CN106209669A - 面向sdn数据中心网络最大概率路径流调度方法及装置 - Google Patents
面向sdn数据中心网络最大概率路径流调度方法及装置 Download PDFInfo
- Publication number
- CN106209669A CN106209669A CN201610502532.4A CN201610502532A CN106209669A CN 106209669 A CN106209669 A CN 106209669A CN 201610502532 A CN201610502532 A CN 201610502532A CN 106209669 A CN106209669 A CN 106209669A
- Authority
- CN
- China
- Prior art keywords
- stream
- path
- bandwidth
- paths
- probability
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/10—Flow control; Congestion control
- H04L47/12—Avoiding congestion; Recovering from congestion
- H04L47/125—Avoiding congestion; Recovering from congestion by balancing the load, e.g. traffic engineering
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种面向SDN数据中心网络最大概率路径流调度方法及装置,该方法的步骤为:S1:通过交换机获得流相关信息;S2:对流进行判断,判断要是否是大象流,如果不是大象流,根据流的信息和控制器维护的全局拓扑信息获得流的可选路径,然后为其任意选择一条路径;如果判断流F是大象流,则选择概率路径算法为其计算一条满足流带宽需求的路径;S3:在为流F选择了一条路径之后将流表项下发到交换机,流F匹配流表项后根据动作进行数据转发或者将流F剩余数据匹配新流表项进行转发。该装置用来实现上述方法。本发明具有原理简单、适用范围广、易实现、能够减少网络拥塞且起到均衡网络效果等优点。
Description
技术领域
本发明主要涉及到数据中心网络技术领域,特指一种面向SDN数据中心网络最大概率路径流调度方法及装置。
背景技术
不断增长的数据中心网络规模和业务需求对数据中心网络负载均衡提出了严峻的挑战,而基于SDN新型网络架构的出现给负载均衡研究带来新的思路和机遇。SDN网络中的控制器能够获取全局网络的拓扑、节点、链路以及流信息,进而可以对网络流进行集中控制和调度。SDN网络控制平面和转发平面的解耦分离实现底层交换机资源的抽象和高速转发,并且控制器提供的北向接口可以方便开发人员根据业务需求开发新的功能和研究创新。利用SDN网络架构的特点可以实现网络流量的灵活细粒度的集中控制,进而通过流管理和调度实现网络负载均衡。考虑到数据中心网络中大多数是小流而且仅占用10%左右的网络带宽,而少数的大流却占用了90%的左右的网络带宽,所以对于数据中心网络负载均衡的实现主要是考虑大象流的调度。
当前的大多数数据中心网络研究主要集中在流量分析以及大象流发现方面,而对于大象流的调度研究较少并且存在链路带宽使用碎片化的问题。带宽碎片化问题可能导致多条路径剩余带宽之和能够满足当前流带宽需求,而无其中任何一条路径剩余带宽能够满足流带宽分配需求,这可能会造成潜在的网络拥塞。流调度算法不但要考虑当前待调度的流路径选择问题而且要全局考虑网络链路带宽剩余碎片化问题,并且集中的剩余链路带宽可以分配更多的大流,减少链路拥塞的发生,提高整体网络带宽利用率。
当前网络流调度算法主要有以下几种:
(1)使用ECMP算法进行流分配调度;
网络流量合理的调度可以提高链路带宽的利用率,缓解网络拥塞,为应用提供有效的带宽支持进而可以保证服务质量,满足用户的需求。传统IP网络中使用最短路径优先路由协议(如OSPF)进行链路间负载的分配,交换机之间通过交换静态的链路权重计算出转发的最短路径,然而,基于权重的路由策略不能将流量分配到多个后续路径上,无法有效地进行负载均衡。ECMP(Equal-Cost Multi-Path)通过对流的数据包头部进行哈希取模运算,将数据流映射到不同的转发路径,采用类似于ECMP的流调度方案可以将到达同一个节点的不同流‘分散’到后续的多条‘等价’可用路径。然而,该类流分配调度方案并没有考虑流大小和链路带宽剩余情况,可能多个不同大流分别被哈希分配到同一条链路上,就会导致链路拥塞,所以ECMP算法虽然效率很高但不能很好的进行负载均衡。
(2)基于SDN网络的DLB调度算法;
针对多路径的胖树型网络的动态负载均衡算法DLB(Dynamic Load Balancing),算法主要采用贪心策略的思想进行链路寻找。通过深度优先递归的策略,DLB算法从源节点开始进行对比并选取与其相连的剩余链路带宽最大的链路,并将链路的另一节点作为下一次搜寻的起点,通过不断地递归遍历确定一条路径。通过仿真实验作者验证了DLB算法,并与传统负载均衡算法进行了性能评估,对于胖树网络拓扑DLB算法在带宽利用率和网络传输延迟方面表现出很高的性能。DLB算法只是根据局部链路剩余带宽选优而不是从全局把握路径剩余带宽,采用这种算法选择的路径很可能不是全局最优的并且可能会导致被选路径的负载加重和链路拥塞,这样不但不能达到负载均衡的效果反而会使网络整体的性能下降。
(3)基于SDN网络的GLB流调度算法;
SDN网络的控制器能够计算流的转发路径根据流大小和链路负载信息,实现多路径之间的负载均衡。首次适应算法GLB(Global Load Balancing)的思想:已知流带宽,根据流目的接入层交换机与流起始交换机确定可选路径,然后线性的搜索可选路径,如果搜寻到某条路径上链路剩余最小带宽能够满足流带宽需求,然后将该路径作为流转发路径。该算法并没有充分考虑满足流带宽需求的所有路径的带宽使用情况,并且可能导致链路剩余带宽的零碎化,所以不能很好的实现全局动态负载均衡。
上述现有流调度算法存在的问题就在于:1)未充分考虑流带宽需求和链路剩余带宽;2)未全局长远考虑流调度问题,不能合理利用多路径进行流调度;3)流调度存在链路带宽碎片化问题。
发明内容
本发明要解决的技术问题就在于:针对现有技术存在的技术问题,本发明提供一种原理简单、适用范围广、易实现、能够减少网络拥塞且起到均衡网络效果的面向SDN数据中心网络最大概率路径流调度方法及装置。
为解决上述技术问题,本发明采用以下技术方案:
一种面向SDN数据中心网络最大概率路径流调度方法,其特征在于,步骤为:
S1:通过交换机获得流相关信息;
S2:对流进行判断,判断要是否是大象流,如果不是大象流,根据流的信息和控制器维护的全局拓扑信息获得流的可选路径,然后为其任意选择一条路径;如果判断流F是大象流,则选择概率路径算法为其计算一条满足流带宽需求的路径;
S3:在为流F选择了一条路径之后将流表项下发到交换机,流F匹配流表项后根据动作进行数据转发或者将流F剩余数据匹配新流表项进行转发。
作为本发明方法的进一步改进:所述步骤S1中,在得到交换机发送的PacketIn消息后,根据消息获得流的相关信息,包括大象流标识、源地址和目的地址。
作为本发明方法的进一步改进:对于大象流的发现使用端主机判断并设置标识的方式、或者SDN控制器主动采样分析的方式、或者流收集器采样收集然后控制器分析的方式。
作为本发明方法的进一步改进:所述步骤S2中,根据控制器维护的全局拓扑信息和流源地址和目的地址信息为流计算路径集合C1。
作为本发明方法的进一步改进:采用ECMP算法为非大象流计算路径,对从PacketIn消息中获取的报文头进行哈希然后对C1的大小取模,根据结果选择预先编号的路径。
作为本发明方法的进一步改进:从集合C1中选择路径最小链路带宽满足流带宽需求的路径得集合C2,对集合C2中的每一条路径的最小带宽链路计算带宽比,最后根据带宽比为每条路径计算路径概率;结合概率选择机制为流选择路径,其中如果C2集合大小为0则转为为流计算路径。
作为本发明方法的进一步改进:所述步骤S2和S3的具体步骤为:
S4.1根据流F信息确定与源和目的相连的接入层交换机S1和S2;
S4.2根据控制器维护收集的网络拓扑信息选择S1和S2之间的所有路径集P{P1,P2........Pn}其中Pi{L1,L2.......Ln},Li为路径Pi上的一条链路;
S4.3在集合C中选择路径上链路剩余带宽能满足流F带宽Bandwidth需求的路径,从而得到能满足流F带宽需求的路径集合P1,如果没有满足其带宽需求的路径则转到继续使用ECMP算法计算路径;
S4.4从集合P1中计算每一条路径上的剩余带宽最小的链路,从而得到集合L{L1,L2........Ln}其中Li=Pi{L1,L2........Ln}min;
S4.5计算集合L中每条路径上链路剩余最小的带宽与流F带宽Bandwidth的带宽比,从而得到集合p{p1,p2.......pn}其中pi=Bandwidth/value(Li);
S4.6计算最终流被分配到每条路径是的路径概率集合为λ={λ1,λ2.......λn}其中λi=pi/(p1+p2......+pn)。
本发明进一步提供一种面向SDN数据中心网络最大概率路径流调度装置,包括:
第一模块,用于通过交换机获得流相关信息;
第二模块,用于对流进行判断,判断要是否是大象流,如果不是大象流,根据流的信息和控制器维护的全局拓扑信息获得流的可选路径,然后为其任意选择一条路径;如果判断流F是大象流,则选择概率路径算法为其计算一条满足流带宽需求的路径;
第三模块,用来在为流F选择了一条路径之后将流表项下发到交换机,流F匹配流表项后根据动作进行数据转发或者将流F剩余数据匹配新流表项进行转发。
