"近年來，數據中心網絡迅猛發展，為云計算服務提供了重要支撐。隨著網絡應用對傳輸性能要求的提高，數據中心需要更好的算法、協議和系統來提升網絡性能，而這依賴于對新設計準確高效的性能評估。本書針對數據驅動方法為數據中心網絡性能建模和優化帶來的機遇和挑戰，以高效的網絡性能建模為目標，分別從全局網絡拓撲、單點網絡設備和時序網絡流量三個角度對影響網絡性能的關鍵因素開展研究。本書提出了基于深度學習的數據中心網絡拓撲建模和優化方案xWeaver，建立了基于分離卷積神經網絡的性能模型和支持領域知識嵌入的拓撲映射，能夠有效提升網絡性能。 提出了基于深度強化學習的交換機共享緩存管理方案NDT，建立了基于排等變性的可擴展強化學習模型，設計了高效的兩級控制方案，有效提升了交換機轉發性能。 提出了基于圖神經網絡的網絡性能建模框架xNet，設計了基于異構關系圖的網絡系統抽象方法和序列建模的可配置圖神經網絡，支持對流級別性能指標進行準確、高效的時序預測。
本書可為數據驅動網絡、數據中心網絡和網絡性能建模相關領域的研究者提供參考。"

王莫為，2017年畢業于北京郵電大學，2022年取得清華大學工學博士學位，2022年加入華為。主要研究領域為數據驅動網絡和數據中心網絡，在計算機網絡國際頂級會議期刊SIGMETRICS、INFOCOM、TON等發表論文10余篇。

目 錄

第1章 引言 1
1.1 研究背景 1
1.1.1 數據中心網絡 1
1.1.2 數據驅動網絡 3
1.2 研究領域及面臨的主要挑戰 5
1.2.1 主要研究領域 5
1.2.2 面臨的研究挑戰 6
1.3 研究內容與研究成果 7
1.3.1 基于深度學習的數據中心網絡拓撲建模和優化方案 8
1.3.2 基于深度強化學習的交換機共享緩存管理方案 8
1.3.3 基于圖神經網絡的網絡性能建模框架 9
1.4 全書組織結構 10
第2章 研究背景與相關工作 12
2.1 數據中心網絡 12
2.1.1 拓撲架構 12
2.1.2 共享緩存管理 16
2.1.3 擁塞控制 20
2.2 網絡性能建模 23
2.2.1 數學分析建模 23
2.2.2 離散事件仿真 25
2.2.3 系統模擬 26
2.3 數據驅動方法在網絡系統中的應用 27
2.3.1 工作流程 27
2.3.2 網絡資源管理與性能優化 30
2.3.3 網絡性能建模與評估 37
2.3.4 基礎設施和解釋驗證 40
第3章 基于深度學習的數據中心網絡拓撲建模和優化方案 43
3.1 概述 43
3.2 研究動機 45
3.3 系統框架 50
3.3.1 設計目標和限制 50
3.3.2 系統模塊 51
3.4 流量驅動的訓練樣本生成 52
3.4.1 拓撲性能評分 53
3.4.2 高分拓撲樣本生成 55
3.5 流量---拓撲映射學習 56
3.5.1 映射學習神經網絡 56
3.5.2 先驗知識嵌入 58
3.6 仿真實驗評估 60
3.7 硬件實驗床評估 66
3.8 討論 68
3.9 本章小結 73
第4章 基于深度強化學習的交換機共享緩存管理方案 74
4.1 概述 74
4.2 方案設計 77
4.2.1 設計概述 77
4.2.2 可擴展的狀態處理 80
4.2.3 高效決策機制 82
4.3 系統實現 85
4.3.1 訓練基礎設施 85
4.3.2 實驗床 87
4.4 實驗評估 88
4.4.1 實驗方法 89
4.4.2 仿真評估 89
4.4.3 原型系統泛化 91
4.4.4 深入分析 92
4.5 討論 95
4.6 本章小結 96
第5章 基于圖神經網絡的網絡性能建模框架 97
5.1 概述 97
5.2 研究動機 100
5.2.1 背景 100
5.2.2 需求與挑戰 102
5.3 方案設計 103
5.3.1 關系圖表示 104
5.3.2 可配置圖神經網絡 105
5.3.3 狀態轉移模型 109
5.3.4 模型訓練 110
5.4 實驗評估 111
5.4.1 數據中心網絡時序QoS推斷 112
5.4.2 數據中心網絡FCT預測 113
5.4.3 廣域網穩態QoS推斷 118
5.5 討論 119
5.6 本章小結 120
第6章 結論與展望 121
6.1 研究工作總結 121
6.2 研究工作展望 123
參考文獻 125
致謝 141
在學期間完成的相關學術成果 143