CN110891019B - 一种基于负载均衡的数据中心流量调度方法 - Google Patents

一种基于负载均衡的数据中心流量调度方法 Download PDF

Info

Publication number
CN110891019B
CN110891019B CN201911260151.XA CN201911260151A CN110891019B CN 110891019 B CN110891019 B CN 110891019B CN 201911260151 A CN201911260151 A CN 201911260151A CN 110891019 B CN110891019 B CN 110891019B
Authority
CN
China
Prior art keywords
particle
flow
data
path
optimal
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.)
Active
Application number
CN201911260151.XA
Other languages
English (en)
Other versions
CN110891019A (zh
Inventor
唐宏
马枢清
杨浩澜
李艺
雷援杰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing University of Post and Telecommunications
Original Assignee
Chongqing University of Post and Telecommunications
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chongqing University of Post and Telecommunications filed Critical Chongqing University of Post and Telecommunications
Priority to CN201911260151.XA priority Critical patent/CN110891019B/zh
Publication of CN110891019A publication Critical patent/CN110891019A/zh
Application granted granted Critical
Publication of CN110891019B publication Critical patent/CN110891019B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L47/00—Traffic control in data switching networks
    • H04L47/10—Flow control; Congestion control
    • H04L47/12—Avoiding congestion; Recovering from congestion
    • H04L47/125—Avoiding congestion; Recovering from congestion by balancing the load, e.g. traffic engineering
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L45/00—Routing or path finding of packets in data switching networks
    • H04L45/12—Shortest path evaluation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L45/00—Routing or path finding of packets in data switching networks
    • H04L45/20—Hop count for routing purposes, e.g. TTL
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L45/00—Routing or path finding of packets in data switching networks
    • H04L45/24—Multipath
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L45/00—Routing or path finding of packets in data switching networks
    • H04L45/74—Address processing for routing
    • H04L45/745—Address table lookup; Address filtering
    • H04L45/7453—Address table lookup; Address filtering using hashing
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L47/00—Traffic control in data switching networks
    • H04L47/10—Flow control; Congestion control
    • H04L47/24—Traffic characterised by specific attributes, e.g. priority or QoS
    • H04L47/2441—Traffic characterised by specific attributes, e.g. priority or QoS relying on flow classification, e.g. using integrated services [IntServ]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L47/00—Traffic control in data switching networks
    • H04L47/10—Flow control; Congestion control
    • H04L47/29—Flow control; Congestion control using a combination of thresholds

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明涉及网络技术领域，特别涉及一种基于负载均衡的数据中心网络流量调度方法，包括数据流到达交换机时，判断该流的源主机和目的主机是否与同一边缘交换机连接，如果是，直接转发；判断数据流传输速率是否超过阈值，如果数据流传输速率低于阈值则采用等价多路径路由算法，为流计算转发路径；如果高于阈值，则将该消息发送给控制器，控制器利用提出的基于模拟退火的粒子群优化算法为流计算最优转发路径，下发流表完成数据流调度；本发明针对当前网络链路负载不均衡和网络流完成时间较长等问题，结合SDN网络和启发式算法的优势，达到数据中心网络流量传输负载均衡的效果，提高网络传输性能。

