CN111049747A - 一种面向大规模容器集群的智能虚拟网络路径规划方法 - Google Patents

一种面向大规模容器集群的智能虚拟网络路径规划方法 Download PDF

Info

Publication number
CN111049747A
CN111049747A CN201911306833.XA CN201911306833A CN111049747A CN 111049747 A CN111049747 A CN 111049747A CN 201911306833 A CN201911306833 A CN 201911306833A CN 111049747 A CN111049747 A CN 111049747A
Authority
CN
China
Prior art keywords
information
flow
switch
container
virtual network
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.)
Granted
Application number
CN201911306833.XA
Other languages
English (en)
Other versions
CN111049747B (zh
Inventor
陈娜
王泊涵
丁晓东
许健
杨飞
石国良
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.)
Beijing Institute of Computer Technology and Applications
Original Assignee
Beijing Institute of Computer Technology and Applications
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 Beijing Institute of Computer Technology and Applications filed Critical Beijing Institute of Computer Technology and Applications
Priority to CN201911306833.XA priority Critical patent/CN111049747B/zh
Publication of CN111049747A publication Critical patent/CN111049747A/zh
Application granted granted Critical
Publication of CN111049747B publication Critical patent/CN111049747B/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
    • H04L45/00—Routing or path finding of packets in data switching networks
    • H04L45/02—Topology update or discovery
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L43/00—Arrangements for monitoring or testing data switching networks
    • H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
    • H04L43/0876—Network utilisation, e.g. volume of load or congestion level
    • H04L43/0888—Throughput

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Molecular Biology (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Environmental & Geological Engineering (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明涉及一种面向大规模容器集群的智能虚拟网络路径规划方法，在对接口信息进行提取后，对整个网络信息进行感知，重构拓扑信息；对交换机进行流量统计；在对交换机的流量进行统计后，对相应流表信息进行自动提取，获得包括端口流量流入字节数，端口流量流出字节数两类特征，并构建端口流量流入速率，以及端口流量流出速率两类自建特征，通过对输入的特征进行归一化处理，进行训练后，获取流量预测模型；使用流量预测模型，根据任务的不同预测交换机未来固定时间周期内的端口流量，根据预测结果与阈值的比较，对相应交换机进行休眠/开启操作；根据任务特点进行自适应规划；执行将采取的动作策略。

