Аналитическая модель буферной памяти OpenFlow коммутатора программно управляемой сети SDN
Автор: Слюсарев Г.В., Мочалов В.П., Гостева Д.В.
Журнал: Advanced Engineering Research (Rostov-on-Don) @vestnik-donstu
Рубрика: Информатика, вычислительная техника и управление
Статья в выпуске: 2 т.26, 2026 года.
Бесплатный доступ
Введение. Достоверное выявление вероятностно-временных особенностей узлов коммутации необходимо для оценки количественных характеристик программно конфигурируемых сетей. Широко используемые методы теории массового обслуживания (ТМО) лишь приближенно определяют и моделируют процессы в коммутаторе OpenFlow и его буферной памяти. Это ведет к получению заниженных, не реалистичных характеристик проектируемых сетевых устройств, перегрузке буферной памяти коммутаторов и потере сетевых пакетов. Проблему может решить иной подход к моделированию. Цель представленной работы — создание и исследование аналитической модели буферной памяти OpenFlow коммутатора программно управляемой сети SDN с использованием усовершенствованных методов ТМО. Материалы и методы. Задействовали аппарат дискретного преобразования Лапласа-Стилтьеса. Учитывались статистические характеристики потоков пакетов и пропускная способность каналов связи при заданной вероятности потерь пакетов. Модель буферной памяти коммутатора OpenFlow базируется на математическом аппарате ТМО. Его строили в предположении рекуррентности входных потоков данных с групповым поступлением. Исходили из схематически представленных структур коммутатора, набора его записей и графового описания передачи выходящих из коммутатора сетевых пакетов. Приняли как допустимые два ограничения модели: произвольное распределение зависимости между объемом потоков данных и временем их обслуживания; дискретность распределения структуры информационных потоков. Результаты исследования. Созданная модель интегрирует вероятность потери потоков пакетов, их статистические характеристики, пропускную способность вычислительных устройств и процедуру многофазного обслуживания. При проверке работоспособности модели приняли, что загрузка коммутатора увеличивается от 0,1 до 0,9, а вероятность потери — от 10–3 до 10–6. Для этих показателей выяснили, как от загрузки коммутатора зависят объем буферной памяти и время ожидания. В первом случае минимальное значение (объем памяти) — 0,201, максимальное — 10564. Во втором — 0 и 470 мс соответственно. Для имитационного моделирования минимум по времени — 0 мс, максимум — 2300 мс. Показатели имитационного и аналитического моделирования близки при загрузке менее 50 % и увеличиваются в несколько раз при загрузке более 50 %. Показатели резко возрастают с загрузкой до 70 %, а затем кратно увеличиваются. Обсуждение. При невысокой сетевой загрузке очереди не переполняются, пакеты не теряются, сохраняются линейные зависимости. При средней и высокой загрузке обработка потоков пакетов описывается нелинейными зависимостями. Результаты аналитического и имитационного моделирования расходятся из-за взрывообразного характера самоподобного сетевого трафика и его приближенного описания распределением Парето. Загруженность коммутатора определяет целесообразность применения предложенного подхода. Модель подойдет при проектировании элементов программно конфигурируемых сетей для анализа их устойчивости при различных информационных воздействиях. Заключение. Предложенная аналитическая модель SDN определяет значения и дисперсии объема буферной памяти коммутатора, а также объемы памяти для построения таблиц потоков адресации. Работоспособность решения проверили при загрузке коммутатора от 0,1 до 0,9. Планируется создать модель, учитывающую потоки заявок как из внешней сети, так и от сервера.
Совершенствование методов теории массового обслуживания, аналитическая модель буферной памяти OpenFlow, потеря сетевых пакетов, имитационное моделирование коммутатора
Короткий адрес: https://sciup.org/142248170
IDR: 142248170 | УДК: 621.395.4 | DOI: 10.23947/2687-1653-2026-26-2-2221
Analytical Model of the Buffer Memory of an OpenFlow Switch in a Software-Defined Network (SDN)
Introduction. Reliable identification of the probabilistic and temporal features of switching nodes is required for assessing the quantitative characteristics of software-defined networks. Widely used queuing theory (QT) methods only approximately specify and model the processes in an OpenFlow switch and its buffer memory. This results in understated and unrealistic performance estimates for the designed network equipment, causing switch buffer overloading and packet loss. A different modeling approach can solve this problem. The objective of this paper is to develop and study an analytical model for the buffer memory of an OpenFlow switch in an SDN using advanced techniques. Materials and Methods. The discrete Laplace-Stieltjes transform was used. Statistical characteristics of packet flows and the throughput of communication channels for a given packet loss probability were taken into account. The OpenFlow switch buffer memory model was based on the mathematical apparatus of the QT. It was constructed under the assumption of recurrence of input data flows with batch arrivals. The model was based on schematic representations of the switch structure, its record set, and a graph description of the transmission of network packets leaving the switch. We started with schematic representations of the switch structure, its record set, and a graph description of the transmission of network packets exiting the switch. Two model assumptions were taken as acceptable: arbitrary distribution of the relationship between the volume of data flows and their service time; discreteness of the distribution of the information flow structure. Results. The developed model integrated the probability of packet flow loss, their statistical characteristics, the throughput of computing devices, and the multiphase service procedure. When testing the model performance, we assumed that the switch load increased from 0.1 to 0.9, and the loss probability — from 10–3 to 10–6. For these metrics, we determined how the switch load affected the buffer memory size and latency. In the first case, the minimum value (memory capacity) was 0.201, the maximum — 10564. In the second, they were 0 and 470 ms, respectively. For simulation modeling, the minimum time was 0 ms, the maximum — 2300 ms. The simulation and analytical modeling indicators were close at loads below 50% and increased several times at loads above 50%. The indicators increased sharply with loads up to 70%, and then increased exponentially. Discussion. At low network loads, queues did not overflow, packets were not lost, and linear dependences were maintained. At medium and high loads, packet flow processing was described by nonlinear dependences. The results of analytical and simulation modeling diverged due to the explosive nature of self-similar network traffic and its approximate description by the Pareto distribution. Switch load determined the feasibility of the proposed approach. The model is suitable for designing elements of software-defined networks to analyze their resilience under various information impacts. Conclusion. The proposed SDN analytical model determined the values and variances of the switch buffer memory size, as well as the memory capacity for constructing address flow tables. The solution performance was tested with switch loads ranging from 0.1 to 0.9. It is planned to create a model that takes into account request flows from both the external network and the server.
