隨著網(wǎng)絡(luò)中的應(yīng)用不斷增多,以及大數(shù)據(jù)的發(fā)展,傳統(tǒng)的基于單個主機(jī)的計算方式開始不能滿足用戶的需要。在這種情況下,有越來越多的用戶將自己的任務(wù)外包到云端或數(shù)據(jù)中心來進(jìn)行處理。而隨著按需付費（pay-as-you-go）方式的出現(xiàn),這一趨勢變得更加明顯。這造成了數(shù)據(jù)中心網(wǎng)絡(luò)中流量的急增。為了給用戶提供更好,性能更穩(wěn)定的服務(wù),一個關(guān)鍵問題就是如何對數(shù)據(jù)中心網(wǎng)絡(luò)進(jìn)行優(yōu)化,使網(wǎng)絡(luò)中的流量能被更好地傳輸。本文將圍繞如何通過控制數(shù)據(jù)中心網(wǎng)絡(luò)中的流量路由及資源分配,來優(yōu)化網(wǎng)絡(luò)性能這一主線進(jìn)行研究。本文的研究主要集中在以下四個方面:1.數(shù)據(jù)中心網(wǎng)絡(luò)中流量的路由與調(diào)度考慮到數(shù)據(jù)中心網(wǎng)絡(luò)中一個任務(wù)常常被拆分成多個子任務(wù)來完成,那么這些子任務(wù)之間的通信是有語意相關(guān)性的。因此應(yīng)該以這樣有語義相關(guān)性的一組流（也叫一個coflow）為基本單位進(jìn)行優(yōu)化,即優(yōu)化coflow的平均完成時間。對于這一問題,本文設(shè)計出RAPIER系統(tǒng),通過同時控制網(wǎng)絡(luò)中流量的路由和調(diào)度,來優(yōu)化全網(wǎng)所有coflow的平均完成時間。除此之外,本文還設(shè)計出RAPIER的原型系統(tǒng)。小規(guī)模的原型系統(tǒng)實驗和基于C++模擬器的大規(guī)模的數(shù)值仿真都證明,RAP... 

