编者按：在网络性能评估中一个巨大的挑战就是如何生成真实的网络流量，还好可以通过程序来创造人工的网络流量，通过建立测试环境来模拟真实的状况。本文就以数据中心网络为目标场景，来在mininet仿真环境中尽可能地还原数据中心内部的真实流量情况。目前有两种常用的流量模型:
- 随机模型：主机向在网络中的另一任意主机以等概率发送数据包
- 概率模型：在网络中，编号为m的主机分别以概率Pt 、Pa 、Pc 、向主机编号为(m+i)、(m+j)、(m+k)的主机发送数据包
我们使用mininet中的iperf工具在网络中生成UDP流量，iperf客户端传送数据流到iperf的服务端，由服务端接收并记录相关信息。mininet自带控制台可供使用的命令虽然已经比较丰富，但却并未给出较为明确的API接口来支持用户自定义命令。在诸如数据中心这样复杂、网络节点较多的仿真环境中做一些批处理的工作就需要非常大的，比如通过iperf在所有主机之间发生流量。所以我们需要将自定义命令添加到mininet中，在mininet中完成新命令的拓展。
一、 mininet功能拓展
在mininet中进行功能拓展主要分为3步:
1. 修改mininet/net.py: net模块实现Mininet类，是仿真平台mininet的主体类，该类完成节点添加配置、网络基本功能和一些选项功能的实现。我们需要将我们自定义的函数定义在该类中。
|
1 2 3 |
class Mininet(object): def function(self, **kwargs): #function code |
2. 修改mininet/cli.py: cli模块定义了CLI类，为米你呢他提供命令行接口，用于解析用户输入的命令，之前定义的自定义命令需要在CLI类中通过注册函数注册这条自定义命令。
|
1 2 3 |
class CLI(Cmd): def do_function(self, line): #do_function code |
完成命令注册与绑定。
3. 修改bin/mn: 在完成命令注册与绑定后，需要在mininet执行解释器中注册命令与对应执行函数的映射关系。
|
1 2 3 4 |
ALTSPELLING = { 'pingall':'pingAll', 'pingpair':'pingPair', 'iperfudp':'iperfUdp', 'function':'function} |
net.py和cli.py均在mininet/mininet目录，mn文件在在mininet/bin目录中。在代码修改完成后需要重新编译安装一遍mininet，即运行：
|
1 |
$~/mininet/util/install.sh -n |
二、 两种流量模型在mininet中的实现
2.1 随机模型
任意一台主机以等概率随机地向另外一台主机发起一条UDP数据流。
修改mininet/net.py
首先，先在两个主机之间进行iperf测试，并且在server端记录，实现iperf_single函数：
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 |
def iperf_single( self,hosts=None, udpBw='10M', period=60, port=5001): """Run iperf between two hosts using UDP. hosts: list of hosts; if None, uses opposite hosts returns: results two-element array of server and client speeds""" if not hosts: return else: assert len( hosts ) == 2 client, server = hosts filename = client.name[1:] + '.out' output( '*** Iperf: testing bandwidth between ' ) output( "%s and %s\n" % ( client.name, server.name ) ) iperfArgs = 'iperf -u ' bwArgs = '-b ' + udpBw + ' ' print "***start server***" server.cmd( iperfArgs + '-s -i 1' + ' > /home/zg/log/' + filename + '&') print "***start client***" client.cmd( iperfArgs + '-t '+ str(period) + ' -c ' + server.IP() + ' ' + bwArgs +' > /home/zg/log/' + 'client' + filename +'&') |
接着为mininet添加自定义命令iperfmulti，依次为每一台主机随机选择另一台主机作为iperf的服务器端，通过调用iperf_single,自身以客户端身份按照指定参数发送UDP流，服务器生成的报告以重定向的方式输出到文件中，使用iperfmulti命令，主机随机地向另一台主机发起一条恒定带宽的UDP数据流。
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 |
def iperfMulti(self, bw, period=60): base_port = 5001 server_list = [] client_list = [h for h in self.hosts] host_list = [] host_list = [h for h in self.hosts] cli_outs = [] ser_outs = [] _len = len(host_list) for i in xrange(0, _len): client = host_list[i] server = client while( server == client ): server = random.choice(host_list) server_list.append(server) self.iperf_single(hosts = [client, server], udpBw=bw, period= period, port=base_port) sleep(.05) base_port += 1 sleep(period) print "test has done" |
修改mininet/cli.py
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 |
def do_iperfmulti( self, line ): """Multi iperf UDP test between nodes""" args = line.split() if len(args) == 1: udpBw = args[ 0 ] self.mn.iperfMulti(udpBw) elif len(args) == 2: udpBw = args[ 0 ] period = args[ 1 ] err = False self.mn.iperfMulti(udpBw, float(period)) else: error('invalid number of args: iperfmulti udpBw period\n' + 'udpBw examples: 1M 120\n') |
