Adaptation de capacité dans le réseau dédié de service pour la maximisation du bénéfice

摘要

Les réseaux dédiés de service (Service Overlay Network – SON) sont formés en plaçant des noeuds dédiés dans l’Internet et en les reliant par des liens dédiés établis avec de la bande passante, incluant garantie de Qualité de Service (QoS), achetée d’une multitude de Systèmes Autonomes Internet (AS). La bande passante est obtenue par accords de niveau de service (Service Level Agreement – SLA) avec les fournisseurs de service Internet qui sont propriétaires des AS. Par sa couverture sur la multitude de AS, le SON peut alors fournir la QoS de bout en bout aux connexions de services en temps réel qu’il admet.ududLa quantité de largeur de bande achetée a un effet à la fois sur le trafic admis et sur le coût du réseau, affectant ainsi le bénéfice de l’opérateur du réseau. Cela donne à ce dernier la possibilité d’optimiser son bénéfice en adaptant ses ressources de réseau aux conditions changeantes de la demande de trafic et des coûts de SLA. Deux éléments sont requis pour réaliser l’optimisation : une méthode efficace d’estimation en temps réel de la demande de trafic, et une approche d’adaptation de capacité optimale qui sera alimentée par l’estimation de la demande. Dans cette thèse, nous proposons des nouvelles approches pour répondre à ces besoins identifiés.ududNotre approche d’adaptation de capacité maximise le bénéfice du réseau en changeant lorsque requis les termes des SLA, afin d’adapter l’attribution de la largeur de bande des liens dédiés à de fréquentes estimations de demande de trafic. Pendant que s’effectue l’adaptation de capacité, le degré de service du réseau, spécifié par des contraintes de blocage de connexions, doit être maintenu. En s’appuyant sur un modèle économique, l’adaptation des ressources de lien est intégrée à la politique de contrôle d’admission de connexions (CAC) et de routage en vigueur dans le réseau. Dans notre approche, nous proposons d’appliquer une politique de CAC et routage, fondée sur la théorie de décision de Markov, qui maximise la récompense du réseau, bien que d’autres politiques de routage soient aussi applicables. L’intégration mène à un algorithme itératif et distribué d’adaptation de capacité de lien, où la sensibilité du bénéfice du réseau aux dimensions de lien est calculée à partir de la moyenne du shadow price de lien, qui lui-même constitue un paramètre du routage.ududDes approches d’estimation en temps réel de tendance de demande de trafic, fondée sur des mesures et convenant bien à l’adaptation de capacité du SON, sont ensuite proposées. Dans la première approche, le paramètre du modèle de lissage exponentiel (Exponential Smoothing – ES) est adapté à la tendance de trafic. La tendance dans ce cas est estimée en utilisant les fonctions d’autocorrélation et de distribution cumulée de mesures de taux d’arrivées de connexion. La deuxième approche applique un filtre de Kalman dont le modèle est construit à partir de données historiques de trafic. Dans ce dernier cas, la disponibilité de la distribution de l’erreur d’estimation dans l’algorithme du filtre permet d’élaborer une méthode qui améliore le contrôle du degré de service durant l’adaptation de capacité.ududL’analyse ainsi que la simulation des modèles proposés ont été effectuées pour évaluer la performance des approches. La maximisation du bénéfice du réseau par l’approche d’adaptation de capacité est confirmée avec une étude analytique d’exemples de petits réseaux. Ensuite, la simulation d’exemples réalistes de réseau démontre les meilleurs bénéfices et/ou degré de service obtenus par notre approche d’adaptation de capacité, quand on la compare à l’attribution fixe de capacités de liens.ududL’étude de l’estimation de demande de trafic montre que la performance de l’adaptation de capacité est améliorée par l’usage de nos méthodes proposées. Les méthodes adaptatives procurent des bénéfices plus élevés que celles à paramètre fixe. L’estimation par lissage exponentiel adaptée par autocorrélation donne la meilleure performance combinée réponsestabilité, quand on la compare aux autres lissages exponentiels. Enfin, les approches fondées sur filtre de Kalman améliorent l’adaptation de capacité, démontrant des réductions significatives de l’augmentation du blocage du réseau quand la demande de trafic augmente.