当前位置：首页 > news >正文

基于段路由与线卡优化的绿色骨干网流量工程实战

news 2026/5/27 16:43:18

1. 项目概述与核心价值

在骨干网运维的日常工作中，我们常常面临一个看似矛盾的局面：网络设备为了应对每日的流量洪峰而设计，但在长达数小时的低谷期，实际负载可能不足峰值的一半。这意味着大量昂贵的硬件——尤其是功耗大户线卡——在大部分时间里处于“空转”状态，白白消耗着巨额的电能。作为一名在ISP网络规划部门摸爬滚打了十多年的工程师，我亲眼目睹了电费账单在运营成本中的占比逐年攀升，而“绿色网络”、“节能减排”也从口号变成了迫切的KPI。

传统的节能思路，比如关闭整台路由器或者停用单个链路，在骨干网这种对可靠性和收敛时间要求极高的场景下，基本是行不通的。你不可能为了省电就让一个核心节点离线十几分钟。真正的突破口在哪里？答案就在线卡（Linecard）上。现代高端路由器的能耗大头就是线卡，而且它的功耗特性非常“耿直”：只要上面有一个端口在干活，整张卡就得全力供电。这就像你家里的空调，开1小时和开24小时，待机功耗差不了太多。因此，节能的核心逻辑从“关设备”转变为“让流量搬家，集中到少数几张线卡上，然后把其他空闲的线卡彻底关掉”。

要实现这种精细化的“流量搬家”，传统的最短路径路由（IGP）或者复杂的MPLS-TE隧道工程都显得力不从心。前者缺乏控制力，后者运维负担太重。这正是段路由（Segment Routing， SR）大显身手的地方。SR允许我们在数据包进入网络时，就为其指定一个由“段”组成的路径，网络中的设备只需根据这些段标识进行转发，无需维护每流状态。特别是两段路由（2-SR），它通过指定一个中间节点，就能引导流量走一条特定的、非最短路径，在控制灵活性和实现复杂度之间取得了完美平衡。

本文将深入拆解我们基于2-SR与线卡优化的绿色流量工程实践。这不是一篇纯理论论文，而是融合了算法设计、工程实现和现网验证的实战总结。我们将从为什么选择线卡和2-SR讲起，一步步推导出问题的数学模型（一个被证明为NP难的问题），然后给出一个高效的启发式算法，并最终用超过260个真实拓扑和一家顶级ISP的月度流量快照数据，验证其有效性：在低负载时段，平均能关闭约70%的线卡，同时计算速度比最优解快几个数量级。对于任何正在为网络能耗和电费头疼的同行来说，这都是一套可以直接参考和复现的工程方案。

2. 技术选型：为什么是线卡与两段路由？

在动手设计算法之前，必须把“为什么”搞清楚。选择线卡作为优化目标，以及选择2-SR作为实现工具，背后有深刻的硬件特性和工程现实考量。

2.1 瞄准能耗核心：路由器功耗模型拆解

一台核心路由器，比如Cisco ASR-9912，它的功耗大致分布在几个部分：机箱背板、路由处理器（RSP）和线卡。根据官方功耗计算器和我们的实测数据，线卡的功耗占比普遍超过68%，是绝对的能耗主力。路由处理器和机箱的功耗相对固定，属于“基础电费”，很难通过软件优化大幅削减。

更关键的是线卡的功耗特性。它与端口的活跃数量并非线性关系。对于一块典型的8端口100GbE线卡（如Cisco A99-8×100GE-TR），只要有一个端口被启用，无论这个端口是跑满100G还是闲置，整张线卡几乎都运行在接近满功耗的状态。端口本身的收发器功耗只占线卡总功耗的一小部分。这意味着：

关闭单个端口：节能效果微乎其微，可能只有几个百分点。
关闭整张线卡：节能效果立竿见影，可以节省该线卡近100%的功耗（约800-1200W）。

因此，节能的单元必须是整张线卡。我们的优化目标非常明确：在满足所有流量需求且不导致任何链路拥塞的前提下，让尽可能多的线卡上的所有端口都空闲下来，从而将这些线卡置于休眠或关闭状态。

实操心得：在规划初期，一定要与硬件团队确认设备的具体功耗模型。不同厂商、不同型号的线卡，其“二元”功耗特性（即0或满功耗）的阈值可能不同。有些较新的线卡可能支持更细粒度的功耗等级，但主流骨干网设备目前仍普遍符合上述模型。

2.2 路由技术演进与2-SR的必然选择

有了目标，我们需要一把足够锋利的“手术刀”来精确地移动流量。让我们快速回顾一下路由技术的选项：

最短路径路由（OSPF/IS-IS）：控制力太弱。流量走哪完全由链路代价决定，你无法为了省电让流量绕开某张特定的线卡。
度量调优（Metric Tuning）：通过修改链路权重间接影响路径。这是“用大锤做微雕”，调整一个权重可能引发全网路由震荡，风险高，效果难以预测，且无法实现精细的每流控制。
MPLS-TE + RSVP：功能强大，可以建立明确的隧道。但每个隧道都需要路径上的每台设备维护状态，信令开销大，管理复杂，在需要动态调整的大规模网络中扩展性差。
多商品流（MCF）：这是理论上的“上帝视角”最优解。它允许流量在任意路径上以任意比例分割。但现实是，路由器硬件不支持如此复杂的任意流分割，生成的转发表也极其复杂，无法部署。

段路由（SR）的出现改变了游戏规则。它是一种源路由范式， ingress节点（流量进入网络的节点）在数据包头部压入一个段列表（Segment List），网络中的设备只需根据当前段标识进行转发。对于我们的目标，最关键的是节点段（Node Segment）。一个节点段SID指示“将数据包转发到节点X的最短路径”。

两段路由（2-SR）的魅力在于其简洁与强大的平衡。任何路径都可以表示为路径 = 最短路径(源, 中间点) + 最短路径(中间点, 目的)。这意味着，我们只需要为每对通信节点选择一个合适的中间节点，就能引导流量走一条特定的、可能不是全局最短的路径。这提供了足够的控制力来规避我们希望关闭的链路（及其所在的线卡），同时又避免了K段路由（K>2）带来的控制平面复杂性和数据包开销。

已有大量研究表明，在大多数实际流量工程场景中，2-SR已经能够获得接近最优（MCF理论界）的效果。这为我们设计一个既高效又可实际部署的启发式算法奠定了理论基础。

3. 问题建模：从现实需求到数学公式

将工程问题转化为可计算的数学模型是核心一步。我们称之为“线卡最小化多商品流子网问题”。

3.1 网络模型

我们将网络抽象为一个有向图G = (V, A)。

V：节点集合，代表网络中的路由器。
A：有向弧集合，代表链路。注意，一条双向链路被建模为两条方向相反的有向弧(u->v)和(v->u)。

每条弧a有容量c(a)，这由构成该链路的物理端口决定。一个关键映射是端口到线卡的映射。我们假设每张线卡可以承载κ个端口（例如 κ=8）。一个路由器上的端口被分组到不同的线卡上。

3.2 优化目标与约束

输入：

网络图G和链路容量c(a)。
流量需求矩阵t_uv，表示从节点u到节点v需要传输的流量。
最大链路利用率阈值θ（例如 θ=0.7），这是为了避免拥塞预留的安全余量。

决策变量：

对于每个端口p，一个二进制变量��_p，表示该端口是否活跃（1）或关闭（0）。
流量如何路由（在后续算法中具体定义）。

目标函数：最小化网络中活跃线卡的总数。Minimize Σ_{v in V} ceil( (Σ_{p on router v} π_p) / κ )这个公式的含义是：对每个路由器v，计算其活跃端口总数，除以每张线卡的端口数κ并向上取整，就得到了该路由器上必须开启的线卡数量。求和即为全网总活跃线卡数。

约束条件：

流量需求满足：所有u->v的流量必须被完全路由。
容量约束：任何链路上的总流量不能超过其容量c(a)与利用率阈值θ的乘积。
链路双向性：如果链路(u->v)被使用（即至少一个方向有流量），则其反向链路(v->u)对应的端口也必须被视为活跃，因为物理链路是成对存在的。

3.3 问题的复杂性

我们证明了这个问题即使在有向无环图（DAG）上也是NP-Hard的。这意味着，对于大规模网络（如拥有上百个节点、数千条链路的ISP骨干网），寻找精确的最优解在计算上是不可行的，必须依赖启发式算法。

这个证明本身也很有启发性，它通过将经典的“集合覆盖问题”归约到我们的问题上，揭示了其本质难度：如何在浩如烟海的可能路径组合中，选出既能满足流量又能最大化关闭线卡的方案，是一个组合爆炸问题。

4. 核心算法：基于两段路由的启发式方案

既然最优解求之不得，我们就需要一个在可接受时间内给出接近最优解的方案。我们的核心算法2SR-LC应运而生。

4.1 算法核心思想

算法的精髓在于大幅缩减搜索空间。我们不强求流量可以走任何路径（像MCF那样），也不仅仅局限于有限的几条最短路径（像k-最短路径法那样）。我们只考虑所有可以用至多两个节点段表示的路径。

回忆一下2-SR的路径形式：路径(u->v) = 最短路径(u, w) + 最短路径(w, v)，其中w是我们选择的中间节点。这意味着，对于每一对通信节点(u, v)，我们只需要决定：选择哪个中间节点w？以及，有多少比例的u->v流量走经过这个w的路径？

这样一来，决策变量从“每条弧上的流量”这种海量变量，变成了“每对(u,v)和每个潜在中间节点w的流量分配比例”。变量数量从O(|A|)级别降到了O(|V|^3)级别，对于百节点规模的网络，这是可求解的。

4.2 具体建模与ILP公式

我们定义两个关键函数：

F_uw(a)：当单位流量从u到w走最短路径时，经过弧a的流量。
g^w_uv(a) = t_uv * (F_uw(a) + F_wv(a))：如果所有u->v的流量都经过中间节点w，那么弧a上承载的u->v流量。

引入决策变量x^w_uv，表示u->v的流量中，经过中间节点w的比例。显然，对于每一对(u,v)，所有x^w_uv之和应为1。

那么，弧a上的总流量就是：Load(a) = Σ_{u,v} Σ_{w} [ x^w_uv * g^w_uv(a) ]

最终的整数线性规划（ILP）模型如下：

目标：与之前相同，最小化活跃线卡总数。约束：

流量分配约束：Σ_w x^w_uv = 1，且x^w_uv >= 0。这保证了所有流量都被分配。
容量约束：对于每条弧a，Load(a) <= θ * c(a)。
线卡激活约束：如果一条弧a上有任何流量（即Load(a) > 0），那么建立该弧的所有端口都必须激活（π_p = 1）。同时，反向弧的端口也需激活以维持双向连接。
线卡容量约束：每个路由器上，活跃端口数除以κ向上取整，即为该路由器所需最小线卡数。

4.3 算法优势

可求解性：虽然仍是ILP，但变量和约束的数量相比全路径MCF模型大大减少，使得用CPLEX、Gurobi等商业求解器在数小时内解决百节点级网络问题成为可能。
部署友好：解的结果直接给出了每对(u,v)流量应使用的中间节点w（或几个w及比例）。在Ingress路由器上，这就是一个简单的段列表[节点段(w), 节点段(v)]，极易配置。
接近最优：正如后续实验结果所示，2SR-LC能达到超过90%的最优节能效果（与理论上限MCF-LC相比）。

实操心得：在实现时，预计算F_uw(a)（即所有节点对之间的最短路径经过的弧）是一个关键步骤。可以利用Floyd-Warshall或多次运行Dijkstra算法来高效完成。这个预处理步骤只需在拓扑变化时执行一次，大大减少了在线计算量。

5. 实验验证：从仿真到真实ISP网络

理论再优美，也需要实验的检验。我们的评估分为两部分：一是在公开的Repetita基准数据集上进行广泛测试；二是在一家全球Tier-1 ISP的真实拓扑和流量数据上进行案例研究。

5.1 实验设置与对比算法

数据集：

Repetita数据集：包含260个来自Internet Topology Zoo的真实网络拓扑，以及合成的流量矩阵。我们将流量统一缩放至峰值的50%，以模拟深夜低负载场景。
ISP数据集：来自一家大型ISP在2020年和2022年的骨干网数据，包含160-190个节点，3700-4600条链路。我们提取了每日凌晨1点到9点的流量，并取各源-目的对在这段时间内的最大值，构成一个保守的“夜间流量矩阵”，以确保方案的稳定性。

硬件建模：我们采用一个简化的通用模型：每条逻辑链路由4条物理链路捆绑而成，每8个面向骨干的端口共享一张线卡。这是一个保守估计，可能低估了可关闭的线卡数量。

对比算法：为了全面评估，我们实现了以下算法进行对比：

MCF-LC：基于多商品流的最优解（ILP）。作为理论上的节能上限，但计算成本极高，仅用于小规模网络对比。
Zhang-O (原始)：文献[31]的k-最短路径算法，其目标是最小化活跃的“流”数量（每条流对应一个端口），我们进行了复现。
Zhang-I (改进)：我们对Zhang-O的改进，将其目标函数改为与我们一致的“最小化活跃线卡数”，以便公平比较。
Carpa：文献[25]的贪心算法，迭代地尝试关闭利用率最低的链路，并用MCF重新路由流量。
我们的算法：2SR-LC。

关键参数：

θ(最大链路利用率)：主要设置为0.7（即链路利用率不超过70%），预留30%的余量应对突发流量。我们也测试了θ=0.5的更保守情况。
k(最短路径数)：在Zhang算法中，我们测试了k=5和k=20。

5.2 结果分析：节能效果、计算时间与部署开销

我们使用三个核心指标进行评估：可关闭线卡比例、计算时间和部署所需的段数量。

1. 节能效果（可关闭线卡比例）在Repetita数据集上，我们的2SR-LC和Zhang-I表现最佳，平均能达到超过90%的最优节能效果（与MCF-LC相比）。2SR-LC在不同规模的拓扑上表现非常稳定。

Zhang-O表现很差，只能关闭不到25%的线卡。这凸显了目标函数设计的重要性：最小化“流”不等于最小化“线卡”。
Carpa算法在多数情况下几乎无法关闭任何线卡。其贪心关闭链路的策略，往往导致每个线卡上仍有一两个端口活跃，无法满足整��线卡关闭的条件。

在真实的ISP数据集上，结论一致。2SR-LC和Zhang-I平均可以关闭约70%的线卡。这是一个非常可观的节能潜力，意味着在凌晨低负载时段，近七成的线卡可以进入休眠，节能效果直接对应功耗的降低。

2. 计算时间这是2SR-LC的另一个显著优势。

MCF-LC：作为最优解，计算耗时极长，在大规模拓扑上不可行。
Zhang-I：计算时间尚可，但在大规模ISP拓扑上，设定24小时时限仍无法保证找到最优解。
Carpa：作为在线的、动态调整的算法，其计算时间却长得令人无法接受，在中等规模拓扑上就已超时。
2SR-LC：在所有测试中，均能在合理时间内（远少于24小时）求解到最优或接近最优。它实现了计算效率与解质量的完美平衡。

3. 部署开销（段数量）这是SR部署中的一个关键实操指标。段列表越长，数据包开销越大，对硬件标签栈深度的要求也越高。

2SR-LC：顾名思义，严格限制每条路径最多使用2个段。这是最简洁、对设备要求最低的方案。
Zhang-I/O：为了实现其计算出的路径，平均需要4到5个段。这是因为k-最短路径算法计算出的路径，经常需要多个段来抑制ECMP（等价多路径），以精确引导流量避开特定链路。

注意事项：段数量的增加不仅影响数据包开销，更增加了控制平面的配置和管理复杂度。2SR-LC的“两段”特性使其在现网中部署的阻力最小，运营商接受度最高。

5.3 方案稳定性与鲁棒性分析

一个优秀的节能方案不能是“一次性”的。我们测试了用某天凌晨流量计算出的2SR-LC配置，在后续连续多天的相同时段是否依然有效。

结果：计算出的配置在长达9天的时间内都保持有效，链路最高利用率（MLU）始终保持在阈值以下（虽然从第1天的0.7缓慢上升到第9天的0.9左右）。直到第10天，由于流量模式发生了结构性变化（并非总量增长，而是入口点分布变化），原有配置才出现拥塞（MLU>1.0）。

启示：这意味着我们不需要每分钟都重新计算路由。可以设定一个触发机制，例如当监测到流量模式变化超过一定阈值，或定期（如每周）在低负载时段重新运行一次优化计算即可。这极大地增强了方案的实用性。

5.4 最大链路利用率阈值的影响

我们将θ从0.7调整到0.5（预留50%容量），以测试方案的鲁棒性。结果符合预期：

节能效果下降：更严格的容量约束限制了流量整合的空间，所有算法可关闭的线卡数量都减少了。
算法优劣顺序不变：2SR-LC和Zhang-I依然显著优于其他算法。
可行性问题：在部分ISP拓扑实例中，当θ=0.5时，问题变得不可行（无法在满足所有流量需求的同时保证所有链路利用率低于50%）。这提醒我们，节能目标需要与网络冗余度进行权衡。

6. 常见问题与工程实践要点

在实际推进此类项目时，会遇到各种理论和实操上的问题。以下是我们总结的一些关键点。

6.1 算法选择与调优

Q：为什么不用更简单的贪心算法（如Carpa）？A：贪心算法（逐一尝试关闭最空闲的链路）在理论上很直观，但存在两个致命问题：1)计算效率低，每次尝试都需要解一个全局优化问题（MCF）；2)效果差，容易产生“碎片化”的端口使用，导致没有一张线卡能被完全清空，节能失败。我们的实验证实了这一点。

Q：k-最短路径算法（Zhang）看起来也不错，为什么不直接用？A：改进版的Zhang-I在节能效果上确实接近2SR-LC。但其主要劣势在于：1)部署复杂度高，需要更多SR段；2)路径空间受限，k的取值需要权衡。k太小则解质量差，k太大则计算变量暴增。而2SR-LC的路径空间是O(|V|^3)，通常比k-最短路径的O(k * |V|^2)更丰富、更结构化。

Q：如何设置最大链路利用率阈值θ？A：这是一个业务策略问题，而非纯技术问题。θ值越高（如0.9），节能潜力越大，但网络应对突发流量或局部故障的缓冲能力越弱。通常，运营商会在性能SLA和节能目标之间折衷。建议从0.7开始，并监控关键链路的利用率百分位（如95th percentile），确保不会影响用户体验。可以设置动态阈值，在节假日夜间更激进（θ=0.8），在平日则保守一些（θ=0.6）。

6.2 部署与运维考量

Q：如何将优化结果下发到现网？A：2SR-LC的输出非常友好：一个(源，目的，中间节点，分流比例)的列表。在Ingress路由器上，可以通过配置SR策略（Segment Routing Policy）来实现。例如，对于u->v的流量，如果计算结果是指定100%经过中间节点w，则配置一个优先级最高的SR-TE策略，段列表为[节点段(w), 节点段(v)]。如果流量需要按比例分流到多个中间节点，则可以配置多个不同优先级的策略，或使用Flex-Algo等更高级的特性。

Q：线卡的关闭与唤醒如何操作？会产生业务中断吗？A：这是最关键的操作环节，务必谨慎！

关闭：通过网管系统下发命令，将空闲线卡置为低功耗或关闭模式。对于支持热插拔的线卡，理论上可以软件关闭而不影响业务（因为其上已无流量）。但必须先通过路由优化确保该线卡上所有端口流量为零，并等待一段时间（如几分钟）确认无残留流量。
唤醒：当流量增长，需要重新启用线卡时，反向操作。关键在于，唤醒操作和流量回迁需要协同。标准的做法是：a) 先唤醒线卡，等待其完成启动并加入路由协议；b) 然后通过更新SR策略，将一部分流量引导回该线卡上的链路；c) 监控链路利用率，逐步调整。
中断风险：如果操作不当，如在流量未排空时强制下电线卡，会导致丢包。建议在业务最低谷时段（如凌晨）执行批量关闭操作，并制定详细的回滚预案。

Q：如何监控与验证节能效果？A：需要建立闭环监控体系：

能耗监控：通过SNMP或智能PDU，采集机柜或设备级的功耗数据。节能效果应直接体现在功耗曲线上。
流量与容量监控：实时监控被关闭链路的端口状态（确保为down/idle），以及活跃链路的利用率，确保没有过载。
业务质量监控：监控端到端的时延、丢包率、抖动，确保节能策略未影响SLA。
效果报告：定期生成报告，对比实施节能策略前后的功耗、PUE（能源使用效率）等指标。

6.3 故障恢复与韧性

Q：关闭大量线卡后，网络面对故障的韧性是否下降？A：这是绿色流量工程必须回答的质疑。我们的策略是在优化模型中内置韧性约束。

单链路/单节点故障模拟：可以在优化时加入额外的约束，要求在任何单点故障发生后，剩余的活跃链路依然有能力承载所有流量（或满足降级后的流量）。这会使问题更复杂，但可通过预计算故障场景下的流量矩阵来实现。
快速重路由（FRR）：SR天然支持灵活的故障保护。可以为关键流量配置TI-LFA（Topology Independent Loop-Free Alternate）等本地保护机制。当一条经过被关闭线卡的路径出现故障时，流量能快速切换到预先计算好的备份路径。重要的是，备份路径所经过的线卡必须是活跃的。因此，优化时需要考虑保留一部分“冗余”线卡来承载备份路径。
实践建议：不要追求极限的节能（如关闭90%的线卡），而是追求安全的节能��如关闭60-70%）。保留一定的冗余容量和活跃线卡，专门用于承载故障情况下的备份流量。这需要在节能和韧性之间做一个明确的权衡。