Description

一种面向大规模容器集群的智能虚拟网络路径规划方法
技术领域
本发明涉及容器网络技术，特别涉及一种面向大规模容器集群的智能虚拟网络路径规划方法。
背景技术
由于容器网络本身对于网络资源的隔离性较差，当容器规模变大时，进行网络隔离时，使用传统路由策略进行路径规划，会导致路由表规模庞大，效率低下，且无法针对任务特点进行智能的网络路径规划与选择。在进行容器跨主机进行网络通信时，传统方式主要通过集成工具或组件，一种代表方法是将包括网段和子网数目等网络配置信息保存在分布式键值对存储系统etcd中，使用etcd来存储不同的子网和宿主机IP之间的对应关系，对于跨宿主机的通信，通过查找etcd找到合适的目的宿主机，将数据包封装在UDP协议包中发送。另外一种代表方法通过创建虚拟网络，在宿主机上创建虚拟网桥，每一个容器通过vethpair(Virtual Enternet device，虚拟设备接口)连接到虚拟网桥，同时网桥上有负责路由功能的容器与之连接，veth pair连接的容器端和网桥端分别分配IP和相应的掩码，从而将位于多台主机的容器进行连接部署，容器像被接入同一个交换机，从而无需去配置端口转发等，当应用程序需要使用网络功能时，就不必进行复杂的端口映射和链接。在容器间进行互相通信时，同一个宿主机上的容器直接通过虚拟网桥进行通信，跨宿主机的通信通过路由容器来进行转发。
现有解决方案虽然可以解决容器的跨主机通信问题，但是在网络资源的隔离上，使用方法一，通过查找etcd中存储的子网与IP对应关系，虽然可以实现容器跨主机通信，但是没有网络隔离能力；而使用虚拟网络，通过创建虚拟网桥、路由器的形式，将位于多台主机的容器进行连接部署，在实现容器的跨主机通信的同时，可以具备网络隔离能力。但这两种方法却都无法根据任务特点，对业务需求做出灵活而快速的调整，尤其是在容器规模比较大时，节点存储的对应关系或者虚拟路由表规模较大，在进行容器通信时，由于查表会带来较大的计算开销，因而导致通信效率的下降，同时，大规模容器通信时，流量分布不均衡，缺乏合理调度，会使得网络内大部分交换机即使处于低负载情况，也会持续工作，带来了不必要的能量损耗。现有网络节点数据平面和控制平面的紧耦合，网络虚拟化存在着部署工作量大、难以对业务需求做出灵活而快速的调整等问题，针对网络资源的隔离无法做到自适应任务需要。
发明内容
本发明的目的在于提供一种面向大规模容器集群的智能虚拟网络路径规划方法，用于解决上述现有技术的问题。
本发明一种面向大规模容器集群的智能虚拟网络路径规划方法，其中，包括：步骤一、启动floodlight控制器，同时指定容器网络为none网络，使用Ovs-docker工具将容器连接到交换机，并将交换机添加至floodlight控制器；步骤二、使用统一资源定位符URL，建立与控制器的tcp连接，发送http请求，使用三类URL分别建立连接请求相应的“Feature″、“Link″以及“Device″信息；步骤三、在对接口信息进行提取后，对整个网络信息进行感知，重构拓扑信息，包括两部分，一部分是“链路″信息(交换机之间的链路信息以及交换机与容器之间的链路信息)，一部分是“节点″信息(容器和交换机的属性信息)；步骤四、对交换机进行流量统计；步骤五、在对交换机的流量进行统计后，对相应流表信息进行自动提取，获得包括端口流量流入字节数，端口流量流出字节数两类特征，并构建端口流量流入速率，以及端口流量流出速率两类自建特征，通过对输入的特征进行归一化处理，进行训练后，获取流量预测模型；步骤六、使用流量预测模型，根据任务的不同预测交换机未来固定时间周期内的端口流量，根据预测结果与阈值的比较，对相应交换机进行休眠/开启操作；步骤七、对交换机端口流量预测，在候选路径多于一条时，设计三条路径筛选规则保证路径的唯一性，即保证路径最短，瓶颈链路带宽最大，以及交换机数量使用最少，当预测端口流量低于设定的阈值后，按照规则进行路径规划，根据任务特点进行自适应规划；步骤八、执行将采取的动作策略，下发新的路径规划后，再休眠指定的OpenvSwitch交换机端口。
根据本发明的面向大规模容器集群的智能虚拟网络路径规划方法的一实施例，其中，“Feature″信息包括每台交换机的特征信息以及各种属性信息；“Link″信息包括交换机之间的链路信息以及交换机与容器之间的链路信息，提取接口信息；读取的“Device″信息为容器信息。
根据本发明的面向大规模容器集群的智能虚拟网络路径规划方法的一实施例，其中，重构后的“link″信息包括交换机之间的链路信息以及交换机与容器之间的链路信息，重构拓扑的节点信息是将“Feature″和“Device″相关信息进行提取和整合，获取交换机的dpid和容器的ipv4信息作为节点的信息，存储在“节点″信息中。
根据本发明的面向大规模容器集群的智能虚拟网络路径规划方法的一实施例，其中，对交换机进行流量统计包括，控制器通过下发策略到交换机上，获取交换机的流量信息。
根据本发明的面向大规模容器集群的智能虚拟网络路径规划方法的一实施例，其中，通过对输入的特征进行归一化处理，使用基于深度学习框架caffe的长短期记忆网络LSTM模型进行训练，使用训练集：测试集为9:1的比例进行模型训练，获取流量预测模型。
根据本发明的面向大规模容器集群的智能虚拟网络路径规划方法的一实施例，其中，步骤二中使用统一资源定位符URL，使用java.net包下的HttpURLConnection类中的connect()函数，建立与控制器的tcp连接，通过getInputStream()函数正式发送http请求，使用三类URL分别建立连接请求相应的“Feature″、“Link″以及“Device”信息。
