Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Facultad Politécnica
Optimización Multiobjetivo en
Enrutamiento de Redes Definidas por
Software (SDN) para Ahorro de
Energı́a y Despliegue Incremental
Hı́brido
Optimización Multiobjetivo en
Enrutamiento de Redes Definidas por
Software (SDN) para Ahorro de
Energı́a y Despliegue Incremental
Hı́brido
Orientadores:
Prof. Horacio Andrés Legal Ayala, Dr.
Prof. Diego Pinto Roa, Dr.
ii
Datos Internacionales de Catalogación en la Publicación (CIP)
DE BIBLIOTECA CENTRAL DE LA UNA
Bibliografı́a
CDD 616.075 4
Hoja de Aprobación de Tesis
Prof. Dr. Horacio A. Legal Ayala Prof. Dr. Diego P. Pinto Roa
Orientador Co-Orientador
iii
Dedicado a mi esposa Martha.
Sos el motor que me empuja hacia adelante para cumpir todos mis sueños.
Te amo.
Dedicado a mis padres y a mi hermana Claudia.
Gracias por brindarme en esta vida el impulso y el apoyo incondicional para
estudiar.
PedroC
Agradecimientos
PedroC
v
Optimización Multiobjetivo en Enrutamiento de Redes Definidas
por Software (SDN) para Ahorro de Energı́a y Despliegue
Incremental Hı́brido
Autor: Pedro Pablo Céspedes Sánchez
Orientadores:
Prof. Dr. Horacio Legal Ayala.
Prof. Dr. Diego Pinto Roa.
Resumen
El crecimiento de las redes de computadoras a nivel global es inevitable
debido al aumento de usuarios, dispositivos y aplicaciones derivados de con-
ceptos como Internet de las cosas, el procesamiento y análisis de grandes
cantidades de información, o la transmisión de audio y video en vivo, todo
esto ha demandado de los sistemas mayores caracterı́sticas de recursos de
almacenamiento, ancho de banda y alta flexibilidad, entre otras. Por lo an-
terior, han emergido paradigmas para la gestión centralizada de todos los
componentes de una red mediante plataformas tecnológicas totalmente ad-
ministrables, centralizadas y dinámicas; gracias al concepto de las Redes
Definidas por Software (Software Defined Network, SDN). En esta tesis doc-
toral se abordaron y aportaron cuatro temas principales, el enrutamiento
como optimización, la clasificación de las aplicaciones de SDN alineados con
el enrutamiento y la optimización, la aplicación en el ahorro de energı́a, el
despliegue incremental en redes SDN hı́bidas y ambas de manera conjunta.
Se pudo explorar el estado del arte, analizando y clasificando los métodos de
enrutamiento en SDN con énfasis en los abordajes que lo tratan como pro-
blema de optimización, con ello se logró tener una visión sistémica y holı́stica
del nuevo paradigma SDN. Mediante los hallazgos realizados se consiguió
identificar los problemas en los que el paradigma SDN ofrece ventajas alinea-
das al enrutamiento y son aplicados los diferentes métodos de optimización.
Se aplicaron a los problemas de ahorro de energı́a y despliegue incremental
hı́brido, realizando la formulación matemática y el diseño de metaheurı́sticas
con algoritmos genéticos. Los resultados obtenidos fueron competitivos con
vi
los trabajos del estado del arte. Finalmente, se presenta y discute el pro-
blema de ahorro de energı́a en las redes SDN hı́bridas.
vii
Multi-Objective Optimization in Software-Defined Networking
(SDN) Routing for Energy Savings and Hybrid Incremental
Deployment
Author: Pedro Pablo Céspedes Sánchez.
Advisors:
Prof. Dr. Horacio Legal Ayala.
Prof. Dr. Diego Pinto Roa.
Summary
The growth of computer networks at a global level is inevitable due to
the increase in users, devices and applications derived from concepts such
as the Internet of Things, the processing and analysis of large amounts of
information, or the transmission of live audio and video, all of which has
demanded greater storage resources, bandwidth and high flexibility from the
systems, among others. Therefore, paradigms have emerged for the central-
ized management of all the components of a network through fully manage-
able, centralized and dynamic technological platforms; thanks to the concept
of Software Defined Networks (SDN). In this doctoral thesis four main topics
were addressed and contributed, routing as optimization, the classification
of SDN applications aligned with routing and optimization, the application
in energy saving, incremental deployment in hybrid SDN networks and both
together. The state of the art was explored, analyzing and classifying routing
methods in SDN with emphasis on approaches that treat it as an optimiza-
tion problem, thus achieving a systematic and holistic view of the new SDN
paradigm. By means of the previous findings, it was possible to identify
the problems in which the SDN paradigm offers advantages aligned to rout-
ing and the different optimization methods are applied. They were applied
to the problems of energy saving and hybrid incremental deployment, per-
forming the mathematical formulation and design of meta-heuristics with
genetic algorithms. The results obtained were competitive with state-of-the-
art works. Finally, the energy saving problem in hybrid SDNs is introduced
and discussed.
viii
Keywords: Software-defined networks, Incremental deployment, Energy
saving, Traffic routing, Multi-objective optimization, Evolutionary Algorithms.
ix
Apéndice General
1 Introducción 1
1.1 Relevancia y Originalidad . . . . . . . . . . . . . . . . . . . . 4
1.2 Problemas de Investigación . . . . . . . . . . . . . . . . . . . . 5
1.3 Objetivo General . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.4 Objetivos Especı́ficos . . . . . . . . . . . . . . . . . . . . . . . 6
1.5 Contribuciones . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.5.1 Publicaciones en revistas . . . . . . . . . . . . . . . . . 7
1.5.2 Publicaciones en congresos . . . . . . . . . . . . . . . . 7
1.6 Organización de la Tesis . . . . . . . . . . . . . . . . . . . . . 8
I Revisión de la Literatura 9
x
2.1.2.2 Enfoques de enrutamiento en SDN . . . . . . 15
2.1.2.3 Desafı́os en enrutamiento SDN . . . . . . . . 17
2.1.2.4 Optimización en Enrutamiento SDN . . . . . 18
2.2 Taxonomı́a del Enrutamiento SDN
abordado como Optimización . . . . . . . . . . . . . . . . . . 19
2.2.1 Revisión de la literatura sobre Optimización en Enru-
tamiento SDN . . . . . . . . . . . . . . . . . . . . . . . 19
2.2.2 Palabras claves de búsqueda . . . . . . . . . . . . . . . 19
2.2.2.1 Filtrado por Editorial . . . . . . . . . . . . . 21
2.2.2.2 Lectura de Resumen, Introducción y Conclusión 21
2.2.2.3 Sub-clasificación según lı́nea de aplicación . . 22
2.3 Resumen de la revisión de la literatura . . . . . . . . . . . . . 23
2.3.1 Routing . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.3.2 Calidad de servicio (QoS) . . . . . . . . . . . . . . . . 26
2.3.3 Network Function Virtualization (NFV) . . . . . . . . 28
2.3.4 Multidifusión (Multicast) . . . . . . . . . . . . . . . . . 31
2.3.5 Multipath . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.3.6 Wireless . . . . . . . . . . . . . . . . . . . . . . . . . . 35
2.3.7 Optical-Network . . . . . . . . . . . . . . . . . . . . . 37
2.4 Ahorro de Energı́a en Redes de Comunicación . . . . . . . . . 39
2.4.1 Ahorro de Energı́a en SDN . . . . . . . . . . . . . . . . 41
2.4.1.1 Soluciones de eficiencia energética basadas en
software . . . . . . . . . . . . . . . . . . . . . 42
2.4.1.2 Soluciones de eficiencia energética basadas en
hardware . . . . . . . . . . . . . . . . . . . . 43
2.4.2 Trabajos Relacionados . . . . . . . . . . . . . . . . . . 44
2.5 SDN Hı́brido . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
2.5.1 Técnicas de despliegue . . . . . . . . . . . . . . . . . . 48
2.5.1.1 Técnica por Reemplazo . . . . . . . . . . . . 49
2.5.1.2 Técnica por Adición . . . . . . . . . . . . . . 51
2.5.1.3 Técnica de Adición vs. Reemplazo . . . . . . 52
2.5.2 Trabajos Relacionados . . . . . . . . . . . . . . . . . . 53
xi
II Ahorro de Energı́a en SDN 58
xii
3.5.1 Ambiente Computacional . . . . . . . . . . . . . . . . 77
3.5.2 Configuraciones de Experimentación . . . . . . . . . . 78
3.5.3 Resultados Numéricos . . . . . . . . . . . . . . . . . . 79
3.5.3.1 Ubicación del Controlador . . . . . . . . . . . 80
3.5.3.2 Análisis de Desempeño con Tráfico Estático . 84
3.5.3.3 Análisis de Desempeño con Tráfico Incremen-
tal con y sin Re-Ruteo . . . . . . . . . . . . . 85
3.5.3.4 Análisis de Desempeño con Tráfico Dinámico 88
3.6 Resumen de resultados - Parte II . . . . . . . . . . . . . . . . 94
3.7 Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
xiii
5.2 Implementación del MRD . . . . . . . . . . . . . . . . . . . . 125
5.3 Formulación del problema MRD . . . . . . . . . . . . . . . . . 126
5.4 Modelo RD MOLP . . . . . . . . . . . . . . . . . . . . . . . . 127
5.5 MRD basado en Algoritmos Evolutivos . . . . . . . . . . . . . 129
5.5.1 RD MOGA . . . . . . . . . . . . . . . . . . . . . . . . 129
5.5.2 RD MOEA . . . . . . . . . . . . . . . . . . . . . . . . 130
5.5.3 Métodos Evolutivos . . . . . . . . . . . . . . . . . . . . 130
5.5.3.1 Parámetros de Entrada . . . . . . . . . . . . 131
5.5.3.2 Cromosoma . . . . . . . . . . . . . . . . . . . 132
5.5.3.3 Inicialización de la población: Generar . . . . 133
5.5.3.4 Operador evolutivo: Evolucionar . . . . . . 133
5.5.3.5 Evaluación de la solución: Evaluar . . . . . . 135
5.5.3.6 Ranking y Crowding . . . . . . . . . . . . . . 136
5.6 Pruebas experimentales y resultados . . . . . . . . . . . . . . 136
5.7 Esquema de simulación . . . . . . . . . . . . . . . . . . . . . . 137
5.8 Entorno de Simulación . . . . . . . . . . . . . . . . . . . . . . 139
5.9 Resultados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
5.10 Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146
xiv
V Conclusiones y Trabajos Futuros de la Tesis 167
xv
Lista de Figuras
xvi
2.13 En la técnica de reemplazo se seleccionan los dispositivos 3 y
4 para cambiarlos por dispositivos SDN. . . . . . . . . . . . . 50
2.14 En la técnica por adición se agregan los dispositivos SDN 7 y
8 para aumentar la capacidad global de la red. . . . . . . . . . 51
xvii
4.8 Medición de QoS bajo diferentes cargas de tráfico . . . . . . . 119
xviii
Lista de Tablas
xix
4.3 Variables del modelo . . . . . . . . . . . . . . . . . . . . . . . 103
4.4 Topologı́as estudiadas [1] . . . . . . . . . . . . . . . . . . . . . 123
4.5 Parámetros Evolutivos Ajustados. . . . . . . . . . . . . . . . . 123
4.6 Tiempo de Ejecución por cada topologı́a . . . . . . . . . . . . 123
xx
Lista de Abreviaturas
xxi
IEEE: Institute of Electrical and Electronics Engineers.
IGMP: Internet Group Management Protocol.
IGP: Interior Gateway Protocol.
ILP: Integer Linear Programming.
IoT: Internet de las cosas.
IP: Internet Protocol.
iPRDR: Intelligent Power Reduction Decision Routing.
IPTV: Internet Protocol TV.
KSP: k shortest path routing.
LEO: Low Earth Orbit.
LLDP: Link Layer Discovery Protocol.
LSA: Link State Advertisement.
MA: Markov Approximation.
MAC: Media Access Control.
MAM: Multi-objective problem solved as mono-objective.
MDT: Multicast Distribution Tree.
MGA: Modified-Greedy Algorithm.
MILP: Mixed-Integer Linear Programming.
MIP: Mixed-Integer Programming.
MIQP: Mixed Quadratic Integer Programming.
MLU: Maximum Link Utilization.
MDPI: Multidisciplinary Digital Publishing.
MOEA: Multi-objective Evolutionary Algorithm.
MOGA: Multi-objective Genetic Algorithm.
MOLP: Multi-objective Linear Programming.
MOP: Mono-Objective Optimization Approach.
MRD: Multi-objective RD problem.
MRT: Multicast Route Management.
NAT: Network Address Translation.
NFV: Network Function Virtualization.
ONF: Open Networking Foundation.
OPEX: OPerational EXpenditure.
OSA: Optical Society of America.
xxii
OSPF: Open Shortest Path First.
PIM: Protocol Independent Multicast.
PMO: Pure Multi-Objective Optimization Problem.
PMX: Partial Map Crossover.
PoP: Point of Presence.
QoS: Quality of Service.
RAM: Random Access Memory.
RC: Replacement Cost. Replacement Cost
RD: Replacement deployment.
RD-MOEA: Replacement deployment - MOEA.
RD-MOGA: Replacement deployment - MOGA.
RD-MOLP: Replacement deployment - MOLP.
RDA: Routing and Device Assigment.
RDA-GA: Routing and Device Assigment - Genetic Algorithm.
SA: Simulated Annealing.
SDM: Software Defined Multicast.
SDN: Software Defined Network.
SDON: Software-Defined Optical Networking.
SDR: Software Defined Radio.
SDRAM: Synchronous Dynamic Random-Access Memory.
SDOWN: Software Defined Optical Wireless Network.
SFC: Service Function Chain.
SGA: Super-Greedy Algorithm.
SMA: Static Migration Algorithms.
SP: shortest path routing.
SVC: Scalable video coding.
TCAM: Ternary Content-Addressable Memory.
TCP: Transmission Control Protocol.
TE: Traffic Engineeging.
TLS: Transport Layer Security.
UDP: User Datagram Protocol.
VANETS: Vehicular Ad hoc Networks.
VLAN: Virtual Local Area Network.
xxiii
VNE: Virtual Network Embedding.
VNF: Virtualized Network Function.
WAMS: Wide Area Measurement System.
WAN: Wide Area Network.
xxiv
Lista de Sı́mbolos
Sı́mbolo Descripción
A Tráfico de llegada al nodo u desde los nodos u′ .
a(u) Consumo energético del chasis.
α Tasa de consumo de energı́a por el chasis.
α1 Ponderación del costo de reemplazo de un nodo en la
topologı́a, α1 ∈ [0, 1].
α2 Ponderación del costo de agregación de un nodo en la
topologı́a, α2 ∈ [0, 1].
A Conjunto de algoritmos.
a(u) Consumo energético del chasis.
B Tráfico de salida desde el nodo u a los nodos u′′ .
b(vu ) Consumo energético del line card.
β Tasa de consumo por las tarjetas de lı́nea.
βh Ponderación de la calidad del servicio brindado por la red,
βh ∈ [0, 1].
Ca Variable real que representa el costo total de agregar los nodos
potenciales seleccionados con capacidades SDN.
Cc Variable real que representa el costo total de reemplazar
los nodos tradicionales por otros con compatibles con el
paradigma SDN.
Ct Controlador, Ct ∈ V − Vs .
c(pvu , qv′ u′ ) Consumo energético del enlace.
c′ (pvu , qv′ u′ ) Consumo energético del enlace con utilización mayor al 50%.
xxv
CL Variable real que representa el costo total de enrutar todo el
tráfico a través de la red.
CN 1 Costo de reemplazo de un dispositivo actual.
CN 2
Costo de agregar un dispositivo.
CR1 Costo por enrutamiento en un enlace fı́sico existente.
CR 2
Costo de agregar un enlace fı́sico.
δ Ponderación del costo de enrutar el tráfico dentro de la red,
δ ∈ [0, 1].
E Conjunto de enlaces.
E1 Conjunto de aristas que representan a los enlaces en la red
actual, E1 = {e1 , . . . , em1 } con m1 = |E1 |.
E2 Conjunto de aristas que representan a los enlaces candidatos
que pueden ser agregados a la topologı́a, E2 = {e1 , . . . , em2 }
con m2 = |E2 |.
E +
Conjunto de aristas que representan a los enlaces existentes y
los candidatos a ser agregados a la topologı́a, E + = E1 ∪ E2
y m = |E + |.
F Conjunto de peticiones que serán atendidos, F = {f1 , . . . , fw }
con w = |F |.
f Petición conformado por nodos origen y destino s, d ∈ V1 y
carga de tráfico solicitado ϕ ∈ ℜ, f = (s, d, ϕ).
f1 función de tasa de los flujos bloqueados.
f2 función de consumo de energı́a.
fm (pvu , qv′ u′ ) Ancho de banda del flujo km que pasa entre el enlace
(pvu , qv′ u′ ).
γ Tasa de consumo de los enlaces activos.
γ ′
Representa el consumo extra de energı́a de los enlaces que
utilizan más del 50% de su capacidad.
G Conjunto de topologı́as.
G Grafo no dirigido que representa la topologı́a de red actual
tradicional, G = (V1 , E1 ).
xxvi
G(V, E) Grafo que representa la red para el ahorro de energı́a.
G+ Grafo no dirigido que representa la topologı́a de red extendida
con los nodos actuales y los nodos candidatos a ser agregados
con los enlaces correspondientes, G+ = (V + , E + ).
i, j Índice a todos los dispositivos tanto existentes como poten-
ciales, i, j ∈ {1, . . . , n}.
i1 , j1 Índices correspondientes a los dispositivos existentes original-
mente en la topologı́a, i1 , j1 ∈ {1, ..., n1 }.
i2 , j2 Índices correspondientes a los dispositivos candidatos a ser
agregados a la topologı́a, i2 , j2 ∈ {1, ..., n2 }.
im Nodo Origen del flujo km .
jm Nodo Destino del flujo km .
κ Capacidad de tráfico de un enlace fisico.
κl Capacidad de tráfico el l-ésimo enlace fı́sico.
K Conjunto de flujos en la red.
km m-ésimo flujo.
λ1 Ponderación de la función objetivo f1 .
λ2 Ponderación de la función objetivo f2 .
l Índice a todos los enlaces tanto existentes como potenciales,
l ∈ {1, . . . m}.
l1 Índice correspondientes a los enlaces existentes originalmente
en la topologı́a, l1 ∈ {1, ..., m1 }.
l2 Índice correspondientes a los enlaces candidatos a ser agrega-
dos a la topologı́a, l2 ∈ {1, ..., m2 }.
µ Parámetro evolutivo que representa la tasa de mutación.
probm Probabilidad de mutación.
pvu p-ésimo puerto transmisor del v-ésimo line card del nodo u.
qv′ u′ q-ésimo puerto receptor del v-ésimo line card del nodo u.
r Índices correspondientes a los flujos que serán atendidos en la
red, r ∈ {1, ..., w}.
xxvii
rm Demanda de ancho de banda del flujo km .
RS Conjunto de solicitudes.
S Tamaño de la población.
SP Camino más corto.
θ1 y θ2 Padres progenitores.
T Tabla de k rutas más cortas.
t Vector binario que codifica el flujo controlado por SDN.
tr Variable binaria que toma el valor 1 si el r-ésimo flujo es flujo
SDN, 0 en otro caso.
ω Tupla de cuatro partes del cromosoma.
π Vector de permutación que codifica la secuencia de las solici-
tudes a se atendidas.
ϕr Cantidad de ancho de banda necesaria para el flujo r.
P Población de individuos.
P Primera población de individuos.
PS Set de Pareto.
PS Conjunto de soluciones no dominadas.
(pvu , qv′ u′ ) Conexión entre puertos transmisor-receptor en el enlace fı́sico
(u, u′ ) ∈ Es ,
Q Variable real que representa la calidad de servicio total del
modelo.
ρj−1 Población de la generación anterior.
ρ j
Población de la generación actual.
ρ∗ Mejor individuo de la población.
u Nodo conmutador, u ∈ Vs .
uri Variable binaria que toma el valor 1 si el flujo r pasa en el
i-ésimo nodo SDN.
τb Tasa de ruido para el gen binario.
τπ Tasa de ruido para el gen de permutación.
V Conjunto de conmutadores y controlador.
V1 Conjunto de vértices que representan a los dispositivos exis-
tentes en la red actual, V1 = {v1 , . . . , vn1 } con n1 = |V1 |.
xxviii
V2 Conjunto de vértices que representan a los dispositivos can-
didatos que pueden ser agregados a la topologı́a, V2 =
{v1 , . . . , vm2 } con m2 = |V2 |.
V +
Conjunto de vértices que representan a los dispositivos ac-
tuales y los candidatos a ser agregados a la topologı́a, V + =
V1 ∪ V2 y n = |V + |.
Vh Conjunto de vértices que representan dispositivos existentes
en la red actual siendo n =| V |.
vπ Representa el parámetro evolutivo de la tasa de ruido de per-
mutación.
vlr1 Variable binaria que toma el valor 1 si el l1 -ésimo link es parte
del camino elegido para el r-ésimo flujo.
Vs Conjunto de conmutadores, Vs ⊂ V .
vu v-ésimo line card del nodo u.
v y
Representa el parámetro evolutivo de la tasa de ruido en Bit-
Flipping.
W (pvu , qv′ u′ ) Capacidad del enlace.
xrl Variable binaria que toma el valor 1 si el enlace l forma parte
del camino elegido para el r-ésimo flujo.
x(u) 1, si está activo el chasis, 0, otro caso.
y c
Vector binario de longitud n1 que codifica el reemplazo de un
nodo.
y a
Vector binario de longitud n2 que codifica la adición de un
nodo.
yi Variable binaria que toma el valor 1 si el i-ésimo nodo debe
ser reemplazado o agregado, 0 en otro caso.
y(vu ) 1, si está activo el line card, 0, otro caso.
ζ1 y ζ2 Hijos.
z(pvu , qv′ u′ ) 1, si está activo el enlace, 0, otro caso.
z ′ (pvu , qv′ u′ ) 1, si está activo el enlace y con utilización es mayor al 50%,
0, otro caso.
xxix
zir Variable auxiliar entera que permite la eliminación de ciclos
en el r-ésimo flujo.
xxx
Capı́tulo 1
Introducción
1
de la red, ya que se desacopla del plano de datos. Por lo tanto, los opera-
dores de red pueden administrar, configurar y optimizar de manera fácil y
rápida los recursos de red con programas dinámicos, automatizados y libres
de propiedad escritos por ellos mismos en el marco de la arquitectura SDN
[216], [23]. En la Figura 1.1, se puede observar de manera gráfica la diferencia
entre la arquitectura tradicional y la arquitectura SDN.
2
los propósitos mencionados anteriormente.
Con las promesas de una configuración mejorada, un rendimiento mejo-
rado y una innovación estimulada, no se debe perder de vista que SDN
continua en una fase de crecimiento, muchos desafı́os y temas de investi-
gación en los diferentes planos siguen vigentes [250], tales como: el problema
de ubicación del controlador, punto único de falla, la seguridad, escalabili-
dad, rendimiento, normalización, lenguajes de programación, la ingenierı́a de
tráfico, redes virtuales y el enrutamiento.
Los algoritmos de enrutamiento de las redes legadas2 descentralizadas
no son aplicables en el nuevo paradigma SDN [136]. El modelo centralizado
plantea la necesidad de contar con algoritmos de enrutamiento que satisfa-
gan los requisitos de SDN y podrı́a considerarse uno de los desafı́os más
relevantes, incluidos temas de investigación importantes a la luz del enruta-
miento como: la escalabilidad, calidad del servicio (Quality of Service, QoS),
ahorro de energı́a, virtualización de las funciones de red (Network Function
Virtualization, NFV), enrutamiento Multicast y Multipath, enrutamiento en
redes ópticas e inalambricas y el enrutamiento en las redes SDN Hı́bridas
(Hybrid Software Defined Networks, HSDN). Los desafı́os antes mencionados
encuentran un campo fértil en la visión global de la red con que cuenta SDN
ya que la información sobre el estado de la red y la topologı́a se mantienen
en el plano de control [136].
El presente trabajo se centra en el enrutamiento en redes SDN tratado
como problema de optimización. Especı́ficamente se abordan las lı́neas más
estudiadas y que mayor provecho obtienen del nuevo paradigma: la opti-
mización del ahorro de energı́a [71] y [145], el mejoramiento de las técnicas
de despliegue en SDN hı́brido [240], [61] aplicando metaheurı́sticas con algo-
ritmos evolutivos para obtener resultados competitivos.
2
En el contexto de este trabajo se utiliza indistintamente los términos legada, heredada
y tradicional haciendo referencia al paradigma de las redes actuales.
3
1.1 Relevancia y Originalidad
Las limitaciones de las redes implementadas actualmente3 estaban propi-
ciando un estancamiento en el cumplimiento de los requisitos y desafı́os de
la red, planteados por la evolución de las tendencias informáticas (como el
cambio de patrones de tráfico, inteligencia de datos y necesidades asociadas,
el aumento de los servicios en la nube y las tendencias al consumo de aplica-
ciones y tecnologı́a en la sociedad).
