SDNアーキテクチャに基づくデータセンターネットワークルーティングアルゴリズムの需要分析

SDNアーキテクチャに基づくデータセンターネットワークルーティングアルゴリズムの需要分析

現在のネットワーク情報技術の急速な発展に伴い、ネットワーク アーキテクチャはますます複雑になっています。新しいネットワーク技術とアーキテクチャの研究によって提示された新しい要件に積極的に適応し、より多様化およびパーソナライズされたビジネスニーズを満たすために、SDN 技術が登場しました。この技術の応用により、転送層と制御層の分離が実現し、より柔軟なリソーススケジューリングが実現し、ネットワーク管理と運用保守コストが削減されるため、現在、ネットワーク研究の主要なトピックとなっています。この点で、SDN アーキテクチャに基づくデータセンター ネットワーク ルーティング アルゴリズムのニーズに関する関連する研究作業を実行することは、確かに実用的な意義があります。

[[242874]]

概要

SDN は、Emulex ネットワーク構造に基づいて開発された新しいタイプのネットワーク アーキテクチャです。ネットワーク仮想化を実現するための最も重要な手段の 1 つです。最も重要な技術手段である OpenFlow は、主にネットワーク機器のデータ プレーンと制御プレーンの分離に依存して、ネットワーク データ トラフィックの正確な制御を実現し、通信チャネルとしてのネットワークがより高いレベルのインテリジェンスを実現できるようにします。

データ センターのネットワーク トポロジは非常に複雑です。単一のネットワーク システムには、複数のサブネット システムが同時に含まれることが多く、各サブネットには、より一般的なルーターやスイッチなどの複数のデータ転送デバイスもあります。個々のユーザーがターゲット ホストにアクセスするには、少なくとも 1 つのデータ転送パスが必要です。トロイの木馬ウイルスやハッカー攻撃などの予期しない状況の影響を防ぐために、ユーザーはセキュリティ サービスも使用して、取得したデータや情報がセキュリティの脅威に脅かされないようにする必要があります。必要なセキュリティ サービスは、個々のユーザーのネットワーク アプリケーションの方法と範囲によって異なります。すべてのユーザーがセキュリティ設備を備えている場合、必要なネットワーク リソースは飛躍的に増加し、ネットワーク リソースの大部分は本来の役割と価値を発揮できず、無駄になってしまいます。設備リソースの利用率を効果的に向上させるために、仮想化ネットワーク機能技術を適用して、サブネットにプリインストールされているセキュリティデバイスまたはミドルウェアボックスをセキュリティリソースセンターに統合し、SDN技術を使用してセキュリティリソースセンターを管理および制御し、ネットワークリソースを合理的に構成し、ユーザーの実際のニーズに基づいて対応するセキュリティ機能を選択して呼び出すことで、大多数のユーザーにターゲットを絞ったセキュリティサービスを提供できます。

データセンターネットワークルーティングテクノロジー

マルチパスデータ伝送は、データセンターネットワークが満たさなければならない要件です。データセンターネットワークトポロジの多様な特性は、リンクマルチパス伝送にさらに便利な条件を提供できます。マルチパスデータ伝送を実装すると、パケット損失率を効果的に削減し、ネットワークサービスの遅延を減らし、ネットワークスループットの全体的な向上を促進して、ネットワークリソースの利用をより合理的なレベルにすることができます。現在、異なるパス上のトラフィックを分離し、ネットワークパフォーマンスを向上させることが、新しいルーティング研究の焦点となっています。具体的な研究内容は次のとおりです。

1. 単一静的転送

送信元または宛先アドレスに基づいてデータフローを固定リンクにマッピングすることで、単一の静的転送方法では、ネットワークフロー処理をよりシンプルかつ効率的に実現できます。ただし、各リンク間のトラフィックの均等性を基本的に保証することはできません。また、ネットワーク内のホスト間の相互作用の頻度とリンクの容量に基づいてルーティングパスを動的に調整する戦略を立て、ネットワークトラフィックとリンクの変化に適応することもできません。

2. ランダム等価分布

等コスト マルチパス (ECMP) アルゴリズムは、ネットワーク構造内でトラフィックをランダム等価の形で分散します。ネットワーク内のフロー キーワードに基づいて、複数のパスに異なるフローを設定できます。ランダム等コスト分散の最も顕著な特徴は、各リンクの値がまったく同じであるという事実に基づいて、マルチパスの負荷分散とトラフィックのバックアップ目的を保証することです。ランダム階層分散ルーティングの重要な基礎は、各リンクの帯域幅と伝送容量が完全に一貫していると想定することです。しかし、ネットワークシステムの実際の運用では、データセンターに接続された各リンクの帯域幅、遅延、安定性は大きく異なります。パス間の差異がより顕著になると、ランダムレベル分散を使用して満足のいく結果を得ることは困難です。

3. インテリジェントなヒューリスティックアルゴリズム

このアルゴリズム形式は、QoS ルーティング問題に対処するために最も一般的に使用されるアルゴリズム形式であり、主に、より一般的なアントコロニー アルゴリズム、遺伝的アルゴリズム、シミュレーテッド アニーリング アルゴリズムなどが含まれます。インテリジェントなヒューリスティック アルゴリズムを適用することで、ネットワーク パフォーマンスの最適化と向上を効果的に実現できます。たとえば、一部の研究者は、トラフィック エンジニアリングでアント コロニー アルゴリズムを使用してルーティングの最適化を改善し、ルータのバッファ キューの使用率を電力選択基準として使用しています。リンク使用率は、アント コロニー アルゴリズムでグローバル更新フェロモンとして機能し、データ転送用に複数のリンクを選択できます。インテリジェントなヒューリスティックアルゴリズムは、ネットワーク全体のパフォーマンスを大幅に向上および最適化できますが、各アルゴリズムには明らかな欠陥もあります。たとえば、遺伝的アルゴリズムのエンコードとデコードは非常に複雑で、計算処理にかかる時間が比較的長くなります。シミュレーテッドアニーリングアルゴリズムは、元のパラメータ情報への依存性がより顕著で、パス検索の効率が極めて低くなります。アルゴリズム内の目的関数の作成とアルゴリズムの反復回数の設定は、今後のヒューリスティックアルゴリズム研究の分野における主要な研究方向となるでしょう。

SDN に基づくデータセンター ルーティング アルゴリズム

1. QoSルーティングメカニズム

1. ルーティングモデル

現在のネットワーク技術の急速な発展に伴い、ネットワーク サービスでは伝送遅延、帯域幅容量、スループットなどに対する要件も高まっており、ネットワークに QoS 保証を提供することも求められています。従来のネットワーク転送の欠陥を解決するために、研究者は IntServ と DiffServ という 2 つの QoS ネットワーク アーキテクチャを提案しました。ただし、元の欠陥がまだ残っているため、広く普及することはできません。 InServ は、リソース予約を利用して、エンドツーエンド接続の QoS 保証を提供できます。要求情報を送信した後、システムは従来のルーティング プロトコルを介してそれを最短パスに送信します。このパスが著しくブロックされている場合、要求は返されます。つまり、到達する宛先は同じであり、残りのパスにはまだ十分な帯域幅リソースがあります。 DiffServ が使用する方法は異なります。すべてのフローのリソースを事前に予約しません。DiffServ は、ネットワーク エントリの場所に基づいてデータ パケットを識別し、限定的な分類を実行します。このソリューションは InServ よりもスケーラブルですが、その構造内のネットワークとエンド システムにはシグナリング通信がありません。パフォーマンスは保証できますが、エンドツーエンドの QoS 保証はできません。

要約すると、本研究では、IntServ と DiffServ を組み合わせることでエンドツーエンドの QoS 保証を実現します。 SND アーキテクチャ システム全体では、データ プレーンと制御プレーンが分離されており、転送プレーンはデータ パケットの交換とさまざまな QoS 関連のデータ パケット処理のみを実行します。

2. 制約

この研究はデータセンターネットワークを対象としていることを考慮すると、ほとんどのデータセンターネットワークの観点から、ネットワークフローは非常に明白なエレファントフローとマウスフローを示します。フローが小さい場合、レイテンシに対する要件は高くなりますが、帯域幅に対する要件は比較的低くなります。エレファントフローは、大規模なデータ情報を頻繁に送信する必要があり、レイテンシに対する要件は比較的低くなりますが、帯域幅に対する要件は比較的高くなります。帯域幅要件が満たされなくなると、バックアップや事後操作などのレイテンシが増加します。この観点から、この記事では、主にレイテンシと帯域幅の2つの側面からQoSの制約を分析します。ルーティング プロセス中にネットワークで発生する可能性のある輻輳に応じて、現在のリンクの輻輳の増加を回避するために、後続の新しいフローをスケジュールして処理する必要があります。

グラフ理論は、ネットワーク ノード トポロジを記述するために使用できます。ネットワーク重み付けグラフは次のように記述できます。

G(V,E)

QoS ルーティング アルゴリズム

1. トラフィック監視モジュール

このモジュールは、Flow_request を使用してフロー要求情報をスイッチに送信します。スイッチは情報を受信した後に応答します。コントローラは解析後にスイッチのポート情報を取得でき、モジュール内にストレージを定義して取得したスイッチ情報を保存し、後続のルーティング計算モジュールとブロッキング スケジューリング モジュールのアプリケーションに利便性を提供します。また、コントローラとスイッチの相互作用が頻繁すぎると、通信圧力が急激に増加することに注意してください。ただし、相互作用間隔が長すぎると、ポート上のトラフィックの変化を反映することが難しくなります。実際の計算によると、時間間隔を 5 秒に設定する方が合理的です。

2. 経路計算モジュール

既知の Anglo トポロジとリンク負荷情報に基づいて、マルチ制約 QoS ルーティング アルゴリズムを適用し、制約を満たす最短パスを見つけます。次に、pushRoute メソッドを呼び出して Flow-mod メッセージを発行し、フロー テーブルをスイッチに送信します。同時に、フロー テーブルは各スイッチのマッチング ルールにインストールされ、データ パケット転送機能を完了します。ルーティング計算モジュールの主な方法は次のとおりです。

(1)保護されたQoSpathルーティング。パラメータはクラスタ、送信元、送信先、遅延制約であり、戻り値の型はQoSpathであり、QoS制約を満たすすべてのパスを計算します。

(2)protect rpule getRoutes。パラメータは送信元IDと送信先ID番号で、戻り値は指定されたノードの相対パスを返すrouteです。

(3) protectedおよびQosPath delayADB。そのパラメータは基本的にルーティングメソッドのパラメータと同じです。主な違いは帯域幅制約です。このメソッドは、2つの制約に対するパス計算を実現するためにルーティングによって呼び出されます。

結論

要約すると、SDN アーキテクチャに基づくデータセンター ネットワーク ルーティング アルゴリズムは、極めて複雑なネットワーク モデルと統合セキュリティ デバイスの展開状況下で、パーソナライズされたセキュリティ サービスのサポートを獲得できます。これにより、限られたネットワーク リソースの占有率を削減しながら、デバイスの適用率を総合的に向上できる、最適化されたセキュリティ デバイス ルーティング アルゴリズムを作成できます。ネットワーク機能の仮想化の度合いが増すにつれ、ルーティング管理が直面する複雑さは大幅に増加しています。最適化および改善されていないルーティング アルゴリズムは、将来の発展に悪影響を及ぼすことは避けられません。SDN テクノロジをネットワーク機器管理とルーティング最適化に適用することは、今後、ネットワーク テクノロジ研究の分野で重要な内容となることは間違いありません。

<<:  Minglu Dataは、人間と機械のコラボレーションを促進するために知覚と認知知能を結び付ける業界初の「シンボルの力 - 産業AIブレインスマートシステム2.0」をリリースしました。

>>:  インベントリ | 2018 年のベスト 30 の機械学習プロジェクト

推薦する

人工知能:テクノロジーは無邪気、善と悪は人間の心の中にある

[[338194]]テクノロジーは常に諸刃の剣です。人類の文明の進歩を促進する一方で、時には人類に災...

人工知能を開発するには何が必要ですか?

独自の人工知能システムを構築するにはどうすればよいでしょうか?多くのことと同様に、答えは「それは状況...

ChatGPTという独立系ゲームがSteamから削除されました。開発者は「貯金と3年半の人生が消えてしまいました」と語っています。

3年半このゲームに一生懸命取り組んだのに、ChatGPT を使用したという理由だけで Steam ...

...

駐車技術の進化: 人工知能が駐車場の未来をどう形作るか

近年、インドは深刻な駐車スペース不足という差し迫った問題に直面している。自動車の数が日々増加している...

インテリジェントロボット:ハイエンド製造レベルの重要な指標

[51CTO.com からのオリジナル記事] ロボット製造は現在、知能ロボットの時代である 2.0 ...

マイクロソフトとパートナーは、AIへのアクセスを制限するデータ砂漠の縮小に取り組んでいる。

Microsoft は、多くの非営利団体のパートナーと協力して、これらのツールが失明や運動障害など...

没入型環境向けロボットの開発における3つの課題

[51CTO.com 速訳] 最近、FacebookはMessengerプラットフォーム上のチャット...

さまざまなオフィスAIを集めて活用すれば、最も効率的な人材になれる

人工知能(AI)技術の急速な発展は、さまざまな分野に多くの革新と利便性をもたらしました。この記事では...

Ruijie NetworksとMidea Smartは戦略的提携を結び、スマート小売端末の商業化と普及に取り組んでいます。

6月30日、瑞傑ネットワークス株式会社(以下、瑞傑ネットワークス)と合肥美的智能科技有限公司(以下...

マスク氏も騙された。AIの虚偽の内容が「リアル」すぎる

イスラエルとパレスチナの紛争が深刻化するにつれ、ソーシャルメディアのプラットフォーム上には現地の情景...

...

AI予算は増加しているが、導入の課題は残る

企業の人工知能予算は急速に増加しているが、導入には依然として大きな課題が残っていることが、Algor...

Adobe がインドのスタートアップ Rephrase.ai を買収、生成 AI 分野で初の買収となる

海外メディアの報道によると、デザインソフトウェアプロバイダーのAdobeは最近、インドの生成AIスタ...

...