虚拟网络的服务迁移技术研究

2014-06-28慈松于冰韩言妮

中兴通讯技术 2014年3期

慈松　于冰　韩言妮

摘要：提出了一种面向单域环境的虚拟网络迁移算法。基于动态服务质量计算，定义了迁移判定因子，量化迁移代价与收益参数，动态评判迁移的时机，并选择判定因子最小的虚拟节点作为服务迁移节点。该算法可以有效地减少服务延迟，提高用户的服务体验质量，实现网络高效的资源管理和降低能耗的目标。

关键词：网络虚拟化环境；服务迁移；资源管理；移动性

网络虚拟化技术，在无需考虑底层物理网络属性的情况下，实现虚拟网络服务的平滑移动和资源的按需分配，为实现移动业务的泛在接入和无缝切换提供了可能。在网络虚拟化环境（NVE）中，根据网络中用户的数量、行为及偏好，重配置物理网络资源和按需流量管理，实时对虚拟网络的规模、资源的分布进行动态调整，实现网络资源的高效利用，提升网络服务质量（QoS）和用户体验质量，即虚拟网络迁移问题。

1 网络虚拟化技术

网络虚拟化是近年来互联网研究领域出现的新技术，主要为了解决互联网的“僵化”问题并进行未来网络体系结构的研究、试验和部署[1-2]。其思想是通过抽象、隔离、重用的机制，在一个公共的底层物理网络（SN）上支持多个虚拟网络（VN），每个虚拟网络拓扑，是一系列基于虚拟链路相互连接的虚拟节点的集合。本质上，虚拟网络是底层物理拓扑的一个子集，每个虚拟节点托管在一个底层物理节点上，而一条虚拟链路是跨越物理网络中的一条链路，并且包含了该链路上的一部分资源。在网络虚拟化环境中，将传统网络中的因特网业务提供商（ISP）的角色按照功能进行分解，分为基础设施提供商（InP）和服务提供商（SP）[3]，支持部署多种共存的、异构的且隔离的网络架构，上层的虚拟网络支持相互独立的协议体系，实现网络流量的安全隔离，保障端到端的服务质量。相互隔离的虚拟网络服务如图1所示。

（1）基础设施提供商

在网络虚拟化环境中部署和管理底层网络物理资源，负责操作和维护底层网络的基础设施，并通过可编程接口向不同的服务提供商提供其物理资源。

（2）服务提供商

从多个基础设施提供商租赁资源来创建不同类型的虚拟网络服务，即分片（Slice）。VN由虚拟节点和虚拟链路构成，SP可以部署自定义协议，对分配的物理资源进行编程，管理上层的虚拟网络，并向终端用户提供业务、应用和服务。

（3）终端用户

在网络虚拟化环境中，不同类别的应用都是以服务的形式运行在相互隔离的分片上，终端用户可以根据业务需求，使用来自不同服务提供商提供的虚拟网服务。

2 服务迁移问题的应用场景

在网络虚拟化环境下，底层网络资源的位置、服务提供能力和负载时时刻刻发生变化，而终端用户的行为也存在移动性、偏好性，可能需要实时的加入或离开。因此需要根据用户需求动态的调整虚拟资源的数量，对底层物理资源进行迁移和调整，保证虚拟网络服务的不间断使用，维护虚拟网络的拓扑连接关系。我们归纳了服务迁移问题的应用场景[4]。

2.1 云爆炸场景

由于企业的峰值需求是暂时的，当用户数量急剧增多时，本地服务器上的负载会被迁移到云端的服务器，或者在云端服务器增加新的应用备份机以平衡负载。一旦负载降低，则减少云端的负载，或者只使用本地服务器[5]。在网络虚拟化的环境下，通过虚拟机的动态迁移可以实现灵活的资源管理和调度，将多个应用分别部署在不同的云端资源站点以便实现负载均衡，或者将企业的虚拟机迁移到资费低廉的云服务平台取得更低的运营成本，再或者将应用服务部署到提供高性能计算服务的云计算平台获得更快速的运算需求。

2.2 时区场景

针对跨越多个大洲的网络服务，不同的用户群分布于不同的时区位置，共同使用相同的服务，而每组用户的使用时间都是在固定的时间段。在这个场景中，用户对网络应用具有低时延的需求，可以在每个时区均设置云数据中心[6]，存储诸如内容存放、下载等类型的服务，以满足用户的需求。而对实时性、互通性要求较高的应用服务，可将一个或多个装有应用的虚拟机和数据随时间进行迁移，比如将某些全球性商业金融服务，每天的日落将数据迁移到即将日出的时区，如东京—伦敦—纽约。

2.3 用户移动性场景

由于用户在一天中的不同时刻处于不同的位置，而所有用户的位置变化、需求变化存在规律性。比如，在上下班时刻，用户服务的热点处于公交车站或地铁等位置，用户关注的应用服务主要集中在音乐、即时通信等内容方面。工作时间用户服务的热点则处于城市中心、商业区、工业区等位置，业务类型倾向于邮件、Web浏览等内容。晚上网络服务的热点则集中于居民区等，此时用户更倾向于视频服务、大型游戏等内容。如何根据热点分布的不同，对网络中服务位置进行动态调整，能够有效的节约网络资源。

3 典型研究项目

当前大多数虚拟化平台只能实现局域网（LAN）内的虚拟机迁移，而在网络虚拟化环境，为了实现应用服务的灵活部署和迁移，在关于负载均衡、运行成本和计算性能间平衡的研究还处于起步阶段。这里我们简单介绍几个比较典型的项目。

3.1 CloudNet项目

利用现有的服务器、路由器、网络的不同层面的虚拟化技术，建立安全隔离的资源池，支持广域网下虚拟机动态迁移。文献[4]和文献[7]中通过基于虚拟专用网（VPN）的网络基础设施，提供企业和数据中心站点的无缝连接，企业无需局限于本地的网络资源而是从云资源提供商处按需租赁廉价的资源，通过在云计算平台和网络服务提供商之间的协同操作，自动生成和管理VPN，实现云计算站点资源与企业站点资源之间的互联，优化广域网下迁移性能。

3.2 VROOM项目

动态虚拟路由[8-9]（VROOM）打破路由器硬件与控制软件的紧耦合关系，实现了控制平面和数据平面的分离。VROOM的路由迁移机制如图2所示。由于转换不影响数据流的传输或改变网络拓扑结构，因此虚拟路由器的配置不用改变，可避免路由计算的收敛延时。VROOM迁移首先将控制平面迁移到新的物理平台，在保持原有平台数据平面工作的同时，原有平台将控制报文重定向到新平台上的控制平面，待新平台数据平面配置完毕（包括转发表的设置、控制状态的安装等）后，可将链路迁移到新的物理平台。

3.3 基于OpenFlow和Xen的虚拟

网络迁移模型

文献[10]中提出在两种虚拟化平台Xen和OpenFlow下虚拟网络的迁移模型，可有效减少迁移过程中的丢包问题。在Xen虚拟化平台中，假定每个虚拟机都是一个虚拟路由器，利用其内置的机制实现虚拟网络（虚拟节点和虚拟链路）的迁移。为了保持虚拟网络的拓扑，当迁移一个节点的时候，必须在源节点的相同虚拟邻节点中找到一个新的物理节点，因此可以实现整个虚拟环境迁移到新的物理节点。

