软件定义网络中通信开销优化：低成本流量采集算法

"该文主要探讨了在软件定义网络(SDN)中如何实现低成本的流量数据采集算法，以降低通信开销和交换机负载。文中提出了两种算法：一种是基于非线性整数动态规划的OpenCost算法，用于确定每个流量数据的采集路径；另一种是贪心算法，用于近似解决最优化问题，以减少算法运行时间。通过仿真测试，OpenCost优化算法显示出了显著的效果，能降低55%的通信开销。 在SDN中，网络测量对于网络管理和控制至关重要，因此研究出各种测量算法，如周期测量和自适应测量。然而，这些算法在为每个流量发送数据采集请求时，会导致大量通信开销，并增加交换机的工作负担。为了解决这个问题，作者首次提出了OpenCost算法，该算法运用非线性整数动态规划方法，旨在优化流量数据的采集路径选择，以最小化整个系统的通信成本。 OpenCost算法的核心是通过考虑每个交换机的采集成本，找到一个最优的分配策略，使得所有流量的数据采集可以通过最少的通信代价完成。然而，这种优化问题的计算复杂度较高，可能影响到算法的实时性。因此，作者进一步提出了一种贪心算法，它能够在较短的时间内找到接近最优的解决方案，虽然不一定是全局最优，但能在保证效率的同时降低运行时间。 为了验证算法的有效性，作者构建了仿真环境，对OpenCost算法进行了详尽的测试。仿真结果显示，相比于其他流量数据采集算法，OpenCost优化算法能够有效地降低系统在采集流量数据时的通信开销，达到了55%的降低比例。这表明OpenCost算法在实际应用中具有很高的潜力，对于提升SDN的性能和效率具有重要意义。 该文提出的OpenCost算法和贪心算法为SDN中的流量数据采集提供了一种经济高效的解决方案，降低了通信成本，减轻了交换机的负载，对于推动SDN技术的发展和应用具有积极的促进作用。同时，该文的研究也为网络测量领域的理论研究和实践应用提供了新的思路。"