基于网络编码的实时调度机制

无线网络越来越多地用于承载具有延时约束的实时应用,延迟成为无线网络服务质量的重要度量指标,而网络编码可以利用无线网络的广播特性,通过发送编码分组来减少分组传输次数,也就降低了传输延迟。这些实时应用的特点是分组截止时间是有约束的,也就是说,分组需要在截止时间的范围内发送到目的节点,否则,这些分组会由于截止时间超期而被丢弃。因此,文章基于网络编码对此进行实时调度机制的研究,使用拉格朗日对偶分解法和原始对偶更新法确定源节点每次发送的最优化分组块的大小和组成,并且给出了无线网络资源分配的确定性算法和随机性算法。     

基于深度增强学习的数据中心网络coflow调度机制

最小化语义相关流的平均完成时间是数据中心网络流量管理面临的难题之一.受人工智能领域深度增强学习方向的最新研究进展启发,本文提出一种的新的语义相关流调度机制.将带宽约束的语义相关流调度问题转化为连续的学习过程,通过学习以往策略实现最佳调度.引入反向填充和有限复用机制,保证系统的工作保持性和无饥饿性.仿真结果表明,在不同的网络负载下,本文提出的调度机制均使得语义相关流的平均完成时间小于其他调度机制,尤其是网络负载较大时,相比最先进的调度机制,性能提升约50%.     

基于SDN的多校区数据中心流量调度机制研究

高校多校区办学和数据中心多地部署带来了安全设备重复建设和难以统一管理的问题,本文通过对新型SDN网络的研究,提出一种多校区主备数据中心流量调度和安全控制机制,实现对数据中心流量灵活调度,统筹管理安全设备资源,提升数据中心安全性.     

基于粒子群优化算法的数据中心网络流量调度策略

为解决当前数据中心网络存在链路负载不均衡及带宽资源浪费问题,提出了一种基于粒子群优化算法的流量调度策略.该策略结合软件定义网络控制器可获取全局网络拓扑信息的特性,依据当前链路带宽资源状况及网络流量的带宽需求建立目标函数.首先,根据流的源地址和目的地址找出最短路径集,通过定义粒子聚合度判断算法是否有陷入局部最优的趋势;然...     

一种可扩展的软件定义数据中心网络流调度策略

针对目前大规模软件定义数据中心网络流量路由机制中可扩展性低所带来的性能瓶颈问题,该文提出一种面向树型结构的数据中心网络分段路由机制。该机制利用边缘交换机对数据流进行阈值检测以区分大小流,同时为满足其不同业务的QoS保证和网络可扩展性的要求,该文提出一种针对大流的在线最先适应算法。最后,利用Mininet在Fat-tree结构上进行实验仿真验证,仿真结果表明,与传统的ECMP算法和Mahout算法相比,该机制在降低了控制器总开销的同时还提高了网络吞吐率。     

时间敏感网络中基于EDWF-MTTF的启发式调度算法

随着工业控制和信息网络的快速融合发展,基于以太网的时间敏感网络受到了广泛关注。时间敏感网络采用时间触发通信调度来保证数据传输的确定性。然而,现有调度算法难以快速计算大规模周期性流量的调度表。因此,设计了基于带权重的最早截止时间-最大传输时间优先的启发式调度算法,通过灵活适配流量排序权重以及回溯增强等方法,可以在较短时间内解决工业自动化场景中大规模流量的调度问题。实验结果表明,相比经典整数线性规划方法,带权重的最早截止时间-最大传输时间优先的启发式调度算法能更快地计算出大规模周期性流量调度表的较优解。     

HSTC:TSN中的混合流量调度机制

针对借助时间敏感网络（TSN）实现工业网络中混合流高效传输的问题,提出了一种结合时间感知整形与循环排队转发的混合流量调度机制。该机制通过求解网络最小时隙并调整预订流量采样周期,大幅降低时间敏感流对传输资源的占用;并针对流预留流,提出奇偶映射方案及流偏移规划算法,实现对大带宽流的调度规划。仿真结果表明,所提机制的系统带宽利用率可达88%,并提升52%的网络调度成功率上界,实现了TSN中混合流的高效调度。     

面向带宽碎片最小化和QoS保障的数据中心网络流量调度算法

随着数据中心网络流量的迅速增长,如何提高数据中心网络性能和服务质量成为了研究热点。然而现有的流量调度算法在网络负载加大时,一方面会导致网络带宽碎片化从而使得网络吞吐量降低,另一方面忽视了流量应用需求导致网络服务质量较差。为此,该文提出一种面向带宽碎片最小化和QoS保障的动态流量调度算法,算法综合考虑了带宽敏感的大流、时延与丢包敏感的小流的不同需求,首先根据待调度流的源地址和目的地址建立最短路径集,其次从中筛选出满足待调度流的带宽需求的所有路径,然后根据路径剩余带宽信息和小流应用需求情况为每条路径建立权重函数,最后根据权重函数值利用轮盘赌算法选择转发路径。实验仿真结果显示,与其它算法相比,所提算法降低了小流的丢包率和时延,同时在网络负载较大时提升了网络吞吐量。

     

光电混合数据中心的流量分级分类调度研究

光电混合数据中心中的电分组交换可以灵活交换 突发小流量但不能有效传输持续时间 长的大流量,而光路交换正好相反。为此,在基于阵列波导光栅路由器(arrayed waveguide grating router,AWGR)的光电混合数 据中心网络中,提出一种采用主动队列检测的流量分级分类调度策略,由电交换和光路交换 共同实现大小流量的有效调度。根据数据中心的流量模型设计了仿真实验,分析了不同流量 模型下各架构的平均时延和吞吐量。结果表明,和带宽收敛比为1∶1 的树型、Fat-tree型 和C-Through型相比,随机流量模型下AWGR模型的吞吐量增幅达19.43%,时延 降幅达45.73%。点对点流量模型下,随 着K从1增大到4,相比于其它 3种模型,AWGR模型的 吞吐量降幅和时延增幅最低,分别为2.85%和46.98%。说明所提设计方案能有效地提高数据 中心吞吐量和降低时延。     

软件定义数据中心网络混合路由机制

针对数据中心网络流量大小分布不均匀、传输性能需求不相同的特征,提出了面向传统树型数据中心网络结构的软件定义混合路由机制SHR（software-defined hybrid routing）。SHR通过统计计算将数据流分为大流和小流,为满足其不同的传输性能需求,对大流采用自适应路由算法,对小流采用流量无视路由算法。SHR在OpenFlow机制的基础上,将部分控制权从控制器下放至交换机,以减轻网络的额外负载。在Fat-Tree网络拓扑结构上建立流量模型进行性能分析与仿真实验,结果表明,与传统的等价多路径转发ECMP算法相比,SHR能够提高网络吞吐量,降低数据流丢弃率和分组端到端时延,同时减轻网络的额外负载。     

基于离散粒子群算法的数据中心网络流量调度研究

数据中心网络利用多个并行路径为集群计算等网络服务提供高对分带宽.然而,现有的流量调度算法可能会引起链路负载不均衡,核心交换机冲突加剧,造成网络总体性能降低.本文将流调度问题转化成0-K背包问题求解,提出基于离散粒子群的流调度算法DPSOFS（Discrete Particle Swarm Optimization Flow Scheduling）.该算法根据Fat-Tree结构特点定义了粒子速度、位置和运算规则,以两次迭代冲突流个数差值作为目标函数,并限定路径搜索范围,减少随机搜索的盲目性.仿真实验验证了该算法对减少流冲突快速有效,能提高网络对分带宽.     

软件定义数据中心网络研究

提出了一种基于软件定义网络的数据中心网络方案,并对其结构和部署进行了详细介绍。通过使用软件定义网络技术,该方案解决了传统数据中心中网络利用效率低下、管控方式复杂、建设运维成本较高等问题。该方案具有结构简单、易于部署的优点。在负载均衡、域内虚拟机迁移等典型应用中,我们对该方案进行了验证,结果表明该方案具有良好的实用性。该方案为数据中心网络架构设计提供了一种重要思路。     

大跨度天基数据链的TDD时隙调度分析与优化

针对天基数据链系统卫星间的传播时延较大且节点间距离变化较大等特点，提出了一种提高时频资源利用率、提升系统容量、减小时延的方法。在时分多址与空分多址相结合的接入方式下，进行了时隙调度的分析与优化，利用卫星星座的空间复用与大跨度传播时延特性，采用时隙编排、收发状态调整、帧格式优化等手段，将信道利用率和系统容量提升了1倍，将卫星节点在某一方向获得服务的平均等待时间缩短为原来的1/4，提高了天基数据链系统的服务质量。     

数据中心多维感知的资源联合优化调度策略

Resource Scheduling is crucial to data centers. However, most previous works focus only on onedimensional resource models which ignoring the fact that multiple resources simultaneously utilized, including CPU, memory and network bandwidth. As cloud computing allows uncoordinated and heterogeneous users to share a data center, competition for multiple resources has become increasingly severe. Motivated by the differences on integrated utilization obtained from different packing schemes, in this paper we take the scheduling problem as a multidimensional combinatorial optimization problem with constraint satisfaction. With NP hardness, we present Multiple attribute decision based Integrated Resource Scheduling (MIRS), and a novel heuristic algorithm to gain the approximate optimal solution. Refers to simulation results, in face of various workload sets, our algorithm has significant superiorities in terms of efficiency and performance compared with previous methods.     

无线数据网络中机会调度理论模型的研究

机会通信作为一种对无线通信系统设计具有革命性意义的概念正在受到越来越多的关注.目前对机会调度算法的研究往往采用不同的模型进行性能评价,使得不同算法之间很难直接进行性能比较.本文主要将各种用于机会调度算法研究的理论模型进行分类和比较,对几种典型的机会调度算法在各类理论模型下的性能评价指标、方法和结果进行讨论,最后探讨了该领域未来的发展趋势并给出了一些有待研究的方向.     

无线传感器网络中保障生命期和有效延时的数据融合调度方法

In scenarios of real-time data collection of long-term deployed Wireless Sensor Networks (WSNs), low-latency data collection with long network lifetime becomes a key issue. In this paper, we present a data aggregation scheduling with guaranteed lifetime and efficient latency in WSNs. We first construct a Guaranteed Lifetime Minimum Radius Data Aggregation Tree (GLMRDAT) which is conducive to reduce scheduling latency while providing a guaranteed network lifetime, and then design a Greedy Scheduling algorithM (GSM) based on finding the maximum independent set in conflict graph to schedule the transmission of nodes in the aggregation tree. Finally, simulations show that our proposed approach not only outperforms the state-of-the-art solutions in terms of schedule latency, but also provides longer and guaranteed network lifetime.     

基于数据挖掘的电力云资源规划调度

随着虚拟化技术的应用,数据中心的资源利用率已经得到一定程度的提高,但是云资源通常还是根据用户提出的需求预先分配,资源利用率仍然有待提高.为了进一步改进资源利用率,云中心的实际资源需求可分为“周期资源”及“峰期资源”.“周期资源”可以通过历史规律,利用递阶成分负载模型进行分析,预测出数据中心大部分时间的资源需求;“峰期资源”主要是满足短时间内的各种高峰资源需求,这种需求应用了排队论及随机均衡算法模型并根据实际应用的需要动态启用、分配和收回资源.通过使用资源收集与分配守护进程对云中心资源需求进行规划调度实验,效果明显,从而为云中心资源利用率的提升及节能减排提供了一种有效途径.     

Data Center Network Architecture

The rapid development of cloud computing has created significant challenges in data center architecture. In this paper, we discuss these challenges. We introduce the latest research on data center network architecture, especially in terms of structure and virtual machine migration. We also introduce research in areas related to network architecture. Finally, we suggest future research areas in data center networks.     

面向数据中心网络的分层式故障诊断算法

首次提出一种面向数据中心网络的分层式故障诊断算法---HFD（Hierarchical Fault Diagnosis）算法。算法根据数据中心网络的结构特点,将网络系统分为两个逻辑层。在第一层,通过对“基本单元组”进行多次最简测试,将其划分为“相对故障单元组”与“相对正常单元组”两大类;在第二层,结合本文首次提出的“正-反关联性”思想和笔者曾经提出的“绝对故障基”思想,设计出AD-FAFD算法进行各单元间的相互测试与诊断。仿真实验结果表明,HFD算法在保持良好的诊断精确度的同时,有效降低了时间复杂度。