多路径网络服务能力保障性能的评测方法

乐宁莉,余 建，郎 旭

（1.福建商学院 信息技术中心，福州 福建 365004；2.三明学院 信息工程学院，福建 三明 365004；3福建中信网安信息科技有限公司，福州 福建 350011））

随着云计算[1]、边缘网络计算[2]、异构网络[3]等技术的出现，网络所扮演的角色不断突出。网络作为链接用户和云计算系统的必要通道，是获得云服务的基础，其服务质量直接决定用户的服务体验。网络服务运营商提供的数据通信能力成为制约高性能云计算应用发展的瓶颈。特别是在新冠疫情期间，大量的高校的采用线上上课，导致大量的网络课程出现数据延迟的情况[4]。在云服务提供者和用户之间，如果只有一条网络路径而没有其他路径满足云服务的交付过程对数据通信能力的要求时，那么用户得不到所需的云服务的概率很高。因此，在多路径网络中，其网络服务能够最大化地利用网络资源和防止网络拥堵，提高数据的传输效率，从而保障云服务质量。在数据密集型服务中，通常需要网络来实现高吞吐量的数据传输。在单个网络路径提供服务的情况下，如果满足吞吐量要求的服务运营商和用户之间没有路径，则该网络可能无法交付该云服务。

网络服务层以底层的物理网络为基础，并在此基础上建立虚拟网络。本文提出的多路径网络服务模型位于网络服务层，与底层的物理网络相比，网络服务层中的网络节点间的虚拟连接是逻辑上的，具有更好的灵活性。目前，存在许多网络技术可以支持多路径的数据传输。例如，等价多路径路由（equal-cost multi-path routing，ECMp）[5]、多协议标签交换(multi-protocol label switching，MPLS)[6]和软件自定义网络（software defined network，SDN）[7]等。

在云服务交付过程中，多路径网络服务能够让流量分配到多条可行的路径上，从而提高网络的吞吐能力，降低延迟。多路径网络服务作为网络能力保障的一个特定研究领域，还存在一定的不足：一是现有研究考虑角度单一或直接采用成熟的网页服务分析方法；二是现有的多路径网络服务能力保障研究常以软件即服务（software as a service，SaaS）等服务为研究对像，未形成一般化的分析方法；三是现有的云计算服务理论并未将网络服务纳入统一的环境中，且缺乏对多路径网络服务融合的统一认识，这导致在云服务与网络服务融合环境下，对云服务性能分析方法的研究深度还不足。因此，研究网络服务与云服务融合系统中的多路径网络服务模型对提高云服务的服务质量（quality of service，QoS）保障能力十分重要。

1 多路径网络模型

云服务的网络质量是用户选择云服务商的重要因素之一[8]。也就是说，网络服务性能是云服务能否被广泛应用的关键要素之一，是用户选择云服务提供商的重要指标。针对如何通过多路径网络服务模型的服务性能来定量分析云服务的QoS这一问题，本文提出了一种多路径网络服务模型，以评测多路径网络服务能力的保障性能。

1.1 模型设计

根据文献[9]，假设所有的路由信息由网关节点规划完成，且路径上的节点只负责数据转发,不会对路径做任何改变。网关节点通过不断探测得到链路信息，这样节点就会拥有整个网络拓扑，进而根据网络的拓扑、带宽等信息规划出多条网络服务路径。这些路径构成多条不相交的路径，如图1。

图1 多路径网络服务模型

如图1所示，当网络数据流到达网络系统时，网关节点将从可供选择的网络服务组件中选出多条网络服务路径，以此为网络服务交付提供服务质量保障。经链路上的网络服务节点处理过的数据聚合到汇聚节点，然后由汇聚节点将数据转发到提供网络服务的其他节点或者云用户。该系统模型可以抽象为一个连通的有向图G(N,E)，其中N={ng,na,nij}表示网络节点集合，nij表示第 i条路径 j上的第个节点，i=1,2,…，m；j=1,2,…，ci，m 表示路径数，ci表示第i条路径上的节点个数，ng表示网关节点，表na示汇聚节点；边集合E={ek}，ek表示系统中任意两个网络节点之间的链路在该模型中，R（t）表示进入网络系统的数据流；Ri（t）表示第条路径上传输的数据流，并有表示流出网络系统的数据流。

