論文の概要: Routing-Led Placement of VNFs in Arbitrary Networks

• arxiv url: http://arxiv.org/abs/2001.11565v1
• Date: Thu, 30 Jan 2020 21:06:15 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-05 12:11:01.766343
• Title: Routing-Led Placement of VNFs in Arbitrary Networks
• Title（参考訳）: 任意ネットワークにおけるVNFの経路配置
• Authors: Joseph Billingsley, Ke Li, Wang Miao, Geyong Min, Nektarios Georgalas
• Abstract要約: 仮想化技術は、仮想ネットワーク機能(VNF)と呼ばれるコンポーネント部品を接続することで、サービスの作成を可能にする この問題に関する現在の研究は、VNFを配置することに集中しており、ルーティングを二次的な関心事と見なしている。 そこで我々は,新しいルーティング型アルゴリズムを提案し,各部品を様々なトポロジで解析する。
• 参考スコア（独自算出の注目度）: 21.790919473654153
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The ever increasing demand for computing resources has led to the creation of hyperscale datacentres with tens of thousands of servers. As demand continues to rise, new technologies must be incorporated to ensure high quality services can be provided without the damaging environmental impact of high energy consumption. Virtualisation technology such as network function virtualisation (NFV) allows for the creation of services by connecting component parts known as virtual network functions (VNFs). VNFs cam be used to maximally utilise available datacentre resources by optimising the placement and routes of VNFs, to maintain a high quality of service whilst minimising energy costs. Current research on this problem has focussed on placing VNFs and considered routing as a secondary concern. In this work we argue that the opposite approach, a routing-led approach is preferable. We propose a novel routing-led algorithm and analyse each of the component parts over a range of different topologies on problems with up to 16000 variables and compare its performance against a traditional placement based algorithm. Empirical results show that our routing-led algorithm can produce significantly better, faster solutions to large problem instances on a range of datacentre topologies.
• Abstract（参考訳）: コンピューティングリソースの需要はますます増加し、数万のサーバによるハイパースケールなデータセントリックの作成につながった。 需要が高まるにつれて、高エネルギー消費の環境影響を損なうことなく高品質なサービスを提供できるように、新しい技術が組み込まれなければならない。 ネットワーク機能仮想化(nfv)のような仮想化技術は、仮想ネットワーク機能(vnfs)と呼ばれるコンポーネント部品を接続することでサービスを作成することができる。 VNFカメラは、VNFの配置と経路を最適化することで利用可能なデータセントレ資源を最大限活用し、エネルギーコストを最小化しつつ、高品質なサービスを維持するために使用することができる。 この問題に関する最近の研究は、vnfの配置とルーティングを二次的な関心事とみなしている。 この研究では、逆のアプローチであるルーティング型アプローチが好ましいと論じる。 そこで本研究では,最大16000変数の問題に対して,各部品を多種多様なトポロジで解析し,その性能を従来の配置に基づくアルゴリズムと比較する。 実験結果から,我々のルーティング型アルゴリズムは,データ中心トポロジの大規模問題に対して,より優れた,より高速な解が得られることが示された。

