منصة الرسائل والاطاريح: موازنة التحميل الديناميكي الذكية لتحسين جودة الخدمة وتوزيع عبء العمل في الشبكات المعرفة بالبرمجيات

الخلاصة

عدم قدرة الشبكات التقليدية على توزيع الموارد بكفاءة، والتكيف مع أنماط المرور المتغيرة، والتعامل مع أنظمة الإدارة اللامركزية. تقترح الأطروحة استخدام أساليب حديثة بديلة، مثل الشبكات المعرفة بالبرمجيات ( ،)SDNللتعامل مع القيود الموجودة في الشبكات التقليدية. يؤدي فصل مهام التحكم في الشبكة وإعادة توجيه البيانات إلى إنشاء بنية شبكة مركزية وقابلة للبرمجة. أحد التحديات المهمة في الشبكات التقليدية هو الطريقة المستخدمة لموازنة التحميل. عادةً ما تعتمد الشبكات التقليدية على خوادم مخصصة لأداء مهام موازنة التحميل. تتعامل هذه الخوادم مع المهمة المعقدة المتمثلة في توزيع حركة مرور الشبكة عبر موارد متعددة، وهذا الأسلوب له حدود من حيث المرونة وسرعة الحركة. في المقابل، تُحدث SDNثورة في موازنة التحميل من خلال تمكين تنسيقها وإدارتها داخل وحدة تحكم .SDNيمكن برمجته لتوزيع حركة مرور الشبكة بذكاء بنا ًء على الظروف والسياسات الديناميكية. اقترحت الأطروحة نه ًجا جديدًا لموازنة التحميل في شبكات SDNمن خلال اقتراح خوارزمية متكاملة ثلاثية النماذج، ،KNN-MLQLRLوالتي تجمع بين التعلم الآلي وقائمة الانتظار متعددة المستويات وجدولة موازنة التحميل ( .)ML-MLQLBSويهدف هذا التكامل إلى إنشاء نموذج ذكي لموازنة الحمل الديناميكي، وبالتالي تحسين جودة الخدمة ( )QoSللشبكة وتوزيع عبء العمل. يتكون النموذج المقترح من سبع مراحل مختلفة. تشمل المرحلة الأولية إنشاء الحزم والتقاطها وتحليلها وتجميعها لإنشاء مجموعة بيانات، ومرحلة المعالجة المسبقة هي المرحلة الثانية. ثم يتم استخدام أساليب التجميع في المرحلة الثالثة لتعيين تسميات الفئة. تستخدم المرحلة الرابعة تصنيف التعلم الآلي ( ،)MLCوخوارزمية ) ، K-Nearest Neighbors (KNNلتصنيف الأولويات والتنبؤ بها بشكل فعال. من ناحية أخرى، تستخدم المرحلة الخامسة طريقة قائمة الانتظار متعددة المستويات ( )MLQالمقترحة للحصول على الأولويات من MLCوتخزينها قبل إرسالها إلى الخوادم. تم تطبيق طريقة جدولة موازنة التحميل ( )LBSالمقترحة في المرحلة السادسة. تستخدم هذه الطريقة خوارزمية جديدة تسمى تحميل الموارد الأقل ( )LRLلتحديد الخادم الذي يحتوي على أقل وحدة معالجة مركزية وذاكرة. وأخيراً المرحلة السابعة وهي تصميم النموذج المقترح. يتضمن هذا النموذج نتائج المراحل السابقة وموازنة التحميل الديناميكية الذكية لتوزيع العمل بين الخوادم بشكل أفضل. لمقارنة مدى جودة عمل النموذج المقترح مع طرق موازنة التحميل الستة الأخرى بنا ًء على أربعة من معلمات جودة الخدمة: وقت الاستجابة، وزمن الوصول، والإنتاجية، ودرجة موازنة التحميل. النموذج المقترح ( )KNN-MLQLRLتحسن بشكل كبير في جميع المعلمات. حققت معلمة وقت الاستجابة في مجموعة البيانات ،%02 1وفي مجموعة البيانات ،0حققت .%11 كانت معلمة زمن الوصول %39في مجموعة البيانات ،1وفي مجموعة البيانات ،0كانت .%77حققت معلمة الإنتاجية في مجموعة البيانات ،%11 1وفي مجموعة البيانات ،0كان الأداء .%7وأخي ًرا، بلغت درجة معلمة موازنة التحميل في مجموعة البيانات ،%51 1وفي مجموعة البيانات ،0كانت .%9