軟件定義衛(wèi)星網(wǎng)絡(luò)多控制器可靠部署算法

郭子楨,梁俊,肖楠,陳威龍

(空軍工程大學(xué)信息與導(dǎo)航學(xué)院,710077,西安)

由于傳統(tǒng)衛(wèi)星網(wǎng)絡(luò)存在可拓展性差、設(shè)備難以更新升級(jí)、多種協(xié)議并存、無法為不同需求的用戶提供細(xì)粒度服務(wù)等問題[1],近年來軟件定義衛(wèi)星網(wǎng)絡(luò)(SDSN)開始走進(jìn)研究人員的視野。SDSN采用控制與轉(zhuǎn)發(fā)分離的軟件定義網(wǎng)絡(luò)(SDN)架構(gòu),通過控制器管理整個(gè)網(wǎng)絡(luò),提高了網(wǎng)絡(luò)的可擴(kuò)展性和可編程性[2-3]。低軌道(LEO)衛(wèi)星星座作為衛(wèi)星網(wǎng)絡(luò)轉(zhuǎn)發(fā)平面的主要組成部分[4-5],如何高效地對(duì)其進(jìn)行管理是SDSN的核心問題之一。不同于地面SDN網(wǎng)絡(luò),LEO衛(wèi)星拓?fù)涓咚賱?dòng)態(tài)變化、業(yè)務(wù)時(shí)空分布不均勻,因此需要針對(duì)性的進(jìn)行控制器的部署。

Wu等建立了SDSN開銷模型,以開銷為優(yōu)化目標(biāo),將最差時(shí)延作為衡量網(wǎng)絡(luò)可靠性的指標(biāo),卻忽略了鏈路失效、節(jié)點(diǎn)失效對(duì)網(wǎng)絡(luò)性能的影響[6]。Hu等提出SoftLEO策略,按軌道將衛(wèi)星分為6組,挑選6個(gè)運(yùn)動(dòng)方向相同、緯度相近且由軌道間鏈路相連的節(jié)點(diǎn)部署控制器[7],保證了網(wǎng)絡(luò)的時(shí)延性能,但對(duì)可能的節(jié)點(diǎn)失效及鏈路失效缺乏考慮。Xu等的部署方法與SoftLEO類似,不過為避免衛(wèi)星進(jìn)入兩極地區(qū)時(shí)對(duì)控制器間通信的影響而動(dòng)態(tài)地選擇赤道附近的衛(wèi)星節(jié)點(diǎn)部署控制器,且控制器的數(shù)量增加了一倍[8],同時(shí)也欠缺對(duì)可靠性的考慮。劉治國等以端到端時(shí)延為控制器部署評(píng)價(jià)指標(biāo),但部署模型以管理節(jié)點(diǎn)數(shù)表征控制器負(fù)載,對(duì)于業(yè)務(wù)分布極不均勻的衛(wèi)星網(wǎng)絡(luò)難以做到控制器間負(fù)載均衡[9]。楊力等通過負(fù)載門限判別控制器狀態(tài),進(jìn)而實(shí)現(xiàn)負(fù)載的動(dòng)態(tài)遷移,然而仿真實(shí)驗(yàn)并未基于衛(wèi)星網(wǎng)絡(luò)拓?fù)鋄10]。Wu等主要關(guān)注已有衛(wèi)星網(wǎng)絡(luò)的擴(kuò)展問題,未將網(wǎng)絡(luò)構(gòu)建時(shí)的控制器部署問題作為研究重點(diǎn)[11]。Papa等以流建立時(shí)延為優(yōu)化目標(biāo),部署方案擁有較好的時(shí)延性能,但缺乏對(duì)除時(shí)延外其他網(wǎng)絡(luò)性能指標(biāo)的考慮[12]。

現(xiàn)有SDSN控制器部署研究仍存在不足:一是忽略控制器處理時(shí)延僅考慮傳播時(shí)延。這相當(dāng)于忽視控制器間處理能力差異,默認(rèn)所有數(shù)據(jù)包的處理時(shí)間都相同。實(shí)際上,當(dāng)控制器處理能力較小時(shí),處理時(shí)延也對(duì)網(wǎng)絡(luò)性能有較大影響。二是缺乏對(duì)可靠性的考慮。SDN網(wǎng)絡(luò)的可靠性研究已較多而SDSN控制器可靠部署問題卻仍缺乏足夠的重視。

本文提出一種SDSN多控制器可靠部署算法,并利用改進(jìn)的人工魚群算法進(jìn)行求解。該算法將處理時(shí)延加入控制時(shí)延模型以優(yōu)化網(wǎng)絡(luò)時(shí)延,同時(shí)通過定義節(jié)點(diǎn)失效概率及鏈路失效概率衡量網(wǎng)絡(luò)可靠性。仿真對(duì)比說明,MCRDA算法能在保證較小的控制時(shí)延的前提下實(shí)現(xiàn)控制器間的負(fù)載均衡,并使網(wǎng)絡(luò)可靠性提高30%以上。

1 模型構(gòu)建

本文主要面向SDN架構(gòu)下LEO星座中控制器部署問題進(jìn)行建模,以解決控制器部署位置的選取問題(選擇部分LEO節(jié)點(diǎn)作為控制器),并建立控制器到交換機(jī)間的控制關(guān)系[13]。SDSN網(wǎng)絡(luò)可描述為G=(V,E),構(gòu)建模型所用參數(shù)及其說明見表1。表中xi,j、an均為二進(jìn)制變量,用于表征交換機(jī)-控制器連接關(guān)系及控制器部署位置,其取值方法如下

(1)

(2)

表1 網(wǎng)絡(luò)參數(shù)匯總表

在定義其他參數(shù)前對(duì)模型進(jìn)行說明如下:控制器可能部署于網(wǎng)絡(luò)中任意節(jié)點(diǎn)上,且位置確定后不可更改;使用時(shí)間片劃分思想,處理拓?fù)鋭?dòng)態(tài)變化的LEO衛(wèi)星網(wǎng)絡(luò)[14],并假設(shè)在時(shí)間片持續(xù)時(shí)間內(nèi)網(wǎng)絡(luò)拓?fù)洹I(yè)務(wù)、控制器與交換機(jī)連接關(guān)系保持不變;網(wǎng)絡(luò)重規(guī)劃僅在時(shí)間片切換時(shí)進(jìn)行。

1.1 控制時(shí)延

為使網(wǎng)絡(luò)能滿足不同用戶的需求,控制器部署應(yīng)當(dāng)使網(wǎng)絡(luò)中控制器到交換機(jī)的響應(yīng)時(shí)間(控制時(shí)延)[15]盡量短。衛(wèi)星網(wǎng)絡(luò)覆蓋范圍廣,為了減小控制時(shí),要求控制器分布盡量均勻,如果過于集中,則必然造成部分節(jié)點(diǎn)控制時(shí)延過大。因此,本文定義了最遠(yuǎn)距離以防止控制器的集中。

定義1最遠(yuǎn)距離D。D代表交換機(jī)與最近控制器距離的最大值,該值較大說明部分節(jié)點(diǎn)距離控制器較遠(yuǎn),網(wǎng)絡(luò)中控制器分布比較集中;反之,則說明控制器分布較為均勻。D表達(dá)式如下

(3)

現(xiàn)有大部分衛(wèi)星網(wǎng)絡(luò)控制器部署研究及地面廣域網(wǎng)研究都忽略了控制器處理時(shí)延,本文在時(shí)延模型中加入了處理時(shí)延。

定義2控制時(shí)延T。Ti,j表示交換機(jī)sj與控制器ci進(jìn)行一次控制信息交互所花費(fèi)的時(shí)間,其計(jì)算公式如下

(4)

式中:右側(cè)第2項(xiàng)為往返路徑上的傳播時(shí)延;右側(cè)第1項(xiàng)為流請(qǐng)求在控制器中處理所需的處理時(shí)延;c為自由空間光速。處理時(shí)延只與流請(qǐng)求大小及控制器處理能力有關(guān),不同交換機(jī)處理時(shí)延相互獨(dú)立。將控制器ci的控制時(shí)延Ti定義為ci到其控制的所有交換機(jī)的控制時(shí)延之和[16]

