CN109873772A - 基于稳定匹配的流调度方法、装置、计算机设备及存储介质 - Google Patents
基于稳定匹配的流调度方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN109873772A CN109873772A CN201910073822.5A CN201910073822A CN109873772A CN 109873772 A CN109873772 A CN 109873772A CN 201910073822 A CN201910073822 A CN 201910073822A CN 109873772 A CN109873772 A CN 109873772A
- Authority
- CN
- China
- Prior art keywords
- flow
- path
- stable matching
- stable
- preference table
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 230000000903 blocking effect Effects 0.000 claims description 12
- 230000005540 biological transmission Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 3
- 238000004088 simulation Methods 0.000 abstract description 4
- 238000010276 construction Methods 0.000 abstract description 3
- 230000007547 defect Effects 0.000 abstract description 2
- 230000007246 mechanism Effects 0.000 abstract description 2
- 241000406668 Loxodonta cyclotis Species 0.000 description 10
- 238000004590 computer program Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 241000135164 Timea Species 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Landscapes
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种基于稳定匹配的流调度方法、装置、计算机设备及存储介质,所述方法包括:设置流和路径;为流和路径构建偏好表;根据流和路径的偏好表,构建流‑路径稳定匹配模型;根据流‑路径稳定匹配模型,求解最优解,采用一对一稳定匹配方法在流和路径之间找到最佳的一对一稳定匹配,实现流的最优调度。本发明解决了现有流调度机制存在的面向专有拓扑、带宽分配粒度粗等缺陷,实现了可应用于所有类型拓扑的细粒度带宽分配,仿真实验结果证明与以前工作相比具有较大的优势。
Description
技术领域
本发明涉及一种基于稳定匹配的流调度方法、装置、计算机设备及存储介质,属于软件定义数据中心网络的流调度领域。
背景技术
目前,软件定义数据中心网络(Software-Defined Data-Center Networks,SD-DCN)已经在被广泛地部署,如谷歌的B4。而DCN中存在三种类型的流,即老鼠流(Mice Flow,简称MF)、已知大小的大象流(Elephant Flow with known sizes,简称EFY)和未知大小的大象流(Elephant Flow with unknown sizes,EFN)。例如,一些面向用户的数据中心应用(网络搜索,社交网络,推荐系统等)会产生MF;虚拟机迁移和数据备份等应用会产生已知大小的大象流;而数据库访问和基于HTTP的大数据块传输等应用会产生未知大小的大象流。更重要的是,大象流(已知大小或未知大小的大象流)和老鼠流具有不同的性能要求。通常,老鼠流是延迟敏感度应用,期望最大化时限要求满足率DMR(Deadline Meet Rate);而大象流期望更高的吞吐量和更短的流完成时间FCT(Flow Completion Time)而其没有具体的截止完成时间(Deadline)。
早期的数据中心网络流调度是将流的分组分布于所有等长的路径上(例如:ECMP),以便充分利用数据中心网络的带宽。然而,由于大象流会比老鼠流消耗更多的带宽,并占用路径更长时间,因此会导致链路负载不平衡。
基于稳定匹配理论,Lin Cui等提出了Fincher来调度大象流,他们假设每个路径对应一个唯一的核心(或聚合)交换机,Fincher分配新的流给适当的交换机,这实际上为其确定了特定的最短路径。因此,他们试图在流和交换机之间找到稳定的匹配。然而,即使他们的假设在胖树(Fat-tree)拓扑下正确,但无法确保在其他拓扑下正确。换句话说,Fincher不能适应于所有类型的拓扑。此外,Fincher的流和交换机之间匹配的缺点是粗粒带宽分配(其粒度是两个交换机之间的所有带宽)。
发明内容
本发明的第一个目的是为了解决上述现有流调度机制存在的面向专有拓扑、带宽分配粒度粗等缺陷,提供了一种基于稳定匹配的流调度方法,该方法实现了可应用于所有类型拓扑的细粒度带宽分配,仿真实验结果证明与以前工作相比具有较大的优势。
本发明的第二个目的在于提供一种基于稳定匹配的流调度装置。
本发明的第三个目的在于提供一种计算机设备。
本发明的第四个目的在于提供一种存储介质。
本发明的第一个目的可以通过采取如下技术方案达到:
一种基于稳定匹配的流调度方法,所述方法包括:
设置流和路径;
为流和路径构建偏好表;
根据流和路径的偏好表,构建流-路径稳定匹配模型;
根据流-路径稳定匹配模型,求解最优解,采用一对一稳定匹配方法在流和路径之间找到最佳的一对一稳定匹配,实现流的最优调度。
进一步的,所述设置流和路径,具体包括:
设置流:一组流被定义为F={f1,f2,...},其中|F|是流的总数量,将si表示为流fi的大小,通过统计实时流持续时间和实时流速率,等效地计算流fi的大小si,使si=实时流持续时间*实时流速率;
设置路径:一组路径被定义为SP={sp1,sp2,...},其中|SP|是路径的总数量,设路径spj具有k跳链路,路径上各跳链路的空闲带宽分别为{bj1,bj2,bj3...bjk},将路径spj的平均带宽记为
进一步的,所述为流和路径构建偏好表,具体包括:
为每个流都构建一个对路径的偏好表P(fi)={sp1,sp2,...};其中,每个路径spj(spj∈P(fi))的带宽都足以接受流fi,流优先选择有更多带宽的路径,以减少流完成时间;
为每个路径都构建一个对流的偏好表P(spj)={f1,f2,...};其中,每个流fi(fi∈P(spj))都可以被路径spj接受,该偏好表中流的大小小于路径的平均带宽,且该偏好表中流的优先级顺序由流的大小决定,以充分利用路径的带宽。
进一步的,所述构建流-路径稳定匹配模型,具体为:
给定SP和F的集合,模型如下:
Max|M|
S.t.
(1)bj≥si;
(2)E(fi,M(fi))=0;
(3)|M(fi)|≤1;
(4)|M(spj)|≤1.
其中,M表示流和路径之间的匹配,M(fi)表示为传输fi的路径,M(spj)表示为与路径spj匹配的流,i=1,2,...,|F|;j=1,2,...,|SP|;第一个约束条件确保所有路径都不会过载,第二个约束条件确保没有阻塞对出现,最后两个约束条件确保流和路径之间的一对一稳定匹配。
进一步的,所述根据流-路径稳定匹配模型,求解最优解,采用一对一稳定匹配方法在流和路径之间找到最佳的一对一稳定匹配,具体包括:
通过对流-路径稳定匹配模型求解最优解找到最多的匹配M={(fi,spj)|fi∈P(spj),spj∈P(fi)},获得最多的没有阻塞对的流与路径之间的匹配;
采用一对一稳定匹配方法在流和路径之间找到最佳的一对一稳定匹配,该稳定匹配方法反复地执行提议-拒绝的过程,其中,流负责提议,路径选择拒绝或接受该提议。
进一步的,所述阻塞对是指流-路径对满足以下条件:
bj≥si
其中,M表示流和路径之间的匹配,bj表示路径spj的平均带宽,si表示流fi的大小,
进一步的,所述在流和路径之间找到最佳的一对一稳定匹配,具体为:
每个路径仅与一个流匹配,并且每个流仅与一个路径匹配;针对具有带宽约束的流和路径的偏好表,对于每个流,没有更好的路径可以接受它,而对于每个路径,当该路径仍有足够的可用带宽时不会拒绝更大的流。
本发明的第二个目的可以通过采取如下技术方案达到:
一种基于稳定匹配的流调度装置,所述装置包括:
设置模块,用于设置流和路径;
偏好表构建模块,用于为流和路径构建偏好表;
稳定匹配模型构建模块,用于根据流和路径的偏好表,构建流-路径稳定匹配模型;
流调度模块,用于根据流-路径稳定匹配模型,求解最优解,采用一对一稳定匹配方法在流和路径之间找到最佳的一对一稳定匹配,实现流的最优调度。
本发明的第三个目的可以通过采取如下技术方案达到:
