1. Trang chủ
  2. » Luận Văn - Báo Cáo

Phát triển công cụ giả lập hệ thống content delivery netwwork

84 88 2
Phát triển công cụ giả lập hệ thống content delivery netwwork

Đang tải... (xem toàn văn)

Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống

Thông tin tài liệu

Ngày đăng: 12/05/2022, 11:18

Xem thêm:

Hình ảnh liên quan

Bảng 2-1: Một số công trình liên quan đến bài toán cấp phát tài nguyên CDN Hướng - Phát triển công cụ giả lập hệ thống content delivery netwwork

Bảng 2.

1: Một số công trình liên quan đến bài toán cấp phát tài nguyên CDN Hướng Xem tại trang 24 của tài liệu.
Hình 1: Mô hình CDN truyền thống - Phát triển công cụ giả lập hệ thống content delivery netwwork

Hình 1.

Mô hình CDN truyền thống Xem tại trang 30 của tài liệu.
Hình 2: Mô hình cloud CDN - Phát triển công cụ giả lập hệ thống content delivery netwwork

Hình 2.

Mô hình cloud CDN Xem tại trang 31 của tài liệu.
Hình 4 là ví dụ minh họa cho khái niệm dominate và Pareto front với bài toán có 2 mục tiêu , - Phát triển công cụ giả lập hệ thống content delivery netwwork

Hình 4.

là ví dụ minh họa cho khái niệm dominate và Pareto front với bài toán có 2 mục tiêu , Xem tại trang 34 của tài liệu.
Hình 5: Ví dụ Hypervolume trong không gian 2 chiều (diện tích vùng màu xám) - Phát triển công cụ giả lập hệ thống content delivery netwwork

Hình 5.

Ví dụ Hypervolume trong không gian 2 chiều (diện tích vùng màu xám) Xem tại trang 35 của tài liệu.
Hình 7: Tổng quan thiết kế các module của bộ giả lập - Phát triển công cụ giả lập hệ thống content delivery netwwork

Hình 7.

Tổng quan thiết kế các module của bộ giả lập Xem tại trang 44 của tài liệu.
Hình 9: Ví dụ 1 chart trong dashboard theo dõi tình trạng các máy ảo. - Phát triển công cụ giả lập hệ thống content delivery netwwork

Hình 9.

Ví dụ 1 chart trong dashboard theo dõi tình trạng các máy ảo Xem tại trang 48 của tài liệu.
Hình 11: Ví dụ trường hợ p2 Pareto front có cùng Hypervolume Indicator nhưng có hình dáng khác nhau - Phát triển công cụ giả lập hệ thống content delivery netwwork

Hình 11.

Ví dụ trường hợ p2 Pareto front có cùng Hypervolume Indicator nhưng có hình dáng khác nhau Xem tại trang 57 của tài liệu.
Bảng 5-1: Thông số cho giải thuật Bayesian - Phát triển công cụ giả lập hệ thống content delivery netwwork

Bảng 5.

1: Thông số cho giải thuật Bayesian Xem tại trang 59 của tài liệu.
Các tham số của giải thuật Bayesian được thiết lập như bảng 5-1. Tương tự giải thuật tiến hóa di truyền, do hướng tiếp cận Bayesian này cũng dựa trên giải thuật NSGA-II nên sẽ có những thông số phép toán di truyền cần được thiết lập - Phát triển công cụ giả lập hệ thống content delivery netwwork

c.

tham số của giải thuật Bayesian được thiết lập như bảng 5-1. Tương tự giải thuật tiến hóa di truyền, do hướng tiếp cận Bayesian này cũng dựa trên giải thuật NSGA-II nên sẽ có những thông số phép toán di truyền cần được thiết lập Xem tại trang 59 của tài liệu.
Bảng 6-1: Thống kê số lượng yêu cầu người dùng theo từng loại dịch vụ - Phát triển công cụ giả lập hệ thống content delivery netwwork

Bảng 6.

1: Thống kê số lượng yêu cầu người dùng theo từng loại dịch vụ Xem tại trang 61 của tài liệu.
Bảng 6-2: Cấu hình hệ thống thực và môi trường mô phỏng - Phát triển công cụ giả lập hệ thống content delivery netwwork

Bảng 6.

2: Cấu hình hệ thống thực và môi trường mô phỏng Xem tại trang 62 của tài liệu.
Hình 13: Kiến trúc hệ thống CDN của một công ty tại Việt Nam. - Phát triển công cụ giả lập hệ thống content delivery netwwork

Hình 13.

Kiến trúc hệ thống CDN của một công ty tại Việt Nam Xem tại trang 62 của tài liệu.
Bảng 6-3: Thông số thiết lập cho môi trường dữ liệu mô phỏng theo phân phối - Phát triển công cụ giả lập hệ thống content delivery netwwork

Bảng 6.

3: Thông số thiết lập cho môi trường dữ liệu mô phỏng theo phân phối Xem tại trang 63 của tài liệu.
Hình 14: Hit rate trung bình tại Edge Servers, Regional Servers và toàn hệ thống của bộ giả lập và log file hệ thống thực - Phát triển công cụ giả lập hệ thống content delivery netwwork

Hình 14.

Hit rate trung bình tại Edge Servers, Regional Servers và toàn hệ thống của bộ giả lập và log file hệ thống thực Xem tại trang 64 của tài liệu.
Hình 15: Độ trễ của dịch vụ ở khung giờ thấp và cao điểm trả về từ bộ giả lập và log file hệ thống thực - Phát triển công cụ giả lập hệ thống content delivery netwwork

Hình 15.

Độ trễ của dịch vụ ở khung giờ thấp và cao điểm trả về từ bộ giả lập và log file hệ thống thực Xem tại trang 65 của tài liệu.
Hình 16: Tương quan về thời gian chạy và bandwidth mạng của bộ giả lập với các kích thước mạng khác nhau. - Phát triển công cụ giả lập hệ thống content delivery netwwork

Hình 16.

Tương quan về thời gian chạy và bandwidth mạng của bộ giả lập với các kích thước mạng khác nhau Xem tại trang 66 của tài liệu.
Hình 17: Thời gian chạy và tiêu thụ bộ nhớ của bộ giả lập với số lượng node ảo và giá trị PD khác nhau. - Phát triển công cụ giả lập hệ thống content delivery netwwork

Hình 17.

Thời gian chạy và tiêu thụ bộ nhớ của bộ giả lập với số lượng node ảo và giá trị PD khác nhau Xem tại trang 67 của tài liệu.
Hình 18: Hit rate của hệ thống CDN của công ty Việt Nam khi thay đổi Bộ nhớ tại Edge và Regional servers - Phát triển công cụ giả lập hệ thống content delivery netwwork

Hình 18.

Hit rate của hệ thống CDN của công ty Việt Nam khi thay đổi Bộ nhớ tại Edge và Regional servers Xem tại trang 68 của tài liệu.
Hình 21 cho thấy kết quả khi chạy các giải thuật tối ưu hóa Bayesian và NSGA-II cho bài toán cấp phát bộ nhớ với tập dữ liệu mô phỏng - Phát triển công cụ giả lập hệ thống content delivery netwwork

Hình 21.

cho thấy kết quả khi chạy các giải thuật tối ưu hóa Bayesian và NSGA-II cho bài toán cấp phát bộ nhớ với tập dữ liệu mô phỏng Xem tại trang 70 của tài liệu.
Hình 21: Kết quả chạy các giải thuật tối ưu hóa đa mục tiêu cho bài toán cấp phát bộ nhớ với dữ liệu mô phỏng - Phát triển công cụ giả lập hệ thống content delivery netwwork

Hình 21.

Kết quả chạy các giải thuật tối ưu hóa đa mục tiêu cho bài toán cấp phát bộ nhớ với dữ liệu mô phỏng Xem tại trang 71 của tài liệu.
Hình 22: Pareto front của giải thuật USeMO-UCB gốc và giải thuật USeMO-UCB với giải pháp điều chỉnh tham số β - Phát triển công cụ giả lập hệ thống content delivery netwwork

Hình 22.

Pareto front của giải thuật USeMO-UCB gốc và giải thuật USeMO-UCB với giải pháp điều chỉnh tham số β Xem tại trang 72 của tài liệu.
Hình 23: Sự đánh đổi giữa chi phí tiết kiệm được và chất lượng hệ thống. - Phát triển công cụ giả lập hệ thống content delivery netwwork

Hình 23.

Sự đánh đổi giữa chi phí tiết kiệm được và chất lượng hệ thống Xem tại trang 72 của tài liệu.

Trích đoạn

Tổng quan về bài toán tối ưu hóa đa mục tiêu

Tổng quan về Content Delivery Network

Thư viện Mininet

Bài toán tối ưu hóa đa mục tiêu

Giải thuật Bayesian cho bài toán đa mục tiêu

Các thành phần chính

Một use case thực tiễn: Điều chỉnh thông số bộ nhớ cấp phát cho

Kiến trúc hệ thống CDN của một nhà mạng tại Pháp

Tài liệu cùng người dùng

Tài liệu liên quan