| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第一章 绪论 | 第18-30页 |
| 1.1 软件定义网络架构及主要组成部件 | 第19-22页 |
| 1.1.1 网络转发设备 | 第20-21页 |
| 1.1.2 南向接口 | 第21页 |
| 1.1.3 网络操作系统 | 第21-22页 |
| 1.2 本文相关研究工作现状 | 第22-27页 |
| 1.2.1 SDN交换机控制消息处理时延保证问题 | 第23-25页 |
| 1.2.2 SDN数据中心网络拓扑配置问题 | 第25-26页 |
| 1.2.3 本地SDN网络与公有云联合优化部署网络功能问题 | 第26-27页 |
| 1.3 本文主要贡献与结构 | 第27-30页 |
| 第二章 SDN交换机TCAM流表资源分配机制 | 第30-64页 |
| 2.1 研究背景与动机 | 第30-39页 |
| 2.1.1 问题概述 | 第30-31页 |
| 2.1.2 SDN控制消息 | 第31-33页 |
| 2.1.3 TCAM更新操作及时间开销分析 | 第33-35页 |
| 2.1.4 TCAM规则插入时延对于上层应用性能的影响 | 第35-39页 |
| 2.1.5 小结 | 第39页 |
| 2.2 一种TCAM流表资源分配框架设计 | 第39-55页 |
| 2.2.1 架构概述 | 第40-41页 |
| 2.2.2 系统组成部件 | 第41-43页 |
| 2.2.3 正确性保障机制 | 第43-49页 |
| 2.2.4 TCAM规则插入时延保障机制 | 第49-53页 |
| 2.2.5 实现及部署可行性 | 第53-55页 |
| 2.3 实验及性能分析 | 第55-63页 |
| 2.3.1 实验环境 | 第55-57页 |
| 2.3.2 交换机规则插入时延分析 | 第57-59页 |
| 2.3.3 上层应用任务完成时间分析 | 第59页 |
| 2.3.4 不同迁移策略对比 | 第59-60页 |
| 2.3.5 存储及计算资源开销 | 第60-63页 |
| 2.4 本章小结 | 第63-64页 |
| 第三章 SDN交换机计算资源分配机制 | 第64-84页 |
| 3.1 研究背景与动机 | 第64-68页 |
| 3.1.1 问题概述 | 第64-66页 |
| 3.1.2 现有解决方案所存在的挑战 | 第66-68页 |
| 3.2 相关工作 | 第68页 |
| 3.3 一种交换机资源分配框架设计 | 第68-77页 |
| 3.3.1 架构组件简介 | 第68-70页 |
| 3.3.2 同步消息调度器 | 第70-73页 |
| 3.3.3 异步消息调度器 | 第73-77页 |
| 3.3.4 TCAM执行时延 | 第77页 |
| 3.4 实验及性能分析 | 第77-83页 |
| 3.4.1 实验环境 | 第77-79页 |
| 3.4.2 同步消息处理性能 | 第79-80页 |
| 3.4.3 异步消息处理性能 | 第80-81页 |
| 3.4.4 SRAF支持应用数量 | 第81-82页 |
| 3.4.5 SRAF吞吐率及上层应用性能分析 | 第82-83页 |
| 3.5 本章小结 | 第83-84页 |
| 第四章 基于深度学习的SDN数据中心拓扑资源分配机制 | 第84-104页 |
| 4.1 研究背景与动机 | 第84-90页 |
| 4.1.1 问题概述 | 第85-87页 |
| 4.1.2 相关工作 | 第87-88页 |
| 4.1.3 强化学习 | 第88-90页 |
| 4.2 DeepConf架构设计 | 第90-98页 |
| 4.2.1 DeepConf主要组件概述 | 第91-92页 |
| 4.2.2 DeepConf离线训练流程 | 第92-98页 |
| 4.2.3 DeepConf在线决策流程 | 第98页 |
| 4.3 实验及性能分析 | 第98-103页 |
| 4.3.1 实验环境 | 第98-100页 |
| 4.3.2 强化学习过程分析 | 第100-102页 |
| 4.3.3 业务性能分析 | 第102-103页 |
| 4.4 本章小结 | 第103-104页 |
| 第五章 本地SDN网络与公有云结合下的资源分配机制 | 第104-135页 |
| 5.1 研究背景与动机 | 第104-115页 |
| 5.1.1 问题概述 | 第105-106页 |
| 5.1.2 相关工作 | 第106-107页 |
| 5.1.3 本地网络中的服务功能链外包至公有云的挑战 | 第107-115页 |
| 5.2 问题建模及分析 | 第115-118页 |
| 5.2.1 网络模型 | 第116页 |
| 5.2.2 ILP建模 | 第116-118页 |
| 5.3 启发式算法设计 | 第118-127页 |
| 5.3.1 隐式马尔科夫模型 | 第119页 |
| 5.3.2 最小成本路径寻找算法 | 第119-122页 |
| 5.3.3 路径偏移算法 | 第122-127页 |
| 5.3.4 路径成本调整贪婪算法 | 第127页 |
| 5.4 实验及性能分析 | 第127-134页 |
| 5.4.1 实验环境 | 第127-128页 |
| 5.4.2 启发式算法与ILP模型对比 | 第128-129页 |
| 5.4.3 启发式算法性能实验 | 第129-132页 |
| 5.4.4 路径偏移算法与贪婪算法和FF算法的性能对比 | 第132-134页 |
| 5.5 本章小结 | 第134-135页 |
| 第六章 总结与展望 | 第135-138页 |
| 6.1 全文总结 | 第135-136页 |
| 6.2 未来工作展望 | 第136-138页 |
| 致谢 | 第138-139页 |
| 参考文献 | 第139-150页 |
| 攻读博士学位期间取得的成果 | 第150-151页 |
