[发明专利]一种高可靠性的细粒度SDN流量监控架构有效

专利信息
申请号: 201710439320.0 申请日: 2017-06-12
公开(公告)号: CN107317758B 公开(公告)日: 2020-06-26
发明(设计)人: 曲桦;赵季红;赵东旭;李岩松;李方成;赵建龙 申请(专利权)人: 西安交通大学
主分类号: H04L12/801 分类号: H04L12/801;H04L12/803;H04L12/851
代理公司: 西安智大知识产权代理事务所 61215 代理人: 弋才富
地址: 710049 陕*** 国省代码: 陕西;61
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 可靠性 细粒度 sdn 流量 监控 架构
【说明书】:

一种高可靠性的细粒度SDN流量监控架构,通过引入独立于特定业务和控制器的监控处理机制,将控制器的转发与监控相分离,监控处理器采用了三层架构,上下两层分别对应控制器和交换机侧,中间层对下层交换机侧收集的流监控数据进行处理,产生流特征集合;上层由控制器命令解析器和流特征选择器组成;根据控制器下发的选择命令决定选定的流特征,流特征选择器根据选定的流特征对中间层提供的流特征集合进行机器学习和数据挖掘,产生的统计量作为控制器的决策信息,为转发提供精确并有预测性的全网数据;本架构具有可靠性强、灵活性好以及监测精度高等优势,采用应用程序接口与控制器和交换机进行通信,具有较强的可扩展性,方便进行移植和维护。

技术领域

发明涉及计算机网络监控架构的技术领域,特别涉及一种高可靠性的细粒度SDN流量监控架构,将软件定义网络下的流量监控架构进行了创新和扩展,与如今深度学习技术相结合。

背景技术

现代的数据中心网络运转在大规模的数据交换计算之上,承载着海量业务如虚拟云计算、大数据应用、数据中心服务以及多媒体传输等,传统网络还依赖于网络管理员来处理网络瞬变问题已经不够及时例如网络拥塞是随着网络负载动态的变化,同时传统网络很难获取全网信息,这就难以为动态的进行网络流量调度提供高效和可靠性保证。

因此针对传统网络的诸多弊端,下一代网络NGN(Next Generation Network)技术应运而生,其中软件定义网络SDN(Software Defined Network)作为一种比较有代表性的技术受到了业界的广泛关注。SDN网络解耦了控制平面和数据平面使其具有高效和灵活的网络管理能力。这种网络架构提供了一种集中化的控制通过下发流表允许路由器和交换机以其线路的速率处理网络流量而不引入比较明显的额外开销(根据实现的具体架构一定程度上也会引入额外开销);同时控制器可以通过控制通道实时的管控网络。SDN技术适用于当下广泛多样的网络类型,因此在众多研究机构和工业公司的推广下发展的越来越快。

SDN网络最突出的特性就是全网控制,要实现高效和准确的网络控制必须以高效和准确获取全网信息为前提,因此SDN的网络监控技术是决定SDN网络架构整体性能的第一步。现如今的SND网络流量监控技术主要有以下几点缺陷:

(1)由于高频率的流统计量队列会在控制器引入监控开销。

(2)流量监控与转发使用相同的流表而产生了非灵活性的问题,同时用于监控目的的包特征与用于转发目的的包特征不总是相同或者是重叠的。

(3)由于目前硬件交换机的有限容量使得流条目数目非常的有限进而引入了可靠性问题,当流表数量过大时容易造成路由器流表拥塞。

发明内容

为了克服上述现有技术的缺陷,本发明的目的在于提供一种高可靠性的细粒度SDN流量监控架构,通过独有的控制与转发相分离的特点,提高了全网的管控能力,在提高了转发效率的同时又提升了故障恢复及预测和负载均衡等能力。

为了达到上述目的,本发明的技术方案为:

一种高可靠性的细粒度SDN流量监控架构,将SDN网络的监控与转发功能相分离,流量监控架构包括三层:控制器侧、流信息处理层和交换机侧;最上层是控制器侧,包含了控制器命令解析器和流特征选择器,负责根据控制器对监控流信息的需求对流特征集合进行学习和挖掘,提取出控制器所需的流统计信息,为其转发决策提供数据来源;流信息处理层负责对流量的初始信息进行过滤,提取出所需的统计量进而生成流特征集合,为上层控制器侧的流特征选择提供数据源;最下层为交换机侧,由本地控制应用和监控数据库组成,负责根据控制器的监控要求过滤和存储监控流的流条目;流量监控架构包含两种开放的应用程序接口:监控处理器的控制器侧和SDN控制器之间的数据交换和指令下发接口以及监控处理器的交换机侧与交换机之间的数据交换和参数设置接口。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西安交通大学,未经西安交通大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201710439320.0/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top