修改bin/mn
在mininet/bin目录下修改mn文件，将iperfmulti加入到对应的列表中。
|
1 2 3 4 5 |
ALTSPELLING = { 'pingall': 'pingAll', 'pingpair': 'pingPair', 'iperfudp': 'iperfUdp', 'iperfUDP': 'iperfUdp', 'iperfmulti':'iperfMulti' } |
最后，进入mininet/util目录，重新编译安装mininet
|
1 |
$~/mininet/util/install.sh -n |
重启mininet，输入iperf，可用table补全iperfmulti，从而可使用iperfmulti进行流量随机模型的测试。
2.2 概率模型
为mininet添加自定义命令iperfpb，依次为每一台主机（编号为m）分别以概率Pt 、Pa 、Pc 向主机编号为(m+i)、(m+j)、(m+k)的主机发送数据包，通过调用iperf_single,自身以客户端身份按照指定参数发送UDP流，服务器生成的报告以重定向的方式输出到文件中，使用iperfpb命令，主机按概率向其他被选择的主机发起一条恒定带宽的UDP数据流。
概率选择函数
为完成以一定概率选择主机，我们需要实现一个概率选择函数randompick，这个函数可用于以不同的概率从一个列表中随机地选择一些元素。下面为randompick的实现过程：
|
1 2 3 4 5 6 7 8 9 |
def random_pick( self, _list, probabilities): x = random.uniform(0,1) p = None cumulative_probability = 0.0 for item, item_probability in zip(_list, probabilities): cumulative_probability += item_probability p = item if x < cumulative_probability:break return p |
修改mininet/net.py
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 |
def iperfPb (self, bw, period = 60, i = 1,j = 4,k = 64,pt = 0.5,pa = 0.3): base_port = 5001 server_list = [] client_list = [] client_list = [h for h in self.hosts] cli_outs = [] ser_outs = [] host_list = [] host_list = [h for h in self.hosts] pc = 1 - pt - pa p_list = [pt,pa,pc] _len = len(self.hosts) for key in xrange(_len): client = host_list[key] access_host = [host_list[(key+i)%_len],host_list[(key+j)%_len],host_list[(key+k)%_len]] server = self.random_pick(access_host,p_list) server_list.append(server) self.iperf_single(hosts = [client, server], udpBw=bw, port=base_port) sleep(.05) sleep(period) print "test has done" |
修改mininet/cli.py
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 |
def do_iperfpb(self, line): """Multi iperf UDP test with probablity""" args = line.split() if len(args) == 1: udpBw = args[ 0 ] self.mn.iperfMulti(udpBw) elif len(args) == 2: udpBw = args[ 0 ] period = args[ 1 ] err = False self.mn.iperfPb(udpBw, float(period)) else: error('invalid number of args: iperfmulti udpBw period\n' + 'udpBw examples: 1M 120\n') |
修改bin/mn
在mininet/bin目录下修改mn文件，将iperfpb加入到对应的列表中。
|
1 2 3 4 5 |
ALTSPELLING = { 'pingall': 'pingAll', 'pingpair': 'pingPair', 'iperfudp': 'iperfUdp', 'iperfUDP': 'iperfUdp', 'iperfpb':'iperfPb' } |
最后，进入mininet/util目录，重新编译安装mininet：
|
1 |
$~/mininet/util/install.sh -n |
重启mininet，输入iperf，可用table补全iperfpb，从而可使用iperfpb进行流量的概率模型的测试。
测试结果
我们使用mininet仿真数据中心网络的fattree拓扑场景，包含128台主机与80台交换机的8叉fattree网络。流量负载被定义为边缘交换机与主机之间链路上所占用的带宽。下面我们来看看之前我们完成的两种流量模型的结果。
随机模型
在mininet中执行iperfmulti命令，设置带宽参数为0.025M，如下图所示，我们就能看到128台主机随机地向另外一台主机发送数据包：
下面是iperf服务器端生成的报告：
可以看出，这是ip为10.0.0.91的主机向10.0.0.96的主机发送数据包，每隔一秒打印信息，包括带宽，延时抖动，丢包情况等数据。最后，打印测试时间内服务器端总共接收的数据量、平均带宽数据、平均延时抖动和平均丢包情况。
概率模型
在mininet中执行iperfPb命令，设置带宽参数为0.025M，依照概率模型，为每一台主机选取对应主机，发送数据包，如下图所示：
下面是iperf服务器端生成的报告：
可以看出，这是ip为10.0.0.99的主机向10.0.0.98的主机发送数据包，每隔一秒打印信息，包括带宽，延时抖动，丢包情况等数据。最后，打印测试时间内服务器端总共接收的数据量、平均带宽数据、平均延时抖动和平均丢包情况。
作者简介：
张歌，2014/09-至今，北京邮电大学网络技术研究院 网络与交换技术国家重点实验室攻读硕士研究生
