基于SDN的空間信息網(wǎng)絡(luò)自適應(yīng)QoS路由算法

楊 力,李涵睿,潘成勝,戚耀文

1(大連大學(xué) 通信與網(wǎng)絡(luò)重點實驗室,遼寧 大連 116622)

2(南京理工大學(xué) 自動化學(xué)院,南京 210094)

3(大連大學(xué) 信息工程學(xué)院,遼寧 大連 116622)

4(南京信息工程大學(xué) 電子與信息工程學(xué)院,南京 210044)

1 引 言

空間信息網(wǎng)絡(luò)將衛(wèi)星與地面網(wǎng)絡(luò)融合,有覆蓋面廣,按需接入,通信不受地理條件制約等特點,能夠支撐多樣化的通信需求,是未來網(wǎng)絡(luò)發(fā)展的新趨勢[1].但其也存在鏈路特性、利用率差異大,節(jié)點資源受限的問題.同時,由于空間信息網(wǎng)絡(luò)承載業(yè)務(wù)的多樣性,使得網(wǎng)絡(luò)中服務(wù)質(zhì)量的保障越發(fā)重要.為對空間信息網(wǎng)絡(luò)業(yè)務(wù)傳輸進行合理規(guī)劃,滿足業(yè)務(wù)質(zhì)量保障需求,根據(jù)數(shù)控分離思想,研究者將軟件定義網(wǎng)絡(luò)[2]引入空間信息網(wǎng)絡(luò).其集中管理和可編程的特點,實現(xiàn)了在邏輯上集中的松耦合控制平面和物理上分布的數(shù)據(jù)平面,并為實現(xiàn)考慮多種鏈路狀態(tài)的路由算法提供了可能.這使得基于SDN的服務(wù)質(zhì)量保障成為國內(nèi)外學(xué)者們的重點研究方向[3,4],提高路由選擇的質(zhì)量則能夠在有效的提升網(wǎng)絡(luò)性能的同時,實現(xiàn)對用戶服務(wù)質(zhì)量的保障.

為實現(xiàn)SDN架構(gòu)下服務(wù)質(zhì)量保障的路由技術(shù),學(xué)者們進行了大量考慮鏈路狀態(tài)特征的路由策略研究,文獻[5]提出了一種可以在SDN方案下滿足QoS需求的傳輸方案OpenQoS,設(shè)計了SDN的多個功能模塊,將丟包率和時延為權(quán)值,計算最短路徑.文獻[6]在SDN架構(gòu)中實現(xiàn)了基于Openflow協(xié)議優(yōu)化的ECMP(Equal Cost Multipath)[7]路由算法,通過控制器獲取鏈路帶寬,并根據(jù)鏈路剩余帶寬確定最優(yōu)路徑.文獻[8]提出了一種基于SDN的多路徑服務(wù)質(zhì)量解決方案,根據(jù)鏈路的時延和距離計算代價,在源和目的節(jié)點之間通過多條鏈路以及排隊機制來保障不同類型業(yè)務(wù)的服務(wù)質(zhì)量.文獻[9]提出了一種基于多媒體流的分布式QoS體系結(jié)構(gòu),通過支持服務(wù)質(zhì)量的控制器,根據(jù)時延、帶寬、丟包率實現(xiàn)不同等級的服務(wù)質(zhì)量,從而保證了視頻流的傳輸質(zhì)量.以上方案均在某些方面考慮了通信的服務(wù)質(zhì)量要求,但未能適應(yīng)于空間信息網(wǎng)絡(luò)環(huán)境,保證其網(wǎng)絡(luò)的整體利用率.

