网络虚拟化仿真环境中资源调度模块的设计与实现

来源 :北京邮电大学 | 被引量 : 0次 | 上传用户:suibianlaila
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
互联网作为人类社会史上一个重大的科技发明,从早期仅仅存在于实验室环境中,到如今已经演变成与人们工作、生活息息相关、不可或缺的基础设施之一。虽然互联网在业务应用和底层通信上都取得了蓬勃的发展,但是互联网的基本网络架构这么多年来却没有实质性的进展,目前所采用的依旧是当初的TCP/IP协议,伴随着网络规模的不断扩大,网络业务的日益增多,传统互联网正变得越来越庞大,越来越僵化,而网络虚拟化作为解决目前互联网僵化等问题的一个重要技术,得到了学术界的广泛关注。目前学术界对于网络虚拟化已经进行了很多的理论研究,然而对于这些研究中涉及的机制和算法还需要进行大量的试验验证。但是网络虚拟化环境与传统网络在网络架构等方面都存在着不同,无法直接使用传统网络环境来进行网络虚拟化的相关实验验证,因此需要构建网络虚拟化的仿真环境。在网络虚拟化仿真环境中,资源调度是其中一个重要的部分,在资源调度中,资源的映射算法是调度的核心机制。目前的仿真环境中资源的映射算法面临着以下几个问题。(1)目前的仿真环境中,对于所采用的映射算法一般都是使用固定的映射算法,系统中所有的资源调度都使用同一个映射算法来进行处理,这对于映射算法的选取造成了很大的困难,而且不同的场景下,可能不同的映射算法具有各自的特性,一些映射算法可能更能够发挥自已的优势。(2)目前的仿真环境中,当有多个虚拟网请求同时到来时,系统会随机选取一个虚拟网请求来优先处理,这种处理方法在同时到来的虚拟网请求数量比较少时可能还是有效的,当数量比较庞大时,资源调度的稳定性和高效性将会面临着巨大的挑战。因此需要对该情况设计一套预处理机制,来提高资源调度的效率。目前的仿真平台,如Emulab,CORE等,虽然可以采用虚拟化的服务器集群来仿真分布式的网络,但是对于网络虚拟化环境下的网络拓扑模型并没有很好的支持。为此本文设计和实现了网络虚拟化仿真环境中的资源调度模块。该模块主要包括网络拓扑生成子模块,网络映射关系仿真子模块和网络状态监控子模块。另外在开发调度模块的过程中,本文提出了优化的基于双层优先级模型的虚拟网映射算法,同时为资源调度模块加入了算法嵌入的功能。经过软件测试和相关仿真实验,实验结果表明:网络虚拟化仿真环境中的资源调度模块能够完成虚拟网映射的资源调度功能,并能够提高研究人员的算法研究效率。
其他文献
卷积神经网络将人工神经网络模型和深度学习技术有效地结合在一起,该网络模型具有局部感知区域、结构化层次以及特征提取与分类相结合的全局训练等特点。卷积神经网络较强的
相比于责任保险,责任免除,费用补偿等措施在董事责任的限制方面产生的作用,经营判断规则的优越性在于阻断认定董事违反注意义务的路径。受到经营判断规则保护的董事不仅可以免于个人经济损失,还可以免于陷入商誉受损的危机。经营判断规则起源于英美法系判例法,其内涵经由诸多影响较大的案例得到丰富。在借鉴英美法系做法的基础上,大陆法系国家尝试探索适合成文法系国家的经营判断规则,使得经营判断规则得到了进一步的发展。目
D2D(Device to Device,终端直通)通信系统是一种允许信号不经过基站直接在发送端和接收端传输的短距离通信方式。D2D通信不仅可以通过灵活的无线资源复用方式提高整个系统的
近年来,随着互联网技术的发展,社交网络作为新的,非常实用的交流、互动交友模式,受到了许多用户的青睐,在网络活动中越来越重要。从QQ空间、人人网到现在非常火爆的新浪微博
LED凭借其环保、节能、寿命长等特点,逐步占领照明市场。LED照明发展到今天,已经不仅仅只是起到基本的视觉作用,而逐步发展到对舒适感和美观的满足。LED幕墙作为LED照明的一
近年来随着移动智能设备普及和新型数据业务的出现,如4K高清视频,VR等,人们对无线通信速率和容量的需求越来越大。多输入多输出(Multiple-input Multiple-output,MIMO)技术因
近年来,无线视频数据流量呈现爆炸式增长,为了满足这种日益增长的需求,D2D(Device-to-Device)通信技术被应用于视频分发设计中。D2D视频分发系统中最为重要的步骤是选择合适
相位恢复是指仅利用信号或图像线性变换的幅值测量数据重构原始图像,在光学领域中相位恢复是指重构光波的相位分布,重构图像或光波相位过程是线性变换反向问题,由于幅值测量
近年来,随着信息技术的飞速发展,融合业务作为下一代网络业务的主要呈现形式,实现了全新的业务开发提供模式。通过BPEL技术,融合业务能够快速整合不同网络下的多种形式的业务
北京谱仪Ⅲ(BESⅢ)实验是一个大型国际合作高能物理实验,每年都会产生PB量级的实验数据。为满足海量数据的处理需求,BESⅢ实验整合了多个合作组织的计算和存储资源,搭建了一