[论文解读] Smart Routing: Towards Proactive Fault-Handling in Software-Defined Networks

Ali Malik, Benjamin Aziz+2 more|arXiv (Cornell University)|Apr 1, 2019

Software-Defined Networks and 5G参考文献 44被引用 5

一句话总结

本文提出 Smart Routing，一种用于软件定义网络（SDN）的主动故障处理框架，通过在线故障预测预先计算替代路径，并在实际故障发生前隔离高风险链路。借助 SDN 控制器的全局视图，该系统在测试拓扑中将服务不可用时间减少了高达 25%，尽管由于误报导致路由振荡增加，存在一定的权衡。

ABSTRACT

Software-defined networking offers numerous benefits against the legacy networking systems through simplifying the process of network management and reducing the cost of network configuration. Currently, the management of failures in the data plane is limited to two mechanisms: proactive and reactive. Such failure recovery techniques are activated after occurrences of failures. Therefore, packet loss is highly likely to occur as a result of service disruption and unavailability. This issue is not only related to the slow speed of recovery mechanisms, but also the delay caused by the failure detection process. In this paper, we define a new approach to the management of fault tolerance in software-defined networks where the goal is to eliminate the convergence process altogether, rather than speed up failure detection and recovery. We propose a new framework, called Smart Routing, which works based on the forewarning signs on failures in order to compute alternative paths and isolate the risky links from the routing tables of the data plane devices. We validate our framework through a set of experiments that demonstrate how the underlying model runs.

研究动机与目标

• 解决传统反应式和主动式恢复机制在 SDN 中仍因检测和恢复延迟而导致服务中断的局限性。
• 通过使用在线故障预测实现预配置重路由，消除故障恢复中的收敛延迟。
• 利用 SDN 控制器的全局视图进行风险感知的路径计算，提升网络服务可用性。
• 通过在实际故障前早期检测故障链路，最小化数据包丢失和服务不可用时间。
• 评估因误报预测导致的可用性提升与路由振荡增加之间的权衡。

提出的方法

• 该框架使用在线故障预测机制，检测数据平面中链路故障的早期预警信号。
• 控制器使用基于跳数的最优路径选择算法，为经过预测为高风险链路的流量计算替代路径。
• 通过更新流表规则，将高风险链路从路由表中隔离，避免其在故障发生前被使用。
• 系统采用时间窗机制，要求预测的故障剩余时间（Next_F）必须满足最小阈值（< 2 分钟）才能触发重配置。
• 采用两阶段算法（算法 1 和 2）识别高风险链路并相应更新流规则，同时使用动态阈值以减少误报。
• 模型使用精确率和召回率评估预测准确性，路由振荡以误报数（FP）为函数进行测量。

实验结果

研究问题

• RQ1 在线故障预测能否有效用于在链路故障发生前主动重配置 SDN 路径？
• RQ2 基于故障预测的主动路由与默认 SDN 行为相比，在服务可用性和路由稳定性方面有何差异？
• RQ3 因误报预测导致的可用性提升与路由振荡增加之间的权衡如何？
• RQ4 SDN 控制器的全局视图如何实现更有效的基于风险的路径重配置？
• RQ5 故障预测在多大程度上可减少 SDN 数据平面中的收敛延迟和数据包丢失？

主要发现

• Smart Routing 在所有测试拓扑中均提升了网络服务可用性，其中 janos-us 拓扑的提升最为显著，归因于其更高的召回率。
• 尽管召回率较低（0.2–0.3），该框架仍通过减少停机时间实现了显著的服务可用性提升。
• 最坏情况下的路由振荡率高达 25%，主要由误报引起，表明可用性与稳定性之间存在可测量的权衡。
• janos-us 拓扑中的无用振荡次数最多，因其链路数量较少，导致每个链路更可能参与多条路径。
• 系统依赖跳数进行路径优化，因此即使其他指标（如带宽或拥塞）不同，具有相同跳数的多条路径均被视为最优。
• 若预测的故障时间过短（Next_F < 2 分钟），控制器将跳过重配置，以确保有足够时间准备。