Machine Learning Based Proactive Flow Entry Deletion for OpenFlow
来源：IEEE 2018 作者：Hemin Yang and George F.Riley
摘要: 流表容量有限，因此高效管理流表至关重要。本文重点讨论了OpenFlow中定义的一种流表管理机制，即能够主动删除流表条目。 挑战：确定删除哪些流表项条目。 为了应对这一挑战，提出了基于机器学习的主动流输入删除方法，可以从流表条目的历史数据中学习，从而预测最后引用流表条目的时间。最后根据预测，最后引用时间的最小的流表条目将被删除。我们的方法是利用机器学习，从历史删除流表项中学习，从而预测最后引用流入口的时间。
主动流条目的删除
A. 主动流删除的挑战
要应用主动流的删除，需要解决两个问题：第一是，控制器什么时候该主动删除流条目，例如说可以设定一个阈值，当流表的利用率超过阈值时就开始主动删除流表项；第二，应该删除哪些流项？希望删除的就是不活动的流表项。
B. 为什么机器学习会有帮助？
虽然我们不能确切知道流表条目访问的顺序，但是我们是否可以利用机器学习技术来推断基于历史流删除的访问顺序呢？一旦流表项从流表中删除，控制器就可以配置交换机发送一个FlowRemodes消息，该消息包含删除的原因、表项的持续时间、条目匹配的数据包数、空闲超时、硬超时、条目匹配的数据包中的字节数以及其他特定于实验者的统计信息。
C. 主动流输入删除的开销
主要包括两个部分。一是何时开始主动删除的开销，我们假设主动删除开始于超过控制器所设定的流表阈值时开始删除。空缺时间可以警告控制器提前作出反应，以避免流表溢出。开销的另一部分来自于决定应该主动删除哪些流条目。若采用随机或FIFO的策略，他们不需要开销，但如果没有删除的条目作为参考，控制器可能就会指示交换机删除实际上不存在流表中的条目，错误的指令，会加剧交换机和控制器的工作负荷，若表中没有流表项被删除，流表可能会溢出，对网络产生严重的影响。相反，如果启用了发送流删除的消息，则不会出现这样的错误指令，因为控制器知道开关的流表中有哪些流项。
我们的做法
基于机器学习的主动流条目的删除，如图1所示，做法包括两个部分：离线模型训练和基于训练模型的在线主动流删除。
A. 离线模型训练
为了训练机器学习的模型，我们首先需要收集合适的数据集。其中每个数据样本包含先前流删除的特征和标签（tLastVisitf 即最后一次引用流条目的时间）tLastVisitf 由tStartf + tPktActivef相加所得，tStartf 是流表中安装流f的当前流条目的时间，tPktActivef是所引用的流条目经过的时间。 tPktActivef作为标签。使用FlowRemoved消息所携带的统计数据的均值和标准差，即流条目匹配的数据包数（number ofpackets matched by a flow entry (
Machine Learning Based Proactive Flow Entry Deletion for OpenFlow的更多相关文章
- A Gentle Guide to Machine Learning
A Gentle Guide to Machine Learning Machine Learning is a subfield within Artificial Intelligence tha ...
- How do I learn machine learning?
https://www.quora.com/How-do-I-learn-machine-learning-1?redirected_qid=6578644 How Can I Learn X? ...
- 学习笔记之Machine Learning Crash Course | Google Developers
Machine Learning Crash Course | Google Developers https://developers.google.com/machine-learning/c ...
- [C2P2] Andrew Ng - Machine Learning
##Linear Regression with One Variable Linear regression predicts a real-valued output based on an in ...
- Machine Learning Algorithms Study Notes(2)--Supervised Learning
Machine Learning Algorithms Study Notes 高雪松 @雪松Cedro Microsoft MVP 本系列文章是Andrew Ng 在斯坦福的机器学习课程 CS 22 ...
- SOME USEFUL MACHINE LEARNING LIBRARIES.
from: http://www.erogol.com/broad-view-machine-learning-libraries/ http://www.slideshare.net/Vincenz ...
- In machine learning, is more data always better than better algorithms?
In machine learning, is more data always better than better algorithms? No. There are times when mor ...
- booklist for machine learning
Recommended Books Here is a list of books which I have read and feel it is worth recommending to fri ...
- ADVICE FOR SHORT-TERM MACHINE LEARNING RESEARCH PROJECTS（短期机器学习研究的建议）
– Tim Rocktäschel, Jakob Foerster and Greg Farquhar, 29/08/2018 Every year we get contacted by stude ...
随机推荐
- 【九校3D2T3】世界第一的猛汉王
[问题描述] 卡普地公司举办了「世界第一的猛汉王」全球大会,来自世界各地的猛汉为了争夺「猛汉王」的名号前来一决高下.现在举行的是弓箭组选拔赛.卡普地公司为比赛新建了一张PVP地图——「猛汉竞技场」.有 ...
- C#深度学习の----深拷贝与浅拷贝
本人在进行编程的时候遇到一个问题,要对一个绑定的依赖属性进行赋值,改变属性中的某一部分,绑定的目标上的所有值都发生了变化,着并不是我想要的,由此引出深浅拷贝的问题.(请加群交流:435226676) ...
- 装饰者模式vs适配器模式
http://www.cnblogs.com/tekkaman/p/3275077.html 1.关于新职责:适配器也可以在转换时增加新的职责,但主要目的不在此.装饰者模式主要是给被装饰者增加新职责的 ...
- sed命令替换字符包含斜杠\，引号的处理方法
在字符替换中,可能会遇见引号,“/”等的替换,这时应该注意,sed的命令原型是: sed -i "s/oldstring/goalstring/g" file 如果一个路径是da ...
- MSSQL Server 数据库备份还原常用SQL语句及注意
1.备份数据库 backup database db_name to disk='d:\db_name.bak' with format --通过使用with format可以做到覆盖任何现有的备份和 ...
- （2）HomeAssistant 参数配置
如果你希望使用其它目录作为配置文件所在地,可以使用以下命令启动home assistant:hass --config path/to/config 在配置目录下,有一个文件configuration ...
- 上传文件调用webapi方式
选择文件 <div> <label for="fileUpload"> 选择文件 </label> <br/> <input ...
- c# 根据当前时间获取,本周,本月,本季度,月初,月末,各个时间段
DateTime dt = DateTime.Now; //当前时间 DateTime.Now.ToString("yyyy-MM-dd HH:mm:ss") //24小时制 ...
- luogu P1439 【模板】最长公共子序列（LCS）
题目qwq (第一道蓝题) 先把第一个序列每个数出现的顺序记下来(数字本身不用记), 然后第二个序列的每个数都对照它的顺序,这样只要得到一个升序的序列就行了qwq 如果遇到出现顺序在前面的数,就用二分 ...
- Android 去掉ScrollView、GridView、ListView向上 滑动时顶部的投影/阴影
在ScrollView.GridView.ListView向上滑动的过程中,这些控件的顶部会出现一个系统默认的白色阴影,有些时候这个白色的阴影看上去好看,那么就需要除去. 去掉方法:在ScrollVi ...