دانلود مقاله انگلیسی رایگان:SmartFCT: بهبود بهره وری انرژی برای شبکه های مرکز داده با یادگیری تقویتی عمیق - 2020
دانلود بهترین مقالات isi همراه با ترجمه فارسی
دانلود مقاله انگلیسی یادگیری تقویتی رایگان
  • SmartFCT: Improving power-efficiency for data center networks with deep reinforcement learning SmartFCT: Improving power-efficiency for data center networks with deep reinforcement learning
    SmartFCT: Improving power-efficiency for data center networks with deep reinforcement learning

    سال انتشار:

    2020


    عنوان انگلیسی مقاله:

    SmartFCT: Improving power-efficiency for data center networks with deep reinforcement learning


    ترجمه فارسی عنوان مقاله:

    SmartFCT: بهبود بهره وری انرژی برای شبکه های مرکز داده با یادگیری تقویتی عمیق


    منبع:

    Sciencedirect - Elsevier - Computer Networks, 179 (2020) . doi:10.1016/j.comnet.2020.107255


    نویسنده:

    Penghao Sun a , Zehua Guo b , ∗ , Sen Liu c , Julong Lan a , Junchao Wang a , Yuxiang Hu a


    چکیده انگلیسی:

    Reducing the power consumption of Data Center Networks (DCNs) and guaranteeing the Flow Completion Time (FCT) of applications in DCNs are two major concerns for data center operators. However, existing works cannot realize the two goals together because of two issues: (1) dynamic traffic pattern in DCNs is hard to accurately model; (2) an optimal flow scheduling scheme is computationally expensive. In this paper, we propose SmartFCT, which employs the Deep Reinforcement Learning (DRL) coupled with Software-Defined Networking (SDN) to improve the power efficiency of DCNs and guarantee FCT. SmartFCT dynamically collects traffic distribution from switches to train its DRL model. The well-trained DRL agent of SmartFCT can quickly analyze the complicated traffic characteristics using neural networks and adaptively gen- erate a action for scheduling flows and deliberately configuring margins for different links. Following the gen- erated action, flows are consolidated into a few of active links and switches for saving power, and fine-grained margin configuration for active links avoids FCT violation of unexpected flow bursts. Simulation results show that SmartFCT can guarantee FCT and save up to 12.2% power consumption, compared with the state-of-the-art solutions.
    Keywords: Data center networks | Software-Defined networking | Power efficiency | Flow completion time | Deep reinforcement learning


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 9
    حجم فایل: 381 کیلوبایت

    قیمت: رایگان


    توضیحات اضافی:




اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

تعداد نظرات : 0

الزامی
الزامی
الزامی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi