Improving Software Defined Networking with Machine Learning

通过机器学习改进软件定义网络

基本信息

批准号：
22KF0428
负责人：
長健二朗
金额：
$ 1.47万
依托单位：
Internet Initiative Japan Inc. (Research Laboratory)
依托单位国家：
日本
项目类别：
Grant-in-Aid for JSPS Fellows
财政年份：
2023
资助国家：
日本
起止时间：
2023-03-08 至 2024-03-31
项目状态：
已结题

项目摘要

現状、各クラウドサービスは独自のAPIを提供しているのでマルチクラウド環境でサービスを実現するのは容易ではない。さらに、マルチクラウド環境で低遅延などの高性能サービスの実現は難しい。そこで、本研究では、プログラマブルなSoftware Defined Networkベースのプラットフォームを構築して、クラウドサービス間の相違を吸収すると同時に、データプレーンプログラミングに機械学習を応用することで性能向上を実現する。初年度は、まずマルチクラウド環境やデータプレーンプログラミングに関する既存研究の調査を行い、課題の整理とアプローチ方法の具体化に取り組んだ。その結果、マルチテナント環境における性能保証とバックプレーンの転送性能向上という２つの側面からシステムの設計を進めている。並行して、Intel Tofino2スイッチを使いP4言語によるデータプレーンプログラミングを用いた実験環境の構築を行い、初期評価を実施した。また、フィンランドで開催されたEur o-IX会議に参加して最新研究の動向を調査すると共に、人的ネットワークの構築を図った。さらに性能保証機構の設計に関し、LAAS-CNRS/トゥールーズ大学と共同研究を行うことになった。次年度には、マルチテナント環境で性能保証を実現するPerfsolとバックプレーンの転送性能向上を実現するUmbrellaDCの設計実装を進めて、統合して評価する予定である。また、これらの結果を論文にまとめて国際学会に投稿、発表する予定である。

当前，每个云服务都提供自己的API，因此在多云环境中实现服务并不容易。此外，很难实现高性能服务，例如在多云环境中的潜伏期低。因此，在这项研究中，我们将构建一个可编程软件定义的基于网络的平台，以吸收云服务之间的差异，同时还通过将机器学习应用于数据平面编程来提高性能。在第一年，我们首先就多云环境和数据平面编程的现有研究进行了研究，并致力于组织问题和实施方法方法。结果，系统设计是在两个方面进行的：在多租户环境中的性能保证和改进的背板转移性能。同时，使用Intel Tofino2开关使用P4语言的数据平面编程构建了实验环境，并进行了初步评估。他还参加了在芬兰举行的EUR O-IX会议，以调查最新的研究趋势并建立人类网络。此外，他们将与LAAS-CNRS/图卢兹大学进行联合研究，以设计绩效保证机制。在下一个财政年度，我们计划继续设计和实施Perfsol的设计和实施，该设计和实施在多租户环境中提供了绩效保证，而UmbrellADC则提供了改进的背板转移性能，并整合和评估它。这些结果还将汇编为论文，并提交给日本国际学会。