根据本发明的面向大规模容器集群的智能虚拟网络路径规划方法的一实施例，其中，使用Open vSwitch与容器进行整合，利用OpenvSwitch的OVN实现互联互通，通过将交换机与控制器进行连接，通过拓扑发现模块，交换机向控制器发送Pack_In包，使得控制器获取整个网络拓扑。
本发明使用SDN(Software Defined Network，软件定义网络)对大规模容器网络进行策略化调度，策略的制定通过具有自学能力的智能网络模型，使用LSTM(Long Short-Term Memory，长短期记忆网络)预训练模型对未来固定周期内流量进行智能分析。在进行策略制定时，通过预训练模型进行流量预测，结合任务特点，进行策略制定，并下发流表，进行流量转发与路由。依据任务的不同，进行容器的自适应隔离。
附图说明
图1为容器网络示意图；
图2为模块流程示意图。
具体实施方式
为使本发明的目的、内容、和优点更加清楚，下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。
本发明面向大规模容器集群的智能虚拟网络路径规划方法，使用Open vSwitch(OVS，开放虚拟交换机)与容器进行整合，利用Open vSwitch的OVN(Open VirtualNetwork,原生虚拟化网络方案)实现互联互通。通过将交换机与控制器进行连接，通过拓扑发现模块，交换机向控制器发送Pack_In包(OpenFlow交换机向控制器发送的消息类型)，使得控制器获取整个网络拓扑。通过控制器对交换机流量的统计，以及使用长短期记忆网络LSTM模型预训练的网络模型对流量进行预测，从而指导控制器进行路由策略的下发，实现流量依据任务特点进行定制化转发。
图1为容器网络示意图，图2为模块流程示意图，如图1以及土所示，本发明面向大规模容器集群的智能虚拟网络路径规划方法包括：
步骤一启动连接模块
启动floodlight控制器，同时指定容器网络为none网络，使用Ovs-docker工具将容器连接到交换机，并将交换机添加至floodlight控制器。
步骤二API读取模块
在API读取模块中，实现的是交换机与控制器连接后对控制器接口的某些信息的读取，使用统一资源定位符URL，使用java.net包下的HttpURLConnection类中的connect()函数，建立了与控制器的tcp连接，通过getInputStream()函数正式发送http请求，使用三类URL分别建立连接请求相应的“Feature″(特征)，“Link″(链路)，“Device″(设备)信息。其中，“Feature″信息包括每台交换机的特征信息，包括交换机的各种属性信息。“Link″信息包括交换机之间的链路信息以及交换机与容器之间的链路信息。读取的“Device″信息为容器信息，包括宿主机MAC地址，ipv4等内容。字段及接口信息如表1所示。
步骤三拓扑发现模块感知整个网络
在对接口信息进行提取后，使用拓扑发现模块对整个网络信息进行感知，需重构拓扑信息，包括两部分，一部分是“链路″信息(交换机之间的链路信息以及交换机与容器之间的链路信息)，一部分是“节点″信息(容器和交换机的属性信息)，其中，重构过程所用数据类型及作用如表2所示。其中，重构后“链路″信息包括交换机之间的链路信息以及交换机与容器之间的链路信息。重构拓扑的“节点″信息主要是将“Feature″和“Device″相关信息进行提取和整合，获取交换机的dpid(交换机的ID)和容器的ipv4信息作为节点的信息，存储在“节点″信息中。。
步骤四流量统计模块
对交换机进行流量统计，具体包括，控制器通过下发策略到数据平面(交换机)上，获取数据平面的流量信息。
步骤五模型训练模块
在对交换机的流量进行统计后，对相应流表信息进行自动提取，获得包括端口流量流入字节数，端口流量流出字节数两类特征，并手动构建端口流量流入速率(单位时间端口流量流入字节数)，以及端口流量流出速率两类自建特征。通过对输入的特征进行归一化处理，使用基于深度学习框架caffe的长短期记忆网络LSTM模型进行训练，使用训练集：测试集为9:1的比例进行模型训练，获取流量预测模型。
步骤六流量预测与分析模块
使用流量预测模型，根据任务的不同预测交换机未来固定时间周期内的端口流量，根据预测结果与阈值的比较，对相应交换机进行休眠/开启操作。
步骤七路径规划模块
通过上述步骤对交换机端口流量的智能预测，同时在候选路径多于一条时，设计三条路径筛选规则保证路径的唯一性，即保证路径最短，瓶颈链路带宽最大，以及交换机数量使用最少。当预测端口流量低于设定的阈值后，对其按照规则进行路径规划，在保证带宽的同时实现所用交换机数量最少，从而实现容器的高效通信，同时根据任务特点，做到交换机的“聚合″使用，当任务流量较大时，在保证带宽的前提下，将流量引到较少数量的交换机上，做到容器通信路径可以根据任务特点进行自适应规划。
步骤八流表下发模块
流表下发模块执行即将采取的动作策略，下发新的路径规划后，再休眠指定的Open vSwitch交换机端口。
表1控制器接口字段及URL
Figure BDA0002323382620000071
表2数据类型及作用
Figure BDA0002323382620000072
本发明使用SDN(Software Defined Network，软件定义网络)对大规模容器网络进行策略化调度，策略的制定通过具有自学能力的智能网络模型，使用LSTM(Long Short-Term Memory，长短期记忆网络)预训练模型对未来固定周期内流量进行智能分析。在进行策略制定时，通过预训练模型进行流量预测，结合任务特点，进行策略制定，并下发流表，进行流量转发与路由。依据任务的不同，进行容器的自适应隔离。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (7)

