基于聯盟博弈的自適應SDN 交換機遷移機制

姚藍，蘭巨龍

（國家數字交換系統工程技術研究中心，河南 鄭州 450001）

1 引言

軟件定義網絡（SDN,software-defined networking）通過控制與轉發分離，能夠為靈活的網絡管理和敏捷的服務創新提供有力的支持，目前已經在企業網、數據中心網絡等得到推廣。SDN 使用邏輯集中的控制平面來收集網絡視圖信息、處理流請求、計算網絡策略[1]。但集中式的控制平面面臨嚴重的可擴展性問題，這一可擴展性問題主要指網絡中流量規模的增長帶來的控制器超負載問題，會嚴重影響控制器的性能。

為了提高可擴展性并避免單點故障，SDN 常采用分布式控制平面[2]，部署多控制器對網絡進行分域管理，將交換機靜態映射到一個或多個控制器上。但是，交換機和控制器之間的靜態映射易導致控制器響應時間長且變化很大，這是因為網絡中的流量頻繁波動。在空間上，總流量通常在白天達到高峰，而在晚上流量較少，此外，即使總流量保持不變，流量在短時間內也具有突發性[3]。流量的不確定性會導致控制器之間負載不均衡，從而導致一些過載控制器的交換機響應時間過長，而且控制器長時間超負載工作易發生故障，導致網絡癱瘓。因此，設計動態的控制器與交換機映射機制，以縮短控制器響應時間并更好地利用控制器資源，對提高SDN 控制平面的可擴展性和可靠性具有重要的意義。Dixit等[4]提出通過動態添加或減少控制器的數量來拓展控制平面，但如何設計適應流量特征的控制器和交換機映射關系仍然是亟需解決的問題。從交換機的角度來看，它更容易映射到響應時間短的控制器來提高性能；從控制器的角度來看，它管理較近的交換機所產生的控制流量開銷較小。綜上，設計動態的控制器和交換機的映射目標應滿足以下3 個指標：控制器上的負載是均勻的，實現最大利用率，減少流處理時間。

為了解決這些問題，本文提出一種基于聯盟博弈的交換機遷移機制（CGSM,coalitional gamebased switch migration），綜合考慮控制器資源利用率、控制開銷和流建立時間，設計可以動態調整控制器的狀態和控制器?交換機映射關系的自適應交換機遷移機制。本文的主要貢獻如下。

1) 針對SDN 中控制器?交換機不合理的映射關系導致控制平面性能低下的問題，提出適應流量特征的自適應交換機遷移機制，綜合考慮控制器資源利用率、控制開銷和流建立時間，將交換機遷移問題建模為組合優化問題。

2) 設計了基于聯盟博弈的交換機遷移機制，把博弈論引入控制器運行邏輯當中，設計分布式算法，每個控制器獨立運行算法，通過控制器之間聯合博弈、協調合作，實現自適應的控制器狀態調整和彈性的控制器?交換機映射關系。

3) 開展相關實驗對所提交換機遷移機制的性能進行驗證，仿真結果表明，本文所提機制能減少約19%的控制開銷和30%的平均流建立時間，提高了控制平面的性能。

2 相關研究

為了提高SDN 控制平面的可擴展性[5]，許多研究人員對SDN 控制器和交換機的動態映射機制展開了深入的研究。SDN 分布式控制平面是提高控制器可擴展性的有效方法[6]。在這樣的架構中，控制平面可以由多個控制器組成。多個控制器負責管理網絡的不同管理域，并與相鄰域交換本地信息以增強全局策略的實施，如 Hyperflow[7]、Onix[8]、ONOS[9]。Zhang 等[10]提出了基于交換機遷移的多域SDN 中的分發策略，通過優化數據收集、交換機遷移和控制器狀態同步3個因素來確定目標控制器和遷移的交換機，實現了更好的控制器負載平衡。

