一、区分服务网络中带宽利用的公平性(论文文献综述)
黄程远[1](2021)在《高动态网络中的网络拥塞管理》文中研究说明互联网已经成为全球不可或缺的基础设施,网络技术也吸引了越来越多工业界和学术界的关注。为了满足丰富多样的网络应用的需求,各种各样的新型网络技术,例如,新型网络硬件、新型网络应用部署模式、新型网络架构,不断被应用到了现有网络之中。但是,在现有的网络中不断融合新型网络技术也给网络带来了难以管理的高动态问题。伴随着互联网时代巨幅增长的网络流量,这些都给网络中的流量管理带来了巨大的挑战。所以,在复杂的高动态网络中提供可预测的传输性能,对网络中发生的网络拥塞进行高效管理就成为了关键。本文从不同视角对高动态网络的网络拥塞管理问题展开了研究,具体的研究成果如下:(1)设计了应用层感知的多径拥塞控制(MPTCP)算法。针对传统的多径拥塞控制算法缺乏对应用感知的能力,而导致无法针对不同应用需求进行适配优化的问题,本论文提出了一种基于深度强化学习(DRL)的MPTCP拥塞控制算法-Partner。只需要修改不同的奖励函数,即可使用一套神经网络后端对不同目标进行自优化,来最优化网络应用的性能。通过仿真结果表明,Partner可以使用一套统一的控制框架搭配不同的包调度程序,来充分满足不同应用的需求。(2)设计了基于模仿学习的MPTCP拥塞控制算法。针对简单基于神经网络的MPTCP拥塞控制算法会导致不公平和性能不可预测的问题,本论文设计了 一种基于模仿学习的MPTCP拥塞控制算法-IMCC,并且该方案还采用了主从备份式的拥塞控制框架来提供持续的稳定性能,该框架在熟悉的环境中模拟专家行为,而在和训练环境差异过大的实际环境中,则切换到备份的传统拥塞控制算法。通过仿真结果表明IMCC可以正确应对MPTCP带来的高动态特性,并在不同环境中实现了稳定的性能和良好的公平性。(3)设计了网络核心无状态的网络性能隔离方法。针对现有的公有云网络性能隔离方案无法兼顾可扩展性和高性能的问题,本论文设计了一种网络核心无状态的网络性能隔离方法-SLIT。该方法通过将数据包调度决策的智能移动到网络边缘的Hypervisor中,然后让网内交换机根据数据包携带的调度决策进行无状态的转发,达到了模拟理想的物理队列隔绝流量的效果。通过仿真和实验床结果表明,SLIT可以实现良好的带宽隔离,同时还具有快速收敛,提高带宽利用率以及对短流友好的优点。(4)设计了在软件定义网络(SDN)超低时延数据面更新中的拥塞管理方法。针对现有的SDN网络更新方案由于控制回路过长而无法适应超低时延的数据平面中流量快速变化的问题,本论文设计了一种基于底层流量估计的SDN网络更新方法-MDVP,该方法将在网络更新过程中每一步流量的变化考虑其中,利用流量自身的收敛特性估计在每一阶段的流速变化,避免了由于流量大小剧烈变化而引发的不可控的网络拥塞。通过仿真证明MDVP可以在更新速度和拥塞程度之间做灵活取舍,并且可以有效减小数据流的需求违背率。
石佳明[2](2021)在《数据中心网络中高吞吐低延时拥塞控制方法》文中提出由于云服务对于流完成时间更加敏感,研究人员提出了很多拥塞控制机制来降低数据中心网络中的平均流完成时间。理论上,最短剩余时间优先调度策略可以实现最小的流完成时间。然而,现有的数据中心拥塞控制机制要么不能实现接近全局最优的最短剩余时间优先调度,要么难以实际部署。同时,数据中心中应用的快速发展导致其对端到端通信延迟的要求来到微秒级。因此,RDMA逐渐在数据中心网络中普及,以缓解传统软件协议栈处理速度慢造成的延迟。然而,现有的RDMA拥塞控制机制在同时实现高吞吐量和低时延方面远非最佳,部分方案还需要网络支持额外的功能。在本文中,我们分析了使用分布式传输控制协议实现接近全局最优最短剩余时间优先调度的挑战。然后提出了一种基于令牌的分布式数据中心拥塞控制机制Helm。Helm通过在接收端将动态优先级分配和基于流长的速率控制算法结合在一起,解决了这一挑战,可以在不修改交换机的情况下实现了接近全局最优的最短剩余时间优先调度。理论分析表明,Helm的性能接近于最短剩余时间优先调度。此外,大规模仿真实验结果表明,在数据中心网络中,与Homa等方案相比,Helm的平均和尾部流完成时间分别降低了 62%和75%。另外,我们研究发现数据中心网络中大多数拥塞发生在网络边缘。基于这个特征,我们提出了一种结合显式分配和迭代窗口调整的RDMA网络拥塞控制机制RCC。首先,我们提出了一种网络拥塞区分方法,将拥塞分为最后一跳拥塞和网内拥塞两种类型。然后,通过显式窗口分配机制来解决最后一跳拥塞,使发送端在一个RTT内收敛到合适的发送速率。对于网内拥塞,利用基于PID的迭代窗口调整方案,实现了快速收敛和接近零的排队时延。RCC不需要额外的网络功能支持,硬件实现开销小。实验结果表明,RCC的性能比ExpressPass、DCQCN、TIMELY和HPCC高出9~79%。
严倩倩[3](2021)在《国产化某OS中传输层拥塞控制协议的研究》文中研究指明拥塞控制机制是TCP协议能够提供高效数据传输服务的核心技术之一。经过多年的发展TCP拥塞控制协议已经有了诸多版本,但随着网络和应用的不断发展、新型网络结构的出现、不同网络环境下不同性能要求的提出,传统的拥塞控制方法已经很难使其取得良好的性能。本文通过分析国产某操作系统网络协议栈对拥塞控制协议的需求,针对传统拥塞控制算法TCPNewReno中存在的不足,结合可用带宽估计算法,提出了改进的拥塞控制算法TCP NewRenoBw。主要研究工作如下:(1)引入带宽估计法,获取更多的拥塞控制信息。在分析和研究基于可用带宽估计的拥塞控制算法TCP Westwood和TCP Vegas的基础上细化可用带宽粒度,通过对带宽的估计以获得更多关于拥塞的信息。设计出更为精准的拥塞判断和定位的控制算法,提升网络带宽利用率和竞争公平性。(2)利用带宽估计优化慢启动阈值机制。通过带宽时延积与慢启动阈值两个条件共同判断是否进入拥塞避免阶段,避免了慢启动阶段后期的拥塞窗口的猛增,也能够避免在拥塞避免阶段需要较长的时间才能达到合适的值。在一定程度上可以提高链路的利用率。(3)改进快速重传和快速恢复机制。利用得到的可用带宽计算瓶颈链路的队列长度,并以此分析丢包事件发生的原因,是由于随机误码导致的还是因为链路拥塞,从而可以更加合理的设置慢启动阈值和拥塞窗口值。设计在一定程度上提高了网络性能。(4)软件仿真设计测试。本文将改进的措施整合成新的拥塞控制算法,在网络仿真软件NS3中设计网络场景进行模拟,并从吞吐量、公平性、友好性三个方面对其进行分析。仿真结果表明,改进后的TCPNewRenoBw算法在吞吐量、公平性、友好性在一定程度上都优于传统的TCP NewReno算法。(5)协议栈中的测试。将改进的拥塞控制算法在协议栈中实现,搭建实际网络环境并进行了吞吐量的测试。实验结果表明,改进后的TCPNewRenoBw算法提高了协议栈的吞吐量。
