流量特性在降低线卡并行处理需求中的应用

为达到线速处理,要求路由器线卡的并行流量处理速度不小于所有接口速率之和.在接口密度和链路速率急剧上升的背景下,线速处理的实现代价非常昂贵.通过研究,对基于最坏条件的设计方法进行调整,根据并行处理模型,将网络流量的实际特性引入线卡设计,从而有效地降低了高密度线卡中并行流量处理的需求.同时讨论了新方法面临的工程实现问题和相关代价.

基于PM5360的通道化OC48 POS线卡设计

通道化线卡是一类特殊的POS型线卡。研究OC48 POS线卡的设计与实现,给出线卡的整体设计方案。采用PM5360型链路层器件完成底层信号处理,而采用FPGA进行报文处理。重点讨论PM5360应用中的关键问题。通过设计灵活的芯片配置方案,该线卡可以适应OC48信号内低速率的OC3和OC12子层信号的灵活组合。

基于ASIC+FPGA的IPv6路由器PoS接口设计

提出IPv6路由器PoS接口的设计原则,给出基于PMC公司的PM5380型8×155Mbit/s电路和Xilinx公司VIRTEX-ⅡPRO型大规模可编程器件的155Mbit/s PoS接口硬件设计与实现方案,并对其中关键的FPGA设计技术做了描述。

一种生成符合网络实际特性的仿真流量方法

在开发面向服务提供网络的相关设备时,需要进行大量的仿真和性能评估工作。如何生成既满足仿真测试需求,又符合网络流量实际特性的仿真流量是一个关键问题。当网络链路带宽和业务复杂度很高时,传统方法的实现难度很大。为此,文章通过设计一系列流量数据的操作过程,得到了一种可扩展的流量数据生成方法,采用该方法可以很方便的生成各种流量数据。最后,结合流媒体数据传输的测试实例,给出了这种方法的应用。

多业务网络环境中流量特性分析

当前网络业务环境发生了巨大变化,多业务条件下的网络流量特性是未来设计和优化网络的基础。文章通过对2007年和2008年同一时间段内在同一链路采集的高质量流量数据的深入分析,发现在当前典型的多业务网络环境中,分形特性仍然是网络流量的主导特性,同时又展现出新的特点,这就对可重构路由交换平台的开发提出了新的要求。

基于规则集划分的多决策树报文分类算法

为克服决策树算法处理高速网络、大容量规则集下的报文分类问题时内存使用量大的弊端,提出一种基于规则集划分的多决策树报文分类算法。在保证规则子集数量可控的前提下,采用启发式算法将规则集划分为有限个规则子集,最大限度分离交叠规则;提出两级级联决策树结构,降低决策树深度以减少规则查找时间。理论分析表明,该算法空间复杂度较传统单决策树算法大幅降低。仿真结果表明,该算法的内存使用量比目前空间性能最好的EffiCuts算法减少了30%,且维度可扩展性更好。

河南省农村地区胃癌危险因素的病例对照家系研究

目的:探讨河南农村地区胃癌发生的危险因素。方法:确定胃癌病例家系和对照家系各325户,每组1010人,以家庭为单位入户面访方式收集人群资料。应用单因素和多因素非条件logistic回归分析探讨不同因素对胃癌发病的影响。结果:胃不适症状、暴饮暴食、口味重、吃剩饭>3次/周、精神刺激史等因素在病例家系与对照家系的分布中差异具有统计学意义。结论:胃不适症状、暴饮暴食、口味重、吃剩饭>3次/周、精神刺激史等因素是病例家系成员发生胃癌的危险因素。

基于深度增强学习的数据中心网络coflow调度机制

最小化语义相关流的平均完成时间是数据中心网络流量管理面临的难题之一.受人工智能领域深度增强学习方向的最新研究进展启发,本文提出一种的新的语义相关流调度机制.将带宽约束的语义相关流调度问题转化为连续的学习过程,通过学习以往策略实现最佳调度.引入反向填充和有限复用机制,保证系统的工作保持性和无饥饿性.仿真结果表明,在不同的网络负载下,本文提出的调度机制均使得语义相关流的平均完成时间小于其他调度机制,尤其是网络负载较大时,相比最先进的调度机制,性能提升约50%.