(5)

Ti值越小則控制器對(duì)所屬交換機(jī)的控制越高效。出于負(fù)載均衡的考慮,將整個(gè)網(wǎng)路的控制時(shí)延T定義為各個(gè)控制器控制時(shí)延按負(fù)載加權(quán)的和,qi為控制器ci的負(fù)載,計(jì)算式如下

(6)

(7)

由定義可知,負(fù)載大的控制器對(duì)網(wǎng)絡(luò)控制時(shí)延的影響更大。在控制器處理能力相同時(shí),負(fù)載大的控制器往往有較大的控制時(shí)延,網(wǎng)絡(luò)中出現(xiàn)過載控制器將嚴(yán)重影響網(wǎng)絡(luò)的控制時(shí)延。因此,負(fù)載加權(quán)方法在保證網(wǎng)絡(luò)時(shí)延性能的同時(shí)也兼顧了控制器間的負(fù)載均衡性能。

1.2 控制鏈路可靠性

控制鏈路可靠性是規(guī)劃網(wǎng)絡(luò)時(shí)必須考慮的重要因素。由于衛(wèi)星網(wǎng)絡(luò)的柵格化,網(wǎng)絡(luò)中兩個(gè)節(jié)點(diǎn)間往往存在多條聯(lián)通路徑,因此能夠通過控制器選址及控制關(guān)系在保證網(wǎng)絡(luò)時(shí)延的情況下盡可能提高控制鏈路可靠性,使網(wǎng)絡(luò)更加可靠。本文主要基于概率分析控制鏈路的可靠性。

定義3直連鏈路失效概率re。直連鏈路失效概率由鏈路長(zhǎng)度決定,長(zhǎng)鏈路失效概率更大。re的計(jì)算式如下

re=(1-αu)de

(8)

式中:αu為單位長(zhǎng)度失效概率;de為直連鏈路長(zhǎng)度。由于軌道間鏈路和軌道內(nèi)鏈路的差別,不同類型的鏈路應(yīng)當(dāng)具有不同的單位長(zhǎng)度失效概率。衛(wèi)星節(jié)點(diǎn)在極點(diǎn)附近會(huì)關(guān)閉其軌道間鏈路而保留軌道內(nèi)鏈路,頻繁的開閉使軌道間鏈路的單位長(zhǎng)度鏈路失效概率應(yīng)當(dāng)比軌道內(nèi)鏈路更高。

定義4節(jié)點(diǎn)失效概率rn。節(jié)點(diǎn)失效概率表示網(wǎng)絡(luò)中節(jié)點(diǎn)無法正常行使功能的概率。

定義5控制節(jié)點(diǎn)失效概率ξ。在選擇控制器時(shí),為了保證網(wǎng)絡(luò)的可靠性,應(yīng)當(dāng)盡量將控制器部署在節(jié)點(diǎn)失效概率較小的節(jié)點(diǎn)上。ξ的計(jì)算式如下

(9)

定義6控制鏈路可靠系數(shù)R?？刂奇溌房煽肯禂?shù)由控制鏈路上的節(jié)點(diǎn)失效概率及直連鏈路失效概率共同決定,交換機(jī)sj與控制器ci間的控制鏈路可靠系數(shù)Ri,j計(jì)算方法如下

(10)

ci所屬控制域的控制鏈路可靠系數(shù)Ri為控制域內(nèi)所有控制鏈路可靠系數(shù)的平均值。同樣出于負(fù)載均衡的考慮,整個(gè)網(wǎng)絡(luò)的控制鏈路可靠系數(shù)R定義為各控制域控制鏈路可靠系數(shù)按負(fù)載加權(quán)的和,Ri和R計(jì)算式如下

(11)

(12)

