بررسی درخت تجمیع داده های شبکه ای برای دیتاسنتر های سرور

عنوان فارسی مقاله:بررسی درخت تجمیع داده های داخل شبکه ای برای دیتاسنتر های مبتنی بر سرور حساس به تاخیر

چکیده

کاربردهای برخط و مبتنی بر مهلت همانند جست و جوهای اینترنتی، شبکه بندی اجتماعی باعث تکثیر دیتا سنتر ها در طی سالیان متمادی شده‌اند. این کاربردها به طور معمول از مدل تقسیم بندی و جمع برای پردازش مقدار زیادی از داده‌ها به شکل پراکنده، بهره می‌برد. یعنی، آن‌ها اغلب طی مراحل پردازش داده‌ها (یا بسیاری از موارد) را ایجاد می‌کنند. از این رو، یک مسئله مهم و چالش برانگیز برای شبکه‌های مرکز داده، چگونگی به حداقل رساندن مقدار کل مصرف پهنای باند و پردازش مؤثر داده‌ها به صورت به موقع است. جمع آوری داده‌ها برای کنار آمدن با مسئله فوق استفاده می‌شود. با این وجود، کارهای موجود در مورد جمع آوری داده‌ها محدودیت‌های مهلت در مراکز داده را در نظر نمی‌گیرند. در این کار، ما به طور مشترک جمع آوری داده‌های درون شبکه و ویژگی‌های مراکز داده را برای دیدار با مهلت جریان و کاهش مصرف پهنای باند در نظر می‌گیریم. این است که، ما از ویژگیهای مراکز داده سرور محور (SDC) در انتخاب مسیرهای مناسب حلقوی برای انجام تجمعات داده درون شبکه استفاده می‌کنیم تا نیازهای پایان به پایان جریانهای برنامه را برآورده کنیم. نتایج نشان می‌دهد که الگوریتم درخت تجمع SDC ما به مصرف پهنای باند کمتری (تا ۵/۱۸ درصد کاهش در پهنای باند) و تأخیر کمتر از روشهای موجود دست می‌یابد(درخت تجمیع داده های داخل شبکه).

ادامه مطلب

راهنمای خرید:

لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.

TITLE: In-Network Data Aggregation Tree for Delay-Sensitive Server-Centric Datacenters

Abstract

Online and deadline-aware applications such as web search, advertisements, and social networking have driven the proliferation of data centers over the past few years. Such applications usually employ the partition/aggregation pattern to process the huge amount of data in a distributed way; that is, they often generate some (or many) rounds of data shuffle phases during the data processing. Hence, one important and challenging issue for data center networks is how to minimize the total amount of bandwidth consumption and to effectively process data in a timely fashion. Data aggregation is used to cope with the above issue; nevertheless, existing works on data aggregation do not consider deadline constraints in data centers. In this work, we jointly consider in-network data aggregation and the characteristics of the data centers to meet dataflow deadlines and reduce bandwidth consumption. That is, we exploit properties of server-centric data centers (SDC) in choosing suitable loop-free paths for performing the in-network data aggregations to meet the end-to-end requirements of application flows. The results show that our SDC aggregation-tree algorithm achieves less bandwidth consumption (up to 18.5% reductions in bandwidth) and lower delay than existing approaches.