1.一种面向大规模容器集群的智能虚拟网络路径规划方法，其特征在于，包括：
步骤一、启动floodlight控制器，同时指定容器网络为none网络，使用Ovs-docker工具将容器连接到交换机，并将交换机添加至floodlight控制器；
步骤二、使用统一资源定位符URL，建立与控制器的tcp连接，发送http请求，使用三类URL分别建立连接请求相应的“Feature”、“Link”以及“Device”信息；
步骤三、在对接口信息进行提取后，对整个网络信息进行感知，重构拓扑信息，包括两部分，一部分是“链路”信息，一部分是“节点”信息；
步骤四、对交换机进行流量统计；
步骤五、在对交换机的流量进行统计后，对相应流表信息进行自动提取，获得包括端口流量流入字节数，端口流量流出字节数两类特征，并构建端口流量流入速率，以及端口流量流出速率两类自建特征，通过对输入的特征进行归一化处理，进行训练后，获取流量预测模型；
步骤六、使用流量预测模型，根据任务的不同预测交换机未来固定时间周期内的端口流量，根据预测结果与阈值的比较，对相应交换机进行休眠/开启操作；
步骤七、对交换机端口流量预测，在候选路径多于一条时，设计三条路径筛选规则保证路径的唯一性，即保证路径最短，瓶颈链路带宽最大，以及交换机数量使用最少，当预测端口流量低于设定的阈值后，按照规则进行路径规划，根据任务特点进行自适应规划；
步骤八、执行将采取的动作策略，下发新的路径规划后，再休眠指定的Open vSwitch交换机端口。
2.如权利要求1所述的面向大规模容器集群的智能虚拟网络路径规划方法，其特征在于，“Feature”信息包括每台交换机的特征信息以及各种属性信息；“Link”信息包括交换机之间的链路信息以及交换机与容器之间的链路信息，提取接口信息；读取的“Device”信息为容器信息。
3.如权利要求1所述的面向大规模容器集群的智能虚拟网络路径规划方法，其特征在于，重构后的“链路”信息包括交换机之间的链路信息以及交换机与容器之间的链路信息，重构拓扑的“节点”信息是将“Feature”和“Device”相关信息进行提取和整合，获取交换机的dpid和容器的ipv4信息作为节点的信息，存储在“节点”信息中。
4.如权利要求1所述的面向大规模容器集群的智能虚拟网络路径规划方法，其特征在于，对交换机进行流量统计包括，控制器通过下发策略到交换机上，获取交换机的流量信息。
5.如权利要求1所述的面向大规模容器集群的智能虚拟网络路径规划方法，其特征在于，通过对输入的特征进行归一化处理，使用基于深度学习框架caffe的长短期记忆网络LSTM模型进行训练，使用训练集：测试集为9:1的比例进行模型训练，获取流量预测模型。
6.如权利要求1所述的面向大规模容器集群的智能虚拟网络路径规划方法，其特征在于，步骤二中使用统一资源定位符URL，使用java.net包下的HttpURLConnection类中的connect()函数，建立与控制器的tcp连接，通过getInputStream()函数正式发送http请求，使用三类URL分别建立连接请求相应的“Feature”、“Link”以及“Device”信息。
7.如权利要求1所述的面向大规模容器集群的智能虚拟网络路径规划方法，其特征在于，使用Open vSwitch与容器进行整合，利用Open vSwitch的OVN实现互联互通，通过将交换机与控制器进行连接，通过拓扑发现模块，交换机向控制器发送Pack_In包，使得控制器获取整个网络拓扑。
CN201911306833.XA 2019-12-18 2019-12-18 一种面向大规模容器集群的智能虚拟网络路径规划方法 Active CN111049747B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911306833.XA CN111049747B (zh) 2019-12-18 2019-12-18 一种面向大规模容器集群的智能虚拟网络路径规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911306833.XA CN111049747B (zh) 2019-12-18 2019-12-18 一种面向大规模容器集群的智能虚拟网络路径规划方法

