基于语义网的SDN网络资源管理北向接口研究

1、https:/基于语义网的基于语义网的 SDN 网络资源管理北向接口研究网络资源管理北向接口研究摘要：SDN 是未来网络演进的一大方向，其北向接口提供了网络应用的编程和人机接口。目前北向接口的研究主要集中在异构性消除、可编程性提高、提供网络新功能和改善性能等方面，而 SDN 网络资源管理研究尚处于起步阶段。语义网具备强大的层次化描述能力，便捷灵活的数据存储结构，丰富的工具及方法论支持，良好的可移植性，有利于在北向接口上提供基于虚拟网络上的视图管理功能，为 SDN 网络资源管理带来便利，并提高上层网络应用开发的可移植性。本文提出结合语义网（Semantic Web）技术，结合基于语义网的SDN

2、网络资源管理平台，研究基于语义网的 SDN 网络资源管理北向接口。关键词：SDN；语义网；北向接口；网络资源；服务质量中图分类号：TP3 文献标识码：A 文章编号：1009-3044（2017）17-0016-05软件定义网络（software defined networking，SDN）是由美国 GENI 项目资助的斯坦福大学的 MacKneow 教授在主导的 Clean Slate 项目中提出的一种新型网络架构。与传统分布式网络不同，SDN 的核心是在网络中引入一个 SDN控制器（Control-ler），通过核心技术 OpenFlow 通过将网络的数据转发层和设备控制层分离，从而简化网

3、络架构，实现对网络流量的灵活控制，为核心网络及应用的创新提供了良好的平台。网络资源的管理是 SDN 的一个重要维度，但如何在较高的抽象层次上实现 SDN 网络资源的高效管理，尚未形成较理想的框架。语义网（Semantic Web）是未来网络的一种设想，它可以形成一个机器可读的虚拟网络图数据库。它具有十分强大的推理能力，它可以使用 OWL（WebOntology Language，网络本体语言）对 SDN 网络资源以及相关的业务资源进行建模，使用 RDF（Resource Description Framework，资源描述框架）给抽象的业务资源和网络资源带来具体化的描述。其便捷灵活的数据存储结

4、构，丰富的工具及方法论支持，良好的可移植性，为构建 SDN 网络资源管理北向接口，实现抽象化、虚拟化的网络管理，提供了良好的理论和技术基础。为构建SDN 网络资源管理北向接口，提供了灵活的基础。本文结合语义网技术对 SDN 的北向接口进行扩展，弥补现有 SDN 对网络资源管理方面的不足，提供 SDN 网络资源管理的编程和人机接口。1 SDN 北向接口笔者从不同的抽象层次，将当前北向接口研究总结为几大方面，分别是：1）可移植性北向接口：主要致力于解决异构 OpenFlow 协议或者硬件之间的差异性，从而为上层应用提供一个可移植性层，主要工作包括 tinyNBI、NOSIX 等。https:/2）

5、可编程性北向接口：主要致力于实现专用的 SDN 网络程语言，或嵌入到现有的高级语言中，提高 SDN 网络的可编程性，实现对其网络行为的控制，主要工作包括 Frenetic、NetCorete 等。3）网络虚拟化北向接口：通过对网络资源进行虚拟化，在物理网络的基础上构建虚拟的网络视图，主要工作包括 FlowVisor、libNetVirt 等。可以看到现有的几类北向接口，主要从异构性消除、可编程性提高、网络虚拟化等角度进行研究，对 SDN 网络资源管理方面的研究目前比较少见，使得用户和上层应用难以找到满足其需求的个体资源（如某个交换设备）或群体资源（如满足服务质量的路径）。笔者认为应该采用平台中

6、立的语义网技术，对网络资源进行建模，尽可能同底层物理设备解耦，并利用北向接口对其进行虚拟化、抽象化的管理，方便 SDN 网络应用 特别是网络资源密集型应用的开发。2 基于语义网的 SDN 网络资源管理平台2.1 构建模型1）首先进行安装 Protege，并配置好环境变量。2）SDN 本体模型构建：a）新建一个 OWL 项目，在 Active Ontology 的面板中定义本体的 URI 作为模型的命名前缀，在本设计中定义 Ontology IRI 为：http：/michellin/ontologies/2016/2/SDN。b）在 Classes 面板中

7、添加资源类，如图 1 所示。在模型中，将 SDN 网络资源抽象为六个类分别是 Component（组件）、De-vice（设备）、Hnk（链路）、How_table（流表）、Function（功能）以及 Group_tablef 组表）。六个类下又分别有子类：Component 下的子类为 Port（端口）；Device 的子类为Controller（控制器）、Switch（交换机）和 Host（主机）；Link 的子类为各种规格的传输介质。Function 的子类为 Action、Instruction、Pipeline_wordflow动作指令，Flow_table（流表）子类分为 Cou

8、nter、Instruction、Match_Field等；出于篇幅限制，仅给出定义资源图以及总体模型展示图。c）在 Object Properties 面板中添加类间属性。在模型中，定义 9 种类属性：connects（连接）、contains（包含）、controls（控制）、consistsof（组成）、deploys（部署）、includes（包括）、supports（支持）、isdeployedby（ 被 部 署 ） 以 及 consists （ 由 什 么 组 成 ） 等 。 connects 描 述 交 换 机 类（Switch）、交换机端口类（Port）、链路类（Hnk）、主机