胡濤等[11]將控制器關聯問題建模為雙向匹配問題，從控制器和交換機的角度出發優化控制器?交換機映射問題，仿真表明，該方案能有效降低流請求排隊時延，并且實現了控制器之間更好的負載平衡。Xiao 等[12]提出了用于SDN 控制平面的交換機遷移決策方案，設計遷移收益模型衡量遷移代價來解決遷移決策問題，以減少控制命令傳輸時延和平衡控制器負載，仿真表明，該方案可以將控制信令的平均傳輸時延減少17%，將處理時延減少22.7%。

Xu 等[13]提出了用于平衡控制器負載的SDN 交換機遷移方案，在保障遷移成本較低的前提下，實現SDN 控制器之間的負載平衡。該遷移方案不受交換機遷移中斷的影響，并且不會引起任何服務中斷。仿真表明，該機制通過僅遷移少量具有低開銷的交換機，就可以大大減少SDN 控制器之間的負載不平衡。Mykola 等[14]考慮流量的優先級和用戶服務質量體驗來實施交換機遷移策略，實驗結果表明，考慮流量的優先級特征和用戶的需求，能更充分地利用控制平面資源。Bari 等[15]提出的交換機遷移機制動態地改變了控制器的數量及其在不同條件下的位置，以實現負載平衡，但該機制沒有明確控制器之間的通信與信息同步機制。

Zhou 等[16]將交換機遷移解釋為簽名匹配問題，并將控制器和交換機映射問題建模為EMD（earth mover’s distance）模型，通過減少流量差異以保護網絡中重要節點的控制器，并提出了一種高效的啟發式方法來求解大規模網絡交換機遷移問題。Wang等[17]為了提高交換機遷移效率，設計了遷移效率感知的貪婪算法實施交換機遷移，以權衡遷移成本和負載均衡率。Grkemli 等[18]引入一種新穎的動態控制平面體系結構，根據特定的控制器負載和控制器資源利用率或數據流服務類型，在多個控制器實例之間分配不同的控制流。Li 等[19]分析了不同特征流請求的資源消耗，設計了一種基于數據流特征的動態控制器關聯機制，通過基于聯盟博弈的最小集合覆蓋算法減少了控制平面處理數據流請求的資源消耗。Cheng 等[20]將交換機遷移問題建模為一個集中的資源利用最大化問題，結合控制器CPU、帶寬和內存的資源利用率，通過非合作博弈論方法設計分布式算法，提高了SDN 的可擴展性。Filali 等[21]提出了一種交換機遷移調度算法，使用多步自回歸移動平均模型（ARIMA,autoregressive integrated moving average model）來預測控制器的長期負載水平，提前開啟交換機遷移操作以適應流量需求，在確?？刂破髦g的負載平衡的同時，提高了遷移效率。

現有針對彈性控制問題的方法主要是通過交換機和控制器之間的重新布局來改變控制器的數量和位置，該策略會造成大量的交換機遷移，使網絡不穩定?，F有解決控制器與交換機彈性映射的方法多采用集中式算法，以全局優化的思想來達到最優，隨著網絡規模的不斷增大，這些算法的計算量很大，嚴重影響了控制平面的擴展性。

3 研究動機

控制器和交換機之間的動態映射可以更好地適應網絡流量、提高控制器資源利用率。網絡中流量具有突發性，且高峰流量和低谷流量差距很大，實際網絡中有較多交換機遷移的場景。OpenFlow 1.3中設置了不同的控制器角色（主控制器和從控制器），通過改變控制器和交換機的主從關系，控制器和交換機可以多對多映射，實現控制器和交換機之間靈活的映射關系。

首先，當網絡中有大部分控制器均處于輕載狀態時，直觀的想法是將輕載控制器的負載進行合并，并將空閑的控制器關閉或者休眠以節省電力和通信成本。圖1(a)中，控制器c1和c2均處于輕載狀態，把控制器c2的所有負載交換機均遷移到控制器c1上，此時便可以將控制器c2休眠，以節省能量。

