# 中文标题 面向SDWAN的基于K-means与多臂老虎机的控制器部署及交换机连接优化

《High-Confidence Computing》:A K-means and multi-armed Bandit based optimization on placement of controllers and connection of switches in SDWAN

【字体: 大 中 小 】 时间:2026年09月23日 来源:High-Confidence Computing 9.0

编辑推荐:

  # 摘要翻译 控制器放置与交换机连接在软件定义广域网(SDWAN)中至关重要,直接影响路由效率与成本。集中式控制器能够提供最优路由,但面临高工作负载与延迟问题;而分布式控制器能够提供实时路由,但可能缺乏全局拓扑感知能力。现有方法(如用于控制器部署的k-mea

  
# 摘要翻译

控制器放置与交换机连接在软件定义广域网(SDWAN)中至关重要,直接影响路由效率与成本。集中式控制器能够提供最优路由,但面临高工作负载与延迟问题;而分布式控制器能够提供实时路由,但可能缺乏全局拓扑感知能力。现有方法(如用于控制器部署的k-means)忽略了实时流量数据与历史信息,而机器学习解决方案通常需要较长时间的探索。为解决这一问题,研究人员提出了智能SDWAN部署(SmartSSD)方案,融合k-means与多臂老虎机(MAB)机制。SmartSSD首先利用k-means获得初始控制器放置方案,随后基于固定聚合时间窗口内的历史流量,采用MAB对交换机到控制器的映射进行精细化调整。在评估的34节点拓扑上,相较于不考虑流量的k-means初始化方案,SmartSSD将建模通信成本降低了23.79%–30.65%。
# 论文解读文章

## 研究背景与问题

近年来,5G网络、移动通信及物联网(IoT)的迅猛发展导致网络数据量显著增长,对网络鲁棒性和灵活性提出了更高要求。软件定义广域网(SDWAN)凭借其优异的可扩展性与兼容性而受到广泛关注,其核心特征在于将控制平面与数据平面解耦,通过软件化控制器实现集中管理。在SDWAN中部署多个控制器是提升网络性能、缓解单控制器压力的常用策略。然而,欠优的控制器部署会损害网络效能:控制器负载过多节点会导致通信延迟增加,形成性能瓶颈;控制器距离所辖交换机过远则会延长控制消息的传播延迟。因此,控制器放置问题(CPP)直接影响用户体验、应用性能与运营效率,是SDWAN领域亟待解决的关键研究问题。

已有研究方法存在明显局限。集中式部署方法(如优化k-means)能够降低成本、简化模型,但可能低估计算资源利用率,引发延迟与安全问题;分布式部署方法(如二元线性规划、黑盒优化)能更好利用资源,但增加了复杂性与部署开销。基于深度强化学习(DRL)的先进方案(如D4CPP、SAR-LB)虽然能表征更丰富的网络状态与序贯动作,但通常需要函数逼近器、全局状态交换以及远超表格型MAB的调参成本。此外,传统k-means方法忽视实时流量数据与历史信息,难以适应动态变化的网络流量模式。

## 研究内容与核心结论

针对上述问题,研究人员提出了一种新颖的分布式控制器部署与交换机连接策略——智能SDWAN部署(SmartSSD),将k-means聚类与多臂老虎机(MAB)机制相结合。该方案包含两个阶段:第一阶段利用k-means识别聚类中心作为控制器部署节点,确定控制器集合;第二阶段在保持控制器集合固定的前提下,基于历史流量数据运用MAB算法优化交换机节点到控制器的映射关系。在基于中国地图构建的34节点、71条边的真实拓扑上,研究人员设计了6组包含不同突发流量比例的模拟数据集进行验证。实验结果表明,相较于仅使用k-means的配置,SmartSSD将建模通信成本降低了23.79%–30.65%,且降幅随突发流量比例增加而增大。这一结果充分验证了流量感知重分配相对于静态k-means初始化的显著优势。

## 关键技术与方法

研究人员主要采用了以下关键技术方法:基于k-means的控制器初始放置,利用Euclidean距离进行初始聚类并以实际网络节点作为聚类中心,保证拓扑有效性;基于多臂老虎机(MAB)的交换机重分配,将每个交换机节点视为智能体,可选的??个控制器作为臂,以负流量加权通信成本作为奖励;采用??-递减探索策略(初始??=1.0,衰减率??=0.98,共260训练轮次)平衡探索与利用;利用Floyd-Warshall算法计算全源最短路径作为路由参考;以中国34个省级行政区(含直辖市、港澳台)为节点、相邻关系为边构建真实网络拓扑,依据“第七次全国人口普查公报”与“中国区域数字发展指数报告”模拟常规与突发流量数据。

## 研究结果分析

### 4.2.1 对比性能分析

研究人员通过6组对比实验评估了SmartSSD相对纯k-means方案的性能提升。实验结果显示,在全部6个数据集上,SmartSSD的总建模通信成本均显著低于k-means配置。具体而言,数据集1的通信成本从16760.53降至12773.40,降幅为23.79%;数据集6的降幅达到30.65%(从24244.10降至16813.34);中间数据集分别实现了24.51%、25.85%、27.10%和28.89%的成本降低。随着数据集中突发流量比例的递增,SmartSSD的性能优势越发显著,这表明流量感知重分配机制在应对突发流量场景时具有更强的鲁棒性。

### 4.2.2 收敛性与学习稳定性分析

研究人员对SmartSSD的学习阶段进行了收敛性分析,绘制了260个训练轮次中两类性能指标的变化曲线:最差链路通信时间比(????/????????)与所有链路的加权平均比。在初始训练期(约第0–50轮),两条曲线均存在波动,原因是MAB在此阶段进行广泛的探索;随着探索概率以0.98的衰减率逐渐降低,算法转向对已有估计的利用,曲线趋于平稳。在全部6组实验中,两个指标大致从第50轮起进入稳定平台期。这一结果从经验上验证了SmartSSD的学习稳定性,但研究人员同时指出,由于未评估替代性学习方法,该结果不支持与其他方法收敛速度的对比结论。

## 讨论与结论

在讨论部分,研究人员指出本研究存在若干边界条件:评估基于单一34节点拓扑、单一控制器数量(??=8)和静态聚合流量窗口;目标函数未纳入控制器容量、链路容量、显式负载均衡、迁移成本与同步开销等因素;算法不提供近似比保证或非平稳老虎机下的理论保障。未来工作将评估图度量与负载感知放置、替代性老虎机策略、持续适应时变流量的机制,以及与精确小规模实例解、图度量聚类、替代性老虎机策略及DRL方法的系统性对比。

本研究的结论可翻译为:本文提出了SmartSSD,一种融合k-means初始化与多臂老虎机交换机重分配的SDWAN部署方案。在评估的34节点拓扑和6个聚合流量数据集上,相较于仅使用k-means的方案,SmartSSD将建模通信成本降低了23.79%–30.65%。该结果验证了流量感知重分配策略的收益,但尚未确立对未测试基线的优越性。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号