SDN助力车联网：架构、挑战与解决方案

# 基于边缘缓存的软件定义车联网：架构、挑战与解决方案 ## 1. 车联网数据处理架构 在车联网中，将所有数据传输到集中式云会给回程带来过多开销，且现有无线电接入技术也无法满足向云端的大规模大数据传输需求。理想的方法是借助数据预处理模块对车联网大数据进行预处理，过滤出合适的内容再进一步传输到网络。 车辆产生的大量数据需要在本地（如车载云或边缘网络）进行处理，因为车辆数据变化迅速，决策应基于即时数据而非历史数据。高效智能的大数据管理器与边缘缓存管理器紧密协作，能够选择关键内容在边缘缓存，并将部分内容通过网络骨干传输到全局缓存。资源分配器则负责分配和维护这些操作所需的计算和存储资源。 上层网络协议和服务通常关注网络拓扑，无法直接使用状态管理器提供的状态信息。因此，可以使用拓扑管理器，通过软件定义网络（SDN）交换机状态生成最新的网络拓扑，该拓扑可以用图的形式描述。当车辆连接到SDN控制器时，控制器会预测其未来轨迹并相应地估计拓扑变化，流表则根据此进行路由过程。 控制平面通过南向应用程序编程接口（API）与数据（网络基础设施）平面通信，通过北向API与应用程序平面通信。目前，Open Flow被视为南向API的标准通信协议，而北向API尚未有统一的协议，因此使用定制API。 应用程序平面包含各种车载应用和服务，以满足车载用户的需求，通常包括服务质量（QoS）、交通工程与管理、网络切片、安全、异构多跳路由、协作车载应用、数据流式传输等。 ### 1.1 车联网数据处理架构流程 |步骤|操作| | ---- | ---- | |1|数据预处理模块过滤车辆数据| |2|大数据管理器与边缘缓存管理器协作选择缓存内容| |3|资源分配器分配计算和存储资源| |4|拓扑管理器生成网络拓扑| |5|SDN控制器预测车辆轨迹并估计拓扑变化| |6|流表进行路由过程| |7|控制平面通过API与数据和应用平面通信| ### 1.2 车联网数据处理架构mermaid流程图 ```mermaid graph LR A[车辆数据] --> B[数据预处理模块] B --> C[大数据管理器] C --> D[边缘缓存管理器] D --> E[边缘缓存] C --> F[全局缓存] G[SDN控制器] --> H[拓扑管理器] H --> I[网络拓扑] G --> J[预测车辆轨迹] J --> K[估计拓扑变化] K --> L[流表路由] M[控制平面] --> N[南向API] M --> O[北向API] N --> P[数据平面] O --> Q[应用平面] ``` ## 2. SDN在车联网部署面临的挑战及解决方案 虽然SDN为传统车载自组织网络（VANETs）带来了诸多好处，但在异构车联网环境中成功部署SDN范式仍存在一些障碍，这些障碍显著阻碍了其智能和有效决策能力。以下是一些主要挑战及可能的解决方案。 ### 2.1 避免单点网络故障 传统SDN网络通过单点集中控制来确保可编程性、敏捷性、可扩展性、灵活性和弹性。然而，与传统网络（如数据中心）不同，VANETs具有高度分布式和高移动性的特点。因此，从单点逻辑控制来管理车载节点可能导致潜在的网络故障，特别是当集中式控制器意外故障时。此外，将所有网络负载放在一个集中式控制器上是不可行的，因为这会导致过多的网络管理开销，甚至可能阻塞整个网络。 因此，需要确定SDN控制器的上限，明确其可管理的范围，但目前这一概念在文献中仍被忽视。除了逻辑集中控制外，本地分布式网络智能对于支持低延迟的安全关键应用至关重要。边缘缓存可能是缓存频繁请求的应用和服务的一种解决方案，内容流行度在缓存理想内容方面起着关键作用。然而，由于VANETs的高移动性，内容流行度也会急剧变化。克服这一瓶颈的典型方法是部署智能高效的推荐系统，为车载用户推荐替代内容，特别是在从远程服务器请求原始所需内容时。智能推荐系统还可以在获取所需内容的过程中提高整体用户体验质量（QoE）。 即使边缘缓