為了實現(xiàn)空間信息網(wǎng)絡(luò)環(huán)境下的服務(wù)質(zhì)量保障,文獻[10]根據(jù)衛(wèi)星網(wǎng)絡(luò)大規(guī)模時延的特點,設(shè)計了一種基于存儲時間聚合圖的多流最大化路由方案,匹配稀有網(wǎng)絡(luò)資源,實現(xiàn)QoS支持.為計算滿足不同QoS需求的動態(tài)優(yōu)化路徑,文獻[11]對數(shù)據(jù)流進行分類,提出了一種多目標決策的LEO衛(wèi)星網(wǎng)絡(luò)路由算法.文獻[12]根據(jù)軟件定義衛(wèi)星網(wǎng)絡(luò)可動態(tài)管理衛(wèi)星網(wǎng)絡(luò)的特性,提出了一種智能服務(wù)質(zhì)量的路由方案,根據(jù)衛(wèi)星的不同能級進行路由,實現(xiàn)了負載均衡.文獻[13]提出了一種QoS單播路由機制,綜合考慮QoS滿意度,使用改進的Dijkstra算法找出滿足多約束條件的最優(yōu)路徑.文獻[14]在基于SDN的衛(wèi)星網(wǎng)絡(luò)架構(gòu)下設(shè)計了一種采用拉格朗日松弛法的多約束QoS路由算法,近似算法能夠得到相對精確的計算結(jié)果.上述算法實現(xiàn)了多約束QoS問題,并通過基于SDN的集中控制,從全局角度對資源統(tǒng)一劃分.但同時,對資源進行合理的分配是一個NP難題,處理不當則會導(dǎo)致控制器計算復(fù)雜度過高.不適用于高速動態(tài)的空間信息網(wǎng)絡(luò)環(huán)境,且都沒有對約束條件的閾值給出計算.

為了優(yōu)化多約束QoS求解的計算速度,適用于節(jié)點資源有限的空間信息網(wǎng)絡(luò).可以將啟發(fā)式算法應(yīng)用于路由協(xié)議中,讓路由協(xié)議參考網(wǎng)絡(luò)中的多種結(jié)果,以提高計算速度.文獻[15]將蟻群算法應(yīng)用于路由求解,提出了一種考慮衛(wèi)星網(wǎng)絡(luò)狀態(tài)和信譽度的服務(wù)質(zhì)量路由算法,利用蟻群算法進行路由的發(fā)現(xiàn)和維護,實現(xiàn)服務(wù)質(zhì)量自適應(yīng)變化.文獻[16]和文獻[17]結(jié)合QoS信息對蟻群算法進行了優(yōu)化,實現(xiàn)了滿足多QoS約束的路由算法.但如何針對空間信息網(wǎng)絡(luò)特點,構(gòu)建智能算法中的目標函數(shù),以提高算法收斂速度,仍是需要重點關(guān)注的問題.

綜上所述,現(xiàn)有的基于SDN的路徑優(yōu)化模型中,都沒能充分利用SDN優(yōu)勢,適應(yīng)空間信息網(wǎng)絡(luò)環(huán)境,考慮綜合網(wǎng)絡(luò)代價,保障QoS需求.

因此,本文設(shè)計了路由算法SDN-AQoS(SDN based Adaptive QoS Routing Algorithm).在基于SDN架構(gòu)的空間信息網(wǎng)絡(luò)中,定義了以最小傳輸代價為目標的多QoS約束問題,并基于優(yōu)化蟻群算法求解.能夠?qū)臻g信息網(wǎng)絡(luò)資源進行合理分配、自適應(yīng)保障多種優(yōu)先級數(shù)據(jù)流不同服務(wù)需求.提升了網(wǎng)絡(luò)服務(wù)質(zhì)量和算法收斂速度.

主要工作包括以下幾個方面:

1)基于SDN架構(gòu)和星地鏈路的多元多維因素,設(shè)計了考慮鏈路質(zhì)量、剩余帶寬和節(jié)點負載的傳輸代價模型.定義了以最小傳輸代價為目標的多QoS約束問題.

2)為不同優(yōu)先級的數(shù)據(jù)流,通過Adam隨機梯度下降算法自適應(yīng)配置不同的閾值,實現(xiàn)了自適應(yīng)QoS約束.

3)通過優(yōu)化的蟻群算法求解多約束優(yōu)化問題.根據(jù)約束條件使用雙禁忌表優(yōu)化節(jié)點候選集.考慮帶寬、丟包率改進了信息素揮發(fā)系數(shù)公式,并利用SDN可編程的特性,根據(jù)數(shù)據(jù)流的不同優(yōu)先級進行取值設(shè)計.從而優(yōu)化了迭代過程,加快了收斂速度.最終找到滿足約束條件且具有最小傳輸代價的路徑.實現(xiàn)了自適應(yīng)QoS路由算法SDN-AQoS.

