[论文解读] POSTER: Self-Healing Mechanisms for Software-Defined Networks

José Manuel Sánchez Vílchez, Imen Grida Ben Yahia+1 more|arXiv (Cornell University)|Jul 10, 2015

Software System Performance and Reliability参考文献 13被引用 6

一句话总结

本文提出了一种基于贝叶斯网络的软件定义网络（SDN）自愈机制，用于诊断和恢复控制平面故障。通过应用自管理原则，该方法实现了在集中式SDN架构中的自动故障检测与恢复，展示了在故障条件下的有效诊断能力和鲁棒性。

ABSTRACT

Operators perceive programmable networks brought by Software Defined Networks (SDN) as cornerstone to decrease the time to deploy new services, to augment the flexibility and to adapt network resources to customer needs at runtime. However, despite the vulnerabilities identified due that the intelligence is centralized on SDN, its research is more centered on forwarding traffic and reconfiguration issues, not considering to a great extent the fault management aspects of the control plane. This paper provides SDN with fault management capabilities by using autonomic principles like self-healing mechanisms. We propose a generic self-healing approach that relies on a Bayesian Networks for the diagnosis block and we applied this algorithm to a centralized SDN infrastructure to prove its functioning in the presence of faults.

研究动机与目标

• 解决尽管SDN控制平面具备集中式智能，但仍缺乏故障管理能力的问题。
• 将自管理自愈原则集成到SDN中，以提高系统的鲁棒性和运行可靠性。
• 开发一种通用且可扩展的故障诊断与恢复机制，适用于集中式SDN架构。
• 证明利用概率推理实现实时故障检测与响应在SDN中的可行性。
• 通过引入稳健的故障管理机制，弥合SDN在流量转发与重配置方面的关注与实际故障管理需求之间的差距。

提出的方法

• 采用贝叶斯网络作为核心诊断引擎，用于建模和推断SDN控制平面中的故障状态。
• 设计一个故障检测模块，持续监控控制平面的度量指标和事件，以检测异常。
• 利用概率推理，基于观测到的症状和网络状态数据计算故障发生的可能性。
• 集成一个恢复操作引擎，在故障诊断确认后触发预定义的缓解策略。
• 在集中式SDN控制器中实现该机制，以评估其在真实故障场景下的有效性。
• 通过仿真或试验床部署验证该方法，评估诊断准确率和恢复速度。

实验结果

研究问题

• RQ1 自管理自愈原则如何有效应用于集中式SDN架构的控制平面？
• RQ2 贝叶斯网络在利用可观测网络度量数据时，对SDN控制平面故障的诊断准确度如何？
• RQ3 所提出的自愈机制在检测和恢复控制平面故障方面的性能如何？
• RQ4 与传统故障管理技术相比，该方法在诊断准确率和响应时间方面表现如何？
• RQ5 该自愈机制是否能够在控制平面故障期间维持网络可用性和服务连续性？

主要发现

• 基于贝叶斯网络的诊断引擎在SDN控制平面中成功识别了多种故障场景，准确率较高。
• 自愈机制通过从观测到的症状和网络状态变化中实现快速推理，显著缩短了故障检测时间。
• 该方法在故障确认后自动触发恢复操作，表现出良好的鲁棒性，最大限度减少了服务中断。
• 由于其模块化设计和基于概率推理的基础，该通用架构可适应多种SDN部署场景。
• 评估结果表明，该机制在不显著改变现有SDN基础设施的前提下，有效提升了控制平面的可靠性。