Para enfrentar los desafı́os, las redes SDN están a la vanguardia y se
han convertido en la columna vertebral de la economı́a de las aplicaciones,
es una tecnologı́a que cambió las reglas de juego y una importante fuerza
de transformación, es una forma avanzada de virtualización de red. Separa
fı́sicamente el plano de control de la red del plano de reenvı́o (plano de datos)
para controlar varios dispositivos y administrar los servicios de red a través
de la abstracción de la funcionalidad de bajo nivel. Proporciona soporte para
las necesidades de almacenamiento y computación dinámica y escalable de
las redes digitales complejas actuales y permite el control adaptativo y las
operaciones de redes de manera rentable.
Pero se debe tener presente que SDN no es la panacea, viene con sus
propios desafı́os tales como: en el diseño de la red resaltan la escalabili-
dad, tolerancia a fallas, flexibilidad y elasticidad. Otros problemas de im-
plementación analizan la gestión de recursos y la virtualización. Del mismo
modo, la latencia, la eficiencia y la coherencia discuten la medida de bajo
rendimiento. Por último, la seguridad y la depuración del código en la veri-
ficación de SDN también son problemas abiertos. Cada uno de los desafı́os
citados se desarrollan de manera inextensa en [214]. En todo este amplio con-
texto de desafı́os, de manera transversal el enrutamiento es uno de los temas
de interés vigente, sobre todo abordado como problema de optimización y
resueltos con estrategias de inteligencia artificial.
En esta tesis doctoral, se abordan dos casos considerados relevantes y
3
(por ejemplo, dependencia del proveedor, actividades complejas y que requieren mucho
tiempo de implementar polı́ticas a nivel de red, y agregar y mover dispositivos, alto riesgo
de interrupción del servicio, incapacidad para escalar fácilmente)
4
vigentes que involucran el enrutamiento como problema de optimización y
que son aplicados al Ahorro de Energı́a y el despliegue de SDN hı́bridas. Para
cada uno de los casos se propone la formulación matemática definiendo la o
las funciones objetivo y las restricciones, luego para mejorar el rendimiento
del proceso de optimización se proponen estrategias de algoritmos evolutivos
mono y multiobjetivos[53]. Los abordajes y soluciones propuestas, en el mejor
de nuestro conocimiento aún no fueron reportadas en la literatura. También,
se plantea el problema de realizar de manera conjunta el ahorro de energı́a
en las redes SDN hı́bridas.
Para el caso de ahorro de energı́a, en el esquema propuesto se tuvieron
en cuenta el uso del enlace, el chasis, el line card, el puerto y la ubicación
del controlador. Ninguno de los trabajos de la literatura revisada, considera
todos los factores de ahorro de energı́a simultáneamente.
En el despliegue SDN Hı́brido, la novedad de la propuesta radica en la
hibridación de las técnicas de despliegue incremental, se propone una técnica
que busque la estrategia más óptima posible para la ubicación de dispositivos
SDN en una red tradicional, combinando las técnicas de adición y reemplazo.
Este abordaje hı́brido de técnicas no fue reportado con anterioridad. Una
variante es el abordaje puramente multiobjetivo propuesto e implementado
que en el mejor de nuestro conocimiento no fue reportado hasta el momento
en la literatura.
Un caso convergente, entre las dos lı́neas de investigación, el cual es
tratado en la parte final de la tesis, es la de aplicar algoritmos de ahorro de
energı́a en las redes SDN hı́bridas. Como la transición natural del paradigma
tradicional al puramente SDN se está dando de manera práctica por medio
de las HSDN, se plantea el problema, los trabajos actuales del estado del arte
y los desafı́os abiertos que puedan ser de interés para los investigadores de la
comunidad.
5
optimización enfocado en las lı́neas más estudiadas y que mayor provecho
obtienen del nuevo paradigma. En particular, se investigan los siguientes
problemas y casos:
Para hacer frente a los desafı́os de investigación asociados con los pro-
blemas de investigación mencionados anteriormente, se trazaron los objetivos
que seguidamente se enuncian.
O2. Identificar los problemas en los que el paradigma SDN ofrece venta-
jas con nuevos abordajes de enrutamiento, en los cuales se aplica la
optimización para la resolución de los mismos.
6
O3. Realizar el modelado y formulación matemática de los problemas de
optimización de Ahorro de Energı́a y SDN Hı́brido para mono y mul-
tiobjetivo.
1.5 Contribuciones
7
1.6 Organización de la Tesis
El trabajo esta dividido en cinco partes y siete capı́tulos. La primera parte
versa sobre la revisión de la literatura en cuanto al tema optimización en
enrutamiento SDN, la segunda sobre el ahorro de energı́a en SDN, la ter-
cera aborda el despliegue SDN hı́brido, la cuarta sobre el ahorro de energı́a
en redes HSDN. En el Capı́tulo 1 se presentan la introducción, objetivos y
principales aportes de la tesis. En el Capı́tulo 2 se presenta la revisión de
la literatura respecto al tema tratado. En el Capı́tulo 3 se presenta la opti-
mización del consumo de energı́a en redes SDN. En el Capı́tulo 4 se presenta
el despliegue incremental hı́brido de redes SDN. El Capı́tulo 5 trata sobre la
variante del problema abordado como multiobjetivo puro del despliegue por
reemplazo de redes SDN. En el Capı́tulo 6 se desarrolla el tema de ahorro
de energı́a en redes SDN hı́bridas. Finalmente, en el Capı́tulo 7 se presentan
las conclusiones generales de la tesis y trabajos futuros.
8
Parte I
Revisión de la Literatura
9
Capı́tulo 2
Taxonomı́a - Optimización en En-
rutamiento SDN
10
(Controller-Data Plane Interface, C-DPI), como por ejemplo el protocolo
OpenFlow.
Como se muestra en la Figura 2.1, la ONF divide verticalmente la
arquitectura SDN en tres planos principales [204]:
Figura 2.1: Descripción general de la arquitectura SDN con sus planos prin-
cipales: plano de datos, plano de control y plano de aplicación [204].
11
para la comunicación entre los controladores y los dispositivos de plano de
datos.
- Plano de controlador: un plano de controlador SDN consta de uno
o más controladores SDN basados en software para proporcionar una fun-
cionalidad de control mediante la supervisión del comportamiento de reenvı́o
de la red a través de C-DPI. Tiene interfaces para permitir la comunicación
entre los controladores en un plano de control llamado Interfaz de plano
de controlador intermedio (Intermediate-Controller Plane Interface, I-CPI)
[151], opcionalmente asegurado mediante TLS, entre controladores y dispo-
sitivos de red C-DPI, y también entre controladores y aplicaciones por medio
de las APIs hacia el norte denominada Interfaz de Plano del Controlador de la
Aplicación (Application-Controller Plane Interface, A-CPI). Un A-CPI rep-
resenta la comunicación posible entre las aplicaciones y el controlador para
la seguridad, gestión de la red y otras requeridas por el usuario. Un con-
trolador consta de dos componentes principales: Componentes funcionales y
lógica de control. Los controladores incluyen más de un componente funcional
como coordinador, virtualizador, etc. para administrar el comportamiento
del controlador. Además, la lógica de control mapea los requisitos de red de
las aplicaciones en instrucciones para los recursos de elementos de red [204].
- Plano de aplicación: un plano de aplicación SDN consiste en una
o más aplicaciones de red (por ejemplo, seguridad, visualización, etc.) que
interactúan con el controlador para utilizar la vista abstracta de la red para
sus procesos internos de toma de decisiones. Estas aplicaciones se comuni-
can con el controlador a través de un A-CPI abierto (por ejemplo, REST
API. Una aplicación SDN se compone de una lógica de aplicación SDN y un
controlador A-CPI.
Se considera necesario precisar la terminologı́a a ser utiliazada a lo largo
del libro respecto a los dispositivos del plano de datos. En algunas ocaciones,
se utiliza de manera indistinta el termino conmutador o router dependiendo
del autor, consideramos que lo correcto serı́a conmutador SDN, ya que como
se vio en la arquitectura SDN se desacoplan el plano de control y el de datos.
En el dispositivo de red de acceso queda la parte del plano de datos y la parte
de enrutamiento migran al controlador. Se puede normalizar a conmutador
12
SDN, en inglés en la mayorı́a de los casos encontraremos como SDN Switch.
Por otro lado, los nodos en la mayorı́a de los casos hacen referencia al con-
mutador SDN, en algunos casos incluye al controlador, pero por lo general se
suele diferenciar con otra notación. Cuando se habla de routers o enrutadores
comunmente se hace referencia a los dispositivos tradicionales (no SDN).
13
depende de los marcos de enrutamiento existentes y protocolos.
Para lograr una red SDN independiente y auto-sostenida, que puede
interactuar con otra red, que tiene reglas/polı́ticas conflictivas y posee estados
de red consistentes, el enrutamiento es un desafı́o hasta ahora. En [136] se
estudian varias técnicas que proporcionan el enrutamiento en SDN. Algunas
de estas técnicas de enrutamiento se presentaron antes que el concepto de
SDN surgiera, con diferentes motivaciones y conceptos.
El modelo de enrutamiento en SDN, se aproxima bastante a la pro-
puesta RouteFlow1 [182], donde una entidad central (nodo controlador) ac-
tua como responsable de la ruta de cálculo y la toma de decisiones en nombre
de los dispositivos de reenvı́o utilizando alguna topologı́a virtual que se ma-
pearı́a en la topologı́a fı́sica, como se muestra en la Figura: 2.2.
1
https://routeflow.github.io/RouteFlow/
14
2.1.2.2 Enfoques de enrutamiento en SDN
15
de convergencia de la red al reducir el estado que se distribuirá en la
red, (2) mejorar la disponibilidad del controlador al manejar localmente
las fallas de enlace en tiempo real, (3) Optimizar la ubicación de los
controladores para reducir los efectos de las latencias de propagación
en las WAN. Una publicación referente en este enfoque es [220].
16
buena práctica y ha habido más interés en escribir lenguajes de polı́ticas
expresivos de alto nivel mientras se abstrae el enrutamiento a protoco-
los de bajo nivel. Dos trabajos que abordan este enfoque son [227] y
[21].
17
múltiples controladores en un único dominio [265], donde el controlador está
lógicamente centralizado, pero proporciona un número suficiente de contro-
ladores y utiliza el mensaje publicar/suscribir para la propagación de eventos.
La otra técnica que se utiliza para reducir la carga en el controlador es DI-
FANE que fuera propuesta en la publicación [265], también HyperFlow se
propuso en [231], donde los flujos grandes son paquetes en el controlador y
los flujos pequeños son gestionados por la ruta de datos. El otro problema de
escalabilidad en SDN es la escalabilidad de plano de datos. En dicha escala-
bilidad, la consistencia de las reglas y la interacción global con el controlador
se considera generalmente en términos de procesamiento de paquetes, tiempo
de respuesta y administración de carga en un solo conmutador a controlador
o múltiples conmutadores. El tiempo de respuesta depende de la distancia
del conmutador, del controlador y la carga en el enlace, etc. Otro factor que
efectúa la escalabilidad del plano de datos es el tamaño de la tabla de flujo
que crece con el número de reglas de flujo.
Escalabilidad, equilibrio de carga y simplicidad son algunos de los atri-
butos claves que debe proporcionar el enrutamiento en SDN. En este sentido,
hay un gran espacio para el desarrollo de nuevas estrategias de enrutamiento
de una manera sencilla y escalable que puede satisfacer los requisitos de SDN.
18
2.2 Taxonomı́a del Enrutamiento SDN
abordado como Optimización
En esta sección se responde la pregunta: ¿Cómo se aborda el enrutamiento
en SDN tratado como problema de optimización y cómo se clasifican según
su lı́nea de aplicación?. Para ello, en cumplimiento de los objetivos O1 y
O2, se describe la metodologı́a utilizada en la revisión de la literatura, se
destacan los métodos de enrutamiento en SDN tratados como problema de
optimización, obteniendo una comprensión sistemática de los enfoques exis-
tentes. También se presenta una clasificación de los estudios realizados refe-
rente a Optimización en Enrutamiento SDN y las lı́neas en las que se aplican
las mismas, identificando los problemas en los que el paradigma SDN ofrece
ventajas con nuevos abordajes.
19
Figura 2.3: Proceso de selección y filtrado de artı́culos en la literatura sobre
Enrutamiento en SDN tratado como problema de optimización.
20
work, (4) Optimization Routing algorithms in SDN Networks o (5) SDN Net-
work optimization routing open problems. Posterior a la actualización vigente
(último corte)4 , realizada en febrero de 2020, la combinación de búsqueda de
palabras clave dió como resultado 299 artı́culos.
Teniendo en cuenta los 277 artı́culos resultantes del paso anterior, se realizó
la lectura del resumen, introducción y conclusión para identificar los artı́culos
más relevantes que estudian especı́ficamente el problema de enrutamiento en
Redes SDN y son tratados como problema de optimización. Luego de este
proceso, se seleccionaron 251 artı́culos de investigación de la literatura.
Por último, se desestimaron los documentos breves (es decir, artı́culos
de investigación con cuatro o menos páginas) de la literatura seleccionada,
lo que resultó en 248 artı́culos seleccionados de la literatura enrutamiento en
SDN, para el estudio detallado presentado en esta tesis.
4
Durante la revisión de la literatura, dada la dinámica creciente de publicaciones, se
hicieron cortes de actualización en las siguientes fechas: JUL17, SEP17, FEB18, AGO18,
FEB19, JUL19 y FEB20.
21
Figura 2.4: Porcentaje de artı́culos por editorial.
Luego del último filtrado que arrojó 248 artı́culos, se procedió a subclasificar
según las lı́neas de investigación en las que mayor impacto tienen las ven-
tajas de SDN y generarón mayor cantidad de publicaciones sostenidas en el
tiempo. Las lı́neas encontradas fueron: Enrutamiento puro, Ahorro de E-
nergı́a, QoS, redes SDN Hı́bridas, Multidifusión, Multipath, redes inalambri-
cas, NFV, redes ópticas y otros (Segment-Routing, Cloud, Load Balancing,
Rule-Optimization, Rule-Placement, Traffic-Engineering, Virtual-Network).
La distribución se puede ver en la Figura 2.5 y con más detalle en los últimos
diez años en la Figura 2.6. En la misma, se puede destacar que desde el año
2010 se encontraron publicaciones referentes a la aplicación de SDN en QoS,
lo cual persiste hasta la fecha. Las primeras publicaciones sobre HSDN se
encontrarón desde el 2013 y también persisten fuertemente hasta nuestros
dı́as. Las primeras publicaciones halladas sobre la aplicación de SDN en el
Ahorro de Energı́a datan del año 2014. En los siguientes años fueron apare-
22
ciendo las demás lı́neas de investigación y las lı́neas de Qos, Energy-Aware y
HSDN demostraron su sostenibilidad. Los detalles del año 2020 correspon-
den a publicaciones del primer mes del año, por ello muestran valores no muy
altos.
23
Figura 2.6: Sub-clasificación por lı́neas de aplicación, por cantidad de
artı́culos por año.
24
Figura 2.7: Sub-clasificación por lı́neas seleccionadas en los últimos cinco
años.
2.3.1 Routing
El enrutamiento en redes SDN ya se trató brevemente en la subsección
2.1.2, por lo que se pasará directamente a mencionar las sublineas de in-
vestigación encontradas en los 45 trabajos de investigación analizados. Las
lı́neas destacables son: QoS, ingenierı́a de tráfico, redes WAN, enrutamiento
entre dominios, virtualización, enrutamiento anycast, redes de datacenters,
balanceo de carga, red centrada en la información, Memoria ternaria di-
reccionable por contenido (Ternary Content-Addressable Memory, TCAM),
enrutamiento para transmisión de video, ancho de banda efectivo, uso de
Unidad de Procesamiento Gráfico (Graphics Processing Unit, GPU), fibbing,
tiempo real, IoT industrial, redes vehiculares ad hoc (Vehicular Ad hoc Net-
25
works, VANETS) y asignación de recursos de redes ópticas. En los siguientes
survey: [136], [92], [8], [40] y [93] se dispone de mayor información sobre
enrutamiento en SDN.
26
enrutamiento motivados por la calidad de servicio para sus redes.
SDN también puede ayudar a los operadores de red a crear marcos de
gestión de QoS automatizados potentes y fáciles de usar mediante la reserva
de recursos y la gestión de colas y la programación de paquetes para sus redes.
El aprovisionamiento de QoS para aplicaciones de red requiere un mecanismo
de control bien definido debido a la naturaleza dinámica de los recursos de
red. A medida que SDN brinda capacidades para obtener una vista global
de la red, la configuración de QoS se vuelve más fácil en comparación con las
arquitecturas de red tradicionales.
La mejora de la calidad de experiencia (Quality of Experience, QoE)
del usuario también puede beneficiarse de las capacidades de SDN. La sa-
tisfacción del usuario no se puede garantizar simplemente proporcionando
ciertos parámetros de QoS, ya que estos parámetros de red de bajo nivel rep-
resentan los estados de la red en términos de números. Sin embargo, la satis-
facción real del usuario (es decir, QoE) puede requerir diferentes parámetros
de QoS que pueden cambiar dinámicamente con el tiempo. La capacidad de
SDN para gestionar los flujos de red de forma más detallada mediante reglas
de flujo a través de un control automatizado puede ayudar a mejorar la QoE
del usuario en una red.
Además, la tarea de monitoreo de red es otra función que SDN puede
ayudar dentro de una red. La tarea de monitoreo es crucial para una red,
ya que ayuda a detectar y responder hilos, problemas de rendimiento en
tiempo real y predecir comportamientos futuros en una red. SDN permite
a los administradores de red monitorear la dinámica de la red a través de
contadores a niveles muy bajos, como por paquete, por puerto, por tabla,
por cola y por metro.
Finalmente, SDN se puede utilizar para proporcionar QoS de varias
maneras, como el aprovisionamiento de QoS basado en virtualización, la
gestión de polı́ticas de QoS y los mecanismos de entrega de contenido debido
a algunas de sus caracterı́sticas, como el concepto de control por flujo y el
enrutamiento basado en campos de encabezados múltiples.
Las sublı́neas destacables con respecto a QoS en SDN son: QoS Rout-
ing, Multipath routing, red de celulares, gestión de flujos, multicast rout-
27
ing, video streaming, overlay networks, cloud resource allocation, re-routing,
ahorro de energı́a, redes espaciales, actualización adaptable de TCAM, in-
genierı́a de tráfico, redes satelitales de Órbita Terrestre Baja (Low Earth
Orbit, LEO), Sistema de Medida de Área Amplia (Wide Area Measurement
System, WAMS), Red Inalámbrica Óptica Definida por Software (Software
Defined Optical Wireless Network, SDOWN), QoS en tiempo real, NFV, IoT,
enrutamiento dinámico, rule placement, centros de datos. Se destaca que los
abordajes más recurrentes son los que tratan sobre el video streaming y los
nuevos enrutamientos concientes de QoS. Recordemos que QoS es uno de
los temas que mayor provecho sacan del paradigma SDN. En los siguientes
survey: [38], [132], [92], [212], [24], [29], [68], [197], [135], [155] y [172] se
dispone de mayor información sobre QoS en SDN.
28
y el tiempo necesario para implementar actualizaciones se reducen [100].
SDN y NFV se complementan naturalmente y pueden alcanzar su
máximo potencial cuando coexisten, porque ambos comparten el principio
básico de definir el comportamiento de la red con el software. Cuando estas
tecnologı́as se usan juntas, la polı́tica de control de red se separa fácilmente
del mecanismo de enrutamiento y las funciones de red se implementan como
software virtualizado 5 .
En la infraestructura de red actual, existen diferentes tipos de dispo-
sitivos de hardware patentados para realizar operaciones de red esenciales.
Agregar un nuevo servicio a dicha arquitectura es bastante difı́cil, ya que re-
quiere proporcionar una ubicación para el dispositivo que aloja ese servicio,
hacer que los dispositivos interactúen y, a veces, rediseñar toda la arquitec-
tura. Además, el uso de dispositivos especiales dedicados para cada función
no es rentable [48].
NFV es una nueva tecnologı́a que brinda soluciones a los problemas
anteriores al desacoplar las funciones de red del hardware dedicado e imple-
mentarlas como software en servidores industriales de alto volumen estándar
[62]. La figura 2.8 muestra cómo funciona el enfoque NFV [100]. Como se
puede ver, con NFV, las funciones de red se virtualizan y se implementan
fácilmente en ubicaciones apropiadas sin utilizar un dispositivo de hardware
especial para cada servicio. NFV elimina la dependencia de hardware como
en SDN y reduce el costo de hardware y el consumo de energı́a. Las inno-
vaciones se aceleran y los nuevos servicios se introducen en el mercado en
un tiempo más corto ya que se proporcionan como software [100]. Además,
los recursos se pueden compartir entre los servicios, la necesidad de mano de
obra disminuye y los servicios se pueden reubicar en la red sin la necesidad
de instalar hardware.
Aunque SDN y NFV pueden implementarse independientemente uno
del otro, son tecnologı́as complementarias y de apoyo. Tienen muchos obje-
tivos comunes en términos de softwarization, infraestructura de red progra-
mable y operación y mantenimiento más fáciles.
SDN centraliza el proceso de toma de decisiones en la red aprovechando
5
https://www.etsi.org/technologies/nfv
29
Figura 2.8: Cómo NFV cambia el enfoque tradicional de redes [158].
30
lgunas sublineas destacables en las que se aprovecha la dupla SDN-
NFV son: colocación óptima de VNF, colocación de funciones de red, imple-
mentación en múltiples dominios, ahorro de energı́a, enrutamiento óptimo,
IoT, sincronización de blockchain, maximización del rendimiento de unicas-
ting, enrutamiento a través de las cadenas de funciones de servicio, resource
aware routing, maximización del rendimiento, cloud, Multicast y enruta-
miento escalable.
Durante los últimos años fueron publicados varios survey sobre NFV
en SDN: [134], [223], [61], [144], [107], [63] y [50], por medio de ellos se puede
profundizar en el tema.
31
de red. Es decir, los flujos de multidifusión no deberı́an causar el bloqueo de
otro tráfico en la red [117], [91].
Generalmente, se construye un árbol Steiner mı́nimo para conectar la
fuente de datos a todos los miembros del grupo de multidifusión. Después
de eso, dos componentes de control juegan un papel importante en el en-
rutamiento: el protocolo de administración de grupos de Internet (Internet
Group Management Protocol, IGMP) y el protocolo de enrutamiento de mul-
tidifusión llamado Protocolo Independiente Multicast (Protocol Independent
Multicast, PIM) es un ejemplo de protocolo de enrutamiento de uso común
en Internet [67]. Estos dos componentes residen en el plano de control de
SDN y se consideran parte del controlador SDN.
IGMP es un protocolo de comunicación que se encarga de gestionar la
relación entre enrutadores y hosts. Es decir, las solicitudes para unirse y
abandonar grupos de multidifusión se envı́an como mensajes de unión IGMP
e IGMP, respectivamente. Si un mensaje de unión llega a un conmutador
perimetral y el grupo de multidifusión ya estaba registrado (si existen reglas
de flujo de la dirección del grupo en la tabla de flujo del conmutador), sim-
plemente agrega la dirección del puerto de entrada que primero recibió la
solicitud de unión al grupo de salida puertos del grupo objetivo. De lo con-
trario, la solicitud se reenvı́a al controlador, el controlador a su vez ejecuta
el algoritmo del árbol Steiner para agregar el nuevo conmutador de borde
y actualizar las reglas de flujo en los conmutadores afectados. Después de
eso, el enrutamiento se realiza en los dispositivos de reenvı́o simplemente
verificando las reglas de flujo instaladas y reenviando los paquetes en conse-
cuencia. El mismo concepto se aplica en caso de solicitud de licencia IGMP
[117], [258]. En las redes SDN, las reglas de enrutamiento junto con la infor-
mación de pertenencia al grupo se intercambian entre los conmutadores y el
controlador en forma de mensajes de protocolo OpenFlow [258].
Se deben tener en cuenta varias restricciones al determinar las reglas de
enrutamiento. Por ejemplo, los autores en [117] introdujeron un algoritmo de
enrutamiento de multidifusión basado en SDN que tiene como objetivo opti-
mizar la utilización del ancho de banda. Es decir, el tráfico de multidifusión
se enrutará en función del ancho de banda de red disponible actual. Para
32
hacerlo, sFlow6 , que es una tecnologı́a de monitoreo de red que proporciona
información detallada del tráfico de red, se utiliza para calcular el ancho de
banda con precisión.
Algunas sublineas de la multidifusión en SDN, en base a las 17 pu-
blicaciones analizadas son: Codificación de video escalable (Scalable video
coding, SVC) para videoconferencias, Datacenters elastic optical networks,
hı́brido SDN/NFV, minimización de tráfico y tolerancia a fallos, QoS con
ingenierı́a de tráfico, multidifusión habilitada para NFV, multiples árboles
compartidos, administración de grupos, selección de fuentes, gestión de ru-
tas de multidifusión (Multicast Route Management, MRT), orquestación para
la transmisión múltiple de video, enrutamiento confiable, cloud con overlay
routing y videoconferencia multipartita.
Las propuestas más relevantes sobre la multidifución en SDN pueden
ser encontradas en las siguientes publicaciones: [217], [177], [263], [176], [259],
[260] y [243].