与现有技术相比,本发明的优点在于:
1、本发明的面向SDN数据中心网络最大概率路径流调度方法及装置,原理简单、适用范围广、易实现,可用以均衡数据中心网络负载,缓解网络拥塞等。本发明考虑到调度延迟和控制器的开销问题,流调度方法针对大象流和非大象流采用不同算法,对于大象流的调度采用最大概率路径调度,而对于非大象流采用ECMP算法进行调度。本发明所采用的调度方法不但可以实现数据中心网络流的高效、少碎片调度而且可以达到减少网络拥塞、均衡网络负载的目的。
2、本发明的面向SDN数据中心网络最大概率路径流调度方法及装置,不但考虑了网络带宽利用率以及流带宽大小而且考虑了带宽碎片问题,在带宽利用率和带宽碎片化之间做了权衡。
附图说明
图1是本发明在具体应用实例中SDN数据中心网络流量控制调度框架示意图。
图2是本发明方法的流程示意图。
具体实施方式
以下将结合说明书附图和具体实施例对本发明做进一步详细说明。
在本发明所在的技术领域中,网络链路是指网络中任意相连节点之间的连通路径称之为网络链路或链路,比如两交换机之间的链路或者交换机与端主机之间的链路,可以用字母L表示一条网络链路。网络路径是指网络中从以源节点到目的节点之间的通路称之为网络路径或路径,一条网络路径可能包含一条或者多条链路,可以用字母P表示一条网络路径。带宽比是指链路剩余带宽与流带宽的比值称为带宽比,可以用字母p表示带宽比。路径概率是指满足流带宽需求的路径可能被选择的概率,可以用字母λ表示路径概率值。
如图1所示,是本发明在具体应用实例中SDN数据中心网络流量控制调度框架。对于大象流大发现,采用效率高、发现早的方法Mahout,采用该方法可以在端主机进行发现并标记大象流。从图中可以看到控制器可以得到全局拓扑视图,控制器监测模块可以获取链路的剩余带宽或者带宽使用情况,计算好的路径通过下发流表的形式下发到交换机。具体流程为:终端主机监测并标记大象流,新到数据流匹配交换机中的流表项,如果没有匹配就会发送PacketIn消息给控制器,控制器得到包含流包头信息的PacketIn消息可以获取响应流的信息。控制器根据流信息为其计算相应的路径,然后通过PacketOut消息下发到交换机,最后流匹配交换机流表项进行数据转发。
如图2所示,本发明的面向SDN数据中心网络最大概率路径流调度方法,其步骤为:
S1:SDN控制器通过OpenFlow交换机获得流相关信息。
即:控制器得到交换机发送的PacketIn消息,根据消息可以获得流的相关信息,比如大象流标识,源地址和目的地址等。
S2:控制器通过一定的方式对流进行判断,判断要是否是大象流,然后选择不同的方法进行路径的分配。
即:根据流的相关信息进而可以判断该流是否是大象流。根据控制器维护的全局拓扑信息和流源地址和目的地址信息为流计算路径集合C1。
在具体应用时,根据实际需要,对于大象流的发现可以使用端主机判断并设置标识的方式、SDN控制器主动采样分析的方式或者流收集器采样收集然后控制器分析的方式。
S3:如果不是大象流,根据流的信息和控制器维护的全局拓扑信息可以获得流的可选路径,然后使用ECMP算法为其任意选择一条路径。
即:采用ECMP算法为非大象流计算路径。对从PacketIn消息中获取的报文头进行哈希然后对C1的大小取模,根据结果选择预先编号的路径。
S4:如果控制器判断流F是大象流,则选择概率路径算法为其计算一条满足流带宽需求的路径。c
即:从集合C1中选择路径最小链路带宽满足流带宽需求的路径得集合C2,对集合C2中的每一条路径的最小带宽链路计算带宽比,最后根据带宽比为每条路径计算路径概率。结合概率选择机制为流选择路径,其中如果C2集合大小为0则转为步骤S3为流计算路径。
S5:控制器通过计算为流F选择了一条路径,然后将流表下发到OpenFlow交换机,流F匹配流表项然后根据动作进行数据转发或者将流F剩余数据匹配新流表项进行转发。
即:控制器将计算好的路径信息通过PacketOut消息下发到交换机,采用ECMP算法为非大象流计算的路径和采用最大概率路径为大象流计算的路径最终都通过下发流表的形式完成。流匹配交换机中的流表项进行数据转发,通过匹配流表项实现流数据转发调度。
在具体应用实例中,上述步骤S4的具体过程为:
S4.1根据流F信息确定与源和目的相连的接入层交换机S1和S2。
S4.2根据控制器维护收集的网络拓扑信息选择S1和S2之间的所有路径集P{P1,P2........Pn}其中Pi{L1,L2.......Ln},Li为路径Pi上的一条链路。
S4.3在集合C中选择路径上链路剩余带宽能满足流F带宽Bandwidth需求的路径,从而得到能满足流F带宽需求的路径集合P1,如果没有满足其带宽需求的路径则转到第三步继续使用ECMP算法计算路径。
S4.4从集合P1中计算每一条路径上的剩余带宽最小的链路,从而得到集合L{L1,L2........Ln}其中Li=Pi{L1,L2........Ln}min。