當網絡中大部分處于工作狀態的控制器均已過載時，為了保障控制平面的服務性能，應擴展控制器資源，觸發休眠控制器，并將過載控制器的交換機遷移到新的控制器上。圖1(b)中，當控制器c1過載時，為了防止控制器c1因過載而影響性能或者損壞，甚至導致網絡崩潰，應觸發休眠控制器c2以分擔控制器c1的負載。

在SDN 中，多控制器中往往會出現一些控制器過載，而另一些控制器卻處于輕載的狀態，但不需要擴展或縮減控制器資源，此時需要實施負載均衡策略以平衡控制器之間的負載，提高控制平面的處理性能。圖1(c)中，當控制器之間負載不平衡時，將部分交換機從過載控制器遷移到輕載控制器，便可以提升控制平面數據流請求的處理效率。當然，在擴展控制器資源和縮減控制器資源之后，也應進行交換機遷移以實施負載均衡策略。

圖1 交換機遷移場景

因此，為了更好地利用控制器資源，控制器和交換機之間的映射應適應網絡流量特征，使控制平面可以處理更多的數據流，提升網絡性能。本文旨在設計自適應的交換機遷移機制以實現控制器?交換機動態可擴展的彈性映射關系，它可以觸發新的控制器或將過載控制器的交換機遷移到輕載控制器上以應對網絡中突發的流量，當網絡中流量處于低谷時，它可以休眠部分控制器以節省能量。

4 模型構建

本節首先基于圖論的知識，對網絡模型和控制器負載、控制器處理時延進行描述，然后建立優化目標函數，設計分布式算法，以達到負載均衡的目的。

4.1 網絡建模

給定一個多控制器域SDN 模型，結合圖論的相關知識，對SDN 建模。整個網絡拓撲可用無向圖G=(V,E)表示，其中V表示網絡節點（即交換機和控制器所在位置），E表示節點間鏈路集合。網絡中共有m個控制器和n個交換機，定義SDN控制平面中控制器集合為C={c1,c2,???,cm}，各個控制器處理容量為α={α1,α2,???,αm}，交換機集合為S={s1,s2,…,sN}。設dij表示交換機i和控制器j之間的跳數，控制器與交換機采用帶內通信，所有節點之間以最短距離通信。交換機i的流請求速率為λi，控制器與交換機之間的映射關系為xij，如式(1)所示。

定義1流建立時間。由于當今的網絡能提供較大的帶寬，因此數據分組的傳播時延（以μs為單位）比控制器CPU 的處理時間（以ms 為單位）[7]要小。因此，本文僅在控制器上對流請求處理時間進行建模。假設在時隙t中第i個交換機的流請求數量用λi(t)表示，流請求到達時間遵循泊松過程，其中λi(t)≤aj。因此，第j個控制器的負載可以表示為

本文做出以下假設：λi(t)是相互獨立的，控制器隊列調度遵循M/M/1 隊列。則第j個控制器平均數據流建立時間為

整個控制平面的所有控制器平均流建立時間為

定義2控制開銷η。出于SDN 的可擴展性考慮，本文控制器與交換機之間的信息交流均采用帶內通信，因此，控制流量會占用數據信道的帶寬，減少控制流量開銷，能提高數據平面的轉發性能。定義控制器開銷與控制器負載和控制機與交換機之間的跳數有關，如式(5)和式(6)所示。

其中，η表示所有控制器的總開銷，ηj表示控制器j產生的總的控制開銷。

定義3控制器資源利用率γj?？刂破髻Y源利用率為控制器負載與控制器最大容量的比值，這是判斷控制器是否過載的衡量指標。當控制器資源利用率大于0.9 時，控制器處于過載狀態；當控制器資源利用率小于0.1 時，控制器處于輕載狀態。

4.2 優化目標函數

綜合上述流建立時間、控制開銷、控制器資源利用率，為了設計自適應交換機遷移機制，出于節能考慮，設置控制器資源利用率閾值上限為0.9，閾值下限為0.1，即當控制器資源利用率超過0.9時，控制器處于過載狀態，需要遷出交換機以卸載；當控制器資源利用率低于0.1 時，出于節能，需要遷出交換機以休眠控制器；當控制器資源利用率在0.1～0.9 時，實施負載均衡策略，以最小化基于流建立時間和控制開銷的加權效益?？刂破鲿r刻監測自己的資源利用率情況，并相互通告以決定是否實施交換機遷移策略Γ，如式(8)所示。

控制器資源利用率為0.1～0.9 的優化目標函數設為

約束條件為

目標函數式(9)為最小化基于流建立時間和控制開銷的加權和。式(10)和式(11)表示任何時刻每一個交換機能且只能映射到一個控制器上。式(12)表示每一個控制器的負載不得超過負載上限。

5 算法設計

現有解決控制器與交換機彈性映射的方法都是通過將控制器和交換機映射問題轉化為NP 難的整數線性規劃問題，設計啟發式算法求解，但這些算法多采用集中式算法，且本質上是一種重映射算法，隨著網絡規模的不斷增大，這些算法具有較高的復雜度，嚴重影響了控制平面的擴展性。

在大規模網絡當中，SDN 常采用分布式控制平面，每個控制器僅管理域內的交換機，通過與鄰居控制器交互來處理全局事件。傳統的采用集中式的算法往往不適應SDN 控制平面分布式的網絡架構，會帶來大量的同步和通信開銷。因此，本文設計一種分布式算法以適應SDN 分布式的控制平面，每個控制器獨立運行算法，通過與鄰居控制器交互來實現交換機的動態遷移，分布式算法將計算任務分擔到每個控制器上，便于增加或休眠控制器，更適用于大規模網絡，能增加網絡的可靠性。

本文遵循分布式準則設計聯盟博弈模型，通過控制器之間協調合作、相互博弈，來實施交換機遷移策略。博弈論是指研究多個個體或團隊之間在特定條件制約下的對局中，利用相關方的策略來實施對應策略的學科。博弈論考慮博弈中個體的預測行為和實際行為，并研究它們的優化策略。在控制器?交換機映射問題中，控制器會偏好連接時延較小且產生的控制開銷較小的交換機，而不同的交換機連接到不同的控制器會導致不同的時延和控制開銷?？刂破髦g為了追求最大化自身性能效益會形成競爭關系，此時交換機便是控制器之間競爭的商品，通過控制器交互博弈來尋求自身性能的提升。這種競爭并非完全對立的競爭，而是通過彼此合作博弈，使最終整個控制平面的性能達到最優。合作博弈采用的是一種合作的關系，其本質的思想是聯盟和分配，每個參與者從聯盟中得到的收益不少于單獨經營所獲得的收益，合作博弈能增進整體的利益。在控制器和交換機的映射問題中，參與博弈的對象是各個控制器，博弈的商品是交換機，控制器之間通過合作博弈、改變交換機的映射關系來改進自身性能。合作博弈的核心思想是參與人如何結盟以及如何重新分配結盟的支付，當控制器自身的性能較差時，會通告其鄰居控制器，然后和鄰居控制器形成聯盟，對交換機進行重新分配?？刂破髦g通過博弈獲取個體自身性能的提升，在整個控制平面中，控制器通過不斷形成聯盟博弈，優化交換機的從屬關系，最終控制器和交換機映射問題收斂到納什穩定狀態，實現了整個控制平面的全局優化。

為了設計合適的控制器聯盟博弈模型，在控制器之間實施聯盟博弈策略，首先對決策域、收益函數、控制器通信機制進行討論。

決策域是為了達到遷移交換機目的而形成的決策區域。當網絡中控制器性能較差時，它會通告鄰居控制器其負載信息，并發出交換機遷移請求，同時，鄰居控制器會選擇接受或拒絕請求，接受請求的鄰居控制器會建立決策域，并做出遷移策略。在網絡中，多個決策域可以同時進行，決策域之間不存在重疊。為了構建決策域，本文引入控制器cj的鄰居集的概念。c i與cj形成鄰居集必須滿足以下條件：cj的控制域至少有一個交換機與ci中交換機相連，即ci和cj的控制域相連；交換機遷移只發生在2 個相鄰的控制器之間。如圖2 所示，控制器c1的鄰居控制器包括c2、c3、c4，由于控制器c1過載，會向鄰居控制器請求建立遷移決策域，由于控制器c3過載，選擇拒絕參與聯盟決策，因此，控制器c1、c2、c4會建立決策域Ω={c1,c2,c4}。

圖2 決策域

為了確定收益函數，由于優化式(9)是全局化目標函數，也是控制器實施交換機遷移的目的，為了設計分布式算法，需要對式(9)進行改進，定義控制器之間博弈的收益函數為

其中，τx和ηx分別是當前控制器的平均流建立時間和控制開銷。通過式(13)所示的收益函數，控制器之間通過合作、博弈，以獲得更小的流建立時間和控制開銷。每個控制器計算其收益函數并獨立做出決策。隨著網絡負載的變化，活動控制器的利用率和時延也發生變化，從而獲得的收益也不同。

對于給定的網絡拓撲，控制器會向其鄰居控制器通告交換機遷移請求，構建決策域并進行遷移交換機行為。多個決策域可以同時進行但并不重疊，通過控制器之間的相互交流，最終達到全網控制器負載均衡的目的。在決策域中，多控制器做出遷移策略的行為，建模為n人合作博弈模型，交換機為商品，控制器為博弈參與者，通過各控制器的競爭博弈，來決定將要遷移的交換機和目標控制器，整個過程可分為3 個階段。

階段1在SDN 中，每個控制器實時計算自身和鄰域控制器的狀態，當某一控制器過載時，會通告鄰域控制器交換機遷移請求，鄰域控制器根據自身狀態，選擇接受或拒絕請求，選擇接受的控制器會建立決策域。

階段2在決策域中，遷出控制器會隨機選擇交換機，參與博弈的控制器會計算接受交換機所付出的收益函數。

階段3若決策域中存在控制器接受交換機遷移，則啟動交換機遷移機制，通告其他控制器交換機遷移活動。待交換機遷移完成后，控制器集合會更新自身資源利用率和平均流建立時間，返回階段1。

控制器之間通過聯盟博弈來實施交換機的遷移，交換機遷移由單個控制器獨立運行算法，多個控制器協同實現，這里需要對OpenFlow 協議進行擴展，使之支持多控制器協同機制，控制器之間的通信過程如圖3 所示。當控制器ck向鄰居控制器發出請求時，鄰居控制器cn、cm回復遷移請求，選擇是否建立聯盟決策域，當控制器ck、cn、cm形成聯盟決策域時，會計算收益函數，選擇要遷移的交換機以及遷移的目標控制器，然后啟動交換機遷移，通告其他控制器正在進行交換機遷移活動，待遷移結束后，控制器ck、cn、cm更新自身資源利用率、控制開銷以及流建立時間，并向其鄰居廣播更新。

圖3 控制器之間的通信過程

算法1 為基于聯盟博弈的自適應交換機遷移機制。通過控制器博弈，每個控制器試圖最小化流建立時間和控制開銷。在此過程中，基于收益函數，一個或多個鄰居控制器可以實施負載均衡，共同分擔過載控制器的流請求（步驟12)～步驟19)）。當網絡負載較低時，輕載控制器觸發控制器休眠消息（步驟6)），將其休眠以節約電力，如算法2 所示。類似地，隨著負載的增加，過載控制器可以卸載交換機到鄰居控制器或觸發控制器啟動消息（步驟8)），如算法3 所示。待交換機遷移完畢，SDN 控制器互相通信共享網絡狀態信息，例如收益矩陣、資源利用率、流建立時間和控制開銷（步驟17)和步驟18)）。

算法1基于聯盟博弈的自適應交換機遷移機制

輸入控制器?交換機之間的初始關系X=[xij]，控制器資源利用率閾值γmax和γmin，控制器流建立時間閾值τmax

輸出控制器?交換機之間新的映射關系

23) 系統沒有任何交換機要求遷移，算法收斂

當控制平面資源利用率小于0.1 時，輕載控制器會運行算法2 以觸發相關控制器休眠，節省控制資源。此時，網絡流量較少，這說明控制器足以處理這些數據流請求，出于節能的考慮，控制平面會休眠一些控制器，以節省控制資源。由于一些控制器的休眠，其上的交換機要遷移到其他控制器上，因此，會造成其他控制器的資源利用率和收益產生變化。因此，算法2 的核心思想是選擇合適的控制器進行休眠（步驟6)），同時將其上的交換機遷移到其他的控制器上，并更新網絡資源狀態，包括控制器?交換機映射關系、每個控制器新的資源利用率和產生的當前收益（步驟9)～步驟11)），一旦獲得遷移所有交換機的解決方案，輕載控制器就會觸發自我休眠（步驟12)），然后返回算 法1 執行負載均衡算法，以最小化控制開銷和流建立時間。

算法2資源利用率較低場景下的交換機遷移

輸入控制器?交換機之間的原始初始關系X=[xij]，控制器資源利用率閾值γmax和γmin，控制器流建立時間閾值τmax

輸出控制器?交換機之間新的映射關系

當控制平面資源利用率大于0.9 時，過載控制器應啟動算法3，確定其所管理的一組交換機，將這些交換機卸載到相鄰的控制器上。在此過程中，控制器執行2 個過程：觸發新控制器，將過載控制器管理的交換機卸載到新的控制器（步驟6)～步驟12)）。首先，該算法選擇距離過載控制器較近的休眠控制器啟動，并優先選擇過載控制器中流請求較大的交換機進行遷移（步驟7)～步驟9)），為了檢查最佳的交換機遷移方案，它會計算收益函數，以衡量卸載交換機對其鄰居控制器的收益可能產生的影響。然后，控制器請求卸載交換機到影響最小的控制器。最后，返回算法1 執行負載均衡算法，以最小化控制開銷和流建立時間。

算法3資源利用率較高場景下的交換機遷移

輸入控制器?交換機之間的原始初始關系X=[xij]，控制器資源利用率閾值γmax和γmin，控制器流建立時間閾值τmax

輸出控制器?交換機之間新的映射關系

6 仿真結果分析

6.1 仿真環境設置

本節對所提機制的性能進行仿真驗證，實驗環境設置如下。

本文選擇RYU[22]作為實驗控制器，并使用Mininet[23]作為測試平臺?？紤]到RYU 和Mininet之間的性能干擾，本文將Mininet 和RYU 分別安裝在不同的物理設備上。本文配備6 臺具有相同實驗配置的機器，英特爾酷睿i7@、3.6 GHz，4 GB RAM，2 Gbit/s 網卡和Ubuntu14.04 LTS。其中5 臺機器運行RYU 控制器，另一臺則運行Mininet，Iperf 用于在主機之間生成流量。

仿真采用拓撲Interllifiber，取自the Internet topology zoo[24]，其中包含73 個節點、93 條鏈路。實驗中每個交換機接入2 個主機。為了模擬動態的網絡流量，Iperf 生成動態流量，數據流在主機上的生成和消失服從泊松分布。

6.2 仿真結果分析

將本文所提CGSM 機制與控制器?交換機靜態映射（SSC,static switch-controller）機制、基于貪心背包算法的控制器?交換機映射（DCP-GK,dynamic controller provisioning using greedy knapsack）機制和控制器利用率感知的交換機遷移（UMS,utilization-aware migrating switch）機制進行對比。其中，SSC[25]為控制器部署按照交換機的距離進行聚類分析，并劃分管理域，一旦控制器部署完成便不會改變控制器?交換機關聯關系；DCP-GK[15]基于貪心背包算法進行交換機遷移；UMS[26]優先將交換機遷移到利用率最低控制器上。

6.2.1 實驗1

實驗1 對4 種方案的控制器資源利用率進行對比，如圖4 所示。從圖4 中可以看出，隨著流請求速率的增大，4 種方案的控制器資源利用率也在增大；在不同的流請求速率下，本文所提CGSM 機制的控制器資源利用率均高于其他方案。CGSM 能適應網絡流量，動態地增加或減少控制器資源，保證控制平面資源利用率在0.1～0.9，實現了控制器資源的合理利用。

6.2.2 實驗2

圖5 和圖6 分別顯示了4 種方案的控制開銷和流建立時間。從圖5 和圖6 中可以看出，UMS 優先將交換機遷移到利用率較低的控制器，算法單一，控制開銷相對較低，但由于遷移的控制器距離較遠，導致流建立時間偏大；DCP-GK 基于貪心算法選擇遷移策略，難以實現最優控制；CGSM 通過控制器之間相互合作、聯合博弈以最大化控制開銷和流建立時間的加權和，與DCP-GK 相比，CGSM 能減少約19%的控制開銷和30%的平均流建立時間。

圖4 4 種方案的控制器資源利用率

圖5 4 種方案的控制開銷

圖6 4 種方案的流建立時間

6.2.3 實驗3

為了驗證CGSM 機制的性能，實驗3 從the Internet topology zoo 網絡拓撲中選取4 個規模差異較大的網絡拓撲進行仿真實驗，網絡拓撲及參數設置如表1 所示。

表1 網絡拓撲參數

圖7 和圖8 顯示了不同網絡拓撲下4 種方案的歸一化的控制開銷和流建立時間。從圖7 和圖8 中可以看出，由于 UMS 交換機遷移選擇僵化和DCP-GK 基于貪心算法遷移交換機，從本質上都是集中式算法，且都是貪婪算法，難以實現全局的最優控制。與UMS 和DCP-GK 相比，CGSM 采用分布式算法，通過控制器聯合博弈，最大化自身收益，實現了控制器?交換機的優化映射，降低了網絡中通信開銷，減少了流建立時間。

圖7 不同網絡拓撲下4 種方案的控制開銷

圖8 不同網絡拓撲下4 種方案的流建立時間

圖9 顯示了不同網絡拓撲下4 種方案的控制器負載均衡率。從圖9 可以看出，較其他算法，CGSM的控制器負載更均衡，SSC 由于采用靜態部署，不適應網絡流量變化，其負載均衡性能最差。UMS和DCP-GK 本質上都是貪婪算法，難以實現全局優化，負載均衡性能有限。CGUM 可以動態調整控制器狀態，保障控制器資源的動態供應，以及控制器和交換機動態的映射關系，能更好地適應流量特征，實現了更合理的交換機遷移機制和較好的負載均衡率。

圖9 不同網絡拓撲下4 種方案的負載均衡率

7 結束語

本文對SDN 控制器和交換機映射不合理導致控制平面性能低下的問題，提出了一種基于聯盟博弈的自適應交換機遷移機制——CGSM。CGSM采用分布式算法，將控制器和交換機映射問題建模為組合優化問題，并設計了自適應交換機遷移機制，通過控制器協調合作、聯合博弈以最大化自身利益，實現了全局優化的控制器?交換機映射方案。仿真結果表明，相比現有的交換機遷移算法，該機制同時減小約19%的控制開銷和30%的平均流建立時間，獲得了較高的控制器資源利用率和良好的負載均衡。