基于遗传-蚁群混合算法的SDN数据中心网络大象流调度研究
发布时间：2021-02-25 08:40
云计算、大数据和物联网技术快速发展及广泛应用,使得作为其主要基础设施的数据中心网络规模也愈加庞大,结构更为复杂,内部的各种资源管理也越来越困难。数据中心网络内部的流量模式也发生了很大变化,各服务器之间的流量愈来愈大。采用传统的静态流量调度算法,会出现网络设备和链路负载不均,甚至发生设备宕机以及链路堵塞等现象。SDN技术为解决数据中心网络面临的问题提供了新的机遇。因此,针对当今数据中心网络中的流量调度问题,论文首先建立整数线性规划数学模型,提出了一种以SDN技术为基础的流量调度算法GA-ACO来求解该数学模型得到最佳流量调度方案。算法首先使用ECMP（equal cost multipath routing,等价多路径路由）调度新到达的数据流,同时使用Sflow监测技术实时监测链路状态信息和大象流。对于拥塞链路上的大象流,GA-ACO使用遗传算法计算多条可用路径,然后通过蚁群算法从中选出最优路径,来重新路由该大象流。同ECMP算法和蚁群优化算法AC0-SDN相比,提出的GA-ACO算法在降低最大链路利用率和提高平均对分带宽方面,都取得了更好的效果。
【文章来源】：内蒙古农业大学内蒙古自治区
【文章页数】：48 页
【学位级别】：硕士
【部分图文】：
图６?ＧＡ－ＡＣＯ算法流程图??Ｆｉｇ．６?Ｆｌｏｗ?ｃｈａｒｔ?ｏｆ?ｔｈｅ?ＧＡ－ＡＣＯ??
，通过选择、交叉和变异处理，进行循环迭代，最终求解出问题的最优解决方案。??本文中利用遗传算法，依据实时网络拓扑和链路使用情况，计算出符合数学模??型中约束条件（４）？（６）的多条可行路径。算法的输入为网络中实时获取的链路??利用率，解空间Ｒ由多条可用路径组成，作为大象流备选路径。算法的输出为多条??可用路径。遗传算法具体步骤如下所述。??１．编码??为了求解已经建立的数学优化模型，本文将遗传算法中的染色体定义为候选路??径。一条路径对应一条染色体，是由多条连续链路构成的链路串。如图７所示为本??实验环境中的一条路径实例。??ｓｌ??ｙ?ｖ??ｓｄ?ｓ５?ｓ７?ｓｆ??ｍ??３?＂?１?３?ｉ?１?３?１?３??ｈｉ?ｈ５??图７完整路径实例图??Ｆｉｇ．７?Ｆｕｌｌ?ｐａｔｈ?ｉｎｓｔａｎｃｅ?ｄｉａｇｒａｍ??
?基于遗传－蚁群混合算法的ＳＤＮ数据中心网络大象流调度研究?２８＿??〇Ｓ??＾ｋｍｍｍ?ｍｍｍｍ?Ｘｍｍｍ?ｉｐｉｐｉｐｉｐ??图８实验拓扑结构图??Ｆｉｇ．８?Ｅｘｐｅｒｉｍｅｎｔａｌ?ｔｏｐｏｌｏｇｙ?ｄｉａｇｒａｍ??４．１．３?ｉｐｅｒｆ流量生成??文献［３］规定把单个数据流占用链路带宽百分之十作为判断大象流的最低标准，??所以本文规定带宽在１０Ｍ／Ｓ及以上判定为大象流。数据中心网络的通信模型依据参??考文献［４２？４５］设计。??使用Ｍｉｎｉｎｅｔ平台内置的流量生成工具Ｉｐｅｒｆ，自定义扩展Ｍｉｎｉｎｅｔ内部命令来??生成流量。流的大小服从指数分布，其中用于产生流量的指数函数参数ｒ＝０．２３，即??每条流的大小是１Ｍ－４０Ｍ之间的整数。产生每条流的时间间隔服从泊松分布（时间??单位为秒），均限制在（０，?１）区间内，每条流的持续时间为３０秒。三种通信模式??的通信过程如下所述：??１．间隔模式ｓｔｒｉｄｅ（ｉ）：编码是ｘ的服务器向编码是（ｘ＋ｉ）?ｍｏｄｎ的服务器传输??数据，变量ｎ代表全网服务器总数量。??２．交错模式ｓｔａｇｇｅｒｅｄ?（ｐｌ，ｐ２）：每台服务器以概率ｐｉ向同属于一个接入层交换??机的服务器发送数据，以概率ｐ２向同属于一个Ｐｏｄ的服务器发送数据，以概率??ｌ－ｐｌ－ｐ２向其他ｐｏｄ内服务器发送数据；??３．随机模式ｒａｎｄｏｍ：网络中的服务器使用相同的随机概率向除本机外的服务??器传输数据。??
【参考文献】：
期刊论文
[1]基于SDN的数据中心网络多路径流量调度算法[J]. 金勇,刘亦星,王欣欣. 计算机科学. 2019(06)
[2]基于SDN的流量控制算法综述[J]. 阳凯,林海涛,黎海雪. 通信技术. 2019(04)
[3]基于蚁群算法的SDN数据中心网络大象流调度研究[J]. 李宏慧,杨光,路海亮,付学良,申志军. 计算机应用研究. 2019(12)
[4]基于SDN的胖树数据中心网络多路径负载均衡算法研究[J]. 付应辉,刘必果,束永安. 计算机应用与软件. 2017(09)
[5]一种基于SDN的多路径流调度机制[J]. 臧韦菲,兰巨龙,胡宇翔. 计算机应用研究. 2018(06)
[6]基于离散粒子群算法的数据中心网络流量调度研究[J]. 林智华,高文,吴春明,李勇燕. 电子学报. 2016(09)
[7]基于SDN的数据中心网络流量调度机制的设计与实现[J]. 王文涛,郑芳,王玲霞,穆晓峰. 中南民族大学学报(自然科学版). 2016(03)
[8]基于SDN的胖树数据中心网络的多路径路由算法[J]. 农黄武,黄传河,黄晓鹏. 计算机科学. 2016(06)
[9]软件定义数据中心网络混合路由机制[J]. 蔡岳平,王昌平. 通信学报. 2016(04)
[10]面向流数据处理的数据中心网络拓扑研究[J]. 李婧. 计算机应用与软件. 2014(09)
本文编号：3050718
【文章来源】：内蒙古农业大学内蒙古自治区
【文章页数】：48 页
【学位级别】：硕士
【部分图文】：
图６?ＧＡ－ＡＣＯ算法流程图??Ｆｉｇ．６?Ｆｌｏｗ?ｃｈａｒｔ?ｏｆ?ｔｈｅ?ＧＡ－ＡＣＯ??
，通过选择、交叉和变异处理，进行循环迭代，最终求解出问题的最优解决方案。??本文中利用遗传算法，依据实时网络拓扑和链路使用情况，计算出符合数学模??型中约束条件（４）？（６）的多条可行路径。算法的输入为网络中实时获取的链路??利用率，解空间Ｒ由多条可用路径组成，作为大象流备选路径。算法的输出为多条??可用路径。遗传算法具体步骤如下所述。??１．编码??为了求解已经建立的数学优化模型，本文将遗传算法中的染色体定义为候选路??径。一条路径对应一条染色体，是由多条连续链路构成的链路串。如图７所示为本??实验环境中的一条路径实例。??ｓｌ??ｙ?ｖ??ｓｄ?ｓ５?ｓ７?ｓｆ??ｍ??３?＂?１?３?ｉ?１?３?１?３??ｈｉ?ｈ５??图７完整路径实例图??Ｆｉｇ．７?Ｆｕｌｌ?ｐａｔｈ?ｉｎｓｔａｎｃｅ?ｄｉａｇｒａｍ??
?基于遗传－蚁群混合算法的ＳＤＮ数据中心网络大象流调度研究?２８＿??〇Ｓ??＾ｋｍｍｍ?ｍｍｍｍ?Ｘｍｍｍ?ｉｐｉｐｉｐｉｐ??图８实验拓扑结构图??Ｆｉｇ．８?Ｅｘｐｅｒｉｍｅｎｔａｌ?ｔｏｐｏｌｏｇｙ?ｄｉａｇｒａｍ??４．１．３?ｉｐｅｒｆ流量生成??文献［３］规定把单个数据流占用链路带宽百分之十作为判断大象流的最低标准，??所以本文规定带宽在１０Ｍ／Ｓ及以上判定为大象流。数据中心网络的通信模型依据参??考文献［４２？４５］设计。??使用Ｍｉｎｉｎｅｔ平台内置的流量生成工具Ｉｐｅｒｆ，自定义扩展Ｍｉｎｉｎｅｔ内部命令来??生成流量。流的大小服从指数分布，其中用于产生流量的指数函数参数ｒ＝０．２３，即??每条流的大小是１Ｍ－４０Ｍ之间的整数。产生每条流的时间间隔服从泊松分布（时间??单位为秒），均限制在（０，?１）区间内，每条流的持续时间为３０秒。三种通信模式??的通信过程如下所述：??１．间隔模式ｓｔｒｉｄｅ（ｉ）：编码是ｘ的服务器向编码是（ｘ＋ｉ）?ｍｏｄｎ的服务器传输??数据，变量ｎ代表全网服务器总数量。??２．交错模式ｓｔａｇｇｅｒｅｄ?（ｐｌ，ｐ２）：每台服务器以概率ｐｉ向同属于一个接入层交换??机的服务器发送数据，以概率ｐ２向同属于一个Ｐｏｄ的服务器发送数据，以概率??ｌ－ｐｌ－ｐ２向其他ｐｏｄ内服务器发送数据；??３．随机模式ｒａｎｄｏｍ：网络中的服务器使用相同的随机概率向除本机外的服务??器传输数据。??
【参考文献】：
期刊论文
[1]基于SDN的数据中心网络多路径流量调度算法[J]. 金勇,刘亦星,王欣欣. 计算机科学. 2019(06)
[2]基于SDN的流量控制算法综述[J]. 阳凯,林海涛,黎海雪. 通信技术. 2019(04)
[3]基于蚁群算法的SDN数据中心网络大象流调度研究[J]. 李宏慧,杨光,路海亮,付学良,申志军. 计算机应用研究. 2019(12)
[4]基于SDN的胖树数据中心网络多路径负载均衡算法研究[J]. 付应辉,刘必果,束永安. 计算机应用与软件. 2017(09)
[5]一种基于SDN的多路径流调度机制[J]. 臧韦菲,兰巨龙,胡宇翔. 计算机应用研究. 2018(06)
[6]基于离散粒子群算法的数据中心网络流量调度研究[J]. 林智华,高文,吴春明,李勇燕. 电子学报. 2016(09)
[7]基于SDN的数据中心网络流量调度机制的设计与实现[J]. 王文涛,郑芳,王玲霞,穆晓峰. 中南民族大学学报(自然科学版). 2016(03)
[8]基于SDN的胖树数据中心网络的多路径路由算法[J]. 农黄武,黄传河,黄晓鹏. 计算机科学. 2016(06)
[9]软件定义数据中心网络混合路由机制[J]. 蔡岳平,王昌平. 通信学报. 2016(04)
[10]面向流数据处理的数据中心网络拓扑研究[J]. 李婧. 计算机应用与软件. 2014(09)
本文编号：3050718
本文链接：https://www.wllwen.com/guanlilunwen/ydhl/3050718.html