一种计算机设备,包括处理器以及用于存储处理器可执行程序的存储器,所述处理器执行存储器存储的程序时,实现上述的基于稳定匹配的流调度方法。
本发明的第四个目的可以通过采取如下技术方案达到:
一种存储介质,存储有程序,所述程序被处理器执行时,实现上述的基于稳定匹配的流调度方法。
本发明相对于现有技术具有如下的有益效果:
本发明设置了流和路径,为流和路径构建偏好表,根据流和路径的偏好表构建流-路径稳定匹配模型,在完成流-路径稳定匹配模型构建后,将流调度转化为经典的一对一稳定匹配问题,采用一对一稳定匹配方法在流和路径之间找到最佳的一对一稳定匹配,实现流的最优调度,可应用于所有类型拓扑的细粒度带宽分配,仿真实验结果证明与以前工作相比具有较大的优势。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图示出的结构获得其他的附图。
图1为本发明实施例1的基于稳定匹配的流调度方法的流程图。
图2为本发明实施例2的基于稳定匹配的流调度装置的结构框图。
图3为本发明实施例2的计算机设备的结构框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例,基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1:
本实施例提供了一种基于稳定匹配的流调度方法,让每跳链路带宽划分为一些网络切片,根据流的数量,通过对组合网络切片来构建一定数量的路径,每个路径仅与一个流匹配,并且每个流仅与一个路径匹配。因此,本实施例将流调度转化为经典的一对一稳定匹配问题,例如稳定婚姻问题。
如图1所示,本实施例的基于稳定匹配的流调度方法针对的是未知大小的大象流EFN,其包括以下步骤:
S101、设置流和路径。
在本实施例的基于稳定匹配的流调度方法中,需要设置两个对象:流和路径。
设置流:一组流被定义为F={f1,f2,...},其中|F|是流的总数量。将si表示为流fi的大小。可以获得实时流持续时间(βr)和实时流速率(θr),通过统计实时流持续时间和实时流速率,等效地计算流fi的大小si,使si=实时流持续时间*实时流速率,即si=βr*θr。
设置路径:一组路径被定义为SP={sp1,sp2,...},其中|SP|是路径的总数量。在软件定义数据中心网络中,因为专用链路集内的排队时延很小,传输时延成为影响流完成时间的主要因素。由于路径由多跳链路组成,因此流完成时间将主要由该路径的平均带宽确定。设路径spj具有k跳链路,其上各跳链路的空闲带宽分别为{bj1,bj2,bj3...bjk},那么,将路径spj的平均带宽记为(本实施例称为路径的带宽)。进一步地说,对于实现一个预期的流完成时间,路径的带宽实际等效于它可以传输的流的大小。
S102、为流和路径构建偏好表。
S103、根据流和路径的偏好表,构建流-路径稳定匹配模型。
1)每个流都有一个对路径的偏好表P(fi)={sp1,sp2,...};其中,每个路径spj(spj∈P(fi))的带宽都足以接受流fi,即bj≥si。流总是优先选择有更多带宽的路径,因为这样就可以减少它的流完成时间。
2)每个路径都有一个对流的偏好表P(spj)={f1,f2,...};其中,每个流fi(fi∈P(spj))都可以被路径spj接受,该偏好表中流的大小小于路径的带宽,且该偏好表中流的优先级顺序由它们的大小决定,以充分利用路径的带宽。也就是说,当bj≥si时,流的大小越接近路径的带宽,其优先级越高。
针对具有带宽约束的流和路径的偏好表,其目标是在流和路径之间找到最佳匹配,即对于每个流,没有更好的路径(具有更大带宽)可以接受它,而对于每个路径,当它仍有足够的可用带宽时不会拒绝更大的流。
为了描述方便,本实施例做如下约定:M是流和路径之间的匹配,将M(fi)表示为传输fi的路径;类似地,将M(spj)表示为与路径spj匹配的流。E(fi,spj)=1表示为M中发生的如下fi和spj不匹配的事件:spj有足够的带宽来传输fi,并且spj和fi都是彼此比当前在M中的匹配对象更优选的对象。当E(fi,spj)=1,则称(fi,spj)为如定义2描述的一个阻塞对。x>yz表示x在偏好表P(z)中的优先级高于y。当E(fi,spj)=0,则(fi,spj)不是一个阻塞对。
本实施例的流-路径稳定匹配模型为EFN的流-路径稳定匹配模型,可以如定义1所述来定义流-路径稳定匹配模型FPSM(Flow-Path Stable Matching)。
定义1:给定SP和F的集合,流-路径稳定匹配模型FPSM旨在找到具有最多的匹配M={(fi,spj)|fi∈P(spj),spj∈P(fi)},即:
Max|M|
S.t.
