Um método de otimização com parâmetros de desempenho para Cloud Network Slices focado no locatário
Autor(a) principal: | |
---|---|
Data de Publicação: | 2021 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFSCAR |
Texto Completo: | https://repositorio.ufscar.br/handle/ufscar/14084 |
Resumo: | Cloud Network Slicing (CNS), emerging alongside the 5G mobile network, comprises a paradigm shift in the way networks are provisioned, managed, and operated. Fundamentally, CNS fosters the deployment of a multitude of modern applications, e.g., virtual and augmented reality, 4K video streaming, and autonomous vehicles, which require ultra-low latency, high bandwidth consumption, or both. Slicing promotes the realization of such services through the allocation of computing and network resource bundles, which, as CNS mandates, are isolated from the rest of the network. Typically, such resources are arranged into wide geographical areas (e.g., into multiple countries or even continents), which implies that it is possible to pertain to distinct infrastructure providers. This exacerbates the already challenging problem of maximizing resource allocation efficiency, a feature commonly addressed by CNS architectures. In this respect, we study the optimal assignment of slices to multiple domains. Therefore, we account for slices as a collection of computing and network parts. Given specific resource requirements from slice tenants, and potentially multiple offers per slice part, we model the problem as a Mixed Integer Linear Program (MILP). We further design two heuristic algorithms, in order to mitigate the complexity intricacies that would be perceptible in large problem instances. Our evaluation results, based on a simulation environment aligned with the NECOS architecture, indicate that the MILP approach had a better performance compared to both the heuristics in choosing the cheapest offers with a fair amount of performance parameters in an adequate execution time. Our main contribution stands on the optimization methods based on the split and combine approach inserted in the novel NECOS' CNS architecture. |
id |
SCAR_314be0444b815fc4bda721249e36f5d5 |
---|---|
oai_identifier_str |
oai:repositorio.ufscar.br:ufscar/14084 |
network_acronym_str |
SCAR |
network_name_str |
Repositório Institucional da UFSCAR |
repository_id_str |
4322 |
spelling |
Beraldo, LucianVerdi, Fábio Lucianohttp://lattes.cnpq.br/9143186843657940http://lattes.cnpq.br/504211430313900647a3fa39-99de-4e6b-8419-56cb25bbe3d62021-04-07T13:33:16Z2021-04-07T13:33:16Z2021-01-29BERALDO, Lucian. Um método de otimização com parâmetros de desempenho para Cloud Network Slices focado no locatário. 2021. Dissertação (Mestrado em Ciência da Computação) – Universidade Federal de São Carlos, São Carlos, 2021. Disponível em: https://repositorio.ufscar.br/handle/ufscar/14084.https://repositorio.ufscar.br/handle/ufscar/14084Cloud Network Slicing (CNS), emerging alongside the 5G mobile network, comprises a paradigm shift in the way networks are provisioned, managed, and operated. Fundamentally, CNS fosters the deployment of a multitude of modern applications, e.g., virtual and augmented reality, 4K video streaming, and autonomous vehicles, which require ultra-low latency, high bandwidth consumption, or both. Slicing promotes the realization of such services through the allocation of computing and network resource bundles, which, as CNS mandates, are isolated from the rest of the network. Typically, such resources are arranged into wide geographical areas (e.g., into multiple countries or even continents), which implies that it is possible to pertain to distinct infrastructure providers. This exacerbates