王然^1,2,张宇超¹,王文东^1,2,徐恪³,崔来中⁴

¹（北京邮电大学计算机学院(国家示范性软件学院) 北京 100876）；²（网络与交换技术国家重点实验室(北京邮电大学) 北京 100876）；³（清华大学计算机科学与技术系 北京 100084）；⁴（深圳大学计算机与软件学院 广东深圳 518060) (wangranse@bupt.edu.cn)

出版日期: 2021-06-01


基金资助:国家重点研发计划项目(2019YFB1802603)；国家自然科学基金青年科学基金项目(61802024)；中央高校基本科研业务费专项资金(2020RC36)；国家自然科学基金项目(62072047)；国家****科学基金项目(61825204)；北京高校卓越青年科学家计划项目(BJJWZYJH01201910003011)

Algorithm of Mixed Traffic Scheduling Among Data Centers Based on Prediction

Wang Ran^1,2, Zhang Yuchao¹, Wang Wendong^1,2, Xu Ke³, Cui Laizhong⁴

¹（School of Computer Science (National Pilot Software Engineering School), Beijing University of Posts and Telecommunications, Beijing 100876);²(State Key Laboratory of Networking and Switching Technology(Beijing University of Posts and Telecommunications), Beijing 100876);³(Department of Computer Science and Technology, Tsinghua University, Beijing 100084);⁴(College of Computer Science and Software Engineering, Shenzhen University, Shenzhen, Guangdong 518060)

Online: 2021-06-01


Supported by:This work was supported by the National Key Research and Development Program of China ( 2019YFB1802603), the National Natural Science Foundation of China for Young Scientists (61802024), the Fundamental Research Funds for the Central Universities (2020RC36), the National Natural Science Foundation of China (62072047), the National Natural Science Foundation of China for Distinguished Young Scholars (61825204), and the Beijing Outstanding Young Scientist Program (BJJWZYJH01201910003011).

摘要/Abstract

摘要： 为解决在线流量和离线流量共用一个数据中心传输网络，且2种类型的流量在链路中的分配模式固定不变而导致的链路利用率低的问题，提出了一种基于在线流量预测的离线流量调度方式.首先使用结合了EWMA方法和贝叶斯拐点检测算法的Sliding-k算法对链路中需要优先保障的在线流量进行预测，使预测既能在网络环境突然变化时灵敏响应，又能在网络平稳时减少不必要的重调整.根据预测结果计算出离线流量的可用剩余空间，实现动态的带宽分配之后，使用能够同时考虑流量截止时间和流量大小2个维度的SEDF算法对离线流量进行调度.实验结果表明：Sliding-k能够同时满足网络突变和网络无变化情况下的预测需求，并且能够提高传统EWMA方法的准确率，它和SEDF的结合能够提高数据中心链路的利用率.

参考文献

相关文章 15

[1]	龙赛琴, 黄金娜, 李哲涛, 裴廷睿, 夏元清. 面向云网融合的数据中心能效评估方法[J]. 计算机研究与发展, 2021, 58(6): 1248-1260.
[2]	严明玉, 李涵, 邓磊, 胡杏, 叶笑春, 张志敏, 范东睿, 谢源. 图计算加速架构综述[J]. 计算机研究与发展, 2021, 58(4): 862-887.
[3]	毛安琪, 汤小春, 丁朝, 李战怀. 集中式集群资源调度框架的可扩展性优化[J]. 计算机研究与发展, 2021, 58(3): 497-512.
[4]	林霄, 姬硕, 岳胜男, 孙卫强, 胡卫生. 面向跨数据中心网络的节点约束存储转发调度方法[J]. 计算机研究与发展, 2021, 58(2): 319-337.
[5]	刘泽宁, 李凯, 吴连涛, 王智, 杨旸. 多层次算力网络中代价感知任务调度算法[J]. 计算机研究与发展, 2020, 57(9): 1810-1822.
[6]	张金宏, 王兴伟, 易波, 黄敏. 一种面向主干网的器件级动态功率感知节能机制[J]. 计算机研究与发展, 2020, 57(7): 1347-1368.
[7]	张圣林, 李东闻, 孙永谦, 孟伟彬, 张宇哲, 张玉志, 刘莹, 裴丹. 面向云数据中心多语法日志通用异常检测机制[J]. 计算机研究与发展, 2020, 57(4): 778-790.
[8]	包涵, 王意洁, 许方亮. 基于生成矩阵变换的跨数据中心纠删码写入方法[J]. 计算机研究与发展, 2020, 57(2): 291-305.
[9]	程大宁, 张汉平, 夏粉, 李士刚, 袁良, 张云泉. AccSMBO:一种基于超参梯度和元学习的SMBO加速算法[J]. 计算机研究与发展, 2020, 57(12): 2596-2609.
[10]	曾高雄, 胡水海, 张骏雪, 陈凯. 数据中心网络传输协议综述[J]. 计算机研究与发展, 2020, 57(1): 74-84.
[11]	邢宝平,吕梦圆,金培权,黄国锐,岳丽华. 面向绿色数据中心的能耗有效查询优化技术[J]. 计算机研究与发展, 2019, 56(9): 1821-1831.
[12]	王继业,周碧玉,张法,石翔,曾楠,刘志勇. 数据中心能耗模型及能效算法综述[J]. 计算机研究与发展, 2019, 56(8): 1587-1603.
[13]	方荣强，王晶，姚治成，刘畅，张伟功. 多层神经网络算法的计算特征建模方法[J]. 计算机研究与发展, 2019, 56(6): 1170-1181.
[14]	何荣希，雷田颖，林子薇. 软件定义数据中心网络多约束节能路由算法[J]. 计算机研究与发展, 2019, 56(6): 1219-1230.
[15]	王海涛,李战怀,张晓,卜海龙,孔兰昕,赵晓南. 基于历史数据的虚拟机资源分配方法[J]. 计算机研究与发展, 2019, 56(4): 779-789.

PDF全文下载地址:

https://crad.ict.ac.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=4445