1. 研究目的与意义（文献综述）

近些年，云计算蓬勃发展并得到了产业界和学术界的广泛关注，已经成为信息化建设领域的热点和未来趋势。互联网巨头公司分别推出了云计算服务，如亚马逊的ec2、谷歌的app engine、微软的azure和salesforce的crm等;电信运营商和独立idc提供商也加入到云计算大潮。国外的有atamp;t和rackspace，国内的有中国电信、中国联通、中国移动、世纪互联、阿里巴巴和盛大网络等。与此同时，许多新的互联网在线业务(如搜索、社交网络、即时通信等)的用户量也在迅速增长。在云计算和互联网在线业务的快速发展过程中，作为信息化基础设施的数据中心一直处于核心地位。随着业务的发展和新技术的使用，数据中心正在发生和形成重大的变化及趋势，由此给数据中心网络(data center networks dcn)带来了新的挑战和问题。

数据并行应用之间的通信通常伴随着大量的网络数据传输任务，因此，工业和学术界开始向建设高容量、低延迟的数据中心网络而努力。与此同时，学者们提出各种解决方案来解决基于点对点流抽象的流传输时间最小化和平等共享网络带宽等问题。

但是随着数据量的增长，应用需求的多样化，传统的点对点流已经不再适用。数据并行应用关心的是所有的数据流而非单独个体的流。于是新型的网络抽象coflow被提出来，它将具有共同性能的流聚集在一起统一处理。使得网络对应用需求的感知成为可能。

2. 研究的基本内容与方案

2.1 研究的基本内容

学习coflow的概念原理以及其具体的实现方式，学习已有的coflow调度算法，通过性能分析和仿真的方法改进已有的协同流调度算法。

2.2 研究目标

3. 研究计划与安排

1-3周：查阅文献，完成开题报告
4-6周：总体设计，完成论文综述
7-10周：改进与推广
11-13周：论证和检查
14-15周：写论文，提交初稿，给老师检查，修改定稿，答辩。

4. 参考文献（12篇以上）

[1] m.chowdhury and i.stoica, coflow: a networking abstraction for cluster applications[c], hotnets-xi: proceedings of the 11th acm workshop on hot topics in networks,2012,
p31-36.

[2] m.chowdhury and i.stoica, efficient coflow scheduling without prior knowledge[c].
sigcomm '15 proceedings of the 2015 acm conference on special interest group on data communication，2015， p393-406.

[3] m.chowdhury, y.zhong, and i.stoica, efficient coflow scheduling with varys[c], sigcomm '14 proceedings of the 2014 acm conference on sigcomm, 2014, p443-454.