改进的HyperSplit报文分类算法

针对现有高速、大容量、多域报文分类算法普遍存在内存使用量大的问题,提出一种改进的HyperSplit多域报文分类算法。通过分析现有算法内存使用量大的原因,修正和设计选择分割维度与分割点、去除冗余结构的启发式算法,最大限度减少决策树中的复制规则数量,消除决策树中存在的冗余规则和冗余节点,优化决策树结构。仿真结果表明,该算法与现有多域报文分类算法相比,不依赖于规则集类型和特征,在保证内存访问次数不增加、报文得到线速处理的情况下,可降低算法的内存使用量,当规则集容量为105时,内存使用量降低到HyperSplit算法的80%。

可重构网络的可用性模型

针对网络故障恢复机制可以对可重构网络性能产生重要影响的实际情况,从理论上对可重构网络的运行状态进行分析,提出了一种可重构网络的可用性模型。该模型以节点服务能力和网络服务能力的量化描述为基础,通过引入可重构网络的状态转移理论,以有限状态马尔科夫链进行理论分析得到。通过仿真实验对该可用性模型的有效性进行验证,仿真结果表明,理论模型计算结果与仿真结果拟合性较好,可用于描述特定可重构网络的可用性能。

基于随机Petri网的虚拟网可生存性模型研究

针对在描述可重构服务承载网(RSCN)差异化服务需求时无法定量描述其安全属性的问题,提出了一种RSCN可生存性模型。模型基于随机Petri网构建,首先构建RSCN的非马尔可夫随机Petri网模型,再基于最常用的先到先服务(FCFS)故障修复策略得到系统状态可达图,通过引入补充变量建立系统状态概率方程,并最终求解得到该模型。通过仿真实验对该可生存性模型的有效性进行验证,仿真结果表明,理论模型计算结果与仿真结果拟合性较好,可用于描述基于FCFS故障修复策略的RSCN可生存性能。

家庭医生健康管理服务路径实施效果评价

目的评价家庭医生健康管理服务路径实施效果。方法本次研究对2014年1~6月深圳市福田区社区健康服务中心现场研究情况进行分析,根据其是否实施家庭医生健康管理服务路径分为对照组与研究组,对比两组签约老年人的档案资料完整率、满意度、日常生活能力、生存质量、心理状态、精神状态、医疗费用等指标。结果研究组档案资料完整率、满意度、日常生活能力、生存质量评分、MMSE评分均显著高于对照组,心理状态SAS、SDS评分与医疗费用均显著低于对照组,差异有统计学意义（P〈0.05）。结论家庭医生健康管理服务路径的实施具有可行性,临床应用效果显著,可有效提高全科医生服务能力,规范健康管理行为,值得大力应用推广。

基于可重构测量模型的网络测量任务部署算法

针对网络有限测量资源与多样化测量需求之间矛盾日趋凸显的问题,该文在可重构的网络测量模型基础上,对网络测量任务部署问题进行建模,并提出一种测量任务部署算法。该算法利用测量构件复用及组合原理,高效利用网络测量资源,从而支持对多样化并发测量任务的部署。仿真实验数据显示,算法在任务部署成功率和任务部署时间性能指标上较GCTS(Task-execution Scheduling schemes based on Graph Coloring)算法均得到显著提高,任务部署成功率不低于90%。

可重构可演进的网络功能创新平台

随着互联网的发展,新的网络体系和网络协议不断涌现。但由于传统网络设备硬件固化,限制了新型网络的试验和部署。针对此问题,提出了一种可重构可演进的网络功能创新平台,通过在软件平面对网络功能进行组合编排,完成了服务能力对业务需求的适应;然后,在硬件平面使用可配置可组合的元操作单元作为数据处理单元,实现了底层处理流程对上层功能的自适应承载;最后,结合两个应用案例分析了该平台的应用前景。

