[論文レビュー] Evaluating Cbr Similarity Functions For Bam Switching In Networks With Dynamic Traffic Profile

Eliseu M. Oliveira, Rafael F. Reale+1 more|arXiv (Cornell University)|Jan 19, 2017

Service-Oriented Architecture and Web Services被引用数 2

ひとこと要約

本論文は、変動するトラフィックを伴うIP/MPLSネットワークにおける動的帯域幅割り当てモデル（BAM）の最適選択を自律的に行うために、ケースベース推論（CBR）フレームワーク内での類似度関数の評価を行う。トラフィック指標、BAMの挙動、性能のしきい値に基づいて、現在のネットワーク状態と一致する過去の事例を類似度関数を用いて検索することで、適切なBAMスイッチの推薦に成功し、リアルタイムのトラフィックダイナミクスに駆動される適応的ネットワーク管理におけるCBRの可能性を示している。

ABSTRACT

In an increasingly complex scenario for network management, a solution that allows configuration in more autonomous way with less intervention of the network manager is expected. This paper presents an evaluation of similarity functions that are necessary in the context of using a learning strategy for finding solutions. The learning approach considered is based on Case-Based Reasoning (CBR) and is applied to a network scenario where different Bandwidth Allocation Models (BAMs) behaviors are used and must be eventually switched looking for the best possible network operation. In this context, it is required to identify and configure an adequate similarity function that will be used in the learning process to recover similar solutions previously considered. This paper introduces the similarity functions, explains the relevant aspects of the learning process in which the similarity function plays a role and, finally, presents a proof of concept for a specific similarity function adopted. Results show that the similarity function was capable to get similar results from the existing use case database. As such, the use of similarity functions with CBR technique has proved to be potentially satisfactory for supporting BAM switching decisions mostly driven by the dynamics of input traffic profile.

研究の動機と目的

• IP/MPLSネットワークにおける変化するトラフィックプロファイルに応じて、最適な帯域幅割り当てモデル（BAM）を動的に選択する課題に対処すること。
• CBRの検索段階における類似度関数の有効性を、BAMスイッチング意思決定の文脈で評価すること。
• 過去のネットワーク設定および性能事例から学習することができるCBR-BAMモジュールの開発と検証すること。
• 自動化されたBAMモデルスイッチングにより、人的介入を最小限に抑えて自律的ネットワーク管理を実現すること。
• 類似度関数が、変動するトラフィック環境下での意思決定に必要な関連する過去の事例を信頼性高く検索できるかどうかを評価すること。

提案手法

• 過去の事例を用いたネットワーク管理意思決定をモデル化するため、CBRの4Rサイクル（検索、再利用、再評価、保持）を採用した。
• 文脈（BAMモデル、ポリシー制限、帯域制約）、問題の兆候（ブロッキング、プリエンプション、デヴォリューション）、リアルタイム測定値（各トラフィッククラスごとの利用度、ブロッキング率、プリエンプション、デヴォリューション）を用いて、事例の属性を定義した。
• トラフィッククラスおよびBAMタイプにわたる重み付き指標を用いて、現在の事例と保存済み事例との間の距離を計算するカスタム類似度関数を設計した。
• 3つのBAMモデル（MAM、RDM、ATC-S）と、各モデルに対して6つのトラフィックシナリオをカバーする54件の事例を用いたプロトタイプ実装を行った。
• 類似度計算には正規化されたユークリッド距離を用い、ブロッキング率、プリエンプション、利用度などの重要なパフォーマンス指標に重みを付与した。
• 新しい事例（例：フレッドのケース）のシミュレーションを実施し、期待されるBAM推薦と比較して検索精度を測定することで、システムの妥当性を検証した。

実験結果

リサーチクエスチョン

• RQ1 変動するネットワーク環境下で、BAMスイッチング意思決定のための関連する過去の事例を検索する際、類似度関数の有効性はいかほどか？
• RQ2 ネットワーク指標とBAM属性のどの組み合わせが、ネットワーク管理におけるCBRの類似度ベースの事例検索において最も高い正確性を達成するか？
• RQ3 CBR-BAMモジュールは、履歴事例データに基づき、新しいトラフィック状態に対して適切なBAMモデルを的確に推薦できるか？
• RQ4 類似度関数は、進化するトラフィックプロファイルに応じた自律的学習と適応にどの程度寄与できるか？
• RQ5 MAM、RDM、ATC-Sといった多様なBAMモデルが、変動するトラフィックダイナミクスと性能しきい値の下で、どのようにシステムの性能を示すか？

主な発見

• 類似度関数は、CBRデータベースから関連する過去の事例を正常に検索でき、類似したネットワーク状態を同定できる能力を示した。
• プロトタイプ実装において、利用度が低い新しいケース（フレッド）に対して、システムは正しくMAMを最適なBAMとして推薦し、期待される解決策と一致した。
• ブロッキングやプリエンプションが顕著なケースでは、システムが一貫してMAMまたはRDMへのスイッチを推奨しており、事前に定義された意思決定ルールと整合的であった。
• 類似度関数は、事例検索において高い正確性を達成しており、上位ランクの事例は、トラフィック指標とBAM挙動の両面で強い整合性を示した。
• CBR-BAMモジュールは、複数のテストシナリオにわたり一貫した性能を示し、検索された事例の関連性を示す類似度スコアが強く支持された。
• 結果として、適切に設計された類似度関数を備えたCBRが、変動するトラフィックプロファイルに駆動される自律的BAMスイッチング意思決定を支援できることを確認した。