- 博客(19)
- 收藏
- 关注
RSS订阅原创 博弈论（Game Theory）：如何在复杂世界中做出最优决策
囚徒困境的核心在于个体理性与集体理性的冲突。虽然个人选择可能带来短期利益，但从长远来看，合作往往能带来更好的集体结果。这个模型帮助我们理解许多社会、经济和政治现象中的矛盾与合作问题。
2025-03-31 16:01:37
672
原创 如何在本地主机上向虚拟机发送文件
2.使用open+hostname+@+虚拟机IP地址的格式连接虚拟机，并按提示输入虚拟机密码。3.使用put+你想要发送文件的详细目录+空格+文件名格式，如下。4.在虚拟机里打开一个终端，将文件移动到目标目录并解压，如下。1.下载Putty，使用Putty下的PSFTP。：确保你的虚拟机中安装了。
2025-03-24 15:45:30
281
原创 网络工程和流量工程领域的一些概念
流量矩阵是一个的矩阵，其中是网络中节点的数量。矩阵中的每个元素表示从节点到节点的流量需求。流量需求可以以比特率（如 Mbps）、数据包数或字节数等单位表示。流量矩阵是网络工程中的一个关键概念，用于描述网络中各个节点之间的流量需求。通过实际测量或模拟生成流量矩阵，可以在网络规划、流量工程、性能评估和故障诊断等多个方面发挥重要作用。特别是在流量工程中，流量矩阵是实现最小化最大链路利用率等优化目标的基础数据。
2025-03-13 16:22:56
665
原创 网络通信中的带宽（Bandwidth）概念
在计算机网络中，带宽是指单位时间内可以传输的数据量，通常以比特每秒（bps）或字节每秒（Bps）为单位。
2025-03-11 19:32:51
303
原创 注水法在流量工程（Traffic Engineering）中的应用
其目标是通过优化流量分配，最小化链路利用率、降低延迟或平衡负载，从而提升网络效率。根据注水法原则，流量应从高价格路径（路径1）转移到低价格路径（路径2），直到两路径价格相等。此时路径2的链路价格更低，说明其拥塞成本更小，应优先分配流量至路径2。：流量从“高水位”（拥塞链路）流向“低水位”（空闲链路）。，各节点选择路径使边际成本（延迟增量）等于路径价格总和。：网络状态变化时（如容量波动），可重新触发此过程。最低的路径，直至各路径边际成本相等。：链路价格相等时，总延迟最小。：动态优化链路负载，避免拥塞。
2025-03-10 16:38:26
691
原创 Count Sketch--计数草图
对于 h2：h2(a)=3，g2(a)=−1，所以查看第2行第3列的值，为-3，乘以-1，变为3。对于 h1：h1(b)=2，g1(b)=−1，所以查看第1行第2列的值，为-2，乘以-1，变为2。对于 h2：h2(c)=2，g2(c)=−1，所以查看第2行第2列的值，为-1，乘以-1，变为1。对于 h1：h1(a)=1，g1(a)=1，所以在第1行第1列的位置加1，变为1。对于 h2：h2(b)=1，g2(b)=1，所以在第2行第1列的位置加1，变为1。
2025-01-18 18:32:01
831
原创 网络流量测量
网络测量对于网络运营、拥塞控制、负载均衡和异常检测等至关重要。其中，大流检测是网络测量的关键任务之一，它记录流的大小和ID（通常由5元组或源/目的IP地址组成）。
2025-01-17 15:15:00
297
原创 文献阅读记录5--DRSIR: A Deep Reinforcement Learning Approachfor Routing in Software-Defined Networking
DRSIR考虑路径状态度量来产生主动、高效和智能的路由，以适应动态流量变化。3 Method使用深度Q网络（DQN）作为DRL代理，包括在线神经网络（Online NN）、目标神经网络（Target NN）和经验回放记忆（Replay Memory）。通过ε-greedy方法进行探索和利用，以平衡探索新路径和利用已知信息这个模块代表了网络中的物理设备，如交换机和路由器。它响应查询请求，并提供网络的统计信息，如端口状态和链路信息。这些信息被用来构建网络的拓扑图，这是网络中设备和连接的物理布局。
2024-12-13 15:53:24
661
4
原创 文献阅读4--Teal: Learning-Accelerated Optimization of WAN Traffic Engineering
FlowGNN（流向图神经网络）：Teal首先设计了FlowGNN来学习和表示网络的拓扑结构和流量特征。FlowGNN能够有效捕捉链路容量限制，并生成包含这些信息的嵌入向量。多智能体强化学习（Multi-Agent RL）：Teal使用多智能体强化学习将每个流量需求独立分配到网络中的预配置路径。这样可以减少问题规模，使学习过程更容易处理。每个需求被视为一个智能体，独立决策分配策略，最终共同优化全局的TE目标。ADMM（交替方向乘子法）优化。
2024-12-10 10:27:46
360
原创 文献阅读记录3--Scalable Deep Reinforcement Learning-Based OnlineRouting for Multi-Type Service Requiremen
