软件定义网络在数据中心网络中的集成与性能优化

近年来,随着人工智能和云服务需求的持续增长,数据中心迅速扩张,同时面临更多的挑战。当前,数据中心网络技术存在能耗高和网络负载不均衡的问题,且传统数据中心往往采用专用的复杂合并硬件,如网络负载平衡器和网络能量优化器等。对此,文章提出了一种综合考虑能量优化与负载均衡的交通流管理策略。利用软件定义网络(SDN)的优势,该策略为实现负载均衡和能量优化提供了契机。具体而言,它采用基于最大可用带宽的多径路由方式来转发流量,达到了网络负载均衡的目的。

基于SDN的数据中心网络流量负载均衡研究

目前数据中心网络(data center network,DCN)的负载均衡方法存在对大小流的调度缺乏全局实时检测等不足,部分大流会造成拥塞、负载不均衡和带宽碎片等问题.针对上述问题,提出了一种SDN网络流量负载均衡算法—DSA-D.首先,对流量进行分类,为大流计算所有源至目的主机可达路径的最短跳数路径集;然后,根据LLDP和ECHO测量链路时延以求得时延最优路径集;最后,采用概率拟合算法分配路径,实现数据中心网络流量负载均衡.在相同场景下的实验结果表明,与ECMP、Hedera和DIFF算法相比,DSA-D算法具有更好的吞吐量、链路带宽利用率和平均往返时延.

递归型数据中心网络上g-额外连通度及容错单播算法研究

数据中心网络的研究是近几年兴起的热点。与传统的树型数据中心网络相比,递归型数据中心网络具有更好的容错性和可扩展性。部署于n-口交换机上的k-维递归型完全图网络可以表示为Xk,n,σ表示图中任意顶点与同维度其他子图相连接的边数。在实际情况中,网络的额外连通度相较于传统的连通度能够更准确地衡量一个网络的容错性。证明当k≥3,n≥3,σ∈{1,n-1}且0≤g≤2时,Xk,n的g-额外连通度为(g+1)(kσ-1)+n,这一结果接近于其连通度的g+1倍。进一步,提出基于该情形下的容错单播算法,并证明了该算法的时间复杂度和在最坏情况下Xk,n中任意两点间构造出路径长度的上界。通过模拟仿真实验,验证了该算法在执行效率上优于广度优先和深度优先搜索算法,且算法具有较好的容错性。

全光网在高校数据中心网络中的应用与性能评估

随着高校数据中心网络规模的不断扩大和应用需求的增加,全光网作为一种高带宽、低延迟的网络技术,逐渐在高校数据中心网络中得到应用。文章针对全光网在高校数据中心网络中的应用与性能评估进行了研究。首先介绍了全光网的概念和特点,以及高校数据中心网络的需求和挑战。然后重点探讨了全光网在高校数据中心网络中的应用,包括拓扑结构设计、传输技术应用以及设备选型和部署。接着介绍了全光网在高校数据中心网络中的性能评估,包括评估指标、评估方法和实验设计,并给出了实验结果和分析。最后对研究工作进行了总结,并展望了未来的研究方向。

DCNS:一种高可用性的数据中心网络

近年来,随着云计算技术的飞速发展,数据中心网络作为底层基础设施,发挥着越来越重要的作用。数据中心网络能够为各种云计算环境提供良好的服务。这几年在研究云计算的同时,数据中心也是一个重要的研究热点。学习了一些新的拓扑结构,主要包括Fat-tree、DCell以及BCube等。而这些方案在系统扩展太快或者太慢的情况下,都在不同程度上有一些性能的瓶颈或者在路由以及结构的构建上有比较高的代价。提出了一个代价有效并且具有很强扩展性和容错性的数据中心网络———DCNS。其混合了DCell以及BCube的优点,避免了它们各自的缺点。之后提出了一个针对DCNS的容错路由机制。最后,使用一个合适的测试环境来测试该数据中心网络架构的有效性。实验表明,DCNS能较好地满足数据中心对网络结构的要求,并且能够保证系统的可用性。

