Clustering algorithms for dynamic adaptation of service function chains

El Mensoum, Imane (2019). Clustering algorithms for dynamic adaptation of service function chains. Mémoire de maîtrise électronique, Montréal, École de technologie supérieure.

Prévisualisation	PDF Télécharger (3MB) | Prévisualisation
Prévisualisation	PDF Télécharger (834kB) | Prévisualisation

Résumé

Network function virtualization is a pillar-stone of today’s network architectures as it offers better management and elasticity and allows also a flexible maintenance of services running on shared resources over cloud environments.

Network functions traditionally hosted on dedicated hardware are now provided over software based components that might run either on virtual machines or on containers. The major advantage of this transition is that it makes the deployment of new services easier while optimizing the management and administration of network architectures. It is much easier to spin up a new virtual machine/container hosting a network function or a specific application described as a service function chain, than to deploy a new hardware based equipment and checking its compatibility with the rest of the architecture.

With all the advantages that this new paradigm offers comes a set of challenges related mainly to: 1) optimizing the resource consumption on the shared infrastructure 2) making the best decision of placing the virtual functions that respects at the same time clients’ requirements and also leverages the available resources on the substrate network in terms of different metrics (e.g., CPU, memory, latency, bandwidth).

This aspect of Network Function Virtualization-NFV and Service Function Chains-SFC placement have been treated in so many research works that propose approaches ensuring optimal placement and chaining of VNFs in virtualized networks, but as the adoption of these technologies gets more important in real network setups, and given the strict restrictions of today’s’ applications (e.g. latency highly-sensitive applications, or availability highly-sensitive service, etc.), it is always important to consider all the parameters impacting the network management in cloud environments.

In this research project, we develop new approaches for placement and chaining of virtual network functions in cloud-based environments. The first approach allows forming on demand clusters of servers deployed in a physical infrastructure. These servers are grouped according to their similar attributes (e.g., CPU-intensive server, energy-efficient server, etc).

This process is a proactive measure to ensure that SFCs are hosted in servers that meet their specific metrics requirements (CPU, memory, disk, etc.). It employs a meta-heuristic called CRO (Chemical Reaction Optimization) to decide of the best VNF placement guaranteeing optimal resource consumption in terms of CPU / memory. We employ CRO also to ensure the lowest latencies during the routing between the different VNFs. In fact, the E2E delay is an important aspect to consider, as most current applications require low latencies and shortest run times. In the second approach, the clusters are formed using algorithms based on meta-heuristics, including the CRO, allowing to improve the quality of clusters formed in terms of similarity, density and modularity.

Titre traduit

Algorithmes de mise en grappes pour une adaptation dynamique des chaînes de services

Résumé traduit

La virtualisation des fonctions réseau est l’un des paradigmes les plus adoptées dans les architectures réseau d’aujourd’hui, car elle offre entre autres une meilleure gestion des ressources, ainsi qu’une maintenance flexible des services déployés sur des ressources partagées dans des environnements en nuage.

Les fonctions réseau traditionnellement hébergées sur du matériel dédié sont désormais fournies comme des composantes logicielles, pouvant s'exécuter soit sur des machines virtuelles, soit sur des conteneurs. L'avantage majeur de cette transition c’est qu'elle facilite le déploiement des nouveaux services tout en optimisant le temps de gestion et d’administration des architectures réseau. Il est beaucoup plus facile de créer une nouvelle machine virtuelle/conteneur qui hébergera une fonction de réseau /service ou une application spécifique décrite sous forme de chaîne de services que de déployer un nouvel équipement matériel et de vérifier sa compatibilité avec le reste de l’architecture mise en place.

Avec tous les avantages qu’offre ce nouveau paradigme se présente un ensemble de défis principalement liés à : 1) l’optimisation de la consommation de ressources sur l'infrastructure partagée 2) la prise des meilleures décisions d'ordonnancement et de placement des fonctions virtuelles tout en respectant les exigences des clients ainsi que les ressources disponibles sur le réseau physique exprimées par différentes métriques (ex., CPU, mémoire, latence, bande passante, etc.)

Ce concept de la virtualisation des fonctions réseau (Network Function Virtualization – NFV), et plus spécifiquement du placement des chaines de services (Service Function Chains - SFC) a été traité dans de nombreux travaux de recherche proposant des approches garantissant un placement et un routage optimaux des fonctions de réseau virtualisées (Virtual Network Function – VNF) dans des réseaux physiques partagés, mais comme l’adoption de la virtualisation prend de plus en plus d’envergure et vu les exigences de plus en plus strict des applications d’aujourd’hui (ex., applications hautement sensibles à la latence, à la disponibilité de service, etc.), il est toujours important de considérer tous les paramètres ayant un impact sur la gestion du réseau dans les environnements Infonuagique. Dans la cadre de ce projet de recherche, nous avons développé de nouvelles approches, pour le placement et le routage des fonctions réseau virtuelles dans des environnements Infonuagique. La première approche permet de former à la demande des grappes de serveurs déployés dans une l'infrastructure physique. Ces serveurs sont regroupés en fonction d'attributs similaires (ex., serveur à usage intensif en CPU, serveur efficace en énergie, etc.).

Ce processus constitue une mesure proactive permettant de s'assurer que les SFCs sont hébergées dans des serveurs garantissant leurs exigences en termes de métriques spécifiques (CPU, mémoire, disque…). Il utilise une méta-heuristique appelée CRO (Chemical Reaction Optimization) pour décider du meilleur placement des VNF garantissant une consommation de ressources optimale en termes de CPU / mémoire mais assurant également les latences les plus faibles lors du routage entre les différentes VNF, ce qui est un aspect important à considérer, car la plupart des applications actuelles demandent des latences faibles et des temps d’exécution les plus courts possible. Dans la deuxième approche, les grappes sont formées à l'aide d'algorithmes basés sur des méta-heuristiques, notamment le CRO, permettant d’améliorer la qualité des grappes constituées en termes de similarité, densité et modularité.

Type de document:	Mémoire ou thèse (Mémoire de maîtrise électronique)
Renseignements supplémentaires:	"Manuscript-based thesis presented to École de technologie supérieure in partial fulfillment for a master's degree with in concentration telecommunication networks". Comprend des références bibliographiques (pages 113-116).
Mots-clés libres:	virtualisation des fonctions réseau, chaines de services, méta-heuristique, allocation des ressources
Directeur de mémoire/thèse:	Directeur de mémoire/thèse Kara, Nadjia
Programme:	Maîtrise en ingénierie > Génie
Date de dépôt:	19 févr. 2020 17:01
Dernière modification:	19 févr. 2020 17:01
URI:	https://espace.etsmtl.ca/id/eprint/2452

Gestion Actions (Identification requise)

Dernière vérification avant le dépôt