基于DDQN的三元多级散列异步流量调度方法

数据中心网络(DCNs)中Web访问和分布式计算的短消息业务占据大部分的流量,为解决数据中心短消息的长尾效应,提出一种接收端驱动的基于强化学习面向动态优先级的流量调度算法。该算法基于双重深度Q网络(DDQN)强化学习设置动态调度门限,完成动态优先级分配,并在发送队列按照差额轮询极大地降低了低优先级长消息的尾部延时,在发送端将长度小于调度门限的短数据包直接发送,在接收端根据三元检测的信息给长度大于调度门限的数据包动态分配优先级队列,消除抢占延时,保证链路的高占用率和低传输时延。实验表明,本算法在链路95%以上的高负载情况下,对字节数小于Unscheduled Bytes的短消息流完成时间放缓比降低了85%。