基于深度神经网络的数据中心光互连网络资源分配方法

在人工智能环境下为了提高数据中心光互联网络组件和软件的安全性,需要构建优化的资源分配模型,提出基于深度神经网络的数据中心光互连网络资源分配方法。采用用户关联和功率谱分配联合优化方法构建数据中心光互连网络资源调度模型,结合对网络资源粒度的服务请求QoS资源配置实现对不同种类资源的融合和聚类处理,提取数据中心光互连网络资源的空间、时间、频谱等多维网格抽象模型参数,通过深度神经网络学习方法实现对网络资源分配过程中的多种资源粒度融合和收敛性寻优控制,建立用户之间分配数据中心光互连网络资源的信道模型,通过传输链路均衡配置方案实现对网络资源的优化分配和均衡配置。仿真结果表明,本方法的资源分配传输比特率为18 bit/s,延时较小,资源分配阻塞率低,为0.05%,且资源持有度较高,可始终维持在100%,说明本方法具有对较强的资源均衡配置能力。

数据中心网络拥塞控制机制的设计与实现

拥塞控制技术是数据中心网络中实现超低延迟、高带宽和网络稳定的关键。现有的拥塞控制技术难以同时兼顾低延迟、高带宽和网络稳定。因此,提出一种基于网络感知的拥塞控制机制,利用网络带内遥测技术获取精确的链路负载信息,精确控制流量。通过解决拥塞期间的延迟信息和对信息的过度反应等问题,实现快速收敛以利用空闲带宽,避免拥塞。测试结果表明在小型数据中心网络中,采用本文设计的拥塞控制机制与dcqcn算法进行比较,当流量较小时,在前99%流量的情况下流放缓比的值前者仅为后者的10%左右。

基于SDN的数据中心网络流量调度机制的设计

为实现数据中心网络流量的实时有效调度,保证网络服务质量,本文针对传统静态流量调度方法存在的问题,提出面向服务质量保障的动态流量调度策略(dynamic scheduling flows,DSFlows),该策略可结合控制器所接收到的网络状态,在综合考虑流量生成、对比算法、评估指标等因素的基础上,制定相应的网络流量制定策略。仿真结果表明:当网络负载上升至09时,与负载均衡算法(equal-cost multi-path,ECMP)相比,DSFlows网络吞吐量提升了1608%;平均时延降低了4976%;丢包率降低了565%。因此,DSFlows方案具有较高的可靠性和可行性,符合数据中心网络流量科学化调度需求。

基于耦合关系挖掘的电力网络错误数据注入检测

为了提高电力网络稳定性和脆弱性评估的准确性,以及有效地检测和处理错误数据注入问题,提出了基于耦合关系挖掘的电力网络错误数据注入检测方法。根据电力网络与注入错误数据耦合关系,挖掘电力网络与错误注入数据之间一对一、一对多、多对多对应关系。根据耦合关系挖掘结果,构建电力网络错误数据注入检测模型,结合时间更新数据完成电力网络错误数据注入检测。由检测评估结果可知,该方法能够确定所在区域是脆弱区域,与实际区域一致。网络崩溃指数在0.9~1.0范围内波动,与实际模块2所处情况一致,具有精准的检测结果。

光互连数据中心网络架构与业务路由技术研究

【目的】目前已提出的数据中心光互连网络结构中,大多将光网络用于交换机间的机架间通信,而机架内服务器之间的通信则通过电以太网交换机实现。由于电以太网交换机功率较大且数量众多,目前所提出的数据中心光互连网络存在能耗高、带宽低和分组时延大等问题。为了进一步改善数据中心光互连网络的性能,文章提出了一种基于可重排无阻塞三级Clos网络的机架内光互连网络结构。【方法】在此结构中,机架内服务器通过1个三级Clos网络实现相互连接,同时结合文章所提的多波长路由算法可实现机架内服务器间的无阻塞通信。【结果】文章使用OMNET++软件进行了仿真验证,结果显示,文章所提结构的吞吐量在同等条件下比传统机架内电交换提高20%,端到端平均时延减少90%,能耗减少67%。【结论】通过仿真对比可知,文章所提结构可以改善数据中心光互连网络的带宽利用、分组时延及能耗等性能。

