基于边缘计算的物联网数据包传输延迟测量

王 珂

(中铁第一勘察设计院集团有限公司 信息中心, 西安 710043)

0 引 言

在现今信息技术发展中, 物联网已经不可替代, 其以互联网与电信网等为信息载体, 可以实现物物交换与通信, 并完成对网络信息的智能化检测识别与跟踪定位等任务[1-2]。物联网已应用于众多领域， 比如在通行上实现智能化、 建设智慧型城市以及实现车联网等方面。在上述依据物联网发展的行业中业务需求主要包含传输时延、 带宽和数据安全等方面[3]。大多数行业对物联网的安全性能与实时性能都有很高的要求, 因此急需进行边缘侧提供相对集中的智能化管控。为解决上述需求, 该领域相关人员纷纷对其进行研究, 并得到了一些优秀成果。

郭锦等[4]以跨交换机的信息数据传输与节点之间数据传输延迟存在的关系为对象进行分析, 并将级联交换机等效成排队系统, 为此提出了级联M/M/1排队模型。所提模型将级联交换机网络当作重点部分, 针对传输负载在交换机服务率具有的不同比值时网络数据包传输延迟进行分析, 并进行定性与定量求解。邱欣逸等[5]提出将准确时间戳应用于网络延迟测量中。通过控制器对任意两个交换机间多条可达路径进行动态计算, 仅需传送一个探测分组即可测量得到多条路径中存在的延迟, 以此降低网络能耗。在延迟测量过程中, 将时间戳采集由控制器转移至交换机。吕航等[6]指出采样同步技术在“网采”模式走向实际应用和智能网络结构大规模简化中有很好的应用。详细研究了各种采样模式存在的优势与不足, 并提出对数据传输延迟进行测量, 以此得到新型数据采样同步的基本原理。所提方案能利用对等效多用户(MU: Multiple User)数据进行接收时开展科学合理校验完成交换机数据转发延迟准确性校验, 具有一定的推广前景。

网络数据包传输延迟测量对于数据利用和用户满意度提升等方面均具有非常大的意义[7-8]。但上述相关研究成果其精准性等方面的性能有待提升, 边缘计算具有按需自助和快速弹性等多方面的特性, 能为云计算技术提供低时延与高隐私安全的业务保障性能。为此, 笔者将边缘计算应用于物联网数据包传输延迟测量中, 以提高对物联网中流量数据的评估精准度。

1 基于边缘计算的物联网数据包传输延迟测量

1.1 边缘计算下的物联网

各行业在向数字化迈进时, 需要物联网提供技术支持, 这促进了新业态和新的商业形式的发展。依靠边缘计算与人工智能等新技术可使物联网的智能化性能更加明显, 促使物联网在各垂直行业迅速生根发展[9]。图1为物联网运行中边缘计算整体设备形态与位置结构。

图1 物联网运行边缘计算整体设备形态与位置

因物联网与电信网自身可支持与提供的网络带宽时延有限, 且物联网终端自身处理性能也存在约束性, 因此在目前物联网发展中需要解决上述问题[10-11]。

1.2 边缘流量估计

边缘流量估计测量对数据传输延迟测量非常重要, 因为利用流量估计与分析能为网络行为特征的理解给出实际有效的信息数据。

因统计网络核心节点位置流量开销远大于边缘节点位置流量统计, 因此应利用边缘流量评估测量, 尽量减少需要测量的网络核心节点数量, 从而减小总测量开销。图2为物联网络局部拓扑。

图2 物联网络局部拓扑

设定节点D为边缘测量点,S为任意一个边缘节点,S向D传输数据包。在图2的网络中存在内部节点, 分别为a、b、c、d、e, 且d、e和D为相邻关系。依据测量点获取的数据, 很容易获得两条边(d,D)、(e,D)上的总流量。因网络核心仅转发数据包, 如果不考虑出现网络丢包情况, 则上述网络可有效地对数据流进行表征与分析。由此需要解决的问题可描述为： 如何反向映射(d,D)、(e,D)边的流量至其他几条边。

实际计算过程中, 反向映射(d,D)、(e,D)的问题能转换成对节点对SD间路径进行估计的问题, 从而对各链路流量数据进行计算， 过程如下

(1)

