Autodimensionamento proativo para elasticidade assertiva de funções de rede virtuais em cadeias de serviço

Detalhes bibliográficos
Autor(a) principal: Jardim, Sandino Barros
Data de Publicação: 2020
Tipo de documento: Tese
Idioma: por
Título da fonte: Repositório Institucional da UFRN
Texto Completo: https://repositorio.ufrn.br/handle/123456789/30988
Resumo: A virtualização de funções de rede é uma tecnologia que propõe desacoplar funções de rede tradicionalmente alocadas sobre hardware especializado e disponibilizá-las como elementos de software com premissa de execução sobre servidores de propósito geral. Tal flexibilização permite a oferta de serviços de rede alocados sobre infraestruturas de nuvem e facilita o estabelecimento de políticas de rede a partir do encadeamento de diferentes funções pelo qual um determinado tráfego deva atravessar para seu cumprimento. A variação da demanda pelos serviços hospedados vai exigir da gestão de recursos o atributo de elasticidade para lidar com objetivos de desempenho, ajustando os recursos computacionais das funções para lidar com aumento de demanda, e custos de operação, evitando provisionamento além da necessidade. Tradicionalmente, a elasticidade é oferecida por abordagens reativas baseadas em limiares, mas apresentam a tendência de aumentarem exponencialmente seu tempo de resposta conforme os recursos se esgotam. Trabalhos recentes têm sugerido abordagens proativas, combinando métodos de aprendizagem de máquina que permitem antecipar as decisões e adequar o máximo possível os recursos à demanda. Tal adequação é crucial para o sucesso de uma solução de elasticidade proativa, viabilizando decisões assertivas de dimensionamento que respondam com agilidade e precisão às variações de demanda e que contribuam para o equilíbrio dos objetivos de custo e desempenho. Esta tese de doutorado apresenta o ARENA, um mecanismo de elasticidade proativa para auto dimensionamento de funções virtualizadas de rede encadeadas auxiliado por predição de demanda baseada em aprendizagem de máquina para maximização da assertividade das decisões de dimensionamento horizontal e vertical.
id UFRN_5875f89f5566e8f5de4a7f2c32b43f3e
oai_identifier_str oai:https://repositorio.ufrn.br:123456789/30988
network_acronym_str UFRN
network_name_str Repositório Institucional da UFRN
repository_id_str
spelling Jardim, Sandino Barroshttp://lattes.cnpq.br/4366909440552005http://lattes.cnpq.br/1467664612924239Curado, Maríliahttp://lattes.cnpq.br/8221049000925521Canuto, Anne Magaly de Paulahttp://lattes.cnpq.br/1357887401899097Bedregal, Benjamin Rene CallejasBustos, Harold Ivan AnguloVenâncio Neto, Augusto José2020-12-14T23:30:56Z2020-12-14T23:30:56Z2020-10-23JARDIM, Sandino Barros. Autodimensionamento proativo para elasticidade assertiva de funções de rede virtuais em cadeias de serviço. 2020. 103f. Tese (Doutorado em Ciência da Computação) - Centro de Ciências Exatas e da Terra, Universidade Federal do Rio Grande do Norte, Natal, 2020.https://repositorio.ufrn.br/handle/123456789/30988A virtualização de funções de rede é uma tecnologia que propõe desacoplar funções de rede tradicionalmente alocadas sobre hardware especializado e disponibilizá-las como elementos de software com premissa de execução sobre servidores de propósito geral. Tal flexibilização permite a oferta de serviços de rede alocados sobre infraestruturas de nuvem e facilita o estabelecimento de políticas de rede a partir do encadeamento de diferentes funções pelo qual um determinado tráfego deva atravessar para seu cumprimento. A variação da demanda pelos serviços hospedados vai exigir da gestão de recursos o atributo de elasticidade para lidar com objetivos de desempenho, ajustando os recursos computacionais das funções para lidar com aumento de demanda, e custos de operação, evitando provisionamento além da necessidade. Tradicionalmente, a elasticidade é oferecida por abordagens reativas baseadas em limiares, mas apresentam a tendência de aumentarem exponencialmente seu tempo de resposta conforme os recursos se esgotam. Trabalhos recentes têm sugerido abordagens proativas, combinando métodos de aprendizagem de máquina que permitem antecipar as decisões e adequar o máximo possível os recursos à demanda. Tal adequação é crucial para o sucesso de uma solução de elasticidade proativa, viabilizando decisões assertivas de dimensionamento que respondam com agilidade e precisão às variações de demanda e que contribuam para o equilíbrio dos objetivos de custo e desempenho. Esta tese de doutorado apresenta o ARENA, um mecanismo de elasticidade proativa para auto dimensionamento de funções virtualizadas de rede encadeadas auxiliado por predição de demanda baseada em aprendizagem de máquina para maximização da assertividade das decisões de dimensionamento horizontal e vertical.The main idea of Network Function Virtualization is the decoupling