一、IP路由器技术的现状及未来(论文文献综述)
屈永瑶[1](2021)在《面向IP+光协同网络的跨层资源灵活调度研究》文中提出随着网络数据存储的全面云化、互联网业务的快速发展以及新型业务不断增加,网络业务IP化趋势越来越明显,伴随这种趋势而来的是不断扩大的网络规模和各种异构动态应用的增长。在此情境下,IP分组业务往往呈现出高动态性、高突发性以及高峰均比的特征,但目前骨干网中采用IP+光层叠式的架构,该架构下IP层与光层分层管控、独立运维,存在灵活性不足、资源利用率低、可靠性不足、管控与维护困难、投资及运维成本高等问题。如何对IP+光网络进行有效协同以跨层协同调度网络资源、降低运维成本、提高网络资源利用率和保证网络服务质量,同时尽可能的降低能耗、节约成本是运营商面临的关键难点。因此,针对以上问题本文主要以IP+光协同传输为基础,从协同管控架构、资源优化分配及时延优化控制机制三方面进行研究。一、基于SDN的核心思想,设计基于资源池化的IP+光跨层网络的协同控制架构。针对IP与光网络分层管控导致协同困难以及不同厂商设备拥有各自不同的控制接口与私有协议导致的网络异质性增加、维护控制复杂、协同调度流程繁琐周期长、资源调度缺乏灵活性等问题。本文基于SDN设计了四层分层分级协同管控架构,实现IP路由器端口资源以及光链路资源的全局监控形成网络资源池,并通过控制器对设备进行灵活管理与配置实现跨层资源灵活调度达到网随云动、资源高效利用的目的,最后通过硬件实验平台的搭建验证了跨层协同控制方案的可行性。二、提出基于资源池化的跨层网络灵活调整及资源分配机制。针对新兴业务引起的业务高动态性以及高峰均比所导致的网络带宽资源利用率低以及能耗高等问题。本文深入分析IP+光网络模型下,以不同资源分配方式分配网络带宽时,业务流量与网络资源利用率及网络能耗之间的关系。建立了多业务场景下,基于时间表的分阶段能耗最优资源分配模型。同时在跨层网络动态调整前提下,提出了基于遗传算法的多业务跨层资源实时分配算法(MS-SNA)。该算法根据多业务流量矩阵以及最大忍受时延为输入,按时间表分时段规划能耗最优网络资源分配方案,并通过实时配置IP网络和光网络划分网络资源,以最低能耗高效利用网络资源同时保证业务服务质量。通过大量实验仿真验证了所提算法能有效利用网络资源并降低业务阻塞率及能耗。三、提出基于机器学习的光路预配置及延迟释放的多周期网络自适应重配机制。针对网络业务动态性和高突发性所导致的光路频谱碎片化及低利用率以及为有效利用光路资源进行光路的拆建所带来的业务服务时延变长等问题,本文深入分析了光路调整与业务服务时延的关系,建立了不同业务流量模型下,周期性光路自适应重配及频谱整理模型,提出了基于机器学习的光路预配置及资源延迟释放的多周期网络自适应重配算法,该算法利用深度学习长短期记忆模型对历史频谱分配数据进行训练,预测出每条链路的频谱分配方案进行光路预配置以降低业务服务时延、提高频谱利用率。同时结合热点光路资源延迟释放的策略以应对异常突发流量下新建光路所引入的时延从而对时延进行优化控制。通过仿真实验验证了本算法在不同流量负载及网络模型下能有效提高频谱利用率及降低业务平均服务时延。
刘思祺[2](2021)在《IP-over-EON中差错检测和服务恢复技术的研究》文中研究表明随着工业互联网、大数据和虚拟现实等应用的发展,网络流量在呈现出爆炸性地增长趋势的同时,也变得更具动态性。为了应对这些挑战,一方面可以采用弹性光网络(Elastic Optical Network,EON)为骨干网提供极具灵活性和适应性的光传输和交换服务,同时EON需要与广泛使用的IP网络组成IP-over-EON才能为骨干网中传输请求提供经济高效的传输服务。另一方面,借助软件定义网络(Software Defined Networking,SDN)提供的集中式控制平面,可以实现高效的网络管理和控制(Network Control and Management,NC&M),从而可以根据实时的网络状态优化资源分配。IP-over-EON可以使骨干网负载更多的流量,但同时网络的平稳运行也变得更加重要,因为一旦网络中出现失效,将会造成大量流量损失和经济损失,因此,我们有必要针对IP-over-EON中的异常和差错研究如何在失效后快速、经济且高效地恢复。具体来说,在IP网络中,我们考虑骨干网中发生最为频繁的路由器节点失效和由流量动态性造成的潜在拥塞;在EON中,我们考虑如何网络中软失效带来的威胁。由此,我们的研究分如下三个研究点:·本文首先研究如何经济高效地解决IP-over-EON中路由器失效问题。在网络中,尤其是流量负载大的网络中,预先部署过量的冗余资源保证网络可生存性会严重降低资源利用率并推高网络运行成本。所以在这个研究点中,本文利用统一的控制平面,在路由器失效后,联合考虑IP网络和EON的资源,快速计算并部署资源分配方案,对网络进行多层恢复(Multi-layer Restoration,MLR),以经济高效地保证IP-over-EON的可生存性。该问题是一个优化问题,为了求的最优解,我们首先通过整数线性规划(Integer Linear Programming,ILP)为恢复问题建立数学模型并求最优解,而后,为了降低时间复杂度,我们设计快速计算恢复方案的启发式算法。大量仿真结果表明,相对于现有的算法,我们的启发式算法可以有效减少服务恢复过程引入的代价。·其次,考虑到IP传输请求流量的动态性,本文研究如何通过主动的跨层编排(Cross-layer Orchestration,XLyr-O)经济高效地解决动态流量造成的拥塞问题。本文根据真实网络流量设计并实现基于深度学习(Deep Learning,DL)的流量预测模块。然后基于预测流量,设计XLyr-O算法应对网络中动态波动的流量,即通过实时地对IP传输请求重路由以及对光路重配置,实现光路带宽利用率,拥塞概率和重配置频率之间的平衡。最后,我们实现IP-over-EON的系统原型,并将设计的算法应用其中,从而验证我们设计的系统架构和算法。仿真和系统实验结果显示,相对于不使用流量预测的被动式方案,我们可以在充分利用带宽的前提下,通过更少的重配置,减少网络因拥塞产生的丢包。·由于IP层的传输带宽均由EON中的光路支撑,因此为了保证网络正常运行,我们有必要高效地监测EON中的异常。EON通过实时的细粒度频谱采集监测光路状态,但是产生的大量遥测数据会给控制平面和数据平面产生极大的压力,所以我们设计高效的基于自动化频谱监测的异常检测系统,并通过实验展示其性能。本文将实现软件定义EON(Software Defined EON,SD-EON)并且在数据平面设计减少监测数据上传的机制,同时在控制平面设计高效异常检测和定位的机制。在数据平面,我们设计基于自编码器技术的数据压缩模块实现频谱数据的高效压缩从而减少监测数据的上传;在控制平面,首先设计粗过滤模块除去绝大部分正常的监测数据,而后基于深度学习技术实现异常检测和定位;同时,为了保证有充足的训练数据,本文设计半监督式学习算法解决给大量数据贴标签的困难。通过真实系统的实验结果,我们说明了所设计的系统可以高效检测并定位EON中常见的异常(即滤波器通带漂移和带内干扰)。
