PPGSC - Mestrado em Sistemas e Computação

URI Permanente para esta coleçãohttps://repositorio.ufrn.br/handle/123456789/12059

Navegar

Agora exibindo 1 - 3 de 3

Uma abordagem para o controle de elasticidade dinâmico voltada a sistemas cloud-network definidos por slices
(2019-07-31) Lima, Alisson Patrick Medeiros de; Venâncio Neto, Augusto José; ; ; Silva, Liliane Ribeiro da; ; Cacho, Nelio Alessandro Azevedo; ; Pasquini, Rafael; ; Sampaio, Silvio Costa;
Nesta última década, operadoras de telecomunicações têm adotado a tecnologia network slicing em seus sistemas, aplicando uma camada de virtualização sobre a infraestrutura física, permitindo fatiá-la em diferentes porções a serem disponibilizadas como serviço aos seus clientes. A softwarização e a cloudificação são tecnologias chave na arquitetura dos sistemas 5G, e habilitadores fundamentais para o aprovisionamento de network slices de forma eficiente. No entanto, a integração dessas tecnologias de forma coordenada sobre uma mesma infraestrutura virtualizada ainda se apresenta como uma tarefa desafiadora. Neste cenário, abordagens recentes visam estender o conceito de network slicing para a nuvem, na perspectiva de permitir que o slicing em infraestruturas de nuvens e redes seja orquestrado de forma coordenada, caracterizando assim os sistemas cloud-network definidos por slices. Neste novo cenário, uma abordagem eficiente para o controle da elasticidade de recursos é um fator fundamental para assegurar a utilização racional e eficiente dos recursos de redes e nuvem, garantindo assim a qualidade dos serviços oferecidos por esses sistemas, além de possibilitar uma sensível redução de gastos capitais (CAPEX) e operacionais (OPEX) desses sistemas. Enquanto o estado da arte no tema apresenta uma maioria de trabalhos que propõem uma abordagem estocástica para o controle e alocação de recursos (ex, largura de banda, CPU, memória, armazenamento em massa, e outros), neste trabalho, introduzimos um mecanismo de controle de elasticidade em sistemas cloudnetwork definidos por slices que apresenta maior eficiência na alocação de recursos em momentos críticos do sistema, principal desvantagem dos modelos estocásticos. Assim, a abordagem SLOTS (elaSticity in cLOud-neTwork Slices) proposta tem como principais características visão fim a fim em ambientes multi-domínios e conhecimento de situações críticas dirigidas por esgotamento de recursos. Um protótipo do SLOTS foi implementado e seus resultados preliminares sugerem que sua abordagem se apresenta como uma solução viável para fornecer a elasticidade de recursos em ambientes definidos por cloud-network slices em condições críticas de recursos e alta demanda.
Avaliação de estratégias de decisão de mobilidade MADM orientados para a qualidade em cenário de redes 5G
(Universidade Federal do Rio Grande do Norte, 2021-10-29) Lima, Mathews Phillipp Santos de; Venâncio Neto, Augusto José; http://lattes.cnpq.br/1467664612924239; http://lattes.cnpq.br/8399933680727233; Bedregal, Benjamin Rene Callejas; http://lattes.cnpq.br/4601263005352005; Corujo, Daniel; http://lattes.cnpq.br/6721536009688508; Sousa Júnior, Vicente Ângelo de; http://lattes.cnpq.br/6358312955522220
O crescimento do número de dispositivos móveis, também conhecidos como Equipamentos de Usuário (UE, do inglês User Equipment), conectados à Internet demandou o desenvolvimento de novas tecnologias de redes a fim de suprir a alta demanda de recursos (p. ex. altas taxas de largura de banda). Neste contexto, as redes móveis de quinta geração (5G) tem atraído grande atenção da comunidade científica e da indústria por sua capacidade avançada de suprir várias das deficiências das tecnologias anteriores. Entretanto, o gerenciamento de mobilidade em um cenário 5G depara-se com inúmeras necessidades a serem resolvidas, sendo a principal delas a decisão de handover. Entre as várias estratégias empregadas para lidar com o problema de decisão de handover, a tomada de Decisão baseada em Multi-Atributo (MADM, do inglês Multiple Attribute Decision Making) tem se mostrado como a mais efetiva em termos dos benefícios proporcionados por sua abordagem de tomada de decisão flexível. Devido à sua popularidade, os mecanismos de gerenciamento de mobilidade empregam cegamente métodos MADM, sem qualquer análise de desempenho completa que justifique a abordagem. Uma das principais razões para essa adoção é a falta de estudos que possam informar pesquisadores, desenvolvedores e operadores sobre as principais diferenças entre os vários métodos MADM disponíveis. Para preencher esta lacuna de conhecimento, neste trabalho apresenta uma revisão abrangente da literatura sobre métodos MADM no domínio das decisões de handover e fornece uma análise detalhada baseada em uma implementação matemática passo a passo. Além disso, é proposta uma estratégia para ampla avaliação de desempenho considerando todo o processo da abordagem MADM de forma orientada para a qualidade em um contexto de sistemas 5G.
