基于SDN架构的云环境下应用驱动的数据传输关键技术研究

With the emergence of cloud computing applications, the transmission requirements of applications turn out to be highly diversity, which brings challenges to the technologies of network data transmission. Traditional data transmission technologies can only meet the requirement of a certain type of application. From the diversity requirements of applications in data center networks, this project proposes an SDN-based control mechanism by using central control and global optimization with SDN architecture. In this project, we plan to make an in-depth research in three aspects: 1) data collection technologies based on SDN will be studied and we will propose an application classification methods based on multi-dimensional feature information. 2) We investigate the SDN-based virtualized congestion control model, and propose an application-aware virtualized TCP congestion control mechanism and global queue management based on this model; 3) We will create a application-driven multi-objective flow scheduling model and design an SDN-based flow scheduling system. These key technologies are designed to meet the diversity transmission requirements of applications and improve network performance. The outcome of the project will be of great importance for data transmission in cloud environment.

随着云计算应用的不断涌现，应用数据传输需求呈现高度的多样性，这种多样性为网络数据传输技术带来了挑战，传统的数据传输技术仅能满足某一类应用需求。本项目从云网络应用多样性需求出发，利用SDN架构的集中控制和全局优化，提出基于SDN架构的控制机制，并基于此开展三个方面的深入研究：1）研究基于SDN技术的数据采集技术，提出基于多维特征信息的应用分类方法；2）研究基于SDN的虚拟化拥塞控制模型，并基于该模型提出应用感知的虚拟化TCP拥塞控制机制和全局队列管理；3）建立应用驱动的多目标数据流调度策略，设计基于SDN的数据流调度系统。通过这些关键技术，达到满足应用多样性传输需求和提高网络性能的目标。本课题的研究成果对于云环境SDN架构下的数据传输具有重要意义。

为了优化云数据中心网络应用的传输性能，本项目从云数据中心网络数据传输的多样性需求出发，围绕云数据中心流量分类、拥塞控制、调度策略等三个方面开展了研究：1) 利用智能算法作为数据流分类技术，使用了15种被广泛使用的分类算法以及10种聚类机器学习算法，对不同流量数据集进行分类测试，全面评估机器学习算法。在此基础上，设计了集合LSTM和Bayes的算法区分恶意和非恶意流量；2) 针对DCTCP协议存在的问题，从ECN标记策略角度出发，设计了基于ECN出队头部标记的（DCTCP-FM）协议，基于ECN队内随机标记（DCTCP-RM）协议和混合ECN标记（DCTCP-MM）协议，在保证数据传输的高效性同时，也确保了数据流的公平性。从ECN标记的阈值角度出发，设计了动态阈值调整算法（DEMT）和流感知的阈值调整算法（FAMD）。针对数据中心流高并发场景，设计了两阶段拥塞控制算法（TS-TCP）；3)围绕数据中心负载均衡问题，权衡了流级别和报文级别的负载均衡机制的优点，设计了一种基于流切片级别和数据包级别混合的负载均衡机制（BOBBLE）。新的机制一定程度上规避了原有两种方法的缺点，可以成为原有方案的替代方案。最后，本项目研究并实现了真实测试床和虚拟仿真环境，并在其上部署了以上提出的所有算法，取得了较好的效果。本项目按照研究计划顺利执行，完成了流量分类方法设计，完成了拥塞控制和流量调度算法设计。项目研究成果为数据中心网络中的高并发数据流传输控制和流量调度提供了一定的理论模型支撑和实际算法优化方法，对于精细化网络管理、网络传输控制技术和网络行为研究具有积极的意义。部分研究成果已发表多篇SCI高水平期刊，达到预期研究目标。