Please use this identifier to cite or link to this item: http://repositorio.unicamp.br/jspui/handle/REPOSIP/349182
Type: DISSERTAÇÃO DIGITAL
Degree Level: Mestrado
Title: Studies on the applicability of neural networks for load balancing in OpenFlow-based data center networks : Estudos de aplicabilidade de redes neurais para balanceamento de carga em redes de data centers baseados em OpenFlow
Title Alternative: Estudos de aplicabilidade de redes neurais para balanceamento de carga em redes de data centers baseados em OpenFlow
Author: Rodriguez Ruelas, Alex Midwar, 1980-
Advisor: Esteve Rothenberg, Christian Rodolfo, 1982-
Abstract: Resumo: O crescimento dos serviços de aplicativos em nuvem fornecidos por os data centers com demandas de tráfego variáveis revela limitações dos métodos tradicionais de balanceamento de carga. Visando em atender aos cenários em evolução e melhorar o desempenho geral da rede. Esta pesquisa propõe um estudo de balanceamento de carga baseado em uma Rede Neural Artificial (ANN) no contexto da Rede Definido por Conhecimento (KDN). A KDN busca alavancar as técnicas de Inteligência Artificial (AI) para o controle e operação de redes de computadores. O KDN amplia o Redes Definidas por Software (SDN) com telemetria avançada e análise rede, introduzindo o chamado Plano de Conhecimento. A proposta da ANN é capaz de prever o desempenho da rede de acordo com os parâmetros de tráfego, criando um modelo de comportamento de tráfego baseado em medições de largura de banda e latência sobre diferentes caminhos. O estudo inclui o treinamento do modelo ANN para escolher o roteamento de caminho menos carregado. Realizamos uma série de experimentos em um ambiente emulado para validar o estudo proposto. Os resultados experimentais mostram que o desempenho do data center baseado em KDN foi bastante aprimorado

Abstract: The growth of cloud application services delivered through data centers with varying traffic demands unveils the limitations of traditional load balancing study. Aiming at attending the evolving scenarios and improving the overall network performance. This research proposes a load-balancing study based on an Artificial Neural Network (ANN) in the context of Knowledge-Defined Networking (KDN). KDN seeks to leverage Artificial Intelligence (AI) techniques for the control and operation of computer networks. KDN extends Software Defined Networking (SDN) with advanced telemetry and network analytics introducing a so-called Knowledge Plane. The ANN is capable of predicting the network performance according to traffic parameters by creating a model of traffic behavior using the available bandwidth and latency measurements over different paths. The study includes training the ANN model to choose the least loaded path routing. We conduct a series of experiments to verify the proposed study. The experimental results show that the performance of the KDN-based data center has been greatly improved
Subject: Redes neurais (Computação)
Redes definidas por software (Tecnologia de rede de computadores)
Redes de computadores
Language: Inglês
Editor: [s.n.]
Citation: RODRIGUEZ RUELAS, Alex Midwar. Studies on the applicability of neural networks for load balancing in OpenFlow-based data center networks: Estudos de aplicabilidade de redes neurais para balanceamento de carga em redes de data centers baseados em OpenFlow. 2020. 1 recurso online (131 p.) Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação, Campinas, SP.
Date Issue: 2020
Appears in Collections:FEEC - Tese e Dissertação

Files in This Item:
File SizeFormat 
RodriguezRuelas_AlexMidwar_M.pdf5.14 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.