2.3.5 Multipath
En la actualidad se cuenta con una variedad cada vez mayor de aplicaciones
de red, el volumen de tráfico crece rápidamente y las congestiones de enlace
no se pueden evitar de manera eficiente con los protocolos de enrutamiento
de puerta de enlace interior convencionales. En el entorno de red tradicional,
los enrutadores funcionan de manera distribuida, y cada uno de ellos solo
tiene una vista parcial del estado de la red. En consecuencia, surgen pro-
blemas como el desequilibrio de la asignación de recursos y la degradación
del rendimiento. Los protocolos de enrutamiento estándar adoptan un algo-
ritmo de ruta más corta para la selección de enrutamiento y, por lo tanto, el
tráfico de red puede bloquear los enlaces troncales. Además, la actualización
periódica de los pesos de enlace proporcionados por el anuncio de estado de
enlace es insensible a las congestiones de la red. Además de la resolución de
congestión, no hay funciones de pronóstico para la gestión de recursos. El
patrón de red también tiene un fenómeno local como las horas pico diarias
6
https://sflow.org/
33
para que podamos aprovecharlo para la asignación de ancho de banda en el
mecanismo de enrutamiento. Sin embargo, es difı́cil modificar los protocolos
de enrutamiento estándar en la arquitectura de red distribuida convencional,
y es imposible reemplazar cada enrutador de productos básicos individuales
para proporcionar mejores algoritmos de control de congestión [152].
La arquitectura de red SDN separa el plano de control del plano de
datos y proporciona una interfaz de programación de aplicaciones programa-
ble para el aprovisionamiento y la gestión. Con un controlador centralizado,
se puede obtener una visión global de la topologı́a de la red con el estado,
y los investigadores podrı́an implementar protocolos de red para multipath
fácilmente en el entorno SDN. Sin embargo, se cuenta con algunas limita-
ciones, las tablas de flujo en los conmutadores SDN son recursos escasos,
y se debe tener cuidado con el uso de entradas de flujo. Si se diseña un
mecanismo de administración de enrutamiento de acuerdo con los pares de
hosts, el número de entradas de flujo aumentará dramáticamente y excederá
rápidamente los lı́mites del hardware. Consecuentemente, uno quisiera ad-
ministrar los flujos basados en pares de subred para una mejor utilización de
la tabla de flujo. Por ejemplo, para dos dominios de subred con 200 hosts
en cada dominio, habrá hasta 80,000 entradas de flujo entre dominios si el
enrutamiento es administrado por pares de hosts y solo dos entradas de flujo
por pares de subred. Recientemente, varios estudios sobre los mecanismos de
enrutamiento SDN para la resolución de congestión han utilizado el enruta-
miento de múltiples rutas para lograr el equilibrio de carga para una mejor
utilización de la red. Sin embargo, el reenvı́o fuera de servicio y el uso de la
tabla de flujo siguen siendo cuestiones importantes para resolver. También
hay trabajos que adoptan mecanismos predictivos para futuras cargas de
tráfico o rendimiento de la red para evitar la congestión. Estos pueden sufrir
de manera similar los mismos problemas de escalabilidad [152].
Como se expresa en [69], para utilizar una red a su máximo potencial,
el uso de la tecnologı́a multipath es una necesidad. Sin embargo, multipath
no es una solución universal, ya que la implementación de técnicas de mul-
tipath en topologı́as de red densas o redes poco cargadas podrı́a no ser la
mejor solución. El enrutamiento de múltiples rutas se puede dividir en dos
34
clases principales: por flujo y por paquete. El multirruta por flujo enruta
los paquetes relacionados con el mismo flujo en la misma ruta; sin embargo,
diferentes flujos entre el mismo par origen-destino pueden hacer uso de dife-
rentes rutas. El enrutamiento de rutas múltiples de igual costo (Equal-cost
multi-path routing, ECMP) es un ejemplo de una técnica de rutas múltiples
por flujo, en el mismo los flujos de carga fluyen entre rutas de igual costo.
ECMP determina la ruta que debe tomar un flujo en función de un valor hash
de los encabezados de paquetes. Además de no poder cargar el equilibrio en-
tre enlaces de costo desigual, los datos enrutados de ECMP pueden enfrentar
la congestión si dos flujos exigentes se enrutan por el mismo camino. A la
inversa, las rutas múltiples por paquete pueden enrutar paquetes que se origi-
nan en el mismo flujo a través de diferentes rutas. Si bien las rutas múltiples
por paquete pueden ofrecer un mejor rendimiento en comparación con las ru-
tas múltiples por flujo debido a su granularidad más fina, las rutas múltiples
por flujo son las más utilizadas. Esto se debe a que los protocolos orientados
a la conexión, como TCP, sufrirán penalizaciones en el rendimiento debido a
la reordenación de paquetes un problema que no tiene el multipath por flujo.
Un algoritmo óptimo de enrutamiento de múltiples rutas requiere el
conocimiento de la topologı́a de la red y los flujos que la atraviesan. Tradi-
cionalmente, las redes distribuidas no tienen esta información disponible, por
lo que la arquitectura SDN es una excelente candidata para multipath. Al-
gunas sublı́neas entontradas en la revisión son: QoS, red de datacenter, red
core, redes ópticas, seguridad y multipath en TCP. Los trabajos destacables
en los que se puede profundizar el tema son: [152], [69], [47], [278], [123],
[139], [12] y [218].
2.3.6 Wireless
SDN se ha investigado bastante en el contexto de redes empresariales y de
proveedores, ası́ como en centros de datos y se están desplegando cada vez
más en estos espacios. Por el contrario, se ha considerado significativamente
menos el uso de SDN en la configuración de redes inalámbricas. Las redes
inalámbricas presentan una serie de nuevos desafı́os para SDN [101]. Algunos
35
de estos desafı́os se exponenen a continuación:
Medio inalámbrico: la red inalámbrica tiene caracterı́sticas únicas,
como el medio de comunicación compartido propenso a errores, la reuti-
lización espacial, la propagación compleja y los artefactos de interferencia
debido a efectos como los problemas de terminales ocultos y expuestos y la
movilidad del usuario. Como resultado, las redes inalámbricas se caracterizan
por un ancho de banda disponible limitado, cambios frecuentes e impredeci-
bles en la calidad del enlace y la topologı́a de la red. La asignación eficiente
de recursos y la gestión de interferencias requieren tener una visión ampliada
e incluso global del estado de la red. La recopilación de información so-
bre el estado de la red es un desafı́o dada la naturaleza dinámica de esta
información.
Funcionalidad ampliada del plano de datos: el medio compartido
en la red inalámbrica a menudo se gestiona mediante un plano de datos flexi-
ble que ofrece una funcionalidad que no está presente en las redes cableadas.
En particular, los parámetros de radio pueden configurarse para gestionar la
interferencia, optimizar el acceso o mejorar la eficiencia energética. En al-
gunas redes inalámbricas, el procesamiento de la red también es importante.
En el contexto de SDN, donde un controlador administra el plano de datos,
se deben exponer nuevas interfaces para permitir el control efectivo de estos
mecanismos del plano de datos. Más allá de la reconfiguración del plano de
datos, las radios definidas por software (Software Defined Radio, SDR) [233]
permiten una reprogramación completa del plano de datos, lo que genera
preguntas interesantes sobre cómo integrarlas con SDN.
Las lı́neas destacables en el campo de las redes inalambricas en SDN
son QoS, ahorro de energı́a, redes vehiculares, enrutamiento de backhaul,
red de sensores, redes mesh, ingenierı́a de tráfico, IoT, redes inalambricas de
centros de datos, entre otros. Las publicaciones que ameritan ser revisadas
para profundizar en el tema de redes inalambricas SDN son: [6], [43], [75],
[165], [175], [276], [209], [143], [52], [147] y [261].
36
2.3.7 Optical-Network
Destacada por las ventajas de alta capacidad, larga distancia de transmisión
y bajo consumo de energı́a, las redes ópticas se han implementado amplia-
mente como la infraestructura más importante para la red troncal de trans-
porte. Con el desarrollo de Internet, el centro de datos se ha convertido en
la infraestructura popular para la computación en la nube, que debe estar
conectada con una red de transporte de alta tasa de bits para admitir apli-
caciones heterogéneas. En este caso, la red óptica también se convierte en
una opción prometedora para la red intra y entre centros de datos. Las redes
SDN han ganado mucha atención tanto académica como de la industria, y
su objetivo es proporcionar un plano de control flexible y programable. SDN
es aplicable a las redes ópticas, y se espera que ellas integradas con la SDN,
concretamente a los que se denomina redes ópticas definidas por software
(Software-Defined Optical Networking, SDON), sean la futura solución de
transporte, que puede proporcionar conectividad de alta tasa de bits y apli-
caciones de red flexibles [273]. En este ámbito también cobran notoriedad
las redes ópticas elásticas (Elastic Optical Networks, EON), las cuales asoci-
adas con la arquitectura SDN dan surgimiento a las redes ópticas elásticas
definidas por software (Software-Defined Elastic Optical Networks, SD-EON).
Como se expresa en [273], el continuo crecimiento en el número de
centros de datos a gran escala plantea nuevos desafı́os para la capacidad y la
elasticidad de la red óptica actual. Las aplicaciones de centros de datos, como
la replicación de datos de alta velocidad programada, requieren que la red de
sustrato proporcione dinámicamente un ancho de banda ultra-alto [65]. Esto
es muy diferente del modelo de servicio de la red óptica tradicional, que surge
de la necesidad de rediseñar la arquitectura de la red de centros de datos (data
center network, DCN) [163]. Recientemente, la red óptica elástica con una
arquitectura de red definida por software se ha introducido en los centros de
datos para mejorar el rendimiento del aprovisionamiento de servicios. Esto
puede considerar conjuntamente los recursos de tecnologı́a de la información
y los recursos de red y permitir que la red se programe como hardware general
[275], [269], [127]. La red óptica integrada con SDN denominada red óptica
37
definida por software, la cual puede proporcionar un gran ancho de banda
con recursos de TI para múltiples inquilinos [268]. Separa el plano de control
del plano de datos y convierte el modo de control en uno centralizado y
flexible. Además, permite a los operadores de centros de datos controlar y
programar funciones de red, como el aprovisionamiento de ancho de banda
con garantı́as de calidad de servicio. Los recursos del centro de datos se
aprovisionan mediante la virtualización de los recursos de los centros de datos
distribuidos y la red óptica del operador de manera coordinada [46]. Se
propone un mecanismo de control jerárquico para controlar la red óptica de
dominio múltiple [126], que puede admitir conexiones entre centros de datos
en situaciones de dominio múltiple.
En la Figura 2.9 [274] se muestra esquemáticamente la arquitectura de
red óptica definida por software, especificamente un caso de SDON integrado
con centros de datos a modo de ejemplo. Hay centros de datos distribuidos
geográficamente en diferentes ubicaciones. La red del centro de datos gen-
eralmente consiste en una red multidominio y multitecnologı́a, como la red
de acceso Ethernet y la red de transporte óptico. Para cada dominio de red,
un controlador SDN se implementa con protocolos extendidos. La Interfaz
de red virtual de control y los agentes de OpenFlow correspondientes (exis-
ten algunos otros protocolos potenciales, como el Protocolo de comunicación
de elementos de computación de ruta (Path Computation Element Proto-
col, PCEP) y el Protocolo de administración de red simple (Simple Network
Management Protocol, SNMP)) los cuales se implementan para dispositivos
y equipos ópticos. El plano de control está diseñado como una arquitectura
jerárquica, en la que un controlador padre se implementa para realizar la
función de orquestación entre dominios y cada controlador de dominio se
implementa para la administración de recursos de dominio local.
En el ámbito de las redes ópticas con SDN se puede profundizar en
el tema mediante las siguientes publicaciones: [180], [149], [45], [273], [44],
[228], [60] y [28].
38
Figura 2.9: Arquitectura SDON.
39
Figura 2.10: Porcentaje de uso de energı́a de las Tecnologı́as de la Comuni-
cación en relación al consumo global de energı́a [15]
40
Figura 2.11: Clasificación de las estrategias de ahorro de energı́a en SDN.
Tráfico [245], [277], [166], [241], [31], [119], [253], [122], [122], [196], [78], [114]
Basado en
Consciente [74], [77], [270], [26], [34], [73], [19], [219], [221], [255], [112], [20]
[72], [42], [248], [254], [200], [167], [199], [187], [57], [156], [183], [190]
[162], [128], [17], [82], [167], [83], [153], [116], [164], [160]
Software Dispositivos
Finales [264], [133]
Colocación de
Reglas [198], [18], [85], [266], [78]
Ubicación del
Basado en
Controlador [113], [70]
Hardware TCAM
[173]
41
2.4.1.1 Soluciones de eficiencia energética basadas en software
42
estado de los dispositivos de red y los sistemas finales conectados, a fin de
idear una forma de red eficiente en energı́a. Un controlador de eficiencia
energética completo necesita consolidar la optimización de dispositivos de
red, también poder reducir el espacio de reglas y los sistemas finales.
43
los requisitos de tolerancia a fallas. Cabe destacar que en [222, 106, 124] no
consideraron el impacto del consumo de energı́a.
El problema de ubicación de controladores se ha abordado considerando
el problema del ahorro de energı́a [113, 73] como también aquellos sin ahorro
de energı́a [252, 25, 146, 124, 142, 141, 202, 210, 110, 115, 179, 222]. En el caso
de ahorro de energı́a existen dos posibilidades: controlador con conmutador
adjunto y controlador exclusivo en el nodo. En el último caso el tráfico del
plano de datos no puede ser enrutado por el nodo que contiene al controlador.
En la Tabla 2.2 se puede observar la clasificación explicada. Cabe destacar
que son pocos los trabajos que consideran el consumo de energı́a, la gran
mayorı́a consideran otras criterios como el retardo medio, la distancia media
de los nodos al controlador o la tolerancias a fallas de enlaces.
44
que a nivel de enlaces la relación de ahorro de energı́a disminuye a medida
que aumenta la carga de tráfico. En una red operada normalmente donde
la máxima utilización del enlace (Maximum Link Utilization, MLU) está
por debajo del 40% exhibe un mayor potencial de ahorro de energı́a. Los
autores en [215] estimaron el consumo de energı́a del conmutador basado en
el modelo NEC PF5240 OpenFlow que tiene un poder de consumo máximo
de 264W (Watts) [184]. La idea detrás fue recopilar estadı́sticas del consumo
de energı́a por parte de la red a través del protocolo sFlow-RT [5]. Los
agentes sFlow envı́an datos sobre el tráfico y las estadı́sticas del consumo de
energı́a al controlador que se utiliza para medir el consumo total de energı́a
de la red. En [245] plantearon que el rango de consumo de energı́a de un
conmutador para chasis integrado 100G, line card y puerto son 56.3%, 43.6%
y 0.1%, respectivamente. En [196] se propone un algoritmo heurı́stico para
la selección eficientes de rutas con el mı́nimo consumo de energı́a basado en
el Framework Efficient Routing Algorithm Selection (ERAS).
Una de las alternativas para obtener ahorro de energı́a es ”poner a
dormir” los dispositivos ociosos y adaptando el ruteo para obtener la mı́nima
utilización del enlace. Dependiendo del escenario de tráfico es posible que
el dispositivo sin tráfico se encuentre apagado o en suspenso. En el caso
de tráfico estático o semi-dinámico los dispositivos pueden estar apagados,
mientras que en tráfico dinámico es necesario que los dispositivos se encuen-
tren en estado de suspenso (no apagado). Esto implica un consumo un poco
mayor pero un tiempo de activación mucho menor [105].
A continuación, se examinan trabajos que abordan el ahorro de energı́a
y utilizan la estrategia de poner en suspenso los dispositivos ociosos y limitan
el uso de enlace. Los trabajos fueron seleccionados de entre los enfoques
basados en software y tráfico consciente que se encuentra en la Tabla 3.10
Minimizar la energı́a en los enlaces sujeto a la velocidad del enlace y
conservación de flujo, se plantea en [20]. En este trabajo se propone un mo-
delo de Programación Lineal Entera (Integer Linear Programming, ILP) para
obtener los resultados óptimos y una solución aproximada basada en un algo-
ritmo heurı́stico. En [245] tuvieron en cuenta el consumo del chasis, line card
y utilización del enlace pero no tuvieron en cuenta el consumo del enlace.
45
En un trabajo posterior [241], los autores presentaron un modelo de ahorro
de energı́a para redes SDN hı́bridas considerando el apagado de conmuta-
dores SDN y enlaces, teniendo en cuenta que los conmutadores tradicionales
son operados aisladamente y presentan complicaciones para poner en modo
“sueño”. En el trabajo expuesto en [73], se presentó un enfoque de ahorro de
minimización de enlaces activos, teniendo en cuenta la ubicación del contro-
lador en términos de energı́a. En [254] proponen un algoritmo de eficiencia
energética para red de centro de datos teniendo en cuenta la utilización del
enlace y a nivel de equipos de red como chasis y puertos.
En la Tabla 2.3, se muestra un resumen de los trabajos seleccionados de
la Tabla 3.10 para su análisis y contraste en particular respecto a los factores
de ahorro de energı́a en SDN, que cada uno considera en su modelo. Como se
puede observar, ninguno de los trabajos citados, considera todos los factores
de ahorro de energı́a simultáneamente, lo cual constituye una oportunidad
de investigación.
[245] Si Si Si - -
[20] Si - - - -
[241] - Si - Si -
[73] - - - Si Si
[254] Si Si - - -
46
ritmos de enrutamiento y nuevos enfoques de QoS, la aplicación de polı́ticas
de seguridad, entre otros [240]. Sin embargo, todo tiene un costo y este
caso no es la excepción ya que implica una modificación completa de los
dispositivos como se sugieren en los trabajos [2], [251].
El remplazo total de la tecnologı́a tradicional por SDN implica una
inversión muy grande para la adquisición de equipamientos. En consecuencia
esto impide la adopción de este paradigma de forma espontánea y masiva,
tal como lo explican Vissichio et al. en [240]. Para el logro del remplazo es
necesaria una planificación adecuada para que la transición sea exitosa. En
este punto es donde entra en escena el concepto de una red SDN Hı́brida [211]
en la cual coexisten dispositivos con tecnologı́a tradicional y con tecnologı́a
SDN. Este nuevo paradigma intenta ofrecer lo mejor de ambos mundos a
través de la integración e interacción del paradigma tradicional, cuyo plano
de control es distribuido, con el paradigma SDN, cuyo plano de control es
centralizado.
En la Figura 2.12 se muestra un ejemplo de red SDN hı́brida que con-
siste en conmutadores SDN OpenFlow junto con conmutadores y enruta-
dores heredados. El controlador representado, puede ser un controlador SDN
hı́brido [81] con caracterı́sticas especı́ficas para adoptar protocolos de red
SDN hı́brida.
El término integración se refiere a la cantidad, ritmo y forma en que
serán insertados los dispositivos SDN a una red tradicional, mientras que
la interacción determina cómo, cuándo y qué dispositivos se comunicarán
para el correcto funcionamiento de la red [240]. Existen varios niveles de
integración estudiados y planteados los cuales se explican detalladamente en
el estudio [213], como por ejemplo integración solo a nivel del plano de control
[33], solo al nivel del plano de datos o integración en ambos planos [125].
La elección del nivel de integración o estrategia que se seguirá para
la adopción del nuevo paradigma sigue algunos criterios importantes [213]
como: inversión y presupuesto de transición, nivel de disrupción en el des-
pliegue, automatización deseada, aplicabilidad de las directivas, escalabilidad
y robustez.
Amin et al. en [13], presentan un exahustivo estudio sobre los diferentes
47
Figura 2.12: Ilustración de la red hı́brida SDN: Los conmutadores OpenFlow
habilitados para SDN funcionan junto a los conmutadores heredados [13].
48
Tabla 2.4: Clasificación de enfoques de estudio sobre SDN Hı́brido
Arquitectura y
Despliegue
Diseño de Red [130], [195], [37], [194]
HSDN
Hardware [39]
Optimización
ILP [235], [58], [157], [35]
Optmización
Heurı́stica [76], [90], [96], [111], [129], [131], [235], [226], [257]
Controlador
[4], [97], [224],[232]
para HSDN
Gestión
[10], [256], [118], [267]
de RED
Ingenierı́a
[36], [94], [129], [95], [104], [150]
de Tráfico [193], [203], [239], [246], [247], [272]
Testing y
[14]
Seguridad
49
Figura 2.13: En la técnica de reemplazo se seleccionan los dispositivos 3 y 4
para cambiarlos por dispositivos SDN.
50
Figura 2.14: En la técnica por adición se agregan los dispositivos SDN 7 y 8
para aumentar la capacidad global de la red.
51
cuando este pasa por un camino formado por una serie de dispositivos en
el que uno o más son SDN; pero, además este camino es la mejor opción
para el protocolo tradicional. Es decir, si el protocolo tradicional calcula
sus costos en base a la longitud, éste camino debe ser el más corto, si los
calcula en base a pesos debe ser el camino más ligero o si utiliza alguna
otra métrica este camino debe ser la preferencia del protocolo de tradicional.
Entonces se seleccionan los dispositivos que cumplan con esas condiciones
y que además enruten la mayor cantidad de tráfico posible. Xu et al. en
[98] proponen un trabajo similar al [257] con la diferencia en que primero las
ubicaciones posibles son todos los nodos tradicionales pues consiste en añadir
un dispositivo SDN en el mismo espacio fı́sico que los nodos tradicionales para
crear nodos hı́bridos y segundo que se trata de un red óptica de ahı́ que al
agregar nodos SDN se da origen al concepto de los nodos hı́bridos, pero el
objetivo y la forma de calcular cuáles nodos agregar son casi los mismos.
52
Entre las ventajas del despliegue por adición se encuentra la posibilidad
de aprovechar mejor la inversión realizada en los dispositivos tradicionales.
Otra ventaja es el aprovechamiento de la robustez altamente probada del
paradigma tradicional, por lo que cualquier falla en alguno de los compo-
nentes de la nueva tecnologı́a podrá ser recuperada rápidamente por los pro-
tocolos tradicionales. Esta técnica de despliegue también favorece mucho a la
confianza en la tecnologı́a nueva pues provee un escenario para pruebas casi
perfecto permitiendo a los operadores conocer mejor la herramienta sin temor
a anular la conectividad de la red. Esto naturalmente facilita la innovación
por parte de los operadores y desarrolladores al encontrar un área de pruebas
inofensivo pero con la capacidad de acceder a datos reales. Pero esta técnica
también tiene sus desventajas: entre las que se encuentran el aumento en la
complejidad de la administración de la red debido al aumento en la canti-
dad total de nodos de la red, el incremento en los costos de infraestructura.
Además, por la forma de interactuar con el protocolo tradicional es virtual-
mente imposible que todo el tráfico deseado sea manejado por el controlador
SDN. En la Tabla 2.5 se resume las ventajas y desventajas de ambas técnicas.
53
Reemplazo Adición
Conservación de Topologı́a Aprovechamiento de la in-
Existente versión inicial
Ventajas Minimización de la comple-
Aumento en la robustez de
jidad de administración de
la red
la red
Disminución gastos de in- Fomentar la confianza en el
fraestructura paradigma
Mayor impacto en el
rendimiento de la red por Fomentar la innovación
cada dispositivo SDN
Desaprovechamiento de la Aumento en el gasto de in-
Inversión fraestructura
Desventajas
Disminución en la robustez Aumento de la complejidad
de la red de administración de red
Degradación en algún
servicio durante la imple-
mentación.
54
Otra bien conocida, es la estrategia presentada por Das et al. [58] en
la cual proponen una agenda de migración basada en la cantidad de caminos
posibles que los nodos van disponibilizando para el paradigma SDN. Es decir,
que se van migrando los nodos en periodos de tiempo, pero la selección de
los nodos a reemplazar no depende del tráfico, sino de los caminos fı́sicos que
se crean a partir de la topologı́a de red, el algoritmo heurı́stico comienza con
el cálculo de los caminos menos costosos para cada par de nodos de la red y
a partir de ahı́ se hallan los posibles caminos.
Otro trabajo de referencia es el de Caria et al. [35] junto con [37] en
el cual se seleccionan nodos estratégicamente ubicados a fin de particionar
la red en subdominios OSPF de forma que el controlador SDN pueda con-
trolar las actualizaciones LSA y modificar el comportamiento de la red como
si fuera una red SDN completa. En sus trabajos hacen uso de la teorı́a de
grafos para particionar el mismo en subgrafos desconexos y de esa forma ba-
lancean el control dinámico de la red con la estabilidad del ruteo ajustando
el tamaño de los subgrafos. Por otra parte tenemos a Xu et al. [257] que,
como se mencionó anteriormente, ubican nodos adicionales a la red haciendo
una distinción entre la topologı́a tradicional y la extendida, la selección de
nodos se hace de entre el conjunto de nodos con posibilidad fı́sica para su
conexión, la elección final se basa en aquellos que maximicen la cantidad de
flujos que sean manejados por el controlador SDN basados en un historial
estadı́stico de flujos que atraviesan la topologı́a tradicional. Posteriormente
en [98] se extendió la propuesta para adaptarlo a las redes ópticas, en esta
última se diseñó un nodo hı́brido que consiste en la adición de un dispositivo
SDN en la misma ubicación que un nodo tradicional óptico a fin de que las
decisiones de ruteo se realicen de forma conjunta entre el plano de control
distribuido y el plano de control SDN. El objetivo en esta propuesta es la
misma que en la anterior, es decir, maximizar el rendimiento de la red au-
mentando la cantidad de tráfico que es administrado por el paradigma SDN
y los dispositivos compatibles con este no necesitan ser ópticos.
