面向SDN多数据流的Fork-Join调度策略研究

发布时间：2020-04-03 18:21

【摘要】：软件定义网络(SDN)是一种新型网络架构,能实时、准确地更新网络配置,满足目前不断涌现的新型数据业务的服务需求。然而,随着数字化进程的推进和数字经济的发展,网络所承载的服务愈来愈多,SDN也面临着诸多挑战,其中对大量业务数据流的调度与处理问题尤为突出。因此,需要有一种新的调度策略与处理模型。尽管业界在数据流调度与处理的研究上取得了一定进展,但相关研究并没有充分考虑到SDN的网络架构特点,具体表现为:1)对数据流的处理需要充分考虑网络资源调度方面的灵活性和智能化,切合满足现有数据业务对SDN网络架构的要求;2)集合流需要进一步划分为多类数据流,单一的调度算法并不能充分考虑所有数据流的服务要求,保障数据流的细粒度;3)SDN中的数据流调度策略由控制器配置,在研究数据流调度处理时需要考虑控制器的存在。为此,本文对面向SDN多数据流的调度策略进行了研究,同时引入Fork-Join模型,利用其并行处理业务的能力为多种数据业务提供更快速的服务,主要工作如下:(1)针对目前网络中数据流的多种多样并且服务需求差异化的特点,引入Fork-Join模型对网络资源进行灵活分配,利用Fork-Join系统并行处理数据的优点,降低多数据流的处理延迟、积压等,并分别使用网络演算和排队论分析比较ForkJoin系统的积压和时延上界。(2)对不同数据流业务进行优先级划分,建立了多数据流Fork-Join调度系统模型(MSFJ),同时结合多种数据流调度策略提出了多优先级队列调度方案,并使用网络演算理论推导出了在不同调度方案下MSFJ系统的积压与时延上界。(3)利用数值仿真比较了MSFJ系统在不同调度策略下的积压与时延,同时基于MSFJ系统模型搭建了SDN的数据流通信平台,进一步验证不同调度策略的优劣,为多数据流调度提供实验基础。综上所述,本文对现有调度策略展开深入研究,同时建立了SDN中多种数据流的调度模型,在此基础上提出多优先级调度策略,合理分配网络资源,以满足多种数据业务的网络需求。将网络演算理论引入到多优先级调度策略的性能分析中,同时引入Fork-Join模型提升系统处理能力,满足多优先级数据业务的调度需求。
【图文】：

另一个域中的节点通居控制器是否知道信度无线网络架构求正在大幅提升。根[43]显示，中国电信移，移动数据的使用量激开始推动密集异构网免由于干扰和信令开控制器（逻辑视图）

3.1 类似于 Fork-Join 系统的 MapReduce 抽象模型样的应用，产生了不同特征的数据流量，从网络简要分为两类：时延敏感型数据流和时延容忍度聚合。顾名思义，时延敏感型数据流对系统服它需要节点对它倾斜网络资源保障其服务优先信号求组、用户通信等；时延容忍型数据流在完有较高的吞吐率。因此，对于不同服务需求应。多优先级数据流的 Fork-Join 调度机制研究的主的 QoS 性能，在满足各类数据流调度需求的同时本研究系统模型性能的分析，，使用网络演算分
【学位授予单位】：重庆邮电大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP393.02

【相似文献】

相关期刊论文 前10条

1 于自强;禹晓辉;董吉文;王琳;;分布式多数据流频繁伴随模式挖掘[J];软件学报;2019年04期

2 ;多指令流多数据流的多微处理机系统AP_(85)研制成功求解速度比PDP-11/23快十余倍[J];航空计算技术;1988年02期

3 杨文;李文敬;李双;杨琰;;基于基因表达式编程的多数据流分类并行算法[J];华中科技大学学报(自然科学版);2012年S1期

4 屠莉;陈];邹凌君;;基于相关分析的多数据流聚类(英文)[J];软件学报;2009年07期

5 邹凌君;陈];屠莉;;一种基于谱分量相似度的多数据流聚类算法(英文)[J];Journal of Southeast University(English Edition);2008年03期

6 王刚,吴代贤;多数据流时间序列中的依赖模式发现算法研究[J];西南师范大学学报(自然科学版);2003年04期

7 孟庆强;胡牧;孙立华;郑浩泉;;面向电力大数据的多数据流实时处理技术研究[J];计算机与数字工程;2018年05期

8 李洪乾;;面向电力大数据的多数据流实时处理技术研究[J];计算机产品与流通;2018年10期

9 姜万昌;霍聪;任家东;;有限通信资源下多数据流连接的降载算法[J];计算机工程;2008年21期

10 张军;韦岗;余华;;基于特征分量输出概率加权的多数据流鲁棒语音识别方法[J];声学学报(中文版);2008年02期

相关会议论文 前5条

1 丁超;元昌安;李桂来;覃晓;彭昱忠;;基于GEP的多数据流的压缩算法[A];第二十五届中国数据库学术会议论文集（二）[C];2008年

2 闫莺;金澈清;曹锋;汪恒杰;周傲英;;多数据流上共享窗口连接查询的降载策略[A];第二十一届中国数据库学术会议论文集（研究报告篇）[C];2004年

3 袁炳南;于艳;张俊芳;;飞行试验多目标遥测监控及其技术实现[A];2008年航空试验测试技术峰会论文集[C];2008年

4 李相国;;单天线、多数据流综合监控系统的实现[A];面向航空试验测试技术——2013年航空试验测试技术峰会暨学术交流会论文集[C];2013年

5 刘咏;孙庆国;王烨芳;;基于大数据的气象保障技术研究[A];第35届中国气象学会年会 S14 大数据、互联网、融媒体时代气象服务的创新与变革——第八届气象服务发展论坛[C];2018年

相关博士学位论文 前7条

1 张霞;无线传感器网络路由协议若干关键问题研究[D];解放军信息工程大学;2009年

2 沈智翔;多天线信号联合接收处理关键技术研究[D];解放军信息工程大学;2014年

3 张海霞;基于MIMO的未来宽带无线通信关键技术研究[D];山东大学;2008年

4 张晨;数据流聚类分析与异常检测算法[D];复旦大学;2009年

5 陈华辉;基于遗忘特性的数据流概要结构及其应用研究[D];复旦大学;2008年

6 李飒;数据流软聚类理论及其在瓦斯灾害预警中的应用[D];辽宁工程技术大学;2014年

7 于自强;海量流数据挖掘相关问题研究[D];山东大学;2015年

相关硕士学位论文 前10条

1 杨胜达;基于时间距离度量的多数据流快速聚类[D];云南大学;2018年

2 向豪;面向SDN多数据流的Fork-Join调度策略研究[D];重庆邮电大学;2019年

3 罗竞佳;基于PCA/ICA的多数据流关联及模式发现[D];大连理工大学;2009年

4 杨文;基于GEP的多数据流分类压缩并行算法研究[D];广西师范学院;2013年

5 温正清;基于网络编码的安全多数据流传输方案研究[D];苏州大学;2017年

6 江楠;一种多数据流聚类异常检测算法[D];哈尔滨工程大学;2011年

7 庞景月;滑动窗口模型下的数据流自适应异常检测方法研究[D];哈尔滨工业大学;2013年

8 戴晓雄;基于ARM Cortex-A8平台的VC-1视频解码优化[D];华中科技大学;2012年

9 李文平;一种多数据流变化趋势的同异反分析方法研究[D];哈尔滨工程大学;2011年

10 陶克;数据流频繁项集挖掘技术研究[D];国防科学技术大学;2009年

本文编号：2613544