ایجاد تعادل بار پویا در شبکه ‌های مبتنی بر نرم افزار با استفاده از تکنیک یادگیری ماشین

ایجاد تعادل بار پویا در شبکه ‌های مبتنی بر نرم افزار با استفاده از تکنیک یادگیری ماشین

مشخصات پروپوزال

عنوان فارسی پروپوزال

 ایجاد تعادل بار پویا در شبکه ‌های مبتنی بر نرم افزار با استفاده از تکنیک یادگیری ماشین

عنوان انگلیسی پروپوزالDynamic Load Balancing in Software-Defined Networks Using Machine Learning
تعداد صفحات ۲۲
سال نگارش ۲۰۲۰
رشتهکامپیوتر
قالب فایلWord
مقاله بیس دارد
لینک مقاله بیسhttps://link.springer.com/chapter/10.1007/978-981-15-0790-8_28
دانلود پروپوزال کلیک جهت دانلود پروپوزال

 فهرست مطالب پروپوزال ایجاد تعادل بار پویا در شبکه ‌های مبتنی بر نرم افزار با استفاده از تکنیک یادگیری ماشین

  1. بیان مساله اساسی تحقیق
  2. اهمیت و ضرورت انجام تحقیق
  3. مرور ادبیات و سوابق مربوطه
  4. جنبه جدید بودن و نوآوری در تحقیق
  5. اهداف مشخص تحقیق
  6. سؤالات تحقیق
  7. فرضیه ‏های تحقیق
  8. روش شناسی تحقیق
  9. متغیرهای مورد بررسی در قالب یک مدل مفهومی
  10. شرح کامل روش (میدانی، کتابخانه‏ای) و ابزار
  11. جامعه آماری، روش نمونه‏ گیری و حجم نمونه
  12. روش‌ها و ابزار تجزیه و تحلیل داده ‏ها
  13. مراجع

بیان مساله

 با افزایش پیچیدگی‌ها در پیکربندی و مدیریت شبکه‌های سنتی، ‌شبکه‌ های مبتنی بر نرم افزار به عنوان یک جایگزین مناسب ظهور یافته‌اند. معماری SDN از سه لایه یعنی لایه کاربردی ، لایه کنترل و لایه داده تشکیل شده است. لایه برنامه شامل برنامه‌هایی مانند نظارت بر ترافیک است. لایه کنترل جایی است که کنترلرشبکه در آن قرار دارد. لایه داده‌ها وظیفه انتقال داده از منبع به مقصد را دارند. هدف از جداسازی لایه کنترل از لایه داده در شبکه‌های مبتنی بر نرم افزار، انعطاف پذیر کردن شبکه و عملیات آن و افزایش کارایی عناصر شبکه مانند روترها و سوئیچ‌ها است.

با رشد کاربران و پهنای باند شبکه، سرویس دهنده نیاز به رسیدگی به تعداد زیادی درخواست دسترسی در زمان کوتاه دارد. اگر سرویس دهنده نتواند به موقع درخواست دسترسی کاربر را پردازش کند، طولانی شدن زمان انتظار کاربر، تا حد زیادی کیفیت سرویس را کاهش می دهد. راه حل این است که با استفاده از چندین سرور و یک مکانیسم توازن بار کارآمد به سرویس‌های مشتریان پاسخ داده شود.

با توجه به وجود کنترل کننده مرکزی در شبکه نرم افزار محور و بالطبع دید سراسری روی شبکه، همچنین قابلیت برنامه ریزی آن، این امکان فراهم است که با بهره گیری از روش‌های هوش مصنوعی بتوان برای تعادل بار در شبکه به شکل هوشمند تصمیم گیری کرد. به همین منظور در این پژوهش سعی شده است که با استفاده از تکنیک یادگیری ماشین، بار کاری میان سرویس دهنده‌های اصلی شبکه به شکل پویا توزیع شود.

سیستم پیشنهادی شامل دو زیر سیستم یعنی زیر سیستم شبیه سازی و زیر سیستم یادگیری ماشین است و این دو زیر سیستم با هم ارتباط دارند. ویژگی‌های مسیر با استفاده از زیر سیستم شبیه سازی به زیر سیستم یادگیری ماشین با استفاده از پروتکل HTTP ارسال می شوند. شکل زیر ساختار شبکه برای سیستم تعادل بار پیشنهادی را نشان می دهد. سیستم پیشنهادی دارای حداقل پردازشگر و حافظه است.

برخی از مراجع

۹٫ Guo, Z., Zhang, S., Feng, W., Wu, W., & Lan, J. (2020). Exploring the role of paths for dynamic switch assignment in software-defined networks. Future Generation Computer Systems. ۱۰٫ Xue, H., Kim, K. T., & Youn, H. Y. (2019). Dynamic Load Balancing of Software-Defined Networking Based on Genetic-Ant Colony Optimization. Sensors, 19(2), 311. ۸٫ Bhatia, J., Mehta, R., & Bhavsar, M. (2017, August). Variants of Software Defined Network (SDN) Based Load Balancing in Cloud Computing: A Quick Review. In International Conference on Future Internet Technologies and Trends (pp. 164-173). Springer, Cham.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *