Sử dụng công nghệ SD-WAN để cải thiện chất lượng truyền tải trong hệ thống mạng thế hệ mới
Tóm tắt: 300
| 
PDF: 405 
##plugins.themes.academic_pro.article.main##
Author
Từ khóa:
SD-WAN
Kỹ thuật điều khiển lưu lượng
độ trễ
độ mất gói
thông lượng
Tóm tắt
Mạng diện rộng định nghĩa bằng phần mềm (SD-WAN) cho phép điều khiển và quản lý mạng thông minh, đồng thời sử dụng hiệu quả tài nguyên mạng thông qua kỹ thuật điều khiển lưu lượng trong thời gian thực để có mạng WAN hiệu suất cao hơn, đáp ứng được yêu cầu chất lượng truyền tải mà khách hàng mong muốn. Bài báo này đề xuất một hệ thống định tuyến nâng cao, điều khiển việc chọn đường đi tối ưu cho SD-WAN bằng cách đánh giá nhiều đặc tính kết nối WAN gồm độ trễ, độ mất gói, thông lượng trong thời gian thực. Hệ thống theo dõi các dữ liệu này để chọn tuyến đường giúp truyền tải ít mất gói hơn và độ trễ mạng thấp cùng tính khả dụng và độ tin cậy cao. Nhóm tác giả đánh giá hệ thống của mình trong mô hình lab giả lập với thiết bị SD-WAN của hãng Fortigate. Kết quả thử nghiệm cho thấy cách tiếp cận của nhóm tác giả đã chứng minh khả năng lựa chọn đường đi tối ưu hơn bằng cách áp dụng lập trình của SDN cho mạng WAN.
Tài liệu tham khảo
-
[1] Yang, Y. Cui, B. Li, Y. Liu and Y. Xu, "Software-Defined Wide Area Network (SD-WAN): Architecture, Advances and Opportunities”, 2019 28th International Conference on Computer Communication and Networks (ICCCN), 2019, pp. 1-9.
[2] Cléo Luciani, From MPLS to SD-WAN: Opportunities, Limitations and Best Practices, 2019 KTH, School of Electrical Engineering and Computer Science (EECS), 2019.
[3] Silver-peak, "Everything you need to know about SD-WAN", Silver-peak.com, 2021, [Online] https://www.silver-peak.com/everything-you-need-to-know-about-sd-wan, 10-Aug- 2021.
[4] Troia, F. Sapienza, L. Varé and G. Maier, "On Deep Reinforcement Learning for Traffic Engineering in SD-WAN", Journal on Selected Areas in Communications, Vol. 39, No. 7, 2021, pp. 2198-2212.
[5] Liu, L. Chen, H. Xu and H. Shao, "Automated Traffic Engineering in SDWAN: Beyond Reinforcement Learning", IEEE INFOCOM 2020 - IEEE Conference on Computer Communications Workshops (INFOCOM WKSHPS), 2020, pp. 430-435.
[6] Pavan Iddalagi, “SDWAN – Its Impact and The Need of Time”, Journal of Ubiquitous Computing and Communication Technologies (UCCT), 02, No. 04, 2020, pp. 197-202.
[7] Golani, K. Goswami, K. Bhatt and Y. Park, "Fault Tolerant Traffic Engineering in Software-defined WAN”, 2018 IEEE Symposium on Computers and Communications (ISCC), 2018, pp. 01205-01210.
[8] Troia, L. Zorello, A. Maralit, and G. Maier, “Sd-wan: an open-source implementation for enterprise networking services”, 2020 22th International Conference on Transparent Optical Networks (ICTON), 2020, pp. 1–4.
[9] Jason Brownlee, Introduction to Time Series Forecasting with Python: How to Prepare Data and Develop Models to Predict the Future, Machine Learning Mastery, 2017.
[10] Thompson, G. J. Miller and R. Wilder, "Wide-area Internet traffic patterns and characteristics", IEEE Network, Vol. 11, No. 6, pp. 10-23, 1997.
[11] Maier, G., Feldmann, A., Paxson, V., & Allman, M., “On dominant characteristics of residential broadband internet traffic”, Proceedings of the 9th ACM SIGCOMM Conference on Internet Measurement, 2009, pp. 90-102.
[12] L. Garcia-Dorado, A. Finamore, M. Mellia, M. Meo and M. Munafo, "Characterization of ISP Traffic: Trends, User Habits, and Access Technology Impact", IEEE Transactions on Network and Service Management, Vol. 9, No. 2, 2012, pp. 142-155.
[13] George E. P. Box, Gwilym M. Jenkins, Gregory C. Reinsel, Time series analysis: forecasting and control. John Wiley & Sons, 2015.
[14] Suhartono, “Time series forecasting by using seasonal autoregressive integrated moving average: subset, multiplicative or additive model”, Journal of Mathematics and Statistics, Vol 7, No. 1, 2011, 20-27.
[15] Hyndman, Rob J., George Athanasopoulos, Forecasting: principles and practice, OTexts, 2018.
[16] Fernandes, S., Teichrieb, V., Sadok, D., & Kelner, J., "Time series applied to network traffic prediction: A revisited approach.", International conference on applied modelling and simulation-AMS, 2002.
[17] Jason, Deep Learning for Time Series Forecasting: Predict the Future with MLPs, CNNs and LSTMs in Python, Machine Learning Mastery, 2018.
[18] Xie, F. R. Yu, T. Huang, R. Xie, J. Liu, C. Wang, and Y. Liu, “A survey of machine learning techniques applied to software defined networking (sdn): Research issues and challenges”, IEEE Communications Surveys & Tutorials, Vol. 21, No. 1, 2018, pp. 393–430.
[19] R. E. Mora-Huiracocha, P. L. Gallegos-Segovia, P. E. Vintimilla-Tapia, J. F. Bravo-Torres, E. J. Cedillo-Elias, and V. M. Larios-Rosillo, “Implementation of a SD-WAN for the interconnection of two software defined data centers”, 2019 IEEE Colombian Conference on Communications and Computing (COLCOM), 2019, pp. 1–6.
Xem thêm
##plugins.themes.academic_pro.article.sidebar##
Đã Xuất bản
Jul 31, 2022
Download
Cách trích dẫn
Võ Ngọc Tiến, và Tăng Anh Tuấn. “Sử dụng công nghệ SD-WAN để cải thiện chất lượng truyền tải Trong hệ thống mạng Thế hệ mới”. Tạp Chí Khoa học Và Công nghệ Đại học Đà Nẵng, vol 20, số p.h 7, Tháng Bảy 2022, tr 29-35, https://jst-ud.vn/jst-ud/article/view/7851.