2 系統(tǒng)模型

2.1 基于SDN的網(wǎng)絡(luò)模型

本模型由LEO(Low Earth Orbit)/GEO(Geostationary Earth Orbit)兩層衛(wèi)星網(wǎng)絡(luò)和地面節(jié)點組成.為了使GEO層衛(wèi)星覆蓋全球區(qū)域,設(shè)置3顆GEO衛(wèi)星.LEO層衛(wèi)星總數(shù)為ML×NL,ML表示平面數(shù),NL表示平面中衛(wèi)星的數(shù)量.本文采用虛擬拓撲的思想解決衛(wèi)星網(wǎng)絡(luò)動態(tài)變化的特性對拓撲的影響.將衛(wèi)星運行周期T劃分為N={N1,N2,N3,…,Nn}個時間片,當時間片足夠小時,可以假設(shè)每個時間片內(nèi)的拓撲結(jié)構(gòu)不變.

本文將SDN控制器部署在3顆GEO衛(wèi)星和地面站.為實現(xiàn)服務(wù)質(zhì)量支持的控制器,GEO衛(wèi)星控制器通過拓撲管理功能獲取每個時間片覆蓋區(qū)域內(nèi)的拓撲信息并存儲.3個GEO控制器根據(jù)共享拓撲信息及資源管理功能接收的鏈路狀態(tài)信息LSI(Link State Information)反饋,形成全局拓撲圖.地面站控制器共享全局拓撲信息并通過路由計算功能計算每個時間片的路由表,下發(fā)流表給其他轉(zhuǎn)發(fā)器.轉(zhuǎn)發(fā)層的LEO節(jié)點僅負責(zé)根據(jù)流表進行轉(zhuǎn)發(fā)功能.

為了在SDN控制器上提供服務(wù)質(zhì)量支持,本文所提出的控制器接口、模塊設(shè)計如圖1所示.

圖1 SDN控制器及接口模型Fig.1 SDN controller and interface model

控制器-轉(zhuǎn)發(fā)器接口:該接口由Openflow[18]標準定義,并由典型的Openflow控制器實現(xiàn).

控制器-控制器接口:通過該接口使多個控制器共享信息,合作管理整個網(wǎng)絡(luò).

拓撲管理:負責(zé)通過鏈路發(fā)現(xiàn)協(xié)議(LLDP)發(fā)現(xiàn)網(wǎng)絡(luò)連接,生成聚合的網(wǎng)絡(luò)拓撲信息,維護拓撲可視化.

資源管理:負責(zé)通過控制器-轉(zhuǎn)發(fā)器接口從轉(zhuǎn)發(fā)器收集最新的鏈路狀態(tài)信息,確定其可用性和轉(zhuǎn)發(fā)性能.

路由計算:與拓撲管理和資源管理功能相結(jié)合,獲取最新的網(wǎng)絡(luò)拓撲和鏈路狀態(tài)信息,進行路由計算.

通過上述控制器設(shè)計可以為實現(xiàn)服務(wù)質(zhì)量保證的路由提供實時的服務(wù)質(zhì)量信息.同時根據(jù)SDN的可編程特性將網(wǎng)絡(luò)協(xié)議拆包,識別數(shù)據(jù)流的不同的優(yōu)先級,根據(jù)數(shù)據(jù)流對QoS的不同需求,賦予以下不同的優(yōu)先級:

優(yōu)先級1:實時性、抖動敏感、高交互性的數(shù)據(jù)流.

優(yōu)先級2:事務(wù)辦理、交互性數(shù)據(jù)流.

優(yōu)先級3:僅要求低丟包率的數(shù)據(jù)流、視頻流.

本文模型為確定可用鏈路的服務(wù)質(zhì)量,計算不同優(yōu)先級數(shù)據(jù)流的路由提供了保證.

基于SDN的空間信息網(wǎng)絡(luò)拓撲可以表示為一個無向加權(quán)拓撲圖GN=(VN,EN).其中,VN={vG,vL,vT},代表每個時間片中網(wǎng)絡(luò)所有節(jié)點的有限集合,vG,vL,vT分別表示GEO衛(wèi)星、LEO衛(wèi)星和地面的節(jié)點集.EN={IOL∪ISL∪UDL}代表每個時間片中網(wǎng)絡(luò)所有鏈路的有限集合,由于空間信息網(wǎng)絡(luò)的鏈路具有多種性質(zhì),IOL表示星際鏈路,ISL表示星間鏈路,UDL表示星地鏈路.不同性質(zhì)的鏈路具有不同的傳輸特性.