the already challenging problem of maximizing resource allocation efficiency, a feature commonly addressed by CNS architectures. In this respect, we study the optimal assignment of slices to multiple domains. Therefore, we account for slices as a collection of computing and network parts. Given specific resource requirements from slice tenants, and potentially multiple offers per slice part, we model the problem as a Mixed Integer Linear Program (MILP). We further design two heuristic algorithms, in order to mitigate the complexity intricacies that would be perceptible in large problem instances. Our evaluation results, based on a simulation environment aligned with the NECOS architecture, indicate that the MILP approach had a better performance compared to both the heuristics in choosing the cheapest offers with a fair amount of performance parameters in an adequate execution time. Our main contribution stands on the optimization methods based on the split and combine approach inserted in the novel NECOS' CNS architecture.O conceito de Cloud Network Slicing (CNS), emergente em conjunto com as redes móveis 5G, designa uma mudança de paradigma na forma com que redes computacionais são provisionadas, gerenciadas e operadas. Tal conceito impulsiona novas aplicações como realidade aumentada e virtual, transmissão de vídeo em resolução 4K e veículos autônomos interconectados. Aplicações essas que necessitam de tempo de latência mínimos, grande largura de banda de rede ou ambos. O funcionamento de tais serviços demanda da correta alocação de recursos de computação e rede, de forma isolada dos outros serviços da Internet. Normalmente, tais recursos estão espalhados por grandes áreas geográficas, como múltiplos países e continentes, o que implica na utilização de distintos provedores de infraestrutura. Característica que potencializa o desafio da máxima eficiência na alocação de recursos, que é tratada pela arquitetura funcional de CNS do projeto NECOS, a qual também é objeto de estudo do trabalho aqui apresentado. As CNS são consideradas aqui como um conjunto de Slice Parts de computação e rede, i.e. fragmentos que refletem a topologia da CNS com requisitos de recursos especificados pelo locatário e potencialmente múltiplas ofertas dos provedores por Slice Part. O problema da escolha otimizada de recursos foi modelado como um programa linear inteiro misto (i.e. Mixed Integer Linear Program - MILP), porém também foram elaborados dois algoritmos heurísticos para tratar cenários complexos com grande número de combinações. Os resultados experimentais, baseados em um ambiente simulado, em consonância com a arquitetura do projeto NECOS, indicam que a abordagem MILP teve melhor desempenho comparada com ambas as heurísticas, i.e. foram escolhidas ofertas de Slice Parts mais baratas, com uma boa quantidade de recursos, em um tempo de execução adequado. A contribuição principal está no desenvolvimento dos métodos de otimização baseados na abordagem de fragmentação e agregação, inseridos na nova arquitetura proposta pelo NECOS.Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)CAPES: Código de Financiamento 001porUniversidade Federal de São CarlosCâmpus São CarlosPrograma de Pós-Graduação em Ciência da Computação - PPGCCUFSCarAttribution-NonCommercial-NoDerivs 3.0 Brazilhttp://creativecommons.org/licenses/by-nc-nd/3.0/br/info:eu-repo/semantics/openAccessFatiamento de nuvemFatiamento de redeProgramação Inteira Linear MistaIBM CPLEXCloud Network SlicingMixed Integer Linear ProgrammingHeuristicOptimizationCIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAOUm método de otimização com parâmetros de desempenho para Cloud Network Slices focado no