軟件定義衛星網絡多控制器部署策略

陳金濤，梁 俊，郭子楨，肖 楠，劉 波

(空軍工程大學 信息與導航學院，陜西 西安 710077)

傳統的衛星網絡架構垂直集成、相對封閉，在發展過程中遇到了許多難題，比如設備的更新升級困難、無法提供更細粒度的服務、設備間互操作性差、難以與地面網絡融合等[1]。而軟件定義網絡(Software Defined Network，SDN)以其靈活、開放、可編程的特點被看作是解決上述問題的關鍵技術之一[2]。將軟件定義網絡引入衛星網絡的軟件定義衛星網絡(Software Defined Satellite Network，SDSN)架構正在獲得越來越多的研究和關注。在軟件定義衛星網絡中流表下發、資源分配等功能都由控制層來完成[3]，交換機只需完成數據轉發和硬件配置，從而簡化網絡管理、提高資源利用率，并可通過網絡的可編程性實現創新。低軌道衛星星座作為衛星網絡的重要組成部分，其控制層的規劃、控制器的部署是軟件定義衛星網絡必須解決的關鍵問題。目前已經發表了許多相關的研究成果，然而在這些研究中仍然存在被忽視的問題：① 由于衛星網絡的網絡尺度大，處理時延相對于傳播時延小，因此在大部分軟件定義衛星網絡的研究中都直接忽略了處理時延的影響。然而在控制器處理能力不足或控制器負載不均的情況下，處理時延亦能夠影響網絡性能，簡單忽略處理時延或是認為所有流請求在控制器中都需要相同的處理時間的做法顯然是不合適的。② 大部分現有研究都忽略了軟件定義衛星網絡星間鏈路的狀態變化對網絡性能的影響。當衛星飛過兩極地區時(緯度大于60度時[4])，為了防止互相干擾會關閉軌道間衛星鏈路，這種鏈路狀態的周期性變化會帶來網絡拓撲的改變，需要在部署控制器時加以考慮[5]。③ 目前針對軟件定義衛星網絡控制器部署可靠性的研究還比較少。

文獻[6]主要以開銷為優化目標設計了軟件定義衛星網絡控制器部署模型，該模型全面地分析了控制器的狀態同步開銷、信息收集開銷、流建立開銷、網絡重規劃開銷等并以改進的粒子群算法求解。然而該模型中沒有加入對控制器處理能力的考慮，對可靠性的分析也不足。SoftLEO[7]策略將低軌道衛星按照軌道分為6組，選擇6個緯度相近的節點作為每組衛星的控制器部署位置以減小控制器間的通信開銷。然而由于對星間鏈路的狀態變化考慮不足，在控制器進入兩極時控制器的通信開銷將顯著增大。文獻[8]同樣按照軌道將衛星分組，并從每組中選出最靠近赤道且方向相反的兩顆衛星部署控制器，整個網絡共部署12個控制器。這種方案雖然考慮了衛星進入兩極時軌道間鏈路關閉對網絡性能的影響，卻沒有考慮鏈路的失效和處理時延。同時，這種部署方案要求衛星星座中所有節點均安裝控制器模塊且動態調整其開閉狀態，網絡狀態變化時的重規劃開銷過大。文獻[9]在部署控制器時將網絡端到端時延和負載均衡指數作為優化目標，然而卻只考慮了路徑傳播時延，也沒有對部署方案的可靠性進行考慮。文獻[10]采用雙門限法定義控制器的負載狀態并設計了交換機遷移算法以實現控制器負載的動態均衡，然而仿真所用拓撲較為簡單，未基于衛星網絡特點做針對性考慮。文獻[11]以控制器與交換機的最短距離為指標開展了衛星網絡擴展性研究，主要解決現有網絡的擴展問題，未考慮網絡初始規劃方法。文獻[12]詳細刻畫了衛星網絡中流建立過程產生的時延，并以其為優化目標設計控制器部署方案，然而文中僅考慮了流建立時延而未考慮其他網絡性能指標，也未考慮衛星鏈路狀態變化。

在現有研究成果基礎上，筆者在建立時延模型時加入處理時延，并且在建立軌道模型時加入了鏈路狀態的變化使之更貼近實際。同時，設計了鏈路失效代價以概率的方法量化網絡的可靠性。基于控制時延可靠性的控制器部署策略(Controller Deployment Strategy based on Reliability of control delay，CDS-R)共分為兩步：首先在保證控制器分布均勻的情況下，盡量選擇度中心性高的節點部署控制器，隨后根據網絡的業務和拓撲變化動態為控制器分配交換機；使用改進的粒子群算法求解控制器部署問題。仿真結果表明，CDS-R策略能夠有效提高網絡應對鏈路失效的可靠性，降低控制時延、負載均衡率指標，并且重構開銷保持在合理范圍內。

