摘要：SDN是未来网络演进的一大方向，其北向接口提供了网络应用的编程和人机接口。目前北向接口的研究主要集中在异构性消除、可编程性提高、提供网络新功能和改善性能等方面，而SDN网络资源管理研究尚处于起步阶段。语义网具备强大的层次化描述能力，便捷灵活的数据存储结构，丰富的工具及方法论支持，良好的可移植性，有利于在北向接口上提供基于虚拟网络上的视图管理功能，为SDN网络资源管理带来便利，并提高上层网络应用开发的可移植性。本文提出结合语义网（Semantic Web）技术，结合基于语义网的SDN网络资源管理平台，研究基于语义网的SDN网络资源管理北向接口。
关键词：SDN；语义网；北向接口；网络资源；服务质量
中图分类号：TP3 文献标识码：A 文章编号：1009-3044（2017）17-0016-05
软件定义网络（software defined networking，SDN）是由美国GENI项目资助的斯坦福大学的MacKneow教授在主导的Clean Slate项目中提出的一种新型网络架构。与传统分布式网络不同，SDN的核心是在网络中引入一个SDN控制器（Control-ler），通过核心技术OpenFlow通过将网络的数据转发层和设备控制层分离，从而简化网络架构，实现对网络流量的灵活控制，为核心网络及应用的创新提供了良好的平台。网络资源的管理是SDN的一个重要维度，但如何在较高的抽象层次上实现SDN网络资源的高效管理，尚未形成较理想的框架。
语义网（Semantic Web）是未来网络的一种设想，它可以形成一个机器可读的虚拟网络图数据库。它具有十分强大的推理能力，它可以使用OWL（Web Ontology Language，网络本体语言）对SDN网络资源以及相关的业务资源进行建模，使用RDF（Resource Description Framework，资源描述框架）给抽象的业务资源和网络资源带来具体化的描述。其便捷灵活的数据存储结构，丰富的工具及方法论支持，良好的可移植性，为构建SDN网络资源管理北向接口，实现抽象化、虚拟化的网络管理，提供了良好的理论和技术基础。为构建SDN网络资源管理北向接口，提供了灵活的基础。
本文结合语义网技术对SDN的北向接口进行扩展，弥补现有SDN对网络资源管理方面的不足，提供SDN网络资源管理的编程和人机接口。
1 SDN北向接口
笔者从不同的抽象层次，将当前北向接口研究总结为几大方面，分别是：
1）可移植性北向接口：主要致力于解决异构OpenFlow协议或者硬件之间的差异性，从而为上层应用提供一个可移植性层，主要工作包括tinyNBI、NOSIX等。
2）可编程性北向接口：主要致力于实现专用的SDN网络程语言，或嵌入到现有的高级语言中，提高SDN网络的可编程性，实现对其网络行为的控制，主要工作包括Frenetic、NetCorete等。
3）网络虚拟化北向接口：通过对网络资源进行虚拟化，在物理网络的基础上构建虚拟的网络视图，主要工作包括FlowVisor、libNetVirt等。
可以看到现有的几类北向接口，主要从异构性消除、可编程性提高、网络虚拟化等角度进行研究，对SDN网络资源管理方面的研究目前比较少见，使得用户和上层应用难以找到满足其需求的个体资源（如某个交换设备）或群体资源（如满足服务质量的路径）。笔者认为应该采用平台中立的语义网技术，对网络资源进行建模，尽可能同底层物理设备解耦，并利用北向接口对其进行虚拟化、抽象化的管理，方便SDN网络应用――特别是网络资源密集型应用的开发。
2基于语义网的SDN网络资源管理平台
2.1构建模型
1）首先进行安装Protege，并配置好环境变量。
2）SDN本体模型构建：
a）新建一个OWL项目，在Active Ontology的面板中定义本体的URI作为模型的命名前缀，在本设计中定义Ontology IRI为：
http：∥www.semanticweb.org/michellin/ontologies/2016/2/SDN。
b）在Classes面板中添加资源类，如图1所示。在模型中，将SDN网络资源抽象为六个类分别是Component（组件）、De-vice（设备）、Hnk（链路）、How_table（流表）、Function（功能）以及Group_tablef组表）。六个类下又分别有子类：Component下的子类为Port（端口）；Device的子类为Controller（控制器）、Switch（交换机）和Host（主机）；Link的子类为各种规格的传输介质。Function的子类为Action、Instruction、Pipeline_wordflow动作指令，Flow_table（流表）子类分为Counter、Instruction、Match_Field等；出于篇幅限制，仅给出定义资源图以及总体模型展示图。
c）在Object Properties面板中添加类间属性。在模型中，定义9种类属性：connects（连接）、contains（包含）、controls（控制）、consistsof（组成）、deploys（部署）、includes（包括）、supports（支持）、isdeployedby（被部署）以及consists（由什么组成）等。connects描述交换机类（Switch）、交换机端口类（Port）、链路类（Hnk）、主机类（Host）之间的连接关系；contains描述端口类（Port）和交换机类（Switch）的包含关系；controls描述控制器类（controller）和交换机类（Switch）的控制关系，交换机supports功能（Function）等。 d）在Datatype Properties面板中添加类的数值关系。在模型中，添加了5个类属性：Device_property（设备属性）、Match_Field（匹配领域）、IP、MAC、QoS（服务质量）。在设计中主要用到的是设备属性和服务质量属性，其余的属性作为后续拓展开发。在Device_property属性类下有CPU和RAM子类，用于描述交换机的设备状态信息。在QoS属性类下有：Available（可用性）、Bandwidth（带宽）、Delay（时延）、Drop（丢包率）、Jiuer（抖动）以及Total_QoS（总QoS）等服务质量子类，用于描述交换机端口的服务质量。定义Device_property和QoS的数值类型都为双精度浮点型（double）。
e）SDN本体模型构建完成后，以XML的格式保存并命名为“SDN.owl”。总体模型展示图如2所示。
2.2实例化本体模型
利用Jena框架的ModelFactory创建本体模型，例如使用如下代码构建一个本体模型：OntModel model=ModelFactory.cre-ateOntologyModel（）。并以字符流的形式读取之前定义好的本地模型。结合提供的API如/wm/core/controller/switches/json获取底层实际交换机信息。使用类似的语句进行实例化模型。
Inspanidual swIndi=model.createlnspanidual（ns+switchDHD，Switch）；结合本体模型以及从控制器已获取的topo信息，利用Jean框架和JSON文本格式构建一个虚拟的网络RDF图，以便上层应用使用。
2.3 SPARQL查询的实现
1）最短路径查询的实现：Jena框架中的OntTools类包含了findShortestPath（）的函数该函数可以找到两节点之间的最短路径，将最短路径的中间节点和距离返回。它需要传人四个参数，分别是：本体模型、源节点、目的节点和过滤条件（可指定中间经过的节点），可直接调用。
2）单一的QoS和多种QoS查询，可以直接通过非常简便的SPARQL语句实现，如下例1和例2。
2.4应用层可视化设计
利用D3.is实现节点图以及语义网三元组节点图的可视化利用，CSS，javaScript，Ajax JsPlumb，等主流的技术实现页面的动态交互以及自定义的topo的实现。
3实验过程和结果
1）启动Ubuntu 15.10系统，打开终端进入Hoodlight-1.2/target目录输入如下命令启动Hoodlight1.2（指定默认的配置文件即floodlightdefault.properties）
java-iar Floodlight.iar―cf floodlightdefauh.properties
2）建拓扑模块及视图展示模块验证，将项目部署到Tom-cat服务器后，运行Tomcat，打开浏览器输入http：∥localhost：8082/SemSDN/访问平台主页面，如图3所示。
首页具有导航功能，主要分为两个模块，分别是语义网的可视化以及功能展示模块和建立可拖拽topo的模块。
点击“创建topo”，进入创建topo界面，如图5-4所示。该版块实现的功能主要有，快速建立典型topo，包括树形topo和线性topo。建立自定义topo，并实现了对已建topo的增删功能。如下图4所示：
创建一个简单树形拓扑，先在“TypicalTopo”中选择“tree”，输入层数和叶子数，点击“Generate Topology”生成该拓扑的py-thon文件并点击“deploy”按钮将topo部署至Floodlight控制器中，点击“ShowTopo”跳转回主界面。生成topo文件后Topo-Maker界面如图5，部署后主界面如图6所示。
3）QOS信息模块验证
点击S2交换机，在左边的Real-time QoS Information窗口可以显示该交换机的QoS信息，如图7所示。
4）SPARQL查询模块验证
返回“TopoMaker”界面，通过手动拖拽创建一个拓扑，如图8：
点击“Generate Topology”以及“Deploy to Mininet”按钮，将创建的拓扑生成对应的python文件，并部署到Floodlight控制器上。
在右侧模块的“Shortest Path Query”中，输入查询“hi”和“h4”之间的最短路径，点击“Query”按钮。弹出最短路径查询结果的对话框，如图9所示，最短路径用蓝色标识，在下方显示了最短路径的详细信息。
5）数据统计模块验证
点击数据统计模块右侧的选项卡，可以查看带宽、时延、丢包率和总QoS的柱形图数据统计情况。
6）典型拓扑性能测试
如图14（图中所有数据为五次测试所得值得平均值），其中树形m*n表示有m层且每个交换机有n个分支；线性m*n表示有m个交换机且每个交换机有n个主机。
由上表可得出结论：当节点不多时，该系统能够很快的从控制器中获取部署的拓扑，并对最短路径及环路查询等SPAR―QL查询语句做出快速反应并在前台显现出结果。
4总结
从实验结果及数据分析上来看，基于语义网的SDN网络资源管理平台可将SDN网络资源可视化，实现用户与SDN控制器的动态交互，实时更新网络的拓扑信息和QoS信息，利用SPAR-QL找到满足用户或上层应用需求的个体资源和群体资源，提供抽象化、虚拟化的网络资源管理北向接口。同时，弥补了Floodlight控制器的不足，并且提供了有较高实用性的查询功能，使得网络资源的管理更加方便。这对于SDN的北向接口应用是一个很大的进步。