Recuperação inteligente de desastres em sistemas de operação, gerenciamento e controle de infraestruturas 5G
(Universidade Federal do Rio Grande do Norte, 2024-04-30) Santos, Charles Hallan Fernandes dos; Venâncio Neto, Augusto José; http://lattes.cnpq.br/1467664612924239; http://lattes.cnpq.br/0099358331049231; Immich, Roger Kreutz; https://orcid.org/0000-0003-2483-6382; http://lattes.cnpq.br/0535777592588490; Fontes, Ramon dos Reis; Silva, Felipe Sampaio Dantas da
Soluções de gerenciamento para ecossistemas de telecomunicações baseadas em redes de quinta geração (5G, do inglês fifth generation) devem ser capazes de controlar os recursos da infraestrutura de maneira granular e automatizada. Ao adotar um modelo de gestão, as operadoras de serviço devem ter como objetivo atender os requisitos de qualidade dos seus clientes. Pensando nisso, as operadoras empregam centros de Operação, Gerenciamento e Controle (OMC, do inglês Operation, Management and Control), um ecossistema que envolve diferentes tecnologias e ferramentas que interoperam para fornecer funções de operação projetadas para garantir acordos de nível de serviço (SLA, do inglês Service Level Agreement) de forma contínua. Nesse sentido, a indisponibilidade de uma OMC pode representar um desastre para o provedor de serviços e seus usuários, tendo em vista a dependência dos dispositivos da infraestrutura de telecomunicação. Para garantir tolerância a falhas, sistemas de recuperação de desastre (DRS – Disaster Recovery Sistem) devem atuar sobre instâncias redundantes de OMC, onde a unidade de backup deve assumir o controle quando sua instância principal falha. Um DRS pode adotar características proativas, que detectam o desastre antes de sua ocorrência, maximizando a disponibilidade da OMC. Além disso, adoção de múltiplas instâncias de backup possui o potencial de aumentar as possibilidades de recuperação de uma OMC deficiente. Nesse sentindo, um DRS deve incorporar mecanismos de seleção para determinar o melhor backup para assumir as operações. Levando em consideração um DRS com detecção proativa de falhas, o algoritmo de seleção deve escolher a OMC reserva que realize a transição de sua execução e seus dados antes da ocorrência do desastre, de modo a aumentar sua disponibilidade. Para selecionar a OMC backup (i.e. candidata) mais apropriada, é necessário realizar um levantamento de índices de performance que determinem se um candidato é capaz de transferir a OMC principal dentro de um tempo estimado para a ocorrência da falha. Haja vista a ausência de mecanismos similares na literatura empregados no contexto de detecção e recuperação de desastres, esta pesquisa de mestrado se dedica à exploração de técnicas de Machine Learning para desenvolver um mecanismo de seleção de OMCs reservas. Neste contexto, ML é empregado para estimar o período necessário para migração de uma OMC para cada candidato, na hipótese de reduzir ou anular perdas de dados ao escolher a melhor OMC de reserva. Para tanto, é introduzido o iDRS (intelligent DRS), que se baseia em mecanismos inteligentes atuar na atribuição do controle dos OMCs, na hipótese de provisionar um sistema disponível para manter as redes 5G ao longo de sua vida útil. O iDRS coleta múltiplas informações que influenciam a migração do serviço para as localizações candidatas como métricas de performance da rede e dos recursos computacionais da infraestrutura virtualizada. A partir disso, um algoritmo de ML realiza a categorização dos candidatos em termos de estimativas de período de migração. Um estudo de caso baseado em testbed emulado atesta a eficácia do iDRS em termos de integridade dos dados da OMC comparado a algoritmos do estado-da-arte.

SIGAA

Navegar

Navegando PPGSC - Mestrado em Sistemas e Computação por Assunto "5G"