验证网络性能的方法

2023-06-19 理论教育版权反馈

【摘要】：图9-1实验测试平台和演示器设置基于测试平台，我们在软件定义的C-RoFN中实验性地设计并验证了MSO的服务。功能请求消息负责定期查询OF-BVOS关于当前状态的监视。此外，在选择目的地之后，CSO策略仅考虑光网络资源并以最小跳数计算路径。GES部分地扩展了BBU中的负载均衡和光网络中的平均跳跃性能，并将它们明显地转化为整体资源利用率的提高和路径配置响应的增强。图9-3算法性能比较

为了评估本节所提出的架构的可行性和效率，我们建立了一个基于测试平台的软件定义的C-RoFN弹性光网络，包括控制平面和数据平面，如图9-1所示。在数据平面中，使用两个模拟RoF强度调制器和检测模块，它们由工作在40 GHz频率的微波源驱动，以产生双边带。4个支持OpenFlow的弹性ROADM节点在EON中配备了Finisar BV-WSS。我们使用Open vSwitch（OVS）作为OFP软件代理，根据光调制器和BV-WSS的API来控制硬件，并在控制器和无线频谱与光节点之间进行交互。此外，OFP代理用于模拟数据平面中的其他节点，以支持具有OFP的MSO。BBU池和OFP代理在由IBM X3650服务器上运行的VMware ESXi V5.1创建的一组虚拟机上实现。虚拟操作系统技术使得为大规模扩展而设置实验拓扑变得容易。对于基于OpenFlow的MSO控制平面，OC服务器被分配用于支持所提出的架构，并通过3个虚拟机进行部署，用于MSO控制，网络虚拟化和PCE作为插件，而RC服务器用作射频资源监视和分配。BC服务器部署为CSO代理，用于监控来自BBU的计算资源。每个控制器服务器控制相应的资源，而数据库服务器负责维护流量工程数据库（TED），连接状态和数据库的配置。我们部署了与RC相关的服务信息生成器，它实现了用于实验的批量C-RoFN服务。

pagenumber_ebook=167,pagenumber_book=156

图9-1　实验测试平台和演示器设置

基于测试平台，我们在软件定义的C-RoFN中实验性地设计并验证了MSO的服务。图9-2（a）和图9-2（b）分别展示了使用OFP通过部署在OC和RC中的Wireshark捕获MSO的整个信令过程。如图9-2（a）及图9-2（b）所示，10.108.67.21、10.108.49.14和10.108.50.74分别代表RC、OC和BC的IP地址，而10.108.49.23和10.108.49.24分别代表相应的OF-BVOS节点。请注意，现有的消息为OpenFlow原始功能。为简单起见，这些消息被用来简化本方案。未来将定义新类型的消息以支持将来研究中的新功能。Protocol列的圈中的数字表示信令程序的交互顺序。功能请求消息负责定期查询OF-BVOS关于当前状态的监视。OC通过特征回复消息从OF-BVOS获得信息（即步骤1，2）。当新请求到达时，RC通过UDP消息发送对MSO的请求，其中我们使用UDP来简化过程并降低控制器的性能压力（即步骤3）。在完成GES之后，OC从BC中通过UDP获得计算结果并使用其计算考虑具有多个层资源的CSO路径（即步骤4～6）。然后OC和RC提供频谱路径（即步骤7，8）并分配射频（即步骤9，10），以通过流动模式消息控制相应的节点。然后，OC利用UDP将资源使用更新为RC，以保持同步（即步骤11）。可以利用MSO在频谱信道上调制无线信号。

pagenumber_ebook=168,pagenumber_book=157

图9-2　OC和RC中MSO消息序列的Wireshark捕获

我们还用GES评估了MSO算法在高流量负载情况下的性能，并与传统的基于虚拟机的CSO算法[2]进行了比较。请求的带宽随机分布在500 MHz～40 GHz之间，其中弹性光网络中的频谱时隙为6.25 GHz。BBU中的服务处理使用率从每个需求的0.1%～1%随机选择。为了计算式（9-1）至式（9-4），公式中有几个预设权重。注意，φ是CPU和内存之间的预设权重，用来衡量它们的重要性，而β和γ是BBU、光网络和无线参数之间的预设权重。对于GES，我们可将调整权重φ、β和γ的值分别预设为50%、33%和33%，以避免仿真设置中的实验复杂性。战略中的时变参数将在未来进行研究。V、V′、L、L′、F和A的值分别设置为14、28、21、20、120和4。根据CPU使用率Utc和内存利用率Utm，GES首先通过式（9-1）计算BBU的当前使用情况，在BBU层中选择最佳的k个候选BBU节点。在无线层和光网络层中，应使用式（9-2）和式（9-3）计算候选节点的无线和光网络利用率，可以通过式（9-4）计算全局评估因子。然后，根据无线、光网络和BBU利用率，从k个候选者中选择具有最小值的节点作为服务的目的节点。在选择节点之后，可以执行第一适合策略作为源和目的地之间的供应路径的射频和频谱分配。

图9-3（a）和图9-3（b）比较了两种策略在资源占用率和路径供应等待时间方面的性能。资源占用率反映了被占用资源占整个无线、光网络和BBU资源的百分比。如图9-3（a）所示，GES可以比其他策略更有效地提高资源占用率，尤其是在网络负载较重时。原因是GES可以全局优化无线、光网络和BBU层资源，以最大化无线覆盖范围。图9-3（b）显示了GES与其他策略相比减少了路径配置延迟。这是因为GES在服务到达之前选择目的地BBU，这导致计算和供应时间的消耗。负载均衡度定义为每个BBU服务器中处理资源利用率的相关性。负载均衡度越高，负载平衡的效果越差。如图9-3（c）所示，GES的负载均衡度比CSO策略稍高。实际上，CSO策略仅考虑应用资源来计算目的节点，如果没有足够的射频和波长资源，可能无法建立服务调节。

此外，图9-3（d）显示了GES具有比CSO策略稍高的光网络平均跳跃的现象。随着提供负载的增加，可以看到另一种现象，GES曲线更接近CSO策略。这是因为GES在全局范围内考虑无线、光网络和BBU处理资源来计算和分配路径。此外，在选择目的地之后，CSO策略仅考虑光网络资源并以最小跳数计算路径。CSO注重光网络参数权重的路径计算，即使当前网络具有较强的射频资源和足够的网络资源，也可以节省更多的网络资源。由于不可变参数，CSO消耗大量的无线频谱资源来交换光网络层的微小改进。实际上，性能优化在GES中是不同类型资源之间的权衡。GES部分地扩展了BBU中的负载均衡和光网络中的平均跳跃性能，并将它们明显地转化为整体资源利用率的提高和路径配置响应的增强。

pagenumber_ebook=170,pagenumber_book=159

图9-3　算法性能比较

验证网络性能的方法

相关推荐