-
如图1所示为基于SDN的卫星光网络逻辑架构。其中,网络架构的应用层由各种空间任务组成。控制层为整个架构的核心,由若干个GEO控制器组成,GEO卫星具有全局视野,负责具体的路由策略制定。基础设施层由LEO卫星光网络组成,负责根据GEO卫星下发的流表项进行相应的数据处理和转发。在LEO卫星光网络中,通信链路均为激光链路,链路使用WDM技术在光链路中建立多波长通道,并采用优化的波长路由技术。
-
如图2所示为基于SDN的卫星光网络路由机制的基本过程。GEO卫星作为SDN控制器与LEO卫星光网络通过南向接口进行数据通信。首先,GEO卫星需要与LEO卫星光网络中的每一个卫星节点进行信息交互,得到全局的拓扑状态以及节点链路信息。然后,通过部署在GEO卫星中的波长路由算法处理这些信息,实时计算出最优传输路径,并通过南向接口,统一将路径信息分配给网络中的每一个卫星节点,整个网络路由过程体现了SDN对网络的集中控制及管理的特点。
在LEO卫星网络中,卫星节点的运行具有时变性,周期性,节点与节点之间不断处于连接−断开−连接的状态。但是在一定的时间段内,如果网络中各个节点之间的连接关系没有发生,这个时间段的网络拓扑可以看成是静止的。因此,可以采用虚拟拓扑的思想,将卫星网络中卫星绕轨道运行一周的时间T划分成若干个时间片,在每个时间片内,网络拓扑静止不变,这样就有效地屏蔽了卫星网络拓扑的高动态性。当数据包进行转发时,只需确定源节点和目的节点,再根据相应的时间片计算路由信息,即可完成数据转发,具体过程如图3所示。采用这种方法可以大大降低LEO卫星网络中卫星节点的路由计算开销,同时也提高了数据包转发效率,增大了数据传输时延。
-
随着空间技术的迅猛发展,卫星光网络已经从仅需提供传输功能的承载网络逐渐演进为需要为用户提供各类服务的业务网络。在卫星光网络中,空间业务类型主要包含控制业务、语音业务、视频业务和数据业务,不同类型的空间业务需要满足不同的QoS需求,只针对单个QoS参数进行优化的路由算法已不能满足用户的需求。卫星光网络需要支持不同QoS的自适应路由过程,而不是简单的尽力传输,因此在为业务进行选路过程中要充分考虑业务的动态变化特性和差异化QoS需求。卫星光网络QoS路由算法通常需要考虑以下几个因素:
(1)波长空闲率
$$ {I_{ij}}(t) = \frac{{\left| {{N_{ij}}} \right| - {n_{ij}}(t)}}{{\left| {{N_{ij}}} \right|}} $$ (1) 式中:
${I_{ij}}(t)$ 表示t时刻链路$(i,j)$ 上空闲波长数占总波长数的概率;$\left| {{N_{ij}}} \right|$ 表示链路$(i,j)$ 上的波长总数;${n_{ij}}(t)$ 表示t时刻链路$(i,j)$ 上被占用的波长数。(2)时延
$$ \begin{split} & delay(path(i,j)) = \sum\limits_{n \in path(i,j)} {delay(n)} + \sum\limits_{e \in path(i,j)} {delay(e)} \\ \end{split} $$ (2) 式中:
$path(i,j)$ 表示节点i到节点j之间的路径;$delay(n)$ 表示节点上的排队时延;$delay(e)$ 表示链路上的传播时延。(3)时延抖动
$$ \begin{split} jitter(path(i,j)) = &\sum\limits_{e \in path(i,j)} {jitter(p)} + \sum\limits_{n \in path(i,j)} {jitter(q)} \\ \end{split} $$ (3) 时延抖动是时延的变化率。式中:
$\displaystyle\sum_{e \in p(i,j)} {jitter(p)} $ 和$\displaystyle\sum_{n \in p(i,j)} {jitter(q)} $ 分别表示路径中的传播时延抖动和排队时延抖动。(4)丢包率
$$ loss(path(i,j)) = 1 - \prod\limits_{e \in path(i,j)} {(1 - loss(e))} $$ (4) 式中:
$loss(e)$ 表示单位时间内路径$path(i,j)$ 中链路e的丢包率。针对卫星光网络的特性,适合软件定义卫星光网络的QoS路由算法应满足以下两个条件:(1)能够自适应的为业务选择一条满足多个QoS需求的最优路径。(2)优化网络资源使用,提高资源利用率,实现负载均衡。因此,文中将卫星光网络中光链路的4个QoS属性作为路由的约束条件,为卫星光网络找到一条能满足如下要求的路径:
$$ \left\{ \begin{array}{l} \min ({I_{ij}}(t)) \geqslant I \\ \displaystyle\sum {delay(i,j)} \leqslant D \\ \displaystyle\sum {jitter(i,j)} \leqslant J \\ \displaystyle\prod {loss(i,j)} \leqslant L \\ \end{array} \right. $$ (5) 式中:I、D、L、J分别表示空间任务对波长空闲率、时延、时延抖动以及丢包率的要求。
-
传统的蚁群算法仅考虑路径距离,没有考虑业务对多种QoS的需求。因此需要对蚁群算法进行改进,将链路的4种QoS作为蚁群算法的启发函数,为不同业务选择满足各自需求的最优路径。改进的蚁群算法转移概率函数计算如下:
