FC网络性能测试与研究

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (15): 137-139.

FC网络性能测试与研究

徐亚军，张晓林，郭蔡健，熊华钢

北京航空航天大学电子信息工程学院，北京 100083

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-05-21 发布日期:2007-05-21
通讯作者: 徐亚军

Test and study of FC network performance

XU Ya-jun，ZHANG Xiao-lin，GUO Cai-jian，XIONG Hua-gang

School of Electronics and Information Engineering，Beijing University of Aeronautics and Astronautics，Beijing 100083，China

Received:1900-01-01 Revised:1900-01-01 Online:2007-05-21 Published:2007-05-21
Contact: XU Ya-jun

摘要/Abstract

摘要： 为了研究光纤通道用于航空电子系统互连时的网络性能评价问题，需要采用有效的手段对光纤通道网络性能进行测试。在采用轻量IP上层协议通信的光纤通道网络平台上，提出了一种采用ping-pang算法进行光纤通道网络性能测试的方法。通过测试得到了光纤通道网络平均吞吐量和端到端平均延迟时间曲线，并进行了分析。把测试结果和另一种航空电子系统互连首选协议可扩展一致性接口相比较，通过比较发现：光纤通道传输大数据包时具有低延迟、高吞吐量的特性，适合航空电子互连系统中大数据块的传输。对于光纤通道网络性能测试的结果可以作为网络性能评价的重要依据。

关键词: 航空电子, 网络, 光纤通道, 测试

Abstract: The physical network capability of FC（Fibre Channel） needs to be tested to be sure that FC will communicate information properly in the future avionics system.One Upper Level Protocol of FC should be properly adopted for FC physical network testing.On FC testing system，LIP（Lightweight Internet Protocol） over FC is used.Based on LIP over FC，one FC test way that has adopted ping-pang arithmetic is proposed.Throughput and delay have been tested.Graphs of throughput and delay have been given and analyzed.SCI（Scalable Coherent Interface） is also one of the primary candidates of the future avionics system interconnection.Graphs of FC and SCI test result have been compared.When FC transmits bigger data block，delay is lower and throughput is bigger.So FC is adapted to transmit bigger data block in avionics system.Test result is used to evaluate network performance.

Key words: avionics, network, Fibre Channel（FC）, testing

徐亚军，张晓林，郭蔡健，熊华钢. FC网络性能测试与研究[J]. 计算机工程与应用, 2007, 43(15): 137-139.

XU Ya-jun，ZHANG Xiao-lin，GUO Cai-jian，XIONG Hua-gang. Test and study of FC network performance[J]. Computer Engineering and Applications, 2007, 43(15): 137-139.

[1]	许昊，张凯，田英杰，种法广，王子超. 深度神经网络图像描述综述[J]. 计算机工程与应用, 2021, 57(9): 9-22.
[2]	冉蓉，徐兴华，邱少华，崔小鹏，欧阳斌. 基于深度卷积神经网络的裂纹检测方法综述[J]. 计算机工程与应用, 2021, 57(9): 23-35.
[3]	贾香恩，董一鸿，朱锋，钱江波. 异构图卷积网络研究进展[J]. 计算机工程与应用, 2021, 57(9): 36-49.
[4]	张波，徐黎明，黄志伟，要小鹏. 梯度策略的多目标GANs帕累托最优解算法[J]. 计算机工程与应用, 2021, 57(9): 89-95.
[5]	孙泽宇，徐琛，苏艳超，李传锋，聂雅琳. 雾计算中跨层感知分簇路由协议[J]. 计算机工程与应用, 2021, 57(9): 109-117.
[6]	杨春霞，李欣栩，吴佳君，刘天宇. 基于注意力交互机制的层次网络情感分类[J]. 计算机工程与应用, 2021, 57(9): 134-139.
[7]	牟清萍，张莹，张东波，王新杰，杨知桥. 目标丢失判别机制的视觉跟踪算法及应用研究[J]. 计算机工程与应用, 2021, 57(9): 140-147.
[8]	包志强，邢瑜，吕少卿，黄琼丹. 改进YOLO V2的6D目标姿态估计算法[J]. 计算机工程与应用, 2021, 57(9): 148-153.
[9]	王林，柴江云. 深度神经网络在多场景车辆属性识别中的研究[J]. 计算机工程与应用, 2021, 57(9): 162-167.
[10]	黄冬宜，杨兵，吴子豪，匡佳一，颜泽明. 用于全市蜂窝流量预测的时空全连接卷积网络[J]. 计算机工程与应用, 2021, 57(9): 168-175.
[11]	赵志焱，杨华，胡志伟，宇海萍. 基于TACNN的玉露香梨叶虫害识别[J]. 计算机工程与应用, 2021, 57(9): 176-181.
[12]	周伦钢，孙怡峰，王坤，吴疆，黄维贵，李炳龙. 目标多种多值属性的端端快速识别网络[J]. 计算机工程与应用, 2021, 57(9): 182-190.
[13]	柴旭，方明，付飞蚺，邵桢. 考场环境下考生视线估计方法[J]. 计算机工程与应用, 2021, 57(9): 199-206.
[14]	张成，戴俊峰，熊闻心. 融合LeNet-5改进的扫描文档手写日期识别[J]. 计算机工程与应用, 2021, 57(9): 207-211.
[15]	徐承志，万方. 两级邻域采样的孪生网络在流形学习中的应用[J]. 计算机工程与应用, 2021, 57(9): 233-239.