9、类（Host）之间的连接关系；contains 描述端口类（Port）和交换机类（Switch）的包含关系；controls 描述控制器类（controller）和交换机类（Switch）的控制关系，交换机https:/supports 功能（Function）等。 d）在 Datatype Properties 面板中添加类的数值关系。在模型中，添加了 5 个类属性：Device_property（设备属性）、Match_Field（匹配领域）、IP、MAC、QoS（服务质量）。在设计中主要用到的 是 设 备 属 性 和 服 务 质 量 属 性 ， 其 余 的 属 性 作 为 后 续 拓 展

10、 开 发 。 在Device_property 属性类下有 CPU 和 RAM 子类，用于描述交换机的设备状态信息。在 QoS 属性类下有：Available（可用性）、Bandwidth（带宽）、Delay（时延）、Drop（丢包率）、Jiuer（抖动）以及 Total_QoS（总 QoS）等服务质量子类，用于描述交换机端口的服务质量。定义 Device_property 和 QoS 的数值类型都为双精度浮点型（double）。e）SDN 本体模型构建完成后，以 XML 的格式保存并命名为“SDN.owl”。总体模型展示图如 2 所示。2.2 实例化本体模型利用 Jena 框架的 Model

11、Factory 创建本体模型，例如使用如下代码构建一个本体模型：OntModel model=ModelFactory.cre-ateOntologyModel（）。并以 字 符 流 的 形 式 读 取 之 前 定 义 好 的 本 地 模 型 。 结 合 提 供 的 API 如/wm/core/controller/switches/json 获取底层实际交换机信息。使用类似的语句进行实例化模型。Individual swIndi=model.createlndividual（ns+switchDHD，Switch）；结合本体模型以及从控制器已获取的 topo 信息，利用 Jean 框架和 J

12、SON 文本格式构建一个虚拟的网络 RDF 图，以便上层应用使用。2.3 SPARQL 查询的实现1 ） 最 短 路 径 查 询 的 实 现 ： Jena 框 架 中 的 OntTools 类 包 含 了findShortestPath（）的函数该函数可以找到两节点之间的最短路径，将最短路径的中间节点和距离返回。它需要传人四个参数，分别是：本体模型、源节点、目的节点和过滤条件（可指定中间经过的节点），可直接调用。2）单一的 QoS 和多种 QoS 查询，可以直接通过非常简便的 SPARQL 语句实现，如下例 1 和例 2。2.4 应用层可视化设计利用 D3.is 实现节点图以及语义网三元组节点

13、图的可视化利用，CSS，javaScript，Ajax JsPlumb，等主流的技术实现页面的动态交互以及自定义的topo 的实现。3 实验过程和结果1）启动 Ubuntu 15.10 系统，打开终端进入 Hoodlight-1.2/target 目录输入如 下 命 令 启 动Hoodlight1.2 （ 指 定 默 认 的 配 置 文 件 即perties）java-iar Floodlight.iar cf perties2）建拓扑模块及视图展示模块验证，将项目部署到 Tom-cat 服务器后，

14、运行 Tomcat，打开浏览器输入 http：localhost：8082/SemSDN/访问平台主页面，如图 3 所示。首页具有导航功能，主要分为两个模块，分别是语义网的可视化以及功能展示模块和建立可拖拽 topo 的模块。点击“创建 topo”，进入创建 topo 界面，如图 5-4 所示。该版块实现的功能主要有，快速建立典型 topo，包括树形 topo 和线性 topo。建立自定义 topo，并实现了对已建 topo 的增删功能。如下图 4 所示：创建一个简单树形拓扑，先在“TypicalTopo”中选择“tree”，输入层数和叶子数，点击“Generate Topology”生成该拓

15、扑的 py-thon 文件并点击“deploy”按钮将topo 部署至 Floodlight 控制器中，点击“ShowTopo”跳转回主界面。生成 topo 文件后 Topo-Maker 界面如图 5，部署后主界面如图 6 所示。3）QOS 信息模块验证点击 S2 交换机，在左边的 Real-time QoS Information 窗口可以显示该交换机的 QoS 信息，如图 7 所示。4）SPARQL 查询模块验证返回“TopoMaker”界面，通过手动拖拽创建一个拓扑，如图 8：点击“Generate Topology”以及“Deploy to Mininet”按钮，将创建的拓扑生成对应的

16、 python 文件，并部署到 Floodlight 控制器上。在右侧模块的“Shortest Path Query”中，输入查询“hi”和“h4”之间的最短路径，点击“Query”按钮。弹出最短路径查询结果的对话框，如图 9 所示，最短路径用蓝色标识，在下方显示了最短路径的详细信息。5）数据统计模块验证点击数据统计模块右侧的选项卡，可以查看带宽、时延、丢包率和总 QoS的柱形图数据统计情况。6）典型拓扑性能测试如图 14（图中所有数据为五次测试所得值得平均值），其中树形 m*n 表示有 m 层且每个交换机有 n 个分支；线性 m*n 表示有 m 个交换机且每个交换机有n 个主机。https:/由上表可得出结论：当节点不多时，该系统能够很快的从控制器中获取部署的拓扑，并对最短路径及环路查询等 SPAR QL 查询语句做出快速反应并在前台显现出结果。4 总结从实验结果及数据分