在OpenFlow[11]的平台中，所有的网络元素，如路由器、交换机和接入点都可以看作“OpenFlow交换机”，通过数据平面和控制平面的分离，控制器通过集中管理方式掌握整个网络拓扑，并根据虚拟网络的策略执行应用，重新配置转发表实现流的迁移。OpenFlow利用对流表的控制，简化了虚拟路由器的控制设计。OpenFlow中迁移流的算法如图3所示。当控制器决定从一个物理节点迁移流时，它会在新路径上的每个交换机中创建一个新的流条目，除了在新的和旧的路径之间的第一个通用交换机，即图3中的节点1；然后，控制器修改这个交换机中的条目，从源输出端口到新输出端口重定向流；最后控制器删除在原路径上的交换机的流条目，即图3中的节点2和3。可以看出Xen的虚拟迁移针对局域网，而OpenFlow可以利用配置转发表实现广域网的迁移，同时这种集中式的控制器可以在迁移后不需要创建隧道，不需要保持虚拟的拓扑结构。因此，OpenFlow提供了一个可创建多个虚拟网络的通用基础设施，并进行灵活的网络资源重配置。

4 一种基于QoS计算模型

的服务迁移算法

服务迁移在保障业务连续的同时在也会带来网络的开销，大量数据传输和迁移对网络流量的巨大压力，甚至可能会导致服务中断[12-14]。因此如果想在虚拟化环境下实现动态的服务迁移，应该明确迁移的影响因素，例如服务时延、链路带宽、服务器可用负载、服务本身大小等，还有一些与服务器自身相关的属性，也会对迁移的代价和用户的服务体验质量产生影响，如服务器的价格和信用等。平衡各种代价，合理调整网络服务的位置，在提高网络资源的利用率的同时，降低服务响应时间和迁移成本，改善用户使用体验，以最小的延迟获取可靠稳定的网络服务，是虚拟网络环境下服务迁移问题的亟需解决的重要问题。

本文提出一种针对单域环境的虚拟网络迁移算法，该方法基于一种公开、公平的QoS计算模型[15]。定义虚拟节点的迁移判定因子（MDF），用于表示迁移到该点并由其提供服务的相对代价。虚拟节点v的MDF是传输时延、可用负载、链路带宽、服务器价格、信用等一系列影响参数的共同作用函数，若虚拟节点u为前一时刻的服务提供商，即迁移的起点，δ为请求序列的到达或改变，则：

MDF（v）=∑δ f （Clat（δ，v）， Cload（v）， Cband（u，v）…）

量化迁移代价、收益和服务提供商属性的影响参数，用迁移路径的带宽，服务本身的大小和服务中断的代价共同决定服务迁移所产生的代价；用时延和服务器可用负载定义迁移的收益；将服务器的租用价格和信用作为迁移因素的一部分。用归一化的方式处理数据及分组，并通过设置不同评价标准的权重来计算每个虚拟节点的迁移判定参数，动态评判迁移的时机，并选择判定因子最小的虚拟节点作为服务迁移节点。具体的参数如表1所示。

这里我们给出一个简单示例，如图4所示。当用户的位置、偏好或请求发生改变的时候，如图中用户A的位置发生了移动，通过本地监视器来采集节点上的信息状态，如延迟时间、链路带宽、节点可用负载等参数信息，计算迁移判定因素，选择迁移判定因素最小的节点进行迁移，即图4中的节点5。由虚拟节点5作为服务提供商为用户A提供服务，直至下一个请求到达时重新进行判断。

迁移判定因素的具体计算方法如下所示：

（1）对于图4中包含6个虚拟节点的虚拟网络，节点集合V={v1，v2，v3，v4，v5，v6}。初始服务节点S0为虚拟节点v1，用户A在t1时刻发生位置的改变。我们选定5种迁移代价评价参数：服务的时延、服务器可用负载、迁移路径带宽、租赁服务器的价格和服务提供商的信用。通过本地监视器得到各个节点评价参数的矩阵Q。

（2）对Q进行归一化计算，归一化为所有影响因素提供一种与单位无关的、标准的衡量方法并设置阈值，得到矩阵Q。

按照迁移的代价、利益和服务器的属性，对Q进行分组和再次归一化，得到矩阵G。

[G=0.89651.89480.38791.10950.94741.19441.04290.94742.12091.48670.63160.77580.77660.63160.65580.68790.94740.8651]

（3）设定代价、收益和服务器属性3种评价标准在总迁移判定参数中的权重分别为0.4、0.4、0.2。则计算得到6个服务节点的迁移代价分别为1.1941、1.0616、1.2203、1.0025、0.6944和0.8271。因此选择迁移判定参数最小的虚拟节点，即虚拟节点5作为服务提供商提供服务。

该方法可以有效地反映节点的优劣，综合多种因素对迁移的影响，允许根据用户的需求和环境的变化对影响参数进行扩展，可以减少服务的延迟，提高用户的服务体验质量，实现网络的资源管理和降低能耗。

5 结束语

网络虚拟化技术为服务迁移机制设计提供了广阔的空间，虚拟网络的动态迁移可以有效地提高资源的利用效率，实现资源按需、实时的动态配置，提高用户的服务体验质量，降低能耗并实现绿色网络，已成为目前网络虚拟化研究领域的一个热点问题。

参考文献

[1] ANDERSON T， PETERSON L， SHENKER S， et al. Overcoming the Internet impasse through virtualization [J]. IEEE Computer Society， 2005：34-41.

[2]. ANJING W， LYER M， DUTTA R， ROUSKAS G N. Network virtualization： Technologies， perspectives and Frontiers [J]. Lightwave Technology， 2013， 31（4）： 523-537.

[3] SCHAFFRATH G. Network virtualization architecture： proposal and initial prototype [C]//Proceedings of the 1st ACM workshop on Virtualized infrastructure systems and architectures， New York， 2009： 63-72.

[4] WOOD T， RAMAKRISHNAN K， SHENOY P， et al. CloudNet： dynamic pooling of cloud resources by live WAN migration of virtual machines [J]. ACM SIGPLAN Notices， 2011， 46（7）：121-132.

[5] NAIR S K， PORWAL S， DIMITRAKOS T， et al. Towards secure cloud bursting， brokerage and aggregation [C]//Proceedings of the 8th European Conference on ECOWS， Ayia Napa， 2010：189-196.

[6] ZEYU Z， MINMING L， JIANGPING W. Coordinated resource provisioning and maintenance scheduling in cloud data centers [C]//Proceeding of the INFOCOM， 2013：345-349.

[7] WOOD T， RAMAKRISHNAN K， SHENOY P， et al. CloudNet： a platform for optimized WAN migration of virtual machines [C]//Proceedings of the 7th ACM SIGPLAN/SIGOPS international conference on Virtual execution environments， New York， 2011：121-132.

[8] WANG Y， KELLER E， BISKEBORN B， et al. Rexford J. Virtual routers on the move： live router migration as a network-management primitive [J]. ACM SIGCOMM Computer Communications Review， 2008， 38（4）：231-242.

[9] WANG Y， Der MERWE J V， REXFORD J. VROOM： Virtual routers on the move [C]//Proceedings of the ACM SIGCOMM Workshop on Hot Topics in Networking， 2007：1-7.

[10] PISA P. OpenFlow and Xen-based virtual network migration， Communications： Wireless in Developing Countries and networks of the Future [M]. 2010.

[11] MCKEOWN N. OpenFlow： Enabling innovation in campus networks [J]. ACM SIGCOMM Computer Communication Review， 2008，38（2）：69-74.

[12] BIENKOWSKI M. The wide-area virtual service migration problem： A competitive analysis approach [J]. IEEE/ACM Transactions on Networking， 2014，22（1）：165-178.

[13] BIENKOWSKI M. Competitive analysis for service migration in VNET [C]//Proceedings of the ACM SIGCOMM VISA， 2010.

[14] ARORA D. Online strategies for intra and inter provider service migration in virtual networks [C]//Proceedings of the 5th International Conference on Principles， Systems and Applications of IP Telecommunication， 2011.

[15] LIU Y， NGU A H， ZENG L Z. QoS computation and policing in dynamic web service selection [C]//Proceedings of the 13th international World Wide Web conference on Alternate track papers & posters， 2004：66-73.