李东璞[4](2021)在《区分服务中的流量识别与调度算法研究》文中研究指明随着网络技术的不断发展与用户终端的不断普及,网络应用类型与流量也在与日俱增。一方面方便和丰富了人们生活,另一方面也给当前网络设施带来巨大压力。然而面对日渐增长的网络流量,耗时耗力的网络设备升级与拓展也无法满足巨大的网络资源需求,如何在有限资源下保证不同应用的服务质量成为亟待解决的问题。为解决该问题本文构建了基于软件定义网络(Software Defined Networking,SDN)的区分服务(Differentiated Service,DiffServ)框架,提出基于变分自动编码器的流量识别算法对网络流量进行应用分类,并采用领域自适应算法解决了跨域流量中特征分布差异导致的识别率下降的问题,最后通过基于深度强化学习的优先级队列管理实现对分类后的网络流量差异化调度,从而合理利用了网络资源。本文的主要工作总结如下:1)针对标签数据缺乏及传统基于流层面的分类方法难以在线识别的问题,提出了基于变分自动编码器的半监督流量识别算法,通过对数据包进行特征提取并对该特征进行分类实现少标签数据下的准确识别。最终在开源数据集上实验证明该算法在流量识别中的高效性。2)针对来自不同时间或地点的流量特征分布不同造成模型识别准确率下降的问题,提出了基于领域自适应的跨域流量识别算法,通过引入特征转换模块对源流量域和目标流量域的特征分布进行适配解决特征分布差异的问题实现跨域流量的识别。最终利用跨域数据集验证了算法的有效性与普适性。3)针对多队列管理中难以动态调整资源分配实现差异化服务的问题,提出了基于深度强化学习的优先级队列管理算法,通过实时对端口发送队列的状态进行评估,利用深度强化学习对带宽和队列缓存资源进行决策实现不同优先级流量的差异化服务。最终通过仿真实验证明了该调度算法在充分利用网络资源的基础上实现差异化服务的目标。
李佳伟[5](2020)在《智慧标识网络域间流量工程机制研究》文中指出现有互联网经过50多年的飞速发展,取得了巨大的成功,但随着网络规模的膨胀与应用场景的多样化,现有互联网逐渐难以满足未来网络场景的通信需求。在此背景下,国内外科研人员致力于研发未来互联网体系结构。为满足我国在未来信息网络领域的战略需求,北京交通大学下一代互联网设备国家工程实验室提出了智慧标识网络体系架构(Smart Identifier Network,SINET),力求解决未来网络在扩展性、移动性、安全性、绿色节能等方面的问题。本文分析并总结了SINET架构为实现流量工程带来的机遇与挑战,在此基础上结合新网络在路由、转发、流量感知、缓存等方面的潜在特性,对SINET中的域间入流量控制问题、域间出流量控制问题、域间流量的降低问题等展开了深入的研究。本文的主要工作和创新点如下:1.针对域间入流量控制问题,提出了四种基于流量监控和服务大小元数据的域间入流量控制算法。上述算法利用SINET网络接收者驱动的通信模式,通过控制服务请求包的域间传输路径,实现域间入流量控制。四种算法的核心思想是按照概率控制服务请求包的域间传输路径,区别在于四种算法更新选路概率的决策信息不同。算法一不使用任何信息,算法二利用流量信息,算法三利用服务大小信息,算法四同时利用流量信息和服务大小信息。在SINET原型系统上的测试结果表明,所提算法可以高效、准确地调度域间入流量。与基于IP前缀协商的入流量控制方法相比,所提出的机制可以提升56%的入流量调度准确性,并且可以高效地处理域间链路故障和突发流量。2.针对域间出流量控制问题,提出了基于纳什议价博弈的域间出流量控制机制。该机制利用SINET中的服务注册消息交互服务对于域间路径的喜好度,并利用纳什议价博弈模型与邻居自治系统协商服务请求包的域间转发决策,实现域间出流量控制。仿真中将降低服务域内传输开销作为出流量控制收益。结果表明,该机制无需自治系统交互敏感信息,在无缓存场景中,相较于自私的请求包转发策略,可使60%的自治系统提高10%的出流量控制收益。在有缓存场景中,该机制为自治系统带来的出流量控制收益随缓存空间增加而减少。在SINET原型系统上的测试结果表明,当服务注册频率为8000个每秒时,资源管理器带宽开销为1303KBytes每秒,CPU利用率为16%,证明该机制具有较好的可行性和可部署性。3.针对域间流量的降低问题,提出了基于拉格朗日对偶分解和合作博弈的域间流量降低机制。该机制利用SINET网络内部缓存的特性,使多个接入网自治系统合作地决定缓存服务,降低了服务缓存在多个接入网自治系统中的冗余度。该机制使相邻接入网共享服务缓存以降低获取服务的域间流量和传输费用。仿真结果表明,与非合作的自私缓存策略相比,该机制可以多降低3.77倍的域间流量和传输费用。与集中式的缓存分配方案相比,该机制以少降低9.7%的域间流量为代价,可获得29.6%流量降低收益公平性的提升,且具有较好的隐私性。该机制以增加少量通信开销为代价,分布式地运行在各自治系统中,具有较低的计算开销和较好的可部署性。例如,当该机制运行在42个缓存容量为5GBytes的自治系统中时,只造成2.337MBytes的通信开销。
