Heavy Hitter Detection and Identification in Software Defined Networking

来源:International Conference on Computer Communicatio

发表时间: 2016

提出问题:

  • 随着网络规模的扩大,Heavy-Hitter测量受到拓展能力限制的影响。
  • 现有Heavy-Hitter测量方法大部分集中在个别控制器上,然而在多个交换机上测量Heavy-Hitter的需求日益增大。
  • 解决上个问题的一种方案是让所有交换机将其采样的数据包或测量结果发送到负责检测和识别Heavy-Hitter的中央服务器,但会造成通信开销大和无法实时测量的问题。
  • 现有方法无法很好检测多维Heavy-Hitter流,因其是聚合流,包头和其组成流不一样,无法确定检测哪个包头域。
  • 对非结构化Heavy-Hitter的研究还没有得到充分的探索,有许多例子表明聚合流量不遵循任何已知模式。

解决手段

  • mining traffic statistics (e.g. port bitrate) and forwarding table entry (FTE) to improve heavy hitter detection.
  • 设计了一个分层和分阶段的方式检索和处理网络信息,以减少控制器上的计算开销和控制器和交换机之间的通信开销。
  • HH检测框架中使用了两种类型的输入:流量统计和OpenFlow表。使用多级(从粗到精)的方法来错开HH检测的输入,控制器以粗粒度信息开始,之后选择细粒度的流级别信息以供进一步处理。

相关工作

  • 基于采样的网络流量测量:NetFlow和sFlow,高采样率会产生太多信息(存储成本高),而较低的采样率可能导致HH流量未被检测到。
  • 基于sketch的测量:可以在短时间内以低开销处理数百万个流。但该方法requires customized designs of existing switch ASIC (application–specific integrated circuit)导致现有大多数工作仅通过仿真验证并在FPGA上实现。

OpenMeasure: Adaptive Flow Measurement & Inference with Online Learning in SDN

来源:Computer Communications Workshops

发表时间: 2016

主要内容

heavy-hitter不是主要研究对象,实验部分有涉及到HHH( hierarchical heavy hitters)。

A pragmatic approach of determining heavy-hitter traffic thresholds

来源:European Conference on Networks and Communications (EuCNC): Network Softwarisation (NET)

发表时间: 2018

主要内容:

提出了一种 Cheetah Flows流量交通工程系统(CFTES),可以使用来自后台流量的信息动态计算HH或CF阈值。

Cheetah Flows?

Network-Wide Heavy Hitter Detection with Commodity Switches

来源:SOSR

发表时间: 2018

主要内容

提出了一种分布式Heavy-Hitter检测方案; 用自适应阈值直接在数据平面中执行有效的阈值监控;使用P4语言实现系统,并使用真实的数据包跟踪进行评估。

Network-Wide Routing-Oblivious Heavy Hitters

来源:ANCS

发表时间: 2018

主要内容

为以下三个问题各设计了一种有效算法

  • total volume within a network
  • providing per-flow frequency estimations
  • finding the heavy hitters.

Heavy-Hitter Detection Entirely in the Data Plane

来源:SOSR

发表时间: 2017

主要内容

提出了一种名为HashPipe,使用新兴可编程数据平面的Heavy-Hitter检测算法。使用P4实现

SDN中的Heavy-Hitter测量文献阅读的更多相关文章

  1. 文献阅读笔记——group sparsity and geometry constrained dictionary

    周五实验室有同学报告了ICCV2013的一篇论文group sparsity and geometry constrained dictionary learning for action recog ...

  2. 面部表情视频中进行远程心率测量:ICCV2019论文解析

    面部表情视频中进行远程心率测量:ICCV2019论文解析 Remote Heart Rate Measurement from Highly Compressed Facial Videos: an ...

  3. DPI在SDN中的部署方式

    目录 在sdn中的部署分类 将DPI部署到基础设施层 将DPI部署到控制层 将DPI部署到应用层 个人总结 参考文献 在sdn中的部署分类 DPI 可以分别部署到SDN的基础设施层.控制层和应用层. ...

