Abilene、CERNET和GEANT三个文件夹下,是针对三个拓扑的流量矩阵预测代码和结果文件。大概的结构如下:
- model_xxx:pytorch pkl文件
- xxx.csv:预测结果、分析结果(根据文件名可以判断)
- overflow_xxx:之前的一个想法,暂时没有实现,请忽略
- draw_fig.py:绘图分析脚本
- 方法.py:不同预测方法的代码
- hybrid.py:对SOTE预测结果进行进一步分析,获得MLU bias MAE等统计性结果
- OSPF_weight.py:将预测得到的TM转化为OSPF/SOTE脚本需要的输入格式,并进一步对预测结果进行分析,获得MLU bias MAE等统计性结果
- SDN_split_ratio.py:在MCF C++代码的基础上,进一步进行Prediction based TE(基于MCF C++的分流结果,路由真实的TM)
TM_result文件夹是预测结果以及路由策略结果。其中路由策略结果保存了OSPF(OSPF_weight文件夹下)和MCF(split_ratio文件夹下)两种场景。SOTE场景不需要保存。
statistical_analysis文件夹主要是进行实验结果的统计分析,形成论文中的表格。
注意,TM预测的预测步长为10(早期设定的,后来在单点预测中改为了50)。同时,没有尝试较大的 epoch。EKM方法的epoch为50-100,其他收敛较快的方法的epoch为20-50。后续可以进一步进行调整。
- remove intermediate result files and irrelevant files to eliminate privacy
- modify some absolute paths to relative paths to facilitate reproduction
- generate requirements.txt
If there is any problem, please submit a issue or email to zhao-yf20@mails.tsinghua.edu.cn.