CC BY
17146 Секция 9
Балансировка нагрузки в SDN с помощью реактивной маршрутизации на основе требований QoS
Г. Г. Патрушев1,3 В. Г. Дроздова2, К. В. Павский 1Новосибирский государственный университет
2Сибирский государственный университет телекоммуникаций и информатики 3Институт физики полупроводников СО РАН Email: gg.patrushev@gmail.com DOI: 10.24411/9999-017A-2020-10255
SDN (программно-определяемые сети) - компьютерные сети нового поколения. В основе концепции SDN лежит принцип разделения сети на 3 уровня: инфраструктурный ("глупое железо"), контроллер SDN (владеет полной абстракцией сетевой инфраструктуры и топологии) и уровень приложений (разрабатывать которые могут уже не только производители сетевого оборудования, чаще называют NFV - Network Functions Virtualization) [1]. SDN архитектура лежит в основе (Network Core) Интернета вещей (IoT) и сетей связи пятого поколения (5G New Radio) [2].
Обеспечение на основе единого ядра SDN управления качеством обслуживания различных типов трафиков и различных типов абонентов с различными способомами доступа к сети предъявляет высокие требования к управлению и балансировке нагрузки [3].
В работе представлен разработанный алгоритм реактивной маршрутизации в SDN, учитывающий принцип распределенного управления сетью, требования к задержке синхронизации с конечным узлом на MAC-подуровне, требования соединения к качеству сервиса (задержки, джиттер, скорость передачи данных, уровень потери пакетов, уровень доступности, уровень блокировок) согласно приоритету каждого требования.
Работа выполнена при финансовой поддержке Российского фонда фундаментальных исследований (код проекта 18-37-00464 мол_а), гранта Президента РФ (номер гранта МК-1047.2020.9).
Список литературы
1. Advait Dixit, Fang Hao, Sarit Mukherjee, T. V. Lakshman, and Ramana Kompella, "Towards an Elastic Distributed SDN Controller", ACM SIGCOMM Computer Communication Review, Vol. 43, No. 4, pp. 7-12, 2013.
2. A. Vora, K.-D. Kang, Downlink Scheduling and Resource Allocation for 5G MIMO Multicarrier Systems. In Proceedings of the 2018 IEEE 5G World Forum (5GWF), Santa Clara, CA, USA, 9-11 July 2018. Годунов С. К. Разностный метод численного расчета разрывных решений уравнений гидродинамики // Математический сборник. 1959. Т. 47 (89), № 3. С. 271-306.
3. Quang Tran Anh Pham, Jean-Michel Sanner, Cedric Morin, Yassine Hadjadj-Aoul. Multi-objective multi-constrained QoS Routing in large-scale networks: A genetic algorithm approach. SaCoNet 2018 - 7th IEEE International Conference on Smart Communications in Network Technologies, Oct 2018, El Oued, Algeria. IEEE, pp.1-6.
Some ideas about creation of intelligent transport navigation system
A. S. Rodionov
The Institute of Computational Mathematics and Mathematical Geophysics SB RAS
Email: asrod@sscc.ru
DOI: 10.24411/9999-017A-2020-10359
The outline of proposed future transport navigation system is presented.
In contrast to most existing navigation systems, when planning a route, not only information about destinations, a map of roads and their current load is used, but also a forecast of road load at the times when a vehicle enters them.
We assume that the following information is known about most part of vehicles:
- current disposition (may be taken from GLONASS/GPS, BeiDou, etc);
- vehicle type (known from personal vehicle ID);
- predicted rotes (known from messages from vehicles' navigators).
We assume that a vehicle's speed depends on its type and current state of a road. Under state of a road we understand its loading l = L/Th, where L is a number of vehicles per 100 square meters of the road and Th -road's throughput.
We use scaled table for vehicle's speed, that is speed vij of a vehicle of type i in a road with loading on interval j is assumed to be constant.
We use origin-destination matrices (ODM) A(t) whose estimation may be done by many methods [1-3] for predicting additional new requests for routs.
Информационные и вычислительные системы
147
Note that calculation time, needed for obtaining a shortest path, highly depends of a graph's dimension, so some heuristics for its reducing are needed.
As our road graph is Euclidian, we propose (similar to [3]) cut off all parts of the map that lay farther than k1 % of the distance l between start (A) and end (B) of the rout in opposite directions, and k2% to left and right from the direct line AB, while l > l , otherwise we fix size of the area. We use k = 15 and k = 30.
' m' 1 2
This research is supported by the budget project 0315-2019-0006 for ICMMG SB RAS.
References
1. Flinsenberg, I. C. M. (2004). Route planning algorithms for car navigation. Technische Universiteit Eindhoven. https://doi.org/10.6100/IR580449. D0I:10.6100/IR580449.
2. Hitoshi Kanoh. (2007). Dynamic route planning for car navigation systems using virus genetic algorithms. Int. J. Know.-Based Intell. Eng. Syst. Vol. 11, No. 1, P. 65-78. DOI: 10.3233/KES-2007-11105.
3. Mengyin Fu, Jie Li and Zhihong Deng. A practical route planning algorithm for vehicle navigation system, 5th World Congress on Intelligent Control and Automation, Hangzhou, China, 2004, P. 5326-5329 Vol.6, DOI: 10.1109/ WCICA.2004.1343742.
Применение кластеризации узлов для оптимальной передачи данных в сетях с меняющейся топологией
О. Д. Соколова, С. В. Рудометов
Институт вычислительной математики и математической геофизики СО РАН
Email: olga@rav.sscc.ru
DOI: 10.24411/9999-017A-2020-30370
В современных сетях связи надежная доставка пакетов должна обеспечиваться в условиях постоянно изменяющейся топологии сети. Для повышения эффективности функционирования активно применяют методы, основанные на кластеризации узлов, интегрировании с придорожной инфраструктурой, возможностях базовых станций [1-3]. Множество узлов сети разделяется на подмножества (кластеры), в каждом выбирается головной узел (cluster head, CH), который аккумулирует пакеты узлов и передает их, в соответствии с используемыми протоколами, другим мобильным CH либо придорожным станциям. CH может ретранслировать сообщения узлам своего кластера с использованием широковещательной рассылки, на отдельном радиоканале и т.д. Такие подходы позволяют оптимизировать ресурсы сети. В докладе рассматривается задача сбора информации в сетях с узлами на автомобилях (Vehicle ad-hoc networks, VANET). Исследуются различные алгоритмы кластеризации, проведен их сравнительный анализ на различных топологиях сети. Для проверки эффективности алгоритмов использовались возможности имитационного моделирования. Тестирование проводилось на системе Manufacturing and Transportation Simulation System [4].
Работа выполнена при финансовой поддержке Российского фонда фундаментальных исследований (коды проектов 19-47-540007 и №19-01-00562).
Список литературы
1. Craig Cooper etc. A Comparative Survey of VANET Clustering Techniques. IEEE Communications Surveys & Tutorials, Volume: 19, Issue: 1, 2017.
2. R. Pal, A. Prakash, R. Tripathi, D. Singh Analytical model for clustered vehicular ad hoc network analysis // ICT Express, Vol. 4, Iss. 3, r 2018, P. 160-164
3. C. Sommer, I. Dietrich and F. Dressler Realistic simulation of network protocols in VANET scenarios // Mobile Networking for Vehicular Environments. IEEE, 2007, pp. 139-143.
4. Рудометов С.В., Соколова О.Д. Моделирование передачи сообщений между движущимися объектами в транспортной среде // Программные продукты и системы. 2019. Т. 32. № 1. С. 141-145.
Имитационная модель сбора информации о состоянии атмосферы, используя технологию VANET
К. В. Ткачёв
Институт вычислительной математики и математической геофизики СО РАН
Email: tkachev@sscc.ru
DOI: 10.24411/9999-017A-2020-10360
В статье рассматривается разработанная имитационная модель, позволяющая найти оптимальную расстановку датчиков на общественном транспорте для сбора и передачи данных о загрязнении