En la Tabla 2.6 se presenta un resumen de los trabajos del estado del
arte (State-of-the-Art, EoA) encontrados que tratan sobre el despliegue en
HSDN. Se destacaron el tipo de despliegue, el objetivo de la optimización,
55
Tabla 2.6: Trabajos del EoA - Despliegue SDN Hı́brido
Ref. Despliegue Objetivo Modelo Formul. Técnica
Maximizar el tráfico que MGA
[194] Reemplazo atraviesa al menos un ILP MAM AAP
nodo SDN y maximizar SGA
la flexibilidad de TE
Minimizar cantidad de SW
SDN necesarios e identificar
[51] Reemplazo ubicaciones para implemen- BLP MOP HA
tarlos, con mecanismos para
manejar la recuperación
de fallas
Obtener una secuencia de
migración de nodos para GA
[96] Reemplazo que se minimice la uti- ILP MOP GD
lización máxima total SMA
del enlace
Maximizar el número
[58] Reemplazo acumulado de rutas
disponibles para TE en todos ILP MOP GD
los pasos de tiempo
Minimizar el costo
[35] Reemplazo de utilización del enlace ILP MOP -
Minimizar la suma del costo
[37] Reemplazo para los tipos de capacidad ILP MOP -
comisionados de todos los MAM
enlaces en la red
Maximizar rendimiento de
[257] Adición enrutamiento, para ILP MOP HA
implementar una red hı́- MAM AAP
brida incrementalmente
Maximización del rendimiento
[98] Adición con restricción presupuestaria ILP MOP AAP
dada en despliegue incremental
Maximizar el número de
[55] Reemplazo caminos utilizados para TE, ILP MOP HA
en todo el horizonte de
planificación
56
ritmo codicioso modificado (Modified-Greedy Algorithm, MGA), Algoritmos
de Aproximación (AAP), Algoritmo súper codicioso (Super-Greedy Algo-
rithm, SGA), Algoritmos heurı́sticos (Heuristic Algorithms, HA), Algorit-
mos Genéticos (Genetic Algorithms, GA), Algoritmos codiciosos (Greedy Al-
gorithms, GD) y Algoritmos de migración estática (Static Migration Algo-
rithms, SMA).
De la observación de la tabla se pueden extraer las siguientes oportu-
nidades de investigación: el despliegue incremental por reemplazo y adición
al mismo tiempo aún no fue tratado. Además, no fue abordado todavı́a como
problema multi-objetivo puro. Finalmente, Los Algoritmos Genéticos fueron
escasamente explotados para dar soluciones metaheurı́sticas.
57
Parte II
58
Capı́tulo 3
Optimización del Consumo de
Energı́a en SDN
59
En este estudio se aborda el problema de la ubicación de un simple
controlador buscando el máximo ahorro de energı́a bajo la restricción que el
tráfico de datos no puede ser enrutado por el nodo que aloja al controlador.
En la Tabla 2.3, se muestra un resumen de los trabajos mencionados en
el apartado 2.3.2 y los factores de ahorro de energı́a en SDN, que cada uno
considera en su modelo. Como se puede observar, ninguno de los trabajos
citados, considera todos los factores de ahorro de energı́a simultáneamente.
Se hace evidente entonces la necesidad de un enfoque que sea capaz de tomar
en cuenta todos estos aspectos al mismo tiempo. En consecuencia, en este
estudio proponemos un modelo para minimizar el consumo de energı́a con-
siderando todas las caracterı́sticas mencionadas (uso del enlace, consumo del
chasis, line card y puerto y la ubicación del controlador) con el fin de obtener
valores de mayor ahorro de energı́a.
60
La visión y administración global de la red nos permite obtener una
optimización de todo el sistema que es siempre mejor que una optimización
local en términos de energı́a [245, 201].
En este trabajo nos enfocaremos también en el ahorro de energı́a del
conmutador SDN logrando una optimización global. Un conmutador SDN
consiste de un chasis integrado, line cards y puertos como puede observarse
en la Figura 3.1.
El chasis integrado y line cards son los que más contribuyen al con-
sumo de energı́a pero no debemos olvidar el consumo del puerto y la tasa
de utilización del enlace. Si el enlace se encuentra a una tasa de uso menor
al 50% de su capacidad de tráfico de datos es posible configurarlo para un
funcionamiento con consumo mı́nimo del 30% al nominal [245].
61
se desarrollará próximamente.
62
Algoritmo 1: Ubicación del Controlador
Require: G = (V, E) es topologı́a de la red
Ensure: Ct es el nodo controlador.
1: for v, w ∈ V do
2: Calcular el camino Ts,v
3: end for
4: for v ∈ V do
5: g(v) Calcular el grado de nodo
6: ut(v) Calcular la utilización del nodo mediante T
7: end for
8: uM in ← ∞
9: gM in ← ∞
10: for v ∈ V do
11: if g(v) < gM in then
12: gM in ← g(v)
13: end if
14: end for
15: for v ∈ V do
16: if g(v) = gM in then
17: if ut(v) < uM in then
18: uM in ← ut(v)
19: Ct ← v
20: end if
21: end if
22: end for
23: return Ct
63
conjunto de nodos (conmutadores y controlador) y E es el conjunto de en-
laces. Sea Vs ∈ V el cual denota el conjunto de conmutadores y ct ∈ V es
el controlador. Sea u ∈ Vs un nodo, a(u) es el costo de energı́a de mantener
activo el chasis del conmutador u, vu es el v-ésimo line card de u y b(vu )
es su costo de energı́a del v-ésimo line card en el nodo u. En la Figura 3.2
se observa la representación de la estructura de la red G donde se observa
la conexión entre puertos.(u, u′ ) ∈ Es es el enlace fı́sico entre los conmuta-
dores conformado por múltiples enlaces de comunicación (pvu , qv′ u′ ) entre los
puertos, donde pvu (qvu ) es el p-ésimo (q-ésimo) puerto transmisor (recep-
tor) del v-ésimo line card en el nodo u y el consumo de energı́a es denotado
por c(pvu , qv′ u′ ). La capacidad de un enlace es denotado por W (pvu , qv′ u′ ).
Mientras (pvu , ct ) ∈ Ec denota un enlace fı́sico entre un conmutador y el con-
trolador. Para este caso de estudio se considera que el costo de mantenerlo
activo será el mismo que el de los demás enlaces pero este enlace no puede
ser utilizado para el enrutamiento de datos.
Para describir el tráfico en la red, consideramos la demanda de flujo
de una fuente a un destino como una mercancı́a [242]. Hay M mercancı́as
K = {k1 , k2 , k3 , ..., kM } en la red, definida por km = (im , jm , rm ) donde im es
el origen, jm es el destino y rm es la demanda de ancho de banda. El flujo de
la mercancı́a km en el enlace (pvu , qv′ u′ ) es dado por fm (pvu , qv′ u′ ). Además
de eso, se definen variables binarias x(u) para indicar si el chasis u está ac-
tivo, también y(vu ) si el line card está activo, similarmente z(pvu , qv′ u′ ) para
indicar si el enlace está activo y z ′ (pvu , qv′ u′ ) para indicar si su utilización
es mayor al 50%. La Notación utilizada en la formulación propuesta puede
observarse en la Tabla 3.1.
64
Tabla 3.1: Notación de la formulación del Modelo MILP.
Sı́mbolo Definición
Conjuntos
G(V, E) Grafo dirigido que representa la red
V Conjunto de conmutadores y controlador
E Conjunto de enlaces
Vs Conjunto de conmutadores, Vs ⊂ V
Ct Controlador, Ct ∈ V − Vs ,
K Conjunto de flujos en la red
Índices
u Nodo conmutador, u ∈ Vs
vu v-ésimo line card del nodo u
pvu p-ésimo puerto transmisor del v-ésimo line card del nodo u
qvu q-ésimo puerto receptor del v-ésimo line card del nodo u
(pvu , qv′ u′ ) Conexión entre puertos transmisor-receptor en el enlace fı́sico (u, u′ ) ∈ Es
Constantes
a(u) Consumo energético del chasis
b(v u ) Consumo energético del line card
c(pvu , qv′ u′ ) Consumo energético del enlace
c′ (pvu , qv′ u′ ) Consumo energético del enlace con utilización mayor al 50%
W (pvu , qv′ u′ ) Capacidad del enlace
km m-ésimo flujo
im Nodo Origen del flujo km
jm Nodo Destino del flujo km
rm Demanda de ancho de banda del flujo km
Variables
x(u) 1, si está activo el chasis, 0, otro caso.
y(v u ) 1, si está activo el line card, 0, otro caso.
z(pvu , qv′ u′ ) 1, si está activo el enlace, 0, otro caso.
z ′ (pvu , qv′ u′ ) 1, si está activo el enlace y con utilización es mayor al 50%, 0, otro caso.
fm (pvu , qv′ u′ ) Ancho de banda del flujo km que pasa entre el enlace (pvu , qv′ u′ )
Minimizar f = λ1 · f1 + λ2 · f2 (3.1)
donde:
65
• f2 = α + β + γ + γ ′ es el consumo de energı́a.
• α= 1
a(u) · x(u); α es la tasa de consumo de energı́a por el chasis.
P
A ∀u
extra de energı́a de los enlaces que utilizan más del 50% de su capacidad.
Los valores anteriores están normalizados de tal forma que los pesos λ en
la función objetivo (3.1) pueden guiar la búsqueda. Note que, c(pvu , qv′ u′ ) +
c′ (pvu , qv′ u′ ) es el “consumo total de energı́a” de un enlace cuando se utiliza
más del 50% de su capacidad.
K
fm (pvu , qv′ u′ ) ≤ z(pvu , qv′ u′ ) · W (pvu , qv′ u′ ); ∀(pvu , qv′ u′ ) (3.2)
X
m=1
0; otro caso
66
donde:
nodos u′ .
• B = ∀qv′′ u′′ fm (pvu , qv′′ u′′ ) es el tráfico de salida desde el nodo u a los
P
nodos u′′ .
Cuando el chasis se pone en modo de suspensión, todos los line cards conec-
tados a él también se ponen en suspensión.
y(vu ); ∀u (3.5)
X
x(u) ≤
vu ∈u
Cuando el line card está inactivo, todos los enlaces que usan los puertos
de ese line card se ponen en suspensión.
∀(pvu ,qv′ u′ )
67
3.3.2.4 Restricción de Uso de Puerto
∀qv′ u′ ∈u′
∀pvu ∈u
68
enrutamiento de los flujos de datos, y la configuración óptima de los dispo-
sitivos SDN para lograr el ahorro energético de la red SDN. La localización
y uso eficiente de los recursos se basa en algoritmos. Sin embargo, una gran
parte aún debe mejorarse, y los problemas subyacentes son NP completos
[188], [229]. Las metaheurı́sticas han demostrado que pueden ser una alter-
nativa válida para calcular soluciones aproximadamente óptimas en tiempos
de cálculo razonables [84]. La función objetivo utilizada es la propuesta en
la ecuación 3.1 de las sección anterior.
69
Figura 3.2: Diagrama expandido de componentes de la red G
3.4.2 RDA-GA
El objetivo del algoritmo genético RDA-GA es minimizar el consumo de e-
nergı́a, donde la función objetivo es el ahorro de energı́a total considerando
el consumo del chasis, line card, puerto y utilización del enlace. Esta pro-
puesta es nueva y constituye una de las contrubuciones de la tesis. Para la
implementación del GA en el problema RDA se considera a la red SDN como
un grafo de N nodos el cual se expande para modelar las conexiones entre los
puertos. Esto se puede observar en la Figura 3.2. El Pseudocódigo 2 presenta
el algoritmo propuesto denominado Routing and Device Assigment - Genetic
70
Algorithm (RDA-GA), donde la métrica de optimización es el consumo de
energı́a total del Chasis, line-cards, puertos y utilización de enlaces, a su vez
se considera el número de bloqueos. El objetivo es encontrar la solución que
obtenga el costo mı́nimo de consumo de energı́a global de la red.
Algoritmo 2: RDA-GA
Require: Red G(V,E), Lista de Flujos K, Ubicación del controlador Ct ,
Tamaño de la población, Criterio de Parada, Probabilidad de mutación
probm y Tabla de rutas k rutas mas cortas T ,
Ensure: Mejor solución
1: g = 1
2: InicializarPoblacion(Pg )
3: EvaluarPoblacion(Pg ,T,Ct )
4: while No se cumple el criterio de parada do
5: P’ = SeleccionarPadres(Pg )
6: N = Cruce(P’)
7: N’ = Mutar(N,probm )
8: S = SeleccionarMejorInvididuo(Pg )
9: Pg+1 = Union(N’,S)
10: EvaluarPoblacion(Pg+1 ,T,Ct )
11: g =g+1
12: end while
13: return MejorSolucion(Pg )
71
a la tabla de flujos km . Por ejemplo, en la Figura 3.3 se puede observar el
P11 = 3 indica que la tercera solicitud a ser atendida corresponde al tercer
flujo de la tabla k3 mientras que P13 = 4 corresponde al cuarto flujo k4 de
la tabla. Note que la codificación corresponde a una permutación. Entonces
el RDA-GA explora las soluciones en el espacio de permutaciones. En este
contexto, si se tienen K flujos (j=1, . . . , K) entonces se tienen en total K!
posibles soluciones.
3.4.2.3 Evaluación
72
de rutas más cortas, la red y la ubicación del controlador. Entonces cada
individuo es evaluado de forma independiente en la lı́nea 2 del Algoritmo 3
en donde se obtiene el consumo de energı́a del individuo.
La evaluación de cada individuo consta de dos partes y se presenta en
el Algoritmo 4. En la primera parte, el enrutamiento y la asignación de los
dispositivos a las solicitudes se realiza y quedan guardadas en una matriz
de estados (lı́nea 2 del Algoritmo 4). En la segunda parte, el consumo de
energı́a de la red SDN se calcula acorde a los dispositivos activos (lı́neas 3 a
6 del Algoritmo 4). Si un flujo no tiene enrutamiento o recursos disponibles
entonces se contabiliza como un bloqueo en las lı́neas 7 al 9. En consecuencia,
la calidad de un individuo esta determinado por el número de solicitudes
bloqueadas y el consumo de energı́a generado por las solicitudes no bloquedas.
3.4.2.4 Enrutamiento
73
Algoritmo 4: Evaluar Individuo
Require: Individuo, Tabla de T rutas, Ubicación del controlador Ct
Ensure: Fitness f ; nroBloqueos
1: for Gen ∈ Invididuo do
2: MatrizEstados = RDA(Gen,T,Ct )
3: f1 = f1 + ConsumoChasis(MatrizEstados)
4: f2 = f2 + ConsumoLineCards(MatrizEstados)
5: f3 = f3 + ConsumoPuertos(MatrizEstados)
6: f4 = f4 + ConsumoEnlaceSuperiora50(MatrizEstados)
7: if bloqueo(MatrizEstados,Gen) == true then
8: nroBloqueo = nroBloqueo + 1
9: end if
10: end for
11: f = f1 + f2 + f3 + f4
12: return f , nroBloqueo
Algoritmo 5: RDA
Require: Red G(V, E), Tabla de rutas T rutas más cortas, Ubicación del
controlador Ct , Lista de M Flujos
Ensure: Matriz de estados de dispositivos de red MatrizEstados
1: for kp ∈ P do
2: ruta = Asignacion-de-Flujo(kp , G(V, E), T, Ct )
3: if ruta ̸= NULL then
4: M = Asignar-Puertos-en-Cada-Componente-de-la-Ruta(ruta)
5: end if
6: end for
7: return MatrizEstados
74
3.4.2.5 Asignación de dispositivos
75
la sub-población y se selecciona el mejor como primer padre. Se repite el
proceso para seleccionar el segundo padre. Ambos padres son guardados en
el mating pool P’. Esto se realiza hasta que el tamaño de P’ se igual al de la
población P.
76
Para cada individuo de N se lanza la moneda con una probabilidad
probm . Si la probabilidad indica no realizar mutación el individuo se copia
directo al conjunto N’, caso contrario primero se realiza la mutación y el
individuo mutado se agrega al conjunto N’.
El método de mutación debe ser capaz de mezclar los genes, nunca
deberı́a agregar o eliminar un gen, de lo contrario se generarı́a una solución
no válida. El tipo de método de mutación utilizado es la mutación por
intercambio [178]. Con la mutación por intercambio, dos ubicaciones del
cromosoma se seleccionan al azar y luego se intercambian sus posiciones.
77
3.5.2 Configuraciones de Experimentación
El ahorro de energı́a se calculó sobre la cantidad de chasis, line cards y
enlaces suspendidos sobre la cantidad total de estos elementos en la red. Las
simulaciones se realizaron utilizando redes reales y las demandas de tráfico
compiladas de las librerı́as de SNDlib [186]. Especı́ficamente se utilizaron las
topologı́as Abilene, Atlanta y Nobel Eu [186] (Figura 3.5). La primera tiene
12 nodos y 15 enlaces, la segunda tiene 15 nodos y 22 enlaces, mientras que
la tercera tiene 28 nodos y 41 enlaces.
(a) Abilene
78
parámetros evolutivos basados en [191].
79
y el algoritmo RDA-GA propuestos en comparación con los demás traba-
jos del estado del arte bajo escenarios de tráfico estático, en (c) análisis de
desempeño del modelo MILP y algoritmo RDA-GA en escenarios de tráfico
incremental con y sin re-ruteo, y finalmente (d) análisis de desempeño bajo
tráfico dinámico del algoritmo RDA-GA propuesto y se compara con la es-
trategia de ruteo RDA-SP-FF basada un enrutamiento del camino más corto
(Shortest Path, SP) y asignación de dispositivos (First Fit, FF).
80
Tabla 3.3: Parámetros del Modelo de la librerı́a de SNDlib.
81
Tabla 3.5: Consumo de energı́a en Watts(W) para ubicaciones de controlador
en Atlanta
Nombre Nodo v Grado Nodo g(v) Utilización ut(v) Carga Baja Carga Media Carga Alta
N1 1 3 60 2490 W 2904 W 2908 W
N2 2 3 33 2484 W 2899 W 2900 W
N3 3 3 37 2485 W 2906 W 2913 W
N4 4 2 14 2485 W 2906 W 2909 W
N5 5 3 22 2485 W 2907 W 2967 W
N6 6 4 70 2487 W 2968 W 3032 W
N7 7 3 46 2485 W 2906 W 2912 W
N8 8 4 68 2485 W 2904 W 2910 W
N9 9 4 37 2485 W 2906 W 2968 W
N10 10 3 30 2485 W 2906 W 2909 W
N11 11 2 14 2278 W 2907 W 2967 W
N12 12 2 14 2485 W 2906 W 2997 W
N13 13 3 39 2485 W 2907 W 2968 W
N14 14 3 28 2485 W 2907 W 2967 W
N15 15 2 14 2485 W 2906 W 2908 W
82
Tabla 3.7: Correlación de Pearson Grado de Nodo y Consumo de Energı́a
83
Tabla 3.9: Selección de nodos para ubicación del controlador
Topologı́as
Algoritmo Abilene Atlanta NobelEu
Método Propuesto 1 4 10
Heurı́stica [73] 1 4,11,12,15 2,8,9,10
84
(a) Consumo de energı́a (b) Ahorro de energı́a
elementos en la red. Se puede concluir que los modelos solo pueden calcular
una solución para cargas de hasta 50 Flujos dado que la red entra en régimen
de saturación. Por otra parte, el RDA-GA tiene un desempeño muy similar
al MILP propuesto en este trabajo.
85
(a) Consumo de energı́a (b) Ahorro de energı́a
86
de energı́a no es substancial en el enfoque sin re-ruteo considerando que los
tiempo de cómputos son menores.
87
(a) Consumo de energı́a (b) Ahorro de energı́a
una solución cuya calidad es muy cercana a la obtenida por el enfoque óptimo
con re-ruteo. Otro aspecto importante de un enfoque si re-ruteo es que no se
realizan interrupciones en el flujo instalado en la red siendo mucho mejor en
términos de calidad de servicio desde el punto de vista del usuario. Además,
el tiempo computacional de calculo es mucho menor al ir aumentando la
carga de red.
88
(a) Consumo de energı́a (b) Ahorro de energı́a
89
(a) Consumo de energı́a (b) Ahorro de energı́a
90
2. Duración promedio de cada sesión u = 10 unidades de tiempo.
91
Algoritmo 6: Simulación de tráfico dinámico
Require: Duración promedio de cada sesión u, Tasa de llegada de sesiones
por unidad de tiempo Q, Número de pruebas independientes por carga
de tráfico η, Red G = (V, E), Lista de Flujos K, Ubicación del
controlador Ct , Tamaño de la población, Criterio de Parada,
Probabilidad de mutación y Tabla de T rutas más cortas
Ensure: Consumo promedio, Bloqueo promedio
1: for i = 1 hasta N s do
2: Erlang = i · 100
3: Q = Erlangs/u
4: for j = 1 hasta η do
5: K = Obtener requerimientos de flujos(Q,G)
6: [Bloqueosj ;ConsumoEnergiaj ] = RDA-GA(K,G,Ct ,T ) o
RDA-SP-FF(K,G,Ct )
7: end for
ConsumoP romedioi = ηj=1 ConsumoEnergiaj / η
P
8:
BloqueoP romedioi = j=1 Bloqueosj / η
Pη
9:
10: end for
11: return ConsumoP romedio, BloqueoP romedio,
92
(a) Consumo de energı́a (b) Tasa de Bloqueos
93
3.6 Resumen de resultados - Parte II
Como cierre de la Parte II, en esta sección se presenta un resumen de los
resultados obtenidos en los diferentes experimentos realizados.
Ubicación
Método Abilene (Nodo 1)
del Propuesto Atlanta (Nodo 4)
Controlador NobelEu (Nodo 10)
Abilene (Nodo 1)
Heurı́stica Atlanta (Nodos 4, 11, 12 y 15)
NobelEu (Nodos 2, 8, 9 y 10)
Incremental Sin
Re-Ruteo Ahorro de energı́a no sustancial, menor tiempo de computo.
3.7 Conclusiones
En esta investigación abordamos el problema de optimizar el consumo de
energı́a de las redes SDN considerando dos problemas: el problema de la
ubicación del controlador CA y el problema de enrutamiento de flujos y asig-
nación de dispositivos RDA. Este último problema se encuentra fuertemente
asociado al problema de ubicación de reglas. Para el primer problema se
ha realizado un estudio que indica el beneficio de considerar el grado y la
utilización del nodo para la selección del nodo controlador. En el segundo
94
problema se ha encontrado el beneficio de considerar todos los dispositivos
del switch SDN para lograr un mayor ahorro de energı́a que son: el cha-
sis, line cards y los enlaces, al poner los dispositivos inactivos en modo de
suspensión también se tuvo en cuenta la utilización del enlace.
Para el problema de ubicación del controlador se ha propuesto una
heurı́stica competitiva al propuesto en el estado del arte. Para el segundo
problema se ha propuesto una solución exacta basada en MILP como también
una metaheurı́stica basada en Algoritmos Genéticos.
Se han realizado cuatro experimentos. En el primer experimento se ha
determinado que la ubicación del controlador tiene un mayor impacto cuando
la red esta a media carga. Tanto en carga baja y alta el ahorro de energı́a es
marginal.
En el segundo experimento el modelo de solución MILP logra impor-
tantes ahorros de energı́a en comparación a los predecesores del estado del
estado del arte.
En el tercer experimento se estudia la importancia del re-enrutamiento.
Los resultados indican que un enfoque de re-ruteo logra un ahorro mayor de
energı́a no muy significativo en comparación a uno sin re ruteo. En con-
trapartida, el tiempo computacional para el calculo con re ruteo aumenta
dramáticamente con la carga de tráfico, mientras que un enfoque sin re-ruteo
los tiempos de computo son casi constantes.
En el cuarto experimento sobre tráfico dinámico se observa que el con-
sumo de energı́a llega a un máximo valor cuando la carga aumenta, esto es
debido a que en el sistema se encuentran activos todos los dispositivos. Con-
siderando la tasa de bloqueos el Algoritmo Genético logra una menor tasa
de bloqueo considerable en comparación a la heurı́stica basada en Shortest
Path y First Fit. Claramente a topologı́as de red más pequeñas el número
de bloqueos es mayor.
Como trabajo futuro, se planea abordar los siguientes aspectos:
95
• Aplicar el enfoque de ahorro energético en redes SDN considerando la
tolerancia en caso de fallas de enlaces o componentes SDN.
96
Parte III
SDN Hı́brido
97
Capı́tulo 4
Despliegue incremental SDN Hı́brido
98
Figura 4.1: En la técnica hı́brida se seleccionan el nodo 3 para cambiar por
un dispositivo SDN y se agrega el nodo 7.