涂印[6](2020)在《面向低轨卫星网络的TCP拥塞控制机制》文中研究说明在低轨卫星网络逐渐融入下一代网络基础设施的趋势下,面向现有数据业务、以及超高清视频,下一代社交网络,浸入式游戏等未来新型数据业务提供可靠稳定、高吞吐量、低延迟的服务能力成为关键。但是低轨卫星网络中的链路非稳定性以及频繁拓扑切换导致的链路高动态性,使得现有拥塞控制机制难以提供稳定的高吞吐性能、高自适应的传输性能。本文分别针对低轨卫星网络的链路非稳定性、链路高动态性的两个缺点提出如下两种拥塞控制算法:1.链路的非稳定性来自于拓扑切换导致的路由故障以及雨衰、阴影、多径等链路高损耗。针对该问题,本文提出名为TCP Vision的拥塞控制算法,其包括如下两点关键的贡献:第一,提出基于离群点检测的丢包区分算法,该算法观察到网络拥塞丢包场景与正常通信场景之间的报文统计特征差异显着,而网络非拥塞丢包场景与正常通信场景之间统计特征近似。在此特征基础上,TCP Vision将拥塞丢包视为离群点,通过区分离群点完成丢包区分。通过仿真验证,该算法区分的精度比基于监督学习(SVM)的丢包区分算法低2.69%,但其优势是不需要预先训练任何模型,能适应用户移动性、网络高动态的场景。当真实网络场景和构建SVM模型的样本数据特征偏移显着时,TCP Vision比SVM模型具备27.77%的区分精度提升。第二,其考虑到LDA(Loss Differentiation Algorithm,丢包区分算法)误分类缺点,提出了基于预测思想的轻量级和重量级拥塞控制策略,其能削弱LDA误分类导致网络拥塞恶化、协议吞吐性能降低的缺点。最后通过仿真验证,在丢包率[e-6,e-2]和长延迟[100ms-500ms]条件下,TCP Vision相比较于TCP CUBIC具备4.64%的吞吐性能提升。2.TCP会话中链路的高动态性来自于报文路由路径的频繁切换,而不同路由路径间链路误码率、可用带宽、延迟等参数差异显着,最终导致TCP传输速率难以匹配不停切换的链路状态。针对该问题,本文提出名为Anti-paradigm TCP的拥塞控制算法,其主要包括如下两点贡献:第一,提出了基于小波预测的链路带宽估计算法,其能提高对非线性、非稳定的带宽数据的估计精度。通过仿真验证,在处理3000个样本点规模时,基于小波预测的带宽估计算法比基于ARIMA模型的带宽估计算法在R-Square指标上有14%的提升、模型收敛时间有22%的下降。第二,Anti-paradigm TCP提出“预测带宽-预测速率-速率拟合”的三联动计算组合,该组合不以预设的模式、规则为基础,通过探测网络状态实时拟合数据传输速率。通过仿真验证,Anti-paradigm TCP同时拥有接近TCP Vegas的延迟性能和较为接近TCP CUBIC的吞吐性能。Anti-paradigm TCP具备提高传输速率和网络带宽之间匹配度的能力。
王兆旭[7](2020)在《智慧协同网络数据传输关键技术研究》文中认为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。
董晓东[8](2020)在《面向跨数据中心应用的资源管理技术研究》文中研究表明进入21世纪以来,地理分布式的公有云平台已成为最为普及的互联网基础设施。在云平台上部署应用服务具有投入低、性能高、可移植性强等优势,目前已成为互联网公司的首选方案。然而,在进行跨数据中心的应用部署时,由于应用实时性要求高,数据中心间流量大,以及同类应用相互竞争等原因,使得跨数据中心应用的资源管理面临着网络传输实时性难以保障,网络传输费用居高不下,以及竞争环境下资源分配方案难以制定的问题。为此,本文从面向应用实时性的跨数据中心网络流量调度技术,低传输费用的跨数据中心网络带宽管理技术,以及跨数据中心应用竞争环境下多资源管理技术,三个方面开展具体研究工作,所取得的创新成果如下:首先,本文提出了兼顾公平性和截止期限保证的跨数据中心网络流量调度算法——TINA。在该方法中,首次提出了随机型流量调度的思想,与传统确定型流量调度相比,在保证数据传输请求截止期限的同时,兼顾了调度的公平性,从而有效解决了服务干扰问题。该方法由访问控制机制和保证截止期限的优先级分配机制两部分组成。前者用来决定每个待传输的请求是否可以获准发送,后者为获准发送的数据传输请求分配合适的发送优先级。实验结果表明,TINA在没有牺牲网络吞吐量、链路利用率、总体效用和请求接受率的前提下,有效地提升了公平性和截止期限保证率,同时还降低了计算开销。其次,本文提出了流量信息不可知情况下具有低传输费用的跨数据中心网络数据传输机制——RIFT。通过设计请求切分机制,将长期数据传输请求分割成一系列短期数据传输请求,从而解决在跨数据中心流量信息不可知的情况下,由云租户订购分层计费的跨数据中心网络传输服务时,所产生的带宽资源超额配置问题。该机制持续在线预估短期数据传输请求的流量规模,同时为每个短期数据传输请求确定合适的截止期限和服务等级,从而实现传输费用和传输截止期限保证之间的权衡。此外,本文还讨论了云服务提供商的反制措施对该方法的影响及算法的最优性。实验结果表明RIFT最多可以为云租户降低59%的跨数据中心网络传输成本。最后,本文研究了信息不完整的竞争环境下跨数据中心应用多资源分配方法,提出了跨数据中心应用竞争关系模型并给出了基于机器学习的资源分配方法。该方法首先将竞争环境下跨数据中心应用的多资源分配问题分解为多数据中心预算分配和单数据中心资源分配两个子问题,然后分别将两个子问题建模为上校博弈问题和线性优化问题,并分别求出其最优求解,从而得出部署跨数据中心应用的最优资源分配方案。实验结果表明对于在竞争中处于相对弱势的一方而言,选择放弃一些区域然后将其资源集中在一些特定区域是更好的资源分配方案。综上,本文所提出的方法可以为跨数据中心应用提供网络传输截止期限的保障,降低网络传输费用,提高应用在竞争环境中的经济利益。本文方法简单、高效、具有可扩展性,且易于部署,具有广阔的应用前景。此外,本文有待对跨数据中心网络和数据中心内部网络的资源统筹管理进行深入研究,这将作为后续研究方向。
