CN108028805A - 一种带内软件定义网络中的控制流量均衡的***和方法 - Google Patents

Abstract

一种装置用于执行在软件定义网络(software defined network，简称SDN)中带内控制流量负载均衡的方法。该方法包括：为一个或多个控制流量和数据流量统计生成一个或多个马尔可夫流量统计。该方法也包括：构建一个基于所述马尔可夫流量统计的排队网络***。该方法还包括：根据所述马尔可夫流量统计确定控制流量负载均衡问题。另外，该方法包括：使用一个或多个原始双重更新规则解决所述控制流量负载均衡问题。

Description

一种带内软件定义网络中的控制流量均衡的***和方法

相关申请案交叉申请

本申请要求于2015年9月22日递交的发明名称为“一种带内软件定义网络中的控制流量均衡的***和方法”的第14/861,829号美国申请案的在先申请优先权，该在先申请的内容以引入的方式并入本文。

技术领域

本发明大体涉及软件定义网络，更具体地，涉及一种带内软件定义网络中的控制流量均衡的***和方法，其中控制流量共享并使用通常仅用于数据流量的数据信道。

背景技术

OpenFlow是通过网络，特别是软件定义网络(software defined network，简称SDN)，接入网络交换机或路由器的转发面的通信协议。SDN-OpenFlow已被公认为在线和自适应流量工程中的下一代网络范例，以克服当前网络***面临的挑战。随着SDN在核心和数据中心网络中越来越广泛的接受和采用，在当前IP网络中使用SDN的方法变得非常重要。正确使用SDN技术可以显著提高资源利用率，降低管理复杂性，降低管理成本。

发明内容

根据一实施例，提供了一种在软件定义网络中带内控制流量负载均衡的方法。该方法包括：为一个或多个控制流量和数据流量统计生成一个或多个流量统计。该方法也包括：基于所述流量统计构建一个排队网络***。该方法还包括：根据所述流量统计确定控制流量负载均衡问题。另外，该方法包括：使用一个或多个原始双重更新规则解决所述控制流量负载均衡问题。

根据另一实施例，提供了一种在软件定义网络中带内控制流量负载均衡的装置。所述装置包括至少一个存储器和耦合至所述至少一个存储器的至少一个处理器。所述至少一个处理器用于为一个或多个控制流量和数据流量统计生成一个或多个流量统计，基于所述流量统计构建一个排队网络***，根据所述流量统计确定控制流量负载均衡问题，以及使用一个或多个原始双重更新规则解决所述控制流量负载均衡问题。

根据又一实施例，提供一种包含计算机程序的非瞬时性计算机可读介质。所述计算机程序包括计算机可读程序代码用于为一个或多个控制流量和数据流量统计生成一个或多个流量统计，基于所述流量统计构建一个排队网络***，根据所述流量统计确定控制流量负载均衡问题，以及使用一个或多个原始双重更新规则解决所述控制流量负载均衡问题。

附图说明

为了更完整地理解本发明及其优点，现参考下文结合附图进行的描述，相同的数字表示相同的对象，其中：

图1示出了利用OpenFlow的软件定义网络(software defined network，简称SDN)的示例网络架构；

图2示出了根据本发明提供的示例SDN的流量模型；

图3示出了根据本发明提供的控制流量均衡的示例方法；

图4和图5示出了根据本发明提供的利用马尔可夫模型对网络进行建模的示例；

图6示出了根据本发明提供的使用示例乘法器的交替方向方法的(alternatingdirection method of multipliers，简称ADMM)算法以快速优化求解的示例方法；

图7示出了根据本发明提供的原始双更新规则的快速收敛速率的示例；

图8示出了所公开的负载均衡算法与Internet 2OS3E网络中的其他解决方案的比较；

图9和图10示出了所公开的负载均衡算法与北美的SPRINT GIP骨干网络拓扑中的其他解决方案的比较；

图11示出了根据本发明提供的可以执行所述方法和理念的示例性计算设备。

具体实施方式

下述讨论的图1至图11以及该专利文档中用于描述本发明原理的各种实施例仅作为说明，而不应以任何方式理解为对本发明范围的限制。本领域技术人员可以理解的是，本发明的原理可通过任何一种合理设置的设备或***实现。