王兆旭[3](2020)在《智慧协同网络数据传输关键技术研究》文中研究说明随着互联网的部署规模迅猛扩张,互联网服务深入人们生活各个角落。与过去有线、静态的传统网络环境相比,高干扰、高动态的网络场景广泛出现。这对网络数据传输性能提出了严苛的需求,亦成为网络架构革新的主要推动力之一。智慧协同网络是一种全新设计的未来网络体系架构。它具有泛在缓存和族群适配的先进能力,赋予未来网络动态感知、自我调节的综合性、智能化功能,广泛适应未来网络性能、规模、移动性、安全性等更加复杂的需求。其中,高干扰、高动态网络场景下数据传输技术的性能、安全与协同,是智慧协同网络数据传输关键技术的核心子集,成为本文的研究重点。本文在全面调研和深入分析国内外研究现状的基础上,依托智慧协同网络设计思想,分别针对性能、安全和协同三个问题展开研究:第一,在高干扰网络环境中,现有端到端传输机制吞吐量低,而现有逐跳传输机制时延高,尚不存在一种兼备高吞吐量、低时延的高性能传输机制。第二,在高动态环境中,现有逐跳传输机制存在安全性设计缺陷,缺乏对链路洪泛攻击的防御能力。第三,在高干扰、高动态的复杂网络环境中,尚不存在一种完美适应该环境的传输机制,且现有传输机制之间缺乏协同实现高性能传输的方法。在这三个问题中,性能与安全是相对平行的两个独立问题,而协同问题是基于性能与安全问题基本解决的成果,进一步提出的更高需求。为解决上述问题,本文主要工作和创新包括如下3个方面:(1)针对问题一,提出一种在高干扰网络环境中同时实现高速率和低时延的数据传输机制。该机制的基本设计是:数据以数据包流的形式进行传输,逐跳缓存在沿途具备泛在缓存功能的路由器中。当数据包因干扰误码而丢失,则丢包位置上游的路由器直接发起重传,无需源服务器重传,从而在高丢包率中维持高吞吐量。本文详细阐述了实现数据可靠性控制、拥塞控制和带宽公平性控制的方法。随后,设计与实现智慧协同网络原型系统,并在其中进行了传输机制间的对比实验。实验结果表明,新机制传输时延小,带宽利用率高,抗干扰丢包能力强,带宽公平性强,存储与电能开销较小。(2)针对问题二,提出在高动态环境中防御链路洪泛攻击的主动、被动两种防御机制。两种机制的基本设计是:首先,族群适配功能令路由器收集攻击前后的流量行为数据;然后,设计检测流量异常增长的算法,估算攻击流量的来源方向或来源自治域等信息;最后,依据估算出的流量过滤方案,实现对攻击流量的大比例过滤,尽可能减小合法流量的损失。本文详细阐述了两种防御机制结合智慧协同网络的族群适配能力,实现攻击检测、收集流量行为、生成并执行流量过滤方案的方法,并基于智慧协同网络原型系统验证了两种防御机制的有效性。实验结果表明,两种防御机制在高动态网络环境中能够有效防御针对逐跳传输机制的链路洪泛攻击。(3)针对问题三,提出了在高干扰高动态复杂环境中并行兼容、串行互联的两种协同传输方法。并行兼容方法使两种不同的传输机制在同一网络中并行运行,以解决传统端到端传输机制因带宽挤占行为导致公平性失效的问题,实现远、近距离多种网络服务间服务质量的全局最优。串行互联方法令复杂网络环境中的不同区域各自动态适配最恰当的传输机制,并彼此串行互联组成跨多种环境的完整传输路径,实现端到端传输性能的全局最优。本文详细阐述了两种协同传输方法结合智慧协同网络的族群适配能力,实现传输机制间共存、兼容、互联、切换的过程。随后,基于智慧协同网络原型系统设计部署了测试网络,实验验证了两种方法的有效性。实验结果表明,并行兼容方法能够有效解决带宽公平性问题,串行互联方法能够实现跨复杂网络环境的端到端传输,其传输性能也高于任一单独的传输机制。
林飞焕[4](2020)在《弹性光网络环境下VNF服务链部署研究》文中进行了进一步梳理网络功能虚拟化(NFV)正在革新网络服务的设计和部署方式。与传统的网络相比,NFV概念虚拟化了网络功能(防火墙、入侵检测、代理服务器…),因此它们可以托管在通用硬件(服务器/计算机/交换机)上。这些网络功能与专用硬件解耦,称为虚拟网络功能(VNF)。运行在基于NFV的网络提供了更大的灵活性,使得高效和可伸缩的资源得以利用,并降低了成本。因此运营商对放在数据中心或支持NFV的网络元素(如路由器和交换机)中的VNFs越来越感兴趣。另一方面,IP流量的快速增长刺激了光传输和交换技术的研究与开发,以经济高效地提供网络服务。一个着名的例子是引入弹性光网络(EON)。通过软件定义网络(SDN)技术的增强,可将重新配置的EON与VNF服务链相结合,可以大大提高网络灵活性,实现网络服务的灵活调度和高能效。本文首先研究了VNF服务链部署在基于SBVT的IP over EON网络问题。并且将该问题建立了一个整数线性规划(ILP)算法模型,我们分析了具有不同切片数量的基于SBVT的IP over EON网络场景,我们的算法求解目标是最小化网络总能耗。根据我们所提出来的算法模型,当VNF服务链部署在这个网络中,通过增大IP over EON网络中SBVT的可切片数量能显着地降低网络能耗。因此网络运营商结合VNF技术和IP over EON中的SBVT技术可以极大提高网络的能耗效率。然后针对整数线性规划算法复杂度太高,无法应用于大业务及大网络拓扑场景下的局限性。本文设计了两种基于深度强化学习的VNF服务链部署算法:DDQNPRVNF和DQNVNF。首先需要结合弹性光网络的特点去定义一个VNF服务链部署的强化学习模型,包括环境的状态设置,以及定义好动作和反馈函数。仿真结果表明,相比于对比算法,DDQNPRVNF和DQNVNF两种算法能有效降低网络能耗的同时,并减少网络传输时延。而且采用双Q网络和优先经验回放机制的改进后的DDQNPRVNF算法在降低能耗和时延的效果优于DQNVNF算法,实现了VNF部署时能耗-时延多目标优化。
张丹[5](2020)在《基于混合SDN网络的节点部署与节能机制研究》文中提出软件定义网络(Software Defined Networking,SDN)的出现为网络的革新与发展增添了新的动力,带来了广阔的发展与应用前景。针对近年来互联网规模不断扩大而导致的互联网功耗快速增长的情况,节能已成为网络研究中的重要问题,SDN网络灵活的集中控制特征为改善网络性能和减少能耗带来了绝佳的机会。但是,传统网络向SDN网络转型的过程中需要实现对现有网络架构与设备的巨大变更,由于升级预算和技术问题的限制,需要逐步将骨干网中有限的传统路由器替换为SDN交换机。传统交换机或路由器与SDN设备共存的模式将长期存在,因此针对混合SDN网络的节点替换与节能机制的研究很值得探讨。针对当前混合SDN网络中缺少对SDN节点部署策略的研究方案,本文首先提出了仅考虑拓扑的混合SDN网络节点部署方案。此方案将最大化网络中可控制链路数量作为目标,根据网络拓扑的节点与链路信息,在满足节点部署预算的约束条件下,为网络寻找到需要被替换为SDN节点的传统节点集。同时,考虑到存在将网络划分为多个区域进行管理的混合网络需求,本文也提出了在部署预算条件约束下满足混合SDN网络中多区域的节点部署方案。对于一些可以测量到网络中流量矩阵的场景,本文也提出了通过结合各节点所能控制流量大小等信息,选择网络中满足预算约束且能够最大化网络流量控制能力的节点集作为部署方案。结合本文所提出的SDN交换机替换方案,为了研究混合SDN网络的节能问题,本文提出了一个基于遗传算法的混合网络节能算法,通过对网络中SDN链路状态以及SDN交换机行为的控制,在保证网络正常运行的情况下,将部分可控链路状态调整至休眠状态,降低网络冗余负载从而实现混合SDN网络的节能目标。同时为了满足快速获取网络中节能设置解决方案的需求,本文还提出了运用贪心思想的快速链路控制算法,在满足网络中流量及链路负载约束的条件下,优先选择当前SDN链路集合中负载较低的链路对其状态进行调整。通过运用ISP拓扑的真实流量进行一系列的实验并与其他相关工作进行对比,证明了本文所提出的节点部署与节能算法相结合的方案可以有效降低网络能耗。
