[发明专利]一种基于软件定义网络的服务感知的流策略定制方法

说明书

本发明属于流量调度技术领域，公开了一种基于软件定义网络的服务感知的流策略定制方法，流识别与流调度都是在控制器，通过扩展控制器的基础模块，开发出服务流识别分类和服务流策略调度两个模块，分别处理流的分类和调度功能。本发明是一种在软件定义网络(SDN)中，较为合理的流识别和流调度方案，能够对流进行服务层面的感知，较为精确的识别分类服务流，为不同类别的服务流制定不同的QoS级别的转发策略，提升企业门户面向用户所提供的业务访问所需的服务质量得到保障，提升用户对该服务的体验质量(QoE)，同时在一定程度上保证了链路的负载均衡和利用率。

技术领域

本发明属于流量调度技术领域，尤其涉及一种基于软件定义网络的服务感知的流策略定制方法。

背景技术

目前，业内常用的现有技术是这样的：流量调度问题是传统网络中流量工程问题的一种，在SDN软件定义网络中通常将流量调度称为流调度。流量调度策略并不完全统一，针对大部分流量使用相同的流调度策略，如负载均衡、最短路径等。但往往，还有许多类型的流量需要区分对待，用于满足用户所需的高质量的传输需求(如关键应用和多媒体应用流量等)，对于这部分流量，将其称为服务流，需要定制化特殊的方案来对其识别分类和调度。然而目前流量分类技术有深度包检测技术(DPI)和支持向量机的机器学习方式。但前者只能识别分类出数据库中已知应用程序的流，对于网络中新出现的应用程序产生的流无法识别，并且这不是一个有效的识别服务类别流的方法，因为很多不同的应用程序可能属于同一个服务类别，而后者的分类准确度还能再提高。对分类出来的服务流对其进行满足多个QoS(服务质量)约束级别的调度，而调度的本质就是要计算出一条满足多个约束条件的路径。然而现有的求解多约束QoS路经问题的方法，虽然可以为某个服务流寻找到一条满足多约束条件的路径，保证该流传输的服务质量，但并不能保证整个网络链路的负载均衡。原因如下，目前在多约束QoS路由上做的比较好的属于最大最小蚁群算法，但它的约束条件往往只考虑了时延、剩余带宽、抖动、丢包率等，虽然它能够在较短时间计算出一条满足上述4个约束条件的最优路径，但是当某个时段业务种类增多时，高质量的链路上可能会承载更多的业务流量，而低质量的链路上业务流量很低，造成了负载不均衡的现象。造成上述问题主要的原因是没有充分考虑全网的拓扑和链路状态信息。

综上所述，现有技术存在的问题是：现有的流量调度策略对于网络中新出现的应用程序产生的流无法识别，因而难以准确的为所有的流提供高质量的服务，对分类出来的服务流进行满足多个QoS(服务质量)约束级别的调度时，没有充分考虑全网的拓扑和链路状态信息，并不能保证整个网络链路的负载均衡，可能出现某段链路负载很高而某段链路负载很低和时常空闲等负载不均衡问题。

发明内容

针对现有技术存在的问题，本发明提供了一种基于软件定义网络的服务感知的流策略定制方法。

本发明是这样实现的，一种基于软件定义网络的服务感知的流策略定制系统，所述基于软件定义网络的服务感知的流策略定制系统包括：

数据转发层，用于基本的网络数据的传输；

控制器层，包括基本控制器模块和服务流模块；

基本控制器模块用于SDN网络事件管理；

服务流模块由服务流识别与分类模块和服务流策略调度模块两部分组成；协同工作用于完成流的服务级别分类与调度；

初步流检测用于对大象流进行识别，服务分类模型使用深度神经网络作为分类器对大象流进一步做服务级别的分类，同时历史数据库用于采集流信息作为新的训练样本用于后续某时段对服务分类模型进行再训练以提高模型的自适应性；

slave控制器，用于防止主控制器宕机。