of physic network equipment from the functions that run on then, which could then be implemented in software running on industrial standard physical servers. This flexibilization enables the deployment of network services provided over cloud-based infrastructures and the ability to enforces network policies through the chaining of different functions in which some traffic should traverse to accomplish it. The fluctuation of service demands will require from resource management the continuous elasticity of resources to meet cost and performance objectives, by allocating or releasing resources to avoid under/over-provisioning. Traditionally, elasticity is offered through reactive approaches based on threshold-based rules to perform elastic actions, although they tend to the scarcity of resources and increasing service response time. Recent work has suggested proactive approaches, through combining Machine Learning-based models which allows anticipating decisions and optimize the adjustment of resources to demand. Such optimization is crucial for a successful proactive elasticity solution, which enables assertive auto-scaling decisions to rapidly respond to demand fluctuation and contributes to the balance of cost-performance objectives. This doctoral thesis presents ARENA, a proactive autoscaling mechanism with Machine Learning-based demand prediction for maximization of assertive decisions in horizontal and vertical elasticity.Universidade Federal do Rio Grande do NortePROGRAMA DE PÓS-GRADUAÇÃO EM SISTEMAS E COMPUTAÇÃOUFRNBrasilFunções virtuais de redeDimensionamento de funções virtuaisAprendizado de máquinaPredição de demandaFunções de rede encadeadasAutodimensionamento proativo para elasticidade assertiva de funções de rede virtuais em cadeias de serviçoProactive autoscaling towards assertive elasticity of virtual network functions in service chainsinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFRNinstname:Universidade Federal do Rio Grande do Norte (UFRN)instacron:UFRNORIGINALAutodimensionamentoproativoelasticidade_Jardim_2020.pdfapplication/pdf18796546https://repositorio.ufrn.br/bitstream/123456789/30988/1/Autodimensionamentoproativoelasticidade_Jardim_2020.pdf6c2a014651284c337c9bca60f32e914fMD51TEXTAutodimensionamentoproativoelasticidade_Jardim_2020.pdf.txtAutodimensionamentoproativoelasticidade_Jardim_2020.pdf.txtExtracted texttext/plain182584https://repositorio.ufrn.br/bitstream/123456789/30988/2/Autodimensionamentoproativoelasticidade_Jardim_2020.pdf.txt6335c3b9b0886171120753dadda377d6MD52THUMBNAILAutodimensionamentoproativoelasticidade_Jardim_2020.pdf.jpgAutodimensionamentoproativoelasticidade_Jardim_2020.pdf.jpgGenerated Thumbnailimage/jpeg1249https://repositorio.ufrn.br/bitstream/123456789/30988/3/Autodimensionamentoproativoelasticidade_Jardim_2020.pdf.jpg1e02e1ee5c9ba247f0e3b4cf6d28a79fMD53123456789/309882020-12-20 05:00:11.08oai:https://repositorio.ufrn.br:123456789/30988Repositório de PublicaçõesPUBhttp://repositorio.ufrn.br/oai/opendoar:2020-12-20T08:00:11Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN)false
dc.title.pt_BR.fl_str_mv Autodimensionamento proativo para elasticidade assertiva de funções de rede virtuais em cadeias de serviço
dc.title.alternative.pt_BR.fl_str_mv Proactive autoscaling towards assertive elasticity of virtual network functions in service chains
title Autodimensionamento proativo para elasticidade assertiva de funções de rede virtuais em cadeias de serviço
spellingShingle Autodimensionamento proativo para elasticidade assertiva de funções de rede virtuais em cadeias de serviço
Jardim, Sandino Barros
Funções virtuais de rede
Dimensionamento de funções virtuais
Aprendizado de máquina
Predição de demanda
Funções de rede encadeadas
title_short Autodimensionamento proativo para elasticidade assertiva de funções de rede virtuais em cadeias de serviço
title_full Autodimensionamento proativo para elasticidade assertiva de funções de rede virtuais em cadeias de serviço
title_fullStr Autodimensionamento proativo para elasticidade assertiva de funções de rede virtuais em cadeias de serviço
title_full_unstemmed Autodimensionamento proativo para elasticidade assertiva de funções de rede virtuais em cadeias de serviço
title_sort Autodimensionamento proativo para elasticidade assertiva de funções de rede virtuais em cadeias de serviço
author Jardim, Sandino Barros
author_facet Jardim, Sandino Barros
author_role author
dc.contributor.authorID.pt_BR.fl_str_mv
dc.contributor.authorLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/4366909440552005
dc.contributor.advisorID.pt_BR.fl_str_mv
dc.contributor.advisorLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/1467664612924239
dc.contributor.advisor-co1ID.pt_BR.fl_str_mv
dc.contributor.referees1.none.fl_str_mv Canuto, Anne Magaly de Paula
dc.contributor.referees1ID.pt_BR.fl_str_mv
dc.contributor.referees1Lattes.pt_BR.fl_str_mv http://lattes.cnpq.br/1357887401899097
dc.contributor.referees2.none.fl_str_mv Bedregal, Benjamin Rene Callejas
dc.contributor.referees2ID.pt_BR.fl_str_mv
dc.contributor.referees3.none.fl_str_mv Bustos, Harold Ivan Angulo
dc.contributor.referees3ID.pt_BR.fl_str_mv
dc.contributor.author.fl_str_mv Jardim, Sandino Barros
dc.contributor.advisor-co1.fl_str_mv Curado, Marília
dc.contributor.advisor-co1Lattes.fl_str_mv http://lattes.cnpq.br/8221049000925521
dc.contributor.advisor1.fl_str_mv Venâncio Neto, Augusto José
contributor_str_mv Curado, Marília
Venâncio Neto, Augusto José
dc.subject.por.fl_str_mv Funções virtuais de rede
Dimensionamento de funções virtuais
Aprendizado de máquina
Predição de demanda
Funções de rede encadeadas
topic Funções virtuais de rede
Dimensionamento de funções virtuais
Aprendizado de máquina
Predição de demanda
Funções de rede encadeadas
description A virtualização de funções de rede é uma tecnologia que propõe desacoplar funções de rede tradicionalmente alocadas sobre hardware especializado e disponibilizá-las como elementos de software com premissa de execução sobre servidores de propósito geral. Tal flexibilização permite a oferta de serviços de rede alocados sobre infraestruturas de nuvem e facilita o estabelecimento de políticas de rede a partir do encadeamento de diferentes funções pelo qual um determinado tráfego deva atravessar para seu cumprimento. A variação da demanda pelos serviços hospedados vai exigir da gestão de recursos o atributo de elasticidade para lidar com objetivos de desempenho, ajustando os recursos computacionais das funções para lidar com aumento de demanda, e custos de operação, evitando provisionamento além da necessidade. Tradicionalmente, a elasticidade é oferecida por abordagens reativas baseadas em limiares, mas apresentam a tendência de aumentarem exponencialmente seu tempo de resposta conforme os recursos se esgotam. Trabalhos recentes têm sugerido abordagens proativas, combinando métodos de aprendizagem de máquina que permitem antecipar as decisões e adequar o máximo possível os recursos à demanda. Tal adequação é crucial para o sucesso de uma solução de elasticidade proativa, viabilizando decisões assertivas de dimensionamento que respondam com agilidade e precisão às variações de demanda e que contribuam para o equilíbrio dos objetivos de custo e desempenho. Esta tese de doutorado apresenta o ARENA, um mecanismo de elasticidade proativa para auto dimensionamento de funções virtualizadas de rede encadeadas auxiliado por predição de demanda baseada em aprendizagem de máquina para maximização da assertividade das decisões de dimensionamento horizontal e vertical.
publishDate 2020
dc.date.accessioned.fl_str_mv 2020-12-14T23:30:56Z
dc.date.available.fl_str_mv 2020-12-14T23:30:56Z
dc.date.issued.fl_str_mv 2020-10-23
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv JARDIM, Sandino Barros. Autodimensionamento proativo para elasticidade assertiva de funções de rede virtuais em cadeias de serviço. 2020. 103f. Tese (Doutorado em Ciência da Computação) - Centro de Ciências Exatas e da Terra, Universidade Federal do Rio Grande do Norte, Natal, 2020.
dc.identifier.uri.fl_str_mv https://repositorio.ufrn.br/handle/123456789/30988
identifier_str_mv JARDIM, Sandino Barros. Autodimensionamento proativo para elasticidade assertiva de funções de rede virtuais em cadeias de serviço. 2020. 103f. Tese (Doutorado em Ciência da Computação) - Centro de Ciências Exatas e da Terra, Universidade Federal do Rio Grande do Norte, Natal, 2020.
url https://repositorio.ufrn.br/handle/123456789/30988
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Federal do Rio Grande do Norte
dc.publisher.program.fl_str_mv PROGRAMA DE PÓS-GRADUAÇÃO EM SISTEMAS E COMPUTAÇÃO
dc.publisher.initials.fl_str_mv UFRN
dc.publisher.country.fl_str_mv Brasil
publisher.none.fl_str_mv Universidade Federal do Rio Grande do Norte
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFRN
instname:Universidade Federal do Rio Grande do Norte (UFRN)
instacron:UFRN
instname_str Universidade Federal do Rio Grande do Norte (UFRN)
instacron_str UFRN
institution UFRN
reponame_str Repositório Institucional da UFRN
collection Repositório Institucional da UFRN
bitstream.url.fl_str_mv https://repositorio.ufrn.br/bitstream/123456789/30988/1/Autodimensionamentoproativoelasticidade_Jardim_2020.pdf
https://repositorio.ufrn.br/bitstream/123456789/30988/2/Autodimensionamentoproativoelasticidade_Jardim_2020.pdf.txt
https://repositorio.ufrn.br/bitstream/123456789/30988/3/Autodimensionamentoproativoelasticidade_Jardim_2020.pdf.jpg
bitstream.checksum.fl_str_mv 6c2a014651284c337c9bca60f32e914f
6335c3b9b0886171120753dadda377d6
1e02e1ee5c9ba247f0e3b4cf6d28a79f
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN)
repository.mail.fl_str_mv
_version_ 1802117664555925504

Registros relacionados