图1示出了利用OpenFlow的SDN的示例网络架构。如图1所示，SDN 100包括多个OpenFlow(OpenFlow，简称OF)交换机101a-101h。虽然所述SDN 100显示为包括8个交换机，但是其他实施例可以包括更多或更少的交换机。所述交换机101e已被选择作为所述SDN100的控制器。因此，所述交换机101e为所述SDN 100进行路由决策。如图1所示，至少一个交换机101c与包括蜂窝网络或IP数据网络在内的其他网络进行通信。

SDN中的带内控制流量的负载均衡。

诸如所述SDN 100的典型SDN将网络转发基础设施从支持管理应用中分离出来，以提供在线和自适应流量工程。与传统的IP网络(交换机在其中做出路由决策)不同，在SDN中，交换机不做出任何路由决策。相反，所述控制器做出路由决策。例如，在图1中，用作控制器的所述交换机101e为所述SDN 100进行所有的路由决策。此外，多个物理分布式控制器可用于大型网络。本发明实施例根据单个逻辑或物理控制器进行说明；然而，应当理解的是，本发明也包括具有多个控制器的SDN。

在具有集中控制器的SDN中，有两种方法在控制器和交换机之间传送控制信息。这些方法通常分类为带内控制和带外控制。在带外控制中，每个交换机使用单独的控制通道与所述控制器进行通信。因此，数据频带通常不与所述控制信道混合。在现有网络中通常使用带外控制。然而，由于需要额外的控制信道，带外控制对于大规模SDN来说成本高昂。

在带内控制中，控制信号和数据信号共享相同信道。带内控制可能适用于实际的SDN实现，以便将控制流量从OF交换机中及时传送到所述控制器。然而，目前还没有带内受控SDN的合适的解决方案。带内控制在很大程度上受现有数据流量和链路服务能力的影响。在理想的SDN中，SDN控制器(或控制器)通过全球网络状态信息和动态流量统计信息支持具有最小网络延迟的控制功能。然而，在实际SDN实现中，由于大量的控制流量和数据流量使具有固定服务能力的链路过载，网络延迟通常是一个重要问题。

带内控制器的固有问题之一是如何利用相同信道进行数据转发和控制。例如，所述控制器向所述交换机传送指令。类似地，所述交换机向所述控制器上报拥塞和其他问题。所述控制器和交换机利用相同的通道进行这些控制通信以及数据流量通信。控制通信中数据流量的优先级至关重要。挑战在于最佳地均衡控制流量与数据流量，且不大大牺牲数据流量并提供足够的优先级以使延迟最小化。

许多研究已经探究了流量均衡问题。然而，大多数现有研究集中在均衡数据平面中的数据流量。这些研究旨在在网络链路之间均匀分配数据流量。相反，带内控制流量均衡的目的是确定每个交换机的控制消息转发路径，使在控制和数据流量统计下的控制消息延迟最小化，以在所述SDN中及时传递控制消息。带内控制支持OF交换***(即SDN)和非OF交换***(例如，因特网)之间的内部可用性，而没有重新部署具有向后兼容设计原理的现有***的繁重工作。

因此，与SDN中的带内控制相关的一个问题是最优控制流量转发问题，即：根据控制器位置找到OF交换机和所述控制器之间的最优带内转发路径，以使平均控制流量延迟最小化。以前，这个问题没有适当的解决办法，从而限制了SDN中流量管理的发展。

为了解决该问题和其他问题，本发明实施例提供了一种***和方法，以实现中央控制的SDN中并发的控制和数据流量的良好负载均衡，有效的链路利用率和低排队延迟。所公开的实施例使具有现有数据流的带内传输的控制流量的排队等待时间最小化，从而提供高传输质量。所公开的实施例也是高度可扩展的，并且所公开的实施例提供快速并行计算以确保实际大型***实现的低复杂性。所公开的实施例通过流量统计驱动设计在各种流量场景和不同网络拓扑中实现一致良好的性能。

本文公开的实施例通过排队网络模型和流量统计，例如简化的马尔可夫流量模型，提供了一种控制流量均衡的创新机制。一些所公开的实施例通过采用乘法器的交替方向方法(Alternating Direction Method of Multipliers，简称ADMM)产生对最优解的快速收敛。ADMM是解决约束优化问题的增强拉格朗日方案的变体。所公开的实施例提供快速传输方法论和控制流量的实时重选路由，而不会过度利用或最小化共享传输带宽。

SDN可以通过多个不同模型表示。有网络图模型和流量模型两种模型。大多数网络(包括SDN)可以建模为一组节点和连接这些节点的一组链路。因此，SDN的网络图模型的一个示例是G(V,J)。此处，G表示一个图形，该图形是网络的抽象。V表示一组OF交换机(即，节点)。在某些模型中，n用于表示总交换机数。J表示连接所述n个节点的一组链路。

图2示出了根据本发明提供的示例SDN的流量模型。流量模型200可以表示图1中SDN 100的模型。如图2所示，由所述模型200表示的SDN包括由多条链路202a-202i连接的多个节点(即交换机)201a-201h。虽然所述流量模型200包括8个节点和9条链路，但是在其他实施例中可以包括更多或更少的节点或链路。所述SDN的控制器在所述节点201e中。所述流量模型200是入网流量到达过程的模型。所述流量模型200示出了具有用于链路传输和控制器的服务能力的马尔科夫服务过程的马尔可夫流量。正如本领域已知的，马可夫流量通常公认为用于互联网流量建模。

在所述模型200中，交换机i的控制流量根据平均值为σ_i的泊松到达过程A_i进行建模。链路j的现有数据流根据平均值为λ_j的泊松到达过程B_j进行建模。链路j的链路容量根据平均值为1/μ_j的指数分布式进程S_j进行建模。S_c表示SDN的服务控制器的服务容量。

图3示出了根据本发明提供的控制流量均衡的示例方法。图3所示的方法300以本文描述的关键概念为基础。所述方法300可以与图1中的SDN 100和图2的流量模型200进行关联执行。所述方法300可以由下面描述的图11中的计算设备1100执行。然而，也可借助任何其他合适的设备或***使用所述方法300。

所述方法300从操作301开始，在操作301中建立SDN拓扑、OF交换机之间的多路径路由、控制器位置和链路服务能力。这可能包括控制器通过网络拓扑的全局视图建立从每个交换机到其本身的拓扑矩阵T_i。

为了实现控制流量均衡的多路径路由，来自特定交换机i的流由大小为|J||Pi|的拓扑矩阵T_i进行表征，表示如下：

|Pi|表示交换机i的可用路径。拓扑矩阵T_i将流量从路径映射到链路，并且需是列满秩矩阵，以避免冗余路径。此类矩阵可以启用自动路由选择，而不是在路径之间分散控制流量。使用这些矩阵，为每个交换机的控制流量建立流守恒约束。

在操作303中，独立于链路服务能力为一个或多个控制流量和数据流量统计生成马尔科夫流量统计。这可以包括基于所述拓扑矩阵T_i估计流量统计。在操作305中，构建排队网络***，并且基于所述马尔科夫流量统计提出优化的控制流量负载均衡问题。操作303和305表示非线性优化框架，下面进行更详细的描述。在操作307中，应用一个或多个原始双重更新规则解决先前以快速和平行方式提出的所述优化的控制流量负载均衡问题。这可能包括使用快速优化解决方法，下面也将进行更详细的描述。

在操作309中，确定已解决的所述控制流量负载均衡问题的结果是否可接受。如果确定所述结果是不可接受的(例如，如果快速优化没有给出合适的结果)，所述方法300通过返回到操作303利用反馈自适应控制实行另一个可能的控制器位置以相应地微调优化问题构想。或者，如果确定的所述结果是可接受的，则该方法实行操作311。

在操作311中，获得最小网络延迟。

尽管图3示出了控制流量均衡方法300的一个示例，但是图3可以有各种变化。例如，尽管示出了一系列步骤，但是图3中的各步骤可以重叠，可以并行执行，可以按照不同顺序执行，也可以多次执行。另外，一些步骤可以结合或替换，也可根据实际需要添加额外的步骤。

图4和图5示出了根据本发明提供的利用马尔可夫模型对网络进行建模的示例。图4示出了表示具有一个或多个交换机和控制器的网络400的网络图。图5示出了所述网络400的排队模型。图4和图5示出了控制流量均衡的方法300的示例部分。

如图4所示，所述网络400包括3个OF交换机401-403。所述交换机401-403可以表示图1中的各种交换机101a-101h或图2中的节点201a-201h。在所述网络400中，所述交换机403被选择作为控制器。虽然所述网络400包括3个OF交换机，但是其他实施例中可以包括更多或更少的交换机。在图4中示出了表示所述交换机401-402的拓扑矩阵的两个拓扑矩阵T₁和T₂。

图5中的排队模型500使用马尔可夫过程来表示入网报文到达过程。所述排队模型500包括3个队列501-503。所述3个队列501-503对应于3个交换机401-403。每个队列都有一条流水线。值λ_i是输入到每个队列中的平均权重。值σ_i表示偏差，即入网流量的变量。值μ_i也表示权重。

基于***模型和拓扑矩阵，所公开实施例提供非线性优化框架以在SDN的链路之间找到最优控制流量分配(即，负载均衡)。此类非线性优化框架可以与图3的方法300一起使用。例如，可以在方法300的操作303和305中使用非线性优化框架。在该优化中考虑了数据流量和控制流量。

通常，为了制定非线性优化，有必要确定优化的目标和约束。这里，所述非线性优化的目的是使平均网络延迟最小化。

所述非线性优化受很多约束。一个约束是流守恒。节点中的每个输入都有一个输出。在一些实施例中，所述流守恒约束与可能的自动路由选择相关联。第二个约束是链路服务能力。每条链路都具有能够处理的最大容量。一般来说，链路不能超过这个最大容量。第三个约束是数据流量的带宽保证。在大多数网络中，有必要确保控制流量不会干扰数据流量的带宽保证。可以看出，带内控制流量负载均衡问题是NP困难(非确定性多项式时间困难)问题。在计算复杂度理论中，NP困难问题是至少和非确定性多项式时间中最困难的问题一样困难的问题。因此，在一些实施例中，可以采用多项式时间算法以预定精度产生对问题的最优解。

根据本发明，可以采用具有原始双重规则的快速收敛算法O(1/c^m)(即算法非常快速收敛)来实现控制流量的快速传输和实时重选路由。在一些实施例中，该算法可以基于ADMM技术。当然，ADMM只是一个例子，附加地或可替代地，该算法可以以其他方法为基础。

图6示出了根据本发明提供的使用示例ADMM算法以快速优化求解的示例方法。方法600可以结合图1中SDN 100和图3中方法300来执行。例如，所述方法600的一个或多个操作可以表示方法300的一个或多个操作。所述方法600可以是由下面描述的图11中的计算设备1100执行。然而，也可借助任何其他合适的设备或***使用所述方法600。

在操作601和603中，分析带内控制流量负载均衡问题。具体地，在操作601中，利用简化的马尔可夫流量统计来分析负载均衡问题的凸度。统计表明负载均衡问题严格上是一个凸问题。特别地，在负载均衡问题中，局部最小值与全局最小值一致。

在操作603中，检查负载均衡问题的库恩塔克(Karush-Kuhn-Tucker，简称KKT)条件以证明凸负载均衡问题的最优解的存在。通常，通过迭代地计算关于每个交换机和每条链路的分配来获得最优控制流量分配。然而，对于大规模SDN中的每条链路和交换机，实时获取最优解可能是困难或不可能的。此类计算太慢。相反，可以使用快速数值计算以在每次迭代中获得次优的但仍然很好的解。

在操作605中，使用快速迭代算法(例如，ADMM算法)在几次迭代中产生最优解，并在每次迭代中提供次优解。所述ADMM算法包括原始双重更新规则。也就是说，所述ADMM算法在原始双重问题(或变量)之间交替执行。所述ADMM算法在几次迭代中收敛至最优值。该算法可以随时停止以获得实时应用程序的“足够好”的解。

可以证明原始双重更新规则的快速全局收敛。所述原始双重更新规则收敛至速率O(1/c^m)的最优解，其中c大于1且是常数，m是迭代次数。例如，图7示出了原始双重更新规则的快速收敛速率的一个示例。如图7所示，对于不同的c值，该算法在大约300次迭代之后会产生令人满意的值。在一些实施例中，这可以用作期望的停止点。

在操作607中，用所述线性快速收敛算法解决了所述非线性负载均衡问题。因此，获得了实时应用的最优(或次优)控制流量分配。

尽管图6示出了快速优化解决方法600的一个示例，但是图6可以有各种变化。例如，尽管示出了一系列步骤，但是图6中的各步骤可以重叠，可以并行执行，可以按照不同顺序执行，也可以多次执行。另外，一些步骤可以结合或替换，也可根据实际需要添加额外的步骤。

为了证明其有效性，所公开的算法已经测试了并且与各种测试环境中的其他解决方案进行了比较。例如，图8示出了所公开的负载均衡算法与Internet 2 OS3E网络(在2013年中的Internet 2中“开放科学、学问与服务交流”中有更详细的描述，其内容以引入的方式并入本文)中的其他解决方案的比较。所述Internet 2 OS3E网络包括27个节点和36条链路，并被广泛应用于控制器布置问题和解决方案的性能评估领域。

在图8中，将公开的负载均衡算法与下界(强力)算法、开放式最短路径优先(OpenShortest Path First，简称OSPF)解决方案和等价多路径(Equal Cost Multi-Path，简称ECMP)解决方案进行比较。下界技术是采用彻底搜索以获得控制流量均衡的最优可行结果的常规技术。正如本领域所知，OSPF是因特网协议(Internet Protocol，简称IP)网络的路由协议。OSPF是一种利用单个最短路径进行数据传输的常规方案。ECMP是一种利用多路径等分流量的多路径传输方案。

图8中的各线显示了Internet 2 OS3E网络中每种方法的控制流量的平均网络延迟。如图8所示，当控制流量速率增加时，OSPF和ECMP技术都会导致由于链路溢出引起的剧烈延迟。相反，与用于重控制流量的OSPF和ECMP相比，通过本文中公开的负载均衡算法，延迟大量减少。实际上，所公开的负载均衡算法提供接近于下界技术的结果，而无需该技术所要求的重搜索计算。

图9示出了所公开的负载均衡算法与北美的SPRINT GIP骨干网络拓扑中的下界(强力)算法，OSPF和ECMP解决方案的比较。如图10所示，北美的所述SPRINT GIP骨干网络拓扑结构包括跨美的38个节点和66条链路。该网络是具有数据流量的实际链路延迟的真实网络拓扑。使用此类延迟信息来估计相应的数据流量到达和服务速率。

图9中的各线显示了SPRINT GIP网络中每种方法的控制流量的平均网络延迟。如图9所示，当控制流量速率增加时，OSPF和ECMP技术会再次导致由于链路溢出引起的延迟大量增加。相反，本文公开的负载均衡算法比OSPF和ECMP具有80％延迟降低的优势，并且与重控制流量的下界技术相比延迟小。

图11示出了根据本发明提供的可以执行所述方法和理念的示例性计算设备1100。特别地，所述计算设备1100可以执行在图1中SDN 100的图3中方法300或图6中方法600。

如图11所示，所述计算设备1100包括具有处理块1105的计算块1103和***存储器1107。所述处理块1105可以为执行软件指令的任意类型的可编程电子设备，但依照惯例，为一个或多个微型处理器。所述***存储器1107可以包括只读存储器(read-only memory，简称ROM)1109和随机存取存储器(random access memory，简称RAM)1111。本领域技术人员应理解，所述只读存储器1109和所述随机存取存储器1111均可存储所述处理块1105执行的软件指令。该处理块1105和该***存储器1107通过总线1113或交替的通信结构直接或间接连接至一个或多个外部设备。例如，该处理块1105或该***存储器1107可直接或间接与一个或多个额外的内存存储设备1115相连。所述内存存储设备1115可包括，例如，“硬”磁盘驱动器、固态磁盘驱动器、光盘驱动器以及可移动磁盘驱动器。该处理块1105或该***存储器1107还可直接或间接与一个或多个输入设备1117以及一个或多个输出设备1119相连。该输入设备1117可包括：例如，键盘、定点设备(例如鼠标、触摸板、触笔、轨迹球、操纵杆等)、触摸屏、扫描器、摄像机以及麦克风。所述输出设备1119可以包括，例如，显示设备、打印机和扬声器。此类显示设备可以用于显示视频图像。由所述计算设备1101的各个例子可知，所述外部设备1115-1119中的一个或多个中可以内置所述计算块1103。或者，所述外部设备1115-1119中的一个或多个可以在所述计算块1103的外壳的外面并通过，例如，通用串行总线(Universal Serial Bus，简称USB)连接或数字视频接口(digital visual interface，简称DVI)与所述总线1113相连接。

在一些实施中，所述计算块1103也可以直接或间接连接至一个或多个网络接口卡(network interfaces card，简称NIC)1121，从而与组成网络的其他设备通信。根据一个或多个通信协议，如传输控制协议(transmission control protocol，简称TCP)和互联网协议(Internet protocol，简称IP)，所述网络接口卡1121将来自所述计算块1103的数据和控制信号转化为网络消息。并且，所述网络接口卡1121可以使用任何合适的连接代理(或代理的组合)连接到网络，包括例如无线收发器、调制解调器或以太网连接方式。

应该理解的是，所述计算设备1100仅仅为示例性说明，没有进行限制。可以通过一个或多个计算设备实现本发明各实施例，该一个或多个计算设备包括图11所示的所述计算设备1100的组件，或包括组件的交替组合，包括图11未示出的组件。例如，可以通过多处理器计算机、部署在网络中的多个单和/或多处理器计算机或二者的一些组合实现本发明各实施例。

如上所述，控制流量均衡是配置带内软件定义网络的重要考虑因素。所公开的实施例提供了一种框架，以分别从数据流量和链路服务能力分析控制流量的影响。这些实施例提供了一种用于控制流量的快速重选路由的方法，并且可以作为设计流量感知控制器架构的基础。

各种实施例提供了线性快速收敛算法，其在几次迭代中实现最优解，并且在每次迭代中提供实时应用的次优解。由于所公开的解决方案的低计算和执行复杂度，所公开的实施例适用于具有不同流量统计的通用大规模SDN。

在某些实施例中，一个或多个所述设备的部分或全部功能或流程由计算机可读程序代码构成的且内嵌于计算机可读介质中的计算机程序来实现或提供支持。术语“计算机可读程序代码”包括任意类型的计算机代码，包括源代码、目标代码以及可执行代码。术语“计算机可读介质”包括任何类型的可以被计算机访问的非易失性介质，比如，只读存储器(read only memory，简称ROM)、随机存取存储器(random access memory，简称RAM)、硬盘驱动器、光盘(compactdisc，简称CD)、数字化视频光盘(digital video disc，简称DVD)或者任何其他类型的存储器。

为本专利文档中使用的特定术语和短语进行定义是有帮助的。术语“包括”和“包含”以及它们的派生词表示没有限制的包括。术语“或者”是包容性的，意为和/或。短语“与……关联”和“与其关联”以及其派生的短语意味着包括，被包括在内、与……互连、包含、被包含在内、连接到或与……连接、耦合到或与……耦合、可与……通信、与……配合、交织、并列、接近、被绑定到或与……绑定、具有、具有……属性，等等。

本申请中的描述不应被理解为暗示任何特定元件、步骤或功能是必须包括在权利要求范围内的基本或关键元件。专利主题范围仅由允许的权利要求定义。此外，对于任何所附权利要求或权利要求要素，没有一项权利要求旨在调用35U.S.C.§112(f)，除非在特定权利要求中明确地使用以用于识别功能的分词词组引导的确切的词语“方式用于”或“步骤用于”。术语诸如(但不限于)权利要求中的“机制”、“模块”、“设备”、“单元”、“组件”、“元件”、“成员”、“装置”、“机器”、“***”、“处理器”或“控制器”的使用应理解为并且旨在表示相关领域的技术人员已知的结构，可根据权利要求本身的特征作进一步修改或增强，并且不旨在调用35U.S.C.§112(f)。

虽然本发明就某些实施例和一般相关方法方面进行了描述，但是对本领域技术人员而言，对实施例和方法的各种更改和变更将是显而易见的。因此，示例实施例的上述描述不限定或约束本发明。正如以下权利要求定义，在不脱离本发明的精神和范围的情况下，还可以做出其它修改、替换以及变更。

Claims (18)

1.一种软件定义网络(software defined network，简称SDN)中的带内控制流量负载均衡的方法，其特征在于，所述方法包括：

为一个或多个控制流量和数据流量统计生成一个或多个流量统计；

基于所述流量统计构建一个排队网络***；

根据所述流量统计确定控制流量负载均衡问题；

使用一个或多个原始双重更新规则解决所述控制流量负载均衡问题。

2.根据权利要求1所述的方法，其特征在于，所述一个或多个流量统计包括马尔科夫流量统计。

3.根据权利要求1所述的方法，其特征在于，还包括：

确定已解决的所述问题的结果是否可接受；

在确定已解决的所述问题的结果不可接受的情况下，重复所述生成、构造、确定和解决操作。

4.根据权利要求3所述的方法，其特征在于，所述生成、构造和确定操作包括非线性优化框架的一部分。

5.根据权利要求4所述的方法，其特征在于，解决所述控制流量负载均衡问题是基于乘法器的交替方向方法(alternating direction method of multipliers，简称ADMM)的原理。

6.根据权利要求5所述的方法，其特征在于，解决所述控制流量负载均衡问题包括：

分析所述控制流量负载均衡问题的凸度；

分析所述控制流量负载均衡问题的库恩塔克条件(Karush-Kuhn-Tucker，简称KKT)；

使用快速迭代ADMM算法在几次迭代中产生解，并在每次迭代中提供次优解。

7.一种软件定义网络(software defined network，简称SDN)中的带内控制流量负载均衡的装置，其特征在于，所述装置包括：

至少一个存储器；

耦合于所述至少一个存储器的至少一个处理器，其中，所述至少一个处理器用于：

为一个或多个控制流量和数据流量统计生成一个或多个流量统计；

基于所述流量统计构建一个排队网络***；

根据所述流量统计确定控制流量负载均衡问题；

使用一个或多个原始双重更新规则解决所述控制流量负载均衡问题。

8.根据权利要求7所述的装置，其特征在于，所述一个或多个流量统计包括马尔科夫流量统计。

9.根据权利要求7所述的装置，其特征在于，所述至少一个处理器还用于：

确定已解决的所述问题的结果是否可接受；

在确定已解决的所述问题的结果不可接受的情况下，重复所述生成、构造、确定和解决操作。

10.根据权利要求9所述的装置，其特征在于，所述生成、构造和确定操作包括非线性优化框架的一部分。

11.根据权利要求10所述的装置，其特征在于，所述至少一个处理器用于基于乘法器的交替方向方法(alternating direction method of multipliers，简称ADMM)的原理解决所述控制流量负载均衡问题。

12.根据权利要求11所述的装置，其特征在于，为了解决所述控制流量负载均衡问题，所述至少一个处理器用于：

分析所述控制流量负载均衡问题的凸度；

分析所述控制流量负载均衡问题的库恩塔克条件(Karush-Kuhn-Tucker，简称KKT)；

使用快速迭代ADMM算法在几次迭代中产生解，并在每次迭代中提供次优解。

13.一种包含计算机程序的非瞬时性计算机可读介质，其特征在于，所述计算机程序包括计算机可读程序代码，其用于：

为一个或多个控制流量和数据流量统计生成一个或多个流量统计；

基于所述流量统计构建一个排队网络***；

根据所述流量统计确定控制流量负载均衡问题；

使用一个或多个原始双重更新规则解决所述控制流量负载均衡问题。

14.根据权利要求13所述的非瞬时性计算机可读介质，其特征在于，所述一个或多个流量统计包括马尔科夫流量统计。

15.根据权利要求13所述的非瞬时性计算机可读介质，其特征在于，所述计算机程序还包括计算机可读程序代码，其用于：

确定已解决的所述问题的结果是否可接受；

在确定已解决的所述问题的结果不可接受的情况下，重复所述生成、构造、确定和解决操作。

16.根据权利要求15所述的非瞬时性计算机可读介质，其特征在于，所述生成、构造和确定操作包括非线性优化框架的一部分。

17.根据权利要求16所述的非瞬时性计算机可读介质，其特征在于，解决所述控制流量负载均衡问题是基于乘法器的交替方向方法(alternating direction method ofmultipliers，简称ADMM)的原理。

18.根据权利要求17所述的非瞬时性计算机可读介质，其特征在于，解决所述控制流量负载均衡问题包括：

分析所述控制流量负载均衡问题的凸度；

分析所述控制流量负载均衡问题的库恩塔克条件(Karush-Kuhn-Tucker，简称KKT)；

使用快速迭代ADMM算法在几次迭代中产生解，并在每次迭代中提供次优解。