23006

زنجيره‌سازي غيرمتمركز سرويس در شبكه‌هاي مجازي‌شده نرم‌افزار محور

كارشناسي ارشد

شبكه هاي كامپيوتري

1395

1399/3/11

دكتر وصال حكمي

كامپيوتر

مديريت منابع شبكه و قابليت ارائه سرويس‌هاي متمايز بر حسب نيازمندي‌هاي كاربر و محدوديت‌هاي شبكه، دو امر كليدي در موفقيت عملكرد هر اپراتور ارتباطي است. افزايش مداوم تعداد سرويس‌ها و تنوع روزافزون نيازمندي‌هاي ترافيكي آن‌ها، به عنوان موارد چالش‌برانگيز در اين زمينه مطرح هستند. زنجيره‌ سرويس، يك زنجيره مرتب از «كاركردهاي سرويس» است كه براي فراهم كردن سرويس‌هاي متنوع، پيكربندي مي‌شود. «زنجيره‌سازي سرويس» نيز به فرآيند جانمايي كاركردهاي شبكه، مديريت زنجيره سرويس و تأمين امنيت اطلاق مي‌گردد. يكي از اهداف زنجيره‌سازي سرويس، به حداقل رساندن تأخير انتها به انتهاي لينك‌ها است كه محل جانمايي كاركردهاي شبكه يكي از عوامل تأثيرگذار در اين تأخير است. با پيشرفت‌هاي فناوري‌هاي شبكه، زنجيره‌سازي سرويس مبتني بر دو فناوري «شبكه نرم‌افزار محور» و «مجازي‌سازي كاركرد شبكه» ميسّر شده و مواردي همچون كنترل پويا، هدايت ترافيك از ميان كاركردهاي سرويس، همنواسازي و استقرار مؤثر و كارآمد كاركردهاي سرويس تسهيل گشته است. براي مسئله جانمايي كاركردهاي سرويس و ساخت زنجيره‌ها، راه‌حل‌هاي متمركز و غيرمتمركز ارائه شده‌اند. با توجه به NP-سخت بودن مسئله زنجيره‌سازي به لحاظ كلاس محاسباتي و همچنين نياز راه‌حل‌هاي متمركز به اطلاعات كامل از كل وضعيت شبكه، اين راه‌حل‌ها براي مسائل بزرگ مقياس‌پذير نيستند. از ميان راه‌حل‌هاي غيرمتمركز نيز، راه‌حل‌هاي مبتني بر نظريه بازي‌ها بيشتر مورد توجه هستند. با اين حال، براي پيكربندي زنجيره، راه‌حل‌هاي نظريه بازي موجود، به اطلاعات كامل (اطلاعات دقيق يا آماري) از مقادير پارامترهاي مسئله نياز دارند. براي مثال، لازم است كه تأخير لينك‌ها پيش از اجرا براي سرورها، مشخص باشد. اين مسئله باعث مي‌شود كه راه‌حل پيشنهادي به يك محيط عملياتي با مدل عملياتي خاص، وابسته شود به طوريكه با تغيير محيط عملياتي اعتبار راه‌حل از بين ميرود. اما در واقعيت برخي مقادير اين پارامترها، در شرايط پيش از اجرا براي ما مشخص نيستند و ما نيازمند بازخوردهايي از مقادير هستيم كه ضمن اجرا و تعامل واقعي با سيستم حاصل مي‌شوند. ما در اين پايان‌نامه، مسئله «زنجيره‌سازي غيرمتمركز سرويس» را در شرايطي مدّنظر قرار مي‌دهيم كه اطلاعات تأخير لينك‌هاي ميان سرويس‌دهنده‌هاي تشكيل‌دهنده زيرساخت فيزيكي از پيش از اجرا در اختيار نباشد. نوآوري ما مدل‌سازي اين مسئله در قالب يك «بازي پتانسيل با توابع هزينه نويزي» است. در چنين بازي‌هايي براي محاسبه پيكربندي تعادلي نيازمند تجهيز بازيگران به روال‌هاي يادگيري همگراشونده هستيم تا بازيگران بتوانند به جاي اتكا به اطلاعات پيشين، از طريق تعامل واقعي با محيط اجرايي و كسب تجربه، نقص دانش اوليه را جبران نمايند. بر اين اساس، ما براي همگرايي به پيكربندي تعادلي زنجيره سرويس، الگوريتمي مبتني بر تكنيك‌هاي «يادگيري چندعامله» ارائه مي‌دهيم. با انجام آزمايشات شبيه‌سازي در سناريوهاي متعدد نشان مي‌دهيم كه نسبت به روش توزيع‌شده پيشين، هم موفق به كاهش وابستگي به دانش آماري مسئله شده‌ايم و هم اينكه درصدي بهبود در هزينه كل ايجاد كرده‌ايم؛ به بيان مشخص‌تر، حداقل درصد كاهش، حداكثر درصد كاهش و متوسط درصد كاهش هزينه كل به ترتيب برابر 55/19% ، 99/22% و 26/21% است. با اين وجود، روش توزيع شده پيشين با اطلاعات معلوم، نسبت به روش ما با اطلاعات نامعلوم (كه متكي به فرآيند يادگيري و نمونه‌برداري است)، سريعتر همگرا مي‌شود. همچنين، با توجه به اينكه روش پيشنهادي براي تكميل فرآيند يادگيري در نهايت ناگزير از بررسي كيفيت كليه زنجيره‌هاي ممكن است، با افزايش تعداد كاركردها، بازيگران و سرويس‌دهنده‌ها، مقياس‌پذيري كمتري در مقايسه با روش مجهز به اطلاعات معلوم دارد.

