數(shù)據(jù)中心網(wǎng)絡中基于層析重力空間的流量矩陣估計.pdf

1、隨著云計算、電子商務、網(wǎng)絡游戲等Internet應用領域的不斷延伸和擴展，目前越來越多的應用需要進行大規(guī)模的數(shù)據(jù)存儲和應用處理，網(wǎng)絡中的數(shù)據(jù)已然出現(xiàn)爆炸式的增長。數(shù)據(jù)中心網(wǎng)絡就是隨著人們對海量數(shù)據(jù)的高效存儲和處理要求應運而生的。然而，擴展的網(wǎng)絡規(guī)模和種類繁多的應用服務類型加重了網(wǎng)絡操作員對數(shù)據(jù)中心網(wǎng)絡管理的負擔。流量矩陣可以完整描述網(wǎng)絡中的全部流量狀態(tài)信息，它不僅可以為學者們研究網(wǎng)絡中流量問題提供基本的網(wǎng)絡參數(shù)，還是多個重要領域的關鍵輸

2、入。但是因為數(shù)據(jù)中心網(wǎng)絡中網(wǎng)絡規(guī)模較大、結構復雜，網(wǎng)絡中的流的行為不穩(wěn)定，流交互非常頻繁，所以直接測量數(shù)據(jù)中心網(wǎng)絡中端到端的流量是非常困難的，并且需要花費較大的開銷。
　　網(wǎng)絡層析成像技術是近年來提出的一種新的推斷網(wǎng)絡端到端的測量技術，它是通過易取得的鏈路數(shù)據(jù)推斷端到端的流量，目前在傳統(tǒng)的計算機網(wǎng)絡中已有大量的研究成果，然而由于數(shù)據(jù)中心網(wǎng)絡與傳統(tǒng)網(wǎng)絡在流量特征、交換機扮演角色、大量冗余路徑等方面的不同，該技術不能直接應用在當前的數(shù)

3、據(jù)中心網(wǎng)絡。目前針對樹型的數(shù)據(jù)中心網(wǎng)絡結構中獨特的分層特點，采用分解網(wǎng)絡的方式可以降低估計整個網(wǎng)絡流量矩陣的復雜性。然而，樹形結構的對稱性又容易使得收集鏈路數(shù)據(jù)過程中存在數(shù)據(jù)的不完整和不準確性，鏈路測量誤差會對估計誤差造成一定的影響。因此，本文主要將層析成像技術和流量矩陣估計作為核心研究問題，提出了拓撲分解下的基于層析重力空間的數(shù)據(jù)中心網(wǎng)絡流量矩陣估計算法。本文的主要研究內(nèi)容如下：
　　首先，為了降低數(shù)據(jù)中心網(wǎng)絡流量矩陣估計的復雜

4、性，提出將整個網(wǎng)絡分解為多個相對獨立的網(wǎng)絡單元，稱之為簇，從而將估計整個網(wǎng)絡的流量矩陣降解為估計多個小的網(wǎng)絡單元的流量矩陣。其次，結合鏈路信息和重力模型結合得到數(shù)據(jù)中心網(wǎng)絡的粗粒度流量特征和簡單的流量矩陣估計，通過加入附加的鏈路信息和采用類馬氏距離衡量估計誤差，提出基于流量特征的層析重力空間的迭代算法（ICGA）。此外，考慮到樹形數(shù)據(jù)中心網(wǎng)絡結構具有的對稱性和收集得到的鏈路數(shù)據(jù)存在適量數(shù)據(jù)丟失和錯誤的情況，提出未使用數(shù)據(jù)中心網(wǎng)絡先驗流量

5、特征的簡單層析重力空間流量矩陣估計算法（SAWP）。最后，搭建了Network Simulator2（NS-2）仿真平臺模擬整個實驗環(huán)境。
　　結果表明：通過對比分析算法的時間復雜度，表明在適量數(shù)據(jù)丟失下第二種方法比第一種方法更加簡單。其次，仿真表明所提的算法在實際測量數(shù)據(jù)中比其他算法估計更加準確；在少量數(shù)據(jù)丟失的情景下，提出的兩種算法在簇間的流量矩陣估計下性能更相似；當對獲得的測量數(shù)據(jù)加入不同層次的噪聲之后，可以發(fā)現(xiàn)估計的誤差隨