云数据中心流量调度机制研究

发布时间：2021-01-14 21:09

　　近年来,随着大数据、网络搜索、公有云等服务的普及与蓬勃发展,支撑这些服务的数据中心物理基础设施与关键技术也面临了诸多挑战。通常这些业务需要依靠大量服务器并行处理数据,并通过网络保障服务器间数据的高效传输。所以数据中心网络的性能直接决定了业务的服务质量。然而,由于现有数据中心使用了特殊的拓扑结构并包含多种不同需求的业务,导致传统流量调度算法在数据中心网络中遇到了性能瓶颈和许多不同的问题,例如:多径拓扑下由负载调度不均引起的路径拥塞问题,多业务混合场景下时延敏感流的时延需求难以得到保障、流完成时间长问题,大数据等特殊业务中并行数据流（Coflow）调度效率低、任务完成慢问题。论文针对数据中心流量调度问题进行了研究,主要取得以下研究成果:1.设计了基于流分布的半集中式负载均衡机制FDALB。结合分布式负载均衡可扩展性强,集中式负载均衡性能优的特点,论文设计了 FDALB机制降低了集中式负载均衡的控制开销,从而提高了集中式负载均衡的可扩展性。并且,仿真实验显示FDALB大大降低了网络时延,避免了链路拥塞。2.设计了云环境中基于混合流的信息无感知流调度机制TPFS。针对信息无感知场景下,时延敏感... 

【文章来源】：北京邮电大学北京市 211工程院校 教育部直属院校

【文章页数】：125 页

【学位级别】：博士

【部分图文】：

图１－４：?Ｂｃｕｂｅ拓扑??以交换机为中心是数据中心中最为常用的拓扑结构

??二层或者三层结构。例如，图１－２和图１－３分别显示了两种典型的树型拓扑Ｆａｔ－??Ｔｒｅｅ［２】和ＶＬ２［３〗。这两种拓扑结构都使用了三层架构：核心层、汇聚层、边缘??层。与三层结构相比，Ｌｅａｆ－Ｓｐｉｎｅ形式的二层结构去掉了汇聚层，减少了交换机??的使用数量，但在整体规模和扩展性上可能存在不足。??ｊＬｅｖｅｌ?１?＜１，０＞?＜１，１＞?＜１，２＞?＜１，３＞?Ｉ??＜〇，〇＞］?／ｊｖ?＾ＪＬ、ｉ／Ｋ?［＜〇：”?１?ｊ??ｉ?Ｉ?Ｌ?－＊?－?－？?ｔ???图１－５：?Ｄｃｅｌｌ拓扑??以服务器为中心是最近几年被提出的新型拓扑结构。服务器在网络中不仅??提供计算能力

１．２．１负载不均衡问题??前面小节提到，数据中心的网络是由大量交换机通过水平扩展的方式组成??的，所以数据中心网络并不是一个理想的交换机。如图１－６所示，由于数据中??心使用了树型拓扑结构，每对主机间存在多条不同的等价路径，因此，需要??负载均衡机制（Ｌｏａｄ?Ｂａｌａｎｃｉｎｇ）决定每条流的转发路径，从而使每条链路具有??相似的负载。ＥＣＭＰ?（Ｅｑｕａｌ?Ｃｏｓｔ?Ｍｕｌｔｉ?Ｐａｔｈ）?算法是目前数据中心最为常用的??负载均衡算法。ＥＣＭＰ算法对数据包的原ＩＰ地址、目的ＩＰ地址、源端口、目的??端口、ＶＬＡＮ?（Ｖｉｒｔｕａｌ?Ｌｏｃａｌ?Ａｒｅａ?Ｎｅｔｗｏｒｋ）?［９］标识等包头域进行Ｈａｓｈ，然后根??据Ｈａｓｈ函数得到的结果选择一条路径。然而，如图ｌ－６（ａ）所示，由于Ｈａｓｈ函数??存在Ｈａｓｈ冲突，所以极易造成多条流被Ｈａｓｈ到同一条路径上，引起路径拥塞，??导致大量的数据包丢失，影响业务性能ｎ（Ｕ１］。此外，数据中心的链路会产生链??路故障，从而导致数据中心拓扑的不对称。而以ＥＣＭＰ为代表的分布式的负载??均衡算法无法获取全局拥塞信息


本文编号：2977553