用5個節(jié)點模擬表示SDN控制器中存儲的 第N個時間片的拓撲信息,如圖2所示.鏈路屬性參數(shù)可由SDN控制器實時更新.

圖2 網(wǎng)絡(luò)拓撲模型FiG.2 Topology of network

v={v1,v2,…vn}∈VN,本文定義Elvmvn,N=(dlvmvn,blvmvn,pllvmvn)為邊權(quán)值,每條邊的權(quán)值都有平均時延、剩余帶寬、丟包率3個屬性.定義Wvn(t)來代表節(jié)點v的負載情況.xi表示在第N個時間片內(nèi)節(jié)點vm和vn節(jié)點之間的連接情況.

2.2 QoS參數(shù)

空間信息網(wǎng)絡(luò)的傳輸能力主要取決于鏈路服務(wù)質(zhì)量,而QoS又受許多因素的影響.本文結(jié)合空間信息網(wǎng)絡(luò)通信范圍廣但不同性質(zhì)鏈路的傳輸特性差異大的特點.根據(jù)2.1節(jié)所述網(wǎng)絡(luò)模型,利用SDN資源管理功能,實時獲取鏈路的延遲、剩余帶寬、丟包率作為QoS度量參數(shù),用于實現(xiàn)QoS路由算法.

1)端到端延遲:指數(shù)據(jù)流fi從節(jié)點vm到節(jié)點vn所需要的時間,是衡量QoS的主要性能指標之一.如公式(1)所示,將傳輸時延和傳播時延之和作為鏈路延遲:

(1)

2)剩余帶寬:剩余帶寬指鏈路通信中未被占用的數(shù)據(jù)傳輸量.在傳輸數(shù)據(jù)流時,鏈路兩端的兩個節(jié)點通過兩個端口相連,一個端口的字節(jié)發(fā)送率等于另一個端口的字節(jié)接收率.如公式(2)所示,用節(jié)點vm的端口數(shù)據(jù)表示鏈路lvmvn的剩余帶寬:

(2)

3)丟包率:丟包率指通信中未接收到的數(shù)據(jù)包與總發(fā)送數(shù)據(jù)包比率.通過SDN控制器在節(jié)點之間發(fā)送探測包,可以得到鏈路lvmvn的丟包率如公式(3)所示:

(3)

rxpacket(vm)表示節(jié)點vm收到的數(shù)據(jù)包總數(shù),txpacket(vn)表示節(jié)點vn發(fā)送的數(shù)據(jù)包總數(shù).

(4)

3 多約束自適應(yīng)QoS路由模型

3.1 傳輸代價模型

(5)

(6)

2)第2項表示帶寬對傳輸代價的影響,公式(6)Blvmvn表示鏈路lvmvn的帶寬利用率.Bfi表示數(shù)據(jù)流fi對鏈路的帶寬要求,要求的剩余帶寬越多,選擇鏈路lvmvn的可能性就越大.帶寬利用率越高的鏈路,代價越大.

3)第3項表示節(jié)點負載對傳輸代價的影響.Wvn(t)可以有效的描述t時刻的節(jié)點容量和工作負載.節(jié)點vm和vn和之間的有效傳輸能力受到負載最高的節(jié)點的限制.節(jié)點負載越大,傳輸代價越大.

3.2 多QoS約束路由問題制定

(7)

(8)

(9)

δdelay,δband,δpacketloss分別表示鏈路的時延、帶寬、丟包率閾值,以此制定了鏈路lvmvn的約束條件.

xi表示在第N個時間片內(nèi)節(jié)點vm和節(jié)點vn之間是否存在可達鏈路.當鏈接存在時值為1,否則值為0.

3.3 多優(yōu)先級閾值A(chǔ)dam求解

為了在不消耗大量計算資源的前提下更好的利用空間信息網(wǎng)絡(luò)資源,提供個性化的服務(wù)質(zhì)量,在路由計算中應(yīng)考慮為不同優(yōu)先級的數(shù)據(jù)流設(shè)置不同的鏈路約束閾值.相對于大多數(shù)算法的固定閾值設(shè)置,本文利用SDN控制器可以實時獲取鏈路特性的特點,使用Adam(Adaptive moment estimation)[19]優(yōu)化算法計算約束閾值,根據(jù)實時的鏈路特性為不同優(yōu)先級的數(shù)據(jù)流自適應(yīng)地更新閾值.

