实验室首页 |  教师介绍  |  学生简历  |  课题研究  |  成果共享  |  联系方式  |  学术活动 
网包分类 
特征匹配 
流量管理 
策略部署 
系统实现 
 
覆盖网络 
技术服务 
 

流量管理

课题介绍:

随着互联网的持续发展,日益繁多的应用为用户带来便捷体验的同时,也提出了越来越严苛的带宽、时延等要求,亟需高效的流量管理手段优化网络体验。然而,急速增长的用户数量和应用流量,给网络的管理带来了严峻的挑战。为了保障关键业务的正常使用,解决网络拥塞、优化流量管理、调控流量结构是关键。流量管理的基本任务是根据业务需求,以适当的分类粒度准确识别网络流量,设置并实施相应粒度的控制策略,从而对关键业务提供优良的网络服务,并在总体上优化带宽等网络资源的使用效率。流量管理在计算机网络的多种场景与各个层面都有应用:面向骨干网络的大规模网络流量精确分类、面向数据中心网络(DCN)内部网络流量的规划与优化等需求,对流量分类和管理技术提出了多项研究挑战,例如,如何精确的识别复杂应用及加密传输的网络流量,如何在特定业务场景下定位不同应用的管控优先级,以及如何有效的部署实施流量控制策略等。

研究内容

  网络流量调度

  1. 算法目标:
    • 设计新的调度算法实现公平的带宽分享、最小的带宽保证以及对丢包率、延时、延时抖动的限制,保证要求的调用控制、策略正常进行。
  2. 算法设计:
    • GPS算法的设计思想要求数据在传输过程中的任何时刻,传输链路中按每个需要传输数据的队列所需份额的比例传输数据。RR算法对每个队列的数据包进行轮询调度。结合GPS思想和RR的策略,降低前者的复杂度,减小后者的延时。
  3. 算法实现:
    • 将dummynet引入Cavium OCTEON58XX网络处理器内核模块,并在上面实现WFQ、RR算法,基于openflow协议在cavium平台上的实现,构建数据中心网络的流量管理方案。

  网络流量分类

  1. 算法目标:
    • 设计准确、高效的网络流量分类算法及自动化特征提取算法,实现针对复杂应用和协议的分类与识别,提供细粒度的网络流量分类信息,达到网络优化和管理的目的。
  2. 算法设计:
    • 针对大规模流量的处理要求,实现并行化的流量处理机制;针对种类繁多的网络应用,基于关联规则挖掘和聚类设计自动化的应用流量特征(载荷特征以及统计特征)提取;针对复杂应用及加密传输的网络流量,基于行为模式、深度学习等算法的进行精细化流量识别。
  3. 算法实现:
    • 基于Libnids的TPTD大型网络流处理系统,自动化流量特征提取的APSC算法以及加速流量分类的Emilie算法等。

项目合作:

  • 2012.05 - 2015.05 国家科技支撑计划
  • 2010.09 - 2011.09 清华信息科学与技术国家实验室(筹)学科交叉基金支持
  • 2007.06 - 2009.12 863(目标导向类)计划资助

研究目标:

  1. 流量管理服务框架和模型;
  2. 应用协议识别算法及实现;
  3. 网包调度算法设计及实现;
  4. 队列管理算法设计及实现;
  5. 流量管理原型与试验网络。

Copyright© 2004 NSLab. All Rights Reserved