Description

一种基于负载均衡的数据中心流量调度方法
技术领域
本发明涉及网络技术领域，特别涉及一种基于负载均衡的数据中心网络流量调度方法。
背景技术
数据中心网络作为云计算、虚拟化和大数据服务的平台，其网络规模不断扩大，传输的流量呈爆炸式增长，流量特征复杂多样且难以管理，容易造成网络拥塞。网络资源分配不均是造成网络拥塞的主要原因之一，所以如何管理网络数据流，为数据流寻找最优传输路径是至关重要的。为数据流寻找最优传输路径，缓解网络负载不均衡导致的拥塞问题，一定程度上缩短数据流传输的时间，满足业务需求。
基于SDN的OpenFlow技术成为解决问题的关键技术，SDN的关键思想是将控制平面和数据平面分离，通过南向协议进行通信，使得逻辑集中的控制器可对分布式的数据平面进行编程控制。数据平面变得更加通用化，只需要接受控制平面的操作指令并完成数据转发即可。通过控制器可以对网络进行集中管理和监控网络状态，获得链路负载、流量带宽需求等信息，为数据流量的管理提供必要的决策信息，然后将决策信息下发给交换机，交换机按照决策信息执行即可。
发明内容
为了提高网络传输性能，本发明提出一种基于负载均衡的数据中心网络流量调度方法，包括：
S1：交换机接收到主机传来的数据流，根据数据流的源主机和目的主机的地址判断源主机和目的主机是否与同一边缘层交换机连接，如果是则直接转发给目的主机；
S2：根据预先设定的阈值判断流的类别，即交换判断该数据流是否属于小流量类；如果该数据流属于小流量类，则交换机直接采用等价多路径路由算法为该数据寻路；
S3：如果该数据流不属于小流量类，则交换机将数据流信息发送至控制器；
S4：控制器根据该数据流信息，利用k最短路径算法找出源主机和目的主机间的k条最短路径，形成初始的路径集；
S5：控制器在初始路径集的基础上，采用基于模拟退火的粒子群优化算法为大流量数据流计算最佳的传输路径；
S6：控制器将计算出的路径方案安装到流表，然后下发到交换机，交换机完成数据流的转发。
进一步的，采用等价多路径路由算法为数据寻路包括：当数据流到达交换机时，利用等价多路径路由算法对流的数据包首部关键字进行哈希计算，根据得到的不同的哈希值将流分配到对应的路径上。
进一步的，采用基于模拟退火的粒子群优化算法为大流量数据流计算最佳的传输路径包括：
构建以最小化最大链路利用率、路径跳数以及链路带宽差为目标的优化目标函数；
确定粒子群优化算法的编码方案；
初始化粒子群优化算法的参数，包括初始化粒子的速度、位置，设置算法迭代次数、粒子群体的粒子数目，初始的退火温度，学习因子以及冷却系数；
计算粒子适应度，引入metropolis接受准则，更新粒子的最优位置和群体的最优位置；
更新粒子的速度和位置；
判断是否达到收敛条件，如果满足，则返回最优解；或者判断是否达到最大迭代次数，如果小于最大迭代次数并且没有达到收敛条件，则依据温度冷却公式降低温度，继续寻找粒子的最优解。
进一步的，构建以最小化最大链路利用率、路径跳数以及链路带宽差为目标的优化目标函数包括：
min F＝αf1+βf2+γf3；
f1＝ui；
f2＝q；
f3＝bs-Bi；
其中，F表示总的适应度函数，min F即目标函数；f1表示链路利用率ui的适应度函数分量；f2表示数据流传输路径跳数q的适应度函数分量；f3表示数据流传输带宽bs与第i条路径可用带宽Bi的差值的适应度函数分量；α、β、γ分别是3个适应度函数的权重影响因子。
进一步的，计算粒子适应度值包括：
通过总的适应度函数计算粒子群中每个粒子的适应度值；
根据metropolis接受准则计算较差适应度值的粒子的接受概率，选取记录粒子个体当前最优的位置和全局的最优位置。
进一步的，由metropolis接受准则计算较差适应度值粒子的接受概率包括：
如果粒子当前的适应度函数值小于上一代的适应度函数值，那么以1的概率接受当前粒子位置为粒子的最优位置；
若粒子当前的适应度函数值大于上一代的适应度函数值，则计算接受概率，判断该接受概率是否大于区间[0,1]的一个随机数，若是则确定该最优位置。
进一步的，接受概率表示为：
Figure GDA0003295588710000031
