Prevendo e identificando fluxos elefantes em redes de ponto de troca de tráfego com suporte à programabilidade

• Autor(a) principal: Silva, Marcus Vinicius Brito da
• Data de Publicação: 2019
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da UFRGS
• Texto Completo: http://hdl.handle.net/10183/193530
• topic: Redes : Computadores; Gerenciamento : Redes; Network management; Internet exchange point; Software-Defined networking; Programmable networks

Pontos de Troca de Tráfego (PTTs) são redes de alto desempenho e permitem que vários sistemas autônomos da Internet realizem troca de tráfego, com benefícios que vão desde reduções de custo à melhorias de desempenho. Como em qualquer rede, os operadores de PTTs enfrentam diários desafios de gerenciamento para promover um melhor uso dos serviços fornecidos pela rede. Um problema essencial no gerenciamento de PTTs diz respeito à identificação de fluxos elefantes, que se caracterizam por ter duração e tamanho de tráfego significativamente altos em relação a outros fluxos. Diante disso, esse trabalho apresenta um mecanismo para prever o comportamento de fluxos e identificar os fluxos elefantes, mesmo antes que excedam os limiares. Para isso, são utilizadas observações históricas de fluxos anteriores e a correlação temporal de seus comportamentos. A avaliações de desempenho mostra que o mecanismo de predição é capaz de prever o tamanho e a duração dos novos fluxos e reagir rapidamente aos fluxos elefantes, com apenas 32 amostras históricas no modelo de inferência. A acurácia do mecanismo obteve até 80% de sucesso em cenários conservadores, com aproximadamente 5% de falsos positivos Além disso, também é apresentado o IDEAFIX, um mecanismo para identificar fluxos elefantes diretamente no plano de dados, utilizando switches programáveis, quando não é possível validar as predições. Essa abordagem analisa o volume e duração dos fluxos para cada pacote que entra na rede, imediatamente no switch de borda. As informações são armazenadas em registradores, indexados por chaves hash, e comparadas com limiares predefinidos para classificar os fluxos. A avaliação mostra que o IDEAFIX é significativamente mais eficiente que as abordagens do estado-da-arte implementadas em SDNs (Software Defined Networking) tradicionais (por exemplo, OpenFlow), que utilizam amostragem de fluxo com sFlow. Enquanto o mecanismo baseado no estado-da-arte soma até 17MB de dados de monitoramento inseridos na rede, o IDEAFIX incorre em apenas 25KB. Por fim, o protótipo implementado em linguagem P4 leva menos de 0.40ms para identificar e reagir aos fluxos elefantes, com precisão de 95% em cenários com recursos de memória escassos.