熊琪乐[6](2020)在《空分复用弹性光网络中优化物理损伤和能耗的资源调度算法》文中进行了进一步梳理随着高速移动互联网的普及与发展,新兴业务的大量涌现,对光传输技术和有效的资源调度算法提出了空前的挑战。基于光正交频分复用技术的弹性光网络可灵活多变的为业务请求分配频谱资源并创建子信道,是极具发展潜力和商用价值的下一代智能光网络技术。此外,空分复用技术的能够从空间维度上进一步地增加光传输网的物理容量,其中最具代表性的多芯光纤由于其可靠的商用价值成为了近几年的研究热点。结合空分复用和弹性光网络技术不仅能够灵活地分配频谱资源,还能够很好地应对呈指数增长的业务需求。然而新技术的引入同样会带来如下新的挑战:首先,传统的资源分配算法不再适用于新网络背景;其次,纤芯分配引入的空间维度使得资源分配算法的设计变得更加复杂,而物理损伤会随着业务量和传输距离的增长成为业务阻塞的主要原因;最后,空分复用弹性光网络技术的引入和爆炸式增长的业务量势必会导致更高的网络能耗。因此,设计一个合理可靠的光传输网络资源分配算法显得尤为重要,论文主要研究空分复用弹性光网络中优化芯间串扰、非线性损伤和能耗问题的资源分配算法,主要工作及创新成果如下:首先,论文第三章提出了考虑多芯光纤中芯间串扰与能耗的资源分配算法。在算法的路由阶段设计了一个候选路径剩余资源计算公式,配合能效疏导算法判断当前候选路径是否满足疏导条件,对满足条件的路径执行能效疏导操作。随后在算法的频谱纤芯分配阶段提出了一个联合静态避免与动态感知的串扰优化算法以降低串扰对业务传输的影响。本文所提出的资源分配算法以保证业务请求成功传输为首要目标,降低传输系统的阻塞率,并在此基础上对条件适合的候选路径进行能效疏导,通过降低收发器等硬件的开关次数和固有能耗,同时减少保护带宽的使用,来达到降低系统能耗的目的。仿真结果表明,本文所提的算法能够有效的降低芯间串扰的影响,降低业务阻塞率,提高资源利用率且降低系统能耗。其次,在第三章的研究基础上,第四章进一步地研究了多芯光纤中以芯间串扰和非线性损伤为代表的物理损伤和频谱碎片问题。提出了一个基于虚拟辅助图的物理损伤感知算法。在路由阶段,通过构建虚拟辅助图来获得合适的候选路径集合,在为业务请求寻路的同时降低算法复杂度。在频谱纤芯分配阶段,设计了一个考虑物理损伤的频谱碎片度量公式,通过物理损伤感知算法判断并降低传输新业务请求对系统所积累的物理损伤程度。仿真结果表明,本算法对阻塞率和资源利用率的改善均有较好的效果。
谭艳霞[7](2019)在《“IP+光”协同架构下的资源优化研究》文中研究表明随着4K视频、VR、物联网等新兴业务的快速发展,骨干网流量快速增长。骨干网采用层叠模式的“IP+光”协同架构服务于快速增长的用户需求。在层叠模式下,IP层采用双平面层次化组网架构以汇聚带宽,光层采用扁平化架构以解决大容量,长距离传送问题。在“IP+光”协同网络架构中,针对业务请求一般存在两种不同处理方式:光层直通和IP-光协同传输。“IP+光”协同架构下两种业务传输方式的适应性阈值及其资源优化是一项关键研究课题。本论文以“IP+光”协同架构下两种不同的业务处理方式为主线,从架构适应性分析和资源分配机制两个角度深入展开分析。重点研究“IP+光”协同网络架构下两种业务处理方式的适应性阈值问题、弹性光网络中的路由与频谱资源分配问题以及多层网络中的资源联合调度问题。并在仿真平台上进行了仿真验证和性能分析。具体来说,本论文的主要研究内容和创新点包括以下几个方面:1.提出了一种“IP+光”协同架构下IP交换和光交换的带宽阈值适应性算法。针对“IP+光”协同架构下两种传输方式的合理分工范围问题,论文在新型“IP+光”协同架构下,以OTN设备为传输层基础设施,建立了IP交换和OTN交换在不同业务参数和网络参数条件下的成本模型,并展开了基于硬件成本和光端口成本的带宽阈值算法研究。通过大量的仿真实验,在业务请求数量改变时,比较了IP交换和OTN交换在不同的交换粒度和端口速率下基于硬件成本的带宽阈值分界点。同时,通过计算不同业务请求数量和交换粒度下的最小硬件成本及其对应的端口板卡配置情况,对基于硬件成本的带宽阈值分界点结果进行验证分析。仿真结果表明,在交换粒度为1.25Gb/s时,当业务请求的带宽均值超过280Mbps,采用OTN交换的硬件成本比采用IP交换的硬件成本更低。进一步地,针对采用光层直通时引起的光缆数量和业务跳数增加的问题,本研究对IP交换和OTN交换在不同的交换粒度和端口速率下基于光端口成本的带宽阈值分界点及业务转发时延进行了仿真验证分析。2.提出了一种基于网络能耗的自适应路由与频谱分配算法。在光层直通传输方式下,该算法主要针对弹性光网络中的能耗问题,借助遗传算法的思想将可行解编码映射到遗传算子上,通过遗传算子进行交叉和变异操作,迭代产生比前代更优的可行解集合,从而为业务请求找到近似最优解。仿真结果表明,在不同网拓扑下,对比其他比较算法如EAMGSP、IF和KSP(k=3),本研究提出的SW-Iteration算法能够有效地利用网络中的频谱资源,在保证阻塞率的情况下降低网络能耗,特别是当网络规模较大时,本研究提出的算法在阻塞率和网络能耗上显示出的性能优势更明显。进一步地,提出了一种基于频谱连通度的自适应路由与频谱分配算法。在光层直通传输方式下,针对弹性光网络中如何高效的进行频谱资源分配问题,该算法首先在可用路由路径上找到所有可以满足业务需求的空闲频谱块,然后分别计算各个频谱块的路径频谱连通度和链路频谱连通度,最后根据需求将频谱连通度最大的频谱块分配给业务请求。仿真结果表明,与基准算法相比,在静态和动态网络场景下,DA-FASA算法在阻塞率和频谱资源利用率方面具有较高的性能。3.提出了一种基于虚拟传输网络的多层网络资源联合调度算法。在IP-光协同传输方式下,该算法针对骨干网络中不同类型业务资源分配不均的问题,主要包括虚拟传输网络(VTN)资源描述、虚拟传输网络业务映射和虚拟传输网络重调整三个子问题。提出的算法有效地将资源池中的路由器资源和光网络资源进行一体化切片,根据业务需求建立虚拟传输网络,并将相应的资源通过VTN分配给虚拟业务请求,从而减少IP网络与光网络交互次数,优化网络资源分配。仿真结果表明,相比于没有使用虚拟传输网络的多层网络资源优化算法,所提出的基于虚拟传输网络的资源池化与优化调度机制能够有效地利用网络资源,在保证虚拟业务请求平均接收比率的条件下提高网络资源利用率。
毛琳[8](2019)在《基于SDN的异构网络通信机制研究》文中研究指明自软件定义网络(Software Defined Network,SDN)提出以来,其控制转发分离和灵活管理的特点,很好的解决传统IP网络面临的多种问题,减轻了数据网络的负担,并广泛应用于如流量工程、网络安全、网络管理等多个领域,因此将SDN渐进部署到IP网络成为当前研究热点。然而由于SDN框架与当前IP网络架构存在巨大差异,SDN与IP网络间通信存在严重问题,若要将SDN的优势完全体现,SDN/IP域间通信问题势必要考虑。同时在SDN大规模应用的过程中,如何处理暴增的数据流量,均衡网络负载,保障业务服务质量(Quality of Service,QoS),并提高网络资源利用率也是亟待解决的问题。针对以上问题,本文主要工作如下:1.分析了SDN/IP异构网络域间通信存在路由的问题,提出了SDN/IP跨域异构网络通信模型,引入网络抽象思想,通过三层路由模块和边缘节点使得OpenFlow控制器可以支持IP路由协议,实现异构网络间网络可达信息的同步。在三层路由模块中,通过路由引擎子模块解析和应答路由消息,并对外抽象OpenFlow网络为标准“路由器”;同时在控制器端设计了边缘管理、路由处理和路由引擎管理三个子模块,实现对SDN内部网络跨域数据报的转发控制和对路由引擎子模块的管理。然后在边缘节点位置增加反馈机制,主动探测并上报边缘位置状态信息,扩大SDN影响。仿真证明,该模型能有效的满足SDN/IP跨域网络通信要求。2.针对SDN/IP跨域网络中大象流转发问题,设计了面向跨域的多路径负载均衡通信机制。该机制通过流量监测模块实时监测识别网络中大象流,提出多路径动态负载均衡算法,实现网络负载均衡。首先根据链路实时QoS指标,计算多条最小开销路径,引入了流拆分思想,使用多条路径承担一条大象流,减轻单条路径负担,提高网络资源利用率。然后引入基于博弈论的拍卖模型计算分流策略,优化网络最大链路利用率。仿真结果表明,该算法能够有效的均衡网络流量,满足业务的QoS需求,并将网络资源利用率提高至83%。
任诚[9](2018)在《集中模式下的网络资源分配机制与算法研究》文中进行了进一步梳理随着通信网络规模的不断扩大和通信需求的日益增长,传统的分布式控制逻辑难于应对愈发复杂的网络管理需求,对网络资源分配的优化能力有限。集中模式是相对于分布式模式的一种网络管理模式,由集中控制器搜集全网拓扑信息,实现网络资源的统一管理和调度。集中控制器具有可编程性,能够根据不同的优化目标执行针对全网的优化策略,完成对网络的精准及灵活控制。集中模式所倡导的网络控制方式使网络的设计和管理更加灵活。本文从广域网(Wide Area Network,WAN)、园区网(Campus Network)和特殊用途的网络三个方面分别讨论集中模式给网络管理及资源分配带来的好处。具体以IP over WDM(Wavelength Division Multiplex,波分多路复用)网络、混合软件定义网络(Hybrid Software-Defined Networking,HSDN)和数据中心网络作为以上三类网络的代表进行深入研究。本文主要研究内容包括:(1)基于集中模式的IP over WDM网络节能虚拓扑设计作为广域网的重要组成部分,现有的IP over WDM网络在进行虚拓扑设计时通常将节约网络能耗作为单一的评价指标,最小化所需的节点数量和链路数量,难以满足上层业务对网络其他性能的需求,比如网络生存性。WDM技术虽可以大幅提高链路的传输容量,但同时也对网络生存性提出了更高要求。因此,在网络设计运行之初需要综合考虑多种网络性能以优化网络设计策略,实现网络资源的合理配置。同时考虑多种网络性能的资源配置方案应当是基于对电层虚拓扑和光层物理资源的集中管理,通过对IP网络与光网络的联合设计而获得的。本文对IP over WDM网络的能耗效率、网络资源效率和网络生存性三个方面进行统一折衷优化,得到一个静态需求下的虚拓扑设计方案。实验结果表明,与已有的节能算法相比,本文提出的方案使网络能耗平均降低了39.8%,网络资源的平均使用量减少了28.2%,网络跨层生存性平均提升了35.7%。(2)基于集中模式的HSDN网络流量工程与流管理软件定义网络(Software Defined Networking,SDN)是一种典型的采用集中模式的网络范式。SDN在园区网中的部署旨在应对日益复杂的网络管理要求和优化网络资源分配。受限于网络管理者所面临的SDN部署成本等问题,在园区网中增量部署SDN成为现有传统网络向SDN过渡的折衷方案,HSDN应运而生。在HSDN中的流分为至少经过1个SDN节点的SDN流和未经过任何SDN节点的IP流。已有的关注HSDN流量工程(Traffic Engineering,TE)的工作对IP流没有实现集中管理,导致TE性能不理想。为了提升HSDN网络TE性能,本文利用新技术,如Fibbing[1]、Panopticon[2]和Telekinesis[3],对IP路由器和SDN交换机的路由进行统一管理,以获得集中模式在HSDN全网范围的实现。在单播通信方面,基于集中模式提出了流路由分离(Flow Routing and Splitting,FRS)算法,将IP流转换为SDN流,在实现对所有流集中管理的同时提升了TE性能。并且,FRS算法使HSDN以20%的SDN节点部署比例获得了媲美全网部署SDN时的TE性能。在多播通信方面,近年来通信网络中多播流量的爆发式增长使其日益成为网络流量的重要组成部分。与单播相比,多播通信能有效地减少网络资源消耗。目前,基于HSDN的多播通信流量工程问题鲜有相关研究。为了提升HSDN多播通信的TE性能和安全性,本文基于集中模式提出了多播路由及分离(Multicast Routing and Splitting,MRS)算法,将多播组路由路径分为单播路由和多播路由两部分区分处理。对于每个多播组,算法计算出一个核心SDN节点作为集中控制器的管理接口,通过网络功能的灵活部署(如接入控制)增强HSDN多播通信安全性能;同时以核心SDN节点为根节点建立多棵多播树以实现负载均衡。仿真数据表明,当SDN节点部署比例达到40%时,为每个多播组计算2棵多播树,HSDN可以获得与全网部署SDN相接近的多播通信TE性能。(3)基于集中模式的数据中心网络流调度优化在特殊用途的网络范畴,本文选择数据中心来进一步探究集中模式带来的好处。作为支撑起大数据产业及云计算平台的关键基础设施,从提高网络资源利用率、加快应用响应速度的角度出发,数据中心需要结合上层应用的特点进行下层网络的传输任务调度。采用集中模式对应用层和网络层进行集中管理显然是最佳选择。已有的相关工作追求网络资源分配的公平性,其优化目标没有与应用层需求完全匹配,难于真正部署到实际网络中。据此,本文以数据中心集群计算框架为应用背景提出了在线流追赶算法(Flow Chasing Algorithm,FCA)。算法将标志一个计算阶段开始或者结束的一组流定义为一个transfer,集中控制器根据应用层描述的每个transfer所包含的流信息,以transfer为粒度进行网络层资源分配。算法分为transfer内部和外部两个阶段,旨在尽可能降低平均传输完成时间(Transfer Completion Time,TCT)。将FCA部署在实验平台上,实验结果表明,FCA降低了约6.24%的平均TCT,节约了约4.8%的shuffle完成时间,缩短了大概2.00%的任务(job)完成时间。
林霄[10](2018)在《存储转发光交换网络若干关键问题研究》文中认为云服务、社交网络、移动互联网等新兴技术的发展引发了前所未有的网络传输需求。数据中心备份、大文件传输和包括基因研究在内的大科学数据,传输的数据量可达数十TB,传输所需带宽可达数Gbps。然而,网络中带宽使用在时间和空间上的不均衡性,使得较大网络范围内进行上述的端到端数据传输难以实现。一个典型的例子是跨时区的数据传输。由于不同时区中网络出现带宽使用的峰谷时间不一致,跨多个时区的端到端高带宽通路难以实现。即便在同一个时区中,由于网络中各条链路带宽可用情况差异甚大,能够提供给端到端传输的窗口很小,很难达到海量数据传输的要求。存储转发(SnF)是缓解上述困境的有效手段。通过将数据缓存于具有海量存储的中继节点(例如数据中心中),等到后续网络相对空闲时再继续传输,可以有效提高网络的资源利用率和传输效能。已有研究表明,在不增加网络成本的情况下,引入存储可以极大地提高网络传输数据的能力。但是,存储的引入使得原来的空间路由问题转变为一个同时包括空间和时间两个维度的调度问题。而且,不恰当地调度存储与带宽资源,将加剧资源碎片化、绕路等现象,反而恶化网络性能。很显然,存储的引入对网络资源(包括带宽和存储资源)的调度提出了更高的要求。本论文以海量存储在光电路交换(OCS)网络中的使用为研究场景,主要研究SnF OCS网络中资源调度及相关问题。尽管本论文的研究工作基于波长交换网络开展,但是研究结果同样适用于其它类型的电路交换、虚电路交换的网络,对于在带宽可管理的分组交换网络中应用SnF也具有一定的参考价值。本文的研究内容如下:1.面向存储转发光交换网络的路由框架SnF的核心思想借助存储,实现对不均衡资源的高效调度。因此,如何有效捕捉资源的不均衡性,并用于请求的路由调度,是一切研究的基础。本论文首先提出了一种路由框架,即时移多层图(TS-MLG)。TS-MLG以多层图形式准确捕捉了资源的时空动态变化。只需对TS-MLG进行一次最短路由计算,即同时实现空间路由和时空调度、带宽和存储资源分配,极大简化了网络的路由调度过程。2.存储转发光交换网络的时隙化运行及其性能带宽的不均衡性产生了大量资源碎片。能否合理分配、利用这些资源碎片直接决定了网络的数据传输效能。本论文将时隙化网络运行机制应用于SnF OCS网络。研究发现,采用粗粒度的时隙化运行机制可以有效提高网络的数据传输效能。3.存储转发光交换网络中时空解耦的路由调度方法为了进一步降低资源调度方法的计算复杂度,本论文探讨了时间和空间解耦的调度方法。本文的研究表明,通过将调度问题分解为空间路由和时间调度问题分别求解,不仅可以简化算法设计、降低计算复杂度,而且阻塞性能不会受到较大影响。4.高容错、低成本光交换矩阵设计光交换矩阵是SnF OCS网络的核心设备,数据的可靠传输需要具有容错功能的光交换矩阵。本论文提出一种环型容错结构,适用于任何类型的光交换矩阵。该结构通过将输入端两两相连,实现业务在不同输入端之间的重路由使得输入端都互为冗余。研究表明,该环型容错结构不仅容错性好、可扩展性强,而且系统成本低。5.存储转发光交换在接入和广域网场景的应用为了检验SnF OCS在端到端传输场景中的应用成效,本论文将SnF OCS应用于接入和广域网场景,并提出了两种数据传输方法解决不同网络中遭遇的问题。本论文的主要贡献:(1)提出了一种路由调度框架,有效捕捉了资源动态、简化了路由调度过程;(2)证明了采用粗粒度时隙化机制可以提高网络的数据传输性能;(3)提出了一种时空解耦的路由调度方法,获得了低复杂度、高传输性能;(4)提出了一种光交换矩阵容错结构,实现了高容错性、低成本的容错结构;(5)将SnF OCS应用于接入和广域网,针对实际问题提出了解决方案。
二、IP路由器技术的现状及未来(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、IP路由器技术的现状及未来(论文提纲范文)
(1)面向IP+光协同网络的跨层资源灵活调度研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.3 研究内容 |
1.3.1 基于资源池化的IP+光跨层网络的协同控制架构设计 |
1.3.2 基于资源池化的动态跨层网络资源分配机制 |
1.3.3 基于机器学习的光路预配置及延迟释放的网络自适应重配机制 |
1.4 论文结构安排 |
1.5 本章小结 |
第二章 基于资源池化的IP+光跨层网络协同管控机制 |
2.1 “IP+光”跨层协同网络总体架构 |
2.2 基于资源池化的跨层网络协同控制平台详细设计与实现 |
2.2.1 开源控制器RYU研究 |
2.2.2 弹性光网络研究 |
2.2.3 “IP+光”整体模块设计及工作流程 |
2.3 硬件实验平台搭建与验证 |
2.3.1 实验平台搭建 |
2.3.2 实验结果与分析 |
2.4 本章小结 |
第三章 基于资源池化的动态跨层网络资源分配机制 |
3.1 背景及相关工作 |
3.2 模型建立 |
3.2.1 MS-SNA算法整体概述 |
3.2.2 MS-SNA算法模型建立 |
3.3 算法实现 |
3.4 实验仿真与分析 |
3.4.1 仿真条件 |
3.4.2 实验仿真结果与分析 |
3.5 本章小结 |
第四章 基于深度学习的跨层网络自适应主动调整机制 |
4.1 背景及相关工作 |
4.1.1 问题描述 |
4.1.2 光资源延迟释放 |
4.1.3 基于深度学习的光路预配置 |
4.1.4 基于机器学习的光路预配置和延迟释放的网络自适应重配机制 |
4.2 模型建立 |
4.3 算法实现 |
4.3.1 PNA-RA算法实例说明 |
4.3.2 算法实现 |
4.4 实验仿真与分析 |
4.4.1 仿真条件 |
4.4.2 仿真结果 |
4.5 本章小结 |
第五章 总结与展望 |
5.1 论文总结 |
5.2 展望 |
参考文献 |
附录1 缩略语 |
致谢 |
攻读学位期间发表的学术论文目录 |
(2)IP-over-EON中差错检测和服务恢复技术的研究(论文提纲范文)
摘要 |
ABSTRACT |
符号说明 |
第1章 绪论 |
1.1 IP-over-EON概述 |
1.2 影响IP-over-EON正常运行的因素 |
1.2.1 EON中的硬失效一 |
1.2.2 EON中的软失效 |
1.2.3 IP层的硬失效 |
1.2.4 IP层的软失效 |
1.3 研究现状 |
1.4 研究内容和组织结构 |
第2章 应对IP层中路由器失效的服务恢复技术 |
2.1 IP-over-EON中IP路由器失效问题 |
2.1.1 IP-over-EON模型 |
2.1.2 问题描述 |
2.1.3 三种基本恢复策略 |
2.2 ILP模型 |
2.3 启发式算法 |
2.4 仿真结果 |
2.4.1 仿真环境设置 |
2.4.2 八点拓扑的仿真结果 |
2.4.3 NSFNET的仿真结果 |
2.5 小结 |
第3章 应对动态IP流量拥塞的服务恢复技术 |
3.1 引言 |
3.2 网络模型和运行原理 |
3.2.1 网络模型 |
3.2.2 运行原理 |
3.2.3 流量数据采集 |
3.2.4 基于深度学习的流量预测 |
3.3 ILP模型 |
3.4 启发式算法 |
3.5 数值仿真 |
3.5.1 仿真环境设置 |
3.5.2 六点网络中的仿真结果 |
3.5.3 NSFNET中的仿真结果 |
3.6 系统原型和实验展示 |
3.6.1 系统原型 |
3.6.2 实验展示 |
3.7 本章小结 |
第4章 EON中的异常检测与定位 |
4.1 引言 |
4.2 系统设计 |
4.2.1 AutoSpecheck系统主要组成部分 |
4.2.2 数据收集 |
4.3 数据平面中基于自编码器的频谱数据压缩 |
4.4 控制平面中基于半监督式学习的异常检测 |
4.4.1 自动化数据标记 |
4.4.2 高效异常检测和定位 |
4.5 数值结果 |
4.5.1 数据预处理和CFM性能 |
4.5.2 异常检测和定位的性能 |
4.5.3 AutoSpecheck系统的总体性能 |
4.6 系统实验演示 |
4.6.1 滤波器通带偏移的监测 |
4.6.2 带内干扰的监测 |
4.7 小结 |
第5章 总结与展望 |
5.1 本文工作总结 |
5.2 未来工作展望 |
参考文献 |
致谢 |
在读期间发表的学术论文与取得的研究成果 |
(3)智慧协同网络数据传输关键技术研究(论文提纲范文)
致谢 |
摘要 |
ABSTRACT |
主要缩略语对照表 |
1 绪论 |
1.1 引言 |
1.2 研究背景与研究现状 |
1.2.1 未来网络体系架构 |
1.2.2 智慧协同网络CoLoR协议体系 |
1.2.3 CoLoR传输层的设计挑战 |
1.2.4 现有数据传输机制 |
1.3 提出问题与研究意义 |
1.4 论文主要工作与创新点 |
1.5 论文组织结构 |
2 高干扰环境面向数据流的逐跳传输机制 |
2.1 引言 |
2.1.1 EF-TP的速率问题 |
2.1.2 HC-TP的时延问题 |
2.2 总体设计 |
2.2.1 控制模型 |
2.2.2 内容标识体系 |
2.2.3 优先级转发 |
2.2.4 单路由规则 |
2.3 可靠性控制机制 |
2.3.1 逐跳可靠性控制 |
2.3.2 端到端可靠性控制 |
2.4 拥塞控制机制 |
2.4.1 逐跳拥塞避免 |
2.4.2 逐跳拥塞缓冲 |
2.4.3 端到端拥塞恢复 |
2.5 仿真结果与性能评估 |
2.5.1 原型系统的设计与部署 |
2.5.2 流开始时延 |
2.5.3 流结束时延 |
2.5.4 带宽利用率 |
2.5.5 带宽公平性 |
2.5.6 缓存开销 |
2.5.7 经济开销 |
2.6 本章小结 |
3 高动态环境传输安全防御机制 |
3.1 引言 |
3.1.1 高动态环境中链路洪泛攻击的新特点 |
3.1.2 现有防御机制的失效 |
3.1.3 僵尸网络分布的不均匀性 |
3.2 主动防御机制 |
3.2.1 攻击检测 |
3.2.2 攻击溯源 |
3.2.3 流量标记 |
3.2.4 流量拦截 |
3.3 被动防御机制 |
3.3.1 日常时段流量监测 |
3.3.2 攻击时段源域身份识别 |
3.3.3 攻击时段源域流量过滤 |
3.4 有效性分析与评估 |
3.4.1 测试系统的设计与部署 |
3.4.2 LFA暴露时间的验证 |
3.4.3 主动防御的有效性 |
3.4.4 被动防御的有效性 |
3.4.5 被动防御的防御效率 |
3.4.6 被动防御的附带损伤 |
3.4.7 被动防御的攻击成本 |
3.5 本章小结 |
4 高干扰高动态复杂环境协同传输方法 |
4.1 引言 |
4.1.1 传输兼容问题 |
4.1.2 传输互联问题 |
4.2 并行兼容方法 |
4.2.1 数据包格式 |
4.2.2 优先级队列 |
4.2.3 路由器架构 |
4.3 串行互联方法 |
4.3.1 协议栈设计 |
4.3.2 传输机制互联方案 |
4.3.3 传输机制切换方案 |
4.4 仿真结果与性能评估 |
4.4.1 测试系统的设计与部署 |
4.4.2 并行兼容方法的有效性 |
4.4.3 并行兼容方法在高干扰环境中的性能 |
4.4.4 并行兼容方法对常规并发服务的支持 |
4.4.5 并行兼容方法的服务质量 |
4.4.6 链路永久中断时的传输性能 |
4.4.7 链路间歇中断时的传输性能 |
4.4.8 高动态场景中的缓存完整性 |
4.4.9 高动态场景中的缓存利用率 |
4.4.10 串行互联方法的传输性能 |
4.4.11 串行互联方法的动态全局最优 |
4.5 本章小结 |
5 总结与展望 |
5.1 总结 |
5.2 未来研究工作展望 |
参考文献 |
作者简历及攻读博士学位期间取得的研究成果 |
学位论文数据集 |
(4)弹性光网络环境下VNF服务链部署研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景 |
1.1.1 弹性光网络的产生 |
1.1.2 网络功能虚拟化的产生 |
1.2 研究现状 |
1.2.1 弹性光网络的研究现状 |
1.2.2 网络功能虚拟化研究现状 |
1.3 本文研究内容及工作安排 |
1.3.1 论文主要内容 |
1.3.2 论文结构 |
第2章 弹性光网络和网络功能虚拟化技术 |
2.1 弹性光网络架构及其相关技术 |
2.1.1 弹性光网络架构 |
2.1.2 SBVT技术 |
2.1.3 流量疏导技术 |
2.1.4 路由与频谱分配技术 |
2.2 网络功能虚拟化及其相关技术 |
2.2.1 网络功能虚拟化 |
2.2.2 VNF服务链技术 |
2.3 本章小结 |
第3章 基于SBVT弹性光网络的服务链部署ILP算法 |
3.1 引言 |
3.1.1 IP over EON光网络结构 |
3.1.2 基于SBVT的EON网络的流量疏导 |
3.1.3 在IP over EON中的RSA问题 |
3.2 问题描述与ILP算法模型 |
3.2.1 ILP算法模型 |
3.3 仿真环境设置 |
3.4 仿真结果分析 |
3.5 本章小结 |
第4章 基于深度强化学习的服务链部署算法研究 |
4.1 引言 |
4.1.1 RL基本框架 |
4.1.2 马尔科夫决策过程 |
4.1.3 时间差分学习方法Q-learning |
4.2 基于深度强化学习的服务链部署模型 |
4.3 仿真环境设置 |
4.4 仿真结果分析 |
4.5 本章小结 |
第5章 结论 |
参考文献 |
指导教师对学位论文的学术评语 |
学位论文答辩委员会决议书 |
致谢 |
攻读硕士学位期间的研究成果 |
(5)基于混合SDN网络的节点部署与节能机制研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.3 本论文研究内容及章节安排 |
1.3.1 本论文研究内容 |
1.3.2 本论文章节安排 |
1.4 本章小结 |
第2章 混合SDN网络相关工作 |
2.1 混合SDN网络模型 |
2.2 混合SDN网络部署与节能方案 |
2.2.1 混合SDN网络架构与设计 |
2.2.2 混合SDN网络部署方案 |
2.2.3 混合SDN网络节能方案 |
2.3 本章小结 |
第3章 研究场景与方案 |
3.1 混合SDN网络转发机制 |
3.2 混合SDN网络节能模型 |
3.3 混合SDN网络研究方案 |
3.3.1 方案简介 |
3.3.2 参数定义 |
3.4 本章小结 |
第4章 基于拓扑的混合SDN网络部署研究 |
4.1 基于链路的混合SDN网络部署方案 |
4.1.1 最多传统链路节点优先算法(PNML) |
4.1.2 划分网络区域算法(DNαR) |
4.2 基于流量的混合SDN网络部署方案 |
4.3 实验设计与结果分析 |
4.3.1 基于链路的节点部署实验与分析 |
4.3.2 基于流量的节点部署实验与分析 |
4.4 本章小结 |
第5章 基于拓扑的混合SDN网络节能调度研究 |
5.1 基于遗传算法的混合SDN网络节能算法 |
5.2 快速链路控制算法 |
5.3 实验设计与结果分析 |
5.3.1 基于部署策略的节能情况 |
5.3.2 节能算法效果对比 |
5.3.3 链路带宽对节能效果的影响 |
5.3.4 延时性问题 |
5.3.5 运行时间 |
5.4 本章小结 |
结论与展望 |
本文工作总结 |
未来工作展望 |
致谢 |
参考文献 |
(6)空分复用弹性光网络中优化物理损伤和能耗的资源调度算法(论文提纲范文)
摘要 |
abstract |
第1章 引言 |
1.1 空分复用弹性光网络概述 |
1.1.1 弹性光网络技术 |
1.1.2 空分复用技术 |
1.1.3 空分复用弹性光网络架构 |
1.2 空分复用弹性光网物理损伤问题及研究现状 |
1.2.1 空分复用弹性光网络中芯间串扰问题及研究现状 |
1.2.2 空分复用弹性光网络中非线性损伤及研究现状 |
1.3 空分复用弹性光网络能耗资源调度问题及研究现状 |
1.4 论文结构与内容安排 |
第2章 空分复用弹性光网络模型与资源优化问题分析 |
2.1 空分复用弹性光网络物理损伤模型分析 |
2.1.1 空分复用弹性光网络中非线性损伤分析 |
2.1.2 空分复用弹性光网络中芯间串扰分析 |
2.2 空分复用弹性光网络能耗问题与节能技术研究 |
2.2.1 SDM-EONs中能耗模型 |
2.2.2 基于硬件控制的节能技术 |
2.2.3 基于软件算法调度的节能技术 |
2.3 空分复用弹性光网络中RSCA问题研究 |
2.3.1 路由子问题 |
2.3.2 频谱纤芯分配子问题 |
2.4 本章小结 |
第3章 多芯光纤中考虑芯间串扰和能效的资源分配算法 |
3.1 研究背景 |
3.2 问题描述 |
3.3 基于动态路由疏导和混合串扰解决的资源分配算法 |
3.3.1 EEG-HCS算法总流程图 |
3.3.2 串扰避免策略 |
3.3.3 候选路径剩余资源计算公式 |
3.3.4 能效疏导算法 |
3.3.5 串扰感知算法 |
3.3.6 算法时间复杂度分析 |
3.4 仿真验证及结果分析 |
3.4.1 仿真环境及优化指标 |
3.4.2 仿真结果分析 |
3.5 本章小结 |
第4章 多芯光纤中动态路由与物理损伤感知的资源分配算法 |
4.1 研究背景 |
4.2 问题描述 |
4.3 基于虚拟辅助图的动态路由及串扰感知资源分配算法 |
4.3.1 VADR-PIA算法总流程图 |
4.3.2 基于虚拟辅助图的动态路由子算法 |
4.3.3 物理损伤频谱碎片度量公式及物理损伤感知子算法 |
4.3.4 算法时间复杂度 |
4.4 仿真验证及结果分析 |
4.4.1 仿真环境与评价指标 |
4.4.2 仿真结果分析 |
4.5 本章小结 |
第5章 总结与展望 |
5.1 工作总结 |
5.2 工作展望 |
参考文献 |
致谢 |
攻读硕士学位期间从事的科研工作及取得的成果 |
(7)“IP+光”协同架构下的资源优化研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 引言 |
1.2 IP网络与光传送网络 |
1.2.1 IP网络 |
1.2.2 光传送网络 |
1.3 “IP+光”协同架构下的资源优化关键问题 |
1.3.1 “IP+光”协同架构下IP交换和光交换的适应性问题 |
1.3.2 “IP+光”协同架构下弹性光层中的路由与频谱资源优化问题 |
1.3.3 基于网络虚拟化的多层网络资源优化问题 |
1.4 国内外研究现状 |
1.5 论文工作的主要研究内容和创新点 |
1.6 论文的结构安排 |
参考文献 |
第二章 “IP+光”协同架构下IP交换和光交换的适应性分析 |
2.1 光与IP协同网络架构的演进 |
2.1.1 光与IP协同发展的趋势 |
2.1.2 “IP+光”协同组网架构 |
2.2 IP交换和光交换基于硬件成本的适应性分析 |
2.2.1 CLOS交换网络 |
2.2.2 适应性问题描述及模型 |
2.2.3 基于硬件成本和光端口成本的带宽阈值适应性算法 |
2.3 成本阈值问题仿真结果分析 |
2.3.1 仿真参数设置 |
2.3.2 基于硬件成本的BDT值仿真结果分析 |
2.3.3 基于光端口成本的BDT值和转发时延仿真结果分析 |
2.4 本章小结 |
参考文献 |
第三章 “IP+光”协同架构下弹性光层中的路由与频谱资源分配研究 |
3.1 遗传算法 |
3.1.1 遗传算法概念 |
3.1.2 遗传算法在弹性光网络的路由与频谱分配问题中的应用 |
3.2 弹性光网络中的能耗最小化问题 |
3.2.1 能耗模型及问题描述 |
3.2.2 能耗最小化的MILP模型 |
3.2.3 基于遗传因子的能耗最小化算法 |
3.3 能耗问题仿真结果分析 |
3.3.1 仿真条件 |
3.3.2 算法性能比较 |
3.4 弹性光网络中的频谱资源利用率问题 |
3.4.1 问题描述及频谱连通度模型 |
3.4.2 基于频谱连通度的频谱分配算法 |
3.5 频谱资源利用率问题仿真结果分析 |
3.5.1 仿真参数设置 |
3.5.2 仿真结果分析 |
3.6 本章小结 |
参考文献 |
第四章 基于网络虚拟化的多层网络资源联合调度算法 |
4.1 “IP+光”网络中基于网络虚拟化的资源分配问题 |
4.1.1 虚拟网络中的资源分配问题概述 |
4.1.2 IP+光网络中的虚拟网络资源分配问题 |
4.2 “IP+光”协同网络中基于网络虚拟化的资源调度算法 |
4.2.1 “IP+光”协同网络中的虚拟网络资源分配问题描述 |
4.2.2 基于网络虚拟化的多层网络资源调度算法 |
4.3 仿真结果及数据分析 |
4.3.1 仿真参数设置 |
4.3.2 仿真结果及数据分析 |
4.4 本章小结 |
参考文献 |
第五章 论文总结与展望 |
5.1 本论文研究工作总结 |
5.2 未来研究工作展望 |
缩略词 |
致谢 |
攻读博士学位期间论文发表及专利申请目录 |
第一作者发表和录用论文 |
国家发明专利申请(第一学生完成人) |
(8)基于SDN的异构网络通信机制研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景和意义 |
1.2 国内外研究现状 |
1.2.1 SDN研究现状 |
1.2.2 SDN/IP异构网络研究 |
1.2.3 SDN/IP异构网络流量工程研究 |
1.3 论文主要工作 |
1.4 论文组织结构 |
第二章 相关技术介绍 |
2.1 SDN及相关技术介绍 |
2.1.1 SDN基本架构 |
2.1.2 SDN控制器 |
2.1.3 基于OpenFlow协议的SDN交换机 |
2.1.4 OpenFlow消息类型 |
2.1.5 Open vSwitch |
2.2 路由技术 |
2.2.1 虚拟路由技术 |
2.2.2 BGP |
2.3 负载均衡技术 |
2.3.1 基于IP网络的负载均衡 |
2.3.2 基于SDN的负载均衡 |
2.4 本章小结 |
第三章 SDN/IP跨域异构网络通信模型研究 |
3.1 引言 |
3.2 SDN/IP跨域异构网络通信模型 |
3.2.1 设计思路 |
3.2.2 模型框架 |
3.2.3 三层路由模块设计 |
3.2.4 SDN/IP跨域边缘节点设计 |
3.3 系统通信流程 |
3.3.1 通信场景 |
3.3.2 跨域ARP处理 |
3.3.3 跨域路由处理 |
3.4 实验仿真与结果分析 |
3.4.1 测试环境 |
3.4.2 路由协议处理功能测试 |
3.4.3 跨SDN域通信测试 |
3.5 本章小结 |
第四章 面向跨域的多路径负载均衡通信机制 |
4.1 概述 |
4.2 面向跨域的多路径负载均衡模型 |
4.2.1 框架设计思路 |
4.2.2 多路径动态负载均衡模型 |
4.3 多路径动态负载均衡算法 |
4.3.1 数学定义 |
4.3.2 分流策略思想 |
4.3.3 面向跨域的多路径负载均衡路由算法 |
4.4 仿真实验与性能评估 |
4.4.1 性能指标 |
4.4.2 仿真结果分析 |
4.5 本章小结 |
第五章 总结和展望 |
5.1 本文工作总结 |
5.2 未来工作展望 |
参考文献 |
致谢 |
攻读硕士学位期间从事的科研工作及取得的成果 |
(9)集中模式下的网络资源分配机制与算法研究(论文提纲范文)
摘要 |
abstract |
缩略词表 |
第一章 绪论 |
1.1 本论文选题意义 |
1.2 集中模式的意义 |
1.2.1 采用集中模式进行IPoverWDM节能虚拓扑设计的意义 |
1.2.2 集中模式对于HSDN的意义 |
1.2.3 采用集中模式进行数据中心流调度的意义 |
1.3 本文相关问题研究现状 |
1.3.1 IPoverWDM网络节能方法 |
1.3.2 HSDN中的流量工程和流管理 |
1.3.3 数据中心中流的优化调度 |
1.4 本论文的主要贡献与结构安排 |
第二章 集中模式下IPoverWDM网状网的节能虚拓扑设计 |
2.1 集中模式对于IPoverWDM节能虚拓扑设计的重要性 |
2.2 研究背景、动机及本章贡献概述 |
2.2.1 研究背景 |
2.2.2 设计启示 |
2.2.3 本章贡献概述 |
2.3 网络模型与问题描述 |
2.3.1 网络模型 |
2.3.2 问题描述 |
2.4 虚拟链路能量模型 |
2.4.1 IPoverWDM网状网结构 |
2.4.2 虚拟链路能量模型设计 |
2.4.2.1 光路的建立过程 |
2.4.2.2 基于设备端口的虚拟链路能量模型 |
2.4.3 IPoverWDM网络能耗分析 |
2.5 虚拟拓扑设计策略E~2VTD |
2.5.1 两层网络的能量感知辅助图模型 |
2.5.2 VLDMR算法 |
2.5.3 ECSI算法 |
2.6 算法仿真与分析 |
2.6.1 网络和需求设置 |
2.6.2 仿真设置 |
2.6.3 网络能耗效率 |
2.6.4 网络跨层生存性 |
2.6.5 网络资源效率 |
2.6.6 仿真结果总结 |
2.7 本章小结 |
第三章 集中模式下HSDN单播通信的流量工程与流管理 |
3.1 实现集中模式对于HSDN单播通信的重要性 |
3.2 研究背景与动机 |
3.2.1 问题描述 |
3.2.2 设计启示 |
3.3 问题建模 |
3.3.1 链路约束 |
3.3.2 流会话约束 |
3.3.3 MIP模型 |
3.4 算法设计 |
3.4.1 多路径计算算法 |
3.4.2 流路由分离算法 |
3.4.3 时间复杂度分析 |
3.5 算法仿真与分析 |
3.5.1 仿真设置 |
3.5.2 SDN节点部署比例 |
3.5.3 链路利用率 |
3.5.4 路由效率 |
3.5.5 仿真结果总结 |
3.6 本章小结 |
第四章 集中模式下HSDN多播通信的流量工程和流管理 |
4.1 实现集中模式对于HSDN多播通信的重要性 |
4.2 研究背景与动机 |
4.2.1 相关工作 |
4.2.2 问题描述 |
4.2.3 设计启示 |
4.3 问题建模 |
4.3.1 MIP建模分析 |
4.3.2 Node-link模型1 |
4.4 算法设计 |
4.4.1 Link-path模型2 |
4.4.2 生成树规划算法 |
4.4.3 多播路由及分离算法 |
4.4.4 时间复杂度分析 |
4.5 算法仿真与分析 |
4.5.1 仿真设置 |
4.5.2 SDN节点部署比例 |
4.5.3 单个多播组多播树计算数量 |
4.5.4 路由效率 |
4.6 本章小结 |
第五章 集中模式下数据中心平均传输完成时间优化调度 |
5.1 集中模式对于数据中心流调度的重要性 |
5.2 研究背景 |
5.2.1 背景介绍 |
5.2.2 问题概述 |
5.3 问题分析 |
5.3.1 通用集群计算框架 |
5.3.2 问题建模和讨论 |
5.3.3 统计结果分析 |
5.3.3.1 流到达间隔 |
5.3.3.2 流完成时间 |
5.3.3.3 单个Transfer流量大小 |
5.3.4 最优化分析 |
5.4 算法设计 |
5.4.1 流追赶算法框架 |
5.4.2 Transfer内部流速控制算法 |
5.4.3 Transfer之间流速控制算法 |
5.4.4 讨论与思考 |
5.5 算法仿真与分析 |
5.5.1 实验环境 |
5.5.2 算法实现 |
5.5.3 性能评估 |
5.5.3.1 Reducer完成时间 |
5.5.3.2 Shuffle完成时间 |
5.5.3.3 任务完成时间 |
5.6 本章小结 |
第六章 总结与展望 |
6.1 全文总结 |
6.2 未来工作展望 |
致谢 |
参考文献 |
攻读博士学位期间取得的成果 |
(10)存储转发光交换网络若干关键问题研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景及意义 |
1.1.1 大数据时代的来临 |
1.1.2 大数据网络传输的现状 |
1.1.3 大数据网络传输面临的挑战 |
1.1.4 大数据流的新特征与新机遇 |
1.1.5 存储转发光交换及其研究意义 |
1.2 国内外研究现状 |
1.2.1 大数据网络传输技术相关研究 |
1.2.2 基于存储转发的网络传输技术相关研究 |
1.2.3 小结 |
1.3 本论文的主要研究工作与创新点 |
1.4 本论文的结构安排 |
第二章 时移多层图:面向存储转发光交换网络的路由框架 |
2.1 研究背景 |
2.2 相关工作 |
2.3 时移多层图 |
2.3.1 系统模型与假设 |
2.3.2 原理概述 |
2.3.3 动态特性分析 |
2.4 使用TS-MLG进行路由调度 |
2.4.1 路由调度过程 |
2.4.2 计算复杂度 |
2.4.3 时空链路代价 |
2.5 通过限制层数实现性能和计算复杂度的折衷 |
2.5.1 实验设置 |
2.5.2 层数无限制的路由 |
2.5.3 层数有限制的路由 |
2.5.4 层数的动态特性 |
2.6 本章小结 |
第三章 存储转发光交换网络的时隙化运行及其性能 |
3.1 研究背景 |
3.2 相关工作 |
3.2.1 传统的细粒度时隙化网络运行机制 |
3.2.2 时隙化机制在基于存储转发的大数据传输方法中的应用 |
3.3 非时隙化存储转发光交换网络 |
3.3.1 系统模型与假设 |
3.3.2 非时隙化的请求处理与资源预约机制 |
3.4 时隙化存储转发光交换网络 |
3.4.1 系统模型与假设 |
3.4.2 时隙化的请求处理与资源预约机制 |
3.5 非时隙化与时隙化网络的比较分析 |
3.5.1 带宽碎片化 |
3.5.2 带宽利用率 |
3.5.3 资源预约窗口 |
3.6 数值结果与讨论 |
3.6.1 实验设置 |
3.6.2 网络阻塞性能 |
3.6.3 影响阻塞性能的因素 |
3.6.4 选择合适的时隙大小 |
3.7 本章小结 |
第四章 存储转发光交换网络中时空解耦的路由调度方法 |
4.1 研究背景 |
4.2 相关工作 |
4.2.1 困难与挑战 |
4.2.2 联合调度方法 |
4.2.3 解耦调度方法 |
4.3 三种资源调度机制的比较分析 |
4.3.1 资源调度机制的原理 |
4.3.2 搜索空间比较 |
4.3.3 可能路径数比较 |
4.4 时空解耦的路由调度方法 |
4.4.1 系统模型与假设 |
4.4.2 原理概述 |
4.4.3 特性分析 |
4.4.4 计算复杂度 |
4.5 性能分析与讨论 |
4.5.1 实验配置 |
4.5.2 网络负载 |
4.5.3 路由层数限制 |
4.5.4 计算时间 |
4.6 本章小结 |
第五章 高容错、低成本光交换矩阵设计 |
5.1 研究背景 |
5.2 相关工作 |
5.3 环型容错光交换矩阵 |
5.3.1 容错结构设计 |
5.3.2 基于SOA光交换矩阵的容错结构具体实现 |
5.3.3 不同容错结构的关键部件比较 |
5.4 性能分析与讨论 |
5.4.1 数值性能分析 |
5.4.2 可扩展性 |
5.4.3 现场试验 |
5.5 本章小结 |
第六章 存储转发光交换在接入和广域网场景的应用 |
6.1 研究背景 |
6.2 相关工作 |
6.2.1 接入网大数据传输 |
6.2.2 广域网大数据传输 |
6.3 存储转发光交换在接入和广域网场景中的应用 |
6.3.1 原理概述 |
6.3.2 面向接入网的存储转发光交换数据传输方法 |
6.3.3 基于广域网闲置带宽的数据传输方法 |
6.4 结果与讨论 |
6.4.1 接入网数据传输性能分析 |
6.4.2 广域网数据传输性能分析 |
6.5 本章小结 |
第七章 总结和展望 |
7.1 工作总结 |
7.2 工作展望 |
附录一 缩略语 |
参考文献 |
攻读博士学位期间科研成果 |
攻读博士学位期间参与的科研项目 |
致谢 |
四、IP路由器技术的现状及未来(论文参考文献)
- [1]面向IP+光协同网络的跨层资源灵活调度研究[D]. 屈永瑶. 北京邮电大学, 2021(01)
- [2]IP-over-EON中差错检测和服务恢复技术的研究[D]. 刘思祺. 中国科学技术大学, 2021(09)
- [3]智慧协同网络数据传输关键技术研究[D]. 王兆旭. 北京交通大学, 2020(03)
- [4]弹性光网络环境下VNF服务链部署研究[D]. 林飞焕. 深圳大学, 2020(10)
- [5]基于混合SDN网络的节点部署与节能机制研究[D]. 张丹. 西南交通大学, 2020(07)
- [6]空分复用弹性光网络中优化物理损伤和能耗的资源调度算法[D]. 熊琪乐. 重庆邮电大学, 2020(02)
- [7]“IP+光”协同架构下的资源优化研究[D]. 谭艳霞. 北京邮电大学, 2019(08)
- [8]基于SDN的异构网络通信机制研究[D]. 毛琳. 重庆邮电大学, 2019(02)
- [9]集中模式下的网络资源分配机制与算法研究[D]. 任诚. 电子科技大学, 2018(03)
- [10]存储转发光交换网络若干关键问题研究[D]. 林霄. 上海交通大学, 2018(01)