基于SDN技术的数据中心基础网络构建

随着我国信息技术的不断发展,客户对信息数据的要求也在不断地提高,如需要多样化的数据、数据传递要更加迅速、数据要有较高的自身处理能力等,这就意味着必须要对网络进行灵活的控制。软件定义网络(Software Defined Network,SDN)技术的出现有效地实现了这一特点,其不仅可以实现资源的灵活配置、自动配置,还满足数据中心网络的应用需求。因此,就对基于SDN技术的数据中心基础网络构建进行研究。首先分析其构建数据中心的优势,然后从其基本架构、抽象服务等方面来对SDN技术的应用以及基础网络构建进行深入的探讨和分析,以此来为相关部门提供参考。

网络云数据中心节能方案研究

本文通过研究移动网络云承载业务的高容灾资源预留、低弹性响应时延特性,对网络云数据中心能耗构成要素进行分析,并在实验环境中验证了各个要素对于数据中心能耗影响及对上云业务的影响。本论文通过优化虚拟层资源调度实现计算资源适度集中,减少无效资源占用;通过设备综合节能措施实现设备级能耗灵活管控;通过机房/微模块/设备智能联动温控,降低机房环境能耗。通过上述三项措施,云数据中心可有效降低网络云机房内部设备的运营能耗,达到增收减支的效果,同时解决节电过程中产生的资源冷启动、关联告警等问题,确保上云业务无感知。

基于麻雀搜索算法的电力数据中心网络入侵安全检测方法

中心网络体系能否准确检测出电力入侵数据的行为等级,决定了电力网络是否具有持续稳定运行的能力。为更好维护电力网络的运行稳定性,对基于麻雀搜索算法的电力数据中心网络入侵安全检测方法展开研究,推导电力数据入侵行为判定标准,实现基于麻雀搜索算法的电力数据入侵行为预测。搭建分布式检测框架,通过分析电力入侵数据安全性等级的方式,生成具体的关联性安全检测规则,完成基于麻雀搜索算法的电力数据中心网络入侵安全检测方法的设计。试验结果表明,麻雀搜索算法作用下,风险性等级条件与电力入侵数据的实际行为等级完全相同,符合准确检测的应用需求,能够较好维护电力网络的运行稳定性。

基于TRILL协议的二层数据中心网络技术应用研究

透明互联二层路由(TRILL)协议通过将三层路由技术引入到二层以太网交换中,有望突破传统以太网架构的种种局限。研究分析了TRILL协议的基本原理,提出了一种适用于大规模数据中心的Spine-Leaf TRILL网络架构,并从拓扑设计、设备选型、端口配置等方面给出实施方案,搭建实验环境,根据吞吐量、时延、丢包率等关键性能指标对方案进行了评估。结果表明,该方案能够支持线速转发,端到端时延控制在微秒级,具备良好的突发流量承载能力。

基于带宽匹配的软件定义数据中心网络流量节能调度方案

针对数据中心网络的流调度优化问题,选用经典的Fat-Tree拓扑结构,利用软件定义网络集中控制的优势,提出一种基于带宽匹配的节能路由算法(energy efficient routing algorithm,EERA)。EERA首先对需要传输的数据流按照其截止时间进行排序,然后对拓扑中的链路权值按照每个排序后的数据流需要传输的数据量进行更新,删除可用带宽不满足传输数据量的链路,得到新的拓扑图。在重新定义的拓扑图中,EERA计算源节点和目标节点之间所有可用链路,从这些可用链路中选取与流传输数据量所需带宽最匹配的链路进行路由。仿真实验表明,在不增加额外存储开销的前提下,EERA为即将到来的数据流预留了足够的带宽,减少了网络链路拥塞,在节省网络能耗的同时实现了网络负载均衡。

铁路云计算数据中心40G/100G网络设计与实践

铁路云计算数据中心的网络是支持虚拟化资源池与数据传输的基础,为实现高速度、大带宽的网络连接能力,有必要采用先进技术提升数据中心网络的性能与密度。分析铁路云计算数据中心的技术及网络发展趋势,提出基于Leaf-Spine的SDN网络架构及部署方案,研究比较SR4、BiDi、SWDM三种支持40G/100G的光连接特性,建议采用SWDM承载数据中心Leaf交换机至Spine交换机的网络通道。对OM3、OM4、OM5三种数据中心主流多模光缆的有效模式带宽、传输距离、价格因素进行分析,提出了基于OM3与OM5预连接多模光缆结合的光缆布线方案。通过在数据中心工程中进行实践,并对100GSWDM系统承载进行测试,验证了这种网络设计方案的有效性与先进性。

重载铁路云数据中心网络架构与优化研究

建设一个基于数据中台的重载铁路专有云数据中心的通信网络,针对重载铁路业务系统特点,采用SDN软件定义网络方式,将物理网络设备的资源虚拟化成可复用、可自由分配的虚拟网络资源,实现网络资源的虚拟化和资源池化管理。根据业务配置需要灵活分配和调整网络资源,采用Spine-Leaf框架、链路冗余、负载均衡产品结合路径优化等网络优化技术,实现高安全、高可靠、可扩展、全流程基础网络环境。支撑铁路新业务应用的快速开发、更新、迭代,从而实现铁路物流业务的基础设施共建共用、数据资源汇聚共享、业务系统敏捷部署,达到全面提高铁路物流信息化水平的目的,为智能铁路和智慧物流提供基础支撑网络。

双层网络中心非显著特征数据挖掘算法

为了获取精准的非显著特征数据挖掘结果,提出一种双层网络中心非显著特征数据挖掘算法。首先深入分析双层网络中心的非显著特征信息和类别信息,获取两者之间的相关性和冗余程度。然后根据相关性和冗余程度设定一个判别算子,将判别算子的得分作为标准,实现有效的特征选择。最后在获取双层网络中心非显著特征数据的结构特征后,展开深入的非显著特征数据流拟合处理,同时对非显著特征数据挖掘过程进行跟踪训练,修正挖掘误差,最终完成双层网络中心非显著特征数据挖掘。实验结果表明,采用本文算法可以有效地提升双层网络中心非显著特征数据挖掘结果的准确性。

基于图卷积神经网络的数据中心冷却模型预测控制优化方法研究

在大型数据中心末端冷却系统中,由于系统复杂、真实系统运行历史数据有限,导致节能优化困难的问题。本文提出了一种基于图卷积神经网络(Graph Convolutional Neural Networks,GCNNs)的数据中心冷却模型预测控制(Model Predictive Control,MPC)优化方法。通过对末端冷却系统中房间级组件(如冷却单元、传感器)之间的空间关系及相互作用进行抽象,建立与之对应的图卷积神经网络模型和末端控制算法。结果表明:该方法在大型数据中心的场景下,与基于比例-积分-微分(Proportional-Integral-Derivative,PID)的传统控制方法相比,末端冷却系统的控制节能效率提升了5%~15%。

基于SDN的数据中心网络路由分配优化方法

数据中心网络路由基于固定的路由表,无法适应快速变化的数据中心网络环境,导致平均数据传输量和实际带宽较低,因此有必要设计一种基于SDN的数据中心网络路由分配优化方法。通过高效的路由分配优化算法,可以根据实际需求和网络状态,动态地选择最优路径,实现数据的高速传输。实验结果表明,基于SDN的数据中心网络路由分配优化方法,无论是短期还是长期的平均值,该文方法的传输量和带宽都明显高于其他两种方法,平均数据传输量为194MByte,实际带宽可以达到80.66Mb/s,这表明该方法在数据中心网络路由分配方面具有显著的优势。