関連論文リスト

• Joint Admission Control and Resource Allocation of Virtual Network Embedding via Hierarchical Deep Reinforcement Learning [69.00997996453842]
  本稿では,仮想ネットワークの埋め込みにおいて,入出力制御と資源配分を併用して学習する深層強化学習手法を提案する。 HRL-ACRAは,受入率と長期平均収益の両面で,最先端のベースラインを上回っていることを示す。
  論文  参考訳（メタデータ） (2024-06-25T07:42:30Z)
• Adaptive Resource Allocation for Virtualized Base Stations in O-RAN with Online Learning [60.17407932691429]
  基地局(vBS)を備えたオープンラジオアクセスネットワークシステムは、柔軟性の向上、コスト削減、ベンダーの多様性、相互運用性のメリットを提供する。 本研究では,予期せぬ「混み合う」環境下であっても,効率的なスループットとvBSエネルギー消費のバランスをとるオンライン学習アルゴリズムを提案する。 提案手法は, 課題のある環境においても, 平均最適性ギャップをゼロにすることで, サブ線形後悔を実現する。
  論文  参考訳（メタデータ） (2023-09-04T17:30:21Z)
• Network Aware Compute and Memory Allocation in Optically Composable Data Centres with Deep Reinforcement Learning and Graph Neural Networks [0.0]
  リソースを分離したデータセンタアーキテクチャは、データセンタ内でリソースをリモートにプールする手段を約束する。 データセンターネットワーク(DCN)における光スイッチング回路のバックボーンを用いて,これを実現する方法を示す。 本稿では, エンフディープ強化学習を用いて, 効率的なエンフネットワーク認識と, エンフトポロジ的にスケール可能なアロケーションポリシをエンドツーエンドに学習する方法を示す。
  論文  参考訳（メタデータ） (2022-10-26T09:46:50Z)
• Machine Learning-Based User Scheduling in Integrated Satellite-HAPS-Ground Networks [82.58968700765783]
  第6世代通信ネットワーク(6G)の強化のための価値あるソリューション空間の提供を約束する。 本稿では,空対地統合通信におけるユーザスケジューリングにおける機械学習の可能性について述べる。
  論文  参考訳（メタデータ） (2022-05-27T13:09:29Z)
• Multi Objective Resource Optimization of Wireless Network Based on Cross Domain Virtual Network Embedding [6.019028366261091]
  本稿では,無線ネットワークリソース割り当てのための多目的最適化VNEアルゴリズムを提案する。 提案した目的式によると、最適化マッピングコスト、ネットワーク遅延、VNR受け入れ率について検討する。
  論文  参考訳（メタデータ） (2022-02-03T07:26:10Z)
• IoV Scenario: Implementation of a Bandwidth Aware Algorithm in Wireless Network Communication Mode [49.734868032441625]
  本稿では,マルチドメイン仮想ネットワーク埋め込みアルゴリズム(BA-VNE)を提案する。 このアルゴリズムは主に、ユーザが無線通信モードで多くの帯域幅を必要とする問題を対象としている。 本アルゴリズムの性能向上のために,粒子群最適化(PSO)アルゴリズムを導入する。
  論文  参考訳（メタデータ） (2022-02-03T03:34:06Z)
• Federated Learning over Wireless IoT Networks with Optimized Communication and Resources [98.18365881575805]
  協調学習技術のパラダイムとしてのフェデレートラーニング(FL)は研究の注目を集めている。 無線システム上での高速応答および高精度FLスキームの検証が重要である。 提案する通信効率のよいフェデレーション学習フレームワークは,強い線形速度で収束することを示す。
  論文  参考訳（メタデータ） (2021-10-22T13:25:57Z)
• Deep Learning for Radio Resource Allocation with Diverse Quality-of-Service Requirements in 5G [53.23237216769839]
  本研究では,基地局の最適資源配分ポリシーを近似するディープラーニングフレームワークを開発する。 完全接続ニューラルネットワーク(NN)は,近似誤差とサブキャリア数の量子化誤差により,要求を完全に保証できないことがわかった。 無線チャネルの分布と無線ネットワークにおけるサービスのタイプが定常的でないことを考慮し,非定常的無線ネットワークにおけるNNの更新にディープトランスファー学習を適用した。
  論文  参考訳（メタデータ） (2020-03-29T04:48:22Z)
• Machine Learning for Performance-Aware Virtual Network Function Placement [3.5558885788605323]
  サービス機能チェーン(SFC)を形成する仮想ネットワーク機能インスタンスの効率的な配置から学習する機械学習決定ツリーモデルを開発する。 このモデルは入力としてネットワークからいくつかのパフォーマンス関連の特徴を取り、依存するVNFインスタンス間の遅延を最小限に抑える目的で、ネットワークサーバ上の様々なVNFインスタンスの配置を選択する。
  論文  参考訳（メタデータ） (2020-01-13T14:08:39Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。