其中WXY为从节点X传输至节点Y的流量数据,LXY为节点对XY间路径链路集合,Wxi为链路xi上的流量数据。

仅在网络边缘位置而不在核心位置进行测量时, 需要明确流量在网络中路由模式。得到路由矩阵需要明确数据包在物联网内部路由整体情况, 目前有2种方式： 其一为从各路由器位置将路由转发表卸载, 进行分析得出路由的转发信息； 其二为采集路由配置相关信息数据, 再基于最短路径对路由进行计算[12]。第1种方式需要频繁地和全部核心路由器开展交互, 第2种方式增加了复杂度, 且针对多条最短路径状况, 很难做出路径选择。同时这2种方式均需与核心路由器开展交互, 因此将对核心路由器数据转发产生延迟影响。

考虑到上述实际需求, 采用路径估计法, 节省了与核心路由器进行交互的步骤, 只需确定链路物理带宽与节点对之间流量, 再进行节点对路径的推算即可。路径估计可分为粗略估计, 路径检测和路径优化3个步骤。

1) 粗略估计。物联网节点对间路径通常需要满足下列条件：

① 当选路径总代价应该尽可能最小；

② 由源节点至目标节点只存在一条路径；

③ 避免不存在路径当选；

④ 满足数据包传输条件。

在满足上述约束条件下, 利用最短路径实现路由计算, 对各节点对之间在初始的空负载数据传输链路中最优路径进行求解。

2) 路径检测。根据粗略估计获取所有节点对之间存在的近似路径, 利用式(1)对各条链路上流量数据进行计算。应用

(2)

识别路径发生阻塞与否。其中Φxi为链路xi带宽。通过式(2)即可得到阻塞链路集合。

3) 路径优化。根据路径检测获取的阻塞链路集合S, 基于S为空与否, 对路径进行优化可分为以下两种情况进行处理。

① 当集合S非空集, 选出含有阻塞链路数量最多的节点对, 通过最短路径对路由进行计算, 得到目前链路负载条件下该节点对最优路径, 再根据式(2)对新阻塞链路集合S′进行计算。迭代上述过程, 直到没有阻塞链路。

② 当集合S是空集, 物联网中节点对之间流量数据的大小与注入前后顺序产生变化可能导致节点对之间路径随之变化, 然而在真实网络中, 各节点对之间流量大小与前后顺序是随机与互为独立状态[13-14]。考虑到节点对之间路径跳转数量越多, 则改变节点路径所导致的其他节点对之间路径发生变化的概率随之增大, 所以在简化计算过程的原则下, 基于粗略估计得到的路径跳转次数, 依据由小至大的顺序得到节点对排列结果l1,l2,…,li。

上述节点对l1间的跳转次数最小, 由此适当改变l1间路径, 对剩余节点对之间路径产生的影响不大。基于当前物联网中链路负载整体状况, 通过最短路径获取路由情况, 判断是否存在优于l1的节点对。如果存在, 则改变其路径, 反之转至节点对l2执行上述操作, 以此类推迭代递归, 直到路径优化选择完成。节点路径的修改会影响其他节点对之间路径, 很容易进入死循环, 为此, 提出如下规定： 如果节点对lj(1

根据以上路径估计过程实现物联网中各节点对之间路径的近似拟合, 再通过式(1)对各链路流量进行计算。

1.3 延迟测量

根据边缘计算的物联网分析和边缘流量估计, 通过如图3所示的物联网延迟测量部署结构实现物联网数据包传输延迟测量。将延迟部署规划划分成数据中心和内容分发网络以及边缘网络。

图3 物联网延迟测量部署

1) 数据中心。物联网云平台测量利用采集底层设备寿命周期使用状况, 为平台管理人员提供决策指导根据, 同时为用户提供性能监测渠道。

2) 内容分发网络。该网络在大规模网络中分布了边缘服务设备, 具有覆盖范围广和稳定性高等特点, 搭建了较成功的网络数据包传输延迟测量平台。然而内容分发网络很难通过比较充裕的带宽采集到大规模节点间数据包传输延迟情况, 致使延迟测量的整体范围相对较窄。