99
tienen implementaciones en muchas topologı́as. Debido a esto cuando un flujo
dado llega a estos dispositivos es reenviado de acuerdo al protocolo de ruteo
que estén ejecutando, obligando al controlador SDN a implementar algún
método para atraer el flujo hacia algún dispositivo SDN convenciendo a estos
primeros que reenvı́ar dicho flujo a través de un dispositivo SDN es una mejor
alternativa, tal como lo describen en [99], [95] y [98]. La implementación de
esos métodos queda fuera del alcance de este trabajo porque abordamos el
problema en la fase de diseño y planificación.
Esta investigación tampoco se centró en la ubicación y colocación del
controlador ya que este no participa en el transmisión de flujos de datos o
solicitudes de los usuarios.
Tal como en el trabajo de [99], se asume que los nodos compatibles con
el paradigma SDN que serán agregados solo pueden ser ubicados en posi-
ciones predeterminadas por las condiciones fı́sicas; por ejemplo, suministro
de energı́a, sistema de refrigeración, etc. Además se supone que los nodos
compatibles con SDN deben ser hı́bridos, es decir comprender el protocolo
tradicional y el protocolo SDN, a fin de estandarizar la comunicación con los
nodos restantes de la red. Lo anterior no impide que el operador de red defina
la utilización de nodos puramente SDN en los casos en que decida ajustar
los parámetros de comportamiento del modelo para que este implemente la
técnica de reemplazo únicamente o cuando el modelo determine que el esce-
nario más óptimo se dé al emplear esta técnica. También asumimos que las
peticiones son flujos no divisibles y estáticos.
Con estas aclaraciones y supuestos se puede observar en la Figura 4.2
que el camino que seguirá cada flujo será determinado por el operador de red
ya sea a través del controlador o del plano de control distribuido, dependiendo
de sus necesidades. En este caso el flujo (1,5) puede pasar por el nodo 7, que
es un dispositivo SDN, si los demás enlaces disponibles ya están saturados y el
camino más corto es a través del nodo SDN, o si el operador asigna una mayor
precedencia al enlace (1,7) convirtiéndose en un flujo SDN, mientras que el
flujo (1,6) pasa por el nodo 3, que es un nodo tradicional, considerándose
un flujo tradicional. Hasta donde sabemos no hay otro trabajo similar que
intente combinar ambas técnicas de despliegue para balancear las ventajas.
100
Figura 4.2: Ejemplo de flujos SDN y No-SDN. El flujo (1,5) es SDN y llega a
destino a través del nodo SDN 7 porque es más óptimo en términos de ruteo
si es que el enlace (1,3) está saturado y el flujo (1,6) es un flujo tradicional.
101
4.2 Modelo HID-MILP
En esta sección será presentado el modelo MILP un despliegue incremental
hı́brido al que denominamos HID-MILP. Para una comprensión del modelo
propuesto la Tabla 4.1, la Tabla 4.2, y la Tabla 4.3 presentan las constantes,
parámetros, ı́ndices, y variables respectivamente.
102
Tabla 4.2: Índices del modelo.
Sı́mbolo Definición
i1 , j1 Índices correspondientes a los dispositivos existentes originalmente en la
topologı́a, i1 , j1 ∈ {1, ..., n1 }.
l1 Índice correspondientes a los enlaces existentes originalmente en la
topologı́a, l1 ∈ {1, ..., m1 }.
i2 , j2 Índices correspondientes a los dispositivos candidatos a ser agregados a la
topologı́a, i2 , j2 ∈ {1, ..., n2 }.
l2 Índice correspondientes a los enlaces candidatos a ser agregados a la
topologı́a, l2 ∈ {1, ..., m2 } .
i, j Índice a todos los dispositivos tanto existentes como potenciales, i, j ∈
{1, . . . , n}.
l Índice a todos los enlaces tanto existentes como potenciales, l ∈ {1, . . . m}.
r Índices correspondientes a los flujos que serán atendidos en la red, r ∈
{1, ..., w}.
103
controlado por SDN. Por ende cuanto mayor sea la calidad mayor será la
flexibilidad y la granularidad para la aplicación de algunas estrategias de TE
como lo describen Poularakis et al. en su trabajo [138].
Por lo tanto, para el problema de despliegue hı́brido se propone la si-
guiente programación matemática denominada (Hybrid Incremental Deploy
ment-MILP, HID-MILP):
HID-MILP:
Minimizar α1 · Cc + α2 · Ca − βh · Q + δ · CL (4.1)
sujeto a:
yi1 · CNi11 ≤ Cc (4.2)
X
∀i1
∀i2
(4.4)
X
tr ≥ Q
∀r
∀r, ∀i:
+1, si vi = sr
xrl − xrl = −1, si vi = dr (4.6)
X X
∀r, ∀i:
xrl + xrl ≥ uri (4.7)
X X
∀r, ∀i:
uri ≤ yi (4.8)
∀r:
uri ≥ tr
X
(4.9)
∀i
104
∀r, ∀el = (vi , vj ):
∀l:
xrl · ϕr ≤ κl (4.11)
X
∀r
105
4.3 Metaheurı́stica HID-AG
Si bien el problema planteado puede ser resuelto como un modelo MILP,
esto implica un alto costo en tiempo de ejecución. Ya que tan solo encontrar
el costo mı́nimo de los enlaces para dos dispositivos obligados a atravesar
al menos un dispositivo SDN es un problema NP-Hard, según lo demues-
tran en [3] y [56]. Por lo tanto, es necesario investigar otras alternativas.
Existen varios paradigmas dentro de la familia de Algoritmos Evolutivos de
los cuales se utilizará un GA [54], el cual es realmente una metaheurı́stica,
debido a que usa una selección probabilı́stica al igual que la Programación
Evolutiva en contraposición a la selección determinı́stica de las Estrategı́as
Evolutivas [54]. Además, debido a su representación las soluciones evolucio-
nan el genotipo y no solo el fenotipo como en las otras técnicas evolutivas.
Otro motivo importante es que se utilizan especialmente en aplicaciones que
requieran optimización ya sea estructural, de topologı́as, numéricas, com-
binatorias, entre otras [87]. De manera a mejorar la competitividad en la
resolución de los problemas de optimización se diseñó el Hybrid Incremen-
tal Deployment-Genetic Algorithm (HID-GA), que sera desarrollado en los
apartados siguientes.
El Algoritmo 7 provee una descripción general del GA que se escogió
para el despliegue incremental hı́brido de dispositivos SDN. En el mismo la
constante GT M representa el tamaño de la población mientras que M ax Iter
es la constante que determina la cantidad de generaciones evolutivas que
se realizarán antes de retornar la mejor solución hallada. La propuesta se
puede desglosar en las siguientes partes principales: Codificación de indi-
viduo, Inicialización de la Población de Individuos, Operadores Evolutivos,
y Evaluación de Individuos.
106
Algoritmo 7: HID-GA
1: spf matrix ← Routes T , Cost T ;
2: ρ0 ← Generate Population(GT M );
3: ρ∗ ← Get Best(ρf itness );
4: for j ← 1 to Max Iter do
5: ρj ← Sel Cro Mut(ρj−1 , ρ∗ , µ, υ y , υ π );
6: ρjf itness ← Evaluate(ρj );
7: ρ∗ ← Get Best(ρjf itness );
8: end for
4.3.2 Inicialización
Inicialmente, en la lı́nea 1 del Algoritmo 7 se crea la matriz de ruteo spf matrix,
la cual consiste en las rutas más cortas entre dos nodos cualesquiera de la
topologı́a extendida y el costo asociado a cada ruta. La población evolutiva
inicial se construye en la lı́nea 2 con la función ‘generar poblacion’, donde
básicamente, los vectores y c , y a , π y t de cada individuo ω son generados
aleatoriamente con distribución uniforme.
107
4.3.3 Operadores evolutivos
Los operadores evolutivos son la selección de individuos progenitores, el cruce
de progenitores para generar nuevos individuos y la mutación de los nuevos
individuos tal como se ve en la lı́nea 6 del Algoritmo 7. Estos operadores
aceptan como datos de entrada la población de la generación anterior (pj−1 ),
el mejor individuo (p∗ ) y los parámetros evolutivos (µ, υ y , υ π ). El Algoritmo
8 describe en detalle los procesos que dan lugar a la nueva generación, o sea
la función Sel Cro Mut, iniciando con la perpetuación del mejor individuo
(p∗ ) en la lı́nea 1.
Posteriormente, se repiten los siguientes pasos para cada individuo de
la nueva generación diferente al mejor individuo:
108
da los siguientes descendientes [1,1,0,1,0,0,1,0] y [1,1,1,0,1,1,0,0].
Este tipo de cruzamiento se aplica de forma independiente sobre
los vectores y c , y a , y t que tienen representación binaria.
– Por otro lado, utilizamos la técnica de cruza ordenada [59] para
permutaciones, debido a que un segmento de cada cromosoma
corresponde al orden en que las peticiones o flujos van llegando,
por esta razón es necesario la definición de procedimientos de
reparación de las cadenas inválidas que se producen como conse-
cuencia de la cruza. Este operador se aplica a los vectores π. Por
ejemplo, si los progenitores son [9,8,4,5,6,7,1,2,3,10] y [8,7,1,2,3,10,
9,5,4,6], y de forma aleatoria se elige la sub-cadena [5,6,7,1] del
primer progenitor, el primer hijo estará compuesto por esta sub-
cadena en el orden heredado de su progenitor [*,*,*,5,6,7,1,*,*,*],
luego se borran del segundo progenitor los elementos existentes en
el primer hijo ([8,*,*,2,3,10,9,*,4,*]) para insertar posteriormente
sus elementos restantes por orden de lectura de izquierda a derecha
en los lugares vacı́os del primer hijo ([8,2,3,5,6,7,1,10,9,4]). Para
obtener el segundo hijo se realiza el mismo procedimiento pero
la sub-cadena se toma del segundo progenitor y la sustitución se
realiza a partir del primer progenitor.
109
[1,2,3,7,5,6,4,8] antes y posterior a la mutación con swap en los
alelos cuatro y siete.
4.3.4 Evaluación
El fitness de cada individuo se cuantifica en el Algoritmo 9. Este cálculo
se realiza para cada cromosoma de la población y en cada paso evolutivo
como se puede observar en el Algoritmo 7. La aptitud es el valor de la
función objetivo propuesta en la Ecuación (4.1) que determina la calidad de
la solución codificada en el cromosoma, en este caso el costo de diseño.
Para calcular este valor se toma como datos de entrada el cromosoma ω
y la matriz de rutas spf matrix. Por cada petición πj se verifica que en la red
haya suficiente recursos disponible para enrutar la solicitud de recursos ϕπj
(lı́nea 2). Además, se verifica que ésta deba o no ser un flujo SDN (lı́nea 6).
Si la petición no necesita ser controlada por SDN (tj =0) se controla que cada
dispositivo del camino más corto pertenezca al conjunto de dispositivos ya
existentes en la topologı́a original o sea un candidato de adición a la topologı́a
(lı́neas 7-12) para posteriormente realizar una de las dos acciones, recalcular
el costo del camino más corto factible de ser necesario (lı́neas 13-15) o sumar
el costo de ruteo del camino más corto ya existente (lı́neas 16-18).
110
Si el flujo de la petición πj debe ser un flujo SDN (tj =1) entonces la
ruta debe pasar por al menos un dispositivo SDN. Por lo tanto, se verifica
que en el camino spf matrix[πj ] exista al menos un dispositivo SDN (lı́neas
21-24). En caso contrario, se verifica la existencia de al menos un dispositivo
SDN ubicado por el cromosoma ω, i.e. (A = i∈V (yic + yia )). Si al menos
P
111
Figura 4.3: Topologı́a Pequeña
112
Figura 4.5: Topologı́a Grande
113
4.4.2 Ajustes de Parámetros del GA
Antes de pasar a la descripción de los experimentos es necesario mencionar
que la decisión de usar un GA implica que los usuarios deben definir cues-
tiones de diseño como el tipo de operadores evolutivos y también los parámetros
evolutivos [64]. La estructura de los operadores evolutivos fueron explicadas
en la sección anterior.
Al proceso de elección de parámetros se le conoce como Ajuste de
Parámetros [89], [64], [54] y en la generalidad de los casos se obtiene como
resultado un vector de parámetros evolutivos a ser utilizados durante la op-
timización. Diversas técnicas de ajuste de parámetros se pueden consultar
en [30].
En este trabajo desarrollamos un meta-AG para ajustar los parámetros
del HID-AG a fin de seguir la corriente cientı́fica y alcanzar la mayor eficiencia
posible de dicho algoritmo. Un meta-AG es un AG aplicado a otro AG para
ajustar el parámetro en el problema de estudio. El meta-AG diseñado realizó
la búsqueda entre 2000 combinaciones aleatorias posibles y los valores de
los vectores con los tres mejores resultados fueron promediados y utilizados
en el HID-AG. Finalmente la Tabla 4.5 presenta los parámetros ajustados
obtenidos por el meta-AG.
114
cada carga de trabajo en cada topologı́a, se seleccionaron los mejores resul-
tados y se tomaron los tiempos como lı́mites máximos para la ejecución de
los modelos matemáticos de las técnicas referenciales y la técnica hı́brida.
Como representantes de las técnicas referenciales se tomaron los mod-
elos matemáticos de Levin el al. [56], para el reemplazo, denominado Des-
pliegue de reemplazo mediante Programación de enteros mixtos (Replace-
ment deployment-Mixed-Integer Programming, RD-MIP), y Xu et al. [99],
para la adición, llamado despliegue por adición-programación lineal de en-
teros mixtos (Adition Deployment-Mixed-Integer Linear Programming, AD-
MILP). Estos modelos junto al HID-MILP propuesto se corrieron una vez
para cada carga en cada topologı́a tomando como lı́mites temporales la can-
tidad de segundos que se encuentran en la Tabla 4.6.
Todos los resultados fueron recopilados en planillas para su análisis y
posterior graficación los cuales se describen en la siguiente sección.
115
(a) Topologı́a Pequeña
116
(a) Topologı́a pequeña
117
rarse el comportamiento inicial del HID-MILP es similar al comportamiento
de la técnica por reemplazo RD-MIP, ya que es más económico enrutar a
través de la topologı́a existente. Pero, a medida que aumenta la carga la pro-
puesta hı́brida tiende a comportarse como la técnica por adición pues resulta
más económico. Otra observación es que es posible enrutar toda la carga
existente, dando como resultado un mejor rendimiento acorde a los pesos de
las funciones objetivas. Se puede ver que con la técnica de reemplazo no
es posible enrutar el 100% de la carga impuesta en ninguna topologı́a, con
o sin dispositivos SDN. Por el contrario con la técnica por adición si bien
no todo el tráfico se convierte en flujo SDN al menos es posible enrutar la
totalidad del mismo a través de nodos tradicionales y SDN agregados gracias
a la capacidad adicional otorgada por los enlaces y dispositivos extras.
Nuevamente en la Figura 4.7 en la topologı́a (c) se observa la desventaja
del MIP y los MILP al no poder enrutar de forma satisfactoria todo el tráfico
en un tiempo considerable en comparación con el GA.
En la Figura 4.8 se observa con más detalle la tasa de flujos que son
controlados por el paradigma SDN. Se puede apreciar que a medida que la
carga en la red alcanza puntos de saturación la técnica propuesta HID ofrece
un mejor rendimiento que las referenciales existentes. En este punto se resalta
que en la topologı́a mediana con carga al 100% el modelo HID-MILP no llega
siquiera la zona de posibles soluciones en el tiempo lı́mite establecido. Por
su parte el AG que ofrece una calidad del 97% del tráfico ingresado a la red
se convierte en flujo SDN. La técnica propuesta puede mejorar la calidad
del servicio hasta en 34% en comparación con la técnica de adición y hasta
un 19% con la técnica de reemplazo en la topologı́a (b) mientras que en la
topologı́a (a) la mejora es de hasta un 27% y un 37% con las técnicas de
adición y reemplazo respectivamente. Como se anunció anteriormente en
este trabajo, se puede observar que en la topologı́a (c) los modelos MIP y
MILP no alcanzaron a ofrecer resultados factibles en el tiempo determinado
por el GA, mientras que este último ofrece una calidad superior al 90% para
todas las cargas de tráfico.
Un aspecto claro de los resultados es que el costo de flujos SDN es
proporcional tanto al costo de ruteo como el costo de diseño. Esto implica
118
(a) Topologı́a pequeña
119
que el problema es de naturaleza multi-objetiva al tratar de minimizar el
costo y maximizar la calidad de tráfico simultáneamente.
4.5 Conclusiones
En este estudio se analizó uno de los desafı́os inherentes al esquema HSDN
que es el despliegue incremental de dispositivos SDN en una topologı́a tradi-
cional ya existente. Se consideraron las ventajas y desventajas de las técnicas
del estado del arte que han abordado el mismo desafı́o reemplazando dispo-
sitivos tradicionales por otros SDN o agregando dispositivos SDN y se ha
propuesto una técnica que permita optimizar los beneficios de las primeras.
La técnica propuesta ha sido implementada a través de un Programa
Lineal Entero Mixto y se comparó su rendimiento contra un representante
de cada técnica del estado del arte demostrando un margen mayor de tráfico
controlado por el paradigma SDN a medida que la carga de trabajo va au-
mentando, hasta un 37% en comparación con la técnica por adición y hasta
un 98% en comparación con la técnica por reemplazo, en escenarios donde la
carga de trabajo fue superior al 80%.
Además se propuso una implementación de la técnica hı́brida a través de
un GA, pues se constató que el MILP no es escalable para grandes topologı́as
o grandes cargas de trabajo. El GA por otra parte dió un rendimiento supe-
rior al 90% de calidad de tráfico, es decir que más del 90% de todo el tráfico
fue controlado por el paradigma SDN, en todos los escenarios con tiempos
muy inferiores a los MILP propuesto y a los modelos matemáticos del estado
del arte en topologı́as Mediana y Grande. Todo eso con costos de imple-
mentación inferiores a las ofrecidas por las técnicas del estado del arte y el
modelo de optimización propuesto.
De esta forma también se demuestra que la implementación del esquema
HSDN como estrategia a largo plazo es factible.
En el futuro se planea analizar los siguientes aspectos:
120
• Aumento de los parámetros de comportamiento para considerar métricas
de robustez y confianza, como cantidad máxima de caminos de respaldo.
121
Algoritmo 9: Computación del Fitness: Evaluate
1: for j ← 1 to g do
2: if Enough Capacity(πj ) == False then
3: Modify spf matrix(πj );
4: end if
5: shortest path ← spf matrix[πj ].route;
6: if tj == 0 then
7: for each node in shortest path do
8: if node in y a AN D ynode
a
== 0 then
9: recompute ← T rue;
10: break;
11: end if
12: end for
13: if recompute is True then
14: CL.Add(Rerouting(πj ));
15: Modify Capacity Matriz();
16: else
17: CL.Add(cost(shortest path));
18: Modify Capacity Matriz();
19: end if
20: else
21: if Count Sdn(shortest path) ≥ 1 then
22: CL.Add(cost(shortest path));
23: Modify Capacity Matriz();
24: else
25: if Count Sdn(y c + y a ) ≥ 1 then
26: CL.Add(Rerouting(closest sdn));
27: Modify Capacity Matriz();
28: end if
29: end if
30: end if
31: end for
32: for j ← 1 to n1 do
Cc .Add(yjc ∗ CNj1 );
33: end for
34: for j ← 1 to n2 do
Ca .Add(yja ∗ CNj2 );
35: end for
36: for j ← 1 to g do
Q.Add(tj );
37: end for
38: f itness ← α1 ∗ Cc + α2 ∗ Ca − βh ∗ Q + δ ∗ CL;
122
Tabla 4.4: Topologı́as estudiadas [1]
Topologı́as
Carga
Pequeño Mediano Grande
20% 87 s 847 s 1566 s
40% 403 s 2107 s 3120 s
60% 1367 s 3063 s 3601 s
80% 2467 s 7223 s 5146 s
100% 2132 s 11638 s 6173 s
123
Capı́tulo 5
Técnica de Despliegue por
Reemplazo de Dispositivos en HSDN
5.1 Resumen
Las redes SDN Hı́bridas brindan a los administradores y usuarios de red
varias mejoras, funciones y beneficios. Sin embargo, HSDN presenta desafı́os
desde una perspectiva de optimización.
El presente trabajo aborda la implementación incremental de disposi-
tivos SDN basados en la técnica de implementación por reemplazo (Replace-
ment Deployment, RD), considerando simultáneamente el costo de reemplazo
y la calidad del flujo de tráfico. Como las funciones objetivo suelen estar
en conflicto, en este trabajo se estudia el RD como un problema de opti-
mización multiobjetivo para determinar la estructura de la frontera eficiente
de soluciones. En este contexto, proponemos tres estrategias basadas en
programación lineal de enteros mixtos multiobjetivo (Multi-objective Linear
Programming, MOLP) basada en la restricción ϵ, un algoritmo genético mul-
tiobjetivo (Multi-objective Genetic Algorithm, MOGA) basado en una suma
ponderada y un algoritmo multiobjetivo evolutivo (Multi-objective Evolution-
ary Algorithm, MOEA). Las estrategias propuestas definen simultáneamente
qué nodos tradicionales son reemplazados por dispositivos SDN y el enruta-
miento de las solicitudes de tráfico buscando una solución que minimice el
124
costo de reemplazo y maximice el flujo controlado.
Las simulaciones numéricas muestran que la frontera eficiente del pro-
blema RD es un conjunto de soluciones no dominadas, llamado conjunto de
Pareto. Los enfoques propuestos prometen obtener un conjunto de Pareto de
alta calidad. El MOGA y el MOEA calculan soluciones a un costo computa-
cional más bajo que el MOLP a medida que aumenta el volumen de tráfico.
Por otro lado, el MOEA calcula soluciones más eficientes que el MOGA;
además, éstas soluciones se acercan al conjunto eficiente de Pareto obtenido
por el MOLP.
Sı́mbolo Definición
i1 Índice a todos los dispositivos existentes, i1 ∈ {1, . . . , n}.
l1 Índice a todos los enlaces existentes, l1 ∈ {1, . . . m} siendo l1 =
(i1 , i′1 )
r Índice correspondiente a los flujos que serán atendidos en la red,
r ∈ {1, ..., w}.
125
Tabla 5.2: Constantes y Parámetros
Sı́mbolo Definición
G Grafo no dirigido que representa la topologı́a de red actual, G =
(V1 , E1 )
V1 Conjunto de vértices que representan dispositivos existentes en
la red actual siendo n =| V1 |.
E1 Conjunto existente de enlaces en la red actual siendo m1 =| E1 |.
F Conjunto de solicitudes a ser atendidas, F = {f1 , . . . , fw } siendo
w =| F |.
f Solicitud formada por nodos de origen y destino s, d ∈ V1 y carga
de tráfico solicitada ϕ ≥ 0, f = (s, d, ϕ).
ϕr Cantidad de ancho de banda necesaria para el flujo r.
CN 1 Costo de reemplazo de un nodo tradicional.
κl Capacidad de tráfico el l1 -ésimo enlace fı́sico.
126
para aplicar algunas estrategias de ingenierı́a de tráfico tal como describen
Poularakis et al. [138].
En este contexto, el vector de funciones de minimización se define como
F (x) = (f1 (x) = C(x), f2 (x) = −Q(x)), donde x es el vector de variables de
decisión que pertenece a Ω ⊆ R2 , el cual es el espacio de decisión. La función
objetivo del Costo es tal que C : Ω → {0, . . . , Cmax } donde Cmax = n · CN 1
y la función objetivo de la Calidad es tal que Q : Ω → {0, 1, 2, . . . , w}.
Como ningún punto único minimiza simultáneamente las funciones objetivo
de diseño, el objetivo es encontrar el frente óptimo de Pareto. En este frente,
el ingeniero SDN seleccionará la solución SDN con la compensación (trade-
off ) más conveniente para implementar un HSDN.
Hay que tener en cuenta que la variable de decisión x codificará implı́-
citamente los nodos que se reemplazarán y el enrutamiento de los flujos.
RD MOLP:
Maximizar Q = (5.1)
X
tr
∀r
sujeto a:
CN 1 · (5.2)
X
yi ≤ Cc
∀i
∀r, ∀i1 :
+1, if i1 = sr
vlr1 − vlr1′ = (5.3)
X X
−1, if i1 = dr
∀l1 =(i1 ,i′1 ) ∀l1′ =(i′1 ,i1 )
0, si no
127
∀r, ∀i1 :
vlr1 ≥ uri1 (5.4)
X
∀l1
∀r, ∀i1 :
uri1 ≤ yi1 (5.5)
∀r:
uri1 ≥ tr
X
(5.6)
∀i1
∀r, ∀l1 :
∀l1 :
vlr1 · ϕr ≤ κl1 (5.8)
X
∀r
128
5.5 MRD basado en Algoritmos Evolutivos
El problema MRD puede ser resuelto con un modelo de programación mate-
mática, pero tiene un alto costo computacional cuando aumenta la carga
de trabajo y crece el tamaño de la red. Dado que sólo encontrar el costo
mı́nimo de enlaces entre dos dispositivos por los que debe pasar un flujo que
está forzado a atravesar por un dispositivo SDN es un problema NP com-
pleto [56], [3]. Por lo tanto es necesario el estudio de otras alternativas que
provean un balance entre el tiempo computacional y la calidad de la solución.
Varios paradigmas en algoritmos evolutivos buscan lograr este objetivo [54].
Los algoritmos genéticos multiobjetivos y los algoritmos evolutivos multiob-
jetivos han sido aplicados con éxito a diferentes problemas de comunicación
en red. Por lo tanto, este trabajo propone diseñar algoritmos basados en
estos conceptos para el problema MRD.
5.5.1 RD MOGA
La estrategia propuesta está basada en un MOGA elitista llamado RD -
MOGA. Elitismo se refiere a que algunos de los mejores individuos de la
generación evolutiva formarán parte de la siguiente generación. El Algoritmo
10 describe el pseudocódigo del procedimiento RD MOGA.
En términos generales, el RD MOGA tiene tres partes principales: Ini-
cialización de la población, proceso evolutivo y el retorno de la mejor solución.
En la lı́nea 1, el algoritmo genera la primera población de individuos P
de tamaño S, luego en la lı́nea 2 evalúa el fitness de las soluciones. El proceso
evolutivo (lı́neas 3 a 8) se ejecuta cı́clicamente hasta que el criterio de parada
se cumpla. Los operadores evolutivos generan S-1 individuos descendientes
a partir de las soluciones actuales en cada paso evolutivo. El fitness de los
descendientes también es calculado. Los descendientes y el mejor individuo
actual son parte del siguiente paso evolutivo. Finalmente, la mejor solución
perteneciente a la última población generada es la que se retorna (lı́neas 9 y
10).
129
5.5.2 RD MOEA
La estrategia propuesta está basada en el NSGA-II denominada RD MOEA.
El Algoritmo 11 describe el pseudocódigo del procedimiento RD MOEA.
Nótese que varios componentes son compartidos entre el RD MOGA y el
RD MOEA, como los parámetros de entrada, operadores evolutivos, inicia-
lización de la población y la función de evaluación.
El RD MOEA tiene tres partes principales: Inicialización de la pobla-
ción evolutiva, proceso evolutivo, y el retorno de las mejores soluciones. En
la inicialización de la población evolutiva (lı́neas 1 a 3 de la figura 11), el algo-
ritmo genera la primera población P de S individuos, luego las soluciones del
vector de las funciones objetivos son calculadas. Finalmente, las soluciones se
agrupan según su dominio sobre otras soluciones. En cada conglomerado se
obtiene la medida de hacinamiento (distancia de crowding) de cada solución.
El proceso evolutivo (lı́neas 4 al 9) se ejecuta cı́clicamente hasta que
el criterio de parada se cumpla. Los operadores evolutivos generan nuevos
descendientes desde las soluciones actuales en cada paso evolutivo. Se calcula
el vector de las funciones objetivo de la descendencia. La descendencia y
lo individuos actuales compiten para determinar quienes sobreviven para el
siguiente paso evolutivo. Los mejores S individuos avanzan a la siguiente
generación. Adicionalmente el método Ranking Crowding() (lı́nea 7) es el
encargado de agrupar y ordenar las soluciones de acuerdo a su dominancia
sobre las demas (frentes de pareto), posteriormente dentro de cada frente,
calcula la distancia de crowding de cada solución, para finalmente ordenar
las soluciones de mismo ranking de acuerdo a su distancia de hacinamiento
(crowding). Luego del proceso evolutivo, el algoritmo retorna las mejores
soluciones no dominadas de la última población (lı́neas 10 al 11).
130
Algoritmo 10: Pseudocódigo del procedimiento RD MOGA.
entrada: S, criterioP arada(), µ, τb , τπ , λ1 , λ2
salida : x
1 P ← Generar(S)
2 Evaluar(P, λ1 , λ2 )
3 mientras ∼criterioP arada() hacer
4 Q ← Evolucionar(P, µ, τb , τπ , S-1)
5 Evaluar(Q, λ1 , λ2 )
6 x ← Get Mejor(P)
7 P ← {x} ∪ Q
8 fin mientras
9 x ← Get Mejor(P)
10 retornar x
• Parámetros de la red:
• Parámetros evolutivos:
– Tamaño de la población S.
– Criterio de parada evolutiva criterioP arada().
– Tasa de mutación µ de los individuos.
– Tasa de ruido τb para gen binario.
– Tasa de ruido τπ para gen de permutación.
131
Algoritmo 11: Pseudocódigo del procedimiento RD MOEA.
entrada: S, criterioP arada(), µ, τb , τπ
salida : Set de Pareto PS
1 P ← Generar(S)
2 Evaluar(P)
3 Ranking Crowding(P)
4 mientras ∼criterioP arada() hacer
5 Q ← Evolucionar(P, µ, τb , τπ ,S)
6 Evaluar(Q)
7 F ←Ranking Crowding(P ∪ Q)
8 P ← R[1 : S]
9 fin mientras
10 PS ← Get Solutiones No Dominadas(P)
11 retornar PS
5.5.3.2 Cromosoma
132
La ruta del flujo controlado debe pasar por al menos un dispositivo
SDN.
El siguiente ejemplo introduce una breve explicación. Sea una red SDN
de seis nodos (n=6), un conjunto de cinco solicitudes F = {f1 , f2 , f3 , f4 , f5 },
y el subsecuente cromosoma x=(y,π,t) con y=(0,1,1,0,0,0), π=(3,2,1,5,4), y
t=(1,1,0,0,0,1). El cromosoma codifica una red con dispositivos SDN insta-
lados en los nodos dos y tres. Un algoritmo de enrutamiento calculará las
rutas con el siguiente órden p3 , p2 , p1 , p5 , y p4 . Aquı́ pi1 es la ruta de la
solicitud fi1 . Tenga en cuenta que las rutas p1 , p2 y p6 deben incluir al nodo
dos o tres. Los flujos de tráfico f1 ,f2 , y f6 deben ser controlados.
133
RD MOEA, la selección elige al individuo con menor ranking. Si los
rankings son los mismos, se selecciona al individuo con una mayor dis-
tancia de aglomeración, y si nuevamente, las distancias son las mismas,
se toma cualquiera de los dos al azar.
134
– Mutación binaria: este trabajo aplica la estrategia Flipbit para
los genes binarios y y t [66]. Este operador selecciona de manera
aleatoria los alelos que serán invertidos. Por ejemplo, el vector
[1,1,0,0,1,1,0,0] antes y [1,1,0,1,1,1,0,0] después de la mutación
flitbit en el cuarto alelo.
– Mutación por permutación: aquı́ aplicamos el intercambio recı́proco
a los genes t [54]. Este operador selecciona dos alelos e intercam-
bia sus ubicaciones. Por ejemplo, el vector [1,2,3,4,5,6,7,8] antes y
[1,2,3,7,5,6,4,8] después del intercambio de cuarto y séptimo alelo.
135
Finalmente, Evaluar calcula y devuelve los siguientes criterios de cali-
dad:
Número de flujos SDN: Q ← i ti .
P
Costo de reemplazo: C ← CN 1 · i yi .
P
136
5.7 Esquema de simulación
El Algoritmo 12 presenta el equema de simulación, el cual es descrito a
continuación. Se reciben como datos de entrada: un conjunto de topologı́as
de red G = {Gi : i = 1, . . . , G}, un conjunto de solicitudes RS = {Rj :
j = 1, . . . , R} y un conjunto de algmoritmos de optimización A = {Ak : k =
1, . . . , A}. La lı́nea 1 inicializa el conjunto de soluciones no dominadas PS =
{P Sijk } para cada escenario de prueba y algoritmo. Tenga en cuenta que,
para cada topologı́a de red Gi y cada conjunto solicitudes Rj , el algoritmo Ak
calcula un conjunto de soluciones no dominadas P Sijk (lı́nea 5). Finalmente,
el procedimiento devuelve el conjunto completo PS (lı́nea 9).
En este estudio, los elementos de A están basados en las propues-
tas RD MOLP, RD MOGA y RD MOEA explicadas anteriormente, es decir, A =
{pareto molp, pareto moga, pareto moea}. A continuación se describe el
esquema de ejecución de cada algoritmo para calcular el conjunto de solu-
ciones no dominadas:
137
Algoritmo 12: Pseudocódigo del esquema de simulación.
entrada: G, RS, A
salida : PS
1 PS ← ∅
2 para cada (Gi ∈ G) hacer
3 para cada (Rj ∈ RS) hacer
4 para cada (Ak ∈ A) hacer
5 P Sijk ← Ak (Gi ,Rj )
6 fin
7 fin
8 fin
retornar: PS
9
138
Algoritmo 14: Función PARETO MOGA
entrada: G, R
salida : PS
1 resultados ← ∅
2 desde (i ← 1) hasta pasos hacer
3 λ1 ← i/pasos
4 λ2 ← 1 − λ1
5 X←∅
6 desde (j ← 1) hasta corridas hacer
7 xj ← RD MOGA(λ1 , λ2 , G, R)
8 X ← X ∪ xj
9 fin desde
10 xmejor ← get mejor(X)
11 resultados ← resultados ∪ xmejor
12 fin desde
13 PS ← get solutiones no dominadas(resultados)
retornar: PS
14
139
Algoritmo 15: Función PARETO MOEA
entrada: G, R
salida : PS
1 resultados ← ∅
2 desde (i ← 1) hasta corridas hacer
3 Pi ← RD MOEA(G,R)
4 resultados ← resultados ∪ Pi
5 fin desde
6 PS ← get solutiones no dominadas(resultados)
retornar: PS
7
5.9 Resultados
Las Figuras 5.4 a la 5.6 presentan los resultados experimentales, en los que
se pueden ver los diferentes Frentes de Pareto. En cada figura, el costo de
reemplazo se ubica en el eje horizontal, mientras que la calidad del reemplazo
en el eje vertical. Las soluciones RD MOLP están en azul, RD MOGA en
verde y RD MOEA en rosa. Estos resultados confirman que el coste y la
calidad son objetivos contradictorios, es decir, mejorar uno implica empeorar
140
Figura 5.1: Topologı́a de la red Nobel Germany
141
Figura 5.3: Topologı́a de la red Germany 50
142
Tabla 5.5: Parámetros de los Algoritmos
el otro.
En este contexto, el problema del despliegue por reemplazo de redes
SDN debe ser abordado como un problema de optimización multiobjetivo
para la correcta toma de decisiones. Un aspecto importante que podemos
observar a partir de estos resultados es que la estructura del frente de Pareto
difiere según la carga de tráfico y la topologı́a de la red. Una vez que se ha
calculado el frente de Pareto, el tomador de decisiones puede seleccionar una
solución con la mejor relación de compromiso o de acuerdo con los lı́mites
presupuestarios.
En la Figura 5.4, podemos ver que los frentes de Pareto son muy simi-
lares para cualquiera de los métodos. El número de soluciones no dominadas
supera las cuatro soluciones en una relación de compromiso. En particu-
lar, las soluciones RD MOGA y RD MOEA están muy cerca del RD MOLP
óptimo.
Con la topologı́a media (Nobel EU), podemos notar que el RD MOGA
tiene un desempeño deficiente en comparación con RD MOLP y RD MOEA,
que continúan produciendo resultados similares, pero RD MOLP aún preva-
lece. Por ejemplo, las soluciones de RD MOLP y RD MOEA dominan las
soluciones de RD MOGA en la Figura 5.5b. Recordando que para este estu-
dio, el Costo de Reemplazo (Replacement Cost, RC) se definió como igual a
cuatro, el reemplazo de RD MOGA con cuatro dispositivos logra una Calidad
143
de 204, mientras que RD MOEA y RD MOLP reemplazan solo un disposi-
tivo, y logran una Calidad de 203 y 222, respectivamente.
También podemos analizar los resultados utilizando el hipervolumen
como indicador de calidad multiobjetivo [53]. Este indicador mide el área (en
el espacio objetivo) cubierta por miembros de un determinado conjunto con
la que es posible obtener aspectos de convergencia y diversidad en un frente
determinado. Este cálculo se realiza después de normalizar los valores en los
ejes. Cuanto mayor sea el valor de hipervolumen, mejor será la solución. Por
tanto, el resultado proporcionado por RD MOGA alcanza un hipervolumen
de 0,7857, mientras que RD MOLP y RD MOEA obtienen 0,9543 y 0,8929
respectivamente, por lo que RD MOLP sigue siendo competitivo.
En la topologı́a mediana con un alto nivel de carga (Figura 5.5c), el
RD MOEA devuelve un mejor frente de Pareto que el RD MOLP, con un
hipervolumen de 0,9502 del RD MOEA frente a 0,8793 del RD MOLP. Aquı́
podemos ver que RD MOLP y RD MOEA obtienen la misma calidad al
reemplazar un solo dispositivo. Finalmente, RD MOEA obtiene un mejor
resultado con dos o más dispositivos.
El RD MOEA supera a los otros métodos en la topologı́a grande (Ger-
many-50), y su frente de Pareto domina a las otras soluciones. Observe
que RD MOLP ya tiene problemas para calcular soluciones de calidad en la
región de compromiso con un nivel de carga medio (Figura 5.6b).
Finalmente, en la topologı́a grande con un nivel de carga alto (Figura
5.6c), el RD MOLP ya no puede devolver ningún resultado posible. El RD -
MOGA devuelve un frente de Pareto dominado por el frente de Pareto del
RD MOEA. Este resultado es debido a que el tiempo de cálculo para todos
los algoritmos es fijo; entonces RD MOLP no cubre soluciones factibles.
RD MOLP no es computacionalmente escalable cuando crece la com-
plejidad del problema. Por el contrario, el RD MOGA y el RD MOEA son
escalables pero no garantizan la optimización. Sin embargo, la debilidad de
RD MOGA es que cada búsqueda realizada en una dirección está determi-
nada por los pesos en la función objetivo. Este proceso descarta soluciones
potenciales y genera nuevas soluciones.
Dadas las caracterı́sticas evolutivas de RD MOEA, se logra una explo-
144
(a) 40% de Carga (b) 60% de Carga (c) 100% de Carga
145
5.10 Conclusiones
Este trabajo estudió los beneficios de implementar una red SDN hı́brida
a través de un enfoque multiobjetivo y utilizando la estrategia de reem-
plazo. En este estudio, desarrollamos tres algoritmos: RD MOLP, RD -
MOGA y RD MOEA. Los resultados experimentales muestran una ventaja
y un rendimiento significativo a favor del RD MOEA a partir de topologı́as
medias y niveles de carga medios en adelante. Los resultados proporcionados
por RD MOEA generan un frente de Pareto que domina completamente los
resultados de RD MOLP y RD MOGA. En trabajos futuros, se planea im-
plementar otros algoritmos multiobjetivo que incluyan el tercer objetivo en
el modelo e incluyan la técnica de adición de forma conjunta o individual.
146
Parte IV
Energy-Aware en HSDN
147
Capı́tulo 6
Ahorro de Energı́a en SDN Hı́brido
6.1 Resumen
Como se mencionó antes, las redes SDN son un paradigma que proporciona
flexibilidad y capacidad de programación a las redes informáticas. Al intro-
ducir nodos SDN en una topologı́a de red IP heredada, los operadores de
red pueden beneficiarse de un mayor control sobre la infraestructura. A este
tipo de redes las hemos denominado como redes SDN Hı́bridas [211]. Sin em-
bargo, esta migración no es un proceso rápido ni sencillo por varios motivos
ya explicados en capı́tulos anteriores.
Por otro lado, en los últimos años se realizarón muchos esfuerzos para
abordar el problema del consumo de energı́a de los equipos de comunica-
ciones, la mayorı́a de ellos se han realizado en redes IP tradicionales, los
protocolos conscientes de la energı́a normalmente requieren varias tareas de
coordinación que no son fáciles de implementar en los equipos utilizados en
las redes actuales.
Por este motivo, la flexibilidad y la capacidad de programación pro-
porcionadas por el paradigma emergente de redes SDN permiten a los inves-
tigadores proponer nuevas soluciones coordinadas para el mejoramiento del
consumo de energı́a mediante la explotación del funcionamiento centralizado
del controlador SDN. Sin embargo, un despliegue completo de SDN es difı́cil
a corto plazo debido a restricciones presupuestarias y desafı́os técnicos.
148
Surge entonces, la necesidad de plantear una lı́nea en la que se trate
especı́ficamente el problema del ahorro de energı́a en las redes SDN Hı́bridas
sin perder de vista el compromiso con la calidad del servicio. En este capı́tulo
se desgloza el planteamiento del problema, el estado del arte y la discusión
de los desafı́os actuales en la convergencia de la búsqueda de la eficiencia
energética y la progresiva inclusión de conmutadores SDN en las redes tradi-
cionales actuales.
149
cialmente implementadas. Este desafı́o puede ser formulado como problema
de optimización de varias formas en las redes SDN Hı́bridas, encontrando la
cantidad y ubicación de nodos SDN a incorporar o cuales nodos o enlaces
apagar o suspender. Se puede comprobar que en cualquiera de los casos el
problema es NP-difı́cil [241], es por ello que se deben proponer soluciones
heurı́sticas o metaheurı́sticas para abordar su solución. Un tema que no se
debe perder de vista al resolver el problema planteado es la de mantener o
de ser posible mejorar la calidad del servicio.
A continuación se desglozan tres diferentes forma de plantear el pro-
blema de mejorar el consumo de energı́a en las redes SDN hı́bridas.
150
en los conmutadores SDN, manteniéndose en sintonı́a con las condiciones
cambiantes del tráfico.
Por otro lado, los costos de energı́a de los conmutadores o enlaces se
pueden conocer de antemano por los tipos y configuraciones de los mismos.
Por lo tanto, el controlador SDN puede calcular los estados de energı́a para
los elementos SDN (conmutadores SDN o enlaces conectados a los conmu-
tadores SDN) y garantizar un enrutamiento correcto y un buen rendimiento
de ahorro de energı́a. Si el mecanismo de ahorro de energı́a se implementa
en la red tradicional, el mismo cómputo debe ser realizado por cada dis-
positivo individualmente, lo cual es mucho más complejo que el cómputo de
enrutamiento OSPF.
El controlador es responsable de todos los estados de energı́a de los
elementos SDN, pero el controlador no puede operar los estados de energı́a
de los elementos que no son SDN. Por lo tanto, el problema planteado es
apagar tantos elementos SDN como sea posible, con la condición de que
el subconjunto de red que se queda activo pueda satisfacer la demanda de
tráfico, de modo a reducir el consumo de energı́a innecesario.
151
6.2.2 Problema tipo 2
La Figura 6.2 muestra la arquitectura de un sistema HSDN en una topologı́a
de 6 nodos, la red hı́brida esta compuesta por tres nodos IP tradicionales,
VI = {1,3,5}, y tres nodos SDN, VS = {2,4,6}, los últimos manejados por
el controlador SDN presente en la topologı́a. Además, se dispone de ocho
enlaces controlables (lı́neas azules), con un sólo enlace no controlable, el que
conecta los nodos 1 y 3 (lı́nea roja). El problema en particular planteado
es encontrar una respuesta práctica al número de reemplazos de nodos su-
ficientes y el método de reemplazo más adecuado en términos de eficiencia
energética. Para lograr ahorrar energı́a, los elementos de la red se deben en-
cender o apagar según la carga de tráfico ofrecida, la cual varı́a a lo largo del
dı́a. Para este propósito, se asume que los nodos y enlaces IP siempre están
encendidos, ya que están fuera del alcance de la gestión del controlador y no
existen técnicas de ahorro de energı́a aprovechables en la red IP heredada.
De esta forma, el objetivo es apagar tantos elementos SDN (nodos SDN y
enlaces que conectan nodos SDN) como sea posible mientras se satisface el
conjunto de demandas de tráfico.
En resumén, para resolver el problema de manera óptima se busca
la cantidad y ubicación de los nodos SDN a reemplazar en la red heredada,
consiguiendo tener la mayor cantidad de enlaces azules y menos enlaces rojos,
ya que estos últimos no pueden ser apagados.
152
Figura 6.2: Red hı́brida IP/SDN de 6 nodos. [76].
153
enrutador del enlace se puede apagar o poner a dormir, si es compatible con
SDN.
En conclusión, el problema planteado es determinar cuales nodos y
enlaces entre PoP pueden ser apagados, para ahorrar energı́a, sin perder la
capacidad de satisfacer la demanda de carga de tráfico en los enlaces PoP.
Figura 6.3: Red hı́brida SDN/OSPF con 3 PoPs (puntos de presencia). [119].
154
implementadas. Después de comprobar que el problema es NP-difı́cil, pro-
pusieron una solución heurı́stica para abordar su solución exacta. A través
de extensas simulaciones, demostraron que el algoritmo heurı́stico propuesto
tiene un buen desempeño; es decir, en promedio es posible ahorrar alrede-
dor del 50% del consumo total de energı́a en la SDN completa, teniendo
una distancia inferior al 5% del consumo de energı́a de la solución exacta.
Además, también logra un buen rendimiento en la SDN parcialmente imple-
mentada, ahorrando en promedio alrededor del 40% del consumo total de
energı́a cuando hay aproximadamente el 60% de los nodos SDN en la red.
También es destacable que, se ejecuta significativamente más rápido que un
solucionador lineal general de este problema, al reducir el tiempo de cálculo
de la red que contiene cientos de nodos al menos en 100 veces.
En [76], Galán-Jiménez et al. publicaron su investigación sobre el pro-
blema de ahorrar energı́a en redes hı́bridas IP/SDN, donde ambas arquitec-
turas de red coexisten al mismo tiempo. En particular, realizaron un estudio
sobre la compensación entre la cantidad de energı́a que se podrı́a ahorrar y
la cantidad y ubicación de los enrutadores IP heredados que se reemplazarán
o actualizarán a conmutadores SDN. Los resultados de la heurı́stica basada
en el Algoritmo Genético propuesto muestran que un porcentaje reducido,
como el 50% de los nodos SDN, serı́a suficiente para lograr ahorros de en-
ergı́a similares a los obtenidos por una red SDN completa, con una brecha
de rendimiento inferior al 5,5%.
Huin et al., propusieron SENAtoR en [119], se trata de un algoritmo
para habilitar el enrutamiento sensible a la energı́a en un escenario de mi-
gración progresiva de hardware heredado a SDN. Como en la vida real, apagar
los dispositivos de red es una tarea delicada, ya que puede llevar a la pérdida
de paquetes, SENAtoR también ofrece varias caracterı́sticas para habilitar de
forma segura los servicios de ahorro de energı́a: tunelización para un reen-
caminamiento rápido, deshabilitación suave de nodos y detección de picos
de tráfico y fallos de enlaces. Los autores, validaron su solución por medio
de extensas simulaciones y a tavés de la experimentación. Demostraron que
SENAtoR se puede implementar progresivamente en una red utilizando el
paradigma SDN. La solución propuesta, permite reducir el consumo de e-
155
nergı́a de las redes de los proveedores de servicio de internet (Internet Ser-
vice Provider, ISP) entre un 5 y un 35%, dependiendo de la penetración del
hardware SDN, al tiempo que disminuye la tasa de pérdida de paquetes en
comparación con los protocolos heredados.
En el artı́culo [122] de Jia et al., ellos proponen un esquema heurı́stico
para implementar incrementalmente conmutadores SDN en SDN hı́bridas,
cuyo objetivo es lograr un ahorro de energı́a mediante el reencaminamiento
de los flujos para apagar los enlaces inactivos y los conmutadores tantos
como sea posible. La solución propuesta puede lograr dos objetivos: 1) ma-
ximizar la capacidad de control de la red con una determinada restricción
de presupuesto de actualización de los conmutadores SDN, y 2) maximizar
el ahorro de energı́a al apagar los enlaces inactivos y los conmutadores con
los conmutadores SDN implementados. Los resultados de las evaluaciones
muestran que su esquema puede alcanzar el 95% del número de flujos con-
trolados con solo el 10% del costo de actualización, y también puede lograr
ahorrar más del 10% del consumo total de energı́a en comparación con las
soluciones existentes.
Al Mhdawi et al. en su trabajo [10], exponen el protocolo desarrollado
de enrutamiento de decisión de reducción de potencia inteligente (Intelligent
Power Reduction Decision Routing, iPRDR) en una escala hı́brida - Entorno
de centro de datos de red definida por software. El enfoque del protocolo
iPRDR propuesto es segregar dinámicamente el gran tráfico y enrutarlo a
dispositivos de procesamiento de alto ı́ndice con una ruta seleccionada con
potencia óptima. El enfoque del protocolo es disminuir el consumo de energı́a
general de toda la red, ası́ como reducir la tasa de fallas en cada dispositivo
que puede ocurrir debido a un alto nivel de congestión de enlace y temper-
atura elevada. Los resultados experimentales muestran que la utilización del
enlace ascendente se ha reducido en un 8,33% y los niveles de consumo de
energı́a en 0,85kw/dı́a, lo que equivale a un 34,9% de la potencia operativa.
Además, las altas tempera- turas elevadas se han reducido de alto rango 50+
C° (alto crı́tico) a mediados de 40+ C° (alto aviso). La efectividad del en-
foque propuesto se verificó experimentalmente utilizando una plataforma de
prueba virtualizada.
156
En la publicación [77], Galán-Jiménez et al. enfrentan el problema de
reemplazo de los nodos SDN durante la transición de las redes IP tradi-
cionales a las redes SDN completamente implementadas. Proponen seis
métodos de reemplazo diferentes para seleccionar el conjunto más apropiado
de nodos IP tradicionales que se actualizarán a conmutadores habilitados
para SDN en una etapa de transición particular. Para mostrar la efectividad
de los métodos propuestos, se han aplicado a un problema de optimización
actualmente estudiado por la comunidad de investigación: el problema del
consumo de energı́a. El trabajo presenta una formulación de programación
lineal entera para resolverlo y se evalúa un algoritmo genético a través de
simulaciones en topologı́as de red realistas. Los resultados resaltan que la
eficiencia energética en las redes hı́bridas de IP/SDN puede mejorarse signi-
ficativamente al reemplazar solo un número reducido de nodos de IP.
Maity et al. en [161], presentan un esquema de ingenierı́a de tráfico
para redes SDN hı́bridas para reducir el consumo total de energı́a de la red
y aumentar la cantidad de tráfico programable. La SDN hı́brida involucra
conmutadores SDN y heredados debido a la migración de una red heredada
a una SDN. La razón principal de esta migración es aumentar la cantidad de
tráfico programable y agregar flexibilidad a las operaciones de administración
de red, como el monitoreo de red, la distribución de carga y la administración
de energı́a. Las soluciones de gestión de energı́a en SDN incluyen activación
o desactivación dinámica de elementos de red y redireccionamiento de tráfico.
Sin embargo, existe una compensación entre el enrutamiento consciente de
la energı́a y el tráfico programable, ya que el desvı́o de tráfico no planificado
puede transformar el tráfico programable en uno no programable. En este
artı́culo, proponen un esquema para la activación dinámica de enlaces SDN y
la selección óptima de rutas de flujos existentes. A diferencia de los trabajos
anteriores, los autores se enfocaron en reducir el consumo de energı́a, mientras
maximizaron el tráfico programable, ya que cumple con la intención principal
de transformar una red heredada en una SDN. Los resultados de la simulación
muestran que el esquema propuesto, ETHoS, aumenta el ahorro de energı́a
en un 28,91 % en comparación con SENEtoR, un esquema existente.
En otro trabajo Galán-Jiménez et al. [79], consideran de forma conjunta
157
dos problemas de optimización que normalmente se resuelven por se- parado
debido a su naturaleza opuesta: i) el equilibrio de carga de tráfico y ii)
la reducción del consumo de energı́a de la red. En particular, se propone
una heurı́stica llamada Algoritmo de carga de propagación hı́brida (Hybrid
Spreading Load Algorithm, HSLA) para minimizar conjuntamente la MLU y
el consumo de energı́a de la red durante la transición de redes IP a SDN.
Las simulaciones sobre topologı́as de diferente tamaño considerando diversos
métodos de selección para el reemplazo de los nodos revelan que HSLA supera
a otros enfoques de última generación que abordan especı́ficamente un solo
objetivo, ya sea el equilibrio de carga de tráfico o la reducción del consumo
de energı́a de la red.
En [108] Hiryanto et al., consideran el problema de actualizar una red
SDN en múltiples etapas y maximizar el ahorro de energı́a en la red mejo-
rada resultante o SDN hı́brida. En cada etapa, un operador debe seleccionar
y reemplazar conmutadores heredados con conmutadores SDN y tratar de
desconectar tantos cables como sea posible en cada enlace. Este documento
aborda dicho problema considerando (i) el presupuesto disponible en cada
etapa, (ii) los retrasos máximos en la ruta, (iii) la utilización máxima del en-
lace, (iv) el aumento (disminución) por etapa en el tamaño del tráfico (costo
de actualización) y (v) cada conmutador que no sea SDN debe cumplir con
el protocolo OSPF-ECMP [108]. En dicho trabajo se describe una progra-
mación entera mixta y un algoritmo heurı́stico llamado M-GMSU. Los re-
sultados muestran que (i) MIP y M-GMSU logran ES de hasta 71.93%, (ii)
usando un mayor presupuesto y/o el número de etapas aumenta el ES, y (iii)
el ES de M-GMSU está dentro del 3.55% lejos del ES óptimo calculado por
MIP.
Hirayato et al. [109], extendiendo el trabajo desarrollado en [108], con-
sideran también el problema novedoso de actualizar una red heredada a una
red SDN en múltiples etapas y ahorrar energı́a en la red actualizada o SDN
hı́brida. Es decir, en cada etapa, el problema en cuestión es seleccionar
y reemplazar los conmutadores heredados con conmutadores SDN y rediri-
gir el tráfico para apagar tantos cables no utilizados como sea posible para
ahorrar energı́a. Además, el operador debe considerar: (i) el presupuesto
158
disponible en cada etapa, (ii) los retrasos máximos en la ruta, (iii) la uti-
lización máxima del enlace, (iv) el aumento (disminución) por etapa en el
tamaño del tráfico (costo de actualización), y (v) el protocolo OSPF-ECMP.
Este documento aborda dos escenarios de enrutamiento de rutas múltiples:
1) sin enlace disjunto y 2) con enlace disjunto. Describe un programa entero
mixto y un algoritmo heurı́stico para cada escenario. Los resultados exper-
imentales muestran que: (i) ambas soluciones producen solo hasta un 0,63
% más de ahorro de energı́a en el escenario 1 que en el escenario 2, (ii) el
programa entero mixto (algoritmo heurı́stico) para ambos escenarios da un
ahorro de energı́a de hasta 71,93% (71,64%), (iii) el uso de un mayor pre-
supuesto y/o número de etapas puede aumentar el ahorro de energı́a, y (iv)
el ahorro logrado por la solución heurı́stica para cada escenario está dentro
del 4% del ahorro óptimo.
Galán-Jiménez et al. [80], en otra investigación publicada, plantean que
la migración no es un proceso rápido ni sencillo. Además, para proporcionar
una calidad de servicio adecuada en redes hı́bridas IP/SDN, la coordinación
del paradigma IP y SDN es fundamental. En su documento, plantean que
esta coordinación se utiliza para resolver dos problemas de optimización que
normalmente se resuelven por separado: (i) equilibrio de carga de tráfico y
(ii) minimización del consumo de energı́a. Cada uno de estos problemas tiene
objetivos opuestos, por lo que su consideración conjunta implica lograr un
equilibrio entre ellos. Por lo tanto, el trabajo propone la heurı́stica HSLA
que enfrenta de manera conjunta los problemas de equilibrar el tráfico al
minimizar la utilización del enlace y el consumo de energı́a de la red en una
red hı́brida IP/SDN. El HSLA se evalúa en topologı́as de diferentes tamaños
utilizando diferentes métodos para seleccionar qué nodos se migran de IP
a SDN. Estas evaluaciones revelan que los enfoques alternativos que solo
abordan uno de los objetivos son superados por HSLA.
En la Tabla 6.1, se puede apreciar un resumén de los trabajos de inves-
tigación del estado del arte que abordan el problema de ahorro de energı́a en
las redes SDN hı́bridas.
159
Tabla 6.1: Trabajos del Estado del Arte - Ahorro de Energı́a en SDN Hı́brido
Referencia Abordaje Objetivo Modelo Formul. Técnica
- SDN Hı́bridas Encontrar subconjuntos de
Wang et al. [241] - Apagar conmutadores red de potencia mı́nima en MIP MAM HA
- Apagar enlaces SDN parcialmente
implementados.
- % de nodos a reemplazar, El objetivo principal
- Nodos candidatos es minimizar el consumo de
Galán-Jiménez a reemplazar, energı́a del conjunto de ILP MAM GA
et al. [76] - Enlaces puestos a dormir. enlaces conectados a
los nodos SDN.
- Uso de túneles, Reducir el consumo de
- Apagado de enlaces, energı́a de la red
Huin et al. [119] - Mitigación de tráfico con como máximo de k ILP MAM HA
y fallo de enlace. Puntos de Presencia SDN
- Despliegue incremental Minimizar el consumo de
Jia et al. [122] de nodos SDN, energı́a de la red mediante la
- Ubicación de nodos SDN inclusión de nodos SDN bajo ILP MAM GD
fijos, reencamindo de flujos. restricción presupuestaria.
- Reducción de carga de Minimizar el tráfico
Al Mhdawi et al. [10] tráficos grandes, de flujos grandes, reduciendo
- Reducción de las tem- el consumo de la CPU — MOP HA
peraturas del núcleo y la temperatura
reduciendo el consumo. del núcleo.
- Despliegue incremental , Minimizar el consumo
Galán-Jiménez de nodos SDN para de energı́a en una
et al. [77] el ahorro de energı́a. red cableada durante ILP MAM GA
la transición de
IP a SDN.
- Reducir el consumo Maximizar la utilidad
Maity et al. [161] total de energı́a, de la ruta para SA
- Aumentar cantidad total todos los flujos MILP MAM OSGA
de tráfico programable. presentes en la red.
- Equilibrio de carga Minimizar conjuntamente
Galán-Jiménez de tráfico, la utilización del
et al. [79] - Reducción del consumo enlace y el consumo de energı́a — MAM HA
de energı́a de la red. de la red durante la
trancisión de redes IP a SDN.
- Reemplazar conmutadores Minimizar el número
Hiryanto heredados, de enlaces encendidos
et al. [108] - Redirigir el tráfico para en T etapas MIP MAM HA
para ahorrar energı́a en el paso de red here-
desconectando enlaces. dada a SDN.
- Reemplazar conmutadores Minimizar el número
Hiryanto heredados, de enlaces encendidos
et al. [109] - Redirigir el tráfico para en T etapas MIP MAM HA
para ahorrar energı́a en el paso de red here-
desconectando enlaces. dada a SDN,
- Rutas multimples. considerando Multipath.
- Equilibrio de carga Minimizar globalmente
Galán-Jiménez de tráfico, el consumo de energı́a
et al. [79] - Reducción del consumo en una red hı́brida MILP MAM HA
de energı́a de la red. IP/SDN. GA
160
maneras para mitigar estas emisiones es reduciendo el consumo de energı́a, ya
que para generarla, en la mayorı́a de los casos, implica emisiones de dioxido
de carbono a la atmosfera, lo que ocaciona el efecto invernadero. Varios
trabajos exponen la incidencia de los equipos tecnológicos en los altos niveles
de consumo de energı́a, por ello desde hace varias décadas la comunidad de
investigación a puesto su interés en buscar maneras lograr la eficiencia del
consumo de energı́a en los diversos dispositivos eléctricos y electrónicos.
En el campo de las redes de computadoras desde hace tiempo se bienen
realizando esfuerzos por lograr la eficiencia energética en diferentes dimen-
siones, en los centros de datos, en las redes core, en las redes de acceso, en los
dispositivos finales y sobre todo en los dispositivos de comunicación. Desde
el punto de vista del diseño, para lograr el servicio continuo se acostumbra
contar con dispositivos y enlaces redundantes, los cuales estan activos 24/7
para garantizar la tolerancia a fallos, lo cual implica un manifiesto derroche
de energı́a.
Una de las soluciones intuitivas a este problema es el de seleccionar
un conjunto de dispositivos y/o enlaces que puedan ser apagados (o puestos
en suspenso) sin comprometer la satisfacción de la demanda del tráfico y
la calidad del servicio. Las redes con el paradigma tradicional, netamente
descentralizado y que utilizan los protocolos tradicionales tienen escazas posi-
bilidades para implementar esta solución ya que carecen de una visión global
de la red para lograr los ajustes de manera dinámica. El nuevo paradigma de
redes SDN, al ser un paradigma centralizado contando con un nodo contro-
lador, tiene la posibilidad de lograr esa visión global y hacer que la red sea
programable de manera dinámica y que se pueda adaptar a las demandas de
tráfico.
Existen en la literatura trabajos de investigación para el ahorro de
energı́a tanto para redes tradicionales como para el nuevo paradigma SDN, el
inconveniente con las redes SDN es que su implementación completa, a corto
plazo, es aún poco viable por problemas tanto de presupuesto como técnicos.
La manera natural en la que se esta implementando en el mundo real, es la de
reemplazar progresivamentes dispositivos con capacidades SDN en las redes
tradicionales, a éste tipo de redes se las conoce como SDN hı́bridas. Entoces,
161
es necesario encontrar soluciones de eficiencia energética en las redes hı́bridas
SDN ya que son el presente y podrán ser aplicadas a corto plazo.
En la actualidad, hemos encontrado tres maneras diferentes de plantear
el problema, los cuales ya fueron detallados más arriba. El factor común en-
tre los tres radica en la busqueda de apagar/suspender los conmutadores y/o
enlaces innecesarios, por supuesto sin comprometer la satisfacción de la de-
manda de tráfico. Otra caracterı́stica en común es que esta acción se puede
realizar solamente con los dispositivos con capacidades SDN y los enlaces
conectados a ellos, los nodos y enlaces tradicionales permanecen encendidos
todo el tiempo. Otro detalle que comparten los abordajes es que son pro-
blemas multiobjetivos planteados como monoobjetivos, en ningún caso los
autores plantearon como puramente multiobjetivo, esto abre oportunidades
de investigación.
Lo diferente en los abordajes es que, por un lado, se plantea dada una
red hı́brida con los nodos SDN ya ubicados encontrar la manera de lograr el
ahorro de energı́a ([241], [161], [10]), y en el otro abordaje se busca construir
una red hı́brida óptima desde cero teniendo en cuenta el punto de vista
energético ([76], [122], [77], [79], [108], [109], [80]). Un resumén se puede
apreciar el la Tabla 6.2
Tabla 6.2: Abordajes de trabajos del Estado del Arte
Problema Referencias
Tipo 1 [241], [161], [10]
Tipo 2 [76], [122], [77], [79], [108], [109], [80]
Tipo 3 [119]
162
mayor ahorro de energı́a. Sin embargo, uno de los trabajos demuestra que
reemplazando tan solo el 50% de los dispositivos se logra un ahorro muy
similar a si se tubiera una red completamente SDN. Otro trabajo también
demuestra que reemplazando tan solo el 10% de dispositivos se logra contro-
lar el 90% de los flujos con lo que se puede lograr el encendido y apagado de
los nodos y enlaces.
163
de paquetes o la ingenierı́a de tráfico basada en los flujos controlables.
Un tema abierto en el iPRDR de Al Mhdawi et al. [10] es implementarlo
en un entorno a gran escala dentro de una SDN basada en la nube para
administrar y controlar múltiples ubicaciones de sitios de centros de datos
tradicionales con más funciones avanzadas de optimización de energı́a. El
rendimiento del sistema se deberı́a evaluar en función de la topologı́a compleja
a fin de descubrir cualquier limitación desafiante para el algoritmo.
Del abordaje propuesto por Maity et al. [161], se plantean los siguien-
tes temas abiertos extender el esquema propuesto considerando la carga de
tráfico variable, el tráfico con diferentes demandas de calidad de servicio y la
tolerancia a fallas en el futuro. También, estudiar el desempeño de ETHoS
para diferentes topologı́as de red y conceptualizar un método para determi-
nar la temperatura inicial y la tasa de enfriamiento para el procedimiento
SA. En [109], queda como desafı́o considerar los controladores múltiples y su
ubicación en una SDN hı́brida mejorada.
164
jetivo como mono-objetivo, como sumas ponderadas por ejemplo, formular y
resolver con abordajes puramente multiobjetivos encontrando el frente pareto
es un tema pendiente a desarrollar.
Como se demostró en varios trabajos se tratan de problemas NP-Dificil,
y se plantean varios algoritmos heurı́sticos, se nota como oportunidad que
muy pocos de ellos aplicaron algoritmos genéticos u otras metaherı́sticas
bioinspiradas lo que constituye una cantera de oportunidades de investigación
a ser explotadas. No se puede dejar de mencionar que no se encontraron
trabajos que utilicen la inteligencias artificial para la resolución de estos pro-
blemas, por lo que se tiene un campo prácticamente virgen para la aplicación
de Machine learning y Deep Learning para la solución de los desafı́os abiertos
en los que sea aplicable.
6.5 Conclusiones
En este apartado se trató sobre la convergencia entre la lı́nea de ahorro de
energı́a en SDN y el despliegue incremental de dispositivos SDN en una red
tradicional llamada HSDN. El ahorro de energı́a en las redes es un tema muy
importante y su aplicación práctica será factible gracias a las redes Hı́bridas
SDN lo que la convierte en un tema de interés indiscutible.
Se revisaron los trabajos del estado del arte en el que se trata la eficien-
cia energética en redes HSDN como problema de optimización, se encontraron
11 trabajos que plantean diferentes posibles soluciones. El factor común en-
tre todos es que se busca ahorrar energı́a apagando o poniendo en suspención
nodos y/o enlaces, los cuales deben ser SDN.
Los abordajes encontrados, en su mayorı́a, son del tipo multiobjetivo,
los cuales son formulados como mono-objetivo, como sumas ponderadas por
ejemplo. Como oportunidad de investigación se destaca formular y resolver
con un planteamiento multiobjetivo puro.
Es destacable que en los trabajos encontrados se plantean soluciones
por medio de algoritmos heurı́sticos, la utilización de algoritmos genéticos es
escaza y también la de otras metaheurı́sticas bioinspiradas constituyendose en
otro desafı́o de investigación posible. Por último pero no menos importante,
165
la inteligencia artificial para la resolución de los problemas planteados es
inexistente. Combinar el ahorro de energı́a, con la calidad del servicio, el
balanceo de carga en una red SDN Hı́brida es un importante desafı́o de
optimización Multi-Objetivo.
166
Parte V
Conclusiones y Trabajos
Futuros de la Tesis
167
Capı́tulo 7
Conclusiones y trabajos futuros
7.1 Conclusiones
En este trabajo se abordaron y aportaron cinco temas principales, el en-
rutamiento como optimización, la clasificación de las aplicaciones de SDN
alineados con el enrutamiento y la optimización, la aplicación en el ahorro de
energı́a y el despliegue incremental en redes SDN hı́bidas y ambas de manera
conjunta.
Se dieron respuestas a las preguntas de investigacion planteadas en la
sección 1.2 de la siguiente manera:
Se exploró el estado del arte, analizando y clasificando los métodos
de enrutamiento en SDN dándo énfasis a los abordajes que lo tratan como
problema de optimización, con ello se logró tener una visión sistemica y
holı́stica del nuevo paradigma SDN. (Objetivo 1, desarrollado en la Sección
2.1.2)
En base a 248 artı́culos estudiados se consiguió establecer la taxono-
mia (ver Figura 2.5) e identificar los problemas en los que el paradigma
SDN ofrece ventajas alineadas al enrutamiento y son aplicados los diferen-
tes métodos de optimización. (Objetivo 2, desarrollado en la Sección 2.2).
Los más destacados fueron el ahorro de energı́a, la calidad del servicio y el
displiegue HSDN (ver Figura 2.7).
Dando respuesta a la segunda pregunta de investigación, se abordó el
168
problema de optimizar el consumo de energı́a de las redes SDN considerando
dos problemas: el problema de la ubicación del controlador y el problema de
enrutamiento de flujos y asignación de dispositivos. Este último problema
se encuentra fuertemente asociado al problema de ubicación de reglas de
ruteo. Para el primer problema se ha realizado un estudio que indica el
beneficio de considerar el grado y la utilización del nodo para la selección
del nodo controlador. En el segundo problema se ha encontrado el beneficio
de considerar todos los dispositivos del switch SDN para lograr un mayor
ahorro de energı́a que son: el chasis, line cards y los enlaces, al poner los
dispositivos inactivos en modo de suspensión también se tuvo en cuenta la
utilización del enlace. Para el problema de ubicación del controlador se
ha propuesto una heurı́stica competitiva al propuesto en el estado del arte.
Para el segundo problema se ha propuesto una solución exacta basada en
MILP como también una meta-heurı́tica basada en Algoritmos Genéticos.
(Objetivo 3, desarrollado en el capı́tulo 3 y publicado en [205] y [206]).
Por otro lado, para responder la tercera pregunta de investigación, se
analizó uno de los desafı́os inherentes al esquema HSDN que es el despliegue
incremental de dispositivos SDN en una topologı́a tradicional ya existente.
Se consideraron las ventajas y desventajas de las técnicas del estado del arte
que han abordado el mismo desafı́o reemplazando dispositivos tradicionales
por otros SDN o agregando dispositivos SDN y se ha propuesto una técnica
que permita optimizar los beneficios de las primeras.
La técnica propuesta ha sido implementada a través de un Programa
Lineal Entero Mixto y su rendimiento fue comparado contra un represen-
tante de cada técnica del estado del arte demostrando un margen mayor de
tráfico controlado por el paradigma SDN a medida que la carga de trabajo
va aumentando, hasta un 37% en comparación con la técnica por adición y
hasta un 98% en comparación con la técnica por reemplazo, en escenarios
donde la carga de trabajo fue superior al 80%.
Además se propuso una implementación de la técnica hı́brida a través de
un GA, pues se constató que el MILP no es escalable para grandes topologı́as
o grandes cargas de trabajo. El GA por otra parte dió un rendimiento su-
perior al 90% de calidad de tráfico, es decir que más del 90% de todo el
169
tráfico fue controlado por el paradigma SDN, en todos los escenarios con
tiempos muy inferiores a los MILP propuesto y a los modelos matemáticos
del estado del arte en topologı́as Mediana y Grande. Todo ello con costos de
implementación inferiores a las ofrecidas por las técnicas del estado del arte
y el modelo de optimización propuesto. De esta forma también se demuestra
que la implementación del esquema HSDN como estrategia a largo plazo es
factible. (objetivo 4, desarrollado en el capı́tulo 4 y publicado en [41])
Sumado a lo anterior, se estudió los beneficios de implementar una red
SDN hı́brida a través de un enfoque multiobjetivo puro y utilizando la es-
trategia de reemplazo. En este estudio, desarrollamos tres algoritmos: RD -
MOLP, RD MOGA y RD MOEA. Los resultados experimentales muestran
una ventaja y un rendimiento significativo a favor del RD MOEA a partir
de topologı́as medias y niveles de carga medios en adelante. Los resultados
proporcionados por RD MOEA generan un frente de Pareto que domina com-
pletamente los resultados de RD MOLP y RD MOGA. En trabajos futuros,
se planea implementar otros algoritmos multiobjetivo que incluyan el tercer
objetivo en el modelo e incluyan la técnica de adición de forma conjunta o
individual. (Objetivo 4, desarrollado en el capı́tulo 5)
Finalmente, para dar respuesta a la cuarta pregunta de investigación,
se trató sobre la convergencia entre la lı́nea de ahorro de energı́a en SDN y el
despliegue incremental de dispositivos SDN en una red tradicional llamada
HSDN. El ahorro de energı́a en las redes es un tema muy importante y su
aplicación práctica será factible gracias a las redes Hı́bridas SDN lo que la
convierte en un tema de interés indiscutible.
Se revisaron los trabajos del estado del arte en el que se trata la eficien-
cia energética en redes HSDN como problema de optimización, se encontraron
11 trabajos que plantean diferentes posibles soluciones. El factor común en-
tre todos es que se busca ahorrar energı́a apagando o poniendo en suspención
nodos y/o enlaces, los cuales deben ser SDN. (Objetivo 5, desarrollado en el
capı́tulo 6).
Los abordajes encontrados, en su mayorı́a, son del tipo multiobjetivo,
los cuales son formulados como mono-objetivo, como sumas ponderadas por
ejemplo. Como oportunidad de investigación se destaca formular y resolver
170
con un planteamiento multiobjetivo puro.
Es destacable que en los trabajos encontrados se plantean soluciones
por medio de algoritmos heurı́sticos, la utilización de algoritmos genéticos es
escasa y también la de otras metaheurı́sticas bioinspiradas constituyendose en
otro desafı́o de investigación posible. Por último pero no menos importante,
la inteligencia artificial para la resolución de los problemas planteados es
inexistente. Combinar el ahorro de energı́a, con la calidad del servicio, el
balanceo de carga en una red SDN Hı́brida es un importante desafı́o de
optimización Multi-Objetivo.
171
Referencias Bibliográficas
[5] M. Afaq, S. Rehman, and W.-C. Song. Large flows detection, mark-
ing, and mitigation based on sflow standard in sdn. Journal of Korea
Multimedia Society, 18(2):189–198, 2015.
172
[8] E. Akin and T. Korkmaz. Comparison of routing algorithms with static
and dynamic link cost in sdn. In 2019 16th IEEE Annual Consumer
Communications & Networking Conference (CCNC), pages 1–8. IEEE,
2019.
173
[17] G. S. Aujla, S. Garg, S. Batra, N. Kumar, I. You, and V. Sharma.
Drops: A demand response optimization scheme in sdn-enabled smart
energy ecosystem. Information Sciences, 476:453–473, 2019.
174
[25] M. F. Bari, A. R. Roy, S. R. Chowdhury, Q. Zhang, M. F. Zhani,
R. Ahmed, and R. Boutaba. Dynamic controller provisioning in soft-
ware defined networks. In CNSM, pages 18–25, 2013.
175
[34] G. Cammarata, A. Di Stefano, G. Morana, and D. Zito. Energy-aware
routing in a4sdn. In Complex, Intelligent, and Software Intensive Sys-
tems: Proceedings of the 11th International Conference on Complex,
Intelligent, and Software Intensive Systems (CISIS-2017), pages 577–
588. Springer, 2018.
[38] G. Carle, D. Raumer, and L. Schwaighofer. Future internet (fi) and in-
novative internet technologies and mobile communications (iitm). 2015.
176
[42] R. Chai, H. Li, F. Meng, and Q. Chen. Energy consumption
optimization-based joint route selection and flow allocation algorithm
for software-defined networking. Science China Information Sciences,
60:1–14, 2017.
[43] Y. Chai and X.-J. Zeng. Load balancing routing for wireless mesh
network with energy harvesting. IEEE Communications Letters, 2020.
177
[50] N. M. K. Chowdhury and R. Boutaba. Network virtualization: state
of the art and research challenges. IEEE Communications magazine,
47(7):20–26, 2009.
[52] C.-C. Chuang, Y.-J. Yu, and A.-C. Pang. Flow-aware routing and for-
warding for sdn scalability in wireless data centers. IEEE Transactions
on Network and Service Management, 15(4):1676–1691, 2018.
178
[59] L. Davis. Job shop scheduling with genetic algorithms. In Proceedings
of an international conference on genetic algorithms and their applica-
tions, volume 140, 1985.
[62] J. Deng, H. Hu, H. Li, Z. Pan, K.-C. Wang, G.-J. Ahn, J. Bi, and
Y. Park. Vnguard: An nfv/sdn combination framework for provisioning
and managing virtual firewalls. In 2015 IEEE Conference on Network
Function Virtualization and Software Defined Network (NFV-SDN),
pages 107–114. IEEE, 2015.
179
[67] F. Fan, B. Hu, and K. L. Yeung. Distributed and dynamic multicast
scheduling in fat-tree data center networks. In 2016 IEEE International
Conference on Communications (ICC), pages 1–6. IEEE, 2016.
180
[75] M. M. Fouad, A. I. Hafez, and A. E. Hassanien. Optimizing topolo-
gies in wireless sensor networks: A comparative analysis between the
grey wolves and the chicken swarm optimization algorithms. Computer
Networks, 163:106882, 2019.
[77] J. Galán-Jiménez. Exploiting the control power of sdn during the tran-
sition from ip to sdn networks. International Journal of Communica-
tion Systems, 31(5):e3504, 2018.
181
[83] S. Ghosh, T. Dagiuklas, and M. Iqbal. Energy-aware ip routing over
sdn. In 2018 IEEE Global Communications Conference (GLOBE-
COM), pages 1–7. IEEE, 2018.
[88] D. E. Goldberg, R. Lingle, et al. Alleles, loci, and the traveling salesman
problem. In Proceedings of an international conference on genetic al-
gorithms and their applications, volume 154, pages 154–159. Lawrence
Erlbaum, Hillsdale, NJ, 1985.
[90] S. Gu, L. Luo, Z. Zhao, and X. Li. The multi-objective routing opti-
mization algorithm for hybrid sdn. In Proceedings of the 28th Confer-
ence of Spacecraft TT&C Technology in China: Openness, Integration
and Intelligent Interconnection 28, pages 487–499. Springer, 2018.
182
Information Engineering for Mechanics and Materials. Atlantis Press,
2015.
[97] Z. Guo, W. Chen, Y.-F. Liu, Y. Xu, and Z.-L. Zhang. Joint switch up-
grade and controller deployment in hybrid software-defined networks.
IEEE Journal on Selected Areas in Communications, 37(5):1012–1028,
2019.
[98] H. Xu, J. Fan, J. Wu, C. Qiao, L. Huang. Joint deployment and routing
in hybrid SDNs. 2017 IEEE/ACM 25th International Symposium on
Quality of Service (IWQoS), June 2017.
183
IEEE/ACM TRANSACTIONS ON NETWORKING, 35((3) pp. 1861-
1875), June 2017.
[108] L. Hiryanto, S. Soh, K.-W. Chin, D.-S. Pham, and M. Lazarescu. Green
multi-stage upgrade for bundled-links sdn/ospf-ecmp networks. In ICC
2021-IEEE International Conference on Communications, pages 1–7.
IEEE, 2021.
184
[109] L. Hiryanto, S. Soh, K.-W. Chin, D.-S. Pham, and M. M. Lazarescu.
Multi-path routing in green multi-stage upgrade for bundled-links
sdn/ospf-ecmp networks. IEEE Access, 9:99073–99091, 2021.
185
2016 8th IEEE International Conference on Communication Software
and Networks (ICCSN), pages 524–529. IEEE, 2016.
186
In Proceedings of the 1st ACM SIGCOMM Symposium on Software
Defined Networking Research, pages 1–7, 2015.
[130] K. P. Kadiyala and J. A. Cobb. Sdn node selection for inter-as te. In
2018 4th IEEE Conference on Network Softwarization and Workshops
(NetSoft), pages 523–528. IEEE, 2018.
[131] B. Kar, E. H.-K. Wu, and Y.-D. Lin. The budgeted maximum coverage
problem in partially deployed software defined networks. IEEE Trans-
actions on Network and Service Management, 13(3):394–406, 2016.
187
[134] K. Kaur, V. Mangat, and K. Kumar. A comprehensive survey of service
function chain provisioning approaches in sdn and nfv architecture.
Computer Science Review, 38:100298, 2020.
[141] A. Ksentini, M. Bagaa, and T. Taleb. On using sdn in 5G: the controller
placement problem. In 2016 IEEE Global Communications Conference
(GLOBECOM), pages 1–6. IEEE, 2016.
188
[142] A. Ksentini, M. Bagaa, T. Taleb, and I. Balasingham. On using bar-
gaining game for optimal placement of SDN controllers. In 2016 IEEE
International Conference on Communications (ICC), pages 1–6. IEEE,
2016.
189
[150] Z. Li, L. Huang, H. Xu, and G. Zhao. Segment routing in hybrid
software-defined networking. In 2017 IEEE 9th International Confer-
ence on Communication Software and Networks (ICCSN), pages 160–
165. IEEE, 2017.
[151] P. Lin, J. Bi, S. Wolff, Y. Wang, A. Xu, Z. Chen, H. Hu, and Y. Lin.
A west-east bridge based SDN inter-domain testbed. IEEE Communi-
cations Magazine, 53(2):190–197, 2015.
[152] Y.-D. Lin, T.-L. Liu, S.-H. Wang, and Y.-C. Lai. Proactive multipath
routing with a predictive mechanism in software-defined networks. In-
ternational Journal of Communication Systems, page e4065, 2019.
[156] Z. Lu, J. Lei, Y. He, Z. Li, S. Deng, and X. Gao. Energy optimiza-
tion for software-defined data center networks based on flow allocation
strategies. Electronics, 8(9):1014, 2019.
[158] L. Luo, Z. Li, J. Wang, and H. Yu. Simplifying flow updates in software-
defined networks using atoman. IEEE Access, 7:39083–39097, 2019.
190
[159] W. Ma, C. Medina, and D. Pan. Traffic-aware placement of nfv mid-
dleboxes. In 2015 IEEE Global Communications Conference (GLOBE-
COM), pages 1–6. IEEE, 2015.
191
[167] M. Masood, M. M. Fouad, S. Seyedzadeh, and I. Glesk. Energy ef-
ficient software defined networking algorithm for wireless sensor net-
works. Transportation Research Procedia, 40:1481–1488, 2019.
192
[176] R. Mohammadi, R. Javidan, M. Keshtgari, and R. Akbari. A novel
multicast traffic engineering technique in sdn using tlbo algorithm.
Telecommunication Systems, 68:583–592, 2018.
[181] G. Nagib and W. G. Ali. Network routing protocol using genetic al-
gorithms. International Journal of Electrical & Computer Sciences
IJECS-IJENS, 10(02):40–44, 2010.
193
[185] S. Nedevschi, L. Popa, G. Iannaccone, S. Ratnasamy, and D. Wether-
all. Reducing network energy consumption via sleeping and rate-
adaptation. In NsDI, volume 8, pages 323–336, 2008.
194
[194] K. Poularakis, G. Iosifidis, G. Smaragdakis, and L. Tassiulas. One step
at a time: Optimizing sdn upgrades in isp networks. In IEEE IN-
FOCOM 2017-IEEE Conference on Computer Communications, pages
1–9. IEEE, 2017.
[197] Z. Qu, Y. Wang, L. Sun, D. Peng, and Z. Li. Study qos optimization
and energy saving techniques in cloud, fog, edge, and iot. Complexity,
2020:1–16, 2020.
195
tions. In 2015 IEEE Conference on Network Function Virtualization
and Software Defined Network (NFV-SDN), pages 47–53. IEEE, 2015.
196
[209] D. Sajjadi, R. Ruby, M. Tanha, and J. Pan. Fine-grained traffic en-
gineering on sdn-aware wi-fi mesh networks. IEEE Transactions on
Vehicular Technology, 67(8):7593–7607, 2018.
[210] A. Sallahi and M. St-Hilaire. Optimal model for the controller place-
ment problem in software defined networks. IEEE communications
letters, 19(1):30–33, 2014.
[213] Sandhya et al. A survey: Hybrid sdn. Journal of Network and Com-
putar Applications, 100(35-55), October 2017.
[217] S.-H. Shen. Efficient svc multicast streaming for video conferencing
with sdn control. IEEE Transactions on Network and Service Manage-
ment, 16(2):403–416, 2019.
197
[218] J.-P. Sheu, L.-W. Liu, R. Jagadeesha, and Y.-C. Chang. An efficient
multipath routing algorithm for multipath tcp in software-defined net-
works. In 2016 European conference on networks and communications
(EuCNC), pages 371–376. IEEE, 2016.
[221] Y. Song, L. Liu, and J. Chen. A temporal graph model based power
aware routing algorithm in deep-space networks. In 2017 IEEE/ACIS
16th International Conference on Computer and Information Science
(ICIS), pages 25–30. IEEE, 2017.
[222] K. Sood and Y. Xiang. The controller placement problem or the con-
troller selection problem? Journal of Communications and Information
Networks, 2(3):1–9, 2017.
198
[226] M. Tanha, D. Sajjadi, R. Ruby, and J. Pan. Traffic engineering en-
hancement by progressive migration to sdn. IEEE Communications
Letters, 22(3):438–441, 2018.
199
[235] E. Vaezpour. Joint routing and bandwidth allocation in hybrid software
defined networks. In 2018 9th International Symposium on Telecom-
munications (IST), pages 192–196. IEEE, 2018.
[241] H. Wang, Y. Li, D. Jin, P. Hui, and J. Wu. Saving energy in partially
deployed software defined networks. IEEE Transactions on Computers,
65(5):1578–1592, 2015.
200
[245] R. Wang, Z. Jiang, S. Gao, W. Yang, Y. Xia, and M. Zhu. Energy-
aware routing algorithms in software-defined networks. In Proceeding
of IEEE International Symposium on a World of Wireless, Mobile and
Multimedia Networks 2014, pages 1–6. IEEE, 2014.
[246] W. Wang, W. He, and J. Su. Boosting the benefits of hybrid sdn. In
2017 IEEE 37th International Conference on Distributed Computing
Systems (ICDCS), pages 2165–2170. IEEE, 2017.
[252] P. Xiao, W. Qu, H. Qi, Z. Li, and Y. Xu. The SDN controller placement
problem for WAN. In 2014 IEEE/CIC International Conference on
Communications in China (ICCC), pages 220–224. IEEE, 2014.
[253] K. Xie, X. Huang, S. Hao, and M. Ma. Distributed power saving for
large-scale software-defined data center networks. Ieee Access, 6:5897–
5909, 2018.
201
International Conference on High Performance Computing and Com-
munications, 2015 IEEE 7th International Symposium on Cyberspace
Safety and Security, and 2015 IEEE 12th International Conference on
Embedded Software and Systems, pages 766–771. IEEE, 2015.
[257] H. Xu, X.-Y. Li, L. Huang, H. Deng, H. Huang, and H. Wang. Incre-
mental deployment and throughput maximization routing for a hybrid
sdn. IEEE/ACM Transactions on Networking, 25(3):1861–1875, 2017.
[258] S. Xu, C. Wu, and Z. Li. Software defined mobile multicast. In 2015
IEEE 12th International Conference on Mobile Ad Hoc and Sensor
Systems, pages 208–216. IEEE, 2015.
202
[263] B. Yi, X. Wang, M. Huang, and L. Ma. Sdn and nfv enabled service
function multicast mechanisms over hybrid infrastructure. Peer-to-Peer
Networking and Applications, 12(2):405–421, 2019.
[267] J. Zhang, K. Xi, M. Luo, and H. J. Chao. Load balancing for mul-
tiple traffic matrices using sdn hybrid routing. In 2014 IEEE 15th
International Conference on High Performance Switching and Routing
(HPSR), pages 44–49. IEEE, 2014.
[268] J. Zhang, H. Yang, Y. Zhao, Y. Ji, H. Li, Y. Lin, G. Li, J. Han, Y. Lee,
and T. Ma. Experimental demonstration of elastic optical networks
based on enhanced software defined networking (esdn) for data center
application. Optics Express, 21(22):26990–27002, 2013.
[270] L. Zhang, S. Guo, Y. Yang, D. Liu, and R. Liu. Re-fpr: flow preemption
routing scheme with redundancy elimination in software defined data
203
center networks. Sustainable Computing: Informatics and Systems,
18:14–24, 2018.
[275] Y. Zhao, J. Zhang, H. Yang, and X. Yu. Data center optical networks
(dcon) with openflow based software defined networking (sdn). In 2013
8th International Conference on Communications and Networking in
China (CHINACOM), pages 771–775. IEEE, 2013.
204
[278] T. Zhu, X. Chen, L. Chen, W. Wang, and G. Wei. Gclr: Gnn-based
cross layer optimization for multipath tcp by routing. IEEE Access,
8:17060–17070, 2020.
205
APENDICE A
Artı́culos publicados en revistas de
alto impacto y conferencias inter-
nacionales
206
A.1 Publicaciones en revistas
• Cespedes-Sanchez, P. P., Maluff, B., Pinto-Roa, D. P., & Legal-
Ayala, H. (2021). Hybrid Incremental Deployment of HSDN Devices.
IEEE Transactions on Network and Service Management, 19(2), 1662-
1678. DOI: 10.1109/TNSM.2021.3135122
207
1
Abstract
Software Defined Network (SDN) is an emerging technology that will
make possible benefits that before were impossible with traditional net-
works. Easier network management, global view and reduced expenses
are some of these benefits since the control plane and data plane are sep-
arated. The centralized logic control offers the ability to save energy by
strategic activation of devices. In this paper we propose an approach
that seeks to minimize the global energy consumption of the network
by putting inactive devices such as chassis and/or line-cards to sleep as
well as limiting the use of links by the traffic sessions. For this purpose,
we develop an Integer Linear Programming model for the SDN routing
problem in order to obtain the minimal energy consumption, subject to
meet the static traffic demands. The experimental results, on two real
network topologies with different real traffic loads, indicate that the pro-
posed model is promissory, saving 42% of global energy consumption and
gets better performance than the previous works.
1. Introduction
Internet has become an indispensable tool for human activities, with the
IoT (Internet of Things) and IoE (Internet of Everything) the growth of the
use of technology is linked to energy consumption. The current demand for
energy in global networks represents 8% of total energy consumption and this
number is expected to continue growing until reaching 20% in 2020 according
to an updated survey[1].
Traditional energy-saving researches focuses on battery operated devices.
The fixed infrastructure and DCN (Data Center Network) as routers, switches,
repeaters, transponders and other network devices, still lack effective centralized
power management solutions.
In GreenTE[2] as an alternative strategy proposed to put some devices and
links to sleep given the redundancy of paths and low use of links. In case the
demand for data increases and to activate these devices or links is necessary to
1 This work was partially supported by grant 14-POS-007 CONACTY-Paraguay
2 E-mail Corresponding Author: dpinto@pol.una.py
ILP-based Energy Saving Routing for Software
Defined Networking
Gerardo Riveros Pedro P. Cespedes-Sanchez Diego P. Pinto-Roa
Facultad Politécnica Facultad Politécnica and Horacio Legal-Ayala
Universidad Nacional de Asunción Universidad Nacional de Asunción Facultad Politécnica
Campus San Lorenzo, Paraguay Campus San Lorenzo, Paraguay Universidad Nacional de Asunción
Email: gerardojriveros@fpuna.edu.py Email: pcespede@pol.una.py Campus San Lorenzo, Paraguay
2019 XLV Latin American Computing Conference (CLEI) 978-1-7281-5574-6/20/$31.00 ©2020 IEEE 10.1109/CLEI47609.2019.235109
Abstract—Software defined networking (SDN) is an emerging En GreenTE [4], se plantea “poner a dormir” algunos
technology based on the separation of the control plane and the dispositivos y enlaces, dada la redundancia de caminos y la
data plane. This allows to obtain benefits, in comparison with baja utilización de los enlaces. En caso que la demanda de
traditional networks, in terms of network management, global
monitoring-control, cost reduction, and in particular the energy datos aumente y sea necesario activar estos dispositivos o
saving by the strategic activation of devices. In this paper, we enlaces surge la necesidad de enviar paquetes dummies para
propose an approach that seeks to minimize the global energy volver a activarlos antes de transmitir datos [5]. Las tarjetas
consumption of the network by suspending inactive devices, such de interfaz de red pueden hacer transiciones de capa fı́sica en
as chassis and line cards, as well as limiting the use of links tan solo 10 mili segundos, los line cards y chasis necesitarı́an
in traffic sessions. For this purpose, we developed an Integer
Linear Programming (ILP) model for the SDN routing problem un poco más [6].
in order to obtain the minimum energy consumption, subject Las Redes Definidas por Software (Software Defined Net-
to satisfy all traffic demands. The experimental results on two working, SDN) se basan en la separación fı́sica del plano de
network topologies for a set of static traffic requests indicate that control de red del plano de reenvı́o, y donde un controlador
the proposed model is promising, saving up to 42% of the global lógicamente centralizado administra varios dispositivos [7].
energy consumption obtaining a better performance to the models
proposed in the literature. On the other hand, the experimental Esto permite que el controlador pueda dar instrucciones a
results for incremental semi-dynamic traffic indicate that the los dispositivos que soporten SDN para que en ellos puedan
performance of the optimization with re-routing improves the aplicarse funciones de ahorro de energı́a. La arquitectura SDN
approach without re-routing when increasing the traffic in the está compuesta por tres capas [8], en la parte superior se
network, but this improvement is not always perceptible. The encuentra la capa de aplicación, es una interfaz programable
approach without re-routing in terms of scalability is promising,
by increasing the traffic load not generate interruptions to the que permite al usuario o administrador de red interactuar con la
traffic already attended and affect the quality of the service. red, es en esta capa donde se hace posible agregar algoritmos
de ahorro energético. Luego en el centro, la capa de control
Keywords: Energy Saving, Software Defined Networking, Routing, Integer administra los equipos que se encuentran en la capa del plano
Linear Programming. de datos. La comunicación entre el plano de datos y el plano
de control se realiza generalmente por medio del protocolo
I. I NTRODUCCION OpenFlow [9].
El controlador SDN mantiene información general de la
Internet se ha vuelto una herramienta indispensable para topologı́a de la red, estadı́sticas de dispositivos, tablas de
las actividades humanas. Con el IoT (Internet de las Cosas flujo y solicitudes de usuarios. De esta manera, cuando se
– Internet of Things) e IoE (Internet de Todo – Internet of envı́an múltiples solicitudes de enrutamiento entre el mismo
Everything), el crecimiento del uso de la tecnologı́a está ligado par origen-destino y el tráfico de cada ruta de solicitud
con el consumo de energı́a. La demanda actual de energı́a en la es bajo, el tráfico se mueve a un número menor de rutas
redes globales representa el 8 % del consumo de energı́a total utilizando un algoritmo de energı́a-consciente. Además, de-
y esta cifra se espera que continúe creciendo hasta alcanzar bido al aprovisionamiento excesivo de enlaces de las redes
un 20 % en el 2020 según una encuesta actualizada [1], [2]. troncales, aún se puede ahorrar una gran cantidad de energı́a
Las investigaciones tradicionales de ahorro de energı́a se al poner en modo ”sueño” las interfaces de puerto que no
centran en dispositivos operados por baterı́a. La infraestructura están transfiriendo datos. Después de ajustar el tráfico de
fija y red de centro de datos como enrutadores, conmutadores, usuarios a rutas razonables, al poner en suspensión los enlaces
transponders, repetidores y otros dispositivos de red, aún inactivos, line cards y el chasis, es posible ahorrar energı́a
carecen de soluciones efectivas de administración de energı́a considerablemente.
de forma centralizada [3]. Otro factor importante es la ubicación del controlador SDN
que influye significativamente en el consumo general de la
c 2019 IEEE
978-1-7281-5574-6/19/$ 31.00 red. Con respecto a los trabajos actuales [10], [11], [12], [13],
Authorized licensed use limited to: Murdoch University. Downloaded on June 15,2020 at 03:08:11 UTC from IEEE Xplore. Restrictions apply.
This article has been accepted for publication in IEEE Transactions on Network and Service Management. This is the author's version which has not been fully edited and
content may change prior to final publication. Citation information: DOI 10.1109/TNSM.2021.3135122
Abstract—Hybrid-software-defined networks (HSDN) have play, in which devices with traditional technology and SDN
opened up an enormous range of functionality and benefits for technology coexist. This new paradigm tries to offer the best
network users and administrators. Many of these functionalities of both worlds through the integration and interaction of the
have been extensively studied and addressed over the past few
years. However, it is not a panacea as it brings with it many traditional paradigm with a distributed control plane, and the
design challenges to get a robust and reliable network. In this SDN paradigm with a centralized control plane.
paper, we focus on one of the SDN challenges: the incremental The term integration refers to the amount, rhythm, and
deployment of SDN devices in HSDN treated as an optimization manner in which SDN devices will be inserted into a tra-
problem. In this context, we developed a mixed integer linear
programming (MILP) and a genetic algorithm (GA) considering
ditional network. Simultaneously, the interaction determines
a hybrid deployment scheme that combines current incremental how, when, and which devices will communicate for the proper
deployment and replaced deployment techniques. The proposed functioning of the network [8]. Several integration levels are
strategy determines which traditional devices will be replaced explained in detail in the study [10], such as integration only
by SDN devices, which SDN devices will be added to the at the level of the control plane [11], only at the level of the
network changing its topology, and how the traffic will be
routed. Consequently, the aim is to minimize the deployment cost,
data plane, and integration in both planes [12].
minimize the routing cost and maximize the traffic controlled by The choice of the integration level or strategy to be followed
the SDN network simultaneously. The experiments show that the for adopting the new paradigm follows several criteria [10]
proposed hybrid deployment approach is promising compared to such as investment and transition budget, the level of disrup-
current techniques, and the GA is more robust and scalable than tion in the deployment, desired automation, the applicability
the MILP as the traffic volume increases.
of policies, scalability and robustness.
Index Terms—Deployment, SDN, Hybrid SDN, MILP, GA This work studies the integration in both planes focusing
on the SDN device location in the data plane. We consider
I. I NTRODUCTION one SDN controller because it is enough of a single controller
C ommunication networks have evolved with a strong to detect performance changes in a network [13]. Therefore,
foundation in the robustness-and-reliability concepts [1], this document focuses on the strategic device location that
[2], [3], [4], leading the traditional paradigm to a distributed supports the SDN paradigm and physical manipulation of data
and adaptive system endowed with multiple fault tolerance and traffic. This choice is made because these devices impact more
restoring service in the shortest time possible depending on the directly on customer data and enterprise budgets.
complexity and size of the networks. However, technological In this context, Xu et al. [14] classify techniques of de-
advances have become increasingly important in the last ployment or insertion of SDN devices into two large groups:
few years in a growing number of areas, revealing that this the replacement and addition techniques. Both techniques
paradigm is becoming increasingly costly to maintain due to have strengths and weaknesses. First, the physical design of
its intrinsic complexity and the old device-oriented business the network remains unchanged in the replacement approach.
model [5]. On the other hand, the addition approach can better use the
The sum of the above challenges and technology opportu- investment previously made to purchase network equipment.
nities resulted in the paradigm of Software-Defined Networks Nevertheless, this work will study the possibility of taking
(SDN) [6] that promises to overcome all obstacles imposed by advantage of both techniques’ characteristics to combine their
the traditional scheme thanks to the architecture of centralized benefits in the deployment of an HSDN network.
control and decoupled of the data layer. However, everything Thus, this paper proposes a new technique that combines
has a cost, which is not the exception, since it implies a the replacement and addition of SDN devices simultaneously
complete modification of the devices as suggested in the works in a traditional network. i.e. hybrid deployment. As far as we
[6], [7]. know, this work proposes a hybrid deployment approach for
The total replacement of traditional technology by SDN im- the first time in the literature.
plies a considerable investment to acquire pieces of equipment. In that sense, the contributions of this work are:
Consequently, this investment stops adopting this paradigm C1. The proposal of a ”Hybrid Incremental Deployment strat-
spontaneously and massively, as explained by Vissichio et egy” raised as an optimization problem,
al. at [8]. The success of the replacement depends on an C2. The formulation of the Hybrid Incremental Deployment
adequate planning for the transition to be successful. Here, Strategy as a Mixed Integer Linear Programming (MILP)
the concept of a Hybrid SDN (HSDN) [9] network comes into model to minimize the implementation cost and routing
The authors is with the Polytechnic Faculty, National University of cost, while maximize the amount of traffic controlled by
Asunción, Paraguay (email: pcespede@pol.una.py) the SDN paradigm,
© 2021 IEEE. Personal use is permitted, but republication/redistribution requires IEEE permission.See https://www.ieee.org/publications/rights/index.html for more information.