WhyCan Forum(哇酷开发者社区)

尧哥

会员

注册时间： 2017-09-06

已发帖子： 7

积分： 7

基于AI的SDN流量调度架构构想

目前点到点的传输链路亟待优化，网络传输环境复杂如卫星、3G、光纤混合，跨运营商、跨地区传输等都给网络带来一定的挑战，容易出现链路丢包延迟大，影响网络质量，大大降低用户体验。传统的网络流量调试方式包括（广域网、园区网，局域网）大都是简单针对传输层数据进行分析和固定的网络流量调试算法，且改进后的算法都是模拟软件运行的结果，与现实传输情况还存在一定的差距。

    基于AI的SDN流量调试优化架构从大数据的角度突破，不仅仅对传输层数据的分析，而是进一步采集应用层的数据，从更广的更智能的方式分析和预测网络传输的状况，实现提前加载流量调试策略并实时纠正。通过AI跟踪传输层代理服务器及时完整地采集传输层和应用层数据，并解析还原提炼出关键参数指标。数据分析过程采用数据挖掘方法，针对不同的场景模式，不同的用户分析得出流量整体趋势，流量高峰期间用户访问发生丢包、拥塞等情况。这些数据分析的结果，并形成预测策略，对于传输层算法的改进都提供了重要的数据支撑。基于AI的SDN流量调试方式的改进，一方面通过大数据分析不同的网络环境调度合适的流量调试算法，另一方面能过SDN（软件定义网络）控制器通路由转发策略下载到下层代理，实现流量智能调试，使网络宽带利用率更高，网络传输更顺畅，用户上网体验更好。

网络结构图如下：（由于目前网站还不能贴图，我就发图片URL。@晕哥，加油，下版本能做贴图贴图。。。）

http://59.36.19.70:8092/pic/sketch.png
http://59.36.19.70:8092/pic/structure.jpg

就Internet而言，其是一种基于提供尽最大努力服务的网络，采用TCP、UDP传输协议的数据流量要占Internet整体的95%以上，因此我们只要针对TCP、UDP协议的流量数据进行采集和分析。基于AI的SDN流量调试优化架构主要由前端代理路由器、数据参数采集系统、SDN控制系统和AI（人工智能）平台/数据中心分析系统组成，具体说明如下：
（1）前端代理路由器
前端代理路由器是整个数据采集的源头，通过将代理服务器部署在传输层，才能保证数据收集的及时性和完整性。代理路由器采集的数据主要包括传输层和应用层数据，掌握整体网络线路上下行流量的运营情况，提取用户的行为特征和访问习惯。

（2）数据参数采集系统
数据参数采集系统是将从传输层代理服务器抓取的报文数据进行深度解析，实现对传输层数据和应用层数据的存储。其中传输层数据包括源ip、目的ip、源端口、目的端口、传输包的数量、丢包数量、RTT时延等参数。应用层数据包括用户访问时间、地点、访问内容类型等参数。

（3）SDN控制系统
SDN控制器是软件定义网络（SDN）中的控制系统负责流量控制以确保智能网络流量调度，管理网络中所有设备，虚拟整个网络为资源池，根据用户不同的需求以及全局网络拓扑，灵活动态的分配资源。SDN控制器具有网络的全局视图，负责管理整个网络：对下层代理，通过如OpenFlow等协议与底层路由器进行通信，如收集下层代理信息，及推送最新的路由策略；对上层AI分析系统，通过开放接口向应用层提供对网络资源的控制能力，如上报数据，要接收路由策略文件等。

（4）AI（人工智能）平台/数据中心分析系统
AI（人工智能）平台/数据中心分析系统 是整个系统的核心模块，分析采集的数据，实现未来流量的预测和调度。该分析系统将数据挖掘方法如数理统计方法、回归分析、相关性分析等方法应用于数据分析中。基于大数据的分析不仅仅是网络传输层的数据，还对访问用户的访问习惯、访问应用、访问时间、地点等应用层数据进行了关联分析。将传输层的数据与访问用户应用层的数据结合，特别是流量出现高峰值时，对此时网络的丢包状态、拥塞情况分析，制定更智能路由规则或流量调试策略，下发到SDN控制器，从而最终推送到控制目标路由器。系统主要用的人工智能算法有K means，朴素贝叶斯，K最近邻分类算法PageRank，C4.5等来进行多角度分析和预测。

本架构适用于各种区域网内进行流量调试，依据应用场景分类，传输层和网络层关键指标数据结合分析，获得流量高峰值时拥塞控制的真实状况。这有助于预测未来网络流量拥塞控制。通过对比实验分析可知，PageRank算法结合朴素贝叶斯算法进行流量预测策略进行流量调度，在园区网的表现情况是整体传输速度提升30%，整体丢包率下降50%。

但难点是人工智能处理AI数据准确中心预测性和快速实时调整的高性能要求，因为根据历史大数据来预测流量调试能适应一般情况下的流量调试要求，但突发流量出现时，如突发事情，某链接传输较拥堵需要快速将新策略推送到SDN控制器并下发到代理路由。

期待更多人工智能大神提供调试算法，感激不尽 。。。