数据中心网络TCP Incast仿真分析

为分析云计算数据中心网络中的TCP Incast问题的产生原因并探讨缓解该问题的有效途径,采用基于NS2仿真实验的方法,通过改变TCP协议类型、交换机缓冲区大小、服务请求单元大小及重传超时RTO值等影响因素,分析传输吞吐率性能的变化。分析结果表明,通过改变这些影响因素有助于缓解TCP Incast问题,但同时也存在各种缺点和局限性。     

数据中心网络中高并发TCP传输的随机退避方法

在现代数据中心网络中,分散聚合的传输模式容易导致瓶颈链路上的吞吐率崩塌,产生TCP Incast现象。为此,提出一种随机退避的方法,来降低TCP流突发传输的并发程度,通过计算最优的随机退避时间,控制瓶颈链路的瞬时拥塞程度,有效解决TCP Incast问题。从理论上建模分析随机退避时间区间内随机退避各TCP流时的超时概率和吞吐率。实验结果表明,该方法可以有效避免传输超时事件,将TCP流并发度和网络吞吐率分别提升2倍和80倍。     

数据中心网络快速反馈传输控制协议

在数据中心网络中,当多个服务器同时向一个接收端发送数据时,产生的数据流量易在瓶颈交换机的缓冲区溢出,造成丢包事件以及数据重传,导致TCP Incast问题。为此,提出一种可快速反馈的数据中心网络传输控制协议( FFDTCP)。该协议在TCP协议的基础上采用显式拥塞通知机制,利用2个显式拥塞通知位通告4种拥塞级别,发送端根据拥塞信息所表示的拥塞级别快速调整拥塞窗口以减少拥塞,从而避免因瓶颈链路丢包而造成的吞吐量急剧下降问题。 NS2仿真实验结果表明,与传统TCP协议相比,FFDTCP协议可以保证较低的时延和较大的吞吐量,有效缓解TCP Incast问题,提高数据中心网络传输性能。     

基于动态优先级的数据中心网络时限感知TCP协议

针对当前数据中心网络传输机制缺乏对Online Data-Intensive (OLDI) 应用软实时性和高吞吐量的综合性能保障的问题,本文提出了一种基于动态优先级的数据中心网络时限感知协议LSTCP。该协议采用最小空闲时间优先(Least Slack First,LSF)调度策略对流进行优先级划分,利用ECN机制的反馈,根据流的缓急程度和网络拥塞程度实现拥塞窗口的动态调整,实现对紧急流而非截止期越早的流优先调度。与传统截止时间感知协议相比,减少了短流的平均流完成时间,保证了长流的吞吐量特性。实验结果表明,与L2DCT算法相比,LSTCP降低了17%的流错过时限的比例,流完成时间的99th分位数减少了20%。     

面向数据中心网络的高速数据传输技术

数据中心是云计算和大数据应用的基础设施,目前数据中心网络基本都是采用TCP/IP协议并基于以太网技术搭建。随着以太网的提速,TCP/IP协议及其实现方式已经无法适应高速数据传输的需求,成为网络性能进一步增长的瓶颈。在分析了现有数据中心网络的特点以及网络实现的开销和性能之后,文章对多种网络性能优化技术进行了比对和总结,并且分析了下一步的研究方向。     

数据中心网络中基于传输速率分配算法的TCP协议

传输控制协议(Transmission Control Protocol,TCP)是数据中心网络中常用的传输协议。然而,同一个网络环境下,由于TCP协议的公平共享原则,TCP无法保障不同优先级业务的服务质量。针对该问题,提出了基于传输速率分配算法的TCP(Transmit Rate Allocation based TCP,TRA-TCP)。汇聚节点实时监测记录不同优先级业务的数据传输速率,并为不同优先级的业务流分配不同的传输速率,以保障高优先级业务的QoS。实验表明,与已有协议相比,TRA-TCP协议最高能够将高优先级业务的吞吐量提升50%,并且将高优先级业务的时延保持在0.1秒以下。     

数据中心内Incast流量的网内聚合研究

MapReduce等分布式计算系统应用在数据中心内产生了严重的东西向流量,其中以incast和shuffle为代表的关联性流量占相当大的比重,进而严重影响到上层应用的性能.这促使研究者们考虑在这些关联性流量的网内传输阶段尽可能早而不是仅在流量的接收端进行流间数据聚合.首先以新型数据中心网络结构为背景讨论流间数据聚合的可行性和增益,为最大化该增益,为incast传输建立最小代价树模型.为解决该模型,提出了2种近似的incast树构造方法,其能够仅基于incast成员的位置和数据中心拓扑结构生成一个有效的incast树,进一步解决了incast树的动态和容错问题.最后,采用原型系统和大规模仿真的方法评估了incast流量的网内聚合方法,实验结果证明该方法能大幅降低incast流量造成的传输开销,能节约数据中心的网络资源.同时,提出的模型和解决方法也适用于其他类型的数据中心网络结构.     

数据中心网络负载均衡问题研究

数据中心网络是现代网络和云计算的重要基础设施,实现数据中心网络负载均衡是保证网络吞吐并提高服务体验的关键环节.首先分析了数据中心网络与传统互联网之间的区别,总结其特点及特殊性在负载均衡方案设计方面的优势.然后从数据中心的复杂性和多样性角度分析其负载均衡方案设计所面临的挑战.将现有数据中心网络负载均衡方案根据不同的实现层次从网络层、传输层、应用层和综合方案4个角度进行分析,对比各个方案的优缺点,并从控制结构、负载均衡粒度、拥塞感知机制、负载均衡策略、可扩展性和部署难度几个方面进行综合评价.最后对现有数据中心网络负载均衡方案进行总结,并指出未来可能的研究方向.     

协议功能并行对TCP网络吞吐量的影响

协议功能的耦合限制了协议性能的提高，将差错控制和拥塞控制解耦后并行，可以使协议对网络在传数据进行精确的控制。在多个报文丢失的复杂情况下，可实现吞吐量的显著提高。对Ｒｅｎｏ ＴＣＰ、ＳＡＣＫ ＴＣＰ和ＦＡＣＫ ＴＣＰ的比较分析和模拟实验证实了我们的观点。     

TCP网络拥塞控制研究

在互联网中TCP（TransmissionControlProtoc01）是使用最为广泛的传输控制协议,因此对TCP网络拥塞控制的研究也成为了一个热点问题,并且一直在不断地改进与完善。文中在对网络拥塞控制与TCP网络拥塞控制原理进行分析的基础上,重点阐述了TCP网络拥塞控制算法。列举了现有的TCP网络拥塞控制算法,并对其进行分析,对这些算法的优缺点进行了比较,总结了TCP拥塞控制目前的研究成果,指明了未来的研究热点和发展方向。     

数据中心网络基于优先级拥塞控制的最后期限可感知TCP协议

数据中心对应用服务提出了越来越严格以及多样化的要求,例如,为使用户请求得到更多的反馈应答,大多数应用对传输延迟有最后期限的限制,使得更少的最后期限错过率成为各种协议争相比较的指标,因此出现了基于TCP的最后期限可感知协议.但这类协议存在优先级同步问题,即相似优先级流竞争时总是相继错过最后期限.为此,提出了基于优先级控制的两种降速协议HPD(highest priority deceleration deadline-aware data center TCP)和P²D(priority probability deceleration deadline-aware data center TCP),对具有侵略性的高优先级数据流进行自适应的降速处理.实验结果表明,与已有的D²TCP相比,降速协议在优先级高度同步的情况下能够减少20%的错过率.     

OpenFlow在下一代数据中心网络的应用研究

主要阐述了转发面开放协议(OpenFlow)的概念,并介绍了其控制和转发分离的核心思想,分析了其开放性、智能化和高性价比特性。同时,分析了下一代数据网络中心对网络的需求(流量快速增长、横向流量大幅提升、对网络智能化管理需求不断提升、增值业务快速部署等),并对OpenFlow在数据中心的应用场景进行探讨。最后,对OpenFlow进行了展望。     

数据中心网络中的流量均衡

现代数据中心网络在任意两个主机之间都存在很多可选路径.如何在多个可选路径之间实现流量均衡,是数据中心网络中的重要研究课题.针对这一问题,已有研究者提出了很多解决方案.对多级Clos架构下的数据中心网络中的流量均衡问题做了深入的分析与总结.首先分析了数据中心网络的特点,然后定义流量均衡问题为最小化等价链路的最大潜在丢包率.之后总结了各种丢包产生的原因,并讨论了影响流量均衡设计方案的两个主要挑战：分组乱序与突发拥塞.在此基础上,把现有解决方案分为主动调度、切片散射、探测与调整及其他这4个大类,并对各解决方案逐一进行介绍,说明各自的优缺点.最后还对不同方案作了对比,指出了未来可能的研究方向.     

可重构数据中心网络研究综述

超大规模数据中心成为数字社会的关键基础设施.用户端应用的激增使得数据中心网络(Data Center Networks,DCNs)的东西向流量呈指数级增长,同时端应用的多样化也导致了严重的流量倾斜问题.此外,后摩尔时代的到来和Dennard缩放的失效使得数据中心网络设备容量的增速趋缓.数据中心网络面临用户激增、流量倾斜...     

异构无线网络中TCP Vegas算法的研究与改进

异构无线网络是将不同接入技术、不同性能的网络融合到一起构成的单个逻辑网络。异构无线网络中,TCP端到端的拥塞控制机制对网络的健壮性和稳定性具有非常重要的作用,因此是网络研究的一个热点问题。针对异构无线网络中移动节点发生垂直切换时传输层性能下降的特点,提出了一种基于TCP Vegas的传输层拥塞控制算法B-Evegas。给出了垂直切换发生时的传输控制方法,垂直切换后拥塞窗口的恢复采用带宽估计与分段增加策略,并引入了快速恢复机制,在拥塞窗口过大时根据链路的时延指数性地减小拥塞窗口。仿真结果表明,该算法是合理的,可以有效提高垂直切换发生后TCP连接的吞吐量或者减小数据包的传输时延。     

数据中心网络中相关感知流量整合算法

随着大数据、云计算不断融入人们的日常生活,作为支撑其发展的基础设施--数据中心网络的能耗也在急剧增长。为了解决这个问题,学术界提出了能量感知路由（Energy-Aware Routing,EAR）。EAR的主要思想是通过将流量需求聚集在网络链路的子集,并睡眠未使用的网络设备以节省能量。但是在流量低谷时期频繁地切换网络设备模式可能会导致网络振荡甚至网络性能下降。因此提出了一种相关感知流量整合（Correlation-Aware Traffic Consolidation,CATC）算法。提出了基于软件定义网络（Software Defined Network,SDN）的CATC模型,即在流量整合时考虑了流之间的相关性,并结合链路速率来实现更高的节能。在流量约束和链路容量约束下将CATC模型转换为一个最优流量分配问题,并提出CATC算法来求解。仿真结果显示,与现有的节能算法相比,CATC算法在仅仅增加极少网络延迟的同时可以为数据中心网络节省大约45%的能量。