S4.5计算集合L中每条路径上链路剩余最小的带宽与流F带宽Bandwidth的带宽比,从而得到集合p{p1,p2.......pn}其中pi=Bandwidth/value(Li)。
S4.6计算最终流被分配到每条路径是的路径概率集合为λ={λ1,λ2.......λn}其中λi=pi/(p1+p2......+pn)。
本发明进一步提供一种面向SDN数据中心网络最大概率路径流调度装置,包括:
第一模块,用于通过交换机获得流相关信息;
第二模块,用于对流进行判断,判断要是否是大象流,如果不是大象流,根据流的信息和控制器维护的全局拓扑信息获得流的可选路径,然后为其任意选择一条路径;如果判断流F是大象流,则选择概率路径算法为其计算一条满足流带宽需求的路径;
第三模块,用来在为流F选择了一条路径之后将流表项下发到交换机,流F匹配流表项后根据动作进行数据转发或者将流F剩余数据匹配新流表项进行转发。
以上仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理前提下的若干改进和润饰,应视为本发明的保护范围。
Claims (8)
1.一种面向SDN数据中心网络最大概率路径流调度方法,其特征在于,步骤为:
S1:通过交换机获得流相关信息;
S2:对流进行判断,判断要是否是大象流,如果不是大象流,根据流的信息和控制器维护的全局拓扑信息获得流的可选路径,然后为其任意选择一条路径;如果判断流F是大象流,则选择概率路径算法为其计算一条满足流带宽需求的路径;
S3:在为流F选择了一条路径之后将流表项下发到交换机,流F匹配流表项后根据动作进行数据转发或者将流F剩余数据匹配新流表项进行转发。
2.根据权利要求1所述的面向SDN数据中心网络最大概率路径流调度方法,其特征在于,所述步骤S1中,在得到交换机发送的PacketIn消息后,根据消息获得流的相关信息,包括大象流标识、源地址和目的地址。
3.根据权利要求2所述的面向SDN数据中心网络最大概率路径流调度方法,其特征在于,对于大象流的发现使用端主机判断并设置标识的方式、或者SDN控制器主动采样分析的方式、或者流收集器采样收集然后控制器分析的方式。
4.根据权利要求2所述的面向SDN数据中心网络最大概率路径流调度方法,其特征在于,所述步骤S2中,根据控制器维护的全局拓扑信息和流源地址和目的地址信息为流计算路径集合C1。
5.根据权利要求4所述的面向SDN数据中心网络最大概率路径流调度方法,其特征在于,采用ECMP算法为非大象流计算路径,对从PacketIn消息中获取的报文头进行哈希然后对C1的大小取模,根据结果选择预先编号的路径。
6.根据权利要求5所述的面向SDN数据中心网络最大概率路径流调度方法,其特征在于,从集合C1中选择路径最小链路带宽满足流带宽需求的路径得集合C2,对集合C2中的每一条路径的最小带宽链路计算带宽比,最后根据带宽比为每条路径计算路径概率;结合概率选择机制为流选择路径,其中如果C2集合大小为0则转为为流计算路径。
7.根据权利要求1~6中任意一项所述的面向SDN数据中心网络最大概率路径流调度方法,其特征在于,所述步骤S2和S3的具体步骤为:
S4.1根据流F信息确定与源和目的相连的接入层交换机S1和S2;
S4.2根据控制器维护收集的网络拓扑信息选择S1和S2之间的所有路径集P{P1,P2........Pn}其中Pi{L1,L2.......Ln},Li为路径Pi上的一条链路;
S4.3在集合C中选择路径上链路剩余带宽能满足流F带宽Bandwidth需求的路径,从而得到能满足流F带宽需求的路径集合P1,如果没有满足其带宽需求的路径则转到继续使用ECMP算法计算路径;
S4.4从集合P1中计算每一条路径上的剩余带宽最小的链路,从而得到集合L{L1,L2........Ln}其中Li=Pi{L1,L2........Ln}min;
S4.5计算集合L中每条路径上链路剩余最小的带宽与流F带宽Bandwidth的带宽比,从而得到集合p{p1,p2.......pn}其中pi=Bandwidth/value(Li);
S4.6计算最终流被分配到每条路径是的路径概率集合为λ={λ1,λ2.......λn}其中λi=pi/(p1+p2......+pn)。
8.一种面向SDN数据中心网络最大概率路径流调度装置,其特征在于,包括:
第一模块,用于通过交换机获得流相关信息;
第二模块,用于对流进行判断,判断要是否是大象流,如果不是大象流,根据流的信息和控制器维护的全局拓扑信息获得流的可选路径,然后为其任意选择一条路径;如果判断流F是大象流,则选择概率路径算法为其计算一条满足流带宽需求的路径;
