【摘要】：隨著數(shù)據(jù)中心應(yīng)用提出的需求不斷變高，數(shù)據(jù)中心網(wǎng)絡(luò)作為數(shù)據(jù)中心的重要組件，其負(fù)載也變的越來越大。這樣導(dǎo)致?lián)砣闆r頻繁的發(fā)生，容易形成一種被稱為incast的吞吐量大幅下降的現(xiàn)象。而數(shù)據(jù)中心應(yīng)用程序的流量特征又會(huì)導(dǎo)致出現(xiàn)一種被稱為outcast的不公平現(xiàn)象。 通過深入了解incast現(xiàn)象的幾個(gè)關(guān)鍵參數(shù)，可以發(fā)現(xiàn)，RTO min在其中起著至關(guān)重要的作用。隨著發(fā)送方數(shù)量的增大，網(wǎng)絡(luò)擁塞程度不斷提高，這樣會(huì)導(dǎo)致丟包和超時(shí)現(xiàn)象出現(xiàn)。嚴(yán)重的擁塞導(dǎo)致發(fā)送方無法通過收到三個(gè)冗余ACK來進(jìn)入快速恢復(fù)狀態(tài)，只能等待超時(shí)，從而影響網(wǎng)絡(luò)吞吐量。在眾多解決incast問題的算法中，傳輸層算法屬于一類較好的算法，因?yàn)榇祟愃惴▽?duì)網(wǎng)絡(luò)基礎(chǔ)設(shè)施的要求和改動(dòng)較小，同時(shí)易于實(shí)現(xiàn)。所以在本文中，通過設(shè)計(jì)一種基于ACK回復(fù)變化率的傳輸層協(xié)議，較好的解決了incast問題。協(xié)議利用ACK回復(fù)變化率和對(duì)理論最大擁塞窗口的估計(jì)調(diào)節(jié)當(dāng)前擁塞窗口，有效處理了incast現(xiàn)象中吞吐量下降的問題。 數(shù)據(jù)中心的數(shù)據(jù)流還存在一種不公平現(xiàn)象，即P. Prakash發(fā)現(xiàn)的被稱為outcast的現(xiàn)象。這種現(xiàn)象的表現(xiàn)就是RTT小的流，其吞吐量小于RTT大的流，這與傳統(tǒng)TCP協(xié)議遵循的RTT與吞吐量成反比的準(zhǔn)則完全相反。P. Prakash在驗(yàn)證了outcast現(xiàn)象的廣泛存在后，給出了一個(gè)基于端口阻塞的解釋。但是經(jīng)過本文仔細(xì)的分析后，我們給出了outcast現(xiàn)象的實(shí)質(zhì)原因。即RTT不同的流在物理鏈路上的分布不均，和數(shù)據(jù)中心上層應(yīng)用的特征所導(dǎo)致的RTT不同的流在擁塞窗口大小上的差異。根據(jù)該現(xiàn)象的本質(zhì)原因，本文建立了相應(yīng)的吞吐量數(shù)學(xué)模型。最后，通過設(shè)計(jì)一種基于窗口通知的協(xié)議，，解決了outcast現(xiàn)象。協(xié)議通過測(cè)量擁塞窗口的平均值，統(tǒng)一了RTT不同的流在當(dāng)前數(shù)據(jù)塊發(fā)送結(jié)束時(shí)的擁塞窗口大小，使得RTT小的流的吞吐量得到提高。 將以上幾個(gè)算法在ns-2仿真平臺(tái)中進(jìn)行實(shí)驗(yàn)后，實(shí)驗(yàn)結(jié)果證明outcast現(xiàn)象的本質(zhì)原因的正確性和兩種解決算法的有效性。
[Abstract]:With the increasing demand of data center application, the load of data center network, as an important component of data center, becomes more and more heavy. This leads to the frequent occurrence of congestion, and it is easy to form a kind of phenomenon, called incast, which has a large decline in throughput. The traffic characteristics of data center applications lead to an unfair phenomenon called outcast. Through in-depth understanding of several key parameters of incast phenomenon, it can be found that, RTO min plays an important role in it. With the increase of the number of senders, the degree of network congestion is increasing, which will lead to packet loss and timeout. Due to the serious congestion, the sender cannot enter the fast recovery state by receiving three redundant ACK, and can only wait for the timeout, thus affecting the throughput of the network. Among the many algorithms to solve the incast problem, the transport layer algorithm belongs to a better class of algorithms, because the network infrastructure requirements and changes of these algorithms are small and easy to implement at the same time. In this paper, a transport layer protocol based on ACK recovery rate is designed to solve the incast problem. The protocol adjusts the current congestion window by using the rate of change of ACK recovery and the estimation of the theoretical maximum congestion window, and effectively deals with the problem of throughput decline in the incast phenomenon. There is also a kind of unfair phenomenon in the data center data stream, that is, the phenomenon called outcast discovered by P. Prakash. The performance of this phenomenon is the small flow of RTT, whose throughput is smaller than that of large RTT, which is completely contrary to the principle that RTT and throughput are inversely proportional to the traditional TCP protocol. After verifying the widespread existence of outcast phenomenon,. P. Prakash has verified the widespread existence of outcast phenomenon. An explanation based on port blocking is given. However, after careful analysis in this paper, we give the real reason of outcast phenomenon. That is, the distribution of different RTT flows on the physical link is uneven, and the difference of the congestion window size between the different flows of RTT caused by the characteristics of the upper application of the data center and the distribution of different flows on the physical links. According to the essential reason of this phenomenon, the corresponding mathematical model of throughput is established in this paper. Finally, a protocol based on window notification is designed to solve the problem of outcast. By measuring the average value of the congestion window, the protocol unifies the congestion window size of different RTT flows at the end of the current block transmission, which improves the throughput of the small RTT stream. The experimental results show that the essential reason of the outcast phenomenon and the effectiveness of the two algorithms are correct after the above algorithms are tested on the ns-2 simulation platform.
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2012
【分類號(hào)】：TP308;TP393.06

