A fundamental challenge in data center networking is how to efficiently interconnect an exponentially increasing number of servers. This paper presents DCell, a novel network structure that has many desirable features for data center networking. DCell is a recursively defined structure, in which a high-level DCell is constructed from many low-level DCells and DCells at the same level are fully connected with one another. DCell scales doubly exponentially as the node degree increases. DCell is fault tolerant since it does not have single point of failure and its distributed fault-tolerant routing protocol performs near shortest-path routing even in the presence of severe link or node failures. DCell also provides higher network capacity than the traditional tree-based structure for various types of services. Furthermore, DCell can be incrementally expanded and a partial DCell provides the same appealing features. Results from theoretical analysis, simulations, and experiments show that DCell is a viable interconnection structure for data centers.

Many applications require fast data transfer over high speed and long distance networks. However, standard TCP fails to fully utilize the network capacity due to the limitation in its conservative congestion control (CC) algorithm. Some works have been proposed to improve the connection 鈂s throughput by adopt- ing more aggressive loss-based CC algorithms. These algorithms, although can effectively improve the link utilization, have the weakness of poor RTT fairness. Further, they may severely de- crease the performance of regular TCP flows that traverse the same network path. On the other hand, pure delay-based ap- proaches that improve the throughput in high-speed networks may not work well when the traffic is mixed with both delay- based and greedy loss-based flows. In this paper, we propose a novel Compound TCP (CTCP) approach, which is a synergy of delay-based and loss-based approach. Specifically, we add a scal- able delay-based component into the standard TCP Reno conges- tion avoidance algorithm (a.k.a., the loss-based component). The sending rate of CTCP is controlled by both components. This new delay-based component can rapidly increase sending rate when network path is under utilized, but gracefully retreat in a busy network when bottleneck queue is built. Augmented with this delay-based component, CTCP provides very good bandwidth scalability with improved RTT fairness, and at the same time achieves good TCP-fairness, irrelevant to the windows size. We developed an analytical model of CTCP and implemented it on the Windows operating system. Our analysis and experiment results verify the properties of CTCP.

We present the design, implementation, and evaluation of BeepBeep, a high-accuracy acoustic-based ranging system. It operates in a spontaneous, ad-hoc, and device-to-device context without leveraging any pre-planned infrastructure. It is a pure software-based solution and uses only the most basic set of commodity hardware -- a speaker, a microphone, and some form of device-to-device communication -- so that it is readily applicable to many low-cost sensor platforms and to most commercial-off-the-shelf mobile devices like cell phones and PDAs. It achieves high accuracy through a combination of three techniques: two-way sensing, self-recording, and sample counting. The basic idea is the following. To estimate the range between two devices, each will emit a specially-designed sound signal ("Beep") and collect a simultaneous recording from its microphone. Each recording should contain two such beeps, one from its own speaker and the other from its peer. By counting the number of samples between these two beeps and exchanging the time duration information with its peer, each device can derive the two-way time of flight of the beeps at the granularity of sound sampling rate. This technique cleverly avoids many sources of inaccuracy found in other typical time-of-arrival schemes, such as clock synchronization, non-real-time handling, software delays, etc. Our experiments on two common cell phone models have shown that we can achieve around one or two centimeters accuracy within a range of more than ten meters, despite a series of technical challenges in implementing the idea.

Aim To evaluate the climate sensitivity of model-based forest productivity estimates using a continental-scale tree-ring network. Location Europe and North Africa (30–70° N, 10° W–40° E). Methods We compiled close to 1000 annually resolved records of radial tree growth for all major European tree species and quantified changes in growth as a function of historical climatic variation. Sites were grouped using a neural network clustering technique to isolate spatiotemporal and species-specific climate response patterns. The resulting empirical climate sensitivities were compared with the sensitivities of net primary production (NPP) estimates derived from the ORCHIDEE-FM and LPJ-wsl dynamic global vegetation models (DGVMs). Results We found coherent biogeographic patterns in climate response that depend upon (1) phylogenetic controls and (2) ambient environmental conditions delineated by latitudinal/elevational location. Temperature controls dominate forest productivity in high-elevation and high-latitude areas whereas moisture sensitive sites are widespread at low elevation in central and southern Europe. DGVM simulations broadly reproduce the empirical patterns, but show less temperature sensitivity in the boreal zone and stronger precipitation sensitivity towards the mid-latitudes. Main conclusions Large-scale forest productivity is driven by monthly to seasonal climate controls, but our results emphasize species-specific growth patterns under comparable environmental conditions. Furthermore, we demonstrate that carry-over effects from the previous growing season can significantly influence tree growth, particularly in areas with harsh climatic conditions – an element not considered in most current-state DGVMs. Model–data discrepancies suggest that the simulated climate sensitivity of NPP will need refinement before carbon-cycle climate feedbacks can be accurately quantified.