(1)bj≥si;
(2)E(fi,M(fi))=0;
(3)|M(fi)|≤1;
(4)|M(spj)|≤1.
其中,i=1,2,...,|F|;j=1,2,...,|SP|.
流-路径稳定匹配模型FPSM旨在获得最多流和路径之间的匹配并且不存在阻塞对。其中,第一个约束条件确保所有路径都不会过载,第二个约束条件确保没有阻塞对出现,最后两个约束条件确保流和路径之间的一对一稳定匹配。
定义2:如果满足以下条件,流-路径对则是一个阻塞对:
bj≥si (1)
其中,
S104、根据流-路径稳定匹配模型,求解最优解,采用一对一稳定匹配方法在流和路径之间找到最佳的一对一稳定匹配,实现流的最优调度。
本实施例在完成流-路径稳定匹配模型的构建后,流调度就变成了一对一的稳定匹配问题,首先通过对流-路径稳定匹配模型求解最优解找到具有最多的匹配M={(fi,spj)|fi∈P(spj),spj∈P(fi)},获得最多的没有阻塞对的流与路径之间的匹配,然后采用经典的Deferred Acceptance算法(也称为Gale-Shapley算法)在流和路径之间找到最佳的一对一稳定匹配,该算法会反复地执行提议-拒绝的过程;其中,流负责提议,而路径会选择拒绝或接受该提议。
在流和路径之间找到最佳的一对一稳定匹配,具体为:每个路径仅与一个流匹配,并且每个流仅与一个路径匹配;针对具有带宽约束的流和路径的偏好表,对于每个流,没有更好的路径(具有更大带宽)可以接受它,而对于每个路径,当它仍有足够的可用带宽时不会拒绝更大的流。
本领域技术人员可以理解,实现上述实施例的方法中的全部或部分步骤可以通过程序来指令相关的硬件来完成,相应的程序可以存储于计算机可读存储介质中。
应当注意,尽管在附图中以特定顺序描述了上述实施例的方法操作,但是这并非要求或者暗示必须按照该特定顺序来执行这些操作,或是必须执行全部所示的操作才能实现期望的结果。相反,描绘的步骤可以改变执行顺序。附加地或备选地,可以省略某些步骤,将多个步骤合并为一个步骤执行,和/或将一个步骤分解为多个步骤执行。
实施例2:
如图2所示,本实施例提供了一种基于稳定匹配的流调度装置,该装置包括设置模块201、偏好表构建模块202、稳定匹配模型构建模块203和流调度模块204,各个模块的具体功能如下:
所述设置模块201,用于设置流和路径;
所述偏好表构建模块202,用于为流和路径构建偏好表;
所述稳定匹配模型构建模块203,用于根据流和路径的偏好表,构建流-路径稳定匹配模型;
所述流调度模块204,用于根据流-路径稳定匹配模型,求解最优解,采用一对一稳定匹配方法在流和路径之间找到最佳的一对一稳定匹配,实现流的最优调度。
本实施例中各个模块的具体实现可以参见上述实施例1,在此不再一一赘述;需要说明的是,本实施例提供的装置仅以上述各功能模块的划分进行举例说明,在实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。
实施例3:
本实施例提供了一种计算机设备,该计算机设备可以是服务器,如图3所示,其包括通过系统总线301连接的处理器302、存储器和网络接口303,该处理器用于提供计算和控制能力,该存储器包括非易失性存储介质304和内存储器305,该非易失性存储介质304存储有操作系统、计算机程序和数据库,该内存储器305为非易失性存储介质中的操作系统和计算机程序的运行提供环境,处理器302执行存储器存储的计算机程序时,实现上述实施例1的基于稳定匹配的流调度方法,如下:
