面向智慧医疗云的SDN动态负载均衡方法.docx

面向智慧医疗云的SDN动态负载均衡方法.docx

《面向智慧医疗云的SDN动态负载均衡方法.docx》由会员分享，可在线阅读，更多相关《面向智慧医疗云的SDN动态负载均衡方法.docx（6页珍藏版）》请在冰豆网上搜索。

面向智慧医疗云的SDN动态负载均衡方法

面向智慧医疗云的SDN动态负载均衡方法

摘要：

文中引入软件定义网络（SoftwareDefinedNetwork,SDN）对智慧医疗云进行网络管理,并且针对传统SDN控制器存在单点失效和负载均衡的问题,设计了智慧医疗分布式SDN控制器系统.SDN控制系统分为SDN控制器集群、数据转发平面和智慧医疗云服务系统３层.在此基础上,提出一种实时负载动态自调节的快速负载均衡算法

DAF（DynamicAdaptiveandFastLoadBalancing）.在该算法中,负载信息感知组件周期性地采集自己的负载信息,自动地进行控制器间的负载信息交互;控制器的负载值超过阈值时,会触发交换机迁移动作,以动态配置交换机与控制器之间的映射关系.实验结果表明,面向智慧医疗云的分布式SDN控制系统的性能良好,且DAF算法能够快速地实现SDN控制器间的负载均衡,提升了智慧医疗云的网络吞吐量.

关键词：

智慧医疗云,软件定义网络,负载均衡,单点失效,控制器集群

1.引言

随着智慧医疗云网络规模的不断增大,医疗云网络变得越来越复杂.基于传统网络架构的医疗网络体系庞大、结构复杂、更新困难,对新业务的支持日渐不堪重负,这使得医疗云网络的维护与管理变得极其困难且成本高昂.同时,随着医疗数据的增多,医疗云网络的数据传输效率也成为了一个亟待解决的问题.SDN技术作为一种逻辑集中的新网络体系架构,将传统封闭的网络体系解耦为数据平面、控制平面和应用平面,支持通过软件编程来对网络进行控制管理,提高了实现和部署网络新技术和新协议的灵活性和可操作性.研究者们开始将SDN技术应用于智慧医疗云,使医疗云网络的管理更简单化、自动化、智能化,通过SDN控制器选择数据传输路径、控制链路带宽等多种方式提高了网络资源的利用率和医疗数据的传输速率.

Bedhief等人提出了一种面向智慧医疗、智慧城市的物联网架构,结合SDN和Docker技术,使用一个POX控制器来管理SDN网络,提升了物联网设备之间的数据传输性能.

Suzuki等人提出了一种新的构建动态VPN的方法,并使用OpenFlow控制器远程控制VPN路由器,保证了医疗信息在各医疗机构之间的流通安全性.Izaddoost等人利用SDN控制器选择医疗数据的最佳传输路径,解决了医疗云网络中的数据传输拥塞问题,提高了实时医疗数据的处理效率.采用单一的SDN控制器管理医疗云网络,虽然能改善数据传输的性能,但也带来了单一控制器失效所造成的整个医疗云网络瘫痪的问题.因此,不少研究者提出使用多控制器的方式来避免单一节点失效的问题.然而,采用多控制器将使到达控制器集群的流量是动态变化的,且控制器和交换机之间的静态配置会导致控制器之间的负载不均衡,从而降低网络性能.

针对上述问题,本文基于SDN控制器Floodlight１）,设计了面向智慧医疗云的分布式SDN控制器集群系统,提出了一种基于医疗云网络中控制器节点负载信息的负载均衡算法———动态自调节的快速负载均衡算法DAF（DynamicAdaptiveandFastLoadBalancing）.

2.相关工作

2.1.智慧医疗

近年来,智慧医疗的研究主要集中在医疗应用管理、医疗数据传输、医疗数据安全、医疗设备监控等方面.Silva等人提出了一种基于SDN并支持上下文感知移动方法的网络框架,该网络框架保障了巴西智慧医疗系统的网络连通性和医疗云应用的服务质量.Hu等人提出了基于POF的源路由协议,其改善了转发平面的效率,提高了医疗数据的传输速率.Moustafa等人[１０]基于WebRTC实现了远程用户、医疗设备与医疗云数据中心的通信,并对医疗云中的医疗设备进行了实时的远程监控.Boussada等人[１１]基于上下文感知,提出了一种保障医疗云中医疗数据安全性的方法,该方法能保护病人的个人隐私.

上述文献大多利用了SDN技术,使得医疗云的网络自动化管理和性能得到提升,但都未涉及医疗云网络中控制平面性能的研究.在医疗云的网络中,控制平面的性能对整个网络的性能起着决定性作用,而控制器作为控制平面的核心,成为了提升控制平面性能的关键.

2.2.SDN控制器

目前,针对SDN多控制器的负载均衡问题的解决办法大致分为两类:

集中式决策型[１２Ｇ１３]和分布式决策型[１４Ｇ１５].Dixit等人[１２]提出了“ElastiCon”,用一个负载均衡器收集整个控制平面的负载信息,并根据负载信息相应地增加或减少控制池中控制器的数量;同时还提出了交换机迁移协议,实现了负载的迁移.但是,其对控制器的负载状态的评估及目标控制器的选择并无具体描述.Bari等人[１３]通过添加监控模块实时收集所有控制器的流量数据,并根据流量的实时变化向过载控制器发送命令,对交换机进行动态调整.但是,该方法对迁移代价的衡量较为单一.

分布式决策型,即每个控制器通过收集其他所有控制器的负载信息以获知全网控制器的负载信息,并在本地执行负载均衡策略[１４Ｇ１５].Zhou等人[１４]提出了一种允许每个控制器在本地执行的负载均衡策略,实现了控制器间的负载均衡.文献[１５]在文献[１４]的基础上降低了控制器间负载信息的交互频率,但其控制器负载状态的评估条件单一.这类方法不需要监控模块,但控制器间负载信息的交互会增加控制器的负载,从而增加负载均衡完成的时间.

3.智慧医疗SDN控制器的系统架构

本文基于Floodlight控制器，利用若干个控制器节点组成的集群构建了分布式控制平面,从而进行智慧医疗云的网络管理.系统架构从上至下分为３层,第１层是SDN控制器集群,第２层是数据转发平面,第３层是智慧医疗云服务系统.系统架构如图１所示.

图１面向智慧医疗的SDN控制器系统架构

Fig．１SDNcontrollersystemarchitectureforsmarthealthcare

SDN控制器集群由包含负载均衡模块的多个SDN控制器节点组成.该层是整个网络的控制核心,通过调用网络视图的全局数据,进而操作交换机,实现对整个医疗网络的管理和控制.

数据转发平面由多个OpenFlow交换机组成.该层基于OpenFlow协议,按照控制器集群下发的流表对医疗数据进行转发传输.智慧医疗云服务系统是指部署在各医院的医疗信息化系统,主要负责采集和处理医疗数据.

本文采用动态自调节的快速负载均衡策略实现智慧医疗系统网络中控制器间的负载均衡,并在SDN控制器中设计了负载均衡模块用于执行负载均衡策略.负载均衡模块主要由负载信息感知、负载信息交互、负载均衡决策和交换机迁移４个部分组成.负载信息感知部分负责周期性地采集系统中各控制器的负载信息;负载信息交互部分负责控制器间负载信息的交互操作,即每个控制器将本地采集的负载信息发送给其他控制器;负载均衡决策部分负责根据整体控制器的负载情况做出均衡负载的决策;交换机迁移部分负责执行交换机的迁移动作.

4.动态自调节的快速负载均衡策略

动态自调节的快速负载均衡策略根据控制器的实时负载状态,对控制器间的负载进行动态调整.当系统中有过载控制器时,会触发控制器执行负载均衡策略,即由DAF算法选择出过载控制器、迁移交换机及接收迁移交换机的控制器,并执行交换机迁移动作,使控制器间的负载达到均衡状态.

4.1.相关定义

源控制器:

需将其master角色的交换机迁移至其他控制器的控制器.

目标交换机:

执行迁移动作的交换机.目的控制器:

接收目标交换机的控制器.

本文用到的相关符号及其含义如表１所列.

表１相关符号及其含义

4.2.

动态自调节的快速负载均衡算法

DAF算法通过动态调节医疗云网络中控制器间的负载,快速地实现控制器间的负载均衡,提高了医疗云网络的吞吐量.DAF算法的具体执行过程如算法１所示.

算法１DAF（Lnow,Lpre,Thr,T,Rt,count,q,x１,x２,μ１,μ２）

输入:

Lnow,Lpre,Thr,T,Rt,count,q,x１,x２,μ１,μ２

输出:

LoadBalanceFlag（TrueorFalse）１．loadBalanceFlag＝False２．while（t＝＝nT）

３．loadInforming（Lnow,Lpre,q,Thr）４．whileLnow!

＝Ødo

５．overLoadIds←srcControllerSelect（Lnow,Thr,count）

６．targetSwId,targetRs←targetSwitchSelect（Rs,overLoadId）７．dstConId←dstConSelect（x１,x２,μ１,μ２,targetSwId,targetRs,Rt）

８．将id为targetSwId的交换机从id为overLoadId的控制器迁

移至id为dstConId的控制器

９．loadBalanceFlag＝True