1 基本信息
ID: 002
Available: https://doi.org/10.1109/DCOSS.2016.8.
作者:Rong Jin1, Jiaojiao Li1, Xin Tuo1, Weiming Wang1, Xiaolin Li2
Email: jinrong@mail.zjgsu.edu.cn
机构:1 浙江工商大学; 2 Large‐scale Intelligent Systems Laboratory, University of Florida, Gainesville, Florida, USA
佛罗里达大学,大型智能系统实验室
发表会议:Int. J. Commun. Syst. 31 (17) (2018)
International Journal Of Communication Systems, Int J Commun Syst, 4区,影响因子1.066
http://www.gaokeyan.com/journal/details.php?jid=1629
标题: A congestion control method of SDN data center based on reinforcement learning
基于强化学习的SDN数据中心的一种拥塞控制方法
算法:Q-learning & Sarsa
场景:Software defined networks (SDNs)
SDN, Software Defined Network,软件定义网络。软件定义网络为未来网络提供一种新的结构,它将转发(forwarding)和控制(control)模块分离。控制模块能够集中管理整个网络。
2 内容概述
2.1 问题
随着大数据和云计算的发展,数据中心的内部通讯业务激增,因此数据中心的流量也激增。但数据中心带宽有限,有网络拥塞的危险。随着网络智能化的发展,软件定义网络(SDN)展示其作为未来网络架构的智能性。
对于SDNs,高效的CC算法很关键。
2.2 方法
将RL引入了SDN数据中心,以实现基于流的拥塞控制。改进了 Q‐learning 和 Sarsa算法,基于这两种算法提出了两种方法。
改进体现在两个方面:(改进使算法收敛速度更快)
- 改进的的Q learning算法、Sarsa算法考虑到了当前数据流的路由,这种路由会影响到链路的拥塞。
- 增加了拥塞判断。如果链路的占用带宽达到了阈值,则停止Q learning算法的训练。
- states: Link’s occupied bandwidth。在目前网络环境中,每条链路的已占用带宽。
- actions: The sending rate。agent控制source network node的发送速率,即controller分配每个数据流的速率。
- rewards: The threshold of congestion, and the occupied bandwidth of the link 拥塞阈值、链路占用带宽
数据中心的拓扑结构:S1——一个核心层交换机,S2-6——五个边缘层交换机。
系统结构:
2.3 结果
实验结果表明,两种拥塞控制方法可以有效控制拥塞:更高的链路利用率和更低的拥塞级别。
并且基于Sarsa的方法链路利用率更高,高于基于Q-learning方法2.4%且高于基于需求方法4.48% 。
实验环境:VMware11.0.0, Ubuntu 14.04 operating system, and Mininet2.2.1 platform(SDN仿真器)
2.4 评价
pros: 考虑到了路由信息,收敛速度较快。
cons:
-
由于基于Q learning模型,不适合于复杂网络;
Q learning算法使用的Q表存储空间有限导致状态空间有限,因此这种算法在复杂网络中的灵活性无法验证。 -
拓扑简单
在实验中,拓扑由一个核心层交换机和五个边缘层组成。 -
奖励函数设计粗略
对于reward function,只考虑了拥塞水平和占用带宽。还有很多参数(例如延迟)也可以作为评价参数。
因此,此方法有进一步的探索空间。