دانلود ترجمه مقاله کنترل ازدحام و زمان بندی ترافیک در مراکز داده بر پایه SDN
عنوان فارسی |
کنترل ازدحام و زمان بندی ترافیک پویا، در میان مراکز داده، بر پایه SDN |
عنوان انگلیسی |
Dynamic Traffic Scheduling and Congestion Control across Data Centers Based on SDN |
کلمات کلیدی : |
  مرکز داده؛ زمان بندی پویا؛ کنترل ازدحام؛ اُپِن فِلو (OpenFlow)؛ شبکه بندی تعریف شده نرم افزاری |
درسهای مرتبط | مهندسی کامپیوتر |
تعداد صفحات مقاله انگلیسی : 12 | نشریه : MDPI |
سال انتشار : 2018 | تعداد رفرنس مقاله : 34 |
فرمت مقاله انگلیسی : PDF | نوع مقاله : ISI |
پاورپوینت :
ندارد سفارش پاورپوینت این مقاله |
وضعیت ترجمه مقاله : انجام شده و با خرید بسته می توانید فایل ترجمه را دانلود کنید |
1. مقدمه 2. مطالعات مربوطه 2.1. مرکز داده، مبتنی بر شبکه سنتی 2.2. مراکز داده مبتنی بر SDN 3. طراحی و پیاده سازی DSCSD 3.1. مدل سیستم 3.2. زمان بندی ترافیک پویا 3.3. کنترل ازدحام، با صف بازخورد چند سطحی 4. نتایج آزمایشات و تحلیل عملکرد 5. نتیجه گیری و مطالعات آتی
چکیده – شبکه بندی تعریف شده نرم افزاری (SDN) و شبکه مرکز داده (DCN)، توجه زیادی را به خود جلب کرده و علاقه گسترده ای از جانب محیط دانشگاهی و محیط صنعتی به آن شده است. هنگامی که پروتکل مسیریابی سنتی کوتاه ترین مسیر، در میان چندین مرکز داده، مورد استفاده قرار می گیرد، ازدحام، به صورت مکرر، در ارتباط با کوتاه ترین مسیر اتفاق می افتد که می تواند کیفیت خدمات شبکه را به دلیل تاخیر طولانی و توان عملیاتی پایین، به شدت دچار افت کند. انعطاف پذیری و چابکی SDN می تواند به طور موثر، مشکل مذکور را تسهیل نماید. با این وجود بهره برداری از منابع لینک، در میان داده ها هنوز هم کافی نیست و تا کنون به طور مناسبی به آن پرداخته نشده است. در این مقاله بر مسئله مذکور، متمرکز شده و یک رویکرد هوشمند، در زمینه پردازش بیدرنگ و زمان بندی پویا ارائه می کنیم که می تواند به صورت کامل از منابع شبکه استفاده کند. ترافیک، در میان مراکز داده را می توان به انواع گوناگونی طبقه بندی کرد و استراتژی های مختلفی را برای این نوع از ترافیک های بیدرنگ پیشنهاد شدند. با در نظر گرفتن اشغال طولانی پهنای باند، توسط جریان های خصمانه، ما از مکانیزم صف بازخورد چندسطحی استفاده کرده و الگوریتم کنترل ازدحام موثر را ارائه می کنیم. آزمایشات شبیه سازی نشان می دهد که طرح ما، اِعمال پذیری مطلوبی دارد و اثر زمان بندی بهتر ترافیک و بهبودیابی بیشتر، در بهره برداری از پهنای باند، در میان مراکز داده نشان می دهد مقدمه: کلان داده، تبدیل به یکی از داغ ترین موضوعات در محیط های دانشگاهی و صنعتی شده است. با توسعه کلان داده، میزان داده از منابع مختلف (همانند اینترنت اشیا، وب سایت های شبکه های اجتماعی و پژوهش های علمی)، با نرخ نمایی، در حال افزایش است [1]. مقیاس مراکز داده به صورت تدریجی در حال توسعه است، در این میان، تعداد رو به افزایش داده ها در شبکه های مرکز داده، مورد انتقال قرار گرفته و تبادل ترافیک، در میان سرورهای مراکز داده، رشد سریعی را متوجه خود می بیند. مستقیم ترین نتیجه این پدیده می تواند نرخ بهره برداری کم، مسائل ازدحام، تاخیر خدمات و حتی حملات DDOS باشد [2]. مراکز داده همیشه از طریق شبکه، در مناطق گسترده، به هم متصل اند [3].
Software-defined Networking (SDN) and Data Center Network (DCN) are receiving considerable attention and eliciting widespread interest from both academia and industry. When the traditionally shortest path routing protocol among multiple data centers is used, congestion will frequently occur in the shortest path link, which may severely reduce the quality of network services due to long delay and low throughput. The flexibility and agility of SDN can effectively ameliorate the aforementioned problem. However, the utilization of link resources across data centers is still insufficient, and has not yet been well addressed. In this paper, we focused on this issue and proposed an intelligent approach of real-time processing and dynamic scheduling that could make full use of the network resources. The traffic among the data centers could be classified into different types, and different strategies were proposed for these types of real-time traffic. Considering the prolonged occupation of the bandwidth by malicious flows, we employed the multilevel feedback queue mechanism and proposed an effective congestion control algorithm. Simulation experiments showed that our scheme exhibited the favorable feasibility and demonstrated a better traffic scheduling effect and great improvement in bandwidth utilization across data centers. Introduction: Big data has become one of the hottest topics among academia and industry. With the development of big data, the amount of data from different sources such as the Internet of Things, social networking websites, and scientific research is increasing at an exponential rate [1]. The scale of data centers has gradually extended. Meanwhile, an increasing number of data are being transmitted in data center networks, and traffic exchange among the servers in data centers has also been growing fast. The most direct result may be low utilization ratio, congestion problems, service latency, and even DDOS attacks [2]. Data centers are always interconnected through wide area networks [3].
بخشی از ترجمه مقاله (صفحه 12 فایل ورد ترجمه)
محتوی بسته دانلودی:
PDF مقاله انگلیسی ورد (WORD) ترجمه مقاله به صورت کاملا مرتب (ترجمه شکل ها و جداول به صورت کاملا مرتب)
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.