Adam算法是隨機梯度下降的一階優(yōu)化算法,可以有效的求解目標函數(shù)的最大值或最小值.該算法結(jié)合了AdaGrad(自適應(yīng)梯度算法)算法和RMSProp(均方根傳播)算法的優(yōu)點.

Adam算法首先在計算梯度的一階矩時將當前更新梯度和最后更新梯度之間的差值保持在很小的范圍內(nèi),實現(xiàn)平滑的梯度過渡,適應(yīng)不穩(wěn)定的目標函數(shù),因此可以更好地適應(yīng)網(wǎng)絡(luò)變化.然后,設(shè)置梯度的二階矩陣,通過計算當前梯度平方和過去梯度平方的平均值來更新學(xué)習(xí)率.本算法簡單高效,根據(jù)數(shù)據(jù)流的不同優(yōu)先級設(shè)定目標函數(shù),計算閾值,提供滿足不同服務(wù)質(zhì)量需求的服務(wù).

因此本文根據(jù)不同優(yōu)先級數(shù)據(jù)流的QoS需求特點,如公式(10)所示,根據(jù)QoS到達曲線[20]和服務(wù)曲線[20]的水平偏差,設(shè)置目標函數(shù).通過Adam求解曲線極值,確定閾值.

(10)

(11)

(12)

(13)

設(shè)目標函數(shù)為{f(θ)|θ∈{blvmvn,dlvmvn,pllvmvn}}={δdelay,δband,δpl}.通過Adam算法求解f(θ)曲線極值,公式(15)中,gt表示其梯度,即在時間步長t上計算ft(θ)對于θ的偏導(dǎo).

t=t+1

(14)

gt=?θft(θ)

(15)

mt=β1·mt-1+(1-β1)·gt

(16)

(17)

(18)

(19)

(20)

[vt]=

=

=

(21)

因此,通過上述算法為不同優(yōu)先級的數(shù)據(jù)流得出閾值δdelay、δband、δpl,作為路由算法的約束條件.由此3類數(shù)據(jù)流可根據(jù)需求選擇不同的路由線路,得到滿足不同閾值約束的最佳路徑.

4 蟻群優(yōu)化算法在自適應(yīng)QoS路由算法的應(yīng)用

多約束問題的求解分為近似算法和啟發(fā)式算法,近似算法能夠得到相對精確的計算結(jié)果,但無法保證計算時間,啟發(fā)式算法則能快速計算最優(yōu)解.蟻群算法ACS(Ant Colony System)是一種啟發(fā)式算法,由Dorigo于1991年提出,用于解決函數(shù)多約束優(yōu)化問題[21].通過模擬螞蟻從蟻巢出發(fā)尋找到達食物處最短的路徑的過程,實現(xiàn)源節(jié)點與目的節(jié)點之間的端到端路徑尋優(yōu).該算法計算簡單,全局搜索能力好,魯棒性強.但也存在后期收斂速度慢,且容易陷入局部最優(yōu)的問題.

因此,本文為了解決上述多約束目標優(yōu)化問題,對傳統(tǒng)蟻群算法即ACS算法進行了改進.利用SDN可以實時獲取鏈路狀態(tài)信息的特性,首先通過傳輸代價模型和雙禁忌表,對蟻群算法的轉(zhuǎn)移概率公式進行了優(yōu)化,加快了算法收斂速度.然后,改進了信息素揮發(fā)速度計算公式,根據(jù)數(shù)據(jù)流優(yōu)先級通過SDN控制器動態(tài)設(shè)置參數(shù),提高了路徑選擇質(zhì)量.

4.1 轉(zhuǎn)移概率優(yōu)化

(22)

τlvm,vn(t)表示t時刻lvm,vn上的信息素濃度.ηlvmvn(t)表示t時刻lvm,vn上的啟發(fā)度.allowedk表示螞蟻k的下一個可選節(jié)點的集合.θ1,θ2分別為信息素和啟發(fā)度的啟發(fā)因子,表示其相對重要程度.