第三模块,用来在为流F选择了一条路径之后将流表项下发到交换机,流F匹配流表项后根据动作进行数据转发或者将流F剩余数据匹配新流表项进行转发。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610502532.4A CN106209669B (zh) | 2016-06-30 | 2016-06-30 | 面向sdn数据中心网络最大概率路径流调度方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610502532.4A CN106209669B (zh) | 2016-06-30 | 2016-06-30 | 面向sdn数据中心网络最大概率路径流调度方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106209669A true CN106209669A (zh) | 2016-12-07 |
CN106209669B CN106209669B (zh) | 2019-06-07 |
Family
ID=57463738
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610502532.4A Active CN106209669B (zh) | 2016-06-30 | 2016-06-30 | 面向sdn数据中心网络最大概率路径流调度方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106209669B (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107294853A (zh) * | 2017-07-12 | 2017-10-24 | 国网山东省电力公司经济技术研究院 | 一种电力通信网络路径优化方法 |
CN107483354A (zh) * | 2017-08-30 | 2017-12-15 | 郑州云海信息技术有限公司 | 基于sdn的网络阻塞解决方法及*** |
WO2018107908A1 (zh) * | 2016-12-14 | 2018-06-21 | 华为技术有限公司 | 报文传输方法及交换机 |
CN108282481A (zh) * | 2018-01-30 | 2018-07-13 | 电子科技大学 | 一种基于sdn的数据中心网络流量测量方法 |
CN108306948A (zh) * | 2018-01-15 | 2018-07-20 | 新华三技术有限公司 | 调度方法及装置 |
CN109547340A (zh) * | 2018-12-28 | 2019-03-29 | 西安电子科技大学 | 基于重路由的sdn数据中心网络拥塞控制方法 |
CN109614215A (zh) * | 2019-01-25 | 2019-04-12 | 广州大学 | 基于深度强化学习的流调度方法、装置、设备及介质 |
CN109873772A (zh) * | 2019-01-25 | 2019-06-11 | 广州大学 | 基于稳定匹配的流调度方法、装置、计算机设备及存储介质 |
CN110290064A (zh) * | 2019-07-02 | 2019-09-27 | 河南信大网御科技有限公司 | 一种基于流特征的数据中心网络路由交换***及方法 |
CN110932989A (zh) * | 2019-11-20 | 2020-03-27 | 华南理工大学 | 一种基于sdn数据中心网络的大象流路径监控调度方法 |
CN111385200A (zh) * | 2020-03-04 | 2020-07-07 | 中国人民解放军国防科技大学 | 用于数据块修复的控制方法和装置 |
CN112202688A (zh) * | 2020-09-22 | 2021-01-08 | 临沂大学 | 一种适用于云数据中心网络的数据疏散方法及*** |
CN112615798A (zh) * | 2020-11-25 | 2021-04-06 | 华南师范大学 | 一种基于大象流预约的带宽分配方法和设备 |
CN113794638A (zh) * | 2021-08-24 | 2021-12-14 | 内蒙古农业大学 | 基于差分进化算法的sdn数据中心网络大象流调度方法 |
CN115412506A (zh) * | 2022-09-05 | 2022-11-29 | 浙江大学 | 一种数据中心网络中大象流识别及调度方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102984064A (zh) * | 2012-12-28 | 2013-03-20 | 盛科网络(苏州)有限公司 | 区分转发大象流的方法及*** |
CN103414650A (zh) * | 2013-07-29 | 2013-11-27 | 上海华为技术有限公司 | 一种避免拥塞的路由方法和装置 |
CN103716208A (zh) * | 2013-12-31 | 2014-04-09 | 北京邮电大学 | 支持大象流的网络管理方法、***、交换机和网络 |