Actor网络采用图神经网络（GNN）来处理网络状态信息。GNN能够捕捉节点的局部连接模式，使得网络能够学习到节点之间的复杂关系。网络的输入是每个节点的状态信息，包括节点的流量需求、候选路径的属性等。网络通过GNN层提取节点特征，然后使用特定的图注意力机制（Graph Attention Mechanism）来决定选择哪个邻居节点作为下一跳。每个节点的输出是一个动作概率分布，表示选择每个邻居节点作为下一跳的可能性。Critic网络同样使用GNN来处理网络状态信息，以估计给定状态下的价值函数。
2024-12-09 15:38:08
674
原创 文献阅读记录2--DRL-OR: Deep Reinforcement Learning-basedOnline Routing for Multi-type Service Requirement
提出了一种基于多智能体深度强化学习的在线路由算法（DRL-OR），DRL-OR通过组织智能体以逐跳的方式生成路由，采用了全面奖励函数、高效学习算法和新颖的深度神经网络结构为了确保可靠性并加速在线学习过程，DRL-OR进一步引入了安全学习机制在SDN架构下实现DRL-OR，并使用基于Mininet的实验，使用真实的网络拓扑和流量跟踪进行测试。
2024-12-08 16:47:00
1980
原创 文献阅读记录--Experience-driven Networking: A DeepReinforcement Learning based Approach
1. 流量工程（Traffic Engineering, TE）问题可以被视为一个连续控制问题2. DDPG（深度确定性策略梯度）：是一种用于连续控制任务的深度强化学习算法3. NUM是“Network Utility Maximization”的缩写，即网络效用最大化。这是一种在网络资源分配和流量工程中使用的优化框架，旨在通过优化网络的总体效用来提高网络性能和资源利用率。以下是NUM的一些关键概念和特点：4. 排队理论（Queueing Theory）是运筹学和概率论的一个分支，它研究等待服务的对象（称为
2024-12-06 09:46:53
1830
原创 SDN：Python+RESTAPI+连接ODL控制器
6. 执行pingall命令，此时主机之间全部可互相通信（有时可能会有几台主机之间不能通信，可以尝试重启Mininet命令行）9. 执行dpctl dump-flows -O OpenFlow13命令，可以看到新增的流表项。10. 运行odlnorth_delete.py脚本，删除之前的drop流表。8. 执行准备好的odlnorth.py脚本，进行流表的下发。删除流表代码：命名为odlnorth_delete.py。下发流表代码：命名为odlnorth.py。拓扑代码：命名为topology2.py。
2024-12-04 09:38:59
400
原创 Linux 系统中网络接口ens33查询不到ipv4地址
解解决方法：重新启动网络服务 sudo systemctl restart NetworkManager。问题如下：查询不到ipv4地址。ipv4地址就又出现了。
2024-12-02 10:37:48
279
原创 version negotiation failed (we support version 0x01, peer supports version 0x04)ovs-ofctl: s1: fail
原因：使用的是OpenFlow 1.0版本，而对端（peer）支持的是OpenFlow 1.4版本，也就是版本不匹配。解决方法：后面加上-O openflow13。
2024-11-24 20:14:43
156
原创 SDN：使用Postman控制ODL查看和下发流表
所谓，其实可被视作是SDN对网络设备的数据转发功能的一种抽象。在传统网络设备中，交换机和路由器的数据转发需要依赖设备中保存的二层MAC地址转发表或者三层的IP地址路由表，SDN交换机中使用的流表也是如此，不过在它的表项中整合了网络中各个层次的网络配置信息，从而在进行数据转发时可以使用更丰富的规则。其流表中的每个表项结果如下图所示：OpenFlow1.3流表的每个表项由6部分组成：1、匹配域：匹配域即OpenFlow1.0流表中的包头域，用于对交换机接收到的数据包的包头内容进行匹配。Ehter Des。
2024-11-24 16:32:48
2106
原创 SDN:ODL控制器开启了，但是创建拓扑以后 pingall 测试时所有主机之间的通信失败
原因：Mininet 使用的交换机可能默认使用 OpenFlow 1.0，而 ODL 支持的版本可能是 OpenFlow 1.3 或更高版本。在创建 Mininet 拓扑时，指定 OpenFlow 版本。
2024-11-19 09:09:05
243
原创 karaf: JAVA_HOME is not valid: usr/lib/jvm/java-8-openjdk-amd64
最近在学习SDN遇到的问题，在虚拟机上安装ODL，一直启动不了ODL。语句注释掉，直接指定。
2024-11-18 16:47:27
258
2
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人