其中，p表示接受当前粒子位置为最优解的概率；F(Xi(n+1))表示n+1代粒子位置的适应值，F(Pi(n))表示第n代粒子最优位置的适应值，T表示当前的温度。
进一步的，当前温度T的更新表示为：
T＝T0×Cn；
其中，T0表示初始温度，Cn表示第n代的退火系数。
进一步的，更新粒子速度和位置方法，包括：
vi(n+1)＝ωvi(n)+c1(t)r1(Pi(n)-Xi(n))+c2(t)r2(Pg(n)-Xi(n)),vi∈[vmin,vmax]
xi(n+1)＝xi(n)+vi(n+1)
其中，vi(n+1)表示n+1代中第i个粒子的速度；ω表示速度的惯性因子；c1(t)、c2(t)为粒子的学习因子，且c2(t)＝1/c1(t)；r1、r2为区间(0,1)内的随机数；vi∈[vmin,vmax]为粒子速度的限制范围，vmin为粒子的最小速度，vmax为粒子的最大速度；Pi(n)表示n代中第i个粒子的个体最优位置；Pg(n)表示第n代的群体最优位置。
本发明针对当前网络链路负载不均衡和网络流完成时间较长等问题，结合SDN网络和启发式算法的优势，提出一种改进的粒子群优化算法为数据流计算转发路径，达到数据中心网络流量传输负载均衡的效果，提高网络传输性能。
附图说明
图1为本发明采用的Fattree网络拓扑示意图；
图2为本发明一种基于负载均衡的数据中心网络流量调度方法流程图；
图3为本发明基于模拟退火的粒子群优化算法流程图。
具体实施方式
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，所描述的实施例仅仅是本发明一部分实施例，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做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。
本发明提出一种基于负载均衡的数据中心网络流量调度方法，如图1，包括以下步骤：
S1：交换机接收到主机传来的数据流，根据数据流的源主机和目的主机的地址判断源主机和目的主机是否与同一边缘层交换机连接，如果是则直接转发给目的主机；
S2：根据预先设定的阈值判断流的类别，即交换判断该数据流是否属于小流量类；如果该数据流属于小流量类，则交换机直接采用等价多路径路由算法为该数据寻路；
S3：如果该数据流不属于小流量类，则交换机将数据流信息发送至控制器；
S4：控制器根据该数据流信息，利用k最短路径算法找出源主机和目的主机间的k条最短路径，形成初始的路径集；
S5：控制器在初始路径集的基础上，采用基于模拟退火的粒子群优化算法为大流量数据流计算最佳的传输路径；
S6：控制器将计算出的路径方案安装到流表，然后下发到交换机，交换机完成数据流的转发。
在本实施例中，根据数据流的传输速率将数据流分为小流量数据流和大流量数据流，其中：
小流量指的是流的传输速率低于预设阈值的数据流，其持续时间短，通常对带宽需求不高，但是对时延敏感，对流完成时间有一定要求，所以不建议对小流量采取复杂的流传输路径计算方法；
大流量指的是流的传输速率高于预设阈值的数据流，其持续时间长，对带宽需求高，对时延不敏感。
在本实施例中，交换机接收到数据流时，由数据流的源主机和目的主机的地址判断，源主机和目的主机是否与同一边缘交换机连接，如果是连接同一边缘层交换机，则直接转发该数据流。
本发明考虑使用FatTree数据中心网络架构，图1为FatTree拓扑结构。其架构主要有3种类型的交换机组成：核心层交换机、汇聚层交换机和边缘层交换机。
在数据中心中，两台主机之间的可达路径非常多，为了降低控制器计算的开销，本方法首先从可达路径中找出最短路径集合，然后利用优化的模拟退火粒子群算法从该最短路径集合为数据流计算出最佳的传输路径，最后将流表下发至交换机，完成数据流的传输。
本发明采用的基于模拟退火的粒子群优化算法更新粒子的位置，如图3，具体包括以下步骤：
将网络拓扑初始化为一个无向图G＝(V,E)，其中V表示网络中交换机的集合，E代表网络的链路集合；
