CCF DL Focus On Data Center Networks

近年来，人工智能（artificial intelligence，简称AI）以强劲势头吸引着学术界和工业界的目光，并被广泛应用于各种领域.计算机网络为人工智能的实现提供了关键的计算基础设施.然而，传统网络固有的分布式结构往往无法快速、精准地提供人工智能所需要的计算能力，导致人工智能难以实际应用和部署.软件定义网络（software defined networking，简称SDN）提出集中控制的理念，中央控制器能够按需快速地为人工智能适配计算能力，从而实现其全面部署.将人工智能与SDN网络相结合，实现智能化软件定义网络，既可以解决棘手的传统网络问题，也能够促进网络应用创新.因此，首先研究将人工智能应用于软件定义网络所存在的问题，深入分析基于人工智能的SDN的优势，说明软件定义网络与人工智能结合的必要性.其次，自底向上地从SDN的数据平面、控制平面和应用平面角度出发，思考了不同网络平面与人工智能的结合.通过描述智能化软件定义网络的相关研究历程，介绍了智能软件定义网络在路由优化、网络安全和流量安全这3个方面的关键技术和所面对的挑战.最后，结合其他新兴领域说明智能软件定义网络的优势和前景，并对未来研究工作进行了展望。

随着数据中心列入新基建的重点发展方向，它即将迎来蓬勃发展的新阶段。数据中心网络作为连接数据中心系统内部各类资源、承载海量流量的核心和关键，一直是产业和学术界关注的焦点。近年来，飞速增长的网络流量、迅速变迁的网络负载、快速增加的网络规模，对传统数据中心网络提出了严峻挑战，催生了以可编程数据平面、开放控制平面、无损传输、智能运维等为代表的新一代数据中心网络技术。本文将对新一代数据中心网络的相关核心关键技术进行梳理总结，并对未来发展进行展望。

数据中心网络是连接数据中心内部大量服务器，连接地理分布数据中心以及连接数据中心和用户的网络。数据中心网络已成为Internet基础结构的一部分。现代数据中心网络的技术趋势是高性能，网络可编程性，网络虚拟化和网络智能。

为了降低小流的完成时间，或是让小流在规定时间内完成，许多流调度的工作应运而生，而数据中心的独特条件使这些流调度工作的落地成为可能。与传统的因特网不同，很多数据中心是大公司的私有资源，形成了一个个独立的管理域。在数据中心内，管理员可以掌控从上层应用到内核协议栈，再到网卡和交换机硬件的所有配置。这对于很多需要端主机和交换机协同配合的流调度机制无疑是个好消息。此外，由于数据中心是私有的，流调度机制无须担心公平性和用户欺骗等问题。

AI应用负载特征决定了智能计算系统的设计，本文在分析阿里巴巴稠密型和稀疏型大规模AI应用的基础上，给出了阿里巴巴自研EFLOPS智能计算集群的设计和评测。

近10年来，在盛行的网络应用(如搜索、在线零售和云计算等)的需求驱动下，数据中心在全球范围内以前所未有的速度和规模发展建立起来.特别地，数据中心网络引起了学术界和工业界的广泛关注.在这样的背景下，调研了数据中心网络的一个核心方面——传输层协议.虽然传输协议在因特网上已经有很长的历史，它却直到2010年才在数据中心网络环境下被系统性地探索.数据中心网络有着和因特网不一样的特点(如单一控制域和同构网络架构),这给数据中心网络上的传输协议设计同时带来了机遇和挑战.在这驱使下，一系列的传输协议被设计提出.将早期(2010—2015年)数据中心网络传输设计方面的工作分成3类——基于端主机的拥塞控制、网络仲裁机制和交换机优先级调度,对这3类工作的优缺点作深入讨论.最后，分析近年来数据中心网络传输设计的研究趋势——接收端驱动的主动拥塞控制和RDMA传输协议设计.

新型应用如互联网金融、AR/VR、电子商务等数据中心的要求逐步从高吞吐走向低时延，并且对时延的要求逐步从秒级走进毫秒乃至微秒级，另一方面，新型硬件的时延也开始从毫秒级走向微妙级，并且向纳秒级演讲。然而，作为管理硬件资源与支撑应用的数据中心操作系统面临着对资源的低效抽象与协作失衡等问题，从而造成应用评价时延乃至长尾时延的增大。在该报告中，我将介绍我们近期在低时延数据中心操作系统方面的一系列研究，通过提供去层次化抽象、去通信化同步与基于RDMA的原位计算等方法，将当前数据中心操作系统的时延降低超过一个数量级，同时吞吐提升超过两个数量级。成果被Linux、Xen、OpenJDK等基础软件平台广泛使用，并且被华为、微信等直接应用。最后，我将展望未来基于垂直整合的数据中心操作系统的软硬件协同设计。

从软件定义网络的角度，提出了低延迟的SDN虚拟网络控制器放置算法和结合多个虚拟机监控器实例的低延迟的虚拟网络映射算法。

测量技术是状态监测、性能管理、安全防御等网络研究的基础,在网络研究领域具有重要地位.相较于传统网络,软件定义网络在标准性、开放性、透明性等方面的优势给网络测量研究带来了新的机遇.测量数据平面和测量控制平面的分离,启发了通用和灵活的测量架构的设计与实现;标准化的编程接口,使得测量任务可以快速地开发和部署,中心化的网络控制可以基于反馈的测量结果实时地优化数据平面的硬件配置和转发策略,数据平面基于流表规则的处理机制支持对流量更加精细化地测量.但是,软件定义网络测量中额外部署的测量机制造成的资源开销与网络中有限的计算资源、存储资源、带宽资源产生了矛盾,中心化的控制平面也存在一定的性能瓶颈,这是软件定义网络测量研究中的主要问题和挑战.分别从测量架构、测量对象两方面对当前软件定义网络测量研究成果进行了归纳和分析,总结了软件定义网络测量的主要研究问题.最后,基于现有研究成果讨论了未来的研究趋势.