云计算下的网络通信分析

万宝秀 王智钢 顾芸涵 陈珠

摘 要：近年来，云计算作为一种新的服务模式已成为计算机科学领域的一个研究热点。本文首先介绍了云计算的概念、特征及关键技术，然后对云计算下的网络通信从4个方面进行了简单的分析，最后提出了笔者下一步研究的方向。

关键词：云计算 通信 虚拟化 网络技术

中图分类号：TP3 文献标识码：A 文章编号：1672-3791（2014）02（a）-0068-02

随着输水管道的日渐成熟，我们从自家打井取水逐渐过渡到通过水龙头获取来自自来水厂的水；随着金融业的发展，人类从自己保藏财物逐渐过渡把钱存到银行；同样，随着网络通信技术的飞速发展，人类正在由通过利用个人存储设备过渡到向数据中心获取信息。云计算（cloud computing）是“第三次 IT革命”，它集中体现了信息时代网络通信发展的方向。

1 云计算的概念

近年来，云计算作为一种新的服务模式，已经成为IT业讨论最多的话题。云计算是让用户在不了解资源的情况下做到按照需求分配，把资源虚拟化为一片云，我们可以通过网络的按照需求扩展方式来获得所需的应用软件及互联网相关的服务。自从2007年IBM提出云计算的概念时，许多专家学者、相关产商以及专门的研究组织都相继给出关于云计算的不同定义。结合自己的理解，笔者认同云计算是将存储、通信、网络、管理解决方案以及相关业务应用相联系，以虚拟技术为核心，以用户为主体，以网络为载体的大型资源共享型商业服务模式。

2 云计算的特征及关键技术

“云”是存储在互联网集群上的资源，它包括硬件资源（服务器、存储、CPU等）和软件资源（应用软件、集成开发环境等），本地计算机只需要通过互联网发送一个需求信息，远端就会有成千上万的计算机为用户提供需要的资源并将结果返回到本地计算机。云计算的主要特征总结为以下五点：共享模式；盈利模式；良好的扩展性；更低的成本；良好的可伸缩性。云计算的关键技术概括为以下四点：简单的程序模型；数据存储与管理；分布式数据库；虚拟化技术。

3 云计算下的网络通信分析

3.1 网络虚拟化的实现

而随着云计算的涌入，我们在思考如何实现网络虚拟化，如何实现物理机内部的虚拟网络，外部网络又如何灵活调整以适应虚拟机对网络不断变化的要求，又如何确保网络环境的安全性。

主机网络虚拟化技术主要包括虚拟网卡技术和虚拟网桥技术，现在一般每台物理机均有两块物理网卡，其中一块物理网卡用于连接外网；另一块网卡用于连接内网交换机。在虚拟机内部，虚拟机会看到两块网卡，一块分配内网IP地址；另一块分配了公网IP地址。很显然，虚拟机对外发送的数据包的路由选路是根据虚拟机自身的路由配置决定的。同一台物理机中的多台虚拟机，我们还可以划分VLAN，控制不同虚拟机间的通讯。

那么多块虚拟网卡在同一台物理服务器中共享一块物理网卡的同时对外仍然表现为多块独立的网卡。这就借助于虚拟网桥，它是将多个虚拟网卡绑定到物理网卡并对虚拟网卡的流量进行可控的一种技术手段。

除了主机网络的虚拟化，网络设备的虚拟化也是很重要的技术，网络设备虚拟化除了对于交换机核心架构的无阻塞的要求外，我们可以将多台设备逻辑的看成一台，类似于VSS（Virtual Switching Systems）技术，可以将两台设备逻辑地堆叠在一起，能够做到相互的备份。网络设备虚拟化可以将多台网络设备虚拟成多台虚拟网络设备，管理员接入任何一个设备都可以对该虚拟设备进行管理，从而在网络部署和管理上都大大简化了工作量。

3.2 网络通信流量监控和性能

我们一般通过虚拟机交换机解决同一台物理服务器内部的虚拟机二层网络互访问题，但其实使用虚拟机交换机还存在两大问题：一是虚拟机之间的流量监控问题；二是性能问题，当虚拟机网络流量越大，虚拟交换机就会占用越多的CPU资源，同时也会降低了服务器支持更多虚拟机的能力。

为了解决这两大问题，采用两种技术标准是802.1Qgb-edge virtual bridging（边缘虚拟桥技术）和802.1BR-Bridge Port Extension。

边缘虚拟桥技术是当前用于解决虚拟化环境中的虚拟机与互联网之间的沟通与管理边界问题而产生，并在此标准802.1 Qbg定义的框架基础上可以实现VM生命周期与网络的自动化关联、网络属性的灵活变更。EVB技术中，VEB/VEPA各种部件位于服务器一侧，对服务器的流量进行转发，VEB/VEPA各种部件转发的流量包括虚拟服务器之间，和虚拟服务器与边缘交换机（与物理服务器直连）之间的全部流量。从技术实现的角度，以及某些特殊应用场景下，802.1Qbg的不同模式是可以同时存在的，并且技术上要求能够多层级联，这在标准预备文档中也进行了描述。但在更多的场景下，并不需要复杂的级联拓扑和层次，标准在使用上建议了一个基本的EVB架构。

