本文選題：數(shù)據(jù)中心網(wǎng)絡(luò) + 網(wǎng)絡(luò)測量　； 參考：《計算機科學》2017年02期

【摘要】：數(shù)據(jù)中心是云計算等大型分布式計算服務(wù)的基礎(chǔ),有效地設(shè)計與管理數(shù)據(jù)中心需要遵循數(shù)據(jù)中心網(wǎng)絡(luò)的端到端流量特征。然而直接地測量網(wǎng)絡(luò)的端到端流量需要耗費巨大的軟件成本和硬件成本,并且由于數(shù)據(jù)中心網(wǎng)絡(luò)結(jié)構(gòu)的特殊性,傳統(tǒng)的計算機網(wǎng)絡(luò)采用的流量估計方法也無法適用于現(xiàn)有的數(shù)據(jù)中心網(wǎng)絡(luò)。為解決以上問題,首先依據(jù)數(shù)據(jù)中心的資源分配和鏈路利用率情況提取出網(wǎng)絡(luò)的粗粒度流量特征,在此基礎(chǔ)上提出一種基于重力模型和網(wǎng)絡(luò)層析技術(shù)的數(shù)據(jù)中心端到端流量估計算法。與現(xiàn)有的流量推理算法Tomogravity和ELIA在NS3搭建的不同規(guī)模的數(shù)據(jù)中心網(wǎng)絡(luò)中進行性能對比,實驗結(jié)果表明,所提算法能有效地利用提取出的粗粒度流量特征,在保證計算效率的前提下將計算準確度大幅提升,可滿足當前數(shù)據(jù)中心網(wǎng)絡(luò)實時獲取端到端流量數(shù)據(jù)的需求。
[Abstract]:Data center is the foundation of large-scale distributed computing services such as cloud computing. To effectively design and manage data center, it is necessary to follow the end-to-end traffic characteristics of data center network. However, directly measuring the end-to-end traffic of the network requires huge software and hardware costs, and because of the particularity of the network structure of the data center, The traffic estimation method used in traditional computer networks is also not suitable for the existing data center networks. In order to solve the above problems, firstly, the coarse-grained traffic characteristics of the network are extracted according to the resource allocation and link utilization of the data center. On this basis, an end-to-end flow estimation algorithm based on gravity model and network chromatography is proposed. Compared with the existing traffic reasoning algorithms Tomogravity and ELIA in the different scale data center network built by NS3, the experimental results show that the proposed algorithm can effectively utilize the coarse-grained traffic features extracted by the proposed algorithm. Under the premise of ensuring the computing efficiency, the accuracy of the calculation can be greatly improved, which can meet the demand of the current data center network to obtain end-to-end traffic data in real time.
【作者單位】： 安徽農(nóng)業(yè)大學信息與計算機學院;
【基金】：國家自然科學基金(61402013,61203217) 安徽省教育廳自然科學基金資助項目(KJ2014A074) 安徽省自然科學基金(1608085QF126) 江蘇省無線傳感網(wǎng)高技術(shù)重點實驗室開放課題(WSNLBKF201506)資助
【分類號】：TP393.06;TP308

【參考文獻】

相關(guān)期刊論文 前2條

1 羅亮;吳文峻;張飛;;面向云計算數(shù)據(jù)中心的能耗建模方法[J];軟件學報;2014年07期

2 朱桂明;謝向輝;郭得科;陸菲菲;陶志榮;;一種高吞吐量、高可擴展數(shù)據(jù)中心網(wǎng)絡(luò)結(jié)構(gòu)[J];軟件學報;2014年06期

相關(guān)碩士學位論文 前1條

1 高飛;數(shù)據(jù)中心網(wǎng)絡(luò)迂回路由方法的研究[D];北京交通大學;2015年

【共引文獻】

相關(guān)期刊論文 前10條

1 喬焰;焦俊;饒元;;基于數(shù)據(jù)中心流量特征的端到端流量估計算法[J];計算機科學;2017年02期

2 朱亞東;嚴錫君;;基于非平穩(wěn)時頻分析的無線網(wǎng)絡(luò)信道均衡算法[J];計算機系統(tǒng)應用;2017年02期

3 卓先德;崔偉;;移動通信網(wǎng)絡(luò)位置群體節(jié)點的挖掘方法[J];火力與指揮控制;2017年01期

4 曾賽峰;屈喜龍;;云存儲環(huán)境下分組校驗糾刪碼冗余算法研究[J];湖南工程學院學報(自然科學版);2016年04期

5 許學添;鄒同浩;;網(wǎng)絡(luò)數(shù)據(jù)庫中隱蔽數(shù)據(jù)快速挖掘方法研究[J];電子設(shè)計工程;2016年24期

6 李浩;王旭輝;;基于語義指向性特征提取的數(shù)據(jù)庫優(yōu)化訪問方法[J];河南工程學院學報(自然科學版);2016年04期

7 趙利紅;劉樹仁;蔡長寧;李長春;張謙;;高密度機架式服務(wù)器部署設(shè)計與實踐[J];信息系統(tǒng)工程;2016年12期

8 常蓮;劉健;;云計算環(huán)境下的海量光纖數(shù)據(jù)存儲模型仿真分析[J];激光雜志;2016年11期

9 李哲林;;基于云計算的嵌入式處理器中CPU功耗預測方法研究[J];信息通信;2016年11期

10 耿凱峰;王玉磊;;基于云計算虛擬化技術(shù)的高校數(shù)據(jù)中心設(shè)計[J];自動化技術(shù)與應用;2016年10期

【二級參考文獻】

相關(guān)期刊論文 前2條

1 宋杰;李甜甜;閆振興;那俊;朱志良;;一種云計算環(huán)境下的能效模型和度量方法[J];軟件學報;2012年02期

2 杜樹新,吳鐵軍;用于回歸估計的支持向量機方法[J];系統(tǒng)仿真學報;2003年11期

相關(guān)碩士學位論文 前1條

1 程靜;新一代數(shù)據(jù)中心網(wǎng)絡(luò)新型網(wǎng)絡(luò)架構(gòu)研究[D];北京交通大學;2014年

【相似文獻】

相關(guān)期刊論文 前10條

1 江南;數(shù)據(jù)中心如何應付管理挑戰(zhàn)[J];互聯(lián)網(wǎng)周刊;2001年40期

2 ;簡化管理挑戰(zhàn)——惠普推實用數(shù)據(jù)中心解決方案[J];每周電腦報;2001年67期

3 李慶莉;去數(shù)據(jù)中心看一看——中國銀行華北信息中心計劃處處長云恩善談數(shù)據(jù)中心運行、管理[J];中國金融電腦;2002年12期

4 馬天蔚;;數(shù)據(jù)中心按需造[J];每周電腦報;2002年25期

5 戚麗,蔣東興,武海平,馮珂;校園數(shù)據(jù)中心建設(shè)與管理方法的探索[J];教育信息化;2002年S1期

6 何俊山;您企業(yè)的數(shù)據(jù)中心2003了嗎?[J];微電腦世界;2003年17期

7 ;挖潛數(shù)據(jù)中心[J];金融電子化;2004年07期

8 王琨月;;數(shù)據(jù)中心業(yè)務(wù)就緒[J];每周電腦報;2004年21期

9 包東智;新熱點:創(chuàng)建下一代數(shù)據(jù)中心[J];上海信息化;2005年10期

10 ;把握數(shù)據(jù)中心建設(shè)五大看點[J];中國計算機用戶;2005年10期

相關(guān)會議論文 前10條

1 姚，

本文編號：1829633