Resumo: Com a rápida expansão do tráfego de rede e a crescente demanda por aplicativos multimídia de alta qualidade, a necessidade de garantir o desempenho ideal da rede e a satisfação do usuário tornou-se cada vez mais crucial. O monitoramento e a análise em tempo real do comportamento da rede surgiram como práticas essenciais nesse cenário em evolução. A Telemetria de Rede In-Band (INT) ganhou rapidamente reconhecimento como uma técnica poderosa para capturar medições de rede refinadas, permitindo que o gerenciamento de rede tome decisões informadas e inteligentes. No entanto, a eficácia da coleta de dados INT é influenciada por vários fatores, como limitações de tamanho de pacote e sobrecarga de processamento. Portanto, torna-se crucial selecionar cuidadosamente os dados a serem coletados e determinar o momento mais adequado para a coleta de dados. Nesta pesquisa, propomos uma nova abordagem para monitoramento de rede, aproveitando a métrica Inter Packet Gap (IPG), coletada usando INT, como a principal métrica de interesse. Ao monitorar o IPG salto a salto, podemos aproveitar essas informações valiosas para identificar e detectar anomalias de rede com mais precisão. Este estudo se concentra em dois casos de uso críticos em que a aplicação da métrica INT e IPG se mostra particularmente benéfica: detecção de microburst e inferência de Qualidade de Experiência (QoE) em aplicativos de streaming de vídeo de Realidade Virtual (VR). Através de extensa pesquisa e desenvolvimento, criamos estratégias autônomas que operam exclusivamente no plano de dados, eliminando a necessidade de qualquer intervenção do plano de controle. Essas estratégias foram projetadas para detectar microbursts com eficiência, que são rajadas rápidas de tráfego de rede que podem levar à degradação do desempenho, bem como estimar a QoE para aplicativos de streaming de vídeo VR. Ao integrar a análise métrica INT e IPG no plano de dados, nossas estratégias oferecem vantagens significativas em termos de monitoramento em tempo real e tomada de decisões. A natureza autônoma de nossa abordagem permite a detecção oportuna e precisa de anomalias de rede, permitindo o gerenciamento proativo e a mitigação de possíveis problemas. Além disso, ao estimar a QoE no plano de dados, podemos obter informações valiosas sobre a experiência do usuário durante o streaming de vídeo VR, permitindo que as operadoras de rede otimizem seus serviços e melhorem a satisfação do usuário Ver menos

Abstract: With the rapid expansion of network traffic and the growing demand for high-quality multimedia applications, the need to ensure optimal network performance and user satisfaction has become increasingly crucial. Real-time monitoring and analysis of network behavior have emerged as essential practices in this evolving landscape. In-band Network Telemetry (INT) has quickly gained recognition as a powerful technique for capturing fine-grained network measurements, enabling network management to make informed and intelligent decisions. However, the effectiveness of INT data collection is influenced by various factors, such as packet size limitations and processing overhead. Therefore, it becomes crucial to carefully select the data to be collected and determine the most appropriate timing for data collection. In this research, we propose a novel approach to network monitoring by leveraging the Inter Packet Gap (IPG) metric, collected using INT, as the primary metric of interest. By monitoring the IPG hop-by-hop, we can harness this valuable information to identify and detect network anomalies more accurately. This study focuses on two critical use cases where the application of INT and IPG metrics proves to be particularly beneficial: microburst detection and Quality of Experience (QoE) inference in Virtual Reality (VR) video streaming applications. Through extensive research and development, we have devised autonomous strategies that operate exclusively on the data plane, eliminating the need for any intervention from the control plane. These strategies have been designed to efficiently detect microbursts, which are rapid bursts of network traffic that can lead to performance degradation, as well as estimate the QoE for VR video streaming applications. By integrating INT and IPG metric analysis into the data plane, our strategies offer significant advantages in terms of real-time monitoring and decision-making. The autonomous nature of our approach enables timely and accurate detection of network anomalies, allowing for proactive management and mitigation of potential issues. Furthermore, by estimating QoE in the data plane, we can gain valuable insights into the user experience during VR video streaming, enabling network operators to optimize their services and enhance user satisfaction Ver menos