假设初始的路径集合记为P＝{P1,P2,...,Pk}，根据根据得出的初始路径集，提取对应的顶层交换机，将粒子置于对应的顶层交换机上，每个粒子根据适应度函数计算当前位置的适应值，由计算得到的适应值找到粒子的最优位置和群体的最优位置；
由粒子的最优位置和群体的最优位置，更新粒子的下一代位置和速度；
判断是否满足收敛条件或者是否大于迭代次数N，如果满足收敛条件或者达到最大迭代次数，则输出对应的最佳传输路径以及对应的顶层交换机编号，否则迭代次数+1，并利用温度更新公式更新温度。
在上述过程中，粒子的适应度计算包括：
F＝αf1+βf2+γf3；
f1＝ui；
f2＝q；
f3＝bs-Bi；
其中，F表示总的适应度函数；f1表示链路利用率ui的适应度函数分量；f2表示路径的跳数，为数据流传输路径跳数q的适应度函数分量；f3表示链路带宽，为示数据流传输带宽bs与第i条路径可用带宽Bi的差值的适应度函数分量；α、β、γ分别是3个适应度函数的权重影响因子，同时由于三个适应度函数分量的量纲不统一，需要对其进行标准化处理。由于f2、f3单位不统一，所以需要进行无量纲化转换，这样单位不同的属性之间才有可比性。无量纲化处理的方法主要包括，min-max归一化、0-均值标准化、Normalization等,本文采用min-max标准化处理每一个适应度函数分量，转换函数为：
Figure GDA0003295588710000071
其中，f*为无量纲处理之后的函数；f为需要进行无量纲处理的函数；min为函数f中的最小值；max为函数f中的最大值。
在本实施例中，将粒子位置对应流传输路径选择的交换机，若大流量数据的条数为n，该n条大流对应的一种路径方案记为D＝[d_1,d_2,…,d_n]，其中第s条流量数据对应的顶层交换机编号表示为d_s，d_s∈[1,2,…,m]表示，m表示顶层交换机的编号范围，用X_s＝[X_s1,X_s2,…,X_sn]表示维度为n的第s个粒子的位置，因此每一个粒子的位置对应了n条流调度的一种路径选择方案。
在由计算得到的适应值找到粒子的最优位置和群体的最优位置的过程包括：
如果粒子当前的适应度函数值小于上一代的适应度函数值，那么以1的概率接受当前粒子位置为粒子的最优位置；
若粒子当前的适应度函数值大于上一代的适应度函数值，则计算接受概率，判断该接受概率是否大于区间[0,1]的一个随机数，若是则确定该最优位置。
优选的，本实施例选择的接受概率表示为：
Figure GDA0003295588710000072
其中，p表示接受当前粒子位置为最优解的概率；F(Xi(n+1))表示n+1代粒子位置的适应值，F(Pi(n))表示第n代粒子最优位置的适应值，T表示当前的温度，表示为：
T＝T0×Cn；
其中，T0表示初始温度，Cn表示第n代的退火系数。
本发明粒子的位置和速度的更新表示为：
vi(n+1)＝ωvi(n)+c1(t)r1(Pi(n)-Xi(n))+c2(t)r2(Pg(n)-Xi(n)),vi∈[vmin,vmax]
xi(n+1)＝xi(n)+vi(n+1)
其中，vi(n+1)表示n+1代中第i个粒子的速度；ω表示速度的惯性因子；c1(t)、c2(t)为粒子的学习因子，且c2(t)＝1/c1(t)；r1、r2为区间(0,1)内的随机数；vi∈[vmin,vmax]为粒子速度的限制范围，vmin为粒子的最小速度，vmax为粒子的最大速度，设置粒子速度的限制范围是为了限制粒子每次移动的最大步长，相当于搜索的细化程度，太大容易跳过最优解，太小又容易陷入局部最优；Pi(n)表示n代中第i个粒子的个体最优位置；Pg(n)表示第n代的群体最优位置。
本发明将模拟退火的思想应用到粒子群算法中，避免了粒子群算法容易陷入局部最优的情况，使用模拟退火的metropolis准则接受较差解，跳出局部最优，以较快速度达到收敛条件。同时在考虑影响流传输的因素时，包括了链路利用率、路径跳数以及链路带宽差，较全面的衡量了网络链路的状态，以达到负载均衡的效果。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (8)

1.一种基于负载均衡的数据中心流量调度方法，其特征在于，所述方法包括：
S1：交换机接收到主机传来的数据流，根据数据流的源主机和目的主机的地址判断源主机和目的主机是否与同一边缘层交换机连接，如果是则直接转发给目的主机；
S2：根据预先设定的阈值判断流的类别，即交换判断该数据流是否属于小流量类；如果该数据流属于小流量类，则交换机直接采用等价多路径路由算法为该数据流寻路；
S3：如果该数据流不属于小流量类，则交换机将数据流信息发送至控制器；
S4：控制器根据该数据流信息，利用k最短路径算法找出源主机和目的主机间的k条最短路径，形成初始的路径集；
S5：控制器在初始路径集的基础上，采用基于模拟退火的粒子群优化算法为大流量数据流计算最佳的传输路径，即包括：
构建以最小化最大链路利用率、路径跳数以及链路带宽差为目标的优化目标函数；
确定粒子群优化算法的编码方案，即将粒子位置对应流传输路径选择的交换机，若大流量数据的条数为n，该n条大流对应的一种路径方案记为D＝[d_1,d_2,…,d_n]，其中第s条流量数据对应的顶层交换机编号表示为d_s，d_s∈[1,2,…,m]，m表示顶层交换机的编号范围，用X_s＝[X_s1,X_s2,…,X_s]表示维度为n的第s个粒子的位置，因此每一个粒子的位置对应了n条流调度的一种路径选择方案；
初始化粒子群优化算法的参数，包括初始化粒子的速度、位置，设置算法迭代次数、粒子群体的粒子数目，初始的退火温度，学习因子以及冷却系数；
计算粒子适应度，引入metropolis接受准则，更新粒子的最优位置和群体的最优位置；
更新粒子的速度和位置；
判断是否达到收敛条件，如果满足，则返回最优解；或者判断是否达到最大迭代次数，如果小于最大迭代次数并且没有达到收敛条件，则依据温度冷却公式降低温度，继续寻找粒子的最优解；
S6：控制器将计算出的路径方案安装到流表，然后下发到交换机，交换机完成数据流的转发。
2.根据权利要求1所述的一种基于负载均衡的数据中心流量调度方法，其特征在于，采用等价多路径路由算法为数据寻路包括：当数据流到达交换机时，利用等价多路径路由算法对流的数据包首部关键字进行哈希计算，根据得到的不同的哈希值将流分配到对应的路径上。
3.根据权利要求1所述的一种基于负载均衡的数据中心流量调度方法，其特征在于，构建以最小化最大链路利用率、路径跳数以及链路带宽差为目标的优化目标函数包括：
min F＝αf1+βf2+γf3；
f1＝ui；
f2＝q；
f3＝bs-Bi；
其中，F表示总的适应度函数，min F即目标函数；f1表示链路利用率ui的适应度函数分量；f2表示数据流传输路径跳数q的适应度函数分量；f3表示数据流传输带宽bs与第i条路径可用带宽Bi的差值的适应度函数分量；α、β、γ分别是3个适应度函数的权重影响因子。
4.根据权利要求1所述的一种基于负载均衡的数据中心流量调度方法，其特征在于，计算粒子适应度值包括：
通过总的适应度函数计算粒子群中每个粒子的适应度值；
根据metropolis接受准则计算较差适应度值的粒子的接受概率，选取记录粒子个体当前最优的位置和全局的最优位置。
5.根据权利要求4所述的一种基于负载均衡的数据中心流量调度方法，其特征在于，由metropolis接受准则计算较差适应度值粒子的接受概率包括：
如果粒子当前的适应度函数值小于上一代的适应度函数值，那么以1的概率接受当前粒子位置为粒子的最优位置；
若粒子当前的适应度函数值大于上一代的适应度函数值，则计算接受概率，判断该接受概率是否大于区间[0,1]的一个随机数，若是则确定该最优位置。
6.根据权利要求5所述的一种基于负载均衡的数据中心流量调度方法，其特征在于，接受概率表示为：
Figure FDA0003301198660000031
其中，p表示接受当前粒子位置为最优解的概率；F(Xi(n+1))表示n+1代粒子位置的适应值，F(Pi(n))表示第n代粒子最优位置的适应值，T表示当前的温度。
7.根据权利要求6所述的一种基于负载均衡的数据中心流量调度方法，其特征在于，当前温度T的更新表示为：
T＝T0×Cn；
其中，T0表示初始温度，Cn表示第n代的退火系数。
8.根据权利要求4所述的一种基于负载均衡的数据中心流量调度方法，其特征在于，更新粒子速度和位置方法，包括：
vi(n+1)＝ωvi(n)+c1(t)r1(Pi(n)-Xi(n))+c2(t)r2(Pg(n)-Xi(n)),vi∈[vmin,vmax]
xi(n+1)＝xi(n)+vi(n+1)
其中，vi(n+1)表示n+1代中第i个粒子的速度；ω表示速度的惯性因子；c1(t)、c2(t)为粒子的学习因子，且c2(t)＝1/c1(t)；r1、r2为区间(0,1)内的随机数；vi∈[vmin,vmax]为粒子速度的限制范围，vmin为粒子的最小速度，vmax为粒子的最大速度；Pi(n)表示n代中第i个粒子的个体最优位置；Pg(n)表示第n代的群体最优位置。
CN201911260151.XA 2019-12-10 2019-12-10 一种基于负载均衡的数据中心流量调度方法 Active CN110891019B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911260151.XA CN110891019B (zh) 2019-12-10 2019-12-10 一种基于负载均衡的数据中心流量调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911260151.XA CN110891019B (zh) 2019-12-10 2019-12-10 一种基于负载均衡的数据中心流量调度方法

Publications (2)

Publication Number Publication Date
CN110891019A CN110891019A (zh) 2020-03-17
CN110891019B true CN110891019B (zh) 2021-11-30

Family

ID=69751321

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911260151.XA Active CN110891019B (zh) 2019-12-10 2019-12-10 一种基于负载均衡的数据中心流量调度方法

Country Status (1)

Country Link
CN (1) CN110891019B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111966495B (zh) * 2020-08-21 2022-02-01 内蒙古工业大学 数据处理方法和装置
CN114520791B (zh) * 2022-01-28 2024-05-10 江苏大学 一种基于差异化QoS需求的工控网络流量调度方法
CN114466016B (zh) * 2022-03-04 2023-06-09 烽火通信科技股份有限公司 一种数据中心网关动态负载均衡的实现方法和系统
CN115174489B (zh) * 2022-06-24 2023-05-16 湖北工业大学 面向最小化网络拥塞和Qos保障的数据中心网络流量调度方法
CN115412506B (zh) * 2022-09-05 2024-02-13 浙江大学 一种数据中心网络中大象流识别及调度方法
CN116319523B (zh) * 2023-05-19 2023-08-04 湖南承希科技有限公司 一种流量智适应的大数据流处理方法
CN116633864B (zh) * 2023-07-19 2023-11-03 国家计算机网络与信息安全管理中心江西分中心 一种基于云计算平台的流量调度方法
CN117014367B (zh) * 2023-08-23 2024-10-01 重庆大学 基于sdn网络的智能体负载均衡方法、控制器及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107204874A (zh) * 2017-05-09 2017-09-26 天津大学 保证时延最小的sdn网络多控制器部署方法
CN107317836A (zh) * 2017-05-16 2017-11-03 北京交通大学 一种混合云环境下时间可感知的请求调度方法
CN108512772A (zh) * 2018-03-09 2018-09-07 重庆邮电大学 基于服务质量的数据中心流量调度方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10965562B2 (en) * 2018-05-07 2021-03-30 Cisco Technology, Inc. Dynamically adjusting prediction ranges in a network assurance system

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107204874A (zh) * 2017-05-09 2017-09-26 天津大学 保证时延最小的sdn网络多控制器部署方法
CN107317836A (zh) * 2017-05-16 2017-11-03 北京交通大学 一种混合云环境下时间可感知的请求调度方法
CN108512772A (zh) * 2018-03-09 2018-09-07 重庆邮电大学 基于服务质量的数据中心流量调度方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Willow: Saving Data Center Network Energy for Network-Limited Flows;Dan Li 等;《IEEE Transactions on Parallel and Distributed Systems》;20140822;全文 *
基于PSO和SA混合优化的智能容错QoS路由机制;张卿祎 等;《东北大学学报( 自然科学版)》;20170315;正文第1-2章节 *

Also Published As

Publication number Publication date
CN110891019A (zh) 2020-03-17

Similar Documents

Publication Publication Date Title
CN110891019B (zh) 一种基于负载均衡的数据中心流量调度方法
CN109818865B (zh) 一种sdn增强路径装箱装置及方法
US11057307B1 (en) Load balancing path assignments techniques
CN108900419B (zh) Sdn架构下基于深度强化学习的路由决策方法及装置
CN108512772B (zh) 基于服务质量的数据中心流量调度方法
US9571380B2 (en) Multi-stage interconnect network in a parallel processing network device
Prabhavat et al. Effective delay-controlled load distribution over multipath networks
Wang et al. Freeway: Adaptively isolating the elephant and mice flows on different transmission paths
CN110611619A (zh) 一种基于ddpg强化学习算法的智能化路由决策方法
Aujla et al. Adaptflow: Adaptive flow forwarding scheme for software-defined industrial networks
US20200136973A1 (en) Dynamically balancing traffic in a fabric using telemetry data
CN111245722B (zh) 一种基于遗传算法的sdn数据中心网络流转发方法
CN111988225A (zh) 基于强化学习和迁移学习的多路径路由方法
CN105357124B (zh) 一种MapReduce带宽优化方法
CN107124303B (zh) 低传输时延的服务链优化方法
US20180316599A1 (en) Routing packets considering the propagation delay of routes
CN113014689B (zh) 一种网络地址转换的方法和装置
WO2019239802A1 (ja) 分散処理システムおよび分散処理方法
CN111885493B (zh) 一种基于改进布谷鸟搜索算法的微云部署方法
He et al. RTHop: Real-time hop-by-hop mobile network routing by decentralized learning with semantic attention
CN108712336B (zh) 一种提高无标度网络传输容量的局部信息动态路由方法
KR102153814B1 (ko) 로드 균형을 위한 확률 기반 적응형 라우팅 알고리즘
WO2024125664A1 (zh) 一种飞行Ad Hoc网络的自适应路由联合预测方法
CN116708280B (zh) 一种基于乱序度容忍的数据中心网络多路径传输方法
CN111901237A (zh) 源路由选路方法及系统、相关设备及计算机可读存储介质

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
GR01 Patent grant
GR01 Patent grant