基于OpenFlow控制策略研究

发布时间：2017-10-18 07:42

  本文关键词：基于OpenFlow控制策略研究

  更多相关文章： 软件定义网络 网络协议 负载混合改进算法 控制器

【摘要】：软件定义网络是当前网络领域中的研究热点之一,它可能即将成为下一代互联网的发展方向,因而近年来引起广大学者、互联网企业、电信运营商、设备厂商的极大关注。虽然软件定义网络引起极大关注,但是软件定义网络相比于传统的网络还是处于一种初级阶段,目前为数不多厂家只是做了一些实验性的产品,而大部分学者现在还是采用仿真环境或者NETFPGA来做模拟实验。本文首先介绍了SDN(Software-Defined Networking)的研究背景和基本概念,展示SDN的优点,详细地分析了Open Flow协议。同时,探讨了Open Flow控制器的功能特点及华为的算法容器。其次,在深入研究Dijkstra算法的基础上,结合SDN集中控制器原理,在Floodlight控制器上实现一种适合于实时网络的智能路由算法,即负载混合改进算法。负载混合改进算法是指在满足Dijkstra算法的情况下,考虑到网络负载,对部分主机需要的通信拓扑图进行“剪枝”处理,在此之上再次使用Dijkstra算法求得最优路径,并通知控制器向交换机下发流表,改变这部分主机的通信路径,以获得更大的网络带宽。减小部分繁忙链路因通信信息量过大而引起的负载压力。然后,将算法应用在mininet和由Open v Switch搭建的测试平台上测试。基于mininet仿真的环境相对于基于Open v Switch搭建的测试平台更加简便、快捷,稳定性较强。基于Open v Switch的方法来搭建网络平台是在普通的台式PC的PCI接口扩展出多个网络接口来充当交换机的接口,其内置的网络接口或使用无线网卡的形式连接控制器。在这种环境下搭建的网络拓扑虽然性能虽然不能与专业设备相比,但是其反映的效果相对于mininet更加真实。最后,本文将在不同算法不同平台下采集到的实验数据进行分析。测试的数据表明,负载混合改进算法在这两种平台上运行良好,与只在软件定义网络中运行Dijkstra算法相比,负载混合改进算法明显提高了网络资源的利用率,减缓了部分链路的负载压力,增强了网络服务质量。
【关键词】：软件定义网络 网络协议 负载混合改进算法 控制器
【学位授予单位】：中南民族大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP393.02
【目录】：

• 摘要7-8
• Abstract8-9
• 第1章 绪论9-14
• 1.1 本文的研究背景及其意义9
• 1.2 国内外研究现状9-12
• 1.2.1 互联网企业9-10
• 1.2.2 电信运营商10-11
• 1.2.3 设备厂商11-12
• 1.2.4 学术界12
• 1.3 本文的主要工作12-13
• 1.4 本文的组织结构13-14
• 第2章 SDN与OpenFlow14-20
• 2.1 软件定义网络14-15
• 2.2 OpenFlow协议15-17
• 2.3 控制器17-19
• 2.3.1 Floodlight控制器17-18
• 2.3.2 NOX/POX控制器18
• 2.3.3 其它类型控制器18-19
• 2.4 华为SDN网络算法容器19
• 2.5 本章小结19-20
• 第3章 Dijkstra算法与负载混合改进算法20-27
• 3.1 Dijkstra算法分析20
• 3.2 负载混合改进算法20-26
• 3.2.1 网络拓扑存储方案21-23
• 3.2.2 负载混合改进算法的算法流程23-26
• 3.3 本章小结26-27
• 第4章 系统设计以及实现27-35
• 4.1 系统平台各部件简介27-28
• 4.1.1 Floodlight27
• 4.1.2 Mininet27-28
• 4.1.3 Open vSwitch28
• 4.2 系统平台的搭建28-34
• 4.2.1 Mininet仿真28-30
• 4.2.2 基于Open vSwitch配置的物理机搭建30-34
• 4.3 本章小结34-35
• 第5章 测试结果35-43
• 5.1 测试环境35-36
• 5.1.1 Mininet仿真测试环境35
• 5.1.1.1 硬件环境35
• 5.1.1.2 软件环境35
• 5.1.2 Open v Switch搭建的网络平台测试环境35-36
• 5.1.2.1 硬件环境35-36
• 5.1.2.2 软件环境36
• 5.2 测试内容与结果36-42
• 5.2.1 使用Dijkstra算法测试的结果36-37
• 5.2.2 使用负载混合改进算法在mininet上测试的结果37-39
• 5.2.3 使用负载混合改进算法在Open vSwitch搭建的平台测试结果39-42
• 5.3 本章小结42-43
• 第6章 总结与展望43-44
• 6.1 论文总结43
• 6.2 工作展望43-44
• 参考文献44-47
• 致谢47-48
• 附录 攻读学位所发表的学术论文目录48