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 趙曦;;云計(jì)算架構(gòu)在銀行批處理流程優(yōu)化中的應(yīng)用研究[J];軟件導(dǎo)刊;2013年10期

2 蔡立志;;大數(shù)據(jù)來臨,軟件測(cè)試準(zhǔn)備好了嗎[J];軟件產(chǎn)業(yè)與工程;2013年05期

3 曹剛;;大數(shù)據(jù)存儲(chǔ)管理系統(tǒng)面臨挑戰(zhàn)的探討[J];軟件產(chǎn)業(yè)與工程;2013年06期

4 余輝;王笑梅;;基于MapReduce的HITS算法的實(shí)現(xiàn)[J];上海師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年05期

5 王志軍;黃文良;;大數(shù)據(jù)在移動(dòng)用戶上網(wǎng)記錄查詢中的應(yīng)用研究[J];信息通信技術(shù);2013年06期

6 劉豹;;一種分布式ETL工具的設(shè)計(jì)與實(shí)現(xiàn)[J];軟件;2013年10期

7 白劍;杜杏虎;張國(guó)順;劉媛;;并行譜聚類算法[J];網(wǎng)絡(luò)安全技術(shù)與應(yīng)用;2013年11期

8 劉晟;;大數(shù)據(jù)技術(shù)在移動(dòng)通信計(jì)費(fèi)領(lǐng)域的應(yīng)用研究[J];移動(dòng)通信;2013年15期

9 QIAO Yuan-yuan;LEI Zhen-ming;YUAN Lun;GUO Min-jie;;Offline traffic analysis system based on Hadoop[J];The Journal of China Universities of Posts and Telecommunications;2013年05期

10 楊波;;基于云計(jì)算的作戰(zhàn)數(shù)據(jù)存儲(chǔ)系統(tǒng)研究[J];現(xiàn)代電子技術(shù);2013年19期

相關(guān)博士學(xué)位論文 前4條

1 李健;云計(jì)算環(huán)境下最小化運(yùn)營(yíng)開銷的調(diào)度技術(shù)研究[D];北京郵電大學(xué);2013年

2 韓晶;大數(shù)據(jù)服務(wù)若干關(guān)鍵技術(shù)研究[D];北京郵電大學(xué);2013年

3 程祥;高效可靠的虛擬網(wǎng)絡(luò)映射技術(shù)研究[D];北京郵電大學(xué);2013年

4 李韌;基于Hadoop的大規(guī)模語義Web本體數(shù)據(jù)查詢與推理關(guān)鍵技術(shù)研究[D];重慶大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 陳貞;HDFS環(huán)境下的訪問控制技術(shù)研究[D];重慶大學(xué);2013年

2 張丹;HDFS中文件存儲(chǔ)優(yōu)化的相關(guān)技術(shù)研究[D];南京師范大學(xué);2013年

3 潘吳斌;基于云計(jì)算的并行K-means氣象數(shù)據(jù)挖掘研究與應(yīng)用[D];南京信息工程大學(xué);2013年

4 趙洪昌;云計(jì)算下的關(guān)聯(lián)分析和模糊聚類研究[D];南京信息工程大學(xué);2013年

5 汪洋;通信網(wǎng)云計(jì)算平臺(tái)資源調(diào)度策略與算法研究[D];南昌大學(xué);2013年

6 呂天然;基于MapReduce的可視化工作流遙感并行處理平臺(tái)及關(guān)鍵技術(shù)研究[D];河南大學(xué);2013年

7 但光祥;云計(jì)算環(huán)境下混合加密算法研究與實(shí)現(xiàn)[D];重慶大學(xué);2013年

8 周濤;基于Hadoop的遙感數(shù)字圖像處理方法研究[D];東北師范大學(xué);2013年

9 程偉;海量信令并行即時(shí)分析系統(tǒng)的研究與設(shè)計(jì)[D];中國(guó)海洋大學(xué);2013年

10 賈玉輝;面向語音交互的云計(jì)算系統(tǒng)的研究[D];中國(guó)海洋大學(xué);2013年

本文編號(hào)：2438388