] 為不同類型屬性的收益調節因子，對于值越大表示網絡狀態越好的屬性參數，如帶寬、網絡信噪比等，其對應的收益為正收益，設置其rn=1； 相反對于值越大表示網絡狀態越差的屬性參數，如丟包率、網絡開銷等，其對應的收益為負收益，設置其rn=-1， 其中m∈[1,…,M]，n∈[1,…,N]。

考慮到不同網絡參數對不同網絡影響程度不同，針對M個網絡的Z種網絡模式以及其N個網絡參數，構建網絡決策因子矩陣

(7)

wm,n=uz,n·km,n

(8)

其中，m=1,…,M;n=1,…,N;z=1,…,Z。 即可得到時刻t，針對某網絡m多屬性總收益Tbenefit(m) 有

(9)

2.3 基于二階Markov的網絡預測算法

按照異構無線網絡垂直切換的要求，為實現全局最優的網絡性能，需要在切換后獲得最佳的網絡回報，因此根據切換后的實際網絡狀態評估網絡的總收益而非切換前的網絡狀態評估網絡總收益才是獲得最佳切換決策的關鍵。

為此，不失去一般性設網絡狀態可以離散化表示為有限的 {s1,s2,…,si,…,sl} 狀態集，其狀態空間為S， 其中si∈S(0≤i≤l) 表示網絡所處的一種狀態，其由該網絡m的所有屬性參數進行描述，即

si={Qm,1,…,Qm,n}

(10)

若在當前時刻t的網絡狀態為s(t)∈S(0≤t≤l)， 則預測的目的是獲得下一時刻t+1的網絡狀態，以根據t+1時刻的網絡狀態計算切換后的網絡總收益，并根據所獲得評估收益進行切換決策。

由于網絡是一個隨時間變化的序列事件，因此，t+1時刻的網絡狀態可以根據歷史時刻的網絡狀態進行估計，即網絡的Markov狀態轉移滿足如下關系

P(s(t+1)|s(1),…,s(t))

(11)

綜合考慮網絡變化的長時間周期性和短時間內突發性的特征，使用二階Markov模型，則網絡的下一時刻的狀態僅與當前時刻和上一時刻網絡狀態相關，上式可簡化為

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

(12)

即t+1時刻的狀態僅僅與t時刻和t-1時刻的狀態相關。則對某網絡m，若設t-1時刻狀態為sj(t-1) 且t時刻狀態為si(t) 時，下一時刻t+1狀態為sk(t+1) 的概率為pi,j,k(m)， 可以得到網絡m其不同狀態下的狀態轉移概率矩陣為

(13)

顯然，根據Markov基本原理有

(14)

式(14)表明，從t-1刻的狀態sj(t-1) 和t時刻的狀態si(t) 轉移到t+1時刻所有狀態的總概率為1。

2.4 回報評估與切換決策

基于式(9)給出的某網絡m的總網絡收益估計以及式(13)給出的切換后網絡狀態屬性概率，可以得到切換到該網絡后的整體回報為

(15)

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

基于式(15)，可以得到切換到不同網絡的不同回報，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)

即選擇使網絡全局回報函數最大化的網絡m′， 作為狀態處于si(t) 和sj(t-1) 時的切換目標網絡。其中rm(sj(t-1),si(t)) 表示網絡m的整體回報函數取值，M為全局環境下的候選網絡數目。

具體的切換算法見算法1。

算法1：控制平面切換判決算法

輸入：移動節點信息，網絡參數信息

輸出：切換判決結果

(1)遍歷網絡，初始化模糊邏輯參數U、k、Qm,n， 確定網絡的二階Markov狀態轉移概率矩陣P(m)

(2)whilet

ift≥2T

1) 數據平面采集節點信息(X,Y),v和網絡參數

2) 控制平面：

for m from 1 toM

估算參數RSS,De,Bw,Dr,fd

模糊邏輯計算網絡m的總收益Tbenefit(m)

二階Markov預測全局回報rm(sj(t-T),si(t))

end for

切換決策←全局回報最大的網絡m′

控制平面下發決策流表

end if

t←t+T

end while

3 性能分析

3.1 網絡參數設置

仿真實驗搭建在Ubuntu20.04.1操作系統上，利用Mininet-Wifi網絡仿真器，采用OpenFlow1.3協議版本，與基于SDN框架的Ryu控制器相結合，實現異構網絡的垂直切換仿真。由于Mininet-Wifi仿真器的限制，仿真場景設置為4種采用工作802.11協議標準的無線接入網絡實現異構組網，具體參數見表1。盡管這些網絡協議標準因為工作頻段和編碼類型等原因，存在部分網絡互相兼容的情況，但由于網絡傳輸帶寬和信號覆蓋范圍不同，可認為組成異構網絡。網絡環境配置了24個WLAN網絡(4種802.11標準的網絡各配置6個)，每個網絡信號的覆蓋范圍是40 m～130 m。移動節點的移動速度變化范圍為[1,11] m/s，移動節點的數量變化范圍為[200,600]。實驗中，設置2.2節中所提網絡參數[3]標度k=5，決策因子排序[3]為RSS>fd>Bw>Dr>De。