US20150163146A1 (en) * | 2013-12-05 | 2015-06-11 | Mediatek Singapore Pte. Ltd. | Packet forwarding apparatus and method using flow subgroup based path selection for dynamic load balancing |
CN104734905A (zh) * | 2013-12-24 | 2015-06-24 | 华为技术有限公司 | 检测数据流的方法及装置 |
-
2016
- 2016-06-30 CN CN201610502532.4A patent/CN106209669B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102984064A (zh) * | 2012-12-28 | 2013-03-20 | 盛科网络(苏州)有限公司 | 区分转发大象流的方法及*** |
CN103414650A (zh) * | 2013-07-29 | 2013-11-27 | 上海华为技术有限公司 | 一种避免拥塞的路由方法和装置 |
US20150163146A1 (en) * | 2013-12-05 | 2015-06-11 | Mediatek Singapore Pte. Ltd. | Packet forwarding apparatus and method using flow subgroup based path selection for dynamic load balancing |
CN104734905A (zh) * | 2013-12-24 | 2015-06-24 | 华为技术有限公司 | 检测数据流的方法及装置 |
CN103716208A (zh) * | 2013-12-31 | 2014-04-09 | 北京邮电大学 | 支持大象流的网络管理方法、***、交换机和网络 |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018107908A1 (zh) * | 2016-12-14 | 2018-06-21 | 华为技术有限公司 | 报文传输方法及交换机 |
CN107294853A (zh) * | 2017-07-12 | 2017-10-24 | 国网山东省电力公司经济技术研究院 | 一种电力通信网络路径优化方法 |
CN107483354A (zh) * | 2017-08-30 | 2017-12-15 | 郑州云海信息技术有限公司 | 基于sdn的网络阻塞解决方法及*** |
CN108306948A (zh) * | 2018-01-15 | 2018-07-20 | 新华三技术有限公司 | 调度方法及装置 |
CN108282481A (zh) * | 2018-01-30 | 2018-07-13 | 电子科技大学 | 一种基于sdn的数据中心网络流量测量方法 |
CN108282481B (zh) * | 2018-01-30 | 2020-07-17 | 电子科技大学 | 一种基于sdn的数据中心网络流量测量方法 |
CN109547340A (zh) * | 2018-12-28 | 2019-03-29 | 西安电子科技大学 | 基于重路由的sdn数据中心网络拥塞控制方法 |
CN109614215A (zh) * | 2019-01-25 | 2019-04-12 | 广州大学 | 基于深度强化学习的流调度方法、装置、设备及介质 |
CN109873772A (zh) * | 2019-01-25 | 2019-06-11 | 广州大学 | 基于稳定匹配的流调度方法、装置、计算机设备及存储介质 |
CN110290064B (zh) * | 2019-07-02 | 2020-10-27 | 河南信大网御科技有限公司 | 一种基于流特征的数据中心网络路由交换***及方法 |
CN110290064A (zh) * | 2019-07-02 | 2019-09-27 | 河南信大网御科技有限公司 | 一种基于流特征的数据中心网络路由交换***及方法 |
CN110932989A (zh) * | 2019-11-20 | 2020-03-27 | 华南理工大学 | 一种基于sdn数据中心网络的大象流路径监控调度方法 |
CN111385200A (zh) * | 2020-03-04 | 2020-07-07 | 中国人民解放军国防科技大学 | 用于数据块修复的控制方法和装置 |
CN111385200B (zh) * | 2020-03-04 | 2022-03-04 | 中国人民解放军国防科技大学 | 用于数据块修复的控制方法和装置 |