$$\begin{array}{l} P_{ij}^k(t) =\\ \left\{ \begin{array}{l} \dfrac{{{{[{\tau _{ij}}(t)]}^{\alpha} } \cdot {{[{I_{ij}}(t)]}^{\beta} } \cdot {{[{D_{ij}}(t)]}^{\gamma} } \cdot {{[{J_{ij}}(t)]}^{\delta} } \cdot {{[{L_{ij}}(t)]}^{\varepsilon} }}}{{\displaystyle\sum_{l \in {A_k}} {{{[{\tau _{il}}(t)]}^{\alpha} } \cdot {{[{I_{il}}(t)]}^{\beta} } \cdot {{[{D_{il}}(t)]}^{\gamma} } \cdot {{[{J_{il}}(t)]}^{\delta} } \cdot {{[{L_{il}}(t)]}^{\varepsilon} }} }},{{ j}} \in A{}_k\\ 0,\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;{\text{其他}} \end{array} \right. \end{array} $$ (6) 式中:
$P_{ij}^k(t)$ 表示蚂蚁k的转移概率;${\tau _{ij}}(t)$ 表示t时刻路径上的信息量;$\alpha $ 为信息启发因子,表示信息素在转移概率中的相对重要性;$\beta $ ,$\gamma $ ,$\delta $ ,$\varepsilon $ 为启发函数重要因子,表示启发函数的相对重要性;${I_{ij}}(t)$ ,${D_{ij}}(t)$ ,${J_{ij}}(t)$ ,${L_{ij}}(t)$ 为启发函数,由公式(1)~(4)以及(7)~(9)得到。$$ {D_{ij}} = \dfrac{1}{{delay(path(i,j))}} $$ (7) $$ {L_{ij}} = \dfrac{1}{{loss(path(i,j))}} $$ (8) $$ {J_{ij}} = \dfrac{1}{{jitter(path(i,j))}} $$ (9) 在通过各个邻居找到路径偏好概率之后,源节点和中间节点现在都有多条到目的地的路径,数据会选择路径优先概率较大的路径进行传输。为了让后面的蚂蚁能够根据信息素进行路径选择,信息素还需要进行更新。如果在t时刻路径
$(i,j)$ 上的信息素为${\tau _{ij}}(t)$ ,则在$t + \Delta t$ 时刻:$$ {\tau _{ij}}(t + \Delta t) = (1 - \rho ){\tau _{ij}}(t) + \Delta {\tau _{ij}}(t + \Delta t) $$ (10) $$ \Delta {\tau _{ij}}(t + \Delta t) = \sum\limits_{k = 1}^m {\Delta \tau _{ij}^k(t)} $$ (11) $$ \Delta \tau _{ij}^k(t){\rm{ = }}\left\{ \begin{array}{l} Q/{J_k},\;\;\;{\text{如果蚂蚁}}k{\text{经过链路}}{L_{ij}}\\ 0,\;\;\;\;\;\;\;\;\;\;{\text{其他}} \end{array} \right. $$ (12) 式中:
$\rho \in [0,1]$ 表示挥发程度;$\Delta \tau _{ij}^k(t)$ 表示第k只蚂蚁在路径$(i,j)$ 上释放的信息素浓度;Q表示上一代蚂蚁完成选路释放的信息素浓度之和;${J_k}$ 表示第k只蚂蚁经过的路径长度。 -
为了对算法性能进行验证,文中首先使用了STK对基于SDN的卫星光网络进行了模拟仿真,在此基础上使用了MATLAB对算法进行了仿真验证。
如图4所示为软件定义卫星光网络的仿真模型,分别由LEO卫星光网络和SDN控制器组成。
其中,SDN控制器由GEO卫星组成,数据转发层由LEO卫星光网络组成。GEO卫星负责收集LEO卫星中的节点和链路信息,制定路由策略。LEO卫星作为数据转发平面,只需根据GEO卫星下发的流表项进行路由转发。
仿真选用了Iridium系统作为LEO卫星光网络的仿真场景,参数如表1所示。
表 1 仿真场景参数设置
Table 1. Parameter settings of scene simulation
Parameters Value Number of satellites 66 Orbit altitude 780 Number of constellation orbit 6 Number of satellites in each orbit 11 Period of revolution /min 114 Orbit inclination /(°) 86.4 Number of inter-satellite links 121 ISL distance/km 4 033 ISL bandwidth/Mbps 100 Number of ISL wavelength 10 仿真过程中,在LEO光网络中随机选取5对源-目的节点进行随机类型的业务传输请求,并且随着时间的增加,业务强度即每个节点的业务请求次数不断增加,业务类型包括A类时延敏感型、B类吞吐量敏感型以及C类尽力而为型3种,优先级依次递减。在SDN架构中,LEO卫星光网络的业务传输具体过程如下。首先,需要将卫星网络中卫星绕轨道运行一周的时间T划分成若干个时间片,在每个时间片内由GEO卫星控制器收集LEO网络中的节点链路信息。并由具有全局视野的GEO卫星根据节点和链路的状态信息制定路由和波长分配策略,确定转发路径,并将指令下发给相关卫星节点。LEO卫星节点接收指令后,负责转发相应的业务。
-
在基于SDN的卫星光网络的仿真场景中,不同业务强度下3种算法在网络平均时延上的比较如图5所示。由图可知,当业务强度较低时,平均时延趋于相同,因为3种算法都是基于最短路由算法,优先为业务分配最短路径。随着业务强度不断增加,SARWA算法的时延较低,平均时延比Dijkstra算法降低了10%,比CL-ACRWA算法降低了5%。
在基于SDN的卫星光网络的仿真场景中,不同业务强度下3种算法在网络平均时延抖动上的比较如图6所示。由图6可知,SARWA算法在在抖动变化率上更为平滑。相比之下,平均丢包率比Dijkstra算法低了8 ms,比CL-ACRWA算法低了3 ms。这是因为SARWA算法在为业务选路的过程中将时延抖动也作为了选择的依据,因此平均时延抖动相对来说更低。
在基于SDN的卫星光网络的仿真场景中,不同业务强度下三种算法在网络平均丢包率上的比较如图7所示。由图7可知,SARWA算法在总体上比CL-ACRWA算法降低了4%,比Dijkstra算法降低了7%。
在不同业务强度下,三种算法在网络波长利用率上的比较如图8所示。由于SARWA算法中在选路时重点考虑了链路剩余波长数,因此SARWA算法在不同业务强度下的波长利用率均大于CL-ACRWA算法以及Dijkstra算法。
此外,对分组波长分配策略进行了仿真验证,不同业务强度下不同业务阻塞率的比较如图9所示。由图9可知,高优先级业务的阻塞率一直低于中优先级业务,并且远远小于低优先级业务。而随着业务强度的不断增强,3种优先级的业务阻塞率都有所上升。总体而言,对业务进行区分服务可以有效降低高优先级业务的网络阻塞率。
Ant colony optimization routing and wavelength technology for software-defined satellite optical networks
-
摘要: 针对卫星光网络中网络拓扑动态时变和业务类型多样化的问题,研究了在软件定义网络架构下保障服务质量的路由技术,提出了一种基于多业务的卫星光网络蚁群优化波长路由算法。通过改进蚁群算法的启发函数,将波长空闲率、时延、时延抖动、丢包率作为蚂蚁选路的重要依据,为业务选择了满足多种服务质量的最优路径;采用分组波长分配方法对不同等级的业务进行了区分服务,为不同业务分配了不同的波长集。仿真结果表明:与CL-ACRWA算法和Dijkstra算法相比,降低了卫星光网络的平均时延、平均时延抖动、平均丢包率,提高了波长利用率,同时也降低了高优先级业务的网络拥塞概率。Abstract: Aiming at the problem of dynamic time-varying network topology and diversified service types in satellite optical network, the routing technology was studied to guarantee quality of service (QoS) under the framework of software-defined network (SDN), and a multi-service based ant colony optimization wavelength routing algorithm for satellite optical network was proposed. The heuristic function of ant colony algorithm was improved. The wavelength idle rate, time delay, time delay jitter and packet loss rate were taken as the important basis of ant routing, and the optimal path satisfying various QoS was selected for business. The group wavelength assignment strategy (GWAS) was used to distinguish services of different levels. Different sets of wavelengths were assigned to different services. The simulation results show that compared with CL-ACRWA algorithm and Dijkstra algorithm, the average delay, average delay jitter and average packet loss rate of satellite optical network are reduced. The wavelength utilization is improved. The network congestion probability of high-priority services is reduced.
