E. Neto, Felipe S. Dantas Silva, Marcilio Lemos, Augusto Neto
A ausência de padronização das APIs dos controladores SDN exige um alto nível de customização das aplicações contruídas sob o plano de controle para as APIs específicas de cada controlador adotado. Isso resulta em mau aproveitamento de recursos e funcionalidades da rede bem como retrabalho aos operadores da infraestrutura. Neste contexto, este trabalho propõe o ATOM, uma arquitetura para gerenciamento de controladores SDN que permite que as operações de gerenciamento da rede possam ser realizadas por uma aplicação externa que viabiliza o gerenciamento dos recursos de rede de forma dinâmica e ubíqua. A proposta foi validada através de implementações para gerenciamento do controlador Ryu e os resultados preliminares, considerando tarefas específicas de criação de fluxos, relevaram uma redução no tempo de processamento para as operações relacionadas.
{"title":"Uma Solução para Potencializar a Adaptação e Gerenciamento de Funcionalidades de Infraestruturas Baseadas em SDN","authors":"E. Neto, Felipe S. Dantas Silva, Marcilio Lemos, Augusto Neto","doi":"10.5753/wgrs.2019.7685","DOIUrl":"https://doi.org/10.5753/wgrs.2019.7685","url":null,"abstract":"A ausência de padronização das APIs dos controladores SDN exige um alto nível de customização das aplicações contruídas sob o plano de controle para as APIs específicas de cada controlador adotado. Isso resulta em mau aproveitamento de recursos e funcionalidades da rede bem como retrabalho aos operadores da infraestrutura. Neste contexto, este trabalho propõe o ATOM, uma arquitetura para gerenciamento de controladores SDN que permite que as operações de gerenciamento da rede possam ser realizadas por uma aplicação externa que viabiliza o gerenciamento dos recursos de rede de forma dinâmica e ubíqua. A proposta foi validada através de implementações para gerenciamento do controlador Ryu e os resultados preliminares, considerando tarefas específicas de criação de fluxos, relevaram uma redução no tempo de processamento para as operações relacionadas.","PeriodicalId":353889,"journal":{"name":"Anais do Workshop de Gerência e Operação de Redes e Serviços","volume":"1 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2019-09-23","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"129691568","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Diogo M. F. Mattos, Dianne S. V. Medeiros, N. C. Fernandes, L. Magalhães
Inferir a qualidade da experiência de usuários de redes sem fio é desafiador, pois o monitoramento da rede não captura a qualidade para cada usuário individualmente. Este artigo propõe uma abordagem não supervisionada, baseada em aprendizado de máquina, para inferir a qualidade de experiência de diferentes perfis de uso de uma rede sem fio de grande escala. A abordagem proposta usa a correlação entre dados de uso de pontos de acesso e estatísticas de fluxos de dados na rede. A ideia central da proposta é coletar dados de utilização de diversos pontos de acesso, correlacioná-los com as estatísticas dos fluxos das conexões que passam pelos pontos de acesso, reportados pelo NetFlow, e, a partir da aplicação do algoritmo de agrupamento k-means, inferir diferentes perfis de uso da rede. A abordagem proposta foi avaliada na rede sem fio real de grande escala e os resultados mostram que a separação dos fluxos em cinco agrupamentos permite identificar perfis característicos de estados degradados da rede e situações de sobrecarga em pontos de acesso, considerando apenas as estatísticas de fluxos reportadas.
{"title":"Uma Abordagem Não Supervisionada para Inferir Qualidade de Experiência em Redes Sem Fio de Grande Escala","authors":"Diogo M. F. Mattos, Dianne S. V. Medeiros, N. C. Fernandes, L. Magalhães","doi":"10.5753/wgrs.2019.7683","DOIUrl":"https://doi.org/10.5753/wgrs.2019.7683","url":null,"abstract":"Inferir a qualidade da experiência de usuários de redes sem fio é desafiador, pois o monitoramento da rede não captura a qualidade para cada usuário individualmente. Este artigo propõe uma abordagem não supervisionada, baseada em aprendizado de máquina, para inferir a qualidade de experiência de diferentes perfis de uso de uma rede sem fio de grande escala. A abordagem proposta usa a correlação entre dados de uso de pontos de acesso e estatísticas de fluxos de dados na rede. A ideia central da proposta é coletar dados de utilização de diversos pontos de acesso, correlacioná-los com as estatísticas dos fluxos das conexões que passam pelos pontos de acesso, reportados pelo NetFlow, e, a partir da aplicação do algoritmo de agrupamento k-means, inferir diferentes perfis de uso da rede. A abordagem proposta foi avaliada na rede sem fio real de grande escala e os resultados mostram que a separação dos fluxos em cinco agrupamentos permite identificar perfis característicos de estados degradados da rede e situações de sobrecarga em pontos de acesso, considerando apenas as estatísticas de fluxos reportadas.","PeriodicalId":353889,"journal":{"name":"Anais do Workshop de Gerência e Operação de Redes e Serviços","volume":"32 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2019-09-23","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"128123631","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
京公网安备 11010802042870号
京ICP备2023020795号-1
扫码关注我们
求助内容：
应助结果提醒方式：