控制鏈路可靠系數(shù)能夠反應(yīng)網(wǎng)絡(luò)的可靠性,可靠系數(shù)大的網(wǎng)絡(luò)控制器與交換機(jī)之間的連接更不容易中斷,發(fā)生控制鏈路失效的概率更小。

定義7節(jié)點(diǎn)吸引度λj。λj表示節(jié)點(diǎn)vj對(duì)控制器的吸引力,控制器更傾向于部署在λj大的節(jié)點(diǎn)上。該值由節(jié)點(diǎn)失效概率及其所連接的直連鏈路共同決定,節(jié)點(diǎn)連接的直連鏈路越多、鏈路失效概率越小、節(jié)點(diǎn)失效概率越小,則節(jié)點(diǎn)吸引度越大、可靠性越好。λj的計(jì)算式如下

(13)

1.3 目標(biāo)函數(shù)

為實(shí)現(xiàn)對(duì)時(shí)延、可靠性等評(píng)價(jià)指標(biāo)的綜合優(yōu)化,將SDSN控制器部署目標(biāo)函數(shù)概括如下

(14)

(15)

?i∈C,qi

(16)

(17)

式(14)第一項(xiàng)為控制器選址優(yōu)化目標(biāo),后一項(xiàng)為控制域劃分優(yōu)化目標(biāo)。求解時(shí)由于兩項(xiàng)優(yōu)化目標(biāo)難以同時(shí)最優(yōu),故對(duì)第一項(xiàng)優(yōu)化目標(biāo)構(gòu)造非劣解集而主要對(duì)后一項(xiàng)進(jìn)行優(yōu)化。式(15)表示每個(gè)交換機(jī)僅受一個(gè)控制器控制;式(16)表示控制器負(fù)載不能超過處理能力;式(17)表示控制節(jié)點(diǎn)平均失效概率應(yīng)小于所有節(jié)點(diǎn)平均失效概率。

2 求解算法

控制器部署問題已被證實(shí)為非確定性困難(NP-hard)問題[17],而智能啟發(fā)式算法是求解NP-hard問題的有效手段之一。由于人工魚群算法具有實(shí)現(xiàn)簡(jiǎn)單、魯棒性強(qiáng)、對(duì)參數(shù)選擇不敏感、全局尋優(yōu)能力強(qiáng)、收斂速度快等優(yōu)點(diǎn)[19],本文利用人工魚群算法求解SDSN控制器部署問題。人工魚群算法所用參數(shù)見表2。人工魚群算法中共包括4種行為:覓食行為,魚群趨于向視野范圍內(nèi)食物濃度高的區(qū)域移動(dòng);聚群行為,人工魚趨于聚集成群,在避免擁擠的情況下向鄰居伙伴的位置中心移動(dòng);追尾行為,當(dāng)一條人工魚發(fā)現(xiàn)食物后,附近的人工魚會(huì)尾隨而來;隨機(jī)行為,人工魚隨機(jī)地在水中自由游動(dòng)。人工魚群算法流程如圖1所示。

表2 人工魚群算法參數(shù)匯總表

圖1 人工魚群算法流程

經(jīng)典人工魚群算法運(yùn)算時(shí)步長(zhǎng)固定,若步長(zhǎng)過小,算法收斂速度慢,可能無法到達(dá)最優(yōu)解;若步長(zhǎng)過大,算法可能在最優(yōu)解周圍振蕩而無法準(zhǔn)確收斂[18]。因此,為了提升算法尋優(yōu)能力并加快收斂速度,本文采用指數(shù)函數(shù)型衰減的步長(zhǎng),步長(zhǎng)更新方法如下

(18)

式中:ξmax為最大步長(zhǎng);ξmin為最小步長(zhǎng)。在運(yùn)算前期,步長(zhǎng)較大使樣本能夠快速地接近最優(yōu)解;在運(yùn)算后期,步長(zhǎng)逐漸減小,使樣本能夠準(zhǔn)確停留在最優(yōu)解位置[19]。

