阅读Deep Packet Inspection based Application-Aware Traffic Control for Software Defined Networks

Deep Packet Inspection based Application-Aware Traffic Control for Software Defined Networks

Globlecomm2016

• 核心：细化测量粒度，弥补Openflow不足，提升处理性能、丰富服务的提供；
• 问题：SDN中存在测量粒度不够细的问题：只测得网络状态而不能获得流量行为，OpenFlow中只能提供少量的信息，不能提供更丰富的测量信息，流分类不够细导致服务质量不够高。
• 所做工作：为此将DPI引入控制平面，感知应用层信息。将流分类和行为匹配机制引入数据平面（交换机）：加速信息交换，建立SDN控制器的交互和互操作。建立数学模型评估框架性能，使用仿真实验验证：实现了应用层的感知，细化了流分类提升处理性能
• 意义：细化测量粒度，提供更丰富的服务、提升处理性能。。

背景

• Openflow中缺少应用层的流量感知，在网络拥塞资源有限的场景下、无法满足Qos的要求。引入DPI，提出了一个流量控制方案，包括流分类和流量行为匹配，结合到控制器当中。在中间设备引入流分类和匹配机制，利用一些数学模型评估框架性能，使用仿真时实验验证，可以提升吞吐量并减少端到端的延迟。
• sdn把网络看成设备的集合，而不是整体资源。流量测量和控制不仅依赖于网络状态，还包括流量行为。在网络拥塞、资源有限的场景下，无法满足Qos的要求。提出一个流量控制方案，网络状态和流量行为都能互助利用。引入了DPI，包分类和行为匹配。基于中间设备的pub/sub被设计出来，分析网络吞吐量和延迟。仿真结果显示，这套设计方案可以提升吞吐量并且减少端到端的延迟。
• SDN打破了传统OSI的架构，南向API，Openflow定义了安全信道连接数据平面和控制平面，流水线加速包转发。感知特定特定设备、自动探测控制，识别了越多的流量，就能创建更细粒度的流量控制规则。

DPI

• IDS入侵检测系统、 IPS入侵防御系统
• 捕获包分析、针对不同应用流量实时分类
• 如今用于流量分类、部署内部网络的IDS和IPS
• SDN通过降低DCN的TCP senders的发送速率，帮助拥塞控制
• SDN的流水线和中心控制促使流量控制更加有效，提升延迟、流量抖动、吞吐量、稳定性、可扩展性、自动化。

存在问题：

• 现有的OpenFLow只能匹配1~4层的OSI的信息OpenFlow数据平面只包括极少的历史信息，比如流表生成时只考虑源于TCAM中的三元信息、记录包数等等，不包括源目的IP或是端口号等信息，粒度不够细，无法满足需求。如果粒度足够细，创造更细的流量转发规则，提供更多服务。
• 资源限制下，多路转发在一些通信连接下不可用。

实现困难

• 难以把应用层特征映射到流表。
• 在数据平面实现应用层感知、降低性能

研究趋势

SDN的应用感知能力、差异化服务提供。但存在：

• 难以映射应用层信息特征到流表
• 当拥塞时，由于每个包的匹配特征，实现数据平面应用感知无法达到Qos的要求

  

解决方法：

• 用思维导图的方法分析应用层的包的内容，获取流量特征，从相关特征上识别他们的行为，最后从不同的行为上开发差异化的服务。
• 应用感知流量控制方案，包括流量行为和网络状态。
• 将DPI引入控制平面、拓展流表结构。
• 通过流量行为实现流量分类和匹配部署到交换机、
• 将DPI处理结果独立于控制器存放在另一个地方。
• 

  

原文地址：https://www.cnblogs.com/vancasola/p/9678390.html