Multi-objective mechanisms for dynamic resource adaptation in virtualized network environments

Awad, Mirna (2023). Multi-objective mechanisms for dynamic resource adaptation in virtualized network environments. Thèse de doctorat électronique, Montréal, École de technologie supérieure.

Prévisualisation

PDF Télécharger (2MB) | Prévisualisation

Résumé

The growth of virtualization technologies and cloud solutions has fundamentally transformed the management and utilization of computing resources. These advancements have empowered cloud providers to offer scalable, flexible, and cost-effective services to their customers. However, with the ever-increasing demand for cloud services, effective resource management has become a critical concern. To address this challenge, various strategies, such as workload consolidation, resource utilization prediction, and resource scaling and migration techniques, have been proposed to optimize resource management in virtualized environments. This thesis presents a pioneering set of adaptive multi-objective resource management techniques designed to maximize resource utilization, reduce energy consumption, and ensure compliance with Service Level Agreement (SLA) requirements.

Considering the inherent challenges of workload variability, application diversity, and conflicting optimization goals, the research encapsulates several significant contributions, each focusing on a specific aspect of resource management. First, the dynamic resource adaptation problem within Network Function Virtualization (NFV)-cloud environments is explored, incorporating resource scaling and migration strategies for service function chains (SFCs). This resource allocation problem is tackled from a novel perspective, formulated as Integer Linear Programming (ILP) model and developed to generate optimal solutions. Second, innovative multi-objective decision-making metaheuristic algorithms, based on NSGAII, CRO, and PSO, are proposed to enable real-time resource adaptation with sub-optimal solutions. Third, proactive resource reallocation is investigated through the development of a multi-resource and multi-step-ahead workload prediction model. By integrating the Kalman filter and support vector regression, this model accurately anticipates host resource utilization, including CPU, memory, and bandwidth. Fourth, building upon this predictive capability, an optimized consolidation approach is introduced, incorporating proactive host state estimation strategies for overload and underload detection. To validate the effectiveness of the proposed techniques, extensive experiments are conducted employing diverse datasets such as Planetlab, Materna, and Bitbrains, coupled with the Cloudsim simulator. The experimental results demonstrate the potential of these techniques to enhance resource management in virtualized environments.

Titre traduit

Mécanismes multi-objectifs pour l'adaptation dynamique des ressources dans les environnements de réseaux virtualisés

Résumé traduit

La croissance des technologies de virtualisation et des solutions cloud a fondamentalement transformé la gestion et l'utilisation des ressources informatiques. Ces avancées ont permis aux fournisseurs de cloud d'offrir des services évolutifs, flexibles et rentables à leurs clients. Cependant, avec la demande croissante de services cloud, la gestion efficace des ressources est devenue une préoccupation majeure. Pour relever ce défi, diverses stratégies, telles que la consolidation des ressources, la prédiction de l'utilisation des ressources et les techniques d’élasticité et de migration des ressources, ont été proposées afin d'optimiser la gestion des ressources dans les environnements virtualisés. Cette thèse présente un ensemble novateur de techniques adaptatives de gestion des ressources, conçues pour maximiser l'utilisation des ressources, réduire la consommation d'énergie et garantir la conformité aux exigences des contrats de service (SLA).

En tenant compte des défis inhérents à la variabilité des charges de trafic, à la diversité des applications et aux objectifs d'optimisation contradictoires, cette recherche englobe plusieurs contributions significatives, chacune se concentrant sur un aspect spécifique de la gestion des ressources. Tout d'abord, le problème d'adaptation dynamique des ressources dans les environnements de virtualisation des fonctions réseau (NFV) est exploré, en intégrant des stratégies d’élasticité et de migration des ressources pour les chaînes de fonctions virtualisées (SFC). Ce problème d'allocation des ressources est abordé sous un angle innovant, formulé comme un modèle de programmation linéaire (ILP) et développé pour générer des solutions optimales. Deuxièmement, des algorithmes décisionnels métaheuristiques innovants et multiobjectifs, basés sur NSGAII, CRO et PSO, sont proposés pour adapter les ressources en temps réel avec des solutions sous-optimales. Troisièmement, la réallocation proactive des ressources est étudiée grâce au développement d'un modèle de prédiction des charges de trafic multiressources et multi-étapes. En intégrant le filtre de Kalman et la régression par vecteur de support (SVR), ce modèle anticipe avec précision la consommation des ressources des hôtes, y compris le CPU, la mémoire et la bande passante. Quatrièmement, en s'appuyant sur cette capacité prédictive, une approche de consolidation optimisée est présentée, incorporant des stratégies d'estimation proactive de l'état des hôtes pour la détection de la surcharge et de la sous-charge. Pour valider l'efficacité des techniques proposées, des expérimentations approfondies sont menées en utilisant des ensembles de données divers tels que Planetlab, Materna et Bitbrains, couplés au simulateur Cloudsim. Les résultats démontrent le potentiel de ces techniques pour améliorer la gestion des ressources dans les environnements virtualisés.

Type de document:	Mémoire ou thèse (Thèse de doctorat électronique)
Renseignements supplémentaires:	"Manuscript-based thesis presented to École de technologie supérieure in partial fulfillment for the degree of doctor of philosophy". Comprend des références bibliographiques (pages 151-165).
Mots-clés libres:	gestion et réallocation des ressources, élasticité et migration des ressources, virtualisation des fonctions réseau, infonuagique, méta-heuristique, algorithme génétique NSGAII, optimisation des réactions chimiques CRO, optimisation des essaims de particules PSO, modèle ILP, chaînes de services, prédiction des charges de trafic, consolidation, régression vectorielle de support SVR, filtre de Kalman, Cloudsim
Directeur de mémoire/thèse:	Directeur de mémoire/thèse Kara, Nadjia
Codirecteur:	Codirecteur Leivadeas, Aris
Programme:	Doctorat en génie > Génie
Date de dépôt:	27 oct. 2023 12:56
Dernière modification:	27 oct. 2023 12:56
URI:	https://espace.etsmtl.ca/id/eprint/3306

Gestion Actions (Identification requise)

Dernière vérification avant le dépôt