一种面向网络协同流量的路由调度方法与系统

    公开(公告)号:CN117221126B

    公开(公告)日:2024-02-13

    申请号:CN202311487370.8

    申请日:2023-11-09

    Abstract: 本发明公开了一种面向网络协同流量的路由调度方法与系统,首先将Coflow子流的路由调度问题建模成整数规划问题,通过近似算法求解得到各个子流的路由及带宽分配,然后考虑Coflow并发情况下的剩余可用带宽情况,对Coflow带宽分配策略进行更新。本方法是一个在线的Coflow路由调度方法,可以在不需要任何Coflow先验知识的情况下,实现Coflow的即时路由和带宽分配。相比于传统的Coflow调度工作,本发明从数据中心网络的实际出发,结合Coflow的路由和带宽分配设计高效合理的调度策略,本发明产生的调度策略更准确实用,且可用于线上实时场景,实现数据中心网络中协同流量的高效

    多模态网络系统及多模态网络运行方法

    公开(公告)号:CN116743812A

    公开(公告)日:2023-09-12

    申请号:CN202310814543.6

    申请日:2023-07-05

    Abstract: 本申请涉及一种多模态网络系统及多模态网络运行方法,所述多模态网络系统从上到下依次包括:应用层,用于提供网络业务需求对应的网络应用;业务层,用于确定实现所述网络应用的网络能力需求;模态层,用于基于所述网络能力需求,提供对应的网络模态;环境层,用于提供支撑所述网络模态运行的网络基础设施,所述网络基础设施用于承载和传输各网络应用对应的报文,所述报文基于所述网络应用对应的网络模态生成、封装、解封和路由转发,获得了业务应用与技术体系的最佳适配,从而显著降低网络资源开销,解决了现有网络发展模式中存在的网络技术模态单一,无法满足不同网络业务需求的问题。

    一种基于严格优先级的协同流量调度数值模拟方法与系统

    公开(公告)号:CN115951989B

    公开(公告)日:2023-06-20

    申请号:CN202310247633.1

    申请日:2023-03-15

    Abstract: 本发明公开了一种基于严格优先级的协同流量调度数值模拟方法与系统,包括以下步骤:采集分布式计算任务的实时执行状态数据、计算阶段用时估测值;基于严格优先级模拟并存储软件可定义交换机出端口中的流量传输队列;配置无前置依赖任务列表,模拟分布式计算环境中各个计算节点当前在执行的计算任务处理过程,存储待执行的计算任务信息和/或正在执行的计算任务信息;基于分布式计算任务的实时执行状态数据和计算阶段用时估测值,查找符合无前置计算约束条件的计算任务和传输任务;将无前置计算约束条件的计算任务和传输任务分别添加到无前置依赖任务列表和基于严格优先级的传输任务队列中。

    一种流量拥塞前置的分布式计算流量仿真系统与方法

    公开(公告)号:CN115996197A

    公开(公告)日:2023-04-21

    申请号:CN202310259202.7

    申请日:2023-03-17

    Abstract: 本发明公开了一种流量拥塞前置的分布式计算流量仿真系统与方法,包括:发收包终端组件,接收并处理仿真系统参数,得到分布式计算任务的依赖关系矩阵以及计算阶段耗时向量,选择监听端口;协同流量传输任务线程构建组件,用于在分布式计算任务开始时和任一协同流量传输结束时,构建一计算模拟线程,在线程被唤醒后获取流量传输策略以创建协同流量传输任务线程;协同流量任务管理器,通过协同流量传输任务线程池完成协同流量任务的管理;环境监听组件,用于监听端口并接收各种报文;数据面可编程交换机组件,基于报警阈值和任务优先级进行拥塞预警并配置网络资源。本发明在降低丢包率的同时还将网络资源优先分配给较高优先级的任务和流量。

    一种基于DQN的分布式计算网络协同流量调度系统与方法

    公开(公告)号:CN115361301A

    公开(公告)日:2022-11-18

    申请号:CN202211226856.1

    申请日:2022-10-09

    Abstract: 本发明公开了一种基于DQN的分布式计算网络协同流量调度系统与方法。所述方法包括:基于分布式计算任务信息和数据面可编程转发平台中端口队列的拥塞情况构建环境特征数据,基于DQN中的动作价值网络和目标网络构建并训练深度强化学习智能体,深度强化学习智能体输出抽象动作;通过策略映射器接收抽象动作,并将其映射成可执行协同流量调度策略;数据面可编程转发平台执行策略映射器生成的可执行协同流量调度策略,并更新端口队列的拥塞情况;通过策略增益器记录分布式计算任务完成时间作为深度强化学习智能体的实时奖励,根据前后两次分布式计算任务遵循可执行协同流量调度策略产生的耗时之差,对深度强化学习智能体进行迭代优化。

    一种基于多智能体强化学习的网络可扩展路由方法与系统

    公开(公告)号:CN117319287B

    公开(公告)日:2024-04-05

    申请号:CN202311585505.4

    申请日:2023-11-27

    Abstract: 本发明公开了一种基于多智能体强化学习的网络可扩展路由方法与系统,通过PageRank算法对网络节点重要性进行建模,并选取网络中的关键节点,然后在若干个关键网络节点上训练Actor网络,在SDN控制器上训练Critic网络,基于多智能体强化学习进行网络流量的逐跳路由,实现大型数据中心网络的可扩展路由。通过本发明既提升了路由方案的稳定性又降低了大型网络中路由寻优的复杂度;同时不需要传统监督学习方法中的带标签的样本,通过与环境反复交互获得实时反馈的样本,以指导模型的迭代和优化;奖励函数的设计综合考虑了网络链路的吞吐量、时延和丢包率,通过多种指标加权指导多智能体生成最优的流量路由策略。

    一种流量拥塞前置的分布式计算流量仿真系统与方法

    公开(公告)号:CN115996197B

    公开(公告)日:2023-06-16

    申请号:CN202310259202.7

    申请日:2023-03-17

    Abstract: 本发明公开了一种流量拥塞前置的分布式计算流量仿真系统与方法,包括:发收包终端组件,接收并处理仿真系统参数,得到分布式计算任务的依赖关系矩阵以及计算阶段耗时向量,选择监听端口;协同流量传输任务线程构建组件,用于在分布式计算任务开始时和任一协同流量传输结束时,构建一计算模拟线程,在线程被唤醒后获取流量传输策略以创建协同流量传输任务线程;协同流量任务管理器,通过协同流量传输任务线程池完成协同流量任务的管理;环境监听组件,用于监听端口并接收各种报文;数据面可编程交换机组件,基于报警阈值和任务优先级进行拥塞预警并配置网络资源。本发明在降低丢包率的同时还将网络资源优先分配给较高优先级的任务和流量。

Patent Agency Ranking