1399/10/21

Distributed Service Chaining in Virtualized SDN-based Networks

1/10/2021 12:00:00 AM

Network resource management and the ability to provide diverse services based on the user requirements and network constraints are two important factors for the Telco operators to be successful. The notion of service chaining has been introduced by the network research community as a technique for agile configuration of complex services through a chain of more basic service components. Service chaining involves many aspects such as: the placement of network functions, service management, as well as security. Recent advancements in the technologies such as Software Defined Networking (SDN) and Network Function Virtualization (NFV) enable service chaining to facilitate dynamic control, traffic management through service functions, orchestration of service functions, and efficient deployment. Service chaining is an NP-hard problem and has been addressed via centralized and decentralized approaches the literature. A centralized solution requires perfect knowledge w.r.t. the network state and system parameters and does not scale in large problems. Recently decentralized solutions based on game theory have come into spotlight. However existing game-theoric solutions need to have accurate or statistical information about the values of the problem parameters. For example, the delays of links between nodes should be specified before starting the execution. This makes the solution dependent on operational environment and bound to a specific model, i.e. if the environment changes, the current solution is no longer valid. As in many scenarios, the network statistics may not be known beforehand. We need to come up with a solution that only relies on the feedback from real interactions with the system to compute the optimal service chain configuration. In this thesis, we consider decentralized service chaining problem where no information about the link latencies is assumed to be available a priori. The novelty of our approach is in proposing a potential game with a noisy cost function to formulate the problem. In this game, the so-called network service brokers (NSBs) are the players, and they are equipped with convergent multi-agent learning procedures to gradually shape their service chaining strategy by sample-based learning and experience. We experiment with several scenarios and compare our solution with a previous distributed scheme. As evidenced by the results, we achieve an improvement on total cost, while requiring less statistical information of the problem. More specifically, the minimum, maximum, and average of total cost reduction are equal to 19.55%, 22.99% and 21.26%, respectively. However, as expected, the previous work with known information converges faster than our solution (which relies on learning and sampling). Also, given that the proposed solution has to explore the quality of all possible chains to complete the learning process, as the number of functions, players, and servers increase, it has lower scalability than the approach with known information.

زنجيره‌سازي غيرمتمركز سرويس , شبكه نرم‌افزار محور , مجازي‌سازي كاركرد شبكه , بازي پتانسيل، , يادگيري اقدام مستقل

Decentralized service chaining , Software Defined Networking , Network Function Virtualization , , potential game , Independent Action Learner