软件定义网络中的业务流测量机理与关键技术研究

The traffic flow measurement of networks is on the base of network behavior analysis, which is significantly important and practical for network management and network plan. Starting with building the measurement architecture of traffic flows in software-defined networks, this project studies the architecture design of multi-domain traffic flow measurements and dynamic multidimensional measurement models. Then it investigates the software-defined control mechanisms of traffic flow measurements with low measurement overheads, costs, and delay. The sampling technology is used to build the dynamic measurement methods with the fine time granularity and fast inference algorithms. Hash functions and Bloom filters are exploited to create the sketch measurement primitives as simple and few as possible in order to cover most of measurement tasks for traffic flows. By combining sampling technology and sketches, the optimal model about measurement resource overheads and measurement accuracy is built and then multi-task concurrent measurement theories and methods are researched. This project is aiming at overcoming larger delay, higher overheads, more difficulties in the fine time granularity for traffic flow measurements in the existing software-defined network. It is also aiming at overcoming the support problem for traffic flow measurements. It researches the software-defined mechanism and key technologies of traffic flow measurements. By solving the corresponding theoretical problems, the capability of traffic flow measurements in the software-defined network is fully improved. This also provides fast traffic flow measurements with software-defined solutions and key technological support.

网络业务流测量是网络行为学研究的基础，对网络管理和网络规划具有重要的实际意义。本项研究以构建软件定义网络的业务流测量体系架构为切入点，研究多域业务流测量体系结构设计和动态多维测量模型，并研究低开销、低成本、低时延的软件定义业务流测量控制机制，利用抽样技术构建精细时间粒度的动态测量方法和快速反演算法。同时，利用Hash函数和Bloom滤波器，构建尽可能精简的概要测量基元（Primitive），以覆盖大多数测量任务，并联合抽样和概要结构，建立测量资源开销和测量精度的优化模型，研究软件定义的多任务并发测量理论和方法。本项研究旨在克服现有软件定义网络中业务流测量时延大、开销高、难以细时间粒度测量，及其对网络业务流测量的支持问题，围绕软件定义的业务流测量机理和关键技术展开研究，通过解决相应的理论问题，全面提高软件定义网络的业务流测量能力，并为业务流快速测量提供软件定义的解决方案和关键技术支撑。

本项目对软定义网络中业务流测量机理展开深入研究，提出了跨域网络流测量体系架构，构建了动态多维主动测量模型和测量方法，建立了动态多维被动测量模型和测量方法，研发了等间隔抽样测量的控制器性能分析理论和方法，设计了自适应抽样测量的控制器性能方法，建立了网络流收集器的控制机制，研发了网络流测量的查询机制，提出了精细时间粒度的动态抽样测量，设计了网络流的快速反演算法，提出了Hash函数构建算法，构建了Bloom滤波器构建算法，研发了网络流量抽样算法，提出了联合抽样与概要结构的测量方法。通过研究，在软件仿真平台和半实物模拟平台获得了关于不同控制器的性能对比关键数据，及其软件和半实物平台的交换机性能数据。通过该项目的研究，取得了以上相应的科研成果，并申请了相关的发明专利，获得了多项省部级科技成果奖，对解决当前软件定义网络关于网络流测量的关键科学问题具有重要的科学意义。相关研究成果，已经和多家研究所和公司合作，并进行成果推广应用，具有较好的应用前景。.通过本项目的资助，发表或录用学术论文共68篇，其中期刊论文53篇，SCI源刊论文52篇，EI源刊论文1篇，国际会议论文15篇。完成著作3部，其中中文教材1部，外文专著1部，外文专著章节1部。申请国家发明专利共33项，其中获得授权12项，其余21项已公示；获得国家软件著作权5项；主持国家级省部级等项目12项。参加14次国际学术会议，做学术报告18次共18个报告，获得国际会议和国家期刊最佳学术论文（提名）奖4项，指导学生获得国际会议最佳学术论文奖3项。获得各类奖项共23次，其中获得省部级奖项共5次，获得四川省特聘专家1项，并获得后续其他相关项目12项。培养青年教师3人，指导硕士研究生36名，其中毕业19名，在读17名；指导在读博士研究生4名。.通过本项目研究所取得的成果，可以用于指导现有和未来网络的优化设计和管理，并可为未来云计算和数据中心网络中网络流量的规划和进一步深入研究提供参考。