美文网首页
数据中心两种常用流量模型运用mininet的实现

数据中心两种常用流量模型运用mininet的实现

作者: SDNLAB | 来源:发表于2015-04-29 14:38 被阅读363次

编者按:在网络性能评估中一个巨大的挑战就是如何生成真实的网络流量,还好可以通过程序来创造人工的网络流量,通过建立测试环境来模拟真实的状况。本文就以数据中心网络为目标场景,来在mininet仿真环境中尽可能地还原数据中心内部的真实流量情况。目前有两种常用的流量模型:

■随机模型:主机向在网络中的另一任意主机以等概率发送数据包

■概率模型:在网络中,编号为m的主机分别以概率Pt、Pa、Pc、向主机编号为(m+i)、(m+j)、(m+k)的主机发送数据包

我们使用mininet中的iperf工具在网络中生成UDP流量,iperf客户端传送数据流到iperf的服务端,由服务端接收并记录相关信息。mininet自带控制台可供使用的命令虽然已经比较丰富,但却并未给出较为明确的API接口来支持用户自定义命令。在诸如数据中心这样复杂、网络节点较多的仿真环境中做一些批处理的工作就需要非常大的,比如通过iperf在所有主机之间发生流量。所以我们需要将自定义命令添加到mininet中,在mininet中完成新命令的拓展。

一、mininet功能拓展

在mininet中进行功能拓展主要分为3步:

1.修改mininet/net.py: net模块实现Mininet类,是仿真平台mininet的主体类,该类完成节点添加配置、网络基本功能和一些选项功能的实现。我们需要将我们自定义的函数定义在该类中。

class Mininet(object):

def function(self, **kwargs):

#function code

2.修改mininet/cli.py: cli模块定义了CLI类,为米你呢他提供命令行接口,用于解析用户输入的命令,之前定义的自定义命令需要在CLI类中通过注册函数注册这条自定义命令。

class CLI(Cmd):

def do_function(self, line):

#do_function code

完成命令注册与绑定。

3.修改bin/mn:在完成命令注册与绑定后,需要在mininet执行解释器中注册命令与对应执行函数的映射关系。

ALTSPELLING = { 'pingall':'pingAll',

'pingpair':'pingPair',

'iperfudp':'iperfUdp',

'function':'function}

net.py和cli.py均在mininet/mininet目录,mn文件在在mininet/bin目录中。在代码修改完成后需要重新编译安装一遍mininet,即运行:

$~/mininet/util/install.sh -n

二、 两种流量模型在mininet中的实现

2.1随机模型

任意一台主机以等概率随机地向另外一台主机发起一条UDP数据流。

修改mininet/net.py

首先,先在两个主机之间进行iperf测试,并且在server端记录,实现iperf_single函数:

def iperf_single( self,hosts=None, udpBw='10M', period=60, port=5001):

"""Run iperf between two hosts using UDP.

hosts: list of hosts; if None, uses opposite hosts

returns: results two-element array of server and client speeds"""

if not hosts:

return

else:

assert len( hosts ) == 2

client, server = hosts

filename = client.name[1:] + '.out'

output( '*** Iperf: testing bandwidth between ' )

output( "%s and %s\n" % ( client.name, server.name ) )

iperfArgs = 'iperf -u '

bwArgs = '-b ' + udpBw + ' '

print "***start server***"

server.cmd( iperfArgs + '-s -i 1' + ' > /home/zg/log/' + filename + '&')

print "***start client***"

client.cmd(

iperfArgs + '-t '+ str(period) + ' -c ' + server.IP() + ' ' + bwArgs

+' > /home/zg/log/' + 'client' + filename +'&')

接着为mininet添加自定义命令iperfmulti,依次为每一台主机随机选择另一台主机作为iperf的服务器端,通过调用iperf_single,自身以客户端身份按照指定参数发送UDP流,服务器生成的报告以重定向的方式输出到文件中,使用iperfmulti命令,主机随机地向另一台主机发起一条恒定带宽的UDP数据流。

def iperfMulti(self, bw, period=60):

base_port = 5001

server_list = []

client_list = [h for h in self.hosts]

host_list = []

host_list = [h for h in self.hosts]

cli_outs = []

ser_outs = []

_len = len(host_list)

for i in xrange(0, _len):

client = host_list[i]

server = client

while( server == client ):

server = random.choice(host_list)

server_list.append(server)

self.iperf_single(hosts = [client, server], udpBw=bw, period= period, port=base_port)

sleep(.05)

base_port += 1

sleep(period)

print "test has done"

修改mininet/cli.py

def do_iperfmulti( self, line ):

"""Multi iperf UDP test between nodes"""

args = line.split()

if len(args) == 1:

udpBw = args[ 0 ]

self.mn.iperfMulti(udpBw)

elif len(args) == 2:

udpBw = args[ 0 ]

period = args[ 1 ]

err = False

self.mn.iperfMulti(udpBw, float(period))

else:

error('invalid number of args: iperfmulti udpBw period\n' +

'udpBw examples: 1M 120\n')

修改bin/mn

在mininet/bin目录下修改mn文件,将iperfpb加入到对应的列表中。

ALTSPELLING = { 'pingall': 'pingAll',

'pingpair': 'pingPair',

'iperfudp': 'iperfUdp',

'iperfUDP': 'iperfUdp',

'iperfpb':'iperfPb' }

最后,进入mininet/util目录,重新编译安装mininet

$~/mininet/util/install.sh -n

重启mininet,输入iperf,可用table补全iperfpb,从而可使用iperfpb进行流量随机模型的测试。

2.2概率模型

为mininet添加自定义命令iperfpb,依次为每一台主机(编号为m)分别以概率Pt、Pa、Pc向主机编号为(m+i)、(m+j)、(m+k)的主机发送数据包,通过调用iperf_single,自身以客户端身份按照指定参数发送UDP流,服务器生成的报告以重定向的方式输出到文件中,使用iperfpb命令,主机按概率向其他被选择的主机发起一条恒定带宽的UDP数据流。

概率选择函数

为完成以一定概率选择主机,我们需要实现一个概率选择函数randompick,这个函数可用于以不同的概率从一个列表中随机地选择一些元素。下面为randompick的实现过程:

def random_pick( self, _list, probabilities):

x = random.uniform(0,1)

p = None

cumulative_probability = 0.0

for item, item_probability in zip(_list, probabilities):

cumulative_probability += item_probability

p = item

if x < cumulative_probability:break

return p

修改mininet/net.py

def iperfPb (self, bw, period = 60, i = 1,j = 4,k = 64,pt = 0.5,pa = 0.3):

base_port = 5001

server_list = []

client_list = []

client_list = [h for h in self.hosts]

cli_outs = []

ser_outs = []

host_list = []

host_list = [h for h in self.hosts]

pc = 1 - pt - pa

p_list = [pt,pa,pc]

_len = len(self.hosts)

for key in xrange(_len):

client = host_list[key]

access_host = [host_list[(key+i)%_len],host_list[(key+j)%_len],host_list[(key+k)%_len]]

server = self.random_pick(access_host,p_list)

server_list.append(server)

self.iperf_single(hosts = [client, server], udpBw=bw, port=base_port)

sleep(.05)

sleep(period)

print "test has done"

修改mininet/cli.py

def do_iperfpb(self, line):

"""Multi iperf UDP test with probablity"""

args = line.split()

if len(args) == 1:

udpBw = args[ 0 ]

self.mn.iperfMulti(udpBw)

elif len(args) == 2:

udpBw = args[ 0 ]

period = args[ 1 ]

err = False

self.mn.iperfPb(udpBw, float(period))

else:

error('invalid number of args: iperfmulti udpBw period\n' +

'udpBw examples: 1M 120\n')

修改bin/mn

在mininet/bin目录下修改mn文件,将iperfpb加入到对应的列表中。

ALTSPELLING = { 'pingall': 'pingAll',

'pingpair': 'pingPair',

'iperfudp': 'iperfUdp',

'iperfUDP': 'iperfUdp',

'iperfpb':'iperfPb' }

最后,进入mininet/util目录,重新编译安装mininet:

$~/mininet/util/install.sh -n

重启mininet,输入iperf,可用table补全iperfpb,从而可使用iperfpb进行流量的概率模型的测试。

作者简介:

张歌,2014/09-至今,北京邮电大学网络技术研究院 网络与交换技术国家重点实验室攻读硕士研究生

本文转载自SDNLAB

相关文章

  • 数据中心两种常用流量模型运用mininet的实现

    编者按:在网络性能评估中一个巨大的挑战就是如何生成真实的网络流量,还好可以通过程序来创造人工的网络流量,通过建立测...

  • 二、网络虚拟化

    在虚拟化网络中,把所有的流量分为两种:东西向,南北向南北向:数据中心内部与外部交互时产生的流量。东西向:数据中心内...

  • 机器学习读书笔记

    numpy常用函数 高斯混合模型的运用场景 降维

  • Mininet初探数据中心网络

    最近在学习Nick Feamster教授的SDN公开课,这篇文章就是关于其中的一个assignment,使用min...

  • 程小猿成长记 2019年第0记

    通过本文的学习,希望你能够熟悉机器学习常用术语,理解常用线性模型,决策树模型,NN模型基本原理,并运用sk-lea...

  • (1)大系统小做<架构解决方案>

    一、1)多数据中心难题、2)多数据中心难题、3)基于dobbo实现服务化、4)两种发现模式:服务端vs客户端、5)...

  • 数据科学家基本技能(书摘)

    数据分析技能 数据清洗 建立数据模型 运用合适的统计方法来分析数据 开发运用机器学习算法 检验模型的正确与否 实现...

  • Proe/Creo中收缩包络命令的用法

    收缩包络通常用在骨架模型中,运用骨架模型方便之处在于方便修改模型尺寸,做到模型的系列化,接下来看下其用法。 1:如...

  • 自媒体写作指南

    文/非凡 浅之浅见,与君共勉。 本文简单介绍两种写作常用模型,希望通过这两种写作模型开阔我们的思维,帮助我们更好的...

  • keras 模型代码片段

    记录常用的一些模型code,备忘。 1 双塔模型内部实现 batch in sample 要点 向量 shape ...

网友评论

      本文标题:数据中心两种常用流量模型运用mininet的实现

      本文链接:https://www.haomeiwen.com/subject/jrvvfttx.html