【文章來源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：135 頁

【學(xué)位級別】：博士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 數(shù)據(jù)中心網(wǎng)絡(luò)與云計算
    1.2 數(shù)據(jù)中心網(wǎng)絡(luò)的研究歷史與現(xiàn)狀
        1.2.1 數(shù)據(jù)中心網(wǎng)絡(luò)流量路由的優(yōu)化
        1.2.2 數(shù)據(jù)中心網(wǎng)絡(luò)流量調(diào)度的優(yōu)化
        1.2.3 數(shù)據(jù)中心中網(wǎng)絡(luò)拓?fù)湓O(shè)計
        1.2.4 數(shù)據(jù)中心中虛擬機(jī)映射的優(yōu)化
    1.3 本文的主要貢獻(xiàn)與創(chuàng)新
    1.4 本論文的結(jié)構(gòu)安排
第二章 數(shù)據(jù)中心網(wǎng)絡(luò)流量的路由與調(diào)度
    2.1 研究背景
    2.2 路由和調(diào)度對流量優(yōu)化的意義
    2.3 RAPIER總體設(shè)計方案
        2.3.1 RAPIER應(yīng)該具有的特性
        2.3.2 RAPIER的總體設(shè)計
    2.4 RAPIER中關(guān)鍵算法設(shè)計
        2.4.1 最小化單個coflow的完成時間
        2.4.2 算法可行性和性能界分析
        2.4.3 剩余帶寬分配算法
    2.5 仿真結(jié)果與分析
        2.5.1 系統(tǒng)實現(xiàn)與測試
            2.5.1.1 實現(xiàn)方案
            2.5.1.2 系統(tǒng)配置
            2.5.1.3 實驗方案與結(jié)果分析
        2.5.2 大規(guī)模網(wǎng)絡(luò)數(shù)值仿真
            2.5.2.1 Coflow寬度對RAPIER性能的影響
            2.5.2.2 網(wǎng)絡(luò)中coflow個數(shù)對RAPIER性能的影響
            2.5.2.3 相鄰coflow到達(dá)時間間隔的影響
    2.6 本章小結(jié)
第三章 數(shù)據(jù)中心網(wǎng)絡(luò)業(yè)務(wù)量工程中的多目標(biāo)優(yōu)化框架研究
    3.1 研究背景
    3.2 負(fù)載均衡模型
    3.3 能量效率模型
    3.4 納什議價模型
    3.5 問題分析
        3.5.1 方案應(yīng)具有的特性
        3.5.2 納什議價的優(yōu)勢
    3.6 基于納什議價的多目標(biāo)優(yōu)化方案
        3.6.1 納什議價模型與威脅值博弈
        3.6.2 如何得到具有公平性的解
        3.6.3 如何求解納什均衡模型
    3.7 仿真及結(jié)果分析
        3.7.1 簡單平行鏈路網(wǎng)絡(luò)中的應(yīng)用
        3.7.2 Fattree中的應(yīng)用
        3.7.3 NSFNET中的應(yīng)用
    3.8 本章小結(jié)
第四章 數(shù)據(jù)中心網(wǎng)絡(luò)虛擬機(jī)放置與拓?fù)淇刂?br>    4.1 研究背景
    4.2 數(shù)據(jù)中心動態(tài)拓?fù)渑c虛擬機(jī)放置
        4.2.1 OSA交換結(jié)構(gòu)
        4.2.2 虛擬機(jī)放置問題
        4.2.3 聯(lián)合優(yōu)化網(wǎng)絡(luò)拓?fù)浜吞摂M機(jī)放置的原因
    4.3 問題建模
        4.3.1 網(wǎng)絡(luò)模型
        4.3.2 代價模型
        4.3.3 模型約束
    4.4 離線算法設(shè)計
        4.4.1 模型分析
        4.4.2 子問題1的求解——虛擬機(jī)分組
        4.4.3 子問題2的求解——拓?fù)湓O(shè)計與路由
        4.4.4 算法分析
        4.4.5 算法應(yīng)用討論
    4.5 在線算法設(shè)計
        4.5.1 在線算法設(shè)計分析
        4.5.2 虛擬機(jī)放置在線優(yōu)化
        4.5.3 離線算法的使用
        4.5.4 租戶的進(jìn)入和退出
    4.6 仿真及實驗結(jié)論
        4.6.1 離線算法性能隨ToR最大度數(shù)影響研究
            4.6.1.1 ToR最大度數(shù)對容量代價的影響
            4.6.1.2 ToR最大度數(shù)對溢出代價的影響
        4.6.2 離線算法性能隨網(wǎng)絡(luò)大小影響研究
            4.6.2.1 網(wǎng)絡(luò)大小對容量代價的影響
            4.6.2.2 網(wǎng)絡(luò)大小對溢出代價的影響
        4.6.3 在線算法性能研究
            4.6.3.1 在線迭代次數(shù)對容量代價的影響
            4.6.3.2 網(wǎng)絡(luò)大小對溢出代價的影響
    4.7 本章小結(jié)
第五章 數(shù)據(jù)中心網(wǎng)絡(luò)動態(tài)拓?fù)涔芾?br>    5.1 研究背景
    5.2 漸近拓?fù)渥兓膬?yōu)勢
    5.3 問題的建模與分析
        5.3.1 問題建模
        5.3.2 問題的復(fù)雜性與可行性
    5.4 算法設(shè)計
        5.4.1 拓?fù)涔芾硭惴?br>        5.4.2 算法實現(xiàn)討論
    5.5 仿真及結(jié)果分析
        5.5.1 TMA算法性能
            5.5.1.1 網(wǎng)絡(luò)中可用的波長數(shù)對算法性能的影響
            5.5.1.2 網(wǎng)絡(luò)中ToR最大度數(shù)對算法性能的影響
        5.5.2 算法時間復(fù)雜度
    5.6 本章小節(jié)
第六章 全文總結(jié)與展望
    6.1 全文總結(jié)
    6.2 后續(xù)工作展望
致謝
參考文獻(xiàn)
攻讀博士學(xué)位期間取得的成果
攻讀博士學(xué)位期間參加的科研項目



本文編號：3602545