Name des Teilnehmers: Stefan Schneider
Beschreibung des IT-Forschungsprojekts: Bei der Anforderung von Diensten wie Videostreaming oder Live-Kommunikation sind mehrere Komponenten (z.B. Firewalls oder Videooptimierer) beteiligt, die Anfragen bearbeiten müssen. Service Function Chaining (SFC) verbindet die beteiligten Komponenten zu Ketten, die die Benutzeranforderungen sequentiell durchlaufen. Da sich die Benutzeranforderungen im Laufe der Zeit ändern, sind diese Komponenten in Software als virtuelle Netzwerkfunktionen (VNFs) implementiert, die auf Anforderung gestartet und gestoppt werden können, um die Last auszugleichen. Um die Latenzzeit zu minimieren und die Benutzerfreundlichkeit zu verbessern, sollten die VNFs eines SFC in der Nähe der Benutzerstandorte laufen.
Die Entscheidung, wie viele VNF-Instanzen erforderlich sind, um die Benutzernachfrage zu befriedigen (als “Skalierung” bezeichnet), und wo die Instanzen ausgeführt werden sollen (als “Platzierung” bezeichnet), wird normalerweise reaktiv getroffen, d.h. VNF-Instanzen werden nach Änderungen der Benutzernachfrage gestartet/gestoppt. Die Verzögerung beim Starten einer neuen VNF-Instanz kann nicht vernachlässigbar sein (in der Größenordnung von 10-100 s), so dass eine erhöhte Benutzernachfrage während dieser Startzeit möglicherweise nicht richtig behandelt wird, was zu größeren Verzögerungen führt. Darüber hinaus konzentrieren sich aktuelle Ansätze in der Regel auf sorgfältig von Experten entworfene Modelle und Algorithmen, die in hohem Maße auf ein bestimmtes Szenario zugeschnitten sind. Diese Modelle versagen leicht, wenn sich das Szenario ändert und die zugrundeliegenden Annahