SDN网络的控制器部署和云存储分配问题研究

摘要

随着用户对网络服务的需求不断增长，网络向用户提供服务的种类越来越多，通信的数据量增长速度越来越快，数据计算越来越复杂。传统的网络结构和服务模式对于处理这些问题已经显得力不从心了。近些年来软件定义网络(SDN)和云计算的推广和部署为解决上述问题提供了有效的途径。SDN和云计算方兴未艾。越来越多的云计算服务迁移到SDN网络上。然而，无论是SDN的结构还是基于SDN的云服务都还有很多问题亟待研究和解决。
　　首先，SDN是控制逻辑集中的网络结构，控制器作为SDN的“大脑”在物理上采用分布式的部署方式。控制器通过标准协议，将转发规则安装到转发器上。控制平面和数据平面之间的时延直接影响转发规则能否及时有效的部署在转发设备上。当网络流量激增时，控制器会受到其控制能力的限制，很难及时的将转发规则安装到转发器上。控制器之间的延时直接影响控制之间能否及时通信，进而影响控制之间的逻辑一致性。如何合理的部署SDN控制器的位置，从而保证控制平面和数据平面的时延，保证控制器之间的时延，保证控制器实际收到的请求不超过其处理能力，已经成为当前研究的热点问题。
　　其次，云存储服务是在云计算基础上的发展和延伸。存储设备所在的网络环境直接影响云存储提供服务的速度和性能。越来越多的云存储服务建立在SDN网络结构之上。本文提出基于需求的SDN动态云存储服务，目的是希望根据用户需求的改变，利用SDN控制平面对数据业务平面的控制，动态调整应用数据在云存储服务器的上的部署位置，从而满足云存储性能要求。
　　本文首先介绍了SDN和云的相关概念、基本结构和特点，分析了在这种新的网络结构和服务模式中面临的问题。重点分析和解决了三个问题:如何部署SDN控制器，减少网络全局延时;如何部署SDN控制器，使控制器最大负载最小;如何根据用户需求的变化，将数据动态的存储到云存储服务器上，减少网络的流量，满足用户对时延的要求。根据上述三个问题分别提出了控制器负载受限的全局平均时延最小的PSO-GDM算法，控制器与转发器以及控制器之间延时受限的最大负载最小的NCPSO算法和数据在云储存服务器上动态迁移的网络流量最小的PSO-NFM算法。本文对这三种算法均做了详细的仿真实验，实验证明我们提出的解决方案能有效提升网络性能，优化网络服务质量。为SDN的大规模部署和基于SDN的云存储的应用提供了很好的理论和实际支撑。

目录

声明

摘要

第一章 绪论

1．1 研究背景和意义

1．2 国内外研究现状

1．3 论文的主要工作内容

1．4 论文的组织结构

第二章 SDN和云存储的介绍以及相关问题的定义

2．1 定义软件定义网络(SDN)

2．1．1 软件定义网络的基本结构

2．1．2 SDN当前研究热点问题

2．2 云计算和基于SDN的云储存

2．2．1 云计算的基本概念和特点

2．2．2 基于SDN的云储存

2．2．3 基于SDN的云储存当前研究热点问愿

2．3 本章小结

第三章 PSO优化算法概述

3．1 PSO算法基本概念和原理

3．2 粒子群算法的流程

3．3 PSO算法发展和演变

3．4 粒子群算法的实际应用

3．5 本章小结

第四章 SDN控制器全局延时最小部署问题

4．1 SDN控制器全局延时最小部署问题描述

4．2 SDN控制器全局延时最小部署问题数学符号描述

4．3 PSO算法解决控制器全局延时最小部署问题的算法思想

4．3．1 PSO-GDM算法的原理

4．3．2 PSO-GDM算法步骤

4．4 仿真结果评估

4．4．1 网络仿真环境

4．4．2 评价指标

4．5 本章小结

第五章 最大负载最小化的SDN控制器部署问题

5．1 问题描述

5．2 最大任务负载量小化的SDN控制器部署算法

5．2．1 NCPSO算珐的原理

5．2．2 NCPSO算法具体步骤

5．3 仿真结果评估

5．3．1 控制器部置个数分析

5．3．2 控制器最小利用率

5．3．3 网络负载均衡分析

5．3．4 控制器到转发器之间的延时

5．4 本章小结

第六章 基于需求的SDN动态云存储问题

6．1 基于需求的动态云存储问题

6．2 基于需求的SDN动态云存储问题的数学描述

6．3 解决问题的算法

6．3．1 算法思想

6．3．2 算法设计

6．4 仿真实验

6．4．1 云存储需要的服务器个数分析

6．4．2 网络流量分析

6．4．3 网络延时分析

6．5 本章小结

第七章 总结与展望

7．1 总结

7．2 展望

参考文献

致谢

攻读学位期间发表的学术论文目录

在读期间参与的科研项目情况