Banca de QUALIFICAÇÃO: THIAGO PEREIRA DA SILVA

Uma banca de QUALIFICAÇÃO de DOUTORADO foi cadastrada pelo programa.
DISCENTE : THIAGO PEREIRA DA SILVA
DATA : 20/07/2022
HORA: 14:00
LOCAL: Google Meet
TÍTULO:

Uma abordagem baseada em aprendizado online por agrupamento para dimensionamento de VNF na borda


PALAVRAS-CHAVES:

Escalonamento automático, computação de borda, aprendizado de máquina online, aprendizado conjunto,
Funções de rede virtual.


PÁGINAS: 80
RESUMO:

Plataformas de Computação na Borda (EC) foram propostas recentemente para gerenciar aplicativos de emergência com alta carga computacional e baixos requisitos de tempo de resposta. Essas plataformas aproveitam a natureza distribuída dos dispositivos de borda próximos aos usuários finais e fontes de dados, minimizando restrições como consumo de largura de banda, congestionamento de rede, tempo de resposta e custos operacionais impostos pelos provedores de nuvem. Existem diferentes implementações do conceito de Computação na Borda, como a Computação na Borda Multi-Accesso (MEC). O Instituto Europeu de Padrões de Telecomunicações (ETSI) especificou o ETSI MEC, um novo ecossistema e cadeia de valor que oferece aos desenvolvedores de aplicativos e provedores de conteúdo recursos de computação em nuvem e um ambiente de serviço de Tecnologia da Informação (TI) na borda da rede. Para fornecer mais agilidade e flexibilidade no provisionamento de serviços e reduzir os custos de implantação para provedores de infraestrutura, tecnologias como a Virtualização de Funções de Rede (NFV) são frequentemente usadas em ambientes de produção. A NFV promove a dissociação de hardware e funções de rede usando tecnologias de virtualização, permitindo que sejam executados em máquinas virtuais ou contêineres como software. Funções de rede ou funções de camadas ainda mais altas são implementadas como entidades de software chamadas Virtual Network Functions (VNFs). Portanto, a principal vantagem do NFV é permitir que vários VNFs sejam executados em apenas um servidor e dimensione-os para consumir os recursos livres restantes. A integração dos paradigmas Computação na Borda e NFV, conforme proposto pelo ETSI MEC, possibilita a criação de um ecossistema para aplicações 5G. Essa integração permite a criação de cadeias VNF, representando serviços de ponta a ponta para usuários finais e sua implantação em nós de borda. Um Service Function Chaining (SFC) compreende um conjunto de VNFs encadeados em uma determinada ordem, onde cada VNF pode ser executado em um nó de borda diferente. Os principais desafios nesse ambiente dizem respeito ao provisionamento e desprovisionamento dinâmico de recursos distribuídos na borda para executar as VNFs e atender aos requisitos da aplicação, otimizando o custo para o provedor de infraestrutura. Nesse sentido, dimensionar VNFs nesse ambiente representa criar novos contêineres ou máquinas virtuais e realocar recursos para eles. No entanto, a execução manual das ações de dimensionamento é impraticável e as abordagens de dimensionamento automático são necessárias devido à variação na carga de trabalho e à natureza dinâmica do ambiente EC. Este trabalho apresenta uma abordagem híbrida de autoescalonamento para o escalonamento dinâmico de VNFs no ambiente de computação de borda. Essa abordagem de dimensionamento automático emprega uma técnica de aprendizado de máquina online que consiste em diferentes modelos de aprendizado de máquina online básicos que preveem a carga de trabalho futura. A arquitetura dessa abordagem de autoescalonamento segue a abstração do loop de controle MAPE-K (Monitor-Analyze-Plan-Execute over a shared Knowledge) para ajustar dinamicamente o número de recursos em resposta às alterações da carga de trabalho. Essa abordagem é inovadora porque prevê proativamente a carga de trabalho para antecipar ações de dimensionamento e se comporta de forma reativa quando o modelo de previsão não atende à qualidade desejada. Além disso, nossa solução não requer conhecimento prévio do comportamento dos dados, o que a torna adequada para uso em diferentes contextos. Também desenvolvemos um algoritmo para dimensionar as instâncias VNF no ambiente de computação de borda que usa uma estratégia para definir quantos recursos alocar ou desalocar para uma instância VNF durante uma ação de dimensionamento. Por fim, avaliamos o método de agrupamento e o algoritmo proposto, comparando o desempenho da previsão e a quantidade de ações de dimensionamento e violações de SLA.


MEMBROS DA BANCA:
Presidente - 1213777 - THAIS VASCONCELOS BATISTA
Externo ao Programa - 2510306 - FREDERICO ARAUJO DA SILVA LOPES - UFRNExterna à Instituição - ATSLANDS ROCHA - UFC
Externa à Instituição - FLAVIA COIMBRA DELICATO - UFF
Externo à Instituição - PAULO DE FIGUEIREDO PIRES - UFF
Notícia cadastrada em: 23/06/2022 08:22
SIGAA | Superintendência de Tecnologia da Informação - (84) 3342 2210 | Copyright © 2006-2024 - UFRN - sigaa14-producao.info.ufrn.br.sigaa14-producao