出处：IEEE Globecom 2019, Big Island, Hawaii, 9-14, Dec, 2019 (CCF C类，通信A类)
作者：Kai Lei, Junlin Huang, Yu Li, Fan Zhang, Hengky Susanto, Bo Bai, Gong Zhang, Jin Liu
摘要：在数据中心网络中，具有不同目标的流共存并争夺有限的资源。 从应用层面来看，如果没有有效的资源规划，就很难满足不同流量的需求。 为了解决多目标场景下的带宽分配问题，我们研究了一个多目标网络效用最大化（NUM）问题，并提出了我们实用的带宽分配框架 HOMMO，它由上层算法（ULA）和下层算法（LLA）。 这种分层设计有助于在准确性和效率之间取得平衡。 ULA 在网络交换机中实现，是一种基于在线学习的方案，可为具有不同性能目标的聚合流分配带宽。 将 ULA 的输出作为容量约束，LLA 充当分组级别的快速调度方法。我们通过在交换机中实现隔离队列的设计和相应的出队策略来扩展 NUMFabric，使其成为 LLA 的可行解决方案。 因此，HOMMO 在不同目标的流之间实现了令人满意的隔离，相当于提供了一种网络切片解决方案。 为了评估所提出的框架，我们在 ns-3 中实现它并验证各种场景下的性能。 仿真结果表明，HOMMO 不仅可以快速收敛到多目标 NUM 问题的近似最优解，而且可以保证 Pareto 最优解。 此外，它优于众所周知的传输协议（DCTCP ），平均带宽利用率提高了 2 倍，在聚合流级别上全球网络效用提高了 1.96 倍。