表1 仿真網絡參數

實驗結果統計平均切換次數、切換失敗數量、網絡回報、平均切換時延和丟包率作為評判依據：

(1)平均切換次數。切換次數越高，網絡越不穩定，處理時延越高。切換將產生數據從原有的緩存列表發送到新的緩存通道的時延，隨著切換次數的提高，數據傳輸和處理時延將造成大量的數據排隊，在擁塞網絡中將導致緩存區溢出形成丟包。

(2)切換失敗次數。失敗次數越高，切換判決性能越差。當終端根據垂直切換判決結果對相應基站發起接入請求時，而當前網絡的接入節點數量已飽和，則終端的切換請求將被拒絕。

(3)網絡回報。異構網絡中不同網絡的參數不可直接比較，通過模糊邏輯輸出網絡收益值，利用上文提到的網絡回報計算式(15)，評估網絡的整體性能。

(4)平均切換時延和丟包率。垂直切換過程中，平均切換時延越低，用戶感知越低，越接近無縫切換的需求。平均丟包率越低，切換選擇的網絡質量越高。

3.2 仿真結果分析

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Markov算法[10]來對比，驗證所提出的SDN控制器利用數據平面收集得到的數據，通過二階Markov過程預測未來網絡回報值的效果。

圖2展示了3種算法多次實驗后算法產生的平均切換次數對比結果，其中，節點數固定為200，節點移動速率為10 m/s，實驗20次。從圖2中可以得出，本文提出的算法平均切換次數比單純使用模糊控制的TOPSIS算法和Markov算法更少，表明考慮多個時刻網絡狀態預測的有效性和SDN控制器位置管理和網絡管理的全局性和實時性，能夠提高算法的穩定性和合理性。

圖2 平均切換次數實驗對比

如圖3所示，隨著移動節點數目增加，本文算法切換失敗次數明顯低于TOPSIS，說明算法中央控制有效，避免了移動節點集中切換到優質網絡。此外，算法失敗次數略小于Markov方法，切換決策實現了一定程度的長期收益最大化，以及SDN架構能夠提高網絡信息管理，進一步提高網絡資源分配。

圖3 切換失敗次數實驗對比

圖4展示了隨著節點移動速度的增加，本文算法的網絡整體回報值依舊保持相對穩定，而TOPSIS算法和改進Markov算法的回報值不斷降低。這是因為所提出的算法綜合考慮節點上一時刻和當前時刻的狀態，對切換判決過程中可能產生的中斷進行預判。同時，TOPSIS算法和改進Markov算法每個節點需要額外的網絡信息采集和處理開銷，才會隨著節點速度增加性能降低。

圖4 移動速度增加時網絡總回報值實驗對比

圖5和圖6展示了在不同算法下的平均切換時延和平均丟包率的比較結果。本文算法優于傳統的TOPSIS和改進Markov算法，說明結合SDN的算法能夠快速有效下發流表，降低節點處理數據和交互信令的時延，有效提高平緩效率。同時，得益于SDN高效統一管理網絡的優點，與采用分布式管理的改進Markov算法相比，數據傳輸的平均丟包率大大降低。

圖5 平均切換時延實驗對比

圖6 平均丟包率實驗對比

本文所提出來的基于SDN的垂直切換算法，雖然提高了切換性能，但相較傳統的分布式算法而言，增加了許多交換機和控制器之間交互的信令開銷，因此算法的性能瓶頸將依賴于控制器的處理能力。初始建立時的注冊信令、節點移動時的匹配信令、流表維護的下發信令等都是無法避免的，具體開銷的統計結果如圖7所示。

圖7 節點移動產生的信令開銷

本文算法與經典TOPSIS相比，節點平均切換次數明顯降低，切換失敗次數明顯更少，網絡回報值也能保持穩定，切換性能優勢明顯；與單一時刻預測的改進Markov分布式算法相比，平均切換時延和丟包率降低，集中控制思想提高了用戶使用網絡的穩定性，保證切換后的網絡質量。同時，集中控制的思想會帶來的信令開銷，對控制器的處理能力有要求。

4 結束語

針對目前大部分垂直切換算法中采用分布式局部尋優的“自私”策略，集中接入熱門網絡可能造成的網絡擁塞考慮現象，提出一種基于SDN架構的垂直切換算法，結合二階Markov模型和模糊邏輯進行垂直切換決策。算法通過SDN控制器將收集到的移動節點和網絡信息參數，利用模糊邏輯控制器動態更新多屬性參數的權值，二階Markov決策器根據模糊邏輯輸出結果預測網絡全局回報并切換判決。實驗結果表明，該算法在異構網絡多屬性切換判決中，能夠有效減少局部、不可靠、無效和短收益的網絡切換決策，降低切換時延和丟包率，為用戶提供穩定的網絡服務。