傳統(tǒng)的蟻群算法將路徑距離作為啟發(fā)度進行尋優(yōu),直接應(yīng)用于衛(wèi)星網(wǎng)絡(luò)會使大量數(shù)據(jù)流集中在最短路徑從而造成鏈路擁塞.因此如公式(23)所示,根據(jù)第3節(jié)所述QoS約束模型(7),將啟發(fā)度定義為公式(5)所示代價函數(shù)的倒數(shù).

(23)

為了提前去掉不滿足約束條件的鏈路,減少路徑的計算量,以加快算法收斂速度.在借鑒禁忌搜索的基礎(chǔ)上,加入兩個禁忌表.充分利用SDN實時獲取鏈路狀態(tài)信息的優(yōu)勢,根據(jù)約束條件動態(tài)更新節(jié)點候選集allowedk.

allowedk={V-Tabu1-Tabu2}

(24)

4.2 信息素更新優(yōu)化

每次螞蟻走完一步或者完成n個節(jié)點的遍歷之后,需要對拓撲中的殘留信息素進行處理,(t+n)時刻lvm,vn上的信息素更新規(guī)則如公式(25)所示:

τlvmvn(t+n)=ρlvmvn·τlvmvn(t)+Δτlvmvn(t)

(25)

(26)

(27)

(28)

利用SDN控制器的可編程特性,根據(jù)數(shù)據(jù)流的不同優(yōu)先級,針對揮發(fā)系數(shù)公式(27),自主調(diào)整a,b系數(shù),從而動態(tài)改變對應(yīng)鏈路的信息素揮發(fā)速度.例如優(yōu)先級為2類的數(shù)據(jù)流,對帶寬有更高的需求,可以將b的值設(shè)置的更高.則根據(jù)數(shù)據(jù)流的優(yōu)先級設(shè)定,令b3a2>a3,a+b=1.狀態(tài)好的鏈路信息素揮發(fā)更快,而狀態(tài)差的鏈路信息素濃度更高,即會有更小的概率選擇該鏈路作為轉(zhuǎn)發(fā)路徑.

4.3 SDN-AQoS路由算法步驟

本文SDN控制器上實現(xiàn)的路由算法SDN-AQoS流程如圖3所示.

圖3 算法流程圖Fig.3 Algorithm process

具體實現(xiàn)如算法1所示.

算法1.SDN-AQoS路由算法

輸入:當前時間片下的拓撲圖GN,s,d

1.初始化：t=0;循環(huán)最大次數(shù)Nmax,;螞蟻個數(shù)m;δdelay;δband;δpacketloss;Tabu1k(s);Tabu2k(s);α;β

2.for(k=1,k

3.初始化Tabu2k(s)和Tabu1k(s)

4.for(i=1,i

5.ifdlvmvn≥δdelayorblvmvn≤δbandorpllvmvn≥δpl

6.將vn節(jié)點加入Tabu2k(s)

7.重新從allowedk選擇節(jié)點vn

8.else

10.確定轉(zhuǎn)移節(jié)點vn

11.if節(jié)點vn是目的節(jié)點d

12.則清空所有Taub列表,進行下一只螞蟻的遍歷

13. 將此路徑放到路徑集P中

14.else

15.將螞蟻k移動到節(jié)點vn

16.將節(jié)點vn插入Tabu1k(s)

17.通過SDN控制器設(shè)置a,b值

18.根據(jù)公式(25)計算τlvmvn(t+n)

19.更新信息素濃度

20.end if

21. end if

22. end for

23. end for

5 仿真實驗結(jié)果與分析

5.1 實驗參數(shù)設(shè)置

本文使用STK與MATLAB進行聯(lián)合仿真,STK軟件可模擬動態(tài)衛(wèi)星網(wǎng)絡(luò)場景,使用3顆可覆蓋全球的高軌衛(wèi)星和66顆銥星星座作為低軌衛(wèi)星,同時選取20個非均勻分布的地面節(jié)點作為地面站.為了模擬真實的空間信息網(wǎng)絡(luò)應(yīng)用,衛(wèi)星坐標每1s更新一次,根據(jù)衛(wèi)星位置計算出坐標,輸出位置及軌道參數(shù)信息,生成動態(tài)拓撲矩陣,將生成的動態(tài)拓撲導(dǎo)入MATLAB.

仿真衛(wèi)星參數(shù)和網(wǎng)絡(luò)參數(shù)設(shè)置如表1、表2所示.

表1 衛(wèi)星參數(shù)設(shè)置Table 1 Satellite parameter settings

表2 網(wǎng)絡(luò)參數(shù)設(shè)置Table 2 Network parameter setting

根據(jù)本證向量設(shè)置QoS屬性在不同優(yōu)先級下的服務(wù)速率δdelay,δband,δpl,如表3所示.

表3 QoS服務(wù)速率參數(shù)設(shè)置Table 3 QoS service rate parameter setting

結(jié)合文獻[19]的結(jié)論,在Adam算法中的良好參數(shù)設(shè)置,本文令α=0.001,β1=0.9,β2=0.999,=10-8.

結(jié)合文獻[17]給出的參數(shù)范圍,為使算法達到最佳收斂次數(shù),在驗證本文算法性能時的蟻群算法參數(shù)設(shè)置如下:

θ1=1,θ2=3.一般認為節(jié)點數(shù)量的三分之二是最優(yōu)螞蟻數(shù),故令螞蟻數(shù)m=60.

圖4 a和b對迭代次數(shù)的影響Fig.4 Influence of a and b on the number of iterations

5.2 實驗結(jié)果及分析

5.2.1 SDN-AQoS算法收斂性能測試

多約束問題的啟發(fā)式算法求解較難從理論角度證明其優(yōu)化性能,進而采用測試函數(shù)的優(yōu)化效果來驗證算法性能.選取1對源-目的節(jié)點,生成100個不同優(yōu)先級的數(shù)據(jù)流,平均數(shù)據(jù)包大小設(shè)置為10Mbit并隨機分布在三層網(wǎng)絡(luò)中,數(shù)據(jù)包傳輸速率從每秒1Mbps～4.5Mbps不等.在保持其他條件一致的情況下,將本文算法、使用本文中為代價的基于原始蟻群ACS[20]的路由算法、基于蟻群算法的QoS優(yōu)化路由OQR-ACA[17]進行收斂比較.

根據(jù)圖5收斂曲線圖可以看出,本文算法在尋路階段添加了約束判斷,相對于ACS、OQR-ACA在早期收斂速度稍慢,但隨著迭代次數(shù)的增加,由于候選節(jié)點集的優(yōu)化,在搜索后期收斂速度加快.并通過SDN為不同優(yōu)先級的數(shù)據(jù)流設(shè)置不同的參數(shù),進行信息素更新,減少了迭代次數(shù).最終,本文算法在迭代到第7次時已經(jīng)收斂到最優(yōu)解,完成7次迭代的時間為1.5s.ACS算法和OQR-ACA算法則需要更多的迭代次數(shù)才能達到收斂,完成迭代需要更長的運行時間.使得本文算法的收斂性優(yōu)于ACS算法和OQR-ACA算法.

圖5 算法收斂曲線Fig.5 Algorithm convergence curve

5.2.2 不同QoS優(yōu)先級數(shù)據(jù)流路由性能測試

將3種優(yōu)先級的數(shù)據(jù)流,共計1000個,以相同速率注入網(wǎng)絡(luò)中,在源節(jié)點和目的節(jié)點相同的情況下,使用本文所述閾值設(shè)置方法和文獻[17]中所述閾值設(shè)置方法進行比較,其時延、帶寬、丟包率情況如圖6所示.

圖6 QoS性能Fig.6 QoS performance

1類優(yōu)先級的數(shù)據(jù)流,要求時延更低,可以允許丟包率相對較高;2類優(yōu)先級的數(shù)據(jù)流,要求更高的帶寬;3類優(yōu)先級的數(shù)據(jù)流,要求丟包率更低,可以允許時延相對較高.

由圖6可以看出,3種數(shù)據(jù)流會根據(jù)不同的需求選擇不同的路由路徑.本文所述閾值方案能夠?qū)崿F(xiàn)在1優(yōu)先級下更低的時延,2優(yōu)先級下更高的帶寬,3優(yōu)先級下更低的丟包率.針對不同優(yōu)先級的需求,實現(xiàn)了更佳的服務(wù)質(zhì)量保證.

