Traffic Steering for Service Function Chaining

Posted 031602523liu

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Traffic Steering for Service Function Chaining相关的知识,希望对你有一定的参考价值。

Introduction

  • 目前通过vlan标签来把流量引向对应的sfc
  • 以前的sfc静态(SFs相邻组成SFC),有了sdn之后具有动态性。(SFs不需要彼此相邻。将流量动态地导向所需的SFs。)
  • 流量转向方法的分类分为三类:
    • 基于包标头
    • 基于包标记
    • 基于个性化的SDN交换机。

SFC介绍

  • SFC定义为三层架构;一个数据平面,一个SFC覆盖层,和一个控制平面。
    • 第一层:互联的网络设备。(硬件)
    • 第二层:SFC元素,比如,业务分类器(CL)、服务功能转发器(SFF)和SFs。应该由软件实现,配置在通用硬件上。实现了灵活性。可以部署在任何的硬件上,任意的组成SFC。
    • 第三层:负责管理一层和二层。
  • SFC工作流程:

控制平面配置流量分类器、计算Service Function Paths (SFP),配置好的流量分类器对流量过滤并识别出对应的SFC,转发给SFF(Service Function Forwarder),通过SFF发送给SFs。

  • SFs之间通过隧道技术连接。

NFV介绍

  • NFV框架由三个核心组件组成:
    • 虚拟网络功能(VNF)
    • 网络功能虚拟化基础设施(NFVI)
    • 管理和编制架构框架(NFV- MANO)
  • VNFs是网络功能的软件设备,将部署在NFVI中。NFVI由VNFs内置的环境组成,包括硬件和软件系统。这个环境是由NFV-MANO管理和安排的。

SFC中的流量导向问题

  • 顾名思义,流量的指挥官,一般放在CL和SFF中。
  • 流量转向方法的分类分为三类:
    • 基于包标头
    • 基于包标记
    • 基于个性化的SDN交换机

the first is based on packet headers for traffic steering,
the second is based on specific tags or re-interpreting some packet fields,
the third is based on personalized switching functionalities and daemons

  • SFC的转发或流量导向包括以下操作:分类、识别、路由,有时还包括封装。
    • 分类:分类过程允许根据策略配置文件,过滤流量。
    • 识别:避免重复的执行分类,其他的SFC元素根据分类结果来进行识别。
    • 路由:SFs之间的隧道技术。路由操作就是选择SFP中的下一个SFC元素。
  • 两种封装:
    • 传输封装:用于SFs之间的隧道。
    • SFC封装:数据包中封装有关SFP的路径信息。

基于包头的流量导向方法

  • NSH:SFC中的一个转发协议,CL在数据包上加入NSH头部来标识流量路径并共享元数据。
  • SCH:与NSH类似,SCH包含两种类型的字段,一个强制字段和一个可选字段。对于强制字段,代表流量的标识符,SFF和SF用它来进行流量导向。可选字段用于区分不同的元数据。
  • IPv6扩展:扩展IPv6头部来进行流量导向。
  • SRH:对SFP进行编码。SFC元素的IPv6地址写在报头。因此,CL插入相应的报头,SFFs根据报头中编码的IP地址来控制流量。
  • IP协议扩展:ip头部用一个标识符来代表路径。

缺点:这么多方法,很难具有普遍性。而且怎加包头也会增加开销。

基于包标记的流量导向方法

  • 原理就是使用现有字段。
  • 基于MAC地址
  • 基于Vlan标签
  • 基于MPLS标签

缺点:原来的字段可能用于其他策略,假如被修改什么的可能会导致错误的导向。

基于可编程交换机方法

  • 用SDN交换机充当CL和SFF,有了流表机制,流量导向更加灵活。

缺点:规则数量的增加影响了交换机的内存、处理和总体交换机性能,从而增加了包的交付时间。

Never forget your original intention



以上是关于Traffic Steering for Service Function Chaining的主要内容,如果未能解决你的问题,请参考以下文章

论文笔记:Adaptive Graph Convolutional Recurrent Network for Traffic Forecasting

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

LC-RNN: A Deep Learning Model for Traffic Speed Prediction

2.Paper小结——《Privacy-preserving blockchain-based federated learning for traffic flow prediction》

交通预测论文笔记《Attention Based Spatial-Temporal Graph Convolutional Networks for Traffic Flow Forecasting》

论文笔记:STMARL: A Spatio-Temporal Multi-AgentReinforcement Learning Approach for Cooperative Traffic