基于OpenFlow协议的SDN路由算法的研究与实现

发布时间：2022-10-09 21:19

　　随着5G时代的来临,云计算与大数据等新兴产业加速发展,作为资源管理平台以及传输枢纽,数据中心所承载的业务数据量急剧增加,需要高效灵活的网络来应对多类型大规模的流量传输。传统网络架构采用分布式的控制方式以及固定的传输机制,难以满足当代数据中心对网络传输的要求。而软件定义网络架构具有数控分离、集中控制以及开放可编程的优点,将软件定义网络与数据中心相结合,不仅提高了数据中心的网络性能,也赋予了其高度的灵活性。除此以外,以Fat-Tree为代表的新型拓扑结构的应用在增强数据中心网络可扩展性的同时,也提升了其容错性能,使得数据中心在应对不同业务需求时可以进行动态调整。目前,数据中心网络所采用的动态负载均衡算法,仅仅考虑了网络节点间的局部连接,而忽略了整体链路性能。本文以Open Flow协议为基础,选用Ryu控制器为平台,根据Fat-Tree拓扑的结构特点,在动态负载均衡算法的基础上提出改进算法。该算法通过对网络拓扑进行整体感知的方式,能够有效避免局部最优缺陷,与此同时,依据网络连接状态以及链路信息可以动态获取当前状态下源节点至目的节点间的最优路由,达到网络自适应的同时实现了对数据流量的灵活传输... 

【文章页数】：71 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
    1.3 主要工作及章节安排
第二章 SDN相关背景知识介绍
    2.1 软件定义网络概述
    2.2 Open Flow协议概述
    2.3 Ryu控制器概述
    2.4 算法总体框架
    2.5 本章小结
第三章 基于Open Flow协议的SDN最优路由算法
    3.1 场景描述
    3.2 SDN最优路由算法
        3.2.1 拓扑感知模块
        3.2.2 信息收集模块
        3.2.3 路由决策模块
        3.2.4 路由下发模块
    3.3 仿真分析
        3.3.1 搭建网络模型
        3.3.2 构建流量模型
        3.3.3 仿真分析
    3.4 本章小结
第四章 基于强化学习的SDN路由算法
    4.1 强化学习概述
    4.2 基于强化学习的SDN路由算法
        4.2.1 算法介绍
        4.2.2 算法实现
    4.3 仿真分析
    4.4 本章小结
第五章 软件定义网络平台实现
    5.1 软件定义网络硬件配置
    5.2 软件定义网络平台实现
        5.2.1 基本框架介绍
        5.2.2 控制器开发
        5.2.3 后台开发
        5.2.4 前端开发
    5.3 软件定义网络平台测试
    5.4 本章小结
第六章 总结与展望
参考文献
附录1 攻读硕士学位期间申请的专利
附录2 攻读硕士学位期间参加的科研项目
致谢


【参考文献】：
期刊论文
[1]用SDN改造Google WAN网络-Google B4网络项目研究[J]. 王亚昕,陈量,康宗绪,王建兵.  通信技术. 2015(12)
[2]A General SDN-Based IoT Framework with NVF Implementation[J]. Jie Li,Eitan Altman,Corinne Touati.  ZTE Communications. 2015(03)
[3]现代数据中心发展趋势研究[J]. 李瑞军,智霆,吕江.  中国科技信息. 2015(15)
[4]未来网络体系架构研究综述[J]. 黄韬,刘江,霍如,魏亮,刘韵洁.  通信学报. 2014(08)

硕士论文
[1]基于强化学习的SDN数据中心网络拥塞控制方法的研究[D]. 庹鑫.浙江工商大学 2018



本文编号：3689373