The Pseudo Congestion of TCP in Software-Defined Networking
-
摘要: 软件定义网络(software-defined networking, SDN)将控制平面与转发平面分离，通过控制器配置交换机流表项来实现网络的灵活控制，极大地提高了网络带宽利用率.随着SDN的蓬勃发展，越来越多的高校和公司开始部署SDN.同时SDN也面临着一些传统IP网络中不存在的问题，如一些原本在IP网络中运行良好的协议在SDN网络中性能却受到了严重的影响，TCP协议就是其中之一.从SDN的工作机制出发，通过3个场景阐明了SDN在proactive工作模式下依然存在Packet-In短时间内高速并发的可能性.总结并实验验证了高速并发的Packet-In以及流表更新时旧表项需重排列的特性都会使数据包在SDN网络中产生较大时延.实验结果表明，当TCAM支持4000个流表项时，最坏情况下仅由新插入流表项优先级原因导致已有流表项的重排列就能使单次传输时延达到10s，并发的高速Packet-In则会使时延加大.以实验为基础，揭示了由于SDN网络特性造成的伪拥塞现象，即传统TCP在SDN网络中面临两大问题：1)TCP建立连接困难；2)TCP协议传输低效.最后通过对实验现象进行分析，提出了解决SDN网络中TCP低效问题可能的工作方向.Abstract: software-defined networking (SDN) separates the control plane and the data plane, and this kind of separation can achieve flexible control via deploying fine-grained rules on the flow tables in switches, while potentially improving the utilization of network bandwidth. With the development of SDN, more and more campus and enterprise network begin to deploy network based on SDN. During this procedure, SDN has encountered some problems which dont exist in the traditional IP network. For example, some protocols used in the existing IP network are subject to great challenge in SDN based network, such as TCP, which is the most basic protocol in TCP/IP network. First, we make a penetrating analysis on the working mechanism of SDN, and three examples are given to illustrate that it is quite possible to generate large volume of Packet-In messages even in proactive mode. Then experiments are carried out and the results show that the end-to-end TCP connections have experienced a large delay caused by the SDN unique operations such as re-organizing of rules in TCAM and fast Packet-In message generating. In the worst case, the delay caused by the reordering of the rules can reach up to 10 seconds when the TCAM contains 4000 flow entries in our experiments. Based on the experimental results, we highlight two major problems when applying traditional TCP protocol in SDN networks: one is that it is hard to establish the connection, and the other is the transmission inefficiency. Through the analysis of the experimental results, we propose the possible direction to solve TCP inefficiency issue in SDN.
-
-
期刊类型引用(36)
1. 郭羽含，钱一炀，钱亚冠. 基于时空预测的多策略网约车调度算法. 计算机应用研究. 2025(04): 1034-1043 . 
百度学术
2. 韩晓，陈昕，肇毓. 高速公路施工控制区动态交通流预测的LSTM-BiGRU-Attention模型. 交通科技与经济. 2024(01): 17-23 . 百度学术
3. 朱仕威，叶宝林，吴维敏. 基于深度学习的短时交通流预测方法综述与仿真研究. 软件导刊. 2024(02): 182-193 . 百度学术
4. 余径舟，何其昌，时轮，杨冬梅. 基于深度学习的白车身焊接路径智能规划方法. 机械设计与研究. 2024(03): 116-121 . 百度学术
