0 引言
       新兴云服务的飞速发展催生了海量的数据中心间大数据传输需求[1]。然而，数据中心间网络（inter-DCNs）中带宽的使用呈现典型时空不均衡，使得传统端到端（E2E）传输难以满足大数据对大带宽、高时长的传输需求[2]。数据中心（DC）备份、数据迁移等大数据传输应用通常不需要数据传输立即开始，数据可暂时缓存于中继DC节点，等到后续网络相对空闲或有足够的带宽时再继续传输。这常被称为存储转发（SnF），广泛应用于inter-DCNs，以提高带宽资源的利用率和网络的大数据传输效能[3-8]。
　　 然而，存储的引入使得传统的路由问题变为一个同时包括空间和时间2个维度的调度问题。求解该问题，不仅需要考虑带宽和存储资源的分配，还需要同时寻找空间路由、规划时间调度[4]。多数文献将调度问题建模为优化问题（如网络流问题[3-4]、线性规划问题[5-6]等），简称优化法。在建模过程中，优化法将全局的网络状态信息转变为约束函数，利用经典优化算法，获得路由、调度和资源配置的最优解。优化法被证明能够有效求解小规模网络或静态网络负载下的调度问题。但是，随着网络规模、存储节点数量和传输请求数量的增加，优化问题的规模呈现指数增长。因此，优化法难以解决大规模网络和动态网络负载下的调度问题。为了减小调度问题规模，文献[7]提出了时空解耦的调度（TSD）方法，该方法利用时移多层图（TS-MLG）[8]将时空二维的调度问题建模为路由问题，简化了调度问题的求解过程。在此基础之上，TSD方法引入固定-替代路由（FAR），仅使用预选路由上的状态信息建模调度问题，由此减小了调度问题的规模，降低了问题求解难度。TSD方法使用备选路由上链路的双向状态信息建模。但是，引入双向状态信息可能导致数据在节点之间的传输形成环路（loop），从而降低带宽的使用效率[4]。此外，优化法和TSD方法都集中维护网络的全局状态信息，这意味着任意时刻某链路状态发生改变，即使其它链路的状态保持不变，也需要被重复记录。随着网络规模扩大，这种状态信息维护方式将造成大量冗余状态，增加状态信息的维护成本和维护难度。
　　 为了解决上述问题，本文以光电路交换（OCS）与DC存储的结合为研究场景，量化分析冗余状态对调度性能和复杂度的影响，提出一种基于TS-MLG的网络状态融合调度方法（简称SFS方法）。

4 结束语
       本文首先研究了网络冗余状态对SnF调度的影响。主要研究发现：①对于绝大多数传输请求，网络存在的大量状态信息是冗余的。随着网络规模的扩大，冗余状态的数量会急剧增加。②冗余状态不仅无法提供有效信息，反而增加调度问题的求解难度，以及状态信息的维护成本。因此，本文提出并介绍了SFS方法。仿真结果表明：在可用于调度的网络状态数受限的情况下（即LR有限），SFS方法能比传统调度方法获得更好的阻塞率、维护更少的网络实时状态信息。然而，SFS方法请求经历的延迟也更高。