Publications (2)

Publication Number Publication Date
CN111049747A true CN111049747A (zh) 2020-04-21
CN111049747B CN111049747B (zh) 2022-01-04

Family

ID=70237284

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911306833.XA Active CN111049747B (zh) 2019-12-18 2019-12-18 一种面向大规模容器集群的智能虚拟网络路径规划方法

Country Status (1)

Country Link
CN (1) CN111049747B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112333163A (zh) * 2020-10-23 2021-02-05 中国联合网络通信集团有限公司 容器间流量监控方法及流量监控管理系统
CN113489648A (zh) * 2021-06-28 2021-10-08 北京计算机技术及应用研究所 一种基于sdn的国产平台节能通信方法
CN113542352A (zh) * 2021-06-08 2021-10-22 支付宝(杭州)信息技术有限公司 节点联合建模的方法和节点
CN113660316A (zh) * 2021-07-29 2021-11-16 广州汇通国信科技有限公司 基于容器云平台的网络资源自适应配置方法、系统及介质
CN115378822A (zh) * 2022-08-19 2022-11-22 武汉烽火技术服务有限公司 一种dds分布式应用仿真的方法和系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090097406A1 (en) * 2003-08-05 2009-04-16 Scalent Systems, Inc. Method and apparatus for achieving dynamic capacity and high availability in multi-stage data networks using adaptive flow-based routing
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
CN104363159A (zh) * 2014-07-02 2015-02-18 北京邮电大学 一种基于软件定义网络的开放虚拟网络构建系统和方法
CN105391635A (zh) * 2015-10-16 2016-03-09 电子科技大学 一种基于sdn的网络虚拟化方法
US20160134527A1 (en) * 2014-11-11 2016-05-12 Electronics And Telecommunications Research Institute System and method for virtual network-based distributed multi-domain routing control
CN106603293A (zh) * 2016-12-20 2017-04-26 南京邮电大学 虚拟网络环境下一种基于深度学习的网络故障诊断方法
CN109039884A (zh) * 2017-06-12 2018-12-18 瞻博网络公司 使用机器学习的网络路径预测和选择
CN109257204A (zh) * 2018-08-06 2019-01-22 浙江工商大学 一种软件定义网络中基于深度学习的网络节能装置及方法
CN109753356A (zh) * 2018-12-25 2019-05-14 北京友信科技有限公司 一种容器资源调度方法、装置及计算机可读存储介质

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090097406A1 (en) * 2003-08-05 2009-04-16 Scalent Systems, Inc. Method and apparatus for achieving dynamic capacity and high availability in multi-stage data networks using adaptive flow-based routing
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
CN104363159A (zh) * 2014-07-02 2015-02-18 北京邮电大学 一种基于软件定义网络的开放虚拟网络构建系统和方法
US20160134527A1 (en) * 2014-11-11 2016-05-12 Electronics And Telecommunications Research Institute System and method for virtual network-based distributed multi-domain routing control
CN105391635A (zh) * 2015-10-16 2016-03-09 电子科技大学 一种基于sdn的网络虚拟化方法
CN106603293A (zh) * 2016-12-20 2017-04-26 南京邮电大学 虚拟网络环境下一种基于深度学习的网络故障诊断方法
CN109039884A (zh) * 2017-06-12 2018-12-18 瞻博网络公司 使用机器学习的网络路径预测和选择
CN109257204A (zh) * 2018-08-06 2019-01-22 浙江工商大学 一种软件定义网络中基于深度学习的网络节能装置及方法
CN109753356A (zh) * 2018-12-25 2019-05-14 北京友信科技有限公司 一种容器资源调度方法、装置及计算机可读存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
孙超: ""软件定义网络中流媒体QoE控制技术研究"", 《中国优秀硕士学位论文全文数据库》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112333163A (zh) * 2020-10-23 2021-02-05 中国联合网络通信集团有限公司 容器间流量监控方法及流量监控管理系统
CN112333163B (zh) * 2020-10-23 2022-08-02 中国联合网络通信集团有限公司 容器间流量监控方法及流量监控管理系统
CN113542352A (zh) * 2021-06-08 2021-10-22 支付宝(杭州)信息技术有限公司 节点联合建模的方法和节点
CN113542352B (zh) * 2021-06-08 2024-04-09 支付宝(杭州)信息技术有限公司 节点联合建模的方法和节点
CN113489648A (zh) * 2021-06-28 2021-10-08 北京计算机技术及应用研究所 一种基于sdn的国产平台节能通信方法
CN113660316A (zh) * 2021-07-29 2021-11-16 广州汇通国信科技有限公司 基于容器云平台的网络资源自适应配置方法、系统及介质
CN113660316B (zh) * 2021-07-29 2024-03-12 广州汇通国信科技有限公司 基于容器云平台的网络资源自适应配置方法、系统及介质
CN115378822A (zh) * 2022-08-19 2022-11-22 武汉烽火技术服务有限公司 一种dds分布式应用仿真的方法和系统
CN115378822B (zh) * 2022-08-19 2023-06-06 武汉烽火技术服务有限公司 一种dds分布式应用仿真的方法和系统

Also Published As

Publication number Publication date
CN111049747B (zh) 2022-01-04

Similar Documents

Publication Publication Date Title
CN111049747B (zh) 一种面向大规模容器集群的智能虚拟网络路径规划方法
CN1875585B (zh) 利用mac限制来控制动态未知l2泛滥的方法和系统
CN105553849B (zh) 一种传统ip网络与sptn网络互通方法与系统
CN110178342A (zh) Sdn网络的可扩缩应用级别监视
US9960998B2 (en) Forwarding packet in stacking system
CN103873379B (zh) 一种基于重叠网的分布式路由抗毁策略配置方法和系统
Ochoa-Aday et al. ETDP: Enhanced topology discovery protocol for software-defined networks
CN104704779A (zh) 用于加速软件定义网络中的转发的方法和设备
Huang et al. Software-defined QoS provisioning for fog computing advanced wireless sensor networks
US10411911B2 (en) Network as service service cross-domain orchestration method, orchestration device, and control device
WO2017101114A1 (zh) 一种数据中心网络组网的方法以及数据中心网络
EP3844911B1 (en) Systems and methods for generating network flow information
CN108600101A (zh) 一种针对端到端时延性能优化的网络服务跨域编排方法
CN105391635A (zh) 一种基于sdn的网络虚拟化方法
CN109743259A (zh) 一种网络的流量调度方法及装置
CN105637806B (zh) 网络拓扑确定方法和装置、集中式网络状态信息存储设备
CN109639488B (zh) 一种多外网分流加速方法及系统
CN108289061A (zh) 基于sdn的业务链编排方法及业务链拓扑结构
CN116458120A (zh) 保护网络资源免受已知威胁
Rashid et al. Performance evaluation of software-defined networking controllers in wired and wireless networks
CN105515850B (zh) 利用OpenFlow控制器和配置点实现对ForCES转发件的控制管理方法
Shirai et al. A fast topology inference: A building block for network-aware parallel processing
Li et al. SDN components and OpenFlow
CN113965470B (zh) 一种航空信息网络实验仿真系统
CN115484214A (zh) 一种工控网络终端类型检测及网络服务质量优化方法

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