论文部分内容阅读
最近几年车联网呈现出快速发展的趋势,预示着车联网已经进入了发展的黄金时期。随着车联网的发展必然会伴随庞大车联网数据的产生,进而必然对车联网数据承载网络在数据的高效传输方面提出更高要求。然而由于传统传输网络的先天性限制,在网络传输效率、网络资源利用率、网络扩展性和创新性等方面往往不能达到车联网数据高效传输的要求,所以将新型网络应用于车联网作为数据承载网络便很自然地被提出。SDN(Software Defined Network)正是新型网络的代表。SDN网路和技术已经发展演进了多年,其相关标准和协议已经逐渐成熟。自从开放网络基金(Open Networking foundation,ONF)提出OpenFlow协议,传统的垂直封闭网络由此被分割为控制平面和转发平面,这种网络结构创新使得OpenFlow网络在传输效率、网络资源利用率、网络扩展和创新性相较传统网络有巨大优势。如果车联网的数据承载网络采用OpenFlow模型,那么车联网数据的高效传输就有了更好的保证。本文研究并实现了一种应用于车联网数据承载网络的基于OpenFlow网络模型的数据传输子系统。该子系统对特定数据流进行识别,通过收集底层转发网络的链路时延、有效带宽、链路丢包率等实时状态参数,为已识别的数据流计算Qos路由提供依据。该子系统采用FloodLight控制器为开发平台,在FloodLight控制器中以添加系统模块的形式来构件子系统,系统分为五个模块:网络管理模块、流识别模块、流路线计算模块、流管理模块和拓扑管理模块。网络管理模块用于对网络的状态进行探测并将状态告知拓扑管理模块。拓扑管理模块用于管理网络拓扑,并向其他模块提供统一的带网络状态的网络拓扑视图。流识别模块利用支持向量机(Support Vector Machine,SVM)算法对流量进行分类。流路线计算模块采用了基于Tabu搜索(Tabu Search)方法的多约束Qo S路由搜索算法。基于Mininet仿真网络平台,针对本文实现的数据传输子系统进行了相关仿真,实验结果验证了系统基本功能,达到了设计目标。