网络功能虚拟化资源配置及优化研究综述

网络功能虚拟化(network functions virtualization,NFV)利用虚拟化技术将网络功能从专用硬件中分离形成虚拟网络功能,然后把虚拟网络功能映射到通用服务器、交换机或者存储器中,能有效地降低网络投资成本和运营成本,并提高网络服务部署的灵活性。网络功能虚拟化资源配置是实施NFV需要解决的一个关键问题。为深入剖析网络功能虚拟化资源配置,介绍了NFV的体系结构,重点阐述了资源配置的三个阶段及资源配置的优化,最后对高效资源配置面临的挑战和有价值的研究方向进行了思考,为NFV的研究提供参考。

深度学习在SDN中的应用研究

软件定义网络作为一种最新网络架构,可通过软件编程的方式定义和控制网络,其控制平面和转发平面分离及开放性可编程的特点,为新型互联网体系结构研究提供了新的实验途径,也极大地推动了下一代互联网的发展。深度学习相对于传统的机器学习有很多优点,深度学习能够发现多层特征,并能够将高层特征表示成更抽象的数据特征。深度学习网络模型因为具有多个隐藏层而具有很强的特征学习能力,相对于机器学习模型来说具有很大的进步。随着深度学习的快速发展,有必要在软件定义网络中引入深度学习,推进软件定义网络的进一步发展。从架构、数据源、快速特征提取、深度学习算法选择和分析深度学习在SDN中的现有应用五个方面来说明深度学习在SDN中的应用。

SDN环境下DDoS攻击检测研究进展

随着当前网络规模的扩大以及网络应用服务的丰富,网络安全的重要性越来越突出。DDoS攻击是当前影响网络安全的威胁之一,快速准确检测DDoS攻击是对抗DDoS攻击的第一步。SDN架构作为新一代网络架构,具有控制器中心化以及控制转发分离的特点,适合对网络流量异常进行监控。基于SDN环境,对部署在SDN控制器上的不同DDoS检测方法进行归纳分析,总结其各自的优点和局限性,探讨SDN环境下DDoS检测下一步的研究方向和趋势。

一种HDFS元数据分级存储策略

HDFS分布式文件系统采用集中式元数据管理模式,将所有元数据信息集中存放在Name Node内存中,HDFS2.0引入双机热备方式保证其高可用,分析HDFS分布式文件系统的元数据访问特性,设计并实现一种Stand By Name Node元数据分级存储算法,在与Active Name Node保持同步的同时将热度较低的元数据存储在本地,大大降低其内存使用,提高资源的利用率,在Active Name Node宕机后,Stand By Name Node从本地加载元数据信息切换为Active Na-me Node,保证HDFS的高可用。