摘 要： 鑒于云計算存在龐大的節(jié)點規(guī)模和數(shù)據(jù)規(guī)模，云計算系統(tǒng)在可擴展性、高可用性等方面面臨著諸多問題。針對云計算環(huán)境下的分布數(shù)據(jù)存儲，構(gòu)建了一種基于遞歸的正[N]邊形網(wǎng)絡(luò)模型，在數(shù)據(jù)中心網(wǎng)絡(luò)結(jié)構(gòu)的基礎(chǔ)上給出了數(shù)據(jù)管理模型，并設(shè)計了以提高數(shù)據(jù)可用性、負載平衡為目的的副本分布策略和副本選擇策略。在保證數(shù)據(jù)可用性的前提下，提出一種基于覆蓋集的數(shù)據(jù)遷移算法，利用節(jié)點選擇策略盡量減少遷移成本，進行數(shù)據(jù)遷移讓更多的機器休眠，降低能耗。通過對實驗數(shù)據(jù)進行比較分析，驗證了提出的網(wǎng)絡(luò)拓撲結(jié)構(gòu)、數(shù)據(jù)管理模型、數(shù)據(jù)遷移技術(shù)的正確性和有效性。

關(guān)鍵詞： 云計算； 數(shù)據(jù)中心網(wǎng)絡(luò)結(jié)構(gòu)； 數(shù)據(jù)遷移； 軟件節(jié)能

中圖分類號： TN911?34 文獻標識碼： A 文章編號： 1004?373X（2016）03?0063?05

Research on key technologies of distributed data storage in cloud computing environment

XIANG Chunzhi， FAN Ying

（School of Technology， Henan Radio Television University， Zhengzhou 450008， China）

Abstract： The cloud computing system is faced with many problems in the aspects of scalability and high availability due to the enormous node scale and data scale of cloud computing. For the distributed data storage in cloud computing environment， an regular N?equilateral polygon （RNEP） network model based on recursion was constructed. The data management model is given on the basis of data center network structure. The transcript distribution strategy and selection strategy were designed to improve the data availability and load balancing ability. A data migration algorithm based on covering set is proposed on the premise of ensuring the data availability， in which the node selection strategy is used to minimize the migration cost and conduct data migration to rest more machines and reduce energy consumption. The experimental data is compared and analyzed， which proves that the proposed network topology， data management model and data migration technology are valid and effective.

Keywords： cloud computing； data center network structure； data migration； software energy saving

0 引 言

云計算中的資源包括網(wǎng)絡(luò)、服務(wù)器、存儲和應(yīng)用等，通過這些資源向用戶提供普適的、方便的、按需的網(wǎng)絡(luò)訪問，這些資源可以快速進行使用和釋放，不需要很大的管理代價。隨著互聯(lián)網(wǎng)技術(shù)的快速發(fā)展，導致應(yīng)用中的數(shù)據(jù)呈爆發(fā)式的增長，海量數(shù)據(jù)存儲技術(shù)得到了前所未有的迅速發(fā)展。云計算服務(wù)的底層基礎(chǔ)是大規(guī)模的數(shù)據(jù)中心，成千上萬的服務(wù)器互聯(lián)、組織方式，直接影響到云計算服務(wù)的高效性和穩(wěn)定性。合理的網(wǎng)絡(luò)結(jié)構(gòu)是云計算數(shù)據(jù)中心高可擴展性和資源高利用率的重要保證。但是，隨著數(shù)據(jù)存儲與傳輸需求的高速增長，目前采用的網(wǎng)絡(luò)結(jié)構(gòu)在可擴展性、容錯性、高性能傳輸以及跨區(qū)域調(diào)度等方面面臨著諸多問題。

在云計算環(huán)境下，底層數(shù)據(jù)中心規(guī)模非常龐大，導致存儲成本很高，這里的存儲成本不僅包括各種基礎(chǔ)設(shè)施成本，還包括基礎(chǔ)設(shè)施在運行過程中的能量消耗。根據(jù)調(diào)查機構(gòu)的研究顯示，企業(yè)存儲設(shè)備的利用率不足50%，設(shè)備利用率普遍比較低。解決成本與云計算系統(tǒng)中不斷增長的數(shù)據(jù)存儲以及計算的沖突成為了研究熱點?；趶某杀尽⒈Ｗo環(huán)境的角度考慮，降低能耗都具有很大的現(xiàn)實意義和應(yīng)用前景。

針對云計算環(huán)境下分布數(shù)據(jù)存儲在可擴展性、可用性和綠色節(jié)能等方面的問題，研究解決分布數(shù)據(jù)存儲的關(guān)鍵技術(shù)包括數(shù)據(jù)中心網(wǎng)絡(luò)拓撲結(jié)構(gòu)設(shè)計、數(shù)據(jù)管理模型的設(shè)計以及節(jié)能技術(shù)等。數(shù)據(jù)中心網(wǎng)絡(luò)結(jié)構(gòu)是云計算的基礎(chǔ)，它確保了云計算數(shù)據(jù)中心的擴展性和資源利用率。首先研究設(shè)計合理的網(wǎng)絡(luò)拓撲，從高可擴展性、經(jīng)濟性、高效性多個角度保證了云計算的服務(wù)質(zhì)量。在此基礎(chǔ)上，從數(shù)據(jù)的高可用性方面研究數(shù)據(jù)管理技術(shù)。從綠色節(jié)能角度出發(fā)，圍繞數(shù)據(jù)遷移技術(shù)展開研究，最終設(shè)計出擁有良好的可擴展性、容錯性和低成本的云計算環(huán)境下海量數(shù)據(jù)存儲方案。

1 [N]邊形數(shù)據(jù)中心網(wǎng)絡(luò)結(jié)構(gòu)

樹型結(jié)構(gòu)以交換機為中心，可以很方便地通過增加機架和相應(yīng)的交換機進行擴展，但也存在許多問題。為了解決樹型結(jié)構(gòu)聚合層帶寬瓶頸和單點失效問題，研究者提出了幾種改進的樹型結(jié)構(gòu)，包括Fat?Tree以及路由方法等，其中胖樹結(jié)構(gòu)采用這種全連接的方式使樹的上層獲得了較高的帶寬，解決了樹型結(jié)構(gòu)上層的帶寬瓶頸問題，但是核心交換機端口數(shù)量限制了Fat?Tree的擴展性。

1.1 RNEP網(wǎng)絡(luò)拓撲結(jié)構(gòu)

1.1.1 設(shè)計思路

為了能夠消除最高處交換機的帶寬限制問題，本文參照DCell混合結(jié)構(gòu)與BCube面向集裝箱式的、模塊化的2種數(shù)據(jù)中心網(wǎng)絡(luò)結(jié)構(gòu)，以低級網(wǎng)絡(luò)遞歸構(gòu)建復(fù)雜的高級網(wǎng)絡(luò)，同時保證網(wǎng)間全連接以及路由機制的分類處理。

遞歸構(gòu)建的最基本單位是全連接圖，對于它的設(shè)計，參照簡單的正[n]邊形圖形，以可改變參數(shù)[n]來保證數(shù)據(jù)網(wǎng)絡(luò)構(gòu)建的靈活性，滿足不同規(guī)模數(shù)據(jù)中心的建設(shè)需求，提出基于遞歸的正[N]邊形網(wǎng)絡(luò)結(jié)構(gòu)RNEP，該網(wǎng)絡(luò)結(jié)構(gòu)參照了P2P模型、改進樹型結(jié)構(gòu)的思路以及遞歸的思想，通過引入可變參數(shù)、采用遞歸構(gòu)建、設(shè)計分類路由，來滿足云計算數(shù)據(jù)中心網(wǎng)絡(luò)結(jié)構(gòu)對高帶寬、擴展性、容錯性、靈活性以及綠色節(jié)能等多方面的需求。

1.1.2 網(wǎng)絡(luò)結(jié)構(gòu)的定義與構(gòu)建方法

本文提出的網(wǎng)絡(luò)結(jié)構(gòu)也采用遞歸構(gòu)建。對于遞歸的正[n]邊形網(wǎng)絡(luò)結(jié)構(gòu)來說，第0級網(wǎng)絡(luò)結(jié)構(gòu)全部由服務(wù)器構(gòu)成，此層級網(wǎng)絡(luò)只存在網(wǎng)絡(luò)內(nèi)部傳輸，不存在與其他同等層級網(wǎng)絡(luò)的傳輸交互。為了兼顧簡單且充分表現(xiàn)遞歸結(jié)構(gòu)，此處以[n=3]為例進行擴展：在第0級網(wǎng)絡(luò)結(jié)構(gòu)的基礎(chǔ)上增加一個交換機，并和所有節(jié)點連接，得到Network0′。以此時的 Network0′作為Network1的虛擬節(jié)點，全連接3個Network0′網(wǎng)絡(luò)的交換機，得到Network1。繼續(xù)擴展時，為Network1增加交換機，實現(xiàn)當前節(jié)點與交換機全連接，得到Network1′作為遞歸單位，由3個Network1′得到Network2。

類似地，對于任意[n]邊形[k]級網(wǎng)絡(luò)的擴展，都是先對當前層級的網(wǎng)絡(luò)增加一個交換機，并和[k]級網(wǎng)絡(luò)的[n]個節(jié)點分別連接，然后作為遞歸單位，和其他[n-1]個[k]級網(wǎng)絡(luò)全連接構(gòu)成[n]邊形[k+1]級網(wǎng)絡(luò)結(jié)構(gòu)。這樣的構(gòu)建，是不斷通過添加固定的結(jié)構(gòu)進行擴展，整個網(wǎng)絡(luò)結(jié)構(gòu)嚴格進行模塊化連接，使得網(wǎng)絡(luò)擴展簡易可行。同時，[n-1]級內(nèi)部結(jié)構(gòu)是否完全，并不影響第[n]級結(jié)構(gòu)的構(gòu)造；在第[n]級構(gòu)建完成后，對于任意低層級內(nèi)部結(jié)構(gòu)的修正，不會影響上層結(jié)構(gòu)。不同層級之間保證了獨立性。

1.2 路由策略

在路由策略中，定義源節(jié)點src（i0，i1，i2，…，ik-1，ik），目的節(jié)點dst（j0，j1，j2，…，jk），以及由src發(fā)送的數(shù)據(jù)包。同時定義源節(jié)點發(fā)送的數(shù)據(jù)包中，包含源節(jié)點與目的節(jié)點的標識信息以及數(shù)據(jù)包ID，任意一個數(shù)據(jù)包通過自身ID與源節(jié)點的標識，可以得到惟一標記。當目標節(jié)點接收到數(shù)據(jù)包后，也可以根據(jù)包中攜帶的源節(jié)點標識信息獲得請求節(jié)點的信息，路由算法的流程如圖1所示。

路由策略算法如下所示，[k]層級的RNEP結(jié)構(gòu)的路由策略，根據(jù)此算法可以分析得到傳輸路徑長度。

NetworkRouting（n，k，*srcAdd，*dstAdd）

{

//確定需要上傳的最高層級

for（intCurrentLevel=k；CurrentLevel>=0；CurrentLevel??）

if（srcAddCurrentLevel！=dstAddCurrentLevel）

break；

//從src將數(shù)據(jù)包傳至最高層級的交換機（SWCurrentLevel）

UpPath（src，SW0）；

for（inttemp=0；temp

UpPath（SWtemp，SWtemp+1）；

//通過currentlevel的交換機在該層級下實現(xiàn)子網(wǎng)跨越，進入 dst所在子網(wǎng)，由于一個高層級交換機會與數(shù)個低層級交換機

互聯(lián)，所以在向下傳遞DownPath函數(shù)中需要引入相對位置參數(shù)

for（temp=CurrentLevel；temp>0；temp??）

DownPath（SWtemp?1，dstAddtemp）；

//數(shù)據(jù)包到達dst所在基本域中

Path（SW0，dst）；

}

1.3 RNEP網(wǎng)絡(luò)結(jié)構(gòu)分析

由于采用了遞歸構(gòu)建，和傳統(tǒng)樹型結(jié)構(gòu)相比，本文提出的網(wǎng)絡(luò)設(shè)計在物理結(jié)構(gòu)上具有良好的可擴展性，能夠支持網(wǎng)絡(luò)規(guī)模的指數(shù)增長。

根據(jù)網(wǎng)絡(luò)構(gòu)建過程可知，對于正[n]邊形結(jié)構(gòu)來說，每個服務(wù)器只需要和其所在域中的其他[n-1]個服務(wù)器以及惟一的一個交換機相連即可，所以每個服務(wù)器需要支持[[（n-1）+1]]條鏈路。無論是網(wǎng)絡(luò)適配器數(shù)量[n]還是交換機接口數(shù)[2n-1，]只要[n]不超過常用數(shù)目，在實際構(gòu)建中，本文提出的結(jié)構(gòu)都是可行的，同時，RNEP 網(wǎng)絡(luò)結(jié)構(gòu)可以保證較低的交換機與服務(wù)器比例，有效地節(jié)省了能耗[1]。

1.4 模擬實驗

使用NeuroGrid進行模擬實驗，實驗主要是構(gòu)建 RNEP網(wǎng)絡(luò)結(jié)構(gòu)，并模擬路由算法。驗證在無任何失效的情況下，路由機制的運行狀況，通過平均路徑長度來分析傳輸性能。以正六邊形為例，實驗產(chǎn)生初始大小為42～1 554個節(jié)點的網(wǎng)絡(luò)。在實驗中，從一個節(jié)點出發(fā)，向其余所有節(jié)點傳遞消息，記錄路徑跳數(shù)總和，從而求得平均值。對于[n=6]時的RNEP結(jié)構(gòu)，不同層級節(jié)點總數(shù)及平均最短路徑長度實驗所得結(jié)果如表1所示。

表1反映了無節(jié)點失效的情況下，當[n=6]時，任一服務(wù)器到達其余節(jié)點的平均最短路徑情況。由于不考慮節(jié)點失效，所以不可達節(jié)點數(shù)目均為0。實驗所得的平均最短路徑長度與算法的推導結(jié)果基本一致，且實驗結(jié)果要優(yōu)于算法的理論結(jié)果。

以[n=6，k=2]的網(wǎng)絡(luò)結(jié)構(gòu)為例，節(jié)點數(shù)目為258。通過實驗分析平均最短路徑長度與鏈路失效率之間的關(guān)系。此處的鏈路是指交換機與服務(wù)器的鏈接斷開，而非服務(wù)器（節(jié)點）失效。在實驗中設(shè)置鏈路失效率的范圍為5%～30%，以5%遞增。實驗結(jié)果如圖2所示。

從圖2中可以看出，當節(jié)點失效率增加時，平均增加的跳數(shù)在1跳左右，平均路徑長度增長緩慢。

繼續(xù)以[n=6，k=2]的網(wǎng)絡(luò)進行試驗，分析隨著節(jié)點失效率的增加，路徑失效率的變化情況，并與DCell 結(jié)構(gòu)的實驗結(jié)果進行了對比。實驗中，設(shè)計節(jié)點失效率從2%～20%變化并以2%的增幅增長，通過洪泛傳遞消息，記錄失效路徑數(shù)目，以求得路徑失效率。統(tǒng)計結(jié)果展示如圖3所示。

2 RNEP網(wǎng)絡(luò)結(jié)構(gòu)的數(shù)據(jù)管理模型

2.1 網(wǎng)絡(luò)結(jié)構(gòu)的數(shù)據(jù)管理模型

存儲服務(wù)器集群可實現(xiàn)存儲節(jié)點的動態(tài)添加和刪除的可擴展存儲服務(wù)，其主要功能是負責數(shù)據(jù)文件的實際存儲，數(shù)據(jù)請求方通過與主管理服務(wù)器和存儲服務(wù)器集群的通信實現(xiàn)對數(shù)據(jù)的操作。整個系統(tǒng)對外屏蔽底層實現(xiàn)，為用戶提供快速、透明、穩(wěn)定、可靠的數(shù)據(jù)存儲服務(wù)。

服務(wù)管理節(jié)點管理集群內(nèi)部的數(shù)據(jù)塊服務(wù)器，監(jiān)控數(shù)據(jù)塊服務(wù)器的運行，并為數(shù)據(jù)創(chuàng)建以及數(shù)據(jù)訪問提供數(shù)據(jù)塊服務(wù)器的位置。元數(shù)據(jù)管理模塊負責管理和維護文件系統(tǒng)的元數(shù)據(jù)，系統(tǒng)監(jiān)控模塊用于查看當前系統(tǒng)的運行狀態(tài)，負載均衡模塊負責對用戶的請求進行分配。

2.2 副本管理方法

副本放置位置的不同會使副本的可用性和一致性在訪問過程中產(chǎn)生變化，同一域內(nèi)的多個存儲節(jié)點上分別存儲副本可以最大化利用域內(nèi)的網(wǎng)絡(luò)帶寬，防止機器失效、磁盤損壞所帶來的影響，同時也減少域間寫操作的網(wǎng)絡(luò)通信[2]。

當有新數(shù)據(jù)上傳到數(shù)據(jù)管理模型中時，客戶端向服務(wù)管理節(jié)點提出創(chuàng)建副本請求，服務(wù)管理節(jié)點采用如下策略對副本進行放置：

（1） 默認副本個數(shù)為3，服務(wù)管理節(jié)點根據(jù)存儲節(jié)點的因素、域內(nèi)的網(wǎng)絡(luò)狀況因素以及客戶端的位置信息進行第一個副本的節(jié)點位置選擇，存儲節(jié)點的因素包括：磁盤利用率低；限制每個存儲節(jié)點“最近”創(chuàng)建的數(shù)量。

（2） 第二個副本在同域內(nèi)根據(jù)存儲節(jié)點因素選擇最優(yōu)的存儲節(jié)點。

（3） 第三個副本在不同域間根據(jù)第一個副本的位置選擇策略進行選擇，這種策略減少了域間的數(shù)據(jù)傳輸，提高了寫操作的效率。

3個副本其中2個處于不同的域內(nèi)，保證副本的可靠性。副本選擇算法流程圖，如圖4所示。

2.3 模擬實現(xiàn)及分析

參考OptorSim模擬器，擴展云模擬器CloudSim的功能，并在擴展后的模擬器上進行了仿真實驗。在CloudSim上模擬基于RNEP數(shù)據(jù)管理模型的副本放置和副本選擇策略，對比策略為HDFS副本放置策略和副本選擇策略；HDFS的副本放置策略為：如果該客戶端上有數(shù)據(jù)節(jié)點，那么隨機將副本分別放在本地節(jié)點，否則在整個集群中隨機選擇一個合適的數(shù)據(jù)節(jié)點作為此時的本地機架節(jié)點，第一個副本放在本地機架上；第二個副本放在本地機架上的另外一個節(jié)點；第三個副本放在不同機架的節(jié)點上。HDFS的副本選擇策略為客戶端總是選擇從距離它最近的可用數(shù)據(jù)節(jié)點上讀取需要的數(shù)據(jù)塊。

每個Datacenter包含10臺Host，最大功率為250 W，處理器能力為2 000 MIPS，每臺主機內(nèi)存為2 GB，主機帶寬為100 Mb/s，每臺主機上傳100個數(shù)據(jù)塊，每個數(shù)據(jù)塊有3個副本。第一個數(shù)據(jù)中心模擬基于RNEP網(wǎng)絡(luò)結(jié)構(gòu)的數(shù)據(jù)管理模型，第二個數(shù)據(jù)中心模擬HDFS策略。

（1） 副本讀取時間的比較：副本讀取時間是指客戶端從發(fā)出讀取請求到讀取完副本所花費的時間。在兩個數(shù)據(jù)中心分別隨機選擇一個客戶端采用各自策略進行100次隨機讀取操作的平均時間進行比較，如圖5所示。

如圖5所示，基于RNEP數(shù)據(jù)管理模型的副本讀取平均時間均明顯要小于HDFS 策略的平均讀取時間。

（2） 負載均衡的比較：在兩個數(shù)據(jù)中心隨機選擇一個數(shù)據(jù)塊，其中有7個客戶端離選中數(shù)據(jù)塊的一個副本比較近，另外3個客戶端分布在較遠的節(jié)點上，然后這10個客戶端隨機向這個數(shù)據(jù)塊發(fā)出讀取請求，分別采用各自的策略：選擇與客戶端距離最近副本的HDFS策略和基于RNEP網(wǎng)絡(luò)結(jié)構(gòu)數(shù)據(jù)管理模型的副本選擇策略。將負載表示為副本所在的存儲節(jié)點接收的客戶端讀取請求的數(shù)量，每隔3分鐘記錄一次3個副本所在的存儲節(jié)點在這3分鐘內(nèi)的負載總量。

采用HDFS策略的3個副本負載不均衡，客戶端選擇距離最近的副本從而使客戶端的訪問聚集在一個副本，導致該副本所在的存儲節(jié)點負載很高，另外兩個副本所在的存儲節(jié)點負載比較低，造成集群負載不均衡?；赗NEP數(shù)據(jù)管理模型中的3個副本負載差距不大，達到了負載均衡的效果。實驗表明，基于RNEP網(wǎng)絡(luò)結(jié)構(gòu)的數(shù)據(jù)管理模型能夠提高數(shù)據(jù)的訪問性能，合理地利用網(wǎng)絡(luò)帶寬，使系統(tǒng)負載均衡。

3 基于覆蓋集的數(shù)據(jù)遷移方法

在云存儲環(huán)境中，數(shù)據(jù)遷移是一項復(fù)雜的任務(wù)，為了能更好的節(jié)能，在滿足數(shù)據(jù)可用性的前提下，休眠更多的機器，節(jié)省更多的能耗。本文提出一種基于覆蓋集的數(shù)據(jù)遷移算法，在進行數(shù)據(jù)遷移之前，要獲得以下信息：源服務(wù)器、數(shù)據(jù)對象、目標服務(wù)器、遷移成本?；诟采w集的數(shù)據(jù)遷移算法流程圖如圖6所示。

在擴展功能后的CloudSim模擬器上進行仿真實驗，實現(xiàn)基于覆蓋集的數(shù)據(jù)遷移的算法，CloudSim中的能耗模型根據(jù)CPU的利用率計算能耗，通過修改PowerModel類采用的能耗模型計算能耗，并設(shè)定休眠的主機功耗為0。

每隔1 000 s，統(tǒng)計數(shù)據(jù)中心的能耗情況，各種策略的能耗對比數(shù)據(jù)如圖7所示?；诟采w集的數(shù)據(jù)遷移策略雖然在前期數(shù)據(jù)遷移過程中消耗了能量，使總消耗的能量有所增加，但是，數(shù)據(jù)遷移后休眠部分節(jié)點，使數(shù)據(jù)中心消耗的能量比不進行數(shù)據(jù)遷移策略消耗的能量要少，并且隨著時間的增多這種優(yōu)勢越來越明顯。

設(shè)置了不同規(guī)模的對比試驗，數(shù)據(jù)中心的節(jié)點數(shù)分別為20，100，300和500，如圖8所示，給出的是三種不同的方法在電源消耗方面的對比，其中集群規(guī)模表示物理節(jié)點數(shù)。

數(shù)據(jù)顯示集群的規(guī)模越大，基于覆蓋集的數(shù)據(jù)遷移方法節(jié)約的能耗越多。這是由于基于覆蓋集的數(shù)據(jù)遷移方法在越大規(guī)模的集群中，休眠的機器更多，也就減少了數(shù)據(jù)中心的能耗。

4 結(jié) 論

云存儲通過集群應(yīng)用、網(wǎng)格技術(shù)或分布式文件系統(tǒng)等功能，將網(wǎng)絡(luò)中大量不同的設(shè)備集合起來協(xié)同工作對外提供服務(wù)。本文研究云存儲中的網(wǎng)絡(luò)結(jié)構(gòu)、數(shù)據(jù)管理模型以及數(shù)據(jù)遷移算法，創(chuàng)新性的提出了基于遞歸的正[N]邊形網(wǎng)絡(luò)拓撲結(jié)構(gòu)及其路由機制設(shè)計，同時，設(shè)計了基于覆蓋集的數(shù)據(jù)遷移方法。使云計算系統(tǒng)易于擴展，提高訪問性能，合理利用網(wǎng)絡(luò)帶寬，減少系統(tǒng)能耗，既具有重要的學術(shù)價值，也具有廣闊的應(yīng)用前景。

參考文獻

[1] 左曉靜，王榮.一種基于云計算的海量數(shù)據(jù)分布式存儲策略[J].河南科學，2015，33（12）：2135?2140.

[2] CHOU J， KIM J， ROTEM D. Energy?aware scheduling in disk storage systems [C]// Proceedings of 2011 31st International Conference on Distributed Computing Systems. [S.l.]： IEEE， 2011： 423?433.

[3] ABU?LIBDEH H， COSTA P， ROWSTRON A， et al. Symbiotic routing in future data centers [J]. ACM SIGCOMM Computer Communication Review， 2011， 40（4）： 51?62.

[4] GREENBERG A， HAMILTON J R， JAIN N， et al. VL2： a scalable and flexible data center network [J]. Communications of the ACM， 2011， 54（3）： 95?104.

[5] 吳旦，王改云，李小龍.基于最小覆蓋集的WSN數(shù)據(jù)聚集算法[J].計算機工程，2012，38（2）：97?99.

[6] 程付超，苗放，陳墾.自適應(yīng)的分布式文件系統(tǒng)元數(shù)據(jù)管理模型[J].計算機工程與設(shè)計，2014，35（3）：867?874.

[7] AVERSA L， BESTAVROS A. Load balancing a cluster of Web servers using distributed packet rewriting [C]// Proceedings of IEEE International Conference on Performance， Computing and Communications. Phoenix： IEEE， 2000： 24?29.

[8] 劉云飛.基于Hadoop的數(shù)據(jù)遷移與存儲的研究[D].北京：北京郵電大學，2015.