SDN控制器放置及扩容性能优化验证平台

来源 :山东大学 | 被引量 : 0次 | 上传用户:x_men_123
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
软件定义网络(Software Defined Network,SDN)是一种将控制平面和数据平面分离了的新型网络架构。SDN数据平面由交换机组成,负责数据流的分组转发功能;SDN控制平面由控制器组成,负责对数据平面进行集中化管控。在SDN网络中,通常需要合理地设计控制器在网络中的放置位置及服务资源的分配策略从而获得具有利润空间的网络性能,因此需要预先对网络设计进行验证。然而,由于控制器放置问题是NP难问题,进行网络设计时所涉及的场景是指数增长的,这造成了验证不同设计场景下的网络性能的困难,因此迫切需要相关工具来为网络中控制器的优化部署和服务资源的优化利用提供指导。另外,由于具有自相似特性的网络流量被认为广泛存在于现代通信网络中,用传统的泊松过程刻画网络流量模型可能引起评价结果的偏离,因此在SDN资源优化科学问题的研究中,还需要以自相似网络流量、泊松到达的网络流量为基础,建立不同的网络流量模型来分析问题。为此,论文基于国家自然科学基金项目中资源优化与性能验证的部分科学问题的研究需要,设计实现了一种基于不同网络流量模型的验证平台,旨在验证SDN控制器放置及扩容问题的网络性能边界。论文将网络流量和控制器的服务能力相结合,基于不同的网络流量模型对SDN控制器性能进行建模并分析控制器排队时延,随后结合排队时延和传播时延确立了 SDN控制器放置及扩容问题的性能优化指标。在此基础上,对验证平台进行了设计与实现。最后,在平台中设置不同的实验参数验证了控制器放置和扩容问题,得出了相关实验结论。论文中的验证平台能够仿真不同的网络流量去验证SDN控制器放置和扩容问题的性能边界,提供控制器最优部署方案和最优扩容方案。同时,论文通过相关实验证明了控制器优化部署和控制器扩容资源优化利用的重要性,分析了网络流量特性。论文从网络设计的验证难题入手,对网络流量模型、控制器性能建模进行了分析研究并将网络时延作为控制器放置及扩容问题的性能优化指标,在此基础上设计实现了 SDN控制器放置及扩容性能优化验证平台,为软件定义网络中资源优化与性能验证的部分科学问题研究和实际应用提供参考。
其他文献
当今社会,随着互联网的迅速发展,来自互联网、工业生产、企业内部的数据成为了一项重要资产,迸发出巨大的商业价值,而企业需要掌控这些数据来赢得机遇、抢占商机。因此,它们迫切需要运用大数据分析技术挖掘其背后的规律并加以利用,从而为企业提供更有价值的信息,以便在市场竞争中夺得先机。同时,企业对数据分析应用的多样性需求,为数据分析平台的快速开发、重构与即时运维技术带来了巨大挑战,需要针对不同数据分析的应用层
基于卷积神经网络(CNNs)的多任务学习方法在计算机视觉的各种应用中取得了显著的成功,是目前重点关注的研究方向之一。多任务卷积神经网络是在单任务模型结构保持不变的情况下,学习多个任务的共享表示,该共享表示适用于不同但相关任务的训练目标,使多任务模型更具有泛化能力。随之各任务分支拟合各自输出,从而完成多个任务的联合预测,并取得整体性能的提升。对于有效的多任务卷积神经网络方法,最近的研究均是通过自动学
为满足空间大轨道转移任务要求,基于电推进系统液氪低温推进剂在轨长期贮存的应用需求,从低温推进剂贮箱壳体材料、贮箱热防护技术、微重力环境下贮箱内气液分离和流体管理等四方面入手,聚焦于国内外相关研究进展,总结了关键技术的发展现状,结合氪工质贮存要求进行了分析,旨在为电推进系统液氪贮箱设计提供参考。
根据单张图像估计深度信息是计算机视觉领域的经典问题,也是一项具有挑战的难题。在传统的计算机视觉中,由于单目图像的尺度不确定性,导致根据单目图像无法计算深度值,仅能通过双目图像计算出稀疏深度值。目前,基于深度学习技术的单目深度估计方法成为了研究热点。基于监督学习的单目深度估计方法通常需要依赖大量的真实深度标签用于模型训练,然而获取真实深度的成本是非常高昂的。基于无监督学习的单目深度估计通常根据双目图
图像分辨率越高通常意味着图像拥有更多的细节,更高的清晰度以及更好的视觉感受。高分辨率的医学图像有助于医生的诊断;高分辨率的监控图像有利于犯罪行为的识别和追踪;高分辨率的视频可以带来良好的观影体验。但是图像的分辨率往往受到设备精度、环境、信息传输效率等因素的制约。如何在这些因素的制约下获得高分辨率图像有着重要的意义。这类通过模糊的低分辨率图像恢复高分辨率图像的算法统称为图像超分辨率算法,其难点在于图
头部姿态估计(确定人体头部相对于摄像机视图的方向)的研究在计算机视觉领域是一项长期的研究课题,头部姿态估计在视线估计、注意力建模、三维模型与视频的拟合、人脸定位等方面有着广泛的应用。在过去的二十年中,头部姿态的研究推动了三维重建的视觉技术以及多媒体内容操作的发展,在与用户交互方面发挥了重要作用。它广泛应用于注意力检测模型,司机行驶监控,课堂智能管理与人脸识别等领域。本文研究的主要问题是对于头部姿态
近年来,拍摄设备的日渐普及,图片的采集途径也变得简单,图像中包含大量信息,数据传输存储的方式由过去的文本格式逐渐向转图像、视频等新型媒体格式转换,图像中的信息通过像素的方式展示,用户理解更加直观,而对于计算机而言,去理解图像中所包含的内容有着重要的意义,图像中出现文本内容具有高度的标识性,与图像所示内容具有强关联度,文本信息包含的高层语义信息对于图像的理解有重要作用。人工智能算法的发展,需要大量数
在新技术不断涌现,文化市场愈加繁荣的背景下,如何更好地通过法律保护著作权,打击侵权行为,维护好个人利益与社会公共利益的平衡是亟待解决的问题。作品相似侵权现象是该问题的集中体现之一。侵权类案件的重要环节之一是对于行为性质的判定。对于著作权侵权行为的认定历来是司法实践中的难点,原因在于案件本身所涉作品的复杂性、当前立法缺乏具体判定规则以及个人利益与社会公共利益的平衡把握。在长期的学理研究与司法实践中,
随着社会信息化程度的提高,企业和社会机构在日常生产和运营过程中产生越来越多的数据,同时企业和社会机构也越来越重视对数据的管理和保护。在这样的背景下,数据同步服务的市场需求与日俱增,在数据容灾、数据迁移、数据抽取等诸多场景,数据同步都被视为一项必不可少的技术。本文介绍的高可靠数据增量同步系统,是山大地纬软件股份有限公司数据库基础架构的重要组成部分,为公司的智慧政务、智慧医保医疗等业务提供数据同步服务
近年来,随着移动终端设备的普及,图像逐渐成为日常生活中最重要的信息载体。光学成像设备的发展使图像质量得到了大幅地提升,图像中的像素数量也不断增加。通常来说数字图像处理领域相关算法的复杂度与图像中的像素数目成正比,因此图像像素数目的增加将严重影响图像处理算法的执行效率。在自然图像中,通常存在着大量冗余信息,大量临近像素具有相同或相近的颜色、灰度、纹理等特征,超像素生成算法将这些具有相似特征的像素点用