数据中心光网络中内容连通性理论与提升方法研究

Driven by big data era, the future communications will change from “network centric” to “content centric”. Content connectivity will become one of the most important metrics for data center optical networks. Different from network connectivity, content connectivity is characterized as the association between content points, and depends on the content deployment and network connectivity. How to improve the content connectivity has become the rigid requirement for data center optical networks. However, there are some key problems to be solved to improve the content connectivity of data center optical networks, such as how to measure the content connectivity, how to coordinate the content resource and network resource, and how to guarantee the content connectivity after large scale failures. In order to solve these problems, this project will focus on the content connectivity theory of data center optical networks, mainly research on the methods of improving content connectivity of data center optical networks based on software defined technology. With the help of advantages of software defined network (SDN), such as flexibility, open and centralization, the content resource and network resource in data center optical networks can be optimized together, the barrier between content resource and network resource can be eliminated. Then, risk aware content deployment and scheduling can be implemented and content resource migration and replication can be completed to assure the security of content resource and improve the quality of service.

在大数据时代的驱动下，未来通信将从“以网络为中心”逐渐过渡到“以内容为中心”，内容连通性将成为未来数据中心光网络性能的重要衡量指标。区别于网络连通性，内容连通性表征于内容之间的关联，依赖于内容的部署和网络的连通。如何提升用户到内容的连通性已经成为数据中心光网络面临的迫切需求。然而提升数据中心光网络内容连通性面临着如何评估数据中心光网络内容连通性，如何实现内容资源与网络资源协同，如何在大规模故障下保证内容连通性等关键问题。为了解决上述问题，本课题拟研究数据中心光网络中内容连通性理论，重点研究基于软件定义的数据中心光网络内容连通性提升方法，借助软件定义可编程控制技术的灵活性、开放性和集中式优势，实现数据中心光网络中内容与网络资源协同控制，突破传统网络理论中内容和网络隔离制约，实现基于故障风险的内容部署与调度，通过风险预警完成内容资源的动态迁移与备份，从而保障内容资源安全，提高业务服务质量。

在大数据时代的驱动下，网络通信将从“以网络为中心”逐渐过渡到“以内容为中心”，内容连通性将成为未来数据中心光网络性能的重要衡量指标。本项目针对数据中心光网络中用户到内容的连通性需求，借助软件定义可编程控制技术的灵活性、开放性和集中式优势，在数据中心光网络内容连通性的理论模型、实现机制、优化方法等方面产生创新与突破，解决了内容连接与网络连接的跨层映射关系等科学问题，形成了数据中心多边缘节点间的内容连通模型、基于软件定义控制的数据中心光网络平台、数据中心内容部署与资源维护方法、时间与负载均衡下多路径内容迁移优化策略、基于机器学习的群故障保护与恢复策略等五项创新成果。. 基于上述五项创新成果，本项目提出了基于人工智能的数据中心自优化光网络架构；建立了一种K-Node (Edge)内容连通性评价模型；设计了数据中心内容部署方案、数据中心网络多流传送机制、基于负载均衡的内容选取策略、基于网络功能虚拟化的多维资源调度方法、面向数据中心光网络的多维资源优化算法、基于云和边缘数据中心协同的虚拟机部署方案、基于人工智能的安全风险评估和网络优化算法、基于无线前传网络编排时延的自适应边缘计算任务处理算法等先进的方案和算法；开展了传送网络抽象与控制体系功能试验；实现了数据中心光网络中内容与网络资源协同控制、基于故障风险的内容部署与调度、基于风险预警的内容资源动态迁移与备份。本项目在数据中心光网络内容连通性研究方面取得了重要突破，为未来数据中心光网络中的高效内容连通提供重要的技术支撑。在项目执行期间，课题组共发表SCI论文48篇，EI论文52篇，应邀做国际会议特邀报告9次，申请国家发明专利26项，提交IETF国际标准提案2篇，完成学术专著4部，获得了1项国家科学技术进步奖二等奖及多项省部级科技奖励，超额完成了预期目标。

内容获取失败，请点击重试