3) 边缘网络。该网络能利用主动或被动形式的测量工具采集网络数据包传输延迟。基于边缘流量估计, 通过Traceroute工具探测按一定顺序跳步的路由链路, 依据路由器地址连接各路由路径, 获取全局连通网络拓扑结构, 再根据物联网地址路由规则获取节点之间路由路径和相应数据包传输延迟。当前较为典型的测量方式为iPlane等。

以降低边缘网络延迟测量整体成本开销为目的, 网络坐标法通过网络数据包传输延迟具有的近似低维度特性, 提供边缘节点在集合空间的具体位置, 同时基于坐标之间距离描述节点间数据包传输延迟值。

2 实验结果与分析

为验证基于边缘计算的物联网数据包传输延迟测量技术的有效性, 进行了相关性测试。实验结构如图4所示, 其中包含核心路由器节点及介入子网节点。子网节点中包含边缘路由器与对应服务器等。实验中使用的测试工具为Opnet。

图4 实验结构

实验过程中, 网络节点0～3之间传输不同业务流, 得到的观测链路值和基于边缘计算的物联网数据包传输延迟测量技术中流量估计法获得的链路值比较结果如表1所示。

表1 链路值观测结果与估计结果对比

从表1可以看出, 所提技术与观测结果的误差较小, 表现出了良好的应用性能。经对比分析可知, 误差的主要原因为针对路径优化时, 节点对的整体优化顺序存在差异性, 在实际网络中每个节点对之间流量数据注入呈现出随机性, 因此误差不可避免。

在不同节点数据流传输过程中, 针对不同研究成果的延迟测量准确性进行验证, 准确性主要体现在测量结果与实际结果的贴合程度。延迟测量准确性对比如图5所示。

图5 不同研究成果延迟测量准确性对比

从图5可以看出, 基于边缘计算的物联网数据包传输延迟测量技术在不同链路上数据包传输延迟测量准确性最高, 其更能适应网络延迟呈现出的变化。该技术指出边缘流量估计测量对数据传输延迟测量非常重要, 其中利用流量估计与分析能对网络行为特征的理解给出实际有效的信息数据, 实现了信息数据的延迟测量, 同时也增加了测量的准确性。在测量系统中利用数据中心、 内容分发网络、 边缘网络三者互补, 充分发挥出了延迟测量的可靠性, 提高了延迟测量精度。

为优化物联网数据包传输延迟, 提出延迟优化技术如图6所示。

图6 延迟优化技术

1) 网络优化。网络数据包传输延迟的优化提升了边缘计算效率, 且在延迟界限下能使服务器资源更广泛利用, 同时传输数据包的数量也会越来越多并且速度更快。为高效优化数据包传输延迟长尾, 通过早期拥塞消息广播机制实现交换机队列长度的减少。

2) 内存优化。以支撑数据中心横向发展性能为目的。在线大数据离不开流量数据的支持, 通常流量数据存在于数据中心服务器中。在降低磁盘访问延迟要求下, 边缘计算的应用框架会将磁盘中数据转移至内存中, 在中心服务器中实现数据存储与处理。

3) 调度优化。引入虚拟机监测器监测流量数据负载均衡状态, 利用traceroute机制识别路径同时实时监视路径整体拥塞情况, 根据虚拟机监测器对数据报文传输路径进行实时管控。

4) 路由优化。路由的延迟优化可利用带宽延迟协同完善覆盖路由理念实现。

5) 边缘缓存。在实际应用中, 复制与容错编码为增强容错性能的可靠技术, 同时为降低网络数据包传输延迟的常用手段。以降低用户申请延迟为目的, 在线实时数据会将用户申请定向缓存至近邻数据中心, 此时边缘计算应用会在物联网中一个数据中心高效率地处理用户申请。

3 结 语

数据包传输延迟是网络常见现象, 对其进行测量与优化控制是提高网络性能的可靠途径。笔者提出基于边缘计算的物联网数据包传输延迟测量技术, 以边缘流量估计为依据, 通过结合数据中心与内容分发网络延迟测量, 以主动或被动形式的边缘网络测量工具采集数据包传输延迟。通过模拟测试对所提技术进行验证, 结果表明, 该技术具有良好的测量性能, 可应用于实际。下步针对在不干扰物联网数据正常运行的情况下高效测量数据包传输延迟做进一步研究, 以更好地满足用户需求。