本文利用改進(jìn)的人工魚群算法求解SDSN控制器部署問題的MCRDA算法,具體步驟如下。

輸入:SDSN網(wǎng)絡(luò)G,網(wǎng)絡(luò)流量,控制器處理能力p,控制器數(shù)量M,人工魚群算法參數(shù)

輸出:控制器部署位置集合A,控制域劃分X

1:采集d、rn、re等網(wǎng)絡(luò)參數(shù)

2:生成初始樣本

3:whileβ<βmaxdo

4:更新步長(zhǎng)ξ

5: whilek

6: 計(jì)算各樣本目標(biāo)函數(shù)值

7: 用改進(jìn)的人工魚群算法更新樣本位置

8: endwhile

9: 構(gòu)造非劣解集并排除無效解

10:endwhile

11:得到X、A

3 仿真與性能評(píng)估

3.1 仿真條件

(1)實(shí)驗(yàn)平臺(tái)介紹。仿真實(shí)驗(yàn)均利用STK 11.01進(jìn)行衛(wèi)星網(wǎng)絡(luò)拓?fù)湫畔⒌牟杉?利用Matlab 2016b進(jìn)行算法仿真以及實(shí)驗(yàn)結(jié)果處理。

(2)拓?fù)溥x擇。由于Iridium為最經(jīng)典的LEO衛(wèi)星星座且具有星間鏈路,諸多衛(wèi)星網(wǎng)絡(luò)相關(guān)研究均將其作為實(shí)驗(yàn)拓?fù)?故以Iridium星座作為本文實(shí)驗(yàn)拓?fù)?具體參數(shù)如表3所示。

表3 仿真實(shí)驗(yàn)拓?fù)鋮?shù)

(3)業(yè)務(wù)模型。本文所用衛(wèi)星網(wǎng)絡(luò)業(yè)務(wù)流量模型將地球表面劃分為288個(gè)區(qū)域,在每個(gè)區(qū)域內(nèi)以106為單位計(jì)算該區(qū)域的用戶數(shù)(該用戶數(shù)為區(qū)域內(nèi)用戶總數(shù)而不是正在使用網(wǎng)絡(luò)的用戶數(shù))及流量,每個(gè)區(qū)域的流量由距其最近的衛(wèi)星節(jié)點(diǎn)轉(zhuǎn)發(fā)[21]。每組用戶的流量情況受當(dāng)?shù)貢r(shí)間的影響,10時(shí)至22時(shí)流量達(dá)到最大值1 Mb/s,0時(shí)至6時(shí)最小,具體如下

(19)

需要注意的是,在SDN架構(gòu)下,不是所有數(shù)據(jù)包都需要控制器處理,只有無法匹配流表的數(shù)據(jù)包需要調(diào)用控制器處理資源,設(shè)這部分?jǐn)?shù)據(jù)的比例為10%[12]。由此模型,交換機(jī)流請(qǐng)求速率的值即為所有由該交換機(jī)負(fù)責(zé)轉(zhuǎn)發(fā)的地區(qū)業(yè)務(wù)流量之和乘以10%。

(4)仿真參數(shù)。在LEO星座每個(gè)周期內(nèi)設(shè)置6個(gè)時(shí)間片,將部署方案各時(shí)間片內(nèi)仿真性能的平均值作為方案最終性能,控制器處理能力取60 Mb/s。在0～0.1范圍內(nèi),差異化地確定各個(gè)節(jié)點(diǎn)的失效概率,且不同節(jié)點(diǎn)的失效概率相互獨(dú)立。人工魚群算法中種群數(shù)量為400,迭代次數(shù)為200,試探次數(shù)為50,視野為37,步長(zhǎng)范圍為5～55,擁擠度因子為0.618。

3.2 仿真結(jié)果分析

為了展示MCRDA算法的性能及優(yōu)勢(shì),本文共設(shè)計(jì)了3組實(shí)驗(yàn)。在仿真實(shí)驗(yàn)中,除了控制時(shí)延與網(wǎng)絡(luò)可靠性,負(fù)載均衡也是反映網(wǎng)絡(luò)性能的一個(gè)重要指標(biāo)。本文定義控制器負(fù)載標(biāo)準(zhǔn)差為負(fù)載均衡系數(shù)δ,并以此表征網(wǎng)絡(luò)負(fù)載均衡性能,計(jì)算方法如下

