[发明专利]基于稳定匹配的流调度方法、装置、计算机设备及存储介质

说明书

本发明公开了一种基于稳定匹配的流调度方法、装置、计算机设备及存储介质，所述方法包括：设置流和路径；为流和路径构建偏好表；根据流和路径的偏好表，构建流‑路径稳定匹配模型；根据流‑路径稳定匹配模型，求解最优解，采用一对一稳定匹配方法在流和路径之间找到最佳的一对一稳定匹配，实现流的最优调度。本发明解决了现有流调度机制存在的面向专有拓扑、带宽分配粒度粗等缺陷，实现了可应用于所有类型拓扑的细粒度带宽分配，仿真实验结果证明与以前工作相比具有较大的优势。

技术领域

本发明涉及一种基于稳定匹配的流调度方法、装置、计算机设备及存储介质，属于软件定义数据中心网络的流调度领域。

背景技术

目前，软件定义数据中心网络(Software-Defined Data-Center Networks，SD-DCN)已经在被广泛地部署，如谷歌的B4。而DCN中存在三种类型的流，即老鼠流(Mice Flow，简称MF)、已知大小的大象流(Elephant Flow with known sizes，简称EFY)和未知大小的大象流(Elephant Flow with unknown sizes，EFN)。例如，一些面向用户的数据中心应用(网络搜索，社交网络，推荐系统等)会产生MF；虚拟机迁移和数据备份等应用会产生已知大小的大象流；而数据库访问和基于HTTP的大数据块传输等应用会产生未知大小的大象流。更重要的是，大象流(已知大小或未知大小的大象流)和老鼠流具有不同的性能要求。通常，老鼠流是延迟敏感度应用，期望最大化时限要求满足率DMR(Deadline Meet Rate)；而大象流期望更高的吞吐量和更短的流完成时间FCT(Flow Completion Time)而其没有具体的截止完成时间(Deadline)。

早期的数据中心网络流调度是将流的分组分布于所有等长的路径上(例如：ECMP)，以便充分利用数据中心网络的带宽。然而，由于大象流会比老鼠流消耗更多的带宽，并占用路径更长时间，因此会导致链路负载不平衡。

基于稳定匹配理论，Lin Cui等提出了Fincher来调度大象流，他们假设每个路径对应一个唯一的核心(或聚合)交换机，Fincher分配新的流给适当的交换机，这实际上为其确定了特定的最短路径。因此，他们试图在流和交换机之间找到稳定的匹配。然而，即使他们的假设在胖树(Fat-tree)拓扑下正确，但无法确保在其他拓扑下正确。换句话说，Fincher不能适应于所有类型的拓扑。此外，Fincher的流和交换机之间匹配的缺点是粗粒带宽分配(其粒度是两个交换机之间的所有带宽)。

发明内容

本发明的第一个目的是为了解决上述现有流调度机制存在的面向专有拓扑、带宽分配粒度粗等缺陷，提供了一种基于稳定匹配的流调度方法，该方法实现了可应用于所有类型拓扑的细粒度带宽分配，仿真实验结果证明与以前工作相比具有较大的优势。

本发明的第二个目的在于提供一种基于稳定匹配的流调度装置。

本发明的第三个目的在于提供一种计算机设备。

本发明的第四个目的在于提供一种存储介质。

本发明的第一个目的可以通过采取如下技术方案达到：

一种基于稳定匹配的流调度方法，所述方法包括：

设置流和路径；

为流和路径构建偏好表；

根据流和路径的偏好表，构建流-路径稳定匹配模型；

根据流-路径稳定匹配模型，求解最优解，采用一对一稳定匹配方法在流和路径之间找到最佳的一对一稳定匹配，实现流的最优调度。

进一步的，所述设置流和路径，具体包括：