【摘 要】
：
随着数据中心网络承载的数据量的爆炸式增长,越来越多的框架、模型和应用选择使用RDMA技术来加速网络传输.RoCE是RDMA技术在以太网上的实现,但针对RoCE网络目前还没有有效的状态感知和度量体系,无法全面展现RDMA网络状态.对此,提出针对RoCE的实时状态感知系统和多维度多层次的RDMA度量指标体系.采用旁路分布式流量捕获方式,运用Sketch算法全方位度量RDMA网络状态.系统易于部署且成本低,具有可扩展性和灵活性.实验结果表明,该系统能在较低误差下客观反映出RoCE网络状态,提供故障定位建议.
【机 构】
：
复旦大学计算机科学技术学院 上海200433;复旦大学教育部网络信息安全审计与监控工程研究中心 上海200433
论文部分内容阅读
随着数据中心网络承载的数据量的爆炸式增长,越来越多的框架、模型和应用选择使用RDMA技术来加速网络传输.RoCE是RDMA技术在以太网上的实现,但针对RoCE网络目前还没有有效的状态感知和度量体系,无法全面展现RDMA网络状态.对此,提出针对RoCE的实时状态感知系统和多维度多层次的RDMA度量指标体系.采用旁路分布式流量捕获方式,运用Sketch算法全方位度量RDMA网络状态.系统易于部署且成本低,具有可扩展性和灵活性.实验结果表明,该系统能在较低误差下客观反映出RoCE网络状态,提供故障定位建议.
其他文献
移动边缘计算(Mobile Edge Computing,MEC)是5G的关键技术.由于MEC服务器的计算资源有限,如何对其计算资源分配以提高收益至关重要.为此,提出一种边缘服务器收益优化策略.将MEC服务器收益最大化问题建模为以服务器端任务执行次序为优化变量的最优化问题.在用户对时延和金钱偏好程度不同及子任务具有顺序执行关联性的情况下,提出基于蚁群算法的任务最优执行次序求解算法.仿真结果表明,同等条件下采用该算法获得的收益比SearchAdjust算法提高了33.6％.
提出基于粒子群优化的虚拟机迁移模型(Particle swarm optimization for virtual machine migration model,PSO-VMM).设计基于多维物理资源约束的能量消耗模型,以能量消耗最小作为粒子群优化的目标函数.在物理主机状态检测和虚拟机选择阶段,利用鲁棒局部归约检测LRR(Local Regression Robust)和最小迁移时间选择MMT(Minimum Migration Time).在虚拟机放置阶段,将粒子群优化算法应用到大规模的候选迁移虚拟机
步态相位识别为老年人步态异常变化监测、跌倒风险预测和康复训练评估等提供了一种方便有效的方法.将激光测距仪安装在助行器上来获取双腿的运动信息,以无须穿戴、活动范围自由的方式对助行器依赖人群进行步态相位识别.针对使用激光传感器识别腿部时衣物因素对腿部数据段分割的影响,提出基于IEPF的数据段再分割方法.为了去除身高、步速等个体差异性对激光传感器测得腿部数据的影响,对测量值序列进行识别周期划分,在每个识别周期内对测量数据进行归一化,再进行特征提取,并基于隐马尔可夫模型建立步态相位识别模型.实验结果表明,该方法可
GPU可以显著提升一些网络功能的性能,但在GPU加速的网络功能虚拟化(Network Function Virtual-ization,NFV)系统中,由于网络功能需要以虚拟化方式独立开发和部署,其CPU-GPU处理流水线的CPU处理阶段会有较大的额外开销,使得网络功能GPU加速的效果不明显.为解决该问题,提出一个新的支持GPU加速的NFV系统框架.利用服务链中网络功能之间共享数据和流状态的特性,设计了共享式状态管理机制,以减少网络功能中重复性的协议栈处理和流状态管理开销,提升GPU加速的效果.对原型系统
针对公路养护决策中路面使用性能预测不精确、决策主观性大、信息化程度低等问题,提出一套面向路面使用性能的养护决策系统的实现方法.基于最小二乘支持向量机理论建立路面使用性能预测模型,为解决影响因素随机性大、复杂非线性问题,提出一种累加法对数据进行处理.构建多目标养护决策模型以提高路面使用性能,实现养护资金的合理分配.结合算例验证该方法,结果表明能提升路面使用性能指标的预测精度,并优化养护方案.设计并开发公路养护决策系统,实现路面指标的评定、预测及养护决策一体化功能,有利于提高公路养护智能化、信息化水平.
针对工业生产数据通信协议复杂、工业设备与云端通信困难的问题,提出一种工业互联网云网关架构.针对传输协议复杂多样的问题,提出了一种多协议数据解析方法,能够对多种协议下的数据进行解析,并转换为MQTT协议,实现数据统一协议并上传至云平台.针对协议转换中的实时可靠性问题,提出一种支持断点续传并可以快速处理并发任务的异步处理机制来保证协议转换的实时可靠性.在保证实时可靠的基础上,提出一种三层加密方式以提高数据传输的安全性.在软硬件上实现了上述云网关架构,并在工业过程控制设备上进行了实验.实验结果表明,该架构能够有
针对5 G无线传播模型的构建,使用Pearson系数量化特征与目标值之间的相关性,以此构造出新的特征.将这些特征送入到BP神经网络、决策树、随机森林中来建立无线传播模型,并且能够预测新环境下无线信号覆盖的强度.该模型为建立精准的无线网络提供技术支持,使网络建设成本降低,并提高建设效率.
利用脉搏波特征参数法估测动脉血压(ABP)时,需要进行人工特征设计和筛选以提取出与动脉血压相关性高的特征参数,具有局限性.对此,提出基于卷积神经网络(CNN)的单路光电容积脉搏波信号(PPG)的连续动脉血压测量算法.对PPG信号依次进行去噪平滑、单周期分割和插值处理后,将其输入到CNN中进行特征提取,以建立其与动脉血压间的关系.根据美国医疗器械促进协会(AAMI)的规定,医疗用途的血压测量器械的平均误差应不大于5±8 mmHg.实验结果表明,该算法的测量误差满足AAMI要求.
内运车是用于港口内部货物转运的车辆.如果在转运过程中缺乏监管,很容易造成偷货(将A货主的货转移至B货主堆位)、漏货(货物转运未经过计量设备)等行为,给港口带来严重的损失.为了有效杜绝这类情况的发生,提出轨迹真实状态序列提取方法并设计自适应有限状态机(Adaptive Finite State Machine,AFSM)对内运车作业是否产生异常意图进行判断.实验采用重庆市某港口内运车辆一个月(7547趟)的真实轨迹数据,结果表明轨迹真实状态序列提取方法能有效提取内运车作业轨迹的真实状态,使用AFSM进行轨迹
针对长短期记忆循环神经网络在对时间序列进行学习时存在早期特征记忆效果差、难以充分挖掘整个网络流量特征等问题,提出一种基于双向长短期记忆循环神经网络的网络流量预测方法,以提高网络流量预测的准确性.对网络流量序列进行双向学习,避免单向学习导致较早学习部分特征提取和记忆效果差的问题.同时双向学习可以充分挖掘网络流量天与天之间双向的特征,完整地学习到网络流量的整体特征.仿真实验结果表明,改进后的方法相比原方法具有更好的预测效果.