(20)

(21)

圖2 控制器節(jié)點(diǎn)平均失效概率與控制數(shù)的關(guān)系

(1)實(shí)驗(yàn)1:控制器節(jié)點(diǎn)平均失效概率。由圖2可知,MCRDA算法選擇的控制器節(jié)點(diǎn)平均失效概率隨控制器數(shù)量的增加有增大的趨勢(shì),不過仍小于所有網(wǎng)絡(luò)節(jié)點(diǎn)的平均失效概率。這是由于控制器數(shù)量較少時(shí),在選擇控制器節(jié)點(diǎn)時(shí)有較大余裕?？刂破鲾?shù)量較多時(shí),由于控制時(shí)延的約束,一些失效概率較大的節(jié)點(diǎn)不可避免地被作為控制器使用,使得控制器節(jié)點(diǎn)平均失效概率略微上漲。最極端的情況就是網(wǎng)絡(luò)中所有節(jié)點(diǎn)均部署控制器,此時(shí)控制器節(jié)點(diǎn)平均失效概率達(dá)到最大,等于所有網(wǎng)絡(luò)節(jié)點(diǎn)的平均失效概率。

(2)實(shí)驗(yàn)2:考慮可靠性對(duì)控制時(shí)延的影響。由于控制時(shí)延和網(wǎng)絡(luò)可靠性難以同時(shí)達(dá)到最優(yōu),在優(yōu)化目標(biāo)中加入可靠性指標(biāo),將不可避免地帶來控制時(shí)延的下降。由圖3～5可知,相較于僅對(duì)控制時(shí)延進(jìn)行優(yōu)化的部署方案(下稱delay方案),本文算法能夠犧牲較小的控制時(shí)延和負(fù)載均衡率,換取網(wǎng)絡(luò)可靠性的較大提升,其中控制時(shí)延性能下降不足7.4%,網(wǎng)絡(luò)控制鏈路可靠性提升了近50%。這是由于衛(wèi)星網(wǎng)絡(luò)的柵格性,使得網(wǎng)絡(luò)中兩個(gè)節(jié)點(diǎn)間存在多條可能的路徑,因此在部署控制器時(shí),通過合理調(diào)整控制器的位置能夠在控制鏈路長(zhǎng)度相差不大的情況下取得更高的可靠性指數(shù)。

圖3 兩種算法控制時(shí)延的對(duì)比

圖4 兩種算法負(fù)載均衡率的對(duì)比

圖5 兩種算法控制鏈路可靠性的對(duì)比

(3)實(shí)驗(yàn)3:MCRDA算法與其他部署方案對(duì)比。k-means算法將節(jié)點(diǎn)按照距離劃域,并在域中心處部署控制器[22];RD算法隨機(jī)選擇控制器部署位置,并按最短距離原則為控制器分配交換機(jī);NSGA-Ⅱ算法綜合考慮網(wǎng)絡(luò)端到端時(shí)延與負(fù)載均衡,靜態(tài)的規(guī)劃衛(wèi)星網(wǎng)絡(luò)[9]。MCRDA算法與其他部署方案性能對(duì)比見圖6～8。

