数据中心光互连网络拓扑可重构研究

摘要

针对传统数据中心电互连网络在应对业务动态流量时存在适应性差的问题,文章提出并验证了一种可以根据网络流量波动进行网络拓扑自优化重构的机制。文章所提机制通过网络仿真系统与深度强化学习模型的迭代交互,实现了对拓扑结构与业务流量分布关系的持续训练,进而在实际系统中,深度强化学习模型,根据软件定义网络控制器实时收集的业务流量分布信息,实现了网络拓扑的自动优化重构,进而提升了网络性能。实验结果表明,针对给定的流量强度,采用深度强化学习进行训练后的模型可以一步输出优化的网络拓扑结构,降低了平均网络延迟和丢包率。