基于切片的数据中心网络带宽分配机制

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    61772265
  • 项目类别：
    面上项目
  • 资助金额：
    60.0万
  • 负责人：
    田臣
  • 依托单位：
    南京大学
  • 学科分类：
    F0207.计算机网络
  • 结题年份：
    2021
  • 批准年份：
    2017
  • 项目状态：
    已结题
  • 起止时间：
    2018-01-01 至2021-12-31

项目摘要

In datacenter networks, flows can have different performance objectives. We use a slice to denote all flows of an application that share the same objective. Bandwidth allocation in datacenters should support not only performance isolation among slices but also objective-oriented scheduling among flows within the same slice. This project studies the Multi-App-Multi-Objective (MA-MO) bandwidth allocation problem. To our best knowledge, no existing practical work support performance isolation and objective scheduling simultaneously. We propose to completely take over the congestion control function from the transport layer. This taking over mechanism is transparent to the upper transport protocols and applications. The successful implementation of this project will provide, for next-generation data center network, the critical bandwidth management technology: fine grained and scalable multi-app-multi-objective bandwidth allocation mechanism. This project is of great practical value and theoretical significance.
私有云数据中心中的数据流来自于不同应用。属于同一个应用的数据流也会拥有不同的性能优化指标。本项目面向拥有多应用多目标的数据中心网络，研究基于切片的带宽分配机制。以切片作为网络资源分配的基本对象，该机制需要同时支持切片间的性能隔离和切片内的目标优化。现有数据中心网络带宽分配研究大多聚焦于目标优化。这些机制互相之间会产生巨大的干扰，甚至根本无法共存。而性能隔离相关的研究工作都无法进行单个流级别的带宽分配，无法支持目标优化。本项目第一次系统性的考虑了如何同时支持性能隔离和目标优化两个层级的带宽分配。项目的基本思路是通过对传输层协议拥塞控制的彻底接管来同时实现切片间与切片内的带宽分配，并对操作系统和应用实现了非侵入式的透明控制。本项目的成功实施将为新一代数据中心网络带宽管理提供一个关键技术：细粒度和大规模可扩展的支持多应用多目标的带宽分配管理机制。本项目具有巨大的实际工程应用价值和重要的理论意义。

结项摘要

数据中心随着当今互联网产业的发展，作为云计算，互联网搜索等应用的重要部分，一直是计算机网络领域的热门研究方向。而作为数据中心的主要管理环节，数据中心网络近年来也越来越成为一个炙手可热的话题。由于数据中心的共享，多用户特性，一般的数据中心都是提供给多个租户使用的网络资源，同时由于每个租户的需求以及其所购买的资源多少不同，如何合理，公平的在租户间分配数据中心链路的带宽，也成为了一个很重要的问题。而反观目前的相关研究，还没有提出一个较为适合于数据中心实践的租户间带宽分配方案。在本项目中，我们分析了当前的数据中心带宽分配的研究现状，之后介绍了由我们设计并提出的一种新型的分布式数据中心租户间带宽分配的方案，并且进行了代码和算法的实现，开发出了一个基于ns3网络模拟器的网络系统。经过我们的测试，此系统能够胜任一般网络数据中心的租户间带宽分配任务，同时具有分布式计算，跨租户分配等特点，同时能够保证分配的效率，公平性以及正确性。经过试验以及分析，我们所开发的系统可以说是一个对目前数据中心网络发展有意义的工作。

项目成果

期刊论文数量（10）
专著数量（0）
科研奖励数量（0）
会议论文数量（12）
专利数量（6）
P-PFC: Reducing Tail Latency with Predictive PFC in Lossless Data Center Networks
P-PFC：在无损数据中心网络中通过预测性 PFC 减少尾部延迟
  • DOI：
    10.1109/tpds.2020.2969182
  • 发表时间：
    2020-06
  • 期刊：
    IEEE Transactions on Parallel and Distributed Systems
  • 影响因子：
    5.3
  • 作者：
    Chen Tian;Bo Li;Liulan Qin;Jiaqi Zheng;Jie Yang;Wei Wang;Guihai Chen;Wanchun Dou
  • 通讯作者：
    Wanchun Dou
Scheduling dependent coflows to minimize the total weighted job completion time in datacenters
调度相关协流以最小化数据中心中的总加权作业完成时间
  • DOI：
    10.1016/j.comnet.2019.05.010
  • 发表时间：
    2019-07-20
  • 期刊：
    COMPUTER NETWORKS
  • 影响因子：
    5.6
  • 作者：
    Tian, Bingchuan;Tian, Chen;Chen, Guihai
  • 通讯作者：
    Chen, Guihai
OpenFunction: An Extensible Data Plane Abstraction Protocol for Platform-Independent Software-Defined Middleboxes
OpenFunction：用于独立于平台的软件定义中间盒的可扩展数据平面抽象协议
  • DOI：
    10.1109/tnet.2018.2829882
  • 发表时间：
    2018-06
  • 期刊：
    IEEE/ACM Transactions on Networking
  • 影响因子：
    --
  • 作者：
    Chen Tian;Ali Munir;Alex X. Liu;Jie Yang;Yangming Zhao
  • 通讯作者：
    Yangming Zhao
Minimize the Make-span of Batched Requests for FPGA Pooling in Cloud Computing
最小化云计算中 FPGA 池批量请求的制作时间
  • DOI：
    10.1109/tpds.2018.2829860
  • 发表时间：
    2018-11
  • 期刊：
    IEEE Transactions on Parallel and Distributed Systems
  • 影响因子：
    5.3
  • 作者：
    Yangming Zhao;Chen Tian;Zhuangdi Zhu;Jie Cheng;Chunming Qiao;Alex X. Liu
  • 通讯作者：
    Alex X. Liu
Joint Reducer Placement and Coflow Bandwidth Scheduling for Computing Clusters
计算集群的联合Reducer放置和Coflow带宽调度
  • DOI：
    10.1109/tnet.2020.3037064
  • 发表时间：
    2021-02
  • 期刊：
    IEEE/ACM Transactions on Networking
  • 影响因子：
    --
  • 作者：
    Yangming Zhao;Chen Tian;Jingyuan Fan;Tong Guan;Xiaoning Zhang;Chunming Qiao
  • 通讯作者：
    Chunming Qiao

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--"}}
  • 发表时间：
    {{ item.publish_year || "--" }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--"}}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

基于带多数类权重的少数类过采样技术和随机森林的信用评估方法
  • DOI：
    --
  • 发表时间：
    2019
  • 期刊：
    计算机应用
  • 影响因子：
    --
  • 作者：
    田臣;周丽娟
  • 通讯作者：
    周丽娟

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--" }}
  • 发表时间：
    {{ item.publish_year || "--"}}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--" }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

田臣的其他基金

数据中心网络无损或微损传输层理论与算法
  • 批准号：
  • 批准年份：
    2020
  • 资助金额：
    56 万元
  • 项目类别：
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码