|
Title
|
يك مدل برنامه ريزي پويا براي استقرار زنجيره هاي تابعي سرويس در محاسبات ابري ابر تاريك
|
|
Type
|
Presentation
|
|
Keywords
|
برنامه ريزي پويا، توابع مجازي شبكه،زنجيره تابعي سرويس ، محاسبات ابري ابر تاريك، محيط هاي ابري امن، يادگيري تقويتي عميق
|
|
Abstract
|
استقرار بهينه زنجيره هاي تابعي سرويس در محيط محاسبات ابري ابر تاريك با چالش هاي متعددي از جمله محرمانگي داده ها، پويايي منابع، و تضمين كيفيت سرويس مواجه است. در اين مقاله، يك مدل برنامه ريزي پويا (DP) براي استقرار SFC ارائه مي شود كه همزمان هزينه عملياتي، تأخير، و امنيت را بهينه سازي مي كند. مدل پيشنهادي با فرموله كردن مسئله به صورت يك فرآيند تصميم گيري چندمرحله اي، راه حلي كارآمد براي تخصيص منابع تحت محدوديت هاي امنيتي ابر تاريك ارائه مي دهد. نتايج شبيه سازي نشان مي دهد كه اين روش در مقايسه با الگوريتم هاي مرسوم (مانند روش هاي حريصانه و ژنتيك)، كاهش 25 درصدي هزينه و بهبود 20 درصدي عملكرد امنيتي را در پي دارد. محاسبات ابري ابر تاريك به استقرار خدمات در لبه شبكه مي پردازد تا محدوديت هاي سيستم هاي ابر متمركز را برطرف كند. اما، استفاده از اين مفاهيم هنوز در مراحل ابتدايي است و در شبكه هاي مبتني بر محاسبات ابري ابر تاريك چالش هاي زيادي وجود دارد. يكي از اين چالش ها SFC است كه از نمونه هاي نرم افزاري شبكه براي به اشتراك گذاري منابع استفاده مي كند. فناوري مجازي سازي تابع شبكه سخت افزارهاي ميان جعبه اي را جدا مي كند و آنها را به عنوان توابع شبكه مجازي در نودهاي متمركز اجرا مي كند VNF.ها در زنجيره هاي تابعي سرويس به صورت متوالي به يكديگر متصل مي شوند. استقرار VNFها در شبكه مبتني بر محاسبات ابري ابر تاريك يك مسأله پيچيده است و نيازمند بهره برداري بهينه از منابع و كاهش تاخير و هزينه است. در اين مقاله، با استفاده از يادگيري تقويتي عميق و بازاستفاده از VNFها، به مسأله استقرار SFC پرداخته شده است. الگوريتم پيشنهادي، با در نظر گرفتن محدوديت منابع و تجزيه و تحليل توزيع ديناميكي VNFها، هزينه و كيفيت خدمات را تعادل مي دهد.
|
|
Researchers
|
Hamed Monkaresi (First researcher) , gholamreza Ahmadi (Second researcher)
|