校园网虚拟化数据中心的构建及其应用

在数字化程度越来越高、信息化越来越深入的校园网环境中,传统的以物理服务器堆砌构建的数据中心,存在着管理复杂、资源利用率低、备份困难等问题,难以满足学校信息化不断发展的需要。数据中心向虚拟化、动态化转变,通过构建虚拟化统一管理平台,整合和动态调配物理服务器资源,大大提高了服务器的使用效率和管理执行力,数据和业务安全保障也变得简单易行。     

使用虚拟化技术构建校园网绿色虚拟数据中心

随着学校信息化建设的迅速发展,校园网中服务器数量激增,传统的数据中心面临着系统管理复杂、资源利用率低下、能耗高与安全控制等诸多问题。如何提高IT效率、降低成本成为校园网数据中心必须解决的一大难题。本文旨在解决上述问题,探讨如何使用虚拟化技术建设绿色虚拟数据中心。     

可靠性感知下的虚拟数据中心映射算法

介绍现阶段虚拟数据中心(VDC)映射的研究进展,根据租户对VDC可靠性的需求,提出一种可靠性感知下的VDC映射启发式算法。对于每个VDC,该算法通过限制能放置在同一个服务器上的最大虚拟机数目来保证租户VDC可靠性需求,然后以降低数据中心网络带宽消耗和服务器能耗为主要目标进行VDC映射。其具体做法是:首先将相互之间带宽需求量大的虚拟机合并部署来降低数据中心网络带宽的消耗;然后把合并后的虚拟机优先部署到已开启的服务器上,从而减少开启的服务器数目,降低数据中心的服务器能耗。利用基于胖树结构的数据中心拓扑对提出的算法进行了仿真,结果表明,与2EM算法相比,该算法能够满足租户VDC的可靠性需求,能在不增加额外能耗的前提下最多减少数据中心网络约30%的带宽消耗。     

A survey and taxonomy on virtual data center embedding

The Journal of Supercomputing - Data center network virtualization is being considered as a promising technology to provide a performance guarantee for cloud computing applications. One important...     

云数据中心虚拟资源管理研究综述

云计算数据中心是数据中心架构和发展的方向,云数据中心的虚拟资源管理问题是当前的研究热点。总结了数据中心的发展历程,综述了云数据中心的虚拟化技术、虚拟资源提供与部署、资源调度模型与算法以及基于能量优化和负载均衡的虚拟机迁移技术的研究现状。最后展望了云数据中心虚拟资源管理领域有待进一步研究的方向。     

Decluster: a complex network model-based data center network topology

To cope with increasing demands of computation and storage, data centers should follow the pace of the rapid growth of data size. It is necessary for a data center with a scalability property of which each expansion of a data center network is done with a few modifications. Besides the scalability property, we also need a data center to have good performance, such as high throughput. For these purposes, we propose Decluster, a complex network model-based data center network topology. The complex network model of Decluster is derived from a random network. Such a model just satisfies the requirement of scalability. Decluster employs a complex network model to achieve high throughput via reducing the variance of local clustering coefficients. We have carried out extensive simulations to demonstrate that Decluster enjoys good performance while keeping scalability.     

云数据中心高效的虚拟机整合方法

针对传统虚拟机整合（VMC）方法难以保持主机工作负载长期稳定的问题,提出一种基于高斯混合模型的高效虚拟机整合（GMM-VMC）方法。为了准确地预测主机负载的变化趋势,首先,使用高斯混合模型（GMM）对活动物理主机的工作负载历史记录进行拟合;然后,根据活动物理主机工作负载的GMM和主机自身的资源配置情况计算主机的过载概率,并根据过载概率判定主机是否存在过载风险;对存在过载风险的物理主机,根据部署在该物理主机上的虚拟机对降低主机过载风险的贡献和虚拟机迁移所需的时间这两个指标进行待迁移虚拟机选择;最后,使用GMM估算待迁移虚拟机对各个目标主机过载风险的影响,并选择受影响最小的主机作为目标主机。通过CloudSim仿真平台模拟该GMM-VMC方法,并根据能源消耗、服务质量（QoS）、整合效率等指标与已有的整合方法进行对比,实验结果表明,GMM-VMC方法能够有效地降低数据中心能耗,提高服务质量。     

云数据中心基于贪心算法的虚拟机迁移策略

为了节省云数据中心的能量消耗,提出了几种基于贪心算法的虚拟机（VM）迁移策略。这些策略将虚拟机迁移过程划分为物理主机状态检测、虚拟机选择和虚拟机放置三个步骤,并分别在虚拟机选择和虚拟机放置步骤中采用贪心算法予以优化。提出的三种迁移策略分别为：最小主机使用效率选择且最大主机使用效率放置算法MinMax_Host_Utilization、最大主机能量使用选择且最小主机能量使用放置算法MaxMin_Host_Power_Usage、最小主机计算能力选择且最大主机计算能力放置算法MinMax_Host_MIPS。针对物理主机处理器使用效率、物理主机能量消耗、物理主机处理器计算能力等指标设置最高或者最低的阈值,参考贪心算法的原理,在指标上超过或者低于这些阈值范围的虚拟机都将进行迁移。利用CloudSim作为云数据中心仿真环境的测试结果表明,基于贪心算法的迁移策略与CloudSim中已存在的静态阈值迁移策略和绝对中位差迁移策略比较起来,总体能量消耗少15%,虚拟机迁移次数少60%,平均SLA违规率低5%。     

数据中心网络可靠组播的研究

通过分析数据中心网络特征和云计算应用需求,提出一种适合数据中心网络的可靠组播机制R2M。针对云计算应用同时强调数据完整性和传输实时性的要求,R2M充分利用数据中心网络服务器间存在多路径的特点,通过组织多棵不相交组播树并行传输数据,并在相邻节点间采用P2P技术建立跨树的恢复关系,实现恢复路径与组播传输路径完全隔离。选择最邻近节点重传数据和较小的路径差错相关性使得R2M能够快速恢复丢失的数据包。基于BCube的仿真实验结果显示R2M具有高可靠性和较小的恢复延迟。     

Designing data center network by analytic hierarchy process

The demand for delivery services for large-sized content such as video has increased dramatically, and the use of cloud computing services in which users can use IT services via networks has also increased. To provide these services with high quality and high reliability, ISPs need to carefully design network topology and the positions of data centers. However, network topology and data center location strongly affect various evaluation criteria, such as cost, path length, and reliability; therefore, these criteria with different respective units need to be considered simultaneously when designing a data center network. The analytic hierarchy process (AHP) is a way to make a rational decision considering multiple criteria. This paper proposes to design data center networks by evaluating both network topology and data center locations simultaneously using AHP and also shows the numerical results of applying the proposed design method to the three areas of Japan, USA, and Europe. We investigate the properties of desirable data center networks in these three areas, and compare the results with those obtained by the enumeration method.     

A flexible and high-performance data center network topology

In order to meet the insatiable demands for cloud-based services, today’s data centers may have hundreds of thousands of servers. During the past decade, many topologies have been proposed to interconnect a large number of servers in a data center network. However, existing topologies face several challenges including the rigid structure, high network cost, and packet relay overheads on servers. In this paper, we propose a novel switch-centric network topology, called DCCube, which offers many desirable properties for data center networking. DCCube is a flexible structure because, given the switches degree and the network diameter, it is possible to construct different structures with different number of connected servers, bisection bandwidth and network cost. Furthermore, DCCube can accommodate a large number of servers with high bisection bandwidth, low cost, small diameter and desirable path diversity. By comparing with existing data center network topologies, we show that DCCube achieves both high performance and low network cost. We also design both minimal and non-minimal routing algorithms for the proposed topology. Simulation results reveal that non-minimal routing is preferred for unbalanced traffic patterns.     

数据中心网络拓扑感知型拥塞控制算法

针对数据中心网络（DCN）的链路拥塞问题,提出了一种拓扑感知型拥塞控制算法（TACC）。首先,根据广义超立方体拓扑多维正交和单维全连接的结构特点,结合网络流的最大流最小割定理,提出了拓扑感知地选取分布流量请求的不相交路径策略;然后,根据带宽需求自适应选取不相交路径;最后,利用已选取路径的剩余带宽为权重动态调整每条路径的流量分配比例,从而达到缓解网络链路拥塞、均衡网络负载和减轻目的节点侧数据重组压力的目的。实验结果表明,与链路关键性路由算法（LCRA）、多路径健忘路由算法（MORA）、最小割多路径路由（MCMP）算法和免拥塞路由策略（CFRS）相比,TACC算法在均衡链路负载和优化算法部署时间方面有良好的表现。     

基于软件定义网络的数据中心网络负载均衡算法研究

针对传统网络的分布式架构使得负载均衡技术难以满足低成本、高灵活性、自适应调整的要求,提出一种基于SDN的数据中心网络负载均衡算法。首先,根据路径当前负载状况和链路负载波动为路径设置了一个权重,并以此作为路径选择依据;其次,设置了一个负载均衡度用于衡量网络负载状况;最后,针对需要调度的流,进一步限定了其流量大小范围,保证了高效的流调度。仿真结果表明,与其他算法相比,所提算法能有效提高网络资源利用率并均衡全网负载。     

浅谈数据中心网络架构的发展

网络是数据中心的一个重要基础设施,而通常分为两大部分：前端计算网络以及后端存储网络.后端的存储网络目前主要是FC网络,不过随着IP技术的发展,采用FCoE技术融合前后端网络成为一种趋势.本文主要关注前端计算网络.     

云数据中心基于贪心模式的虚拟机选择算法

针对如何从云数据中心的异常物理主机中选择出候选迁移虚拟机列表是虚拟机迁移中的问题，提出了基于贪心模式的虚拟机选择算法(GAO-VMS)。GAO-VMS每次都选择那些目标函数最优的虚拟机作为标准来迁移，形成候选迁移虚拟机列表,它有三类贪心模式：最大能量降低消耗策略(MPR)、最小迁移时间及能量消耗均衡策略(TPT)、最小每秒百万条指令数虚拟机请求策略(VVM)。使用CloudSim模拟器作为GAO-VMS的仿真环境。仿真结果表明：与常见的虚拟机迁移策略相比较，GAO-VMS使得云数据中心的能量消耗减少了30%~35%,虚拟机迁移次数减少了40%~45%，服务等级协议(SLA)违规率以及SLA违规和能量消耗联合指标只有5%的增加。GAO-VMS策略可用于企业构造绿色云计算中心。     

高性能云数据中心弹性网络研究

针对云数据中心网络存在的可扩展性和灵活性问题,提出了一种基于SDN（Software Defined Networking）的云数据中心弹性网络架构,解决目前云平台存在的网络无法弹性调度和灵活分配的问题。基于OpenDayLight设计高性能控制器集群架构和多控制器负载均衡算法,解决传统SDN架构中存在的控制器单点失效的问题,保障云数据中心中多租户的高效网络按需调度和SDN网络的可靠性。利用Mininet模拟环境验证了提出方法的有效性。     

浅谈数据中心网络架构的发展

数据中心是数据大集中而形成的集成IT应用环境,是数据处理、数据存储和数据交换的中心。随着企业信息化的深入和新技术的广泛使用,传统数据中心已经无法满足后数据中心时代的高效、敏捷、易维护的需求。新一代数据中心解决方案,目标是在以太网和IP技术的基础上,实现数据中心基础网络架构的统一,以及安全策略的统一部署和数据中心资源的统一管理,以帮助用户简化传统数据中心的基础架构、加固核心数据的保护、优化数据中心的应用性能。为用户提供即可靠安全,又高效敏捷的的基于统一交换架构的新一代数据中心!     

基于软件定义网络的虚拟数据中心管理平台

针对已有虚拟数据中心（VDC）管理平台具有代码固化、后续升级困难等缺陷,设计和实现一种基于软件定义网络（SDN）的VDC管理平台。该平台由VDC管理子系统（VDCM）、VDC计算资源控制子系统（VDCCRC）和VDC网络资源控制子系统（VDCNRC）组成,子系统之间通过RESTful API交互建立起松耦合架构。VDCNRC通过SDN控制器管理数据中心网络资源,VDCCRC通过开源云平台管理数据中心计算资源,VDC管理子系统中内置VDC管理算法框架,可快速开发适用于实际生产环境的VDC管理算法。使用Mininet、Openstack、Floodlight搭建了测试环境,验证了该平台可通过Openstack来控制虚拟机的启动、迁移和删除,可通过Openflow控制器实现VDC网络带宽资源隔离,并支持VDC创建、删除和修改等操作。     

基于最小接入保证带宽的数据中心网络带宽分配机制

针对云计算数据中心（DC）网络中多租户间易相互干扰导致应用性能不可预测,预留带宽资源难以保证高网络利用率,从而导致云网络供应商收益损失等问题,提出了基于最小接入保证带宽的数据中心网络带宽分配（MAGBA）机制。MAGBA机制在发送端通过加权公平队列调度租户虚拟机（VM）流量,在接收端基于检测到的接收速率调节TCP流接收窗口,从而为租户VM提供最小接入保证带宽,同时充分利用闲置带宽资源。通过NS2平台仿真,MAGBA机制相比静态资源预留方式能够灵活分配带宽资源,网络吞吐量提升25%。当某些租户产生大量TCP流时,MAGBA机制中其他租户分得的带宽高于现有基于TCP流的带宽分配机制。仿真结果表明,MAGBA机制能够为租户VM提供最小接入带宽保证,避免租户应用受到其他租户通信模式的干扰。