-
表 1 仿真场景参数设置
Table 1. Parameter settings of scene simulation
Parameters Value Number of satellites 66 Orbit altitude 780 Number of constellation orbit 6 Number of satellites in each orbit 11 Period of revolution /min 114 Orbit inclination /(°) 86.4 Number of inter-satellite links 121 ISL distance/km 4 033 ISL bandwidth/Mbps 100 Number of ISL wavelength 10 -
[1] Dong Quanrui, Chen Tao, Gao Shijie, et al. Progress of research on satellite-borne laser communication technology [J]. Chinese Optics, 2019, 12(6): 1260-1270. doi: 10.3788/CO.20191206.1260 [2] Gao Duorui, Li Tianlun, Sun Yue, et al. Latest developments and trends of space laser communication [J]. Chinese Optics, 2018, 11(6): 901-913. (in Chinese) doi: 10.3788/co.20181106.0901 [3] Guo Chaoyong, Liu Jikui, Cheng Junbo, et al. Compound control strategy of satellite laser communication coarse tracking system [J]. Optics and Precision Engineering, 2020, 28(4): 946-953. (in Chinese) [4] Li Haitao. Technical approach analysis and development prospects of optical communication technology in China Deep Space TT&C Network [J]. Infrared and Laser Engineering, 2020, 49(5): 20201003. (in Chinese) [5] Zhen Zheng, Wang Yingrui, Ou Wen, et al. A novel technology on infrared multi-band low-background detection [J]. Infrared and Laser Engineering, 2019, 49(5): 20190361. (in Chinese) [6] Nunes B A A, Mendonca M, Nguyen X N, et al. A survey of software-defined networking: past, present, and future of programmable networks [J]. IEEE Communications Surveys & Tutorials, 2014, 16(3): 1617-1634. [7] Bertaux L, Medjiah S, Berthou P, et al. Software defined networking and virtualization for broadband satellite networks [J]. IEEE Communications Magazine, 2015, 53(3): 54-60. doi: 10.1109/MCOM.2015.7060482 [8] Dong Y, Zhao S, Ran H D, et al. Routing and wavelength assignment in a satellite optical network based on ant colony optimization with the small window strategy [J]. IEEE/OSA Journal of Optical Communications & Networking, 2015, 7(10): 995-1000. [9] Wang H T, Zhang Q, Xin X J, et al. Cross-layer design and ant-colony optimization based routing algorithm for low earth orbit satellite networks [J]. China Communications, 2013, 10(10): 37-46. doi: 10.1109/CC.2013.6650318 [10] Jia M, Zhu S, Wang L, et al. Routing algorithm with virtual topology toward to huge numbers of LEO mobile satellite network based on SDN [J]. Mobile Networks & Applications, 2018, 23(2): 285-300. [11] Hu Yi, Jiang Chao, Huang Wei, et al. Optimal measurement area of articulated coordinate measuring machine calculated by ant colony algorithm [J]. Optics and Precision Engineering, 2017, 25(6): 1486-1493. doi: 10.3788/OPE.20172506.1486 [12] Wen G, Zhang Q, Wang H, et al. An ant colony algorithm based on cross-layer design for routing and wavelength assignment in optical satellite networks [J]. China Communications, 2017, 14(8): 63-75. [13] Shi X, Li Y, Zhao S, et al. Multi-QoS adaptive routing algorithm based on SDN for satellite network[C]//IOP Conference Series: Materials Science and Engineering, 2020, 768: 052035.