隨著物聯(lián)網、云計算與大數(shù)據(jù)技術的不斷發(fā)展,數(shù)據(jù)中心的規(guī)模不斷擴大,其能源消耗也變得越來越大,數(shù)據(jù)中心網絡節(jié)能已經成為了重要的研究領域。傳統(tǒng)數(shù)據(jù)中心網絡狀況復雜、難以擴展、且可控性差,本論文基于SDN技術,通過對SDN數(shù)據(jù)中心網絡節(jié)能問題的研究,建立了融合流量預測和多重虛擬拓撲網絡的數(shù)據(jù)中心節(jié)能方案。本論文的貢獻具體如下:1.建立了數(shù)據(jù)中心網絡流量預測算法。利用K-means聚類算法對流量數(shù)據(jù)集進行聚類,然后利用SVM訓練回歸模型,實現(xiàn)對網絡流量的預測。2.針對“富連接”數(shù)據(jù)中心網絡在低負載時能源利用率較低的問題,提出了一種節(jié)能的多層虛擬拓撲流量調度算法(EMV-SDN)。首先建立節(jié)能流量調度問題的整形線性規(guī)劃(Integral Linear Programing,ILP)優(yōu)化數(shù)學模型,使得在承載所有網絡負載的前提下,網絡能源消耗最小。然后提出了節(jié)能的多層虛擬拓撲流量調度算法,來求解數(shù)學優(yōu)化模型,得到數(shù)據(jù)流的節(jié)能調度方案。通過休眠高層的虛擬拓撲和交換機及其端口實現(xiàn)節(jié)能,降低網絡能源消耗。實驗結果表明,在網絡能耗和數(shù)據(jù)流平均完成時間等方面,多層虛擬拓撲流量調度算法(EMV-SDN)均優(yōu)于E...

【文章頁數(shù)】：57 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
縮略語表
1 引言
    1.1 研究背景及意義
    1.2 國內外研究現(xiàn)狀
        1.2.1 國外研究現(xiàn)狀
        1.2.2 國內研究現(xiàn)狀
    1.3 研究內容及章節(jié)安排
        1.3.1 論文的研究內容
        1.3.2 章節(jié)安排
2 相關技術簡介
    2.1 數(shù)據(jù)中心網絡
        2.1.1 數(shù)據(jù)中心網絡三層網絡架構及拓撲結構
        2.1.2 數(shù)據(jù)中心網絡流量特點
    2.2 SDN技術概述
        2.2.1 SDN架構
        2.2.2 OpenFlow技術
        2.2.3 OpenFlow交換機
    2.3 SDN控制器
    2.4 SDN在數(shù)據(jù)中心網絡中應用
    2.5 機器學習與數(shù)據(jù)挖掘
    2.6 本章小結
3 基于多層虛擬拓撲的節(jié)能流量調度算法
    3.1 方案整體架構
        3.1.1 方案總體設計
        3.1.2 FloodLight的控制層
        3.1.3 網絡鏈路狀態(tài)搜集方法
        3.1.4 節(jié)能調度
        3.1.5 流量預測
    3.2 數(shù)學模型
        3.2.1 節(jié)能流量調度問題數(shù)學模型
        3.2.2 流量預測模型
    3.3 算法概述
    3.4 多層虛擬拓撲下的節(jié)能流量調度算法EMV-SDN
        3.4.1 生成多層虛擬子拓撲
        3.4.2 節(jié)能流量調度算法
        3.4.3 流量預測
        3.4.4 融合流量預測的節(jié)能流量調度算法
    3.5 本章小結
4 實驗結果與分析
    4.1 實驗環(huán)境
        4.1.1 Mininet仿真平臺
        4.1.2 Floodlight控制器
        4.1.3 Iperf流量產生工具
    4.2 實驗設置
        4.2.1 參數(shù)設置
        4.2.2 網絡拓撲
        4.2.3 流量模式
        4.2.4 交換機能耗
        4.2.5預測精度比較
    4.3 實驗結果及分析
        4.3.1 能源消耗比例比較
        4.3.2 流量預測比較
        4.3.3 兩種算法結合后結果比較
        4.3.4 平均完成時間比較
    4.4 本章小結
5 總結與展望
    5.1 總結
    5.2 展望
參考文獻
致謝
作者簡介



本文編號：3766871