aOFFICER: Adaptive OpenFlow Rules Placement

通过上文的OFFICER模型的启发式算法，我们得到了一个优化的流矩阵A（|F|-by-|L+| binary matrix）。但是对于一个大型的网络拓扑，流矩阵A的规模将十分巨大，无法实际处理。同时TCAM节点的容量有限。——>如何减少A的规模呢？

网络中的流可以分为两种：

• small flows ：老鼠流。流量（流的大小）小，但是数量多
• large flows：大象流。流量大，但是数量少。

为此，我们可以只考虑大象流，即将重要的大象流放入流矩阵A中处理，而将数量众多的老鼠流交给控制器处理，默认转发。

With thousands of servers, if flows are defined by their TCP/IP 4-tuple, the matrix can be composed of tens of millions of entries.

A way to reduce the size of the allocation matrix is to ignore the small flows that, even if they are numerous, do not account for a large amount of traffic and can hence be treated by the controller.

本文的作者在此基础上继续优化模型，提出了aOFFICER模型。

——>该模型是被动放置问题

online ORPP, in which the set of flows is unknown and varies over time.——>reactive approach

——>核心思想：

aOFFICER, that can detect the important, large flows and install rules for them on appropriate paths.

其思想分为两个部分：

• how rules are chosen 怎么区别合适的大象流？
• how rules are installed 怎么安放对应的规则？

---

how rules are installed ？

首先我们看下aOFFICER模型怎么安放规则的。

• 这里有三种路径：

  • default load（默认路径）： the load on the default devices
  • signaling load（信道路径）：the load on the controller
  • TCAM交换机节点构成的正常路径，需要被动安放规则

• 因为是被动模型。对于大象流，可以通过向控制器申请合适的路径（最短路径或OFFICER模型的路径），将规则安装到节点上。而对于老鼠流，直接在默认设备的默认路径上转发到目的地，节省了节点的容量空间。默认设备类似于规则缓存中的软件交换机。默认设备：软件交换机，非TCAM，具有无限的容量，但是匹配转发流的延迟高。只适合老鼠流。

• 所有的流在开始时都必须在默认路径上转发。
• 随后，流f向控制器申请的过程：
  ①对于流f的数据包量超过阈值H时，来一个数据包向控制申请一次，希望在正常路径节点上安放规则。
  ②如果申请不成功，下个相同流f的数据包来了接着申请，直到成功或流f用完
  ③申请成功，可以安放规则。但是，由于节点容量有限，规则安放也有成功率r。

---

how rules are chosen ？

上节介绍了该模型安放流的套路。但是节点容量有限，怎么选择合适的流安放呢，也就是怎样确定合适的区分大小流的阈值H？

——>首先，通过模型得到我们的优化目标：

我们的目标是最小化默认路径和信道路径的负载（C$_d$和C$_s$）。但是两者存在矛盾，如果更多的流被安放，那么默认路径的开销变小，但是信道路径的开销变大。

所以我们的目标是在两者之间找到一个最佳的平衡点，最小两者之和（total cost：C=C$_d$+C$_s$）

——>如何和得到C呢？

我们抽象（H，r）的函数：

1）当流f的流量n$_f$ < H，流f只在默认路径转发，没有向控制器申请（即没有在节点上安装规则，在正常路径上转发），得：a$_f$= n$_f$, b$_f$ = 0, d$_f$ = 0。

2）当流f的流量n$_f$ > H，且H ≤ a$_f$ ≤ n$_f$，第k个流：a$_f$ = k ——>(H ≤ k < n$_f$ ) ,此时流f超过H部分的数据包k − H + 1向控制器申请，希望流f在节点上安装规则在正常路径上转发。

此时第k个数据包申请成功的概率（即前k-H个申请失败，第k-H+1申请成功）：

当流f到最后一个数据包，k=n$_f$ ，有申请成功和申请失败两种可能：

每第k次申请，不管是否成功，都有k个数据包在默认路径转发，根据全概率公式，得到默认路径的开销a$_f$：

综上1）2）得到默认路径开销a$_f$：

一旦数据包量到达H-1，就开始向控制器申请安装规则。没申请一次就是一次信道路径的开销b$_f$：

能安装流f（规则）的可能性p$_f$：

申请被拒绝的次数d$_f$，分为申请成功之前的被拒绝和一直被拒绝两种情况：

---

——>综上：

对所有流的默认路径开销：

对流的信道路径开销：
当一个数据包申请成功时，需要向n个节点下发规则，并n个规则超时还要想控制器发送超时移除规则通知。所以β$_f$=（1+2n）。
对于每个流f，分为申请失败和成功两种情况的信道开销：d$_f$+β$_f$p$_f$

——>总的成本cost：

——>我们得到了一个C与（H，r）的关系函数：

• 高成本区域：r—>0，H—>1
• r低，安放规则成功率低，H应该高，避免申请控制器，减少信道开销
• r高，安放规则成功率高，H应该低，更多的流被安放，减少默认设备开销
• 通过调节阈值H来维护r的高成功率

——>r的高成功率很重要，那么怎么通过H来维护呢？

本文提出了一种主动算法aOFFICER，类似于TCP的拥塞控制（发送量线性增长，但发现拥塞时发送变为一半，然后接着线性增长），通过调节阈值H来避免进入高成本区域。

1）首先，我们使用指数加权平均模型（EWMA）来估计下一次的规则安放成功可能性r$_n$

2）接着，我们了Multiplicative Increase/Multiplicative Decrease (MIMD) algorithm 算法，来动态调整阈值H，从而来维护r。（类似TCP拥塞策略）

当r过低时，即容量不足，适当的增加阈值H。在下一次中r$_n$中会增加；
当r过低高时，即容量充足，适当的降低阈值H。在下一次中r$_n$中会降低。

注：为了避免H过高无法安装规则，在T间隔后若无申请则自动减操作。

---

仿真实验

略

---

引用：

• Nguyen, Xuan Nam. “The OpenFlow rules placement problem : a black box approach.” (2016).
• X.N. Nguyen, D. Saucez, C. Barakat and T. Turletti, “OFFICER:A general Optimization Framework for OpenFlow Rule Allocation and Endpoint Policy Enforcement”, IEEE INFOCOM 2015, Hongkong, China, April 2015