1 優化目標

運用圖論知識可將SDSN網絡描述為G=(V，E)，V、E分別為網絡節點集合及直連鏈路集合。其他網絡參數及其說明如表1。其中xk，j、cvj均為二進制變量，xk，j反映控制器與交換機連接關系、cvj反映控制器的部署位置，其具體取值方法如下式：

表1 網絡參數匯總表

(1)

(2)

在進一步對網絡指標進行定義前做如下說明：網絡中所有節點(包括作為控制器使用的衛星節點)都具有交換機功能；控制器與交換機間的通信均在帶內進行；為了避免過大的網絡部署開銷和網絡重構開銷，網絡中僅部署有限數量的控制器且部署完成后不再調整控制器的開閉狀態；采用時間片思想[13]處理動態變化的衛星網絡拓撲，假定在一個時間片內網絡拓撲及流量情況不發生變化，且網絡控制域規劃方式的調整僅發生在時間片切換時；只考慮網絡中的鏈路失效，不考慮節點失效。

1.1 控制器部署位置選取

由于網絡中部署控制器的數量有限且開閉狀態固定，必須慎重地選擇控制器部署位置，確保在不同的網絡拓撲條件下控制器均能夠較好地控制整個網絡。同時在部署控制器時還應當充分考慮鏈路狀態的影響。

定義1節點度中心性。度中心性是刻畫節點重要性的最直接度量指標[14]，兩極地區星間鏈路的關閉也能在度中心性上得到直觀的反映。因此，度中心性是選擇控制器部署位置的重要依據，其定義方法如下：

(3)

度中心性越優秀的節點與其他節點的直連鏈路越多，在發生鏈路失效時也有更大的調整空間。因此應當盡量選擇度中心性高的節點部署控制器。

定義2最差距離。為了適應網絡拓撲的周期性變化，控制器應當盡可能均勻地分布在網絡中以保證在不同時間片內控制器均能較好地發揮作用。將最差距離定義為網絡中交換機到控制器最短距離的最大值：

(4)

控制器的部署應當使得θ盡量小，以避免控制器分布過于集中導致某些節點距離控制器過遠。

因此，選取控制器部署位置的優化目標為

(5)

即使控制器盡量均勻地分布在整個網絡中，以減小交換機到控制器的最短距離，并通過優化節點度中心性選擇直連鏈路較多的節點部署控制器，同時防止在同一時間片內控制器集中進入兩極地區。

1.2 控制域劃分

控制器部署位置確定后，需要為控制器合理地分配交換機以保證網絡的性能。控制域的劃分需要保證網絡具有較小的控制時延，控制器間的負載分布盡量均勻，網絡受鏈路故障的影響盡量小。

定義3控制器與交換機間控制時延。將交換機sj與控制器ck間的控制時延定義如下：

(6)

其中，右側第1項為控制器處理時延，第2項為傳播時延[15]，c為自由空間中光速。

由定義可知，當網絡中控制器處理能力充足時，處理時延小于傳播時延，控制時延主要受第2項影響；而當網絡中控制器資源緊張時，處理時延對控制時延的影響力提升。結合上式，將控制器的控制時延定義為控制器與其控制域內所屬交換機的控制時延之和，將整個網絡的控制時延定義為控制器控制時延按照負載加權的平均值。

(7)

(8)

(9)

其中pk代表控制器ck的負載，其值為所有受該控制器控制的交換機流請求速率之和。

由于網絡控制時延按負載加權得到，當網絡負載不均衡時，網絡控制時延主要受負載最大的控制器影響而使得整個網絡的控制時延性能不理想，因此網絡時延的定義同時也要求負載在控制器間均勻分配。

(10)

(11)

(12)

(13)

(14)

其中，α為單位長度星間鏈路的物理中斷概率。值得注意的是，由于軌道間鏈路的反復開閉，軌道間鏈路應當比軌道內鏈路具有更高的單位長度物理中斷概率。文中仿真中軌道內與軌道間鏈路α分別取0.002及0.003。

定義6鏈路失效代價。借鑒文獻[14]同時結合衛星網絡特點，將鏈路失效代價定義為鏈路失效后網絡控制時延的增加量(可能是零)。該值反映了控制路徑上的直連鏈路在部署方案中的重要性，鏈路失效代價越大，鏈路對網絡控制時延的影響越大。

δl=T(G-el)-T(G) ，

(15)

其中，G代表原有網絡拓撲，G-el代表el失效后的網絡拓撲。

定義7可靠性系數。部署方案的可靠性系數定義為鏈路失效代價與鏈路失效概率乘積的總和。可靠性系數越小，網絡鏈路失效對控制時延的影響越小。該值從概率的角度反映了網絡應對鏈路失效的能力。

(16)

基于上述定義，可將SDSN控制域劃分優化目標概括如下：

minδ，

(17)

(18)

(19)

?k∈C，pk

(20)

?j∈S，xk，j≤cvj，

(21)

(22)

優化目標為使部署方案的可靠性系數達到最小以提高網絡部署可靠性。式(18)表示每個交換機只能受到惟一一個控制器管理；式(19)要求網絡中沒有空載控制器；式(20)表示控制器的處理能力應大于其負載；式(21)表示只有節點上部署了控制器才能管理其他交換機；式(22)限定網絡中控制器數量為M。

2 求解方法

選擇粒子群算法(Particle Swarm Optimization，PSO)作為求近似最優解的手段。粒子群算法是一種基于種群的隨機迭代尋優算法。算法中并沒有許多需要調節的參數，其將問題的解抽象為每個粒子的位置，通過適應度函數評價粒子位置的好壞，每個粒子具有當前位置、歷史最佳位置和當前速度3種屬性，具有效率高、執行速度快等優點，已經被廣泛應用于工程、經濟與科學領域[16-18]中。因此選擇粒子群算法的理由如下：第一，算法規則簡單，收斂速度快，容易實現；第二，算法已在地面軟件定義網絡的控制器部署問題中得到了較為充分的研究和應用。同時，采用慣性因子隨迭代次數遞減的粒子群算法以提升算法性能[19]。算法求解過程如下。

策略基于控制時延可靠性的控制器部署策略(CDS-R)。

輸入：SDSN網絡G=(V，E)，衛星業務流量f，控制器處理能力r，控制器數量M。

輸出：控制器部署位置CLoc，控制域劃分方式X。

① 隨機生成控制器部署位置CLoc。

② 利用粒子群算法更新粒子位置。

③ 得到滿足優化目標的控制器部署方案CLoc并作為下一步算法的輸入。

④ 隨機生成控制域劃分方式X。

⑤ 利用粒子群算法更新粒子位置。

⑥ 得到滿足優化目標的控制域劃分方式X。

⑦ 輸出CLoc、X。

3 仿真與結果

3.1 仿真環境建立

本實驗利用STK 11.01進行衛星軌道的仿真和拓撲信息的采集，借助MATLAB 2016b進行算法仿真并對實驗結果進行分析。為了使實驗結果具有可比性，實驗在相同條件下進行。由于Iridium[20]為最經典的低軌道衛星星座，且具有衛星間通信鏈路，本實驗在Iridium拓撲下進行，拓撲參數如表2。實驗在一個軌道周期內劃分了若干個時間片，將不同時間片部署網絡的性能取平均值作為最終的仿真結果。

表2 仿真實驗拓撲參數

采用文獻[21]設計的衛星業務模型用以模擬。該模型將地球表面分為288個區域，區域內每106個用戶產生1 Mb/s流量，如果用戶數不足106，其產生的流量也按照1 Mb/s處理。各個區域產生的流量不是固定不變的，而是隨著當地時間的變化而變化，時間系數為

(23)

其中，ti代表i地區當地時間。每個區域與距其最近的衛星節點相連，衛星節點的源流量為與其相連的各個區域流量之和。值得注意的是，在SDN架構下，并不是所有的流量包都需要上交給控制器，只有無法與流表匹配的數據包會占用控制器處理資源，假設這部分流量的比例為10%[12]。交換機sj流請求速率計算方法如下：

(24)

其中，mi表示i地區用戶數，n表示i地區由sj轉發。

同時該模型還規定了ui到uj節點間流量計算方法，如式(25)，依據此式可計算得直連鏈路上的流量fl。

(25)

3.2 仿真結果分析

實驗1控制器數量對網絡部署的影響。本實驗選取地面SDN網絡部署策略中的k-center[22]策略、隨機部署策略(Random Deployment，RD)及SDSN部署策略以文獻[9]的部署方案(下文簡稱為NS)作為對比。k-center策略按照距離對節點進行聚類，并在聚類中心部署控制器；RD策略隨機選取控制器部署位置并按照就近原則為控制器分配交換機；NS方案[9]以網絡通信時延及控制器管理的交換機數量均衡為優化目標并利用NSGA-Ⅱ算法求解。為了便于對比，實驗中單個控制器處理能力均取60 Mbit/s。

圖1展示了控制時延、負載均衡率、可靠性系數這3種策略與控制器數量間的關系。隨著控制器數量的增加，3種部署方式的網絡性能均不斷提高。CDS-R的控制時延、負載均衡率、可靠性系數均優于另外兩種方案，按照對照方案性能與文中之差除以對照方案性能的計算方法，可得控制時延較對比方案降低至少34.84%(M=4時最少)、可靠性系數亦優于對比方案，負載均衡率更是降低了50%以上。這是由于k-center策略和RD策略作為地面SDN網絡控制器部署策略，并不適應衛星網絡環境，衛星網絡業務時間、空間分布非常不均勻，而k-center策略和RD策略在為控制器分配交換機時沒有考慮負載，極易出現按照距離將大量節點分配給同一個控制器的情況，造成控制器負載不均衡，控制時延增加。且很多流量較大的鏈路被作為控制鏈路使用，可靠性較差，一旦發生鏈路失效將嚴重影響網絡性能。NS方案控制時延不夠理想，這是由于該方案構建網絡時控制器間距離對優化目標影響巨大，導致控制器分布相對集中。同時，NS方案通過控制的交換機數量約束控制器負載，然而由于衛星節點間業務差距較大，故NS方案負載均衡性能仍與文中方案有一定差距。k-center策略和RD策略性能不夠理想也反映了SDSN中部署控制器時僅考慮節點間距離或傳播時延是不夠的。

(a) 控制時延

實驗2CDS-R仿真性能與控制器處理能力的關系。本實驗取M=6，由于k-center、RD等方案均為考慮控制器處理能力，故本實驗僅展示了CDS-R仿真性能，如圖2所示。

從圖2可以看出，隨著控制器處理能力的提升，網絡的控制時延不斷減小，而負載均衡率和可靠性系數稍有增加。分析式(7)不難發現，網絡的控制時延受傳播時延和控制器處理時延的共同影響。當控制器處理資源充裕時，控制器處理時延相對較小；控制時延主要受傳播時延的影響，因此CDS-R在規劃網絡時將傳播時延作為主要考慮因素；更多距離短但失效概率大的鏈路將出現在控制鏈路中，雖然造成了網絡可靠性和負載均衡性能的降低，但仍遠優于M=6時其他算法(見圖2)。由于低軌道衛星節點處理資源優先，通常小于本實驗所取數值，故CDS-R能夠較好地適應衛星網絡環境。

(a) 控制時延

實驗3CDS-R與現有低軌道衛星星座控制器部署方案的對比。圖3中的點分別代表了控制器數量為6時的CDS-R、控制器數量為12時的CDS-R、SoftLEO方案[7]以及從控制器選擇策略(Slave Controller Selection Strategy，SCSS)(僅借鑒其控制器選擇方法而不采用原文中的多級部署架構)[8]。結果表明，在相同情況下，CDS-R網絡性能均優于對比方案。這是由于SoftLEO方案與SCSS方案均按照衛星軌道劃分控制域，由于全球不同地區的巨大流量差異，各個控制器間的負載很難達到均衡。而且這種分配方法使得網絡中部分衛星節點距離控制器很遠，無法保證較小的網絡控制時延，同時這也使得部分節點受鏈路狀態的影響嚴重，一旦鏈路失效，網絡性能下降嚴重，同樣無法保證網絡的控制時延可靠性。

圖3 SDSN控制器部署方案的對比

圖4反映了仿真時間內不同控制器部署方案的網絡重構開銷大小。網絡重構開銷計算方法參考文獻[6]。由于SoftLEO方案為完全靜態的控制器部署方式，故其重構開銷為零。由圖可知CDS-R策略的重構開銷比SCSS小得多，在控制器數量同等情況下重構開銷降低了約26.55%。這是因為SCSS方案中需要實時調整控制器部署位置，增大了網絡重構開銷。本實驗未考慮設備制造與發射帶來的開銷，否則SCSS的開銷將會更大。

圖4 網絡重構開銷對比

4 結束語

針對現有SDSN低軌道衛星星座控制器部署方案中忽略處理時延、對網絡鏈路狀態缺乏考慮的問題，筆者將處理時延納入時延模型，定義了網絡可靠性系數以反映網絡應對鏈路失效變化的能力，并設計了CDS-R策略完成控制器的可靠部署。仿真結果表明，該策略的控制時延、負載均衡率、可靠性系數等性能均較對比方案有較大提升，且重構開銷保持在可以接受的范圍內。但仍存在以下不足：① 僅考慮了控制器在低軌道衛星星座中的部署，未加入同步軌道衛星、衛星地面站考慮控制器的多層次部署；② 未針對優化目標設計相應的求解算法，而是在經典優化算法的基礎上做簡單調整改進；③ 僅以概率方法衡量了網絡部署方法對網絡可靠性的影響，未針對鏈路中斷設計恢復策略。以上不足將在未來研究中加以研究改進。