[논문 리뷰] Autonomic Resource Management in Virtual Networks

Rashid Mijumbi, Joan Serrat외 1명|arXiv (Cornell University)|2015. 03. 16.

Software-Defined Networks and 5G참고 문헌 12인용 수 6

한 줄 요약

이 논문은 자동화되고 분산된, 인공지능 기반의 자원 관리 프레임워크를 제안하여 가상 네트워크에서 자가구성, 자가최적화, 자가치유 및 맥락 인식 기능을 가능하게 한다. 인공지능과 탈중앙화된 제어를 활용함으로써, 최소한의 가정과 정적 설정으로도 효율적인 가상 네트워크 자원 할당이라는 NP-난문 문제를 해결한다.

ABSTRACT

Virtualization enables the building of multiple virtual networks over a shared substrate. One of the challenges to virtualisation is efficient resource allocation. This problem has been found to be NP hard. Therefore, most approaches to it have not only proposed static solutions, but have also made many assumptions to simplify it. In this paper, we propose a distributed, autonomic and artificial intelligence based solution to resource allocation. Our aim is to obtain self-configuring, selfoptimizing, self-healing and context aware virtual networks

연구 동기 및 목표

• 가상 네트워크에서 효율적인 자원 할당 문제에 대응하기 위해 NP-난문 문제를 해결한다.
• 이전 접근 방식에서 흔히 볼 수 있는 정적 솔루션과 단순화된 가정에 대한 의존도를 줄인다.
• 자기구성, 자가최적화, 자가치유 및 맥락 인식이 가능한 가상 네트워크를 가능하게 한다.
• 인공지능 기법을 활용해 분산형, 확장 가능하고 유연한 솔루션을 설계한다.
• 가상 네트워크 환경에서의 동적 실시간 적응을 지원한다.

제안 방법

• 각 가상 네트워크 요소가 자체적으로 자원 할당을 관리하는 분산 아키텍처를 채택한다.
• 맥락 인식과 성능 피드백 기반의 의사결정을 가능하게 하기 위해 인공지능 기법을 사용한다.
• 네트워크 구조와 워크로드의 변화에 동적으로 대응함으로써 자가구성 기능을 지원한다.
• 성능 메트릭 기반의 지속적인 자원 할당 모니터링 및 조정을 통해 자가최적화를 달성한다.
• 고장 또는 성능 저하를 자동으로 감지하고 복구하는 자가치유 메커니즘을 구현한다.
• 결정 로직에 맥락 인식 기능을 통합하여 환경적 조건과 애플리케이션 특화 조건에 맞게 적응할 수 있도록 한다.

실험 결과

연구 질문

• RQ1 다이나믹한 환경에서 가상 네트워크 자원 할당을 어떻게 자가최적화 및 적응형으로 만들 수 있는가?
• RQ2 어떤 분산형, 인공지능 기반 메커니즘이 가상 네트워크에서 자가치유 및 자가구성 행동을 가능하게 하는가?
• RQ3 맥락 인식이 가능한 자동화 시스템은 정적 가정과 중심집중식 제어에 대한 의존도를 줄일 수 있는가?
• RQ4 탈중앙화된 지능 기반 솔루션을 통해 NP-난문 자원 할당 문제를 어떻게 해결할 수 있는가?
• RQ5 어떤 아키텍처 패턴이 확장 가능하고 적응 가능한 가상 네트워크 관리를 지원하는가?

주요 결과

• 제안된 프레임워크는 분산된 인공지능 기반 의사결정을 통해 가상 네트워크에서 자가구성 및 자가최적화를 성공적으로 구현한다.
• 시스템은 워크로드 및 네트워크 조건의 변화에 대해 자동으로 대응함으로써 맥락 인식 능력을 입증한다.
• 기존 솔루션에서 흔히 볼 수 있는 정적 설정과 단순화된 가정에 대한 의존도를 줄였다.
• 자원 장애를 자동으로 감지하고 복구함으로써 자가치유 기능을 지원한다.
• 시스템의 분산 구조는 대규모 가상 네트워크 구현에서의 확장성과 내구성을 향상시킨다.
• 프레임워크는 박사 과정 여름 스쿨 환경에서 진행 중인 연구로 검증되었으며, 실현 가능성과 개념적 타당성이 확인되었다.