圖6 4種算法控制時(shí)延的對(duì)比

圖7 4種算法負(fù)載均衡率的對(duì)比

圖8 4種算法控制鏈路可靠性的對(duì)比

由圖6～8可見,隨著控制器部署數(shù)量的增加,4種算法的控制時(shí)延和負(fù)載均衡率均呈現(xiàn)下降趨勢(shì),可靠性呈上漲趨勢(shì)。這是由于,隨著控制器數(shù)量的增加,網(wǎng)絡(luò)控制鏈路長(zhǎng)度的減小以及總處理能力的增大。NSGA-Ⅱ算法將端到端時(shí)延作為優(yōu)化目標(biāo),導(dǎo)致網(wǎng)絡(luò)中控制器到交換機(jī)的最大時(shí)延較大,因而控制鏈路較長(zhǎng),控制時(shí)延與網(wǎng)絡(luò)可靠性不理想。NSGA-Ⅱ算法雖然加入了對(duì)負(fù)載均衡的考慮,但卻忽略了每個(gè)衛(wèi)星節(jié)點(diǎn)流請(qǐng)求數(shù)量的差異而追求控制器連接的衛(wèi)星節(jié)點(diǎn)數(shù)量的均衡,故其負(fù)載均衡性能雖優(yōu)于另外兩種算法卻仍與MCRDA算法有一定差距。k-均值算法、RD算法分析時(shí)延時(shí)忽略了處理時(shí)延,也未考慮控制器負(fù)載差異對(duì)網(wǎng)絡(luò)性能的影響,故而負(fù)載均衡性能較差。不過由于兩種算法優(yōu)先挑選距離短的鏈路作為控制鏈路,所以控制鏈路可靠性要優(yōu)于NSGA-Ⅱ算法。由于全面的考慮了時(shí)延與可靠性,并且在建立模型時(shí)加入了對(duì)負(fù)載均衡的約束,MCRDA算法在控制時(shí)延、負(fù)載均衡率、可靠性方面均優(yōu)于對(duì)比算法,控制時(shí)延提升23%以上,負(fù)載均衡率提升25%以上,網(wǎng)絡(luò)的控制鏈路可靠性提升約30%。

本實(shí)驗(yàn)還進(jìn)行了MCRDA算法與現(xiàn)有衛(wèi)星網(wǎng)絡(luò)控制器SoftLEO、SCSS部署方案的性能對(duì)比,如圖9所示。

圖9 MCRDA與其他衛(wèi)星網(wǎng)絡(luò)控制器部署方案對(duì)比

由圖9可知,在不同控制器部署數(shù)量情況下,MCRDA算法各項(xiàng)性能均優(yōu)于對(duì)比方案,尤其是負(fù)載均衡性能提升可達(dá)53.2%。這是因?yàn)?SoftLEO方案與SCSS方案均按照軌道劃分控制域,衛(wèi)星網(wǎng)絡(luò)業(yè)務(wù)空間、時(shí)間分布的不均勻特性不可避免地導(dǎo)致控制器間的負(fù)載差距大。同時(shí),這種部署方式使得控制鏈路上只包含軌道內(nèi)鏈路,不含失效概率較大的軌道間鏈路,因此這兩種方案的控制鏈路可靠性均較為優(yōu)秀,不過仍略低與本文算法。值得一提的是,SCSS部署方案要求網(wǎng)絡(luò)中所有衛(wèi)星節(jié)點(diǎn)均安裝控制器模塊(同一時(shí)刻只有部分節(jié)點(diǎn)開啟該模塊作為控制器使用),同時(shí)動(dòng)態(tài)調(diào)整控制器的開閉狀態(tài)以適應(yīng)網(wǎng)絡(luò)業(yè)務(wù)和拓?fù)涞淖兓?這就使得該算法的設(shè)備制造、發(fā)射成本巨大,經(jīng)濟(jì)效益較差。

4 結(jié) 論

本文結(jié)合衛(wèi)星網(wǎng)絡(luò)特點(diǎn),同時(shí)考慮到鏈路失效與節(jié)點(diǎn)失效,提出了一種SDSN多控制器可靠部署算法,將處理時(shí)延加入時(shí)延模型以提高網(wǎng)絡(luò)性能,并利用可變步長(zhǎng)的人工魚群算法求解。仿真結(jié)果表明,與現(xiàn)有控制器部署方案相比,MCRDA算法能夠在保持良好時(shí)延性能的同時(shí),將網(wǎng)絡(luò)可靠性提升30%以上,負(fù)載均衡性能提升25%以上。不過本文仍有以下不足:計(jì)算鏈路失效概率時(shí)未考慮流量擁塞,缺乏對(duì)控制器間通信的研究分析。這些不足將在未來研究中加以改進(jìn)。