大数据驱动的未来网络:体系架构与应用场景(下)网络架构与场景详解

【学术plus】 新添加号内搜索功能!

→输入关键词→一键检索您需要的文章。快来试试!

今日荐文

今日荐文的作者为首都经济贸易大学密云分校专家孙远芳,段翠华,中国石油大学(华东) 计算机与通信工程学院专家张培颖。本篇节选自论文《大数据驱动的未来网络:体系架构与应用场景》,发表于《中国电子科学研究院学报》第12卷第5期。本文为论文下半部分。

摘 要:当前网络已经发展了40余年,存在许多问题亟待解决。随着美国产业互联网、德国工业4.0以及“互联网+”等战略的提出,当前的互联网所支撑的方向正在由消费型向生产型转变,但是基于TCP/IP的网络体系架构在可扩展性、安全性等方面都无法适应这一转变,因此未来网络受到了全球范围的重视,比较有代表性的工作包括软件定义网络和信息中心网络,另一方面,大数据技术也在各个行业崭露头角,这些新兴的技术都处于发展初期,仍存在许多问题亟待解决。本文将这些新技术的优势加以利用,提出了一种数据驱动的网络架构,旨在通过该架构来解决新兴的未来网络在发展中所面临的问题和挑战。

关键词:软件定义网络;信息中心网络;大数据;数据驱动网络

2 数据驱动的未来网络架构

通过上述分析,我们可以看出,现阶段未来网络架构和新兴的大数据处理技术都存在着各种各样的问题和挑战,针对这些问题,本文将有针对性的提出了“数据驱动的未来网络架构”,该架构综合的吸取了各种未来网络架构突出的优势,并且在网络中灵活的运用了大数据分析技术,旨在应对未来网络在发展中所面临的问题。

2.1 网络架构

该架构的参考模型见图2,由三层结构组成,分别是数据层、控制层和应用层,接下来将详细介绍各层的功能。

图2 数据驱动的网络架构

2.2 数据层

数据平面由多个SDN智能转发设备组成,可以是SDN交换机或数据中心、基站等,这些智能转发设备的功能特点主要包括以下几点:

1) 智能转发设备是在传统转发设备的基础上嵌入了内容缓存功能,缓存功能的加入可以有效的降低对用户的内容请求响应时延。当用户的内容请求到达与之相连的智能转发设备时,该转发设备首先与本地缓存的内容相匹配,如匹配成功则之间回复用户的请求;否则,从其他智能转发设备取回该内容来回复用户的请求。

2) 在智能转发设备中还嵌入了监控装置,该监控装置是可扩展的分布式监控模块并具有高性能的运算系统,它负责收集智能转发设备上的内容数据、缓存数据和网络状态数据,并定期地通过南向接口将这些数据上传到控制平面,其中内容数据包括用户的内容请求、缓存中的内容信息等;缓存数据包括缓存的大小和利用率;网络状态数据包括网络拓扑、流量数据、链路数据等。

3) 智能转发设备还负责根据控制器下发的流表对数据包进行转发,并且可以接收来自控制器的流表对缓存的大小和缓存的内容进行调整和重新布局,从而可以确保内容和缓存的重新配置。

2.3 控制层

控制层通过两个接口连接了数据层和应用层,因此控制层是该架构的核心组成部分,它主要由两部分组成,分别是大数据处理平台和SDN控制器

大数据分析平台嵌入了分析能力,所分析是数据包括用户数据,如内容数据、缓存数据,网络数据,流表数据等。大数据分析平台应用分析算法从大量的数据中挖掘有用的信息,从而建立流量模型、用户行为模型和内容流行度模型从而更好的理解网络状态、用户需求和内容流行度。最后大数据将分析得到的决策信息,如内容重分配、缓存重分布以及网络管理策略等,并将这些决策信息传递给SDN的控制器模块。

根据大数据平台给出的决策信息,SDN控制器模块通过向数据层下发流表来改变智能转发设备的状态和缓存状态,包括数据包转发规则、缓存分配情况和内容分布情况,调整后的网络可以最大程度的提升缓存利用率。

因此控制层的功能可以归纳为以下两点:

1) 对数据平面:SDN控制模块接收来自数据平面的网络状态信息来构成网络全局视图,并且向数据平面下发流表转发规则;与此同时,大数据分析平台接收来自智能转发设备的各类数据,包括缓存数据、内容数据和网络状态数据。根据缓存数据并结合大数据分析功能,我们可以得知哪个智能转发设备有较高的内容请求频率,则接下来将会给该转发设备分配更多的缓存资源;根据内容数据并利用大数据分析功能,得到哪些内容在哪些转发设备上有较高的请求热度,则将会把该内容缓存在该转发设备上,从而降低大部分用户的内容请求时延;通过网络状态数据和大数据分析能力,得到哪些链路和转发设备会出现负载拥塞,则将会在将会在路由转发时尽量避免容易出现拥塞的链路和节点。大数据分析模块将这些决策策略传递给SDN控制器模块,然后控制器通过下发流表的方式执行相应的策略。

2) 对应用平面:向用户提供内容请求服务和应用程序服务,控制层感知这些服务请求,并根据服务请求制定相应的完成策略,并将策略下发给数据平面,从而实现用户请求。

2.4 应用层

应用层包括各种各样的内容服务和应用程序服务来满足用户的需求,利用北向接口和控制层,应用层可以获取全局视图,并且以编程的方式利用数据层的物理资源来实现用户的请求。

3 应用场景

在介绍完各层功能后,本章我们将针对某一特定的应用场景,对架构的工作流程进行描述,将该架构应用在基于软件定义网络的数据中心网络中,则该应用场景中数据层的智能转发设备为SDN交换机。

一个用户向与之相连的智能交换机提交了内容请求,当该交换机处缓存有该内容或是交换机可以利用流表取回该内容时,该交换机将立即回复用户的请求或是根据流表取回该内容;否则,该交换机则将用户请求上传给控制器,控制器根据全局信息得到取回该内容的最优路径,并向交换机下发流表,从而取回该内容。与此同时,大数据平台定期接收来自智能交换机上传的数据,并根据这些数据分析网络状态、性能和用户行为,并将分析的结果传递给控制器,控制器将根据这些结果调整内容的分布和缓存的分配。

例如某一用户想与之相连的智能交换机提交了对电影《阿凡达》的内容请求,但是该电影并没有缓存在交换机中,根据交换机中的流表也不能转发取回该电影,因此交换机将该内容请求上传给控制器,控制器下发流表,该交换机根据流表转发取回电影《阿凡达》。一段时间之后,大数据平台根据数据分析得知该智能交换机所连接的用户对电影《阿凡达》有着很高的请求频率,并将这一分析结果传递给控制器,控制器通过流表的下发将该电影缓存在该智能控制器中,从而可以大大降低大多数用户的请求等待时间。

因此,大数据模块通过对软件定义网络和信息中心网络中的数据进行分析,得到网络中各种终端的兴趣与需求,更加智能地解决了网络中数据缓存与数据转发等问题,有效地缓解网络拥塞,从而提高网络的性能。

结 语

在本文中充分分析了当前基于TCP/IP网络的发展问题,并且提出了进行未来网络相关研究的重要意义,并且着重分析了3种未来网络架构和新兴的数据处理技术,分别是软件定义网络、信息中心网络和大数据处理技术,这些未来网络和技术都处于发展的初期,都存在各种问题亟待解决。因此本文针对未来网络在发展过程中所面临的问题,提出了数据驱动的未来网络架构,综合的利用了现有技术突出的优势,并用各自的优势来集中解决未来网络面临的问题。未来的工作将在该架构中增加云计算的相关模块,从而实现网络性能的进一步提升。

【参考文献】

[1] D. Kreutz, F. Ramos, P. Esteves Verissimo, C. Esteve Rothenberg, S. Azodolmolky, and S. Uhlig, “Software-defined networking: A comprehensive survey,” Proceedings of the IEEE, vol. 103, no. 1, pp. 14–76, Jan. 2015.

[2] V. Jacobson, D. K. Smetters, J. D. Thornton, M. F. Plass, N. H. Briggs, and R. L. Braynard, "Networking named content," in Proceedings of the 5th international conference on Emerging networking experiments and technologies, CoNEXT '09, New York, USA, pp. 1-12.

[3] V. N. Gudivada, R. Baeza-Yates, and V. V. Raghavan, “Big data: Promises and problems,” Computer, vol. 48, no. 3, pp. 20–23, Mar. 2015.

[4] Mckeown, N., Anderson, T., Balakrishnan, H., Parulkar, G., Peterson, L., Rexford, J., Shenker, S., and Turner, J. OpenFlow: Enabling innovation in campus networks. ACM SIGCOMM Computer Communication Review 38, 2.

[5] ONF White Paper, Software-Defined Networking: The New Norm for Networks, 2012. https://www.opennetworking.org/images/stories/downloads/openflow/wp-sdn-newnorm.pdf

[6] NDDI计划,http://www.internet2.edu/network/ose/

[7] 刘韵洁, 黄韬. 未来网络的发展与展望, 2012高技术发展报告, 中国科学院.

[8] 黄韬, 刘江, 魏亮, 陈建亚, 刘韵洁. 未来网络的研究进展与展望, 计算机学报, 2012

[9] 刘智慧, 张泉灵. 大数据技术研究综述[J]. 浙江大学学报 (工学版), 2014, 48(6): 957-972.

[10] S. Pandey and V. Tokekar, “Prominence of mapreduce in big data processing,” in Proc. IEEE Fourth Int’l Conf. Communication Systems and Network Technologies (CSNT), 2014, pp. 555–560.

[11] “Technology and trends to handle big data: Survey,” in Proc. IEEE Fifth Int’l Conf. Advanced Computing & Communication Technologies (ACCT).

声明:版权归《中国电子科学研究院学报》所有。转载请务必注明出处,违者必究。文章观点不代表本机构立场。

  • 发表于:
  • 原文链接:http://kuaibao.qq.com/s/20171227B021AG00?refer=cp_1026

扫码关注云+社区