公开(公告)号：CN113542121A

公开(公告)日：2021-10-22

申请号：CN202110756470.0

申请日：2021-07-05

Applicant: 浙江大学 ,  之江实验室

Inventor： 邓文琦 ,  胡冰

IPC: H04L12/721 ,  H04L12/803 ,  G06F17/10

Abstract: 本发明公开了一种基于退火算法的树形数据中心链路层负载均衡路由方法。方法搭建主要由边缘层、汇聚层和核心层三层组成的树形数据中心作为链路层，边缘层、汇聚层和核心层均包括多个交换机；由确定性网络实时监测交换机的数据，根据传输所需带宽和树形数据中心的拓扑结构，计算得所有链路的上行链路的负载带宽和下行链路的负载带宽；根据负载带宽进行迭代处理当前迭代状态，并且实时根据交换方案更新路由方案，获得最优路由方案。本发明实现高效率、高可靠、低时延的路由方法，有效使得数据中心负载均衡，降低交换机端口拥塞情况发生，减少数据流路由时延，降低数据流丢包率，且具有低时间复杂度、低空间复杂度、高性能等特点。

公开(公告)号：CN113052332A

公开(公告)日：2021-06-29

申请号：CN202110358526.7

申请日：2021-04-02

Applicant: 浙江大学 ,  之江实验室

Inventor： 张泽超 ,  胡冰

IPC: G06N20/20 ,  H04L29/08

Abstract: 本发明公开了一种基于设备均衡原理的分布式模型并行设备分配优化方法。通过分析机器学习网络各个网络层的计算量、通信量和内存使用量，结合机器学习训练平台计算能力、内存容限、通信带宽等参数建立线性规划模型，以不同设备上的计算量和内存使用量均衡以及最小化跨设备通信为优化目标，建立线性规划模型并求解，得到最符合设备均衡原理的分布式模型并行设备分配方案，达到提高机器学习网络模型训练速度的目的。本发明方法为大规模分布式机器学习提供了模型并行加速方案，在深度学习训练中能够大幅减少训练时间。