云数据中心流量调度机制研究
近年来,随着大数据、网络搜索、公有云等服务的普及与蓬勃发展,支撑这些服务的数据中心物理基础设施与关键技术也面临了诸多挑战。

通常这些业务需要依靠大量服务器并行处理数据,并通过网络保障服务器间数据的高效传输。

所以数据中心网络的性能直接决定了业务的服务质量。

然而,由于现有数据中心使用了特殊的拓扑结构并包含多种不同需求的业务,导致传统流量调度算法在数据中心网络中遇到了性能瓶颈和许多不同的问题,例如:多径拓扑下由负载调度不均
引起的路径拥塞问题,多业务混合场景下时延敏感流的时延需求难以得到保障、流完成时间长问题,大数据等特殊业务中并行数据流(Coflow)调度效率低、任务完成慢问题。

论文针对数据中心流量调度问题进行了研究,主要取得以下研究成果:1.设
计了基于流分布的半集中式负载均衡机制FDALB。

结合分布式负载均衡可扩展性强,集中式负载均衡性能优的特点,论文设计了 FDALB机制降低了集中式负载均
衡的控制开销,从而提高了集中式负载均衡的可扩展性。

并且,仿真实验显示FDALB大大降低了网络时延,避免了链路拥塞。

2.设计了云环境中基于混合流的
信息无感知流调度机制TPFS。

针对信息无感知场景下,时延敏感流区分难的问题,论文设计了TPFS机制利用数据中心中业务产生的流分布较为固定的特点来预测业务的流长,从而完成了时延敏感流的快速识别,并通过设计更加合理的队列调度门限有效的保障了时延敏感流的时延。

通过实验验证表明TPFS能够有效的减少时延敏感业务的完成时间。

3.设计了基于拥塞感知的Coflow调度机制SkipL。

针对现有Coflow调度机制无法感知网络路径拥塞的不足,论文设计了一种基于源端的链路拥塞探测机制,该机制能够快速探测网络链路的剩余带宽。

进一步,基于剩余带宽,论文实现了拥塞感知的带宽分配机制,降低了
Coflow的完成时间。

论文通过实验验证了SkipL拥塞感知和带宽探测的有效性。

4.设计了基于多属性的信息无感知Cofl[ow调度机制MCS。

论文分析了Coflow
信息无感知场景下,Coflow完成时间长是由队头阻塞、粗粒度优先级门限引起的。

论文设计了 MCS通过Coflow宽度、长度等多种信息来调度Coflow流量,从而有效的避免队头阻塞,实现了精细的Coflow优先级调节。

论文通过实验验证了
MCS可以降低小Coflow的完成时间。