设置流和路径;
为流和路径构建偏好表;
根据流和路径的偏好表,构建流-路径稳定匹配模型;
根据流-路径稳定匹配模型,求解最优解,采用一对一稳定匹配方法在流和路径之间找到最佳的一对一稳定匹配,实现流的最优调度。
实施例4:
本实施例提供了一种存储介质,该存储介质为计算机可读存储介质,其存储有计算机程序,所述程序被处理器执行时,处理器执行存储器存储的计算机程序时,实现上述实施例1的基于稳定匹配的流调度方法,如下:
设置流和路径;
为流和路径构建偏好表;
根据流和路径的偏好表,构建流-路径稳定匹配模型;
根据流-路径稳定匹配模型,求解最优解,采用一对一稳定匹配方法在流和路径之间找到最佳的一对一稳定匹配,实现流的最优调度。
本实施例中所述的存储介质可以是磁盘、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、U盘、移动硬盘等介质。
综上所述,本发明设置了流和路径,为流和路径构建偏好表,根据流和路径的偏好表构建流-路径稳定匹配模型,在完成流-路径稳定匹配模型构建后,将流调度转化为经典的一对一稳定匹配问题,采用一对一稳定匹配方法在流和路径之间找到最佳的一对一稳定匹配,实现流的最优调度,可应用于所有类型拓扑的细粒度带宽分配,仿真实验结果证明与以前工作相比具有较大的优势。
以上所述,仅为本发明专利较佳的实施例,但本发明专利的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明专利所公开的范围内,根据本发明专利的技术方案及其发明构思加以等同替换或改变,都属于本发明专利的保护范围。
Claims (10)
1.一种基于稳定匹配的流调度方法,其特征在于,所述方法包括:
设置流和路径;
为流和路径构建偏好表;
根据流和路径的偏好表,构建流-路径稳定匹配模型;
根据流-路径稳定匹配模型,求解最优解,采用一对一稳定匹配方法在流和路径之间找到最佳的一对一稳定匹配,实现流的最优调度。
2.根据权利要求1所述的基于稳定匹配的流调度方法,其特征在于,所述设置流和路径,具体包括:
设置流:一组流被定义为F={f1,f2,...},其中|F|是流的总数量,将si表示为流fi的大小,通过统计实时流持续时间和实时流速率,等效地计算流fi的大小si,使si=实时流持续时间*实时流速率;
设置路径:一组路径被定义为SP={sp1,sp2,...},其中|SP|是路径的总数量,设路径spj具有k跳链路,路径上各跳链路的空闲带宽分别为{bj1,bj2,bj3...bjk},将路径spj的平均带宽记为
3.根据权利要求1所述的基于稳定匹配的流调度方法,其特征在于,所述为流和路径构建偏好表,具体包括:
为每个流都构建一个对路径的偏好表P(fi)={sp1,sp2,...};其中,每个路径spj(spj∈P(fi))的带宽都足以接受流fi,流优先选择有更多带宽的路径,以减少流完成时间;
为每个路径都构建一个对流的偏好表P(spj)={f1,f2,...};其中,每个流fi(fi∈P(spj))都可以被路径spj接受,该偏好表中流的大小小于路径的平均带宽,且该偏好表中流的优先级顺序由流的大小决定,以充分利用路径的带宽。
4.根据权利要求1所述的基于稳定匹配的流调度方法,其特征在于,所述构建流-路径稳定匹配模型,具体为:
给定SP和F的集合,模型如下:
Max|M|
S.t.
(1)bj≥si;
(2)E(fi,M(fi))=0;
(3)|M(fi)|≤1;
(4)|M(spj)|≤1.
其中,M表示流和路径之间的匹配,M(fi)表示为传输fi的路径,M(spj)表示为与路径spj匹配的流,i=1,2,...,|F|;j=1,2,...,|SP|;第一个约束条件确保所有路径都不会过载,第二个约束条件确保没有阻塞对出现,最后两个约束条件确保流和路径之间的一对一稳定匹配。
5.根据权利要求1-4任一项所述的基于稳定匹配的流调度方法,其特征在于,所述根据流-路径稳定匹配模型,求解最优解,采用一对一稳定匹配方法在流和路径之间找到最佳的一对一稳定匹配,具体包括:
通过对流-路径稳定匹配模型求解最优解找到最多的匹配,获得最多的没有阻塞对的流与路径之间的匹配;
采用一对一稳定匹配方法在流和路径之间找到最佳的一对一稳定匹配,该稳定匹配方法反复地执行提议-拒绝的过程,其中,流负责提议,路径选择拒绝或接受该提议。
6.根据权利要求5所述的基于稳定匹配的流调度方法,其特征在于,所述阻塞对是指流-路径对满足以下条件:
bj≥si
其中,M表示流和路径之间的匹配,bj表示路径spj的平均带宽,si表示流fi的大小,
7.根据权利要求5所述的基于稳定匹配的流调度方法,其特征在于,所述在流和路径之间找到最佳的一对一稳定匹配,具体为:
每个路径仅与一个流匹配,并且每个流仅与一个路径匹配;针对具有带宽约束的流和路径的偏好表,对于每个流,没有更好的路径可以接受它,而对于每个路径,当该路径仍有足够的可用带宽时不会拒绝更大的流。
8.一种基于稳定匹配的流调度装置,其特征在于,所述装置包括:
设置模块,用于设置流和路径;
偏好表构建模块,用于为流和路径构建偏好表;
稳定匹配模型构建模块,用于根据流和路径的偏好表,构建流-路径稳定匹配模型;
流调度模块,用于根据流-路径稳定匹配模型,求解最优解,采用一对一稳定匹配方法在流和路径之间找到最佳的一对一稳定匹配,实现流的最优调度。
9.一种计算机设备,包括处理器以及用于存储处理器可执行程序的存储器,其特征在于,所述处理器执行存储器存储的程序时,实现权利要求1-7任一项所述的基于稳定匹配的流调度方法。
10.一种存储介质,存储有程序,其特征在于,所述程序被处理器执行时,实现权利要求1-7任一项所述的基于稳定匹配的流调度方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910073822.5A CN109873772A (zh) | 2019-01-25 | 2019-01-25 | 基于稳定匹配的流调度方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910073822.5A CN109873772A (zh) | 2019-01-25 | 2019-01-25 | 基于稳定匹配的流调度方法、装置、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109873772A true CN109873772A (zh) | 2019-06-11 |
Family
ID=66918055
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910073822.5A Pending CN109873772A (zh) | 2019-01-25 | 2019-01-25 | 基于稳定匹配的流调度方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109873772A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110351187A (zh) * | 2019-08-02 | 2019-10-18 | 中南大学 | 数据中心网络中路径切换粒度自适应的负载均衡方法 |
CN111861104A (zh) * | 2020-06-05 | 2020-10-30 | 北京嘀嘀无限科技发展有限公司 | 服务分配方法、装置和电子设备 |
CN113079102A (zh) * | 2020-01-03 | 2021-07-06 | 中国移动通信有限公司研究院 | 一种大象流多分级调度方法及装置、设备、存储介质 |
CN117240788A (zh) * | 2023-11-15 | 2023-12-15 | 南京邮电大学 | 一种基于sdn的数据中心网络拥塞控制方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6646986B1 (en) * | 1999-10-14 | 2003-11-11 | Nortel Networks Limited | Scheduling of variable sized packet data under transfer rate control |
CN101764747A (zh) * | 2009-12-24 | 2010-06-30 | 北京世纪互联宽带数据中心有限公司 | 内容分发网络流量智能调度方法、装置及系统 |
CN104158753A (zh) * | 2014-06-12 | 2014-11-19 | 南京工程学院 | 基于软件定义网络的动态流调度方法及系统 |
CN106209669A (zh) * | 2016-06-30 | 2016-12-07 | 中国人民解放军国防科学技术大学 | 面向sdn数据中心网络最大概率路径流调度方法及装置 |
-
2019
- 2019-01-25 CN CN201910073822.5A patent/CN109873772A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6646986B1 (en) * | 1999-10-14 | 2003-11-11 | Nortel Networks Limited | Scheduling of variable sized packet data under transfer rate control |
CN101764747A (zh) * | 2009-12-24 | 2010-06-30 | 北京世纪互联宽带数据中心有限公司 | 内容分发网络流量智能调度方法、装置及系统 |
CN104158753A (zh) * | 2014-06-12 | 2014-11-19 | 南京工程学院 | 基于软件定义网络的动态流调度方法及系统 |
CN106209669A (zh) * | 2016-06-30 | 2016-12-07 | 中国人民解放军国防科学技术大学 | 面向sdn数据中心网络最大概率路径流调度方法及装置 |
Non-Patent Citations (1)
Title |
---|
YUXIANG ZHANG,LIN CUI,YUAN ZHANG: ""A Stable Matching based Elephant Flow Scheduling Algortihm in Data Center Networks"", 《COMPUTER NETWORKS》, 17 April 2017 (2017-04-17) * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110351187A (zh) * | 2019-08-02 | 2019-10-18 | 中南大学 | 数据中心网络中路径切换粒度自适应的负载均衡方法 |
CN110351187B (zh) * | 2019-08-02 | 2021-03-12 | 中南大学 | 数据中心网络中路径切换粒度自适应的负载均衡方法 |
CN113079102A (zh) * | 2020-01-03 | 2021-07-06 | 中国移动通信有限公司研究院 | 一种大象流多分级调度方法及装置、设备、存储介质 |
CN111861104A (zh) * | 2020-06-05 | 2020-10-30 | 北京嘀嘀无限科技发展有限公司 | 服务分配方法、装置和电子设备 |
CN117240788A (zh) * | 2023-11-15 | 2023-12-15 | 南京邮电大学 | 一种基于sdn的数据中心网络拥塞控制方法 |
CN117240788B (zh) * | 2023-11-15 | 2024-03-08 | 南京邮电大学 | 一种基于sdn的数据中心网络拥塞控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108260169B (zh) | 一种基于QoS保障的服务功能链动态部署方法 | |
CN109873772A (zh) | 基于稳定匹配的流调度方法、装置、计算机设备及存储介质 | |
CN109614215B (zh) | 基于深度强化学习的流调度方法、装置、设备及介质 | |
CN103812949B (zh) | 一种面向实时云平台的任务调度与资源分配方法及系统 | |
WO2020119648A1 (zh) | 一种基于代价优化的计算任务卸载算法 | |
CN112738820A (zh) | 一种服务功能链的动态部署方法、装置及计算机设备 | |
Liu | Intelligent routing based on deep reinforcement learning in software-defined data-center networks | |
CN110990140B (zh) | 一种光电交换网络中分布式机器学习流的调度方法 | |
CN111538570A (zh) | 一种面向节能和QoS保障的VNF部署方法及装置 | |
CN113645146B (zh) | 基于新流密度的软件定义网络控制器负载均衡方法及系统 | |
CN114071582A (zh) | 面向云边协同物联网的服务链部署方法及装置 | |
WO2017000094A1 (zh) | 一种数据存储方法、装置和系统 | |
Adnan et al. | Path consolidation for dynamic right-sizing of data center networks | |
Liu et al. | Scheduling multi-flow network updates in Software-Defined NFV systems | |
Wu et al. | Dynamic behavior analysis of an internet flow interaction model under cascading failures | |
Ke et al. | Parallel prioritized flow scheduling for software defined data center network | |
Liu et al. | A D2D offloading approach to efficient mobile edge resource pooling | |
CN112217652B (zh) | 一种基于中心通信模式的网络拓扑装置及方法 | |
JP6288633B2 (ja) | ネットワーク制御方法 | |
Yang et al. | A Multi-Policy Deep Reinforcement Learning Approach for Multi-Objective Joint Routing and Scheduling in Deterministic Networks | |
Cheng et al. | An Effective Flow-Rule-Reducing Algorithm for Flow Tables in Software-Defined Networks | |
CN113395183B (zh) | 网络仿真平台vlan互联的虚拟节点调度方法与系统 | |
Wang et al. | Efficient Deployment of Partial Parallelized Service Function Chains in CPU+ DPU-Based Heterogeneous NFV Platforms | |
Maity et al. | Traffic-aware consistent flow migration in SDN | |
Fan et al. | Shuffle scheduling for MapReduce jobs based on periodic network status |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190611 |