locatárioTenant-oriented resource optimization for Cloud Network Slicing with performance guaranteesinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesis600ff34c36d-0377-40d8-bcc5-ad1d36bc4582reponame:Repositório Institucional da UFSCARinstname:Universidade Federal de São Carlos (UFSCAR)instacron:UFSCARORIGINALDissertação-LucianBeraldo-Um método de otimização com parâmetros de desempenho para Cloud Network Slices focado no locatário.pdfDissertação-LucianBeraldo-Um método de otimização com parâmetros de desempenho para Cloud Network Slices focado no locatário.pdfapplication/pdf3101197https://repositorio.ufscar.br/bitstream/ufscar/14084/6/Disserta%c3%a7%c3%a3o-LucianBeraldo-Um%20m%c3%a9todo%20de%20otimiza%c3%a7%c3%a3o%20com%20par%c3%a2metros%20de%20desempenho%20para%20Cloud%20Network%20Slices%20focado%20no%20locat%c3%a1rio.pdf1a0670903ab09fbe4b4a36fd6e0c607aMD56Lucian Beraldo-PPGCC_Template_declaracao_BCO.pdfLucian Beraldo-PPGCC_Template_declaracao_BCO.pdfapplication/pdf167168https://repositorio.ufscar.br/bitstream/ufscar/14084/4/Lucian%20Beraldo-PPGCC_Template_declaracao_BCO.pdfc070c41747eac8b4332d746c550b9bd2MD54CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811https://repositorio.ufscar.br/bitstream/ufscar/14084/7/license_rdfe39d27027a6cc9cb039ad269a5db8e34MD57TEXTDissertação-LucianBeraldo-Um método de otimização com parâmetros de desempenho para Cloud Network Slices focado no locatário.pdf.txtDissertação-LucianBeraldo-Um método de otimização com parâmetros de desempenho para Cloud Network Slices focado no locatário.pdf.txtExtracted texttext/plain124658https://repositorio.ufscar.br/bitstream/ufscar/14084/8/Disserta%c3%a7%c3%a3o-LucianBeraldo-Um%20m%c3%a9todo%20de%20otimiza%c3%a7%c3%a3o%20com%20par%c3%a2metros%20de%20desempenho%20para%20Cloud%20Network%20Slices%20focado%20no%20locat%c3%a1rio.pdf.txt623ab865ee9572b43a95e7b052f36583MD58Lucian Beraldo-PPGCC_Template_declaracao_BCO.pdf.txtLucian Beraldo-PPGCC_Template_declaracao_BCO.pdf.txtExtracted texttext/plain1471https://repositorio.ufscar.br/bitstream/ufscar/14084/10/Lucian%20Beraldo-PPGCC_Template_declaracao_BCO.pdf.txt337aa769163870f903ebbe06bf967ad8MD510THUMBNAILDissertação-LucianBeraldo-Um método de otimização com parâmetros de desempenho para Cloud Network Slices focado no locatário.pdf.jpgDissertação-LucianBeraldo-Um método de otimização com parâmetros de desempenho para Cloud Network Slices focado no locatário.pdf.jpgIM Thumbnailimage/jpeg8189https://repositorio.ufscar.br/bitstream/ufscar/14084/9/Disserta%c3%a7%c3%a3o-LucianBeraldo-Um%20m%c3%a9todo%20de%20otimiza%c3%a7%c3%a3o%20com%20par%c3%a2metros%20de%20desempenho%20para%20Cloud%20Network%20Slices%20focado%20no%20locat%c3%a1rio.pdf.jpgbf8c771f70f9fdd2c35ef6781cfdbe4bMD59Lucian Beraldo-PPGCC_Template_declaracao_BCO.pdf.jpgLucian Beraldo-PPGCC_Template_declaracao_BCO.pdf.jpgIM Thumbnailimage/jpeg13180https://repositorio.ufscar.br/bitstream/ufscar/14084/11/Lucian%20Beraldo-PPGCC_Template_declaracao_BCO.pdf.jpg913d4955351a63539be980a50d62698eMD511ufscar/140842023-09-18 18:32:08.969oai:repositorio.ufscar.br:ufscar/14084Repositório InstitucionalPUBhttps://repositorio.ufscar.br/oai/requestopendoar:43222023-09-18T18:32:08Repositório Institucional da UFSCAR - Universidade Federal de São Carlos (UFSCAR)false |
dc.title.por.fl_str_mv |
Um método de otimização com parâmetros de desempenho para Cloud Network Slices focado no locatário |
dc.title.alternative.eng.fl_str_mv |
Tenant-oriented resource optimization for Cloud Network Slicing with performance guarantees |
title |
Um método de otimização com parâmetros de desempenho para Cloud Network Slices focado no locatário |
spellingShingle |
Um método de otimização com parâmetros de desempenho para Cloud Network Slices focado no locatário Beraldo, Lucian Fatiamento de nuvem Fatiamento de rede Programação Inteira Linear Mista IBM CPLEX Cloud Network Slicing Mixed Integer Linear Programming Heuristic Optimization CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO |
title_short |
Um método de otimização com parâmetros de desempenho para Cloud Network Slices focado no locatário |
title_full |
Um método de otimização com parâmetros de desempenho para Cloud Network Slices focado no locatário |
title_fullStr |
Um método de otimização com parâmetros de desempenho para Cloud Network Slices focado no locatário |
title_full_unstemmed |
Um método de otimização com parâmetros de desempenho para Cloud Network Slices focado no locatário |
title_sort |
Um método de otimização com parâmetros de desempenho para Cloud Network Slices focado no locatário |
author |
Beraldo, Lucian |
author_facet |
Beraldo, Lucian |
author_role |
author |
dc.contributor.authorlattes.por.fl_str_mv |
http://lattes.cnpq.br/5042114303139006 |
dc.contributor.author.fl_str_mv |
Beraldo, Lucian |
dc.contributor.advisor1.fl_str_mv |
Verdi, Fábio Luciano |
dc.contributor.advisor1Lattes.fl_str_mv |
http://lattes.cnpq.br/9143186843657940 |
dc.contributor.authorID.fl_str_mv |
47a3fa39-99de-4e6b-8419-56cb25bbe3d6 |
contributor_str_mv |
Verdi, Fábio Luciano |
dc.subject.por.fl_str_mv |
Fatiamento de nuvem Fatiamento de rede Programação Inteira Linear Mista IBM CPLEX |
topic |
Fatiamento de nuvem Fatiamento de rede Programação Inteira Linear Mista IBM CPLEX Cloud Network Slicing Mixed Integer Linear Programming Heuristic Optimization CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO |
dc.subject.eng.fl_str_mv |
Cloud Network Slicing Mixed Integer Linear Programming Heuristic Optimization |
dc.subject.cnpq.fl_str_mv |
CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO |
description |
Cloud Network Slicing (CNS), emerging alongside the 5G mobile network, comprises a paradigm shift in the way networks are provisioned, managed, and operated. Fundamentally, CNS fosters the deployment of a multitude of modern applications, e.g., virtual and augmented reality, 4K video streaming, and autonomous vehicles, which require ultra-low latency, high bandwidth consumption, or both. Slicing promotes the realization of such services through the allocation of computing and network resource bundles, which, as CNS mandates, are isolated from the rest of the network. Typically, such resources are arranged into wide geographical areas (e.g., into multiple countries or even continents), which implies that it is possible to pertain to distinct infrastructure providers. This exacerbates the already challenging problem of maximizing resource allocation efficiency, a feature commonly addressed by CNS architectures. In this respect, we study the optimal assignment of slices to multiple domains. Therefore, we account for slices as a collection of computing and network parts. Given specific resource requirements from slice tenants, and potentially multiple offers per slice part, we model the problem as a Mixed Integer Linear Program (MILP). We further design two heuristic algorithms, in order to mitigate the complexity intricacies that would be perceptible in large problem instances. Our evaluation results, based on a simulation environment aligned with the NECOS architecture, indicate that the MILP approach had a better performance compared to both the heuristics in choosing the cheapest offers with a fair amount of performance parameters in an adequate execution time. Our main contribution stands on the optimization methods based on the split and combine approach inserted in the novel NECOS' CNS architecture. |
publishDate |
2021 |
dc.date.accessioned.fl_str_mv |
2021-04-07T13:33:16Z |
dc.date.available.fl_str_mv |
2021-04-07T13:33:16Z |
dc.date.issued.fl_str_mv |
2021-01-29 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
BERALDO, Lucian. Um método de otimização com parâmetros de desempenho para Cloud Network Slices focado no locatário. 2021. Dissertação (Mestrado em Ciência da Computação) – Universidade Federal de São Carlos, São Carlos, 2021. Disponível em: https://repositorio.ufscar.br/handle/ufscar/14084. |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufscar.br/handle/ufscar/14084 |
identifier_str_mv |
BERALDO, Lucian. Um método de otimização com parâmetros de desempenho para Cloud Network Slices focado no locatário. 2021. Dissertação (Mestrado em Ciência da Computação) – Universidade Federal de São Carlos, São Carlos, 2021. Disponível em: https://repositorio.ufscar.br/handle/ufscar/14084. |
url |
https://repositorio.ufscar.br/handle/ufscar/14084 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.confidence.fl_str_mv |
600 |
dc.relation.authority.fl_str_mv |
ff34c36d-0377-40d8-bcc5-ad1d36bc4582 |
dc.rights.driver.fl_str_mv |
Attribution-NonCommercial-NoDerivs 3.0 Brazil http://creativecommons.org/licenses/by-nc-nd/3.0/br/ info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Attribution-NonCommercial-NoDerivs 3.0 Brazil http://creativecommons.org/licenses/by-nc-nd/3.0/br/ |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal de São Carlos Câmpus São Carlos |
dc.publisher.program.fl_str_mv |
Programa de Pós-Graduação em Ciência da Computação - PPGCC |
dc.publisher.initials.fl_str_mv |
UFSCar |
publisher.none.fl_str_mv |
Universidade Federal de São Carlos Câmpus São Carlos |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFSCAR instname:Universidade Federal de São Carlos (UFSCAR) instacron:UFSCAR |
instname_str |
Universidade Federal de São Carlos (UFSCAR) |
instacron_str |
UFSCAR |
institution |
UFSCAR |
reponame_str |
Repositório Institucional da UFSCAR |
collection |
Repositório Institucional da UFSCAR |
bitstream.url.fl_str_mv |
https://repositorio.ufscar.br/bitstream/ufscar/14084/6/Disserta%c3%a7%c3%a3o-LucianBeraldo-Um%20m%c3%a9todo%20de%20otimiza%c3%a7%c3%a3o%20com%20par%c3%a2metros%20de%20desempenho%20para%20Cloud%20Network%20Slices%20focado%20no%20locat%c3%a1rio.pdf https://repositorio.ufscar.br/bitstream/ufscar/14084/4/Lucian%20Beraldo-PPGCC_Template_declaracao_BCO.pdf https://repositorio.ufscar.br/bitstream/ufscar/14084/7/license_rdf https://repositorio.ufscar.br/bitstream/ufscar/14084/8/Disserta%c3%a7%c3%a3o-LucianBeraldo-Um%20m%c3%a9todo%20de%20otimiza%c3%a7%c3%a3o%20com%20par%c3%a2metros%20de%20desempenho%20para%20Cloud%20Network%20Slices%20focado%20no%20locat%c3%a1rio.pdf.txt https://repositorio.ufscar.br/bitstream/ufscar/14084/10/Lucian%20Beraldo-PPGCC_Template_declaracao_BCO.pdf.txt https://repositorio.ufscar.br/bitstream/ufscar/14084/9/Disserta%c3%a7%c3%a3o-LucianBeraldo-Um%20m%c3%a9todo%20de%20otimiza%c3%a7%c3%a3o%20com%20par%c3%a2metros%20de%20desempenho%20para%20Cloud%20Network%20Slices%20focado%20no%20locat%c3%a1rio.pdf.jpg https://repositorio.ufscar.br/bitstream/ufscar/14084/11/Lucian%20Beraldo-PPGCC_Template_declaracao_BCO.pdf.jpg |
bitstream.checksum.fl_str_mv |
1a0670903ab09fbe4b4a36fd6e0c607a c070c41747eac8b4332d746c550b9bd2 e39d27027a6cc9cb039ad269a5db8e34 623ab865ee9572b43a95e7b052f36583 337aa769163870f903ebbe06bf967ad8 bf8c771f70f9fdd2c35ef6781cfdbe4b 913d4955351a63539be980a50d62698e |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFSCAR - Universidade Federal de São Carlos (UFSCAR) |
repository.mail.fl_str_mv |
|
_version_ |
1802136388700733440 |