一种改进的高速TCP拥塞控制算法

论文在深入分析了高速TCP协议的缺点和不足的基础上,提出了一种基于双重拥塞避免的高速TCP拥塞控制算法DA-HSTCP,并对改进算法进行了深入分析。测试结果表明改进后的算法提高了高速TCP协议的传输性能。

家庭医生健康服务路径对糖尿病患者生存质量的影响

采用循证医学和社会学的方法制定家庭医生健康管理服务路径,收集已签约的糖尿病患者260例,随机分为对照组及研究组。对照组采取常规治疗,研究组在进行常规治疗基础上,采取家庭医生健康服务路径进行管理,观察两组生存质量及血糖控制情况等,分析家庭医生健康服务路径对提高患者生存质量的作用。结果对糖尿病患者采用家庭医生健康服务路径进行管理,可以提高患者生存质量,患者病情得到明显改善,效果显著高于对照组(P<0.05)。糖尿病患者应用家庭医生健康服务路径,可以使病情明显好转,对患者生存质量有重要的作用,值得在实际中推广。

可重构网络中柔性网络配置代理服务提供模型

随着网络的进一步发展,越来越多新出现的业务要求网络不仅能提供信息传输的可靠性,还要求它们使用的网络在不同服务需求下都能提供稳定服务。柔性网络配置代理是用来根据服务提供控制网络资源使用,提高网络性能,解决上述网络资源配置问题的核心。从流量特性的角度出发,抽象出柔性网络配置代理的服务提供模型,并讨论了柔性网络配置代理的实现。

大规模接入汇聚网络的抵近式缓存技术研究

针对网络中存在大量重复流量的问题,基于大规模接入汇聚网络创造性地提出了抵近式缓存的思想,利用大规模接入汇聚路由器覆盖广、汇聚能力强的特点,在骨干网中,将热点内容单播推送至尽可能逼近用户的网络接入点缓存,在接入网中,将网络接入点中的缓存内容以多播方式智能高效地分发至用户,从而为提高用户体验质量、减少网络流量、降低服务器负载提供了一种解决途径。

基于深度强化学习的智能路由技术研究

针对现有智能路由算法收敛速度慢、平均时延高、带宽利用率低等问题,提出了一种基于深度强化学习(DRL)的多路径智能路由算法RDPG-Route。该算法采用循环确定性策略梯度(RDPG)作为训练框架,引入长短期记忆网络(LSTM)作为神经网络,基于RDPG处理高纬度问题的算法优势,以及LSTM循环核中记忆体的存储能力,将动态变化的网络状态输入神经网络进行训练。算法训练收敛后,将神经网络输出的动作值作为网络链路权重,基于多路径路由策略进行流量划分,以实现网络路由的智能动态调整。最后,将RDPG-Route路由算法分别与ECMP、DRL-TE和DRL-R-DDPG路由算法进行对比。结果表明,RDPG-Route具有较好的收敛性和有效性,相比于其他智能路由算法至少降低了7.2%平均端到端时延,提高了6.5%吞吐量,减少了8.9%丢包率和6.3%的最大链路利用率。

基于活跃度的分级映射解析系统

针对当前映射解析系统存在的映射解析时延过高的问题,该文依据终端的活跃程度,提出一种基于活跃度的分级映射解析系统。该系统将通信对端的身份位置映射信息划分为活跃级、中性级和稳定级3个等级,并据此建立了一种3层的映射解析存储架构,映射副本可根据自身活跃度的变化在3层之间动态调整存储位置。为最小化映射解析时延,在系统构建过程中,针对传统DHT构建方式存在的非位置感知问题,将系统构建过程建模为马尔科夫决策过程,并提出一种马尔科夫决策构建算法用于求解该模型。仿真结果表明,该系统能够显著降低映射解析时延和提升路由性能,对网络结构的动态变化具有良好的适应性。