5. 赖培源，李程，王增辉，王昌栋，廖德章. 基于图提示微调的交通流量预测. 计算机研究与发展. 2024(08): 2020-2029 . 本站查看
6. 焦鹏飞，陈舒欣，郭翾，何东晓，刘栋. 图神经常微分方程综述. 计算机研究与发展. 2024(08): 2045-2066 . 本站查看
7. 魏荣. 基于注意力机制的短时交通流预测模型研究. 交通科技与管理. 2024(20): 42-44 . 百度学术
8. 邹正标，刘毅志，廖祝华，赵肄江. 动态交通流量预测的时空注意力图卷积网络. 山东大学学报(工学版). 2024(05): 50-61 . 百度学术
9. 侯越，周瑞娟，张鑫. 基于自适应动态关联矩阵的时空一致性交通流预测研究. 兰州交通大学学报. 2024(06): 42-53 . 百度学术
10. 张合川，邓琮，张献军，杨尚川. 基于CEEMDAN-DBSCAN-ICA-LSTM模型的道路交通流量预测研究. 公路. 2024(12): 355-365 . 百度学术
11. 姜建国，陈鹏，郭晓丽，佟麟阁，万成德. 基于双注意力机制的Seq2Seq短期负荷预测. 吉林大学学报(信息科学版). 2023(02): 251-258 . 百度学术
12. 汤兴恒，郭强，徐天慧，张彩明. 基于多尺度核自适应滤波的股票收益预测. 计算机应用. 2023(05): 1385-1393 . 百度学术
13. 游兰，张涵钰，韩凡宇，金红，崔海波，何渡，汪坤钰，郑巧仙. 面向城市人群时空热点预测的混合神经网络. 计算机技术与发展. 2023(06): 194-201 . 百度学术
14. 郭超，陈佳，汪悦. 基于图卷积神经网络的无线基站流量预测研究. 邮电设计技术. 2023(06): 36-40 . 百度学术
15. 温雯，刘莹，蔡瑞初，郝志峰. 面向多粒度交通流预测的时空深度回归模型. 广东工业大学学报. 2023(04): 1-8 . 百度学术
16. 林涵，郝正航，郭家鹏，吴育栋. 基于TCA-CNN-LSTM的短期负荷预测研究. 电测与仪表. 2023(08): 73-80 . 百度学术
17. 李凯，任炳昱，王佳俊，关涛，余佳. 基于CEEMDAN-Transformer的灌浆流量混合预测模型. 水利学报. 2023(07): 806-817 . 百度学术
18. 董红斌，韩爽，付强. 基于AR与DNN联合模型的地理传感器时间序列预测. 计算机科学. 2023(11): 41-48 . 百度学术
19. 周正阳，刘浩，王琨，王鹏焜，王旭，汪炀. 基于教师-学生时空半监督网络的城市事件预测方法. 电子学报. 2023(12): 3557-3571 . 百度学术
20. 倪庆剑，彭文强，张志政，翟玉庆. 基于信息增强传输的时空图神经网络交通流预测. 计算机研究与发展. 2022(02): 282-293 . 本站查看
21. 李晓，卢先领. 基于双重注意力机制和GRU网络的短期负荷预测模型. 计算机工程. 2022(02): 291-296+305 . 百度学术
22. 田帅帅，殷礼胜，何怡刚. 基于时空多维的VMD-GAT-Attention短时交通流量组合预测模型. 合肥工业大学学报(自然科学版). 2022(02): 176-185 . 百度学术
23. 何芸. 基于LGBM模型的城市道路交通流量预测研究. 电子技术与软件工程. 2022(03): 259-262 . 百度学术
24. 李朝阳，李琳，陶晓辉. 面向动态交通流预测的双流图卷积网络. 计算机科学与探索. 2022(02): 384-394 . 百度学术
25. 张玺君，陶冶，张冠男，余光杰. 基于ACapsGRU的短时交通流预测研究. 华中科技大学学报(自然科学版). 2022(04): 51-56 . 百度学术
26. 冯思芸，施振佺，曹阳. 基于全局时空特性的城市路网交通速度预测模型. 计算机工程. 2022(05): 112-117 . 百度学术
27. 吕成双，王彤. 基于CATTSTS模型的国际原油价格预测研究. 价格月刊. 2022(05): 8-13 . 百度学术
28. 侯越，崔菡珂，邓志远. 横向相关性及参数影响下的车道级交通预测. 公路交通科技. 2022(05): 122-130 . 百度学术
29. 郭嘉宸，杨宇燊，王研，毛仕龙，孙丽珺. 精细化短时交通流预测模型及迁移部署方案. 计算机应用. 2022(06): 1748-1755 . 百度学术
30. 石兵，黄茜子，宋兆翔，徐建桥. 基于用户激励的共享单车调度策略. 计算机应用. 2022(11): 3395-3403 . 百度学术
31. 杜柳青，李仁杰，余永维. 基于注意力机制的时空卷积数控机床热误差模型研究. 农业机械学报. 2021(05): 404-411 . 百度学术
32. 龙望晨，王索，罗定福，刘红. 深度神经网络在城市交通预测中的应用. 电脑知识与技术. 2021(16): 183-185+192 . 百度学术
33. 张晴峰. 基于大数据的图书馆流量预测方法研究. 信息与电脑(理论版). 2021(11): 189-191 . 百度学术
34. 殷礼胜，孙双晨，魏帅康，田帅帅，何怡刚. 基于自适应VMD-Attention-BiLSTM的交通流组合预测模型. 电子测量与仪器学报. 2021(07): 130-139 . 百度学术
35. 张阳，胡月，辛东嵘. 一种考虑时空关联的深度学习短时交通流预测方法. 智能科学与技术学报. 2021(02): 172-178 . 百度学术
36. 宋瑞蓉，王斌君，仝鑫，刘文懋. 融合多维时空特征的交通流量预测模型. 科学技术与工程. 2021(31): 13439-13446 . 百度学术
其他类型引用(79)
计量
- 文章访问数: 1215
- HTML全文浏览量: 2
- PDF下载量: 759
- 被引次数: 115
下载:
