基于流特征的数据中心非对称流负载均衡方法

数据中心边界广泛部署的地址转换技术产生的非对称流为负载均衡系统的设计带来了挑战.为了解决软件负载均衡系统不能充分发挥多核处理器和网卡硬件能力的问题,提出一种基于流特征的非对称流负载均衡方法.首先,分析网卡的数据包散列机制,提出数据包调度算法,将数据包调度至预期的CPU核;然后,基于会话报文序列的时间与空间特征,构建大象流识别算法;最后,基于识别结果,提出负载均衡方法.实验结果表明,非对称流负载均衡方法可以正确处理非对称流的负载均衡,平均吞吐率提升约14.5%.

基于多目标效用优化的分布式数据交易算法

传统的集中式数据交易模式不能很好地适用于当前万物互联、数据实时产生的智能时代,为了使产生的数据发挥更大的价值,设计一种有效的数据交易框架至关重要。为此,提出了一种基于联盟区块链的分布式数据交易框架,在不依赖第三方的情况下实现了P2P的数据交易。针对已有数据交易模型仅考虑数据本身的因素,而忽略用户任务相关因素的问题,基于数据质量、数据属性、属性的相关性、消费者竞争等多维因素构建了双层多目标优化模型,以优化数据提供者(DP)和数据消费者(DC)的效用。为求解上述模型,提出了一种改进的多目标遗传算法——协作式NSGAII,通过DP、DC以及数据聚合器(AG)的协作进行计算。仿真结果表明,所提算法在DP和DC的效用方面取得了更好的性能,实现了更有效的数据交易。