基于自定义服务质量的家庭网络动态带宽优化策略

李兵奎 朱泓艺

摘要：互联网技术的快速发展，加速了家庭网络应用在日常生活中的普及，家庭网络的服务质量保障也逐渐受到高度关注。软件定义网络技术的出现，使得家庭网络的自定义优化成为可能。提出一种基于自定义服务质量的家庭网络动态带宽优化策略，根据用户自定义设置，使用软件定义网络技术为不同优先级的应用提供带宽保证。实验结果表明，提出的调整算法能够动态地优化不同家庭网络应用的带宽分配，减小重要应用的丢包率，有效提高用户体验。

关键词：家庭网络;服务质量;软件定义网络;优化策略;用户体验

中图分类号TP3 文献标识码：A

文章编号：1009-3044（2020）14-0072-02

随着互联网技术的发展以及在日常生活中的普及，各种家用智能设备以及种类繁多的生活娱乐类应用使人们的生活变得越来越丰富。承载这些设备与应用的家庭网络的作用逐渐凸显，引起了学术界与产业界的广泛关注。

人们希望对自己的家庭网絡进行一些行为控制，但由于人们所拥有的网络方面知识并不健全，根本不知道从何处下手。在家庭网络中大部分都是从运营商获得授权与网络接入口，然后连接到一个家庭路由器，该路由器充当家庭网络的网关，人们通过指定的地址登录到路由器配置网页，根据从运营商那里拿到的信息对该路由器进行配置。软件定义网络（Software De-fined Network，SDN）技术的出现，为用户自定义应用的服务质量（Quality of Service，QoS）提供了可能。软件定义网络是斯坦福大学提出的一种未来网络体系架构，由于其对网络具有可编程的特性，得到众多研究者们的青睐，文献[2][3]利用软件定义网络技术对智能建筑中的网络进行了相关研究。

1相关工作

随着社会的发展，家庭网络中的问题也日益凸显出来，同时也引起很多对家庭网络的研究，文献[4]提出使用软件定义网络技术在控制层对设备进行分片，同一个分片里的数据流打上相同的标签，然后根据标签对数据流进行相应的处理，进而在服务质量和服务体验方面得到提高。文献[5]提出了一种基于业务划分的路由选择机制，该文献提出使用包头域中的ToS字段对网络中的数据包进行标识，然后根据标识对数据包进行一些相应的服务质量策略，进而满足不用业务流量的服务质量需求。文献[6]指出可以在家庭网络中使用队列的控制方法，使家庭网的服务质量或体验质量得到提升。

在当前家庭网络服务质量的研究中，并没有考虑到用户自定义服务质量的需求。因此本文提出了一种基于自定义服务质量的家庭网络动态带宽优化策略，把家庭网络中的流量根据用户的自定义，对家庭网络中的流量进行分类，为不同类别的流量使用队列提供最小带宽保证，从而避免因为不重要应用的流量过多导致重要应用流量的大量丢包，进而提高家庭网络的服务质量。

2自定义服务质量的家庭网络动态带宽优化策略

在自定义服务质量的家庭网络动态带宽优化策略中，用户可以把不同的应用进行分类，并对不同类别的应用进行打分（满分为10分）。分数越高表明该类别的数据流优先级越高，所需要的服务质量就越高。

3仿真实验与对比分析

仿真实验平台采用mininet，SDN控制器采用OpenDaylight。在仿真实验中，分两种情况进行测试：不满载与满载，测试中每种类别的应用在不同带宽范围内进行随机打流。第一种情况是各个类别应用的流量之和不大于在运营商那里开通的最大值10M，如10分类的应用流在[2M，3M]范围内进行随机打流;9分类的应用流在[1M，2M]范围内进行随机打流;8分类的应用流在[2M，3M]范围内进行随机打流;7分类的应用流在[1M，2M]范围内进行随机打流。使用动态带宽优化策略与未使用动态带宽优化策略的各个类别的应用流在丢包率上进行对比，实验结果表明，当家庭网络中的流量在不满载的情况下，使用与不使用动态带宽优化策略效果基本是相同的。

第二种情况是测试用的各个类别应用流量之和为在运营商那里开通总带宽10M的80%-120%范围内进行随机打流，如10、9、8、7分类的应用流都在[2M，3M]范围内进行随机打流。使用动态带宽优化策略与未使用动态带宽优化策略的各个类别的应用流在丢包率上进行对比。实验结果表明，当家庭网络中的流量存在满载的情况下，使用动态带宽优化策略相较之下可以获得更佳的效果，使用动态带宽优化策略可以实现对用户自定义服务质量的应用提供带宽保障，减小重要应用的丢包率，从而提高服务质量，进而提高用户体验。

4结束语

基于自定义服务质量的家庭网络动态带宽优化策略在实验中表现出了较好的结果，对提高家庭网络的服务质量提出了新型的解决方案，是一种适合普通家庭用户自定义网络流量等级的方法，同时家庭网络中的业务流量也具有一些自身的特点，往往会有一定的规律性和周期性。因此，如果根据家庭网络中流量的历史数据，使用机器学习对其规律进行学习，那么就可以实现对未来家庭网络流量进行预测，并根据预测对家庭网络资源进行预设置。另外，结合用户满意程度的反馈，以增强学习的模式不断修正预测模型，以达到自动调优的效果。后期将会考虑把家庭网络与机器学习进行结合，进而为家庭网络带来更好的服务质量及用户体验。