[发明专利]基于深度学习实现应用感知的SDN网络资源调度方法

权利要求书

1.基于深度学习实现应用感知的SDN网络资源调度方法，其特征在于：所述方法的内容是：基于SDN网络的网络特性，在位于数据平面的虚拟网络功能VNF上部署深度神经网络DNN，该DNN对交换机转发的应用数据流进行学习和分类，并把分类结果上报给SDN控制器，SDN控制器根据分类结果进行网络资源调度，生成满足该应用数据流网络资源需求的路由信息，并把该路由信息下发给交换机；

所述方法包括如下操作步骤：

(1)客户端主机应用向服务器主机发出数据包，该数据包进入SDN网络；所述的客户端主机与SDN网络的边缘节点SA相联，所述的服务器主机与SDN网络的边缘节点SB相联；

(2)所述的SDN网络的边缘节点SA收到该数据包后查询流表，如果有相应的匹配流表，则按流表规则转发该数据包；如果没有匹配流表，则把该数据包通过packet_In消息上传给SDN控制器；

(3)SDN控制器收到该packet_In消息，解析上报的数据包，根据网络拓扑获取该数据包的源节点和目的节点，分别为SA和SB；

(4)SDN控制器使用最短路径算法计算出一条从节点SA到节点SB的传输路径，并将该路径转换成OpenFlow流表，然后把该流表下发到所述的路径上所有的交换节点；所述的客户端主机应用发出的所有数据包都会匹配到上述流表并最终根据该流表的动作转发到服务器主机；

(5)SDN控制器使用最短路径算法计算出一条源为节点SA，目的为所述VNF所连接的SDN网络边缘节点SC的路径，该路径会被转换成流表并下发到该路径上的所有节点；此时在SA处，所述客户端主机应用发送的数据包会被拷贝两份，其中一份会被转发到节点SB，这部分数据包最终会被转发到服务器主机，另一份数据包会被转发到VNF所连接的节点SC；

(6)VNF按照设定的采样时长对所述客户端主机应用的数据包进行采样，采样完成后，VNF计算出流量数据的特征向量并将该特征向量送入所述的DNN中进行分类；所述的特征向量是指：根据应用的数据流的时序特征所计算的特征向量；所述的应用的数据流定义为具有相同{源IP，目的IP，源端口号，目的端口号，协议(TCP或UDP)}，即{Source IP,Destination IP,Source Port,Destination Port and Protocol(TCP or UDP)}的一系列连续的数据包；

(7)分类结果被标记在数据包的IP包头中的DSCP字段，之后所述的数据包会通过packet_In消息上报给SDN控制器；

(8)SDN控制器收到VNF上报的分类结果，将分类结果映射成预置的资源需求，所述的资源需求主要指带宽要求和时延要求；

(9)SDN控制器使用深度优先算法DFS算法在源为SA目的为SB的所有路径中搜索一条满足资源需求的路径，并将该路径转化为流表，该流表会被下发到所述路径上的所有节点；这些流表具有较高的优先级会覆盖之前下发的流表，此时所述客户端主机应用的后续流量都会沿着满足其资源需求的所述路径进行转发。

2.根据权利要求1所述的基于深度学习实现应用感知的SDN网络资源调度方法，其特征在于：所述的DNN要预先进行训练，训练的方法是：通过交换机预先收集不同类型应用的流量数据，采用监督学习的方法对DNN进行训练。

3.根据权利要求1所述的基于深度学习实现应用感知的SDN网络资源调度方法，其特征在于：步骤(6)中所述的特征向量具体由以下特征构成：前向数据报的到达时间间隔，包括最大值、最小值、平均值和标准差；后向数据报的到达时间间隔，包括最大值，最小值，平均值，标准差；双向数据报的到达时间间隔，包括最大值，最小值，平均值，标准差；前向数据报每秒发送的报文个数和字节数；后向数据报每秒发送的报文个数和字节数；每秒时间内到达的前向数据报和后向数据报的包数之比和字节数之比；所述前向数据报是指客户端发送给服务器的上行流量，所述后向数据报是指服务器回复给客户端的下行流量。