802.1BR-Bridge Port Extension是CISCO提出的新技术，通过引入端口扩展技术，运用了MPLS技术的思想，为以太网报文增加TAG标签，外部端口扩展设备使用TAG中的信息来实现报文转发和策略控制。当然如何分发TAG必须新的协议的支持，虽说8021.Br提供了一整套的网络虚拟化解决措施，但还是需要改变硬件设备来达到这样的要求。

这两种处于发展中的标准，我们还不能说谁更好，就像IP协议和ATM协议的发展一样，随着云计算技术的飞速发展，最终会有这样的一种技术标准占据主流。

3.3 网络通信中大数据的处理

我们正处在一个信息化的时代，据工业和信息化部电信管理局公布的最新统计数据显示，我国网民数量达到5.64亿人，手机网民规模4.2亿，网民人均周上网时长达20.5小时。伴随着上网的人数激增，我们在互联网中产生的数据也是呈指数级增长。大量信息在给人们带来方便的同时也带来了很多的问题：第一是信息量大，难以消化；第二是信息真假难以辨识；第三是信息安全难以保证；第四是信息形式不一致，难以统一处理。这样的网络环境下，人们开始提出一个新的口号：“要学会抛弃信息”。人们开始想：“如何才能不被庞大的信息量淹没，而是从中及时发现有用的知识、提高信息利用率？”这时出现了新的技术，能够挖掘有用信息，“绿色”了网络存储环境——数据挖掘（Data Mining）技术便应用而生了。

数据挖掘的研究包括多个不同学科领域的技术和成果，使得目前的数据挖掘方法呈现多种多样的形式。数据挖掘技术分为很多类，其中一种知识发现数据类挖掘技术，它包括关联规则、人工神经元网络、支持向量机、决策树、粗糙集等多个方面。我们重点研究分布式并行关联规则挖掘算法，该算法针对分布式应用数据架构，不需要产生全局FP-tree，避免了FP-tree可能过大而内存无法容纳的问题，算法在各个主要步骤上都实现了并行处理。

结合现实，比如交通事故，它产生的数据本质是多维的，甚至是杂乱无章的，那么如何组织这些比较分散的数据呢？有必要研究一下车辆事故属性。车辆事故属性是指某次车辆事故发生时，人车路环境和时空状态，以及车辆事故本身的特点。通过解析这些属性，对其整理分析，进行数据挖掘。然后，我们可通过建立一些交通事故属性的模型，以层次图的形式，列出这些事故属性，并且找出这些属性之间的相关联系，比如车辆属性、天气属性、道路属性、驾驶者属性、时间属性等等类似，考虑到各属性之间的相关性，可以结合数学建模的方法，构建出星型全连接结构的数据结构i。最后我们可以借助关联规则挖掘的算法求出所有的频繁项集。

3.4 云计算下通信网络的拥塞

由于迁移往往带来服务器之间横向流量的增加，导致云计算内部的流量模型从以纵向流量（用户访问服务器流量）为主转变为以横向流量（服务器之间的流量）为主，这样的转变会使我们对网络的要求也会随之调整，否则肯定带来网络的拥塞问题。

现在数据中心的网络架构大多是分为核心、汇聚、接入层，这个时候如果当两台不同分支的设备进行互访，仍然需要通过核心层，一方面增加了时延；另一方面也不适应云计算环境下的横向流量的通讯，因为当横向流量激增，肯定会造成网络的阻塞。如果我们能够将三层网络结构简化为二层结构（如图1），虽说简化，我们还是不能忽略网络本身性能要求，在二层架构下我们还是有很多问题需要处理，比如环路问题，传统的方式我们主要采用STP，阻塞相应的端口，这样某个角度是浪费了带宽，将某条链路闲置。因此，在云计算环境下，研究者重新从数据层（Data plane）和控制层（control plane）角度，目前生成树方面采用的MSTP，根据链路的条数，创建MSTP的实例，在解决环路的同时，也做到充分利用了带宽。

4 结语

伴随着很多厂家对云计算开发的投入，众多领域已经融入云计算技术及思想，笔者也开始自己关于云计算的探索，文章仅从四个方面对云计算下网络通信进行了分析，就目前我了解的其他方面，包括云计算通信平台架构搭建问题、数据关联实现问题，想法还不够成熟，我将会在后期的研究中加以探索。

参考文献

[1] 雷万云，夏兆彦.云计算-企业信息化建设策略与实践[M].清华大学出版社，2010（10）：1-51.

[2] 王占京.VPN网络技术与业务应用[M].国防工业出版社，2015（5）：11-103.

[3] 802.1Qbg - Edge Virtual Bridging ，http：//www.ieee802.org/1/pages/802.1bg.html.

[4] 802.1BR - Bridge Port Extension ，http：//www.ieee802.org/1/pages/802.1br.html.

[5] 徐雷.云计算下的网络技术研究[J].通信学报，2012（12）：45-89.

[6] 吴昊.基于关联规则的道路交通事故数据挖掘[C].长春：吉林大学硕士学位论文集，2005.

[7] 王智钢，王池社，马青霞.分布式并行关联规则挖掘算法研究[J].计算机应用与软件，2013（10）：100-119.

[8] 王云.关联规则挖掘在道路交通事故分析中的应用[J].数据挖掘，2008（4）：

[9] RyszardS.Michalski，IvanBratko，MiroslavKubat.机器学习与数据挖掘：方法和应用[M].张洋，译.子工业出版社，2004.