排序方式: 共有5条查询结果,搜索用时 0 毫秒
1
1.
针对SDN多路径网络环境下的负载均衡问题,提出一种基于流量分配倾向度(flow distribution propensity,FDP)的SDN多路径路由负载均衡策略。在SDN多路径网络中,每当有数据流需要传输时,通过深度优先遍历算法(DFS)获取并存储多路径信息及每条路径的带宽与时延参数;依据文中定义的流量分配倾向度,结合OpenFlow组表技术,公平地分配网络流量到每条可用路径。仿真结果表明,该策略可有效增加所有可用路径的数据包传输量,降低SDN网络中单一路径的负载,实现了基于多路径路由的负载均衡。 相似文献
2.
针对多控制器SDN网络环境下的负载均衡问题,论文提出了一种基于交换机迁移的动态负载均衡策略,共分为三个实施阶段:首先通过动态信息采集算法(DIA)收集各控制器间的负载信息,以决定需要实施交换机迁移算法的过载控制器;随后依据论文定义的迁移域及迁移交换机选取算法(MSS)决定迁移目标控制器以及需要迁移的交换机;最后依据交换... 相似文献
3.
4.
针对传统机器学习算法对于流量分类的瓶颈问题,提出基于一维卷积神经网络模型的应用程序流量分类算法。将网络流量数据集进行数据预处理,去除无关数据字段,并使数据满足卷积神经网络的输入特性。设计了一种新的一维卷积神经网络模型,从网络结构、超参数空间以及参数优化方面入手构造了最优分类模型。该模型通过卷积层自主学习数据特征,解决了传统基于机器学习的流量分类算法中特征选择问题。通过网络公开数据集进行模型测试,相比于传统的一维卷积神经网络模型,所设计的神经网络模型的分类准确率提升了16.4%,总分类时间节省了71.48%。另外在类精度、召回率以及[F1]分数方面都有较好的提升。 相似文献
5.
1