openflow-kmess流表聚类转发算法.docxVIP

openflow-kmess流表聚类转发算法 0 添加新的协议 随着互联网的发展，当前的互联网业务对互联网的传输质量要求越来越高。如何修改互联网以满足新业务的需求，有两种不同的模式：改进型和改革型。改良派认为可以在原有的基础设施上添加新的协议来解决问题, 改革派则认为必须推倒一切重来。改革派向自己提出这样的两个问题:“就自己目前掌握的知识, 如果我从一个全新的开始设计互联网, 我会怎么做”和“15年后的互联网应该是什么样子”。 本文组织如下, 第一节介绍Open Flow与聚类算法相关研究, 第二节介绍Open Flow-Kmeans算法, 第三节测试Open Flow-Kmeans算法性能, 最后总结全文。 1 相关研究 1.1 flus协议关于设备互联 Open Flow网络由Open Flow交换机、Flow Visor和Controller三部分组成。Open Flow交换机进行数据层的转发;Flow Visor对网络进行虚拟化;Controller对网络进行集中控制, 实现控制层的功能。 Open Flow交换机由流表、安全通道和Open Flow协议三部分组成。 安全通道是连接Open Flow交换机到控制器的接口。控制器通过这个接口控制和管理交换机, 同时控制器接收来自交换机的事件并向交换机发送数据包。交换机和控制器通过安全通道进行通信, 而且所有的信息必须按照Open Flow协议规定的格式来执行。 Open Flow协议用来描述控制器和交换机之间交互所用信息的标准, 以及控制器和交换机的接口标准。协议的核心部分是用于Open Flow协议信息结构的集合。 Open Flow协议支持三种信息类型:Controller-toSwitch, Asynchronous和Symmetric, 每一个类型都有多个子类型。Controller-to-Switch信息由控制器发起并且直接用于检测交换机的状态。Asynchronous信息由交换机发起并通常用于更新控制器的网络事件和改变交换机的状态。Symmetric信息可以在没有请求的情况下由控制器或交换机发起。 1.2 聚类分析聚类 根据聚类的基本工作方式, 聚类大致可以分为以距离测度为基础的工作方式, 还有以分布为基础的工作方式。四类聚类方式如图1所示。 以距离为测度的聚类, 例如K-means, 是寻找各簇的中心, 通过减少总的误差, 来提高学习机的准确率。K-means的优点是简单、但是由于过于依赖距离簇中心的距离, 所以在两个分布大小不一样的分布中, 对于中间附近的点很容易造成误判。层次聚类 (Hierarchical clustering) 是按照最低门限, 将各样本中距离最近的分为一簇来进行分簇。这种聚类方式类似决策树, 坏处是很容易将一个分布错误的当作几个分布来对待。DBSCAN是在一个联通区域中, 按照最少联通点进行聚类的方法。缺点是过分依赖距离公式, 会在高维数据中失效。 2 算法1:fwell-kmears算法 本节主要介绍Open Flow-Kmeans流表聚类算法, 该算法通过对输入的流表信息, 进行聚类分析, 系统依据聚类分析的结果, 采取合适的动作, 相较于传统的依据规则写入方式转发流, 该方法具有自主学习能力, 能够发现潜在规则, 更能满足下一代互联网的需求。 下面将介绍Open Flow-Kmeans算法的具体步骤: (1) 选定K个中心μk的初值; (2) 将每个数据点归类到离它最近的那个中心点所代表的cluster中; (4) 重复第二步, 直至迭代了最大的步数或者前后的的值相差小于一个阈值为止。 3 算法归类准确度测试 实验采用Intel i7 3.4GHz处理器, 4GB内存, 分别选取流表数目为1000至30000条, 测试Open Flow-Kmean流表聚类算法归类准确度, 实验表明, 该算法归类准确度相较于传统算法, 整体准确度提升27.64%, 准确度测试如图2所示。 4 flus-kmears流表聚类算法 本文通过对Open Flow和聚类算法进行研究, 提出并实现Open Flow-Kmeans流表聚类算法, 该算法在复杂环境下, 能够有效提升系统对流的转发准确度, 提升系统的综合性能, 在今后的研究中, 将侧重于优化算法, 以及对规则的修改, 进一步提升和改善网络状况。