【相似文献】

中国期刊全文数据库 前10条

1 左为平;刘云芳;;Dijkstra算法在最短旅游路径中的应用[J];计算机与信息技术;2011年Z2期

2 鲍培明;Dijkstra算法在动态权值系统中的应用[J];计算机工程;2000年04期

3 鲍培明;距离寻优中Dijkstra算法的优化[J];计算机研究与发展;2001年03期

4 宋航,吴力合,吕明;Dijkstra算法在部队快速行进中的应用[J];武警工程学院学报;2003年06期

5 余冬梅,张秋余,马少林,方霆;Dijkstra算法的优化[J];计算机工程;2004年22期

6 薛素静;Dijkstra网络路由算法的一种改进方法[J];郑州轻工业学院学报;2005年01期

7 陈益富;卢潇;丁豪杰;;对Dijkstra算法的优化策略研究[J];计算机技术与发展;2006年09期

8 潘燕燕;陈自力;;浅谈Dijkstra算法在城市交通最优路径中的应用[J];电脑知识与技术;2006年29期

9 胡树玮;张修如;赵洋;;扇形优化Dijkstra算法[J];计算机技术与发展;2006年12期

10 张念;;用Dijkstra算法实现对整车配送线路的优化[J];中国水运(理论版);2007年05期

中国重要会议论文全文数据库 前8条

1 李晓年;朱翊;王崇倡;;一种Dijkstra算法的优化及其实现[A];中国测绘学会2010年学术年会论文集[C];2010年

2 李杰;张文栋;杨卫;;双向Dijkstra算法设计与实现[A];中国宇航学会深空探测技术专业委员会第四届学术年会论文集[C];2007年

3 胡洪林;;求最短路的Dijkstra算法原理分析[A];2008年计算机应用技术交流会论文集[C];2008年

4 施培港;;Dijkstra最短路径算法的实现及优化[A];中国地理信息系统协会第三次代表大会暨第七届年会论文集[C];2003年

5 崔铁军;段莉琼;雷大伟;;车辆自导航系统中的弧段Dijkstra算法的研究[A];中国地理信息系统协会第三次代表大会暨第七届年会论文集[C];2003年

6 徐卫亚;周家文;邓俊晔;石崇;张宗亮;刘兴宁;;基于Dijkstra算法的边坡极限平衡有限元分析[A];第一届中国水利水电岩土力学与工程学术讨论会论文集（上册）[C];2006年

7 吴晓佳;仰燕兰;叶桦;;基于人车信息一体化的远程智能派工系统[A];2013年中国智能自动化学术会议论文集（第四分册）[C];2013年

8 ;EVALUATION AND REALIZATION OF WORKSHOP DYNAMIC PRODUCTION CAPABILITY BASED ON DIJKSTRA'S ALGORITHM[A];2005年中国机械工程学会年会论文集[C];2005年

中国重要报纸全文数据库 前1条

1 王 选;从Dijkstra谈帅才的洞察力[N];计算机世界;2002年

中国硕士学位论文全文数据库 前10条

1 王轩;基于GPS的AGV车辆路径规划与设计[D];陕西科技大学;2015年

2 李铎;基于Hadoop的车载云服务系统的设计与实现[D];广东工业大学;2016年

3 郑焦敬;从一地到多地最佳路线导航规划[D];南京邮电大学;2016年

4 王奇枫;基于OpenFlow控制策略研究[D];中南民族大学;2015年

5 赵新;基于移动GIS的Dijkstra算法的优化及应用研究[D];成都理工大学;2012年

6 周文广;基于Dijkstra的自动布线算法的优化及其应用研究[D];华中科技大学;2007年

7 余震江;基于最短路径Dijkstra算法的铁路客运中转径路优化研究[D];重庆大学;2008年

8 吴一鸣;应用Dijkstra算法对MAPGIS功能扩展与实现[D];中国地质大学（北京）;2008年

9 岳靓亮;基于Dijkstra、A*算法的汽车导航算路实现[D];吉林大学;2006年

10 杨宏川;改进的Dijkstra算法和改进的K-Medoids聚类算法在物流领域中的应用[D];吉林大学;2012年

，

本文编号：1053790