5.2.3 SDN-AQoS路由算法性能測試

為了評估本文提出的SDN-AQoS路由算法性能,本文實現(xiàn)了以下3個相關(guān)算法:經(jīng)典的ECMP算法[7]、基于衛(wèi)星網(wǎng)絡(luò)下多約束QoS的MSRA算法[11]以及OQR-ACA[17]算法,并與其進行了比較.

1)網(wǎng)絡(luò)平均吞吐量

圖7顯示了數(shù)據(jù)流量從1Mbps到4.5Mbps時吞吐量的變化狀況,當流量小于2Mbps時,每個算法對網(wǎng)絡(luò)吞吐量的負載能力基本相同.隨著流量的增加,SDN-AQoS吞吐量的增加更為迅速并且始終擁有更高的吞吐量.當網(wǎng)絡(luò)吞吐量達到30MBPS時,OQR-ACA和MSRA算法接近飽和,而SDN-AQoS路由算法在最小傳輸代價的路徑優(yōu)化目標中,考慮了星間鏈路和地面鏈路之間的差異、鏈路可用帶寬及路徑上節(jié)點的工作負載,從而使網(wǎng)絡(luò)吞吐量更晚接近飽和.可以看出,SDN-AQoS算法平均吞吐量與OQR-ACA相比增加了11.1%,與MSRA相比增加了13.7%,與ECMP 算法相比提升了22.4%.

圖7 網(wǎng)絡(luò)平均吞吐量Fig.7 Average network throughput

2)負載分布指數(shù)

圖8顯示了數(shù)據(jù)流量從1Mbps～4.5Mbps時負載分布指數(shù)的變化狀況.在全局流量較小時,各類算法都能得到較好的發(fā)揮,本文SDN-AQoS算法優(yōu)勢不明顯.隨著網(wǎng)絡(luò)負載的增大,其它算法開始出現(xiàn)擁塞.SDN-AQoS算法在考慮多種因素的最小代價傳輸?shù)耐瑫r對業(yè)務(wù)進行了分類,從而能夠?qū)⒏嗟逆溌芳{入路徑選擇中,不會始終在某些節(jié)點上聚集.因此在后期,負載分布指數(shù)相對另外3種算法始終保持在一個較高的水平.可以看出,SDN-AQoS算法平均負載指數(shù)與OQR-ACA相比增加了13.4%,與MSRA相比增加了16.7%,與ECMP 算法相比提升了24.1%.

圖8 負載分布指數(shù)Fig.8 Load distribution index

6 結(jié)束語

本文提出了一種基于SDN的空間信息網(wǎng)絡(luò)自適應(yīng)QoS路由策略.在該算法中:1)基于SDN架構(gòu)和星地鏈路的多元多維因素,設(shè)計了考慮鏈路質(zhì)量、剩余帶寬和節(jié)點負載的傳輸代價模型.定義了以最小傳輸代價為目標的多QoS約束問題;2)為不同優(yōu)先級的數(shù)據(jù)流,通過Adam隨機梯度下降算法自適應(yīng)配置不同的閾值,實現(xiàn)QoS約束自適應(yīng);3)通過優(yōu)化的蟻群算法求解多約束優(yōu)化問題.根據(jù)約束條件使用雙禁忌表優(yōu)化節(jié)點候選集.考慮帶寬、丟包率改進了信息素揮發(fā)系數(shù)公式,并利用SDN可編程的特性,根據(jù)數(shù)據(jù)流的不同優(yōu)先級進行取值設(shè)計.從而優(yōu)化了迭代過程,加快了收斂速度.最終找到滿足約束條件且具有最小傳輸代價的路徑.實現(xiàn)了自適應(yīng)QoS路由算法SDN-AQoS;4)使用STK和MATLAB模擬衛(wèi)星網(wǎng)絡(luò)環(huán)境及SDN架構(gòu)聯(lián)合仿真.仿真結(jié)果表明,該路由策略與ACS、OQR-ACA相比具有更好的收斂性能和針對不同優(yōu)先級數(shù)據(jù)流的QoS保障.與ECMP、OQR-ACA、MSRA算法相比,網(wǎng)絡(luò)平均吞吐量提升了22.4%.實現(xiàn)了在保證服務(wù)質(zhì)量的同時最大化網(wǎng)絡(luò)吞吐量.從而解決了基于SDN的QoS在空間信息網(wǎng)絡(luò)環(huán)境下應(yīng)用的路由問題.