杜辙[9](2020)在《基于流量控制及改进动态WFQ的TCSN调度算法仿真研究》文中认为随着我国轨道交通的飞速发展,传统的列车控制网络TCN(Train Communication Network)系统由于带宽有限,已经无法较好地同时满足列车控制业务和旅客服务业务的增长需求,因此迫切需要研发新一代列车控制与旅客服务网络TCSN(Train Control and Service Network)。TCSN旨在建立一个具有大带宽、可靠性高、可重构性高、智能化高的,可将列车控制与旅客服务业务一体化的网络控制系统。本文依托国家科技支撑计划(2015BAG14B00)进行相关内容的研究,在研究分析当前传统计算机网络的基础上的同时结合TCSN网络的特点进行改进设计,并进行仿真验证。首先,分析总结了TCSN网络中各业务的特点,借鉴传统计算机网络中关于流量模拟的研究方法,对TCSN网络采用具有自相似性的分形布朗运动(Fractal Brown Motion,FBM)网络流量模型,并阐述其合理性。其次,在分析两种常见的流量整形控制算法的基础上,结合TCSN网络的特点对令牌桶算法进行改进,即在传统令牌桶算法的基础上增设溢出令牌桶,用于存储原本溢出丢弃的令牌。以每个桶的当前丢包率,缓存的包数和现存的令牌数为评判参数,采用熵权法根据评判参数进行权值计算,然后利用加权的最大最小公平分配算法按照计算得到的权值进行具体的令牌分配,之后通过对比仿真说明改进的令牌桶算法不仅可以降低丢包率又能减少令牌资源的浪费。最后,对网络中的调度算法进行了研究,着重研究了加权公平队列(WFQ)算法,且根据TCSN网络的特点,改进设计并实现了基于队列长度的动态加权公平队列(DQLWFQ)算法,该算法在WFQ算法的基础上增加了分类器与队列长度记录器。分类器可以将数据包分流到各队列中,而记录器能够及时的将各队列的实时长度反馈到调度器,调度器则根据队列长度以及优先级综合的进行动态的带宽分配,从而确保业务的顺利传输。对WFQ和DQLWFQ两种算法分别在正常流量和突发流量下进行对比仿真,结果表明:DQLWFQ算法可实现对业务的区分,且对实时性业务以及优先级较高的业务在延时,丢包率以及吞吐量等指标均有不同程度的改善,仿真结果对TCSN网络的构建具有工程应用价值。
赵宇红[10](2019)在《复杂网络智能拥塞控制研究》文中研究说明面向复杂、多样、异构的网络,稳定、高效、智能的拥塞控制的研究是一个重要且具有挑战性的课题。论文在大系统控制论的指导下,结合智能建模方法,研究并构建了“基于多重广义算子的复杂网络”模型,进而,以多重广义算子模型为基础,以分解-联合模式,从横向及纵向、多粒度、多角度展开了复杂网络智能拥塞控制研究的科研工作。论文的主要研究工作:网络技术的发展、应用的深入、用户的普及多方面不断的融合促进,带来了多元、异构、混合的复杂网络时代。复杂网络的复杂概括了网络在技术、结构、数据等多方面的特性,我们从两种代表性的复杂网络系统,端到端系统及非端到端系统展开了关于智能拥塞控制的研究。网络作为一个复杂的大系统,拥塞控制的研究无论是在网络源端、链路还是在自主移动节点的路由策略方面的工作,都不是一个独立自治的过程,各对象、各过程之间应该是一个协作的整体,达到协同智能、控制优化的目标。论文的主要研究内容和创新点如下:(1)研究了多重广义算子模型的建模方法,定义了“多层广义算子复杂网络模型”的概念,根据大系统控制论的“广义模型化”的思想,基于“多重广义算子建模方法”,论述了复杂网络广义算子模型构建的约束条件,给出了复杂网络多重广义算子模型的架构。为解决模型构建中的随机性与模糊性,借鉴“云模型”的思想和方法,提出了基于云模型的模型评价方法,应用于Internet建模评价中,并给出了具体的评价过程,验证了方法的有效性及合理性。(2)分析讨论了现有TCP源端拥塞控制算法在高误码率、低带宽、非对称链路、长时延的混合异构复杂网络中,面临的挑战和性能下降的问题,深入分析算法在参数及负载的敏感性、未区分拥塞程度和丢包类型等局限性问题,提出基于带宽预估自适应源端拥塞控制方法,算法针对不同网络状况能够对链路带宽及其波动性进行较为实时和准确的估计,实现了网络传输中对于丢包、延迟和拥塞控制参数等关键指标一定程度上的解耦;通过反映网络拥塞状态的带宽利用率因子细化了控制方案,实时有效、适度地进行网络拥塞控制。实验结果表明,该方法能针对不同网络状况进行实时拥塞控制,吞吐量、丢包容忍和延迟等相比已有的拥塞控制算法有显着提升。(3)讨论了链路级拥塞控制的重要性,并针对传统的链路控制算法RED中队列长度与丢包设置的线性增长关系所造成的性能不稳定问题,以及算法变量参数的优化问题,提出了基于隶属云理论的非线性链路拥塞控制算法,利用半升云隶属模型,重点解决了丢包率函数非线性处理和参数自适应动态设定问题。仿真对比实验结果表明,算法在丢包率、平均队列长度、时延抖动、吞吐量方面的性能均有比较好的表现,而且对RED算法存在的全局同步现象也有一定的改善。(4)不存在完整链路的复杂网络系统的应用与关注正在不断地扩展,以机会网络为典型的研究对象,从路由策略设计的角度研究其拥塞控制算法。结合深度学习模型进行社会属性挖掘,借鉴和扩展社会网络的研究成果,基于社会感知,将节点的社会属性及社会关联引入到路由决策中,提出了基于节点关系和社区协作的机会网络路由算法,算法不仅结合了节点的社会属性并充分考虑了社会性的动态演化特征,根据节点间的社会关系强度动态自适应地将节点分割为多个社区,以节点社会属性与社区间协作共同完成机会路由转发。仿真结果表明,算法能够有效提高消息的投递率,降低网络的转发时延,减小网络资源的耗费。
二、区分服务网络中带宽利用的公平性(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、区分服务网络中带宽利用的公平性(论文提纲范文)
(1)高动态网络中的网络拥塞管理(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景 |
1.1.1 网络硬件冗余引入的网络动态 |
1.1.2 公有云中引入的网络动态 |
1.1.3 SDN中引入的网络动态 |
1.2 研究问题 |
1.2.1 MPTCP协议缺乏对应用层的感知能力 |
1.2.2 MPTCP无法灵活处理复杂的网络环境 |
1.2.3 公有云网络中不可预测的网络性能 |
1.2.4 SDN网络配置变化引入的不可控的网络拥塞 |
1.3 网络拥塞管理的研究现状 |
1.4 论文的研究内容 |
1.5 论文的结构安排 |
第二章 背景知识和相关工作 |
2.1 MPTCP拥塞控制算法 |
2.2 公有云网络中的网络性能隔离 |
2.3 SDN网络更新方法 |
2.4 本章总结 |
第三章 应用层感知的MPTCP拥塞控制算法 |
3.1 概述 |
3.2 Partner的设计动机 |
3.2.1 过度膨胀的资源池导致不正确的调度决策 |
3.2.2 过度缩小的资源池限制了调度决策 |
3.3 Partner的设计 |
3.3.1 Partner中的组件介绍 |
3.3.2 Reward函数设计 |
3.3.3 其他的设计细节 |
3.4 实验评估 |
3.4.1 参数的选择 |
3.4.2 实验的结果与分析 |
3.5 本章总结 |
第四章 基于模仿学习的MPTCP拥塞控制算法 |
4.1 概述 |
4.2 IMCC的设计动机 |
4.2.1 不稳定的性能波动 |
4.2.2 严重的不公平问题 |
4.3 IMCC的设计 |
4.3.1 IMCC的设计概览 |
4.3.2 通过LSTM来应对动态变化的子流数量 |
4.3.3 通过模仿学习来自动产生奖励值函数 |
4.3.4 IMCC的部署模式 |
4.4 实验评估 |
4.4.1 IMCC能正确处理子流数量变化 |
4.4.2 IMCC达到了流级别的公平性 |
4.4.3 IMCC提供持续性的稳定性能 |
4.5 本章总结 |
第五章 网络核心无状态的网络性能隔离方法 |
5.1 概述 |
5.2 SLIT的设计动机和相关知识 |
5.2.1 WFQ队列调度机制 |
5.2.2 分布式的VM级别的WFQ队列 |
5.2.3 在VM之间的长期的不公平现象 |
5.2.4 不公平现象的举例 |
5.3 SLIT的设计 |
5.3.1 设计概述 |
5.3.2 系统框架 |
5.3.3 设计细节 |
5.4 实验与评估 |
5.4.1 基本功能 |
5.4.2 在应对动态流量时的性能 |
5.4.3 大规模的仿真实验 |
5.5 本章总结 |
第六章 SDN超低时延数据面更新中的拥塞管理方法 |
6.1 概述 |
6.2 设计动机和基本概念 |
6.2.1 网络模型 |
6.2.2 数据流分类 |
6.2.3 典型例子 |
6.3 设计细节 |
6.3.1 问题的建模 |
6.3.2 将约束条件转化为线性条件 |
6.3.3 困难度分析 |
6.3.4 启发式的算法 |
6.4 实验评估 |
6.4.1 实验设置 |
6.4.2 性能评估 |
6.5 本章总结 |
第七章 总结与展望 |
7.1 论文的工作总结 |
7.2 后续的研究展望 |
参考文献 |
附录A 缩略语表 |
致谢 |
攻读博士期间发表的学术论文和专利 |
(2)数据中心网络中高吞吐低延时拥塞控制方法(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 |
1.3 本文的研究内容和贡献 |
1.3.1 研究内容 |
1.3.2 研究目标和贡献 |
1.4 论文结构安排 |
第二章 相关技术介绍 |
2.1 数据中心网络 |
2.1.1 拓扑架构 |
2.1.2 流量特征 |
2.2 RoCE网络技术 |
2.3 传输控制方法 |
2.4 本章小结 |
第三章 基于令牌调度的拥塞控制算法 |
3.1 引言 |
3.2 背景 |
3.2.1 相关工作 |
3.2.2 调度策略比较 |
3.2.3 研究动机 |
3.3 挑战和基本思想 |
3.3.1 挑战 |
3.3.2 基本思想 |
3.4 系统设计 |
3.4.1 Helm框架 |
3.4.2 优先级分配算法 |
3.4.3 速率控制算法 |
3.5 理论分析 |
3.6 性能评估 |
3.6.1 实验设置 |
3.6.2 实验结果 |
3.7 本章小结 |
第四章 基于接收端驱动的RDMA网络拥塞控制算法 |
4.1 引言 |
4.2 背景 |
4.2.1 以太网中的RDMA |
4.2.2 RDMA网络拥塞控制解决方案 |
4.2.3 大部分拥塞发生在网络边缘 |
4.2.4 简要总结 |
4.3 系统设计与实现 |
4.3.1 基本理念和挑战 |
4.3.2 系统框架 |
4.3.3 拥塞类型区分 |
4.3.4 显式窗口分配 |
4.3.5 基于PID的拥塞控制 |
4.3.6 RCC的参数以及硬件开销 |
4.4 理论分析 |
4.5 性能评估 |
4.5.1 实验设置 |
4.5.2 小型基准测试 |
4.5.3 DPDK硬件实验 |
4.5.4 大规模网络仿真实验 |
4.5.5 深入分析RCC算法 |
4.6 本章小结 |
第五章 总结与展望 |
5.1 论文主要工作与总结 |
5.2 进一步工作 |
参考文献 |
附录 缩略语表 |
致谢 |
攻读学位期间发表的学术论文目录 |
(3)国产化某OS中传输层拥塞控制协议的研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.3 国产某OS简介 |
1.4 国产某OS中的TCP控制 |
1.4.1 网络体系模型 |
1.4.2 TCP控制分析 |
1.5 研究内容 |
1.6 论文结构及内容安排 |
2 基于带宽估计的拥塞控制算法 |
2.1 相关网络概念 |
2.1.1 时延 |
2.1.2 带宽时延积 |
2.1.3 丢包 |
2.2 可用带宽估计的方法 |
2.2.1 主动估计 |
2.2.2 被动估计 |
2.3 典型基于带宽估计的拥塞控制算法 |
2.3.1 TCP Reno算法 |
2.3.2 TCP Westwood算法 |
2.3.3 TCP Vegas算法 |
2.4 带宽估计的拥塞控制性能指标 |
2.4.1 吞吐量 |
2.4.2 公平性 |
2.4.3 友好性 |
2.5 带宽估计面临的问题 |
2.6 本章小结 |
3 改进的基于带宽估计的拥塞控制算法 |
3.1 带宽估计的重要性 |
3.2 TCP NewReno算法的基本思想 |
3.3 TCP NewReno算法的控制分析 |
3.4 TCP NewReno算法的不足 |
3.5 改进的基于带宽估计的TCP NewRenoBw算法 |
3.5.1 带宽的估计 |
3.5.2 基于BDP和慢启动阈值的机制 |
3.5.3 基于BDP的快速重传和快速恢复机制的改进 |
3.6 仿真工具 |
3.6.1 简介 |
3.6.2 仿真流程 |
3.7 TCP NewRenoBw算法的性能分析 |
3.7.1 TCP NewRenoBw算法的吞吐量性能分析 |
3.7.2 TCP NewRenoBw算法的公平性分析 |
3.7.3 TCP NewRenoBw算法的友好性分析 |
3.8 本章小结 |
4 改进的算法在国产化某OS中协议栈中的应用 |
4.1 国产化某OS中协议栈介绍 |
4.2 TCP NewRenoBw算法在协议栈中的实现 |
4.2.1 协议栈中TCP层的实现 |
4.2.2 TCP NewRenoBw算法的实现 |
4.3 TCP NewRenoBw算法的测试 |
4.3.1 测试环境的建立 |
4.3.2 吞吐量测试 |
4.4 本章小结 |
5 总结与展望 |
5.1 工作总结 |
5.2 后期展望 |
参考文献 |
攻读硕士学位期间发表的论文及成果 |
致谢 |
(4)区分服务中的流量识别与调度算法研究(论文提纲范文)
摘要 |
ABSTRACT |
主要符号对照表 |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 研究现状 |
1.2.1 网络识别技术 |
1.2.2 队列管理 |
1.3 本文主要工作 |
1.4 本文组织结构 |
第二章 基于SDN的区分服务 |
2.1 基于SDN的区分服务架构 |
2.1.1 软件定义网络 |
2.1.2 区分服务 |
2.1.3 基于优先级的流量控制 |
2.1.4 工作原理 |
2.2 基于应用识别的流量调度技术 |
2.2.1 网络流量识别技术 |
2.2.2 网络流量调度技术 |
2.3 本章小结 |
第三章 基于变分自动编码器的半监督流量识别 |
3.1 引言 |
3.2 基于变分自动编码器的特征提取模型 |
3.2.1 数据预处理 |
3.2.2 变分自动编码器提取特征 |
3.3 基于变分自动编码器的特征识别模型 |
3.4 实验结果与分析 |
3.4.1 实验设置 |
3.4.2 实验结果分析 |
3.5 本章小结 |
第四章 基于领域自适应的跨域流量识别 |
4.1 引言 |
4.2 识别框架 |
4.3 数学模型和适配算法 |
4.3.1 问题描述 |
4.3.2 主成分分析 |
4.3.3 边缘分布适配 |
4.3.4 条件分布适配 |
4.3.5 联合求解 |
4.4 实验结果与分析 |
4.4.1 实验设置 |
4.4.2 实验结果分析 |
4.5 本章小结 |
第五章 基于深度强化学习的优先级队列管理 |
5.1 引言 |
5.2 系统模型与问题建模 |
5.2.1 系统模型 |
5.2.2 问题建模 |
5.3 基于深度强化学习的优先级队列管理 |
5.3.1 优先级队列管理框架 |
5.3.2 基于TD3的队列资源决策 |
5.4 实验结果与分析 |
5.4.1 实验设置 |
5.4.2 实验结果分析 |
5.5 本章小结 |
第六章 总结与展望 |
6.1 本文总结 |
6.2 研究展望 |
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 |
(5)智慧标识网络域间流量工程机制研究(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 研究背景和研究现状 |
1.2.1 流量工程概述 |
1.2.2 智慧标识网络概述 |
1.2.3 智慧标识网络研究现状 |
1.2.4 未来网络流量工程研究概述 |
1.3 选题目的及意义 |
1.4 论文主要内容与创新点 |
1.5 论文组织结构 |
2 智慧标识网络及其流量工程概述 |
2.1 引言 |
2.2 SINET体系结构 |
2.2.1 基本模型 |
2.2.2 服务注册与解注册 |
2.2.3 服务查找、缓存与转发 |
2.3 SINET架构为实现流量工程带来的机遇 |
2.3.1 优势分析 |
2.3.2 域内场景 |
2.3.3 域间场景 |
2.4 SINET架构实现域间流量工程方面的挑战 |
2.5 本章小结 |
3 基于流量监控和服务大小元数据的域间入流量控制机制 |
3.1 引言 |
3.2 域间入流量控制研究现状 |
3.2.1 BGP协议在域间入流量控制方面存在的问题 |
3.2.2 基于IP前缀协商的入流量控制 |
3.2.3 相关研究概述 |
3.3 基于流量监控和服务大小元数据的域间入流量控制机制 |
3.3.1 系统模型设计 |
3.3.2 入流量控制算法 |
3.4 原型系统测试 |
3.4.1 实现方式 |
3.5 测试结果分析 |
3.5.1 性能指标 |
3.5.2 实验结果 |
3.6 本章小结 |
4 基于纳什议价博弈的域间出流量控制机制 |
4.1 引言 |
4.2 相关工作概述 |
4.2.1 现有Internet中的域间出流量控制 |
4.2.2 域间流量管理的自私性问题 |
4.2.3 纳什议价模型及其在网络领域的应用 |
4.3 基于纳什议价博弈域间出流量控制机制 |
4.3.1 设计目标 |
4.3.2 系统模型与机制 |
4.3.3 模型复杂度分析 |
4.3.4 域间路径个数对协商收益的影响 |
4.4 原型系统与仿真测试 |
4.4.1 原型系统 |
4.4.2 仿真平台 |
4.5 实验结果 |
4.5.1 无缓存场景 |
4.5.2 有缓存场景 |
4.5.3 协商收益与谈判破裂点的关系 |
4.5.4 系统开销评估结果 |
4.6 本章小结 |
5 基于拉格朗日对偶分解与合作博弈的域间流量降低机制 |
5.1 引言 |
5.2 相关工作概述 |
5.3 基于拉格朗日分解和合作博弈的域间流量降低机制 |
5.3.1 设计目标 |
5.3.2 网络模型 |
5.3.3 LOC策略、GOC策略和FC策略的定性对比 |
5.4 仿真测试 |
5.4.1 实验方法 |
5.4.2 实验结果 |
5.5 本章小结 |
6 智慧标识网络原型系统与仿真平台 |
6.1 引言 |
6.1.1 未来网络原型系统研究现状 |
6.1.2 SINET原型系统的演进 |
6.2 SINET原型系统的拓扑结构与配置信息 |
6.3 网络组件功能设计 |
6.3.1 资源管理器 |
6.3.2 边界路由器 |
6.3.3 域内路由器 |
6.3.4 服务器和客户端 |
6.4 原型系统性能测试 |
6.5 SINET仿真平台 |
7 总结与展望 |
7.1 工作总结 |
7.2 研究展望 |
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 |
(6)面向低轨卫星网络的TCP拥塞控制机制(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景与研究意义 |
1.1.1 低轨卫星互联网具备显着通信优势,获得国内外广泛重视 |
1.1.2 拥塞控制机制难以在非稳定连接下保证高吞吐性能 |
1.1.3 拥塞控制机制在高动态网络中无法保证高自适应的传输性能 |
1.2 研究现状 |
1.2.1 基于跨层的丢包区分算法 |
1.2.2 基于端到端的丢包区分算法 |
1.2.3 面向规则的拥塞控制算法 |
1.2.4 去规则的拥塞控制算法 |
1.3 研究内容与创新点 |
1.4 论文组织结构 |
第二章 TCP拥塞控制机制相关理论技术 |
2.1 引言 |
2.2 TCP拥塞控制机制基本理论 |
2.2.1 OSI模型和TCP/IP模型 |
2.2.2 TCP报文结构和连接管理 |
2.2.3 TCP确认机制 |
2.2.4 TCP滑动窗口协议 |
2.2.5 TCP拥塞控制算法 |
2.3 本章小结 |
第三章 面向非稳定连接的拥塞控制算法(TCP Vision) |
3.1 引言 |
3.2 TCP Vision概述 |
3.3 基于预测的拥塞窗口增长因子函数 |
3.4 基于离群点检测的丢包区分算法 |
3.5 算法流程 |
3.6 仿真实验及分析 |
3.6.1 基于离群点的LDA算法验证 |
3.6.2 吞吐性能验证 |
3.6.3 公平性验证 |
3.6.4 友好性验证 |
3.6.5 TOP Vision性能增益汇总 |
3.7 本章小结 |
第四章 面向高动态网络的拥塞控制算法(Anti-Paradigm TCP) |
4.1 引言 |
4.2 Anti-Paradigm TCP概述 |
4.3 基于小波预测的链路带宽估计算法 |
4.4 基于链路带宽的拥塞窗口生成函数 |
4.5 基于贝塞尔的动态曲线规划 |
4.6 仿真实验及其分析 |
4.6.1 Anti-paradigm TCP的带宽预测算法性能 |
4.6.2 Anti-paradigm TCP的拥塞窗口增长 |
4.6.3 Anti-paradigm TCP的吞吐性能和延迟性能 |
4.6.4 动态曲线规划算法对Anti-paradigm TCP性能的影响 |
4.7 本章小结 |
第五章 总结与展望 |
5.1 工作总结 |
5.2 工作展望 |
参考文献 |
致谢 |
攻读学位期间取得的研究成果 |
(7)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 |
(8)面向跨数据中心应用的资源管理技术研究(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 论文研究内容 |
1.3 国内外研究现状 |
1.3.1 跨数据中心网络流量调度技术 |
1.3.2 跨数据中心网络带宽管理技术 |
1.3.3 面向跨数据中心应用的资源分配技术 |
1.4 论文主要贡献 |
1.5 论文组织结构 |
第2章 面向应用实时性的跨数据中心网络流量调度技术 |
2.1 研究背景 |
2.2 研究动机 |
2.3 总体设计 |
2.3.1 理论基础 |
2.3.2 系统架构 |
2.4 兼顾公平性和截止期限的数据传输访问控制机制 |
2.4.1 基于酒吧博弈的流量调度问题建模 |
2.4.2 兼顾公平性和截止期限的数据传输访问控制算法 |
2.5 截止期限保证的数据传输优先级分配机制 |
2.5.1 基于排队论的流量调度问题建模 |
2.5.2 截止期限保证的数据传输优先级分配算法 |
2.6 实验评估 |
2.6.1 模拟实验 |
2.6.2 实验床实验 |
2.7 本章小结 |
第3章 低传输费用的跨数据中心网络带宽管理技术 |
3.1 研究背景 |
3.2 研究动机 |
3.3 理论模型 |
3.3.1 概述 |
3.3.2 流量信息不可知的数据传输请求切分机制 |
3.3.3 基于Stackelberg博弈的供需关系模型 |
3.4 两阶段低网络使用费用带宽管理算法 |
3.4.1 基于高斯过程的截止期限确定算法 |
3.4.2 基于Lyapunov优化的服务等级选择算法 |
3.4.3 算法分析 |
3.5 实验评估 |
3.5.1 实验设置 |
3.5.2 模拟实验结果 |
3.5.3 实验床实验结果 |
3.6 本章小结 |
第4章 跨数据中心应用竞争环境下多资源管理技术 |
4.1 研究背景 |
4.2 研究动机 |
4.2.1 问题描述 |
4.2.2 上校博弈模型 |
4.3 竞争环境下资源分配策略问题建模 |
4.3.1 系统总览 |
4.3.2 基于线性优化的单数据中心资源分配问题建模 |
4.3.3 基于上校博弈的多数据中心预算分配问题建模 |
4.4 竞争环境下预算分配策略求解算法 |
4.4.1 基于强化学习的预算分配策略求解算法 |
4.4.2 基于深度强化学习的预算分配策略求解算法 |
4.5 实验评估 |
4.5.1 实验设置 |
4.5.2 实验结果 |
4.6 本章小节 |
第5章 总结与展望 |
5.1 总结 |
5.2 展望 |
参考文献 |
发表论文和参加科研情况说明 |
致谢 |
(9)基于流量控制及改进动态WFQ的TCSN调度算法仿真研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 概述 |
1.2 国内外研究现状 |
1.2.1 流量整形控制策略研究现状 |
1.2.2 队列调度算法研究现状 |
1.3 论文的主要工作及组织结构 |
1.3.1 论文的主要工作 |
1.3.2 论文的组织结构 |
第二章 TCSN网络业务 |
2.1 TCSN业务分析 |
2.1.1 列车控制业务分析 |
2.1.2 旅客服务业务分析 |
2.2 网络中常见的服务模型分析 |
2.3 业务分类 |
2.4 本章小结 |
第三章 TCSN流量整形控制算法研究 |
3.1 漏桶与令牌桶算法概述 |
3.1.1 漏桶算法简析 |
3.1.2 令牌桶算法简析 |
3.2 基于动态权重的令牌分配策略 |
3.2.1 基于熵权法的令牌分配权值确定 |
3.2.2 基于加权的最大最小公平算法的令牌分配策略 |
3.3 自相似模型 |
3.4 本章小结 |
第四章 改进的动态WFQ调度算法设计 |
4.1 队列调度算法 |
4.1.1 队列调度算法概述 |
4.1.2 队列调度算法的性能指标 |
4.1.3 队列调度的典型算法 |
4.2 WFQ调度算法分析 |
4.2.1 通用处理共享算法 |
4.2.2 WFQ算法详解 |
4.3 改进的动态WFQ算法 |
4.4 本章小结 |
第五章 TCSN流量整形与改进的动态WFQ调度算法仿真 |
5.1 TCSN流量整形控制算法仿真 |
5.2 DQLWFQ算法仿真 |
5.2.1 NS2网络仿真平台 |
5.2.2 搭建NS2仿真环境 |
5.3 算法仿真结果分析 |
5.3.1 正常流量下的仿真分析 |
5.3.2 突发流量下的仿真分析 |
5.4 本章小结 |
结论与展望 |
结论 |
展望 |
致谢 |
参考文献 |
攻读硕士学位期间发表的论文及科研成果 |
(10)复杂网络智能拥塞控制研究(论文提纲范文)
致谢 |
摘要 |
Abstract |
术语表 |
1 引言 |
1.1 研究背景与意义 |
1.2 论文主要工作及组织结构 |
1.2.1 主要研究内容 |
1.2.2 论文组织安排 |
2 文献综述 |
2.1 复杂网络 |
2.2 多重广义算子模型 |
2.2.1 广义算子模型的泛化 |
2.2.2 多重广义算子建模方法 |
2.3 云模型 |
2.3.1 云模型的定义 |
2.3.2 云发生器 |
2.4 拥塞控制 |
2.5 本章小结 |
3 基于多重广义算子的复杂网络建模 |
3.1 多重广义算子模型的概念 |
3.2 基于多重广义算子的复杂网络建模 |
3.2.1 问题描述 |
3.2.2 模型设计方案 |
3.3 Internet广义算子建模实例 |
3.3.1 Internet建模概述 |
3.3.2 复杂网络模型的统计特征 |
3.3.3 Internet模型分析与评价 |
3.3.4 基于云模型的Internet模型评价 |
3.4 基于多重广义算子模型的复杂网络拥塞分析 |
3.4.1 资源需求信息传递流程分析 |
3.4.2 资源调度的多重广义算子模型结构 |
3.4.3 基于多重广义算子模型网络拥塞分析 |
3.5 本章小结 |
4 基于带宽预估的源端拥塞控制技术 |
4.1 源端拥塞控制 |
4.2 TCP拥塞控制及其一些改进策略 |
4.2.1 TCP基于窗口的源端拥塞控制 |
4.2.2 TCP源端拥塞控制的改进策略 |
4.3 TCP拥塞控制中的问题分析 |
4.4 基于带宽预估的源端拥塞控制算法 |
4.4.1 可用带宽预估方法分析 |
4.4.2 可用带宽的理论概念 |
4.4.3 带宽预估分析 |
4.4.4 带宽预估方法 |
4.5 基于可用带宽预估自适应源端拥塞控制算法 |
4.5.1 问题分析 |
4.5.2 带宽测量 |
4.5.3 参数讨论 |
4.6 仿真实验与分析 |
4.6.1 仿真工具NS2 |
4.6.2 仿真配置 |
4.6.3 实验结果分析 |
4.7 本章小结 |
5 非线性链路拥塞控制技术 |
5.1 链路拥塞控制 |
5.2 几种典型的AQM算法 |
5.2.1 随机早检测RED算法 |
5.2.2 系统自适应RED算法ARED |
5.2.3 公平性RED算法FRED |
5.2.4 AQM算法问题分析 |
5.3 分段平滑RED算法 |
5.3.1 问题描述 |
5.3.2 分段平滑随机早检测算法 |
5.3.3 仿真实验与结果分析 |
5.4 基于隶属云理论的非线性RED算法 |
5.4.1 RED算法的不确定性问题 |
5.4.2 云模型的基本理论 |
5.4.3 基于隶属云理论的非线性RED算法 |
5.4.4 仿真实验及结果分析 |
5.5 本章小结 |
6 非端到端网络拥塞控制技术 |
6.1 机会网络概述 |
6.2 机会网络与Internet拥塞控制的区别 |
6.3 机会网络体系结构 |
6.4 机会网络拥塞控制研究 |
6.5 基于节点社会属性的喷雾等待路由算法 |
6.5.1 节点社会性度量 |
6.5.2 算法描述 |
6.5.3 实验与仿真分析 |
6.6 基于节点关系与社区协作的路由算法 |
6.6.1 节点的连接特性 |
6.6.2 节点关系与社区 |
6.6.3 基于社区协作的路由算法 |
6.6.4 基于节点关系与社区协作的消息传输 |
6.7 仿真实验与结果分析 |
6.7.1 ONE仿真实验平台 |
6.7.2 数据集及仿真参数 |
6.7.3 实验结果分析 |
6.8 本章小结 |
7 总结及下一步工作 |
7.1 论文总结 |
7.2 下一步工作 |
参考文献 |
作者简历及在学研究成果 |
学位论文数据集 |
四、区分服务网络中带宽利用的公平性(论文参考文献)
- [1]高动态网络中的网络拥塞管理[D]. 黄程远. 北京邮电大学, 2021(01)
- [2]数据中心网络中高吞吐低延时拥塞控制方法[D]. 石佳明. 北京邮电大学, 2021(01)
- [3]国产化某OS中传输层拥塞控制协议的研究[D]. 严倩倩. 西安工业大学, 2021(02)
- [4]区分服务中的流量识别与调度算法研究[D]. 李东璞. 中国科学技术大学, 2021(08)
- [5]智慧标识网络域间流量工程机制研究[D]. 李佳伟. 北京交通大学, 2020(03)
- [6]面向低轨卫星网络的TCP拥塞控制机制[D]. 涂印. 北京邮电大学, 2020(05)
- [7]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)
- [8]面向跨数据中心应用的资源管理技术研究[D]. 董晓东. 天津大学, 2020(01)
- [9]基于流量控制及改进动态WFQ的TCSN调度算法仿真研究[D]. 杜辙. 西南交通大学, 2020(07)
- [10]复杂网络智能拥塞控制研究[D]. 赵宇红. 北京科技大学, 2019(06)