.png){kind=icon}
返回
Scalable Load Balancing scheme for wireless distributed controllers in SDDC
.png){kind=icon}
PRE
AI
DOI：10.1016/j.comnet.2025.111354.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文介绍了一种适用于大规模分布式软件定义网络（SDN）无线控制平面架构的负载均衡（LB）系统。我们的方法采用滞回多阈值方法，运用连续时间马尔可夫链（CTMC）模型和控制策略。该系统将过载SDN控制器（客户端）的过剩流量均匀分配至负载较轻的邻近控制器（服务器）。当控制器的容量达到某一阈值，表明出现过载时，LB机制会根据既定策略将传入流量重定向至负载较轻的控制器。LB机制并非即时响应负载变化，而是提供可扩展和动态的容量管理，维持系统稳定性并确保效率。通过这种方式，可避免频繁且不必要的资源分配调整。本文扩展了前期工作，探索了涉及一个客户端和最多三个服务器的LB场景，而非仅一个客户端和一个服务器的配置。我们通过性能指标（如平均聚合容量（AAC）、转换率（TR）和阻塞概率（BP））的瞬态和稳态分析评估，数值证明了我们模型的有效性。我们特别展示了在多级LB架构中增加层级数量如何通过引入额外的决策和分配层级来提升资源分配的精细度。因此，随着层级增多，系统可根据服务器的能力和当前负载，更有效地将工作负载分配至不同层级的服务器。结果，它能够实现更优的资源利用率、改进的性能和增强的可扩展性，最终形成一个更高效且响应更快的LB解决方案。
期刊
IF:
4.6
论文数:
1.6K
被引数:
1.6W
机构
暂无机构信息
引用论文
分享收藏Distributed Data-Driven Learning-Based Optimal Dynamic Resource Allocation for Multi-RIS-Assisted Multi-User Ad-Hoc Network.png)
Algorithms
OAAI
AlgorithmsIF0
OAAI分享收藏分享收藏A Survey of Software-Defined Networking: Past, Present, and Future of Programmable Networks软件定义网络综述: 可编程网络的过去、现在和未来OAAI
OAAI分享收藏 没有更多内容
没有更多内容