1.2 多路径网络模型描述

与云基础设施中的数据中心网络相比，通过跨广域网数据传输实现的通向云终端用户的云服务交付网络面临一些特殊挑战。

首先，用于向终端用户提供数据通信的网络服务提供商（internet service provider，ISP）独立于云服务提供商，并且这样的数据通信会话可能需要遍历由不同ISP管理的多个网络服务层，这不仅需要采用不同的技术来实现而且也将导致复杂的层间QoS问题。其次，由网络虚拟化（network virtualization，NV）[10-11]技术引起的资源抽象和由软件定义网络技术引起的虚拟网络资源平面与数据控制平面的分离，使数据转发机制与网络服务提供层相分离，进一步增加了网络性能评估的复杂性。由此可见，网络服务交付过程中的多路径网络服务模型需要具有灵活性，并且能够适用于不同的异构网络。因此，本文采用了网络演算理论[12]中的服务曲线和到达曲线的概念描述系统模型。

到达曲线 a（t）表示系统的负载，即进入系统的数据流 R（t）受 a（t）约束。 服务曲线 β（i，j）表示第 i条路径上第j个节点的服务能力，其中j=1,2，…，ci，cj，表示第i条路径上的节点个数；服务曲线βg和βa分别表示网关节点和汇聚节点的服务能力。那么，每条链路的端到端服务能力可表示为

用速率-延迟函数LR（latency-rate）来表示服务节点的服务能力，其表达式为：

其中LR函数可以用来描述网络服务节点的服务能力，那么为使网络服务节点服务能力的表示形式更易处理，LR函数为描述模型中每个网络节点的服务能力曲线。

假设当网关节点流出的数据流受到达曲线a*（t）约束时，每条数据流Ri（t）的到达曲线ai（t）满足：

其中，wi表示流量分配的权重，且。

2 多路径网络服务能力的性能评测

2.1 性能分析

2.2 MPSDUC算法

根据上述理论分析，可以得出多路径网络服务系统的时延上界计算（multiple path service delay upper computation，MPSDUC）算法，该算法的伪代码如表1所示。

表1 MPSDUC算法的伪代码

表1详细介绍了多路径网络服务系统的时延上界计算算法的执行过程，该过程主要包含以下步骤。

第一步（第1行）：计算数据流通过网关节点产生的时延Dg，所需要花费的时间为O（1）；

第二步（第2～13行）：根据不同的流量分配方式，计算每条路径上分配流量的权重wi，所需要花费的时间为 O(mc），其中，；

第三步（第14～17行）：计算数据流在每条路径上产生的时延，所需要花费的时间为O(m）；

第四步（第18行）：计算数据流在链路上产生的时延Dc，所需要花费的时间为O(m）；

第五步（第19行）：计算数据流在汇聚节点产生的时延Da，所需要花费的时间为O(m）；

第六步（第20～21行）：计算数据流端到端的总时延De2e，所需要花费的时间为O（1）。

因此，综合上述步骤得到 MPSDUC算法在最坏情况下的时间复杂度为O（1+mc+m+m+m+1）=O(mc）。

3 仿真测试与分析

为了验证融合系统中多路径网络服务模型和性能上界分析方法的有效性和灵活性，本文采用MATLAB2019（a）（MathWorks公司）仿真工具对性能分析方法进行了全面的数值分析。具体来讲，将从网络服务速率、流量分配方式及传输路径数这三个方面进行分析。

3.1 实验设置

在仿真中，将利用以下两种流量分配方式对多路径网络服务模型进行性能分析。

（1）平均分配：每条路径上分配的流量数相同。平均分配方式下流量分配权重为

（2）权值分配：根据不同链路提供的服务速率来分配。由于链路上的服务能力由服务曲线βij表示，且服务速率是服务能力的体现，因此流量分配权重wi与每条链路提供的服务速率成正比。

为便于分析，在仿真实验中假设每条链路上有两个网络服务节点，即ci=2；i=1,2，…，m。已得知在不考虑信号处理时延的情况下，网络节点的延迟参数T可以被估计为传输时延和包处理时延的和，即T=L/R+L/C。在仿真实验中，多路径网络服务模型中网络节点的延迟参数可以表示为