  4. caffe-windows中classification.cpp的源码阅读

    caffe-windows中classification.cpp的源码阅读 命令格式: usage: classification string(模型描述文件net.prototxt) string( ...

  5. 文献阅读 | The single-cell transcriptional landscape of mammalian organogenesis | 器官形成 | 单细胞转录组

    The single-cell transcriptional landscape of mammalian organogenesis 老板已经提了无数遍的文章,确实很nb,这个工作是之前我们无法想 ...

  6. 转:关于Python中的lambda,这篇阅读量10万+的文章可能是你见过的最完整的讲解

    lambda是Python编程语言中使用频率较高的一个关键字.那么,什么是lambda?它有哪些用法?网上的文章汗牛充栋,可是把这个讲透的文章却不多.这里,我们通过阅读各方资料,总结了关于Python ...

  7. RTCM32编解码中的一些概念及相关文献阅读

    1. IODC和 IODE ——  导航电文相关.iode/iodc是在GPS系统的ICD2中定义的参数,iode指星历数据事件,iodc指星钟数据事件. IOD 是 issue of data ,数 ...

  8. SDN+DPI文献阅读(2)

    A Sophisticated Packet Forwarding Scheme with Deep Packet Inspection in an OpenFlow Switch 来源:Intern ...

  9. SDN+DPI文献阅读

    MultiClassifier: A combination of DPI and ML for application-layer classification in SDN 来源:Internat ...

随机推荐

  1. Vue爬坑之路

    1.关闭eslint严格语法检查

  2. Centos安装Samba共享服务器

    安装Samba 查看Samba是否已安装 1.# rpm -qa | grep samba

  3. Flink的广播变量

    Flink支持广播变量,就是将数据广播到具体的taskmanager上,数据存储在内存中,这样可以减缓大量的shuffle操作: 比如在数据join阶段,不可避免的就是大量的shuffle操作,我们可 ...

  4. Python 面向对象1-面向对象介绍

    一.无论用什么形式来编程,我们都要明确记住以下原则: 1.写重复代码是非常不好的低级行为 2.你写的代码需要经常变更,写代码一定要遵循易读,易改的原则 3.函数编程与OOP(面向对象)的主要区别就是O ...

  5. HDU3718 Similarity KM

    原文链接http://www.cnblogs.com/zhouzhendong/p/8284763.html 题目传送门 - HDU3718 题意概括 直接描述输入吧 首先一个T(T<15),表 ...

  6. Spring Data Redis实现消息队列——发布/订阅模式

    一般来说,消息队列有两种场景,一种是发布者订阅者模式,一种是生产者消费者模式.利用redis这两种场景的消息队列都能够实现. 定义:生产者消费者模式:生产者生产消息放到队列里,多个消费者同时监听队列, ...

  7. 数据处理:2.异常值处理 & 数据归一化 & 数据连续属性离散化

    1.异常值分析 异常值是指样本中的个别值,其数值明显偏离其余的观测值.异常值也称离群点,异常值的分析也称为离群点的分析. 异常值分析 → 3σ原则 / 箱型图分析异常值处理方法 → 删除 / 修正填补 ...

  8. 为什么分布式一定要有Redis?

    这篇文档是读了一个公众号的文章后修改后复制,以前的学习深度不够,现在还是理解不够,以后再写文档,继续加深. 一:说明 1.说明 考虑到绝大部分写业务的程序员,在实际开发中使用 Redis 的时候,只会 ...

  9. TensorFlow池化层-函数

    池化层的作用如下-引用<TensorFlow实践>: 池化层的作用是减少过拟合,并通过减小输入的尺寸来提高性能.他们可以用来对输入进行降采样,但会为后续层保留重要的信息.只使用tf.nn. ...

  10. 直接引用vee-validate校验插件

    直接在页面引用vee-validate 源文件下载地址:http://www.bootcdn.cn/vee-validate/ 官方api https://baianat.github.io/vee- ...