CN112202688A (zh) * | 2020-09-22 | 2021-01-08 | 临沂大学 | 一种适用于云数据中心网络的数据疏散方法及*** |
CN112615798A (zh) * | 2020-11-25 | 2021-04-06 | 华南师范大学 | 一种基于大象流预约的带宽分配方法和设备 |
CN112615798B (zh) * | 2020-11-25 | 2022-05-17 | 华南师范大学 | 一种基于大象流预约的带宽分配方法和设备 |
CN113794638A (zh) * | 2021-08-24 | 2021-12-14 | 内蒙古农业大学 | 基于差分进化算法的sdn数据中心网络大象流调度方法 |
CN113794638B (zh) * | 2021-08-24 | 2022-10-14 | 内蒙古农业大学 | 基于差分进化算法的sdn数据中心网络大象流调度方法 |
CN115412506A (zh) * | 2022-09-05 | 2022-11-29 | 浙江大学 | 一种数据中心网络中大象流识别及调度方法 |
CN115412506B (zh) * | 2022-09-05 | 2024-02-13 | 浙江大学 | 一种数据中心网络中大象流识别及调度方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106209669B (zh) | 2019-06-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106209669A (zh) | 面向sdn数据中心网络最大概率路径流调度方法及装置 | |
CN106533960B (zh) | 一种基于Fat-Tree结构的数据中心网络路由方法 | |
JP5935572B2 (ja) | 基地局装置及びパケット振分け方法 | |
CN102710489B (zh) | 动态分流调度***和方法 | |
CN103716208B (zh) | 支持大象流的网络管理方法、***、交换机和网络 | |
JP5975083B2 (ja) | 通信システム、制御装置、パケット転送経路の制御方法およびプログラム | |
US10715446B2 (en) | Methods and systems for data center load balancing | |
EP2911348A1 (en) | Control device discovery in networks having separate control and forwarding devices | |
CN104871490B (zh) | 能够改进能量使用效率的多径通信装置及其用于改进能量使用效率的业务分配方法 | |
CN102055675B (zh) | 一种基于负载均衡的多径路由分配方法 | |
EP1561311B1 (en) | Dynamic load distribution using local state information | |
JP5943431B2 (ja) | ネットワーク、データ転送ノード、通信方法およびプログラム | |
CN112350949B (zh) | 软件定义网络中基于流调度的重路由拥塞控制方法及*** | |
CN105472484B (zh) | 一种电力骨干光传输网波道均衡路由波长分配方法 | |
KR20160040091A (ko) | 이동 어플리케이션 전용 네트워크 | |
KR20160040092A (ko) | 유틸리티-기반 크로스 레이어링 | |
CN103888976A (zh) | 一种联合网络调度和路由的链路选择方法 | |
CN105992297A (zh) | 基于sdn的连接管理、转发控制方法及相关设备 | |
CN103281253A (zh) | 一种非等价路由的负载分担方法和设备 | |
CN101110765A (zh) | 基于ospf协议的支持多种服务质量的方法 | |
CN105263166B (zh) | 基于优先级的双路径路由无线准入控制方法 | |
Rajkumar et al. | HCCLBA: Hop-By-Hop Consumption Conscious Load Balancing Architecture Using Programmable Data Planes | |
CN110300426A (zh) | 一种无线自组网中路由选择方法及装置 | |
CN107241268A (zh) | 基于星基ads‑b报文卫星网络的局部多径路由方法和装置 | |
CN104917677A (zh) | 数据流转发的控制方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |