《IEICE Transactions on Communications》:A Network Management Method Using Network Ontology Bonsai and Network Information Sharing Framework KANVAS
编辑推荐:
一般来说,网络管理员负责设计、构建和运营企业网络。为了正确管理网络,网络管理员需要理解其配置。由于管理员所理解的网络设计与实际网络配置之间可能因错误或失误而产生不一致,因此需要一种自动检测此类不一致的方法。为此,以下五项技术是必需的:(i)一种可机器可读的表示
一般来说,网络管理员负责设计、构建和运营企业网络。为了正确管理网络,网络管理员需要理解其配置。由于管理员所理解的网络设计与实际网络配置之间可能因错误或失误而产生不一致,因此需要一种自动检测此类不一致的方法。为此,以下五项技术是必需的:(i)一种可机器可读的表示法,用于表示网络配置;(ii)一种工具,用于以(i)中定义的可机器可读表示法记录网络设计;(iii)一种工具,用于自动检测当前网络配置并以(i)中定义的可机器可读表示法记录;(iv)一种工具,用于比较(ii)和(iii)生成的两个输出;以及(v)一种基于可机器可读表示法的网络管理框架,以简化网络管理员的任务。本文采用名为Bonsai的网络本体(ontology)作为(i)。Bonsai不仅可以表示物理网络配置,还可以表示采用各种网络虚拟化技术(如VLAN(虚拟局域网)和overlay(覆盖网络))的网络配置。本文针对(ii)-(iv)提出了三个工具:nc-design、nc-detect和nc-diff,并在测试网络中确认它们按预期工作。此外,本文针对(v)提出了一个名为KANVAS(广域网中具有通用性、可用性和可扩展性的知识库系统,Knowledge base system in wide Area Networks with general Versatility, Availability, and Scalability)的网络信息共享框架。在采用虚拟化技术的测试网络中的评估结果表明,所提出的网络管理方法能够在实际可行的时间内定位网络故障。
**基于网络本体Bonsai与网络信息共享框架KANVAS的网络管理方法解读**
企业网络管理员通常需要经历网络设计、构建、管理和运营的循环。为了正确管理和运营网络,管理员必须理解所管理网络的配置。由于当前网络广泛采用VLAN(虚拟局域网)、overlay(覆盖网络)等虚拟化技术,理解网络配置并不容易。未反映到设计中的配置变更或错误配置,可能导致管理员对网络设计的理解与网络当前状态之间产生不一致。因此,需要一种自动检测网络设计与当前状态之间不一致的方法。为此,需要五项关键技术:机器可读的网络配置表示法、将设计写入该表示法的工具、自动检测当前配置并写入该表示法的工具、比较两个输出的工具,以及基于机器可读表示法的网络管理框架。现有网络管理系统产品,如Alaxala的AX Network Manager、Cisco的ThousandEyes和Juniper的Junos Space,均使用各自专有的表示法,且不关注设计-现状不一致检测。因此,本文采用网络本体Bonsai,提出三个工具和KANVAS框架,以解决上述问题。
研究人员采用Bonsai作为网络配置的机器可读表示法。Bonsai能够表示物理网络配置,以及采用LAG(链路聚合)、VLAN、overlay网络和VRF(虚拟路由转发)等虚拟化技术的网络配置。针对五项技术中的(ii)至(iv),提出了nc-design、nc-detect和nc-diff三个工具,并在测试网络中验证了其行为。针对(v),提出了KANVAS框架,该框架基于Bonsai提供高层和底层API,支持故障定位和流量监控等管理任务。在模拟大学网络的测试环境中进行了性能评估。结果表明,所提出的方法能够在实际可行的时间内定位网络故障,并能选择合适的吞吐量监控点。该论文发表在《IEICE Transactions on Communications》。
主要关键技术方法包括:采用网络本体Bonsai(基于RDF/OWL)定义物理、逻辑、服务和操作四类网络结构及其对象属性;nc-design以Rust语言实现,通过交互式命令将网络设计转换为Bonsai的RDF格式,并执行三层验证;nc-detect以Go语言实现,通过SNMP从OSPF区域内的路由器获取LSDB,利用OSPF-MIB、BRIDGE-MIB、VM-MIB等标准MIB半自动检测当前配置并转换为Bonsai实例;nc-diff以Rust语言实现,采用广度优先搜索比较设计文件与检测文件的图结构和数据属性;KANVAS框架由API服务器、AAA服务器、存储服务器、RDF数据库、时序数据库、Kafka分布式消息队列以及监控-采集器对组成,并采用RDF4j和Elasticsearch分别存储图数据与时序数据。测试网络为模拟五校区大学网络的拓扑,包含五台物理机和多台虚拟机。
**研究结果**
**8.1 网络故障定位**:通过一个overlay网络示例,研究人员演示了故障定位过程。应用通过高层API方法H13获取最短路径,识别R1和R3位于overlay路径上,而R2对overlay不可见;通过H12识别overlay由Underlay1和Underlay2组成;通过H1识别交换机S1位于R2与R3之间;通过ping命令和SNMP逐步缩小范围,最终确定S1为根因。该研究表明,基于Bonsai表示的方法能有效定位网络故障。
**8.2 吞吐量监控**:通过示例说明,KANVAS应用能够识别物理和overlay拓扑,自动选择监控点,监控端到端以及underlay网络的吞吐量,并识别交叉流量导致的拥塞。该研究验证了KANVAS在流量监控中的有效性。
**9.1 评估环境**:构建了模拟五校区大学网络的测试网络,五台物理机分别代表五个校区,每台物理机上运行多个虚拟机作为路由器、交换机或终端节点。OSPF采用两级层次结构,路由器运行VyOS,终端运行Linux。API服务器、存储服务器、RDF数据库和时序数据库运行在N4-2上,应用程序运行在N4-1上,监控与采集器分别部署在各校区节点。
**9.2 故障定位时间**:假设交换机S3-1发生故障。故障检测器通过监控器检测到不可达事件,经分布式消息队列、RDF绑定和API通知后,逐步获取overlay、underlay和物理拓扑,并执行生命周期监测,最终在约9.1秒内定位根因。这表明故障定位时间可接受,但获取overlay/underlay拓扑和ping监测耗时占比较高。
**9.3 吞吐量监控**:在N2-2与N3-2之间进行TCP传输,并在N1-1到N5-1之间注入UDP交叉流量。吞吐量监控器每分钟输出测量值,检测到TCP吞吐量在5分钟时下降,同时R3-1到R1-1的吞吐量下降而R1-1到R2-1的吞吐量上升,从而判断TCP吞吐量下降的原因是R1-1到R2-1的交叉流量。该实验验证了吞吐量监控方法的有效性。
**讨论与结论**:讨论部分指出,KANVAS能够有效定位故障和监控吞吐量,但获取拓扑的时间占比较大,且随着overlay规模扩大,故障定位时间和监控成本预计会增加。目前KANVAS系统仅在单一域内运行。论文结论翻译如下:本文提出了使用网络本体Bonsai、三个工具nc-design、nc-detect和nc-diff以及网络信息共享基础设施KANVAS的网络管理方法,以协助企业网络管理员管理和运营网络。Bonsai能够以机器可读表示法表示各种网络虚拟化技术的网络配置。nc-design、nc-detect和nc-diff通过Bonsai表示法帮助保持网络管理员设计与当前网络配置之间的一致性。KANVAS为网络管理员的任务(如故障和流量监控)提供了有用的方法。在采用虚拟化技术的测试网络中的评估结果表明,所提出的网络管理方法能够实际地定位网络故障并选择合适的吞吐量监控点。目前KANVAS系统只能在单一域内运行。未来将定义域间接口,实现跨域网络信息交换。