仿真默认参数的设置如下。

（1）网络传输的最大包长为1024 B，链路传输速率为10 Gbit/s。

（2）分析路径数对时延上界和数据积压上界的影响时，假设网关节点和汇聚节点的服务速率均为1000 Mbit/s。

（3）分析网关/汇聚节点的服务速率对时延上界和数据积压上界的影响时，假设多路径网络服务系统的路径数为3条，即m=3。其参数配置如表2所示。

表2 参数配置

3.2 测试结果

基于参数设置，本文通过不同场景下时延上界与网络服务速率的关系来验证融合系统中多路径网络服务模型和性能上界分析方法的有效性。

图2显示了平均分配方式下时延上界与网关/汇聚节点服务速率的关系。由图2可以看出，时延上界与网关/汇聚节点服务速率均有关系，且随服务速率的增大而线性递增。图3显示了不同负载下时延上界与网关/汇聚节点服务速率的关系。由图3可以看出，时延上界与服务速率的线性关系与负载无关；在相同服务速率下，影响时延上界的主要因素为突发量，到达速率虽有影响，但影响不大。这是因为在仿真实验中，链路速率设为10 Gbit/s，其远远大于数据流的到达速率，从而导致到达速率对时延上界的影响较小。图4显示了不同流量分配方式下时延上界与网关/汇聚节点服务速率的关系。由图4可以看出，在相同服务速率下，权值分配方式将获得更大的时延上界。这是因为平均分配方式不能根据链路的服务能力分配流量，造成部分链路负载过重，导致网络拥塞，从而影响时延上界。

图2 平均分配方式下的网络服务速率与时延上界的关系

图3 不同负载下的网络服务速率与时延上界的关系

图4 不同流量分配方式下的网络服务速率与时延上界的关系

从以上实验结果可知，不同流量分配方式下多路径网络服务模型的时延上界随着服务速率的增加而增加。流量的突发量会影响网络的时延上界。平均分配方式下能够获得较小时延，同时，随着网络服务速率的不断增加，时延上界也会随着路径数的增加而增加，汇聚和网关节点的时延也会增加。因此，此分析方法有效且较为灵活。

3.3 性能对比

图5～6描述了链路提供总的服务速率不断增加时，时延上界和数据积压上界随路径数的变化情况。假设单路径和多路径的汇聚节点服务速率都从100 Mbit/s增至1000 Mbit/s。由图5可以看到，多路径的时延上界明显低于单路径。这是因为随着路径数的增多，网络节点提供的服务速率在不断地增大，从而提高了网络服务性能。同时通过多路径传输的时延小于数据积压上界的时延，这是因为考虑到在汇聚节点上，网络服务负载达到最大时的数据积压上界，即所有的链路上传输到汇聚节点的数据包全部积压在汇聚节点时，汇聚节点需要最大的缓存区间。

图5 时延上界性能比较

图6 数据积压上界性能比较

由上可知，两种流量分配方式下融合系统中多路径网络服务模型的时延上界和数据积压上界随着服务速率的增加而增加；当服务速率一定时，突发量是影响时延上界和数据积压上界的主要因素；平均分配方式能够获得更小的时延上界和数据积压上界。当链路服务速率增加时，时延上界随着路径数的增加而减小，且汇聚节点的数据积压上界不会增加。因此，本文给出的多路径网络服务能力保障性能的评测方法是有效且灵活的。

4 结论

本文针对云计算环境下的多路径网络服务能力保障性能的评测问题进行了研究，提出了云服务交付中多路径服务模型的性能分析方法，同时给出了相应的时延上界和数据积压上界的计算算法。仿真结果表明，该方法在融合系统中多路径网络服务保障方面都能得到较好的反馈结果。通过对多路径网络服务保障性能的研究，网络代理服务商可根据用户请求判断其需求能否被满足，如果需求得不到满足，则网络代理服务商将结果反馈给用户和网络运营商。最后，用户可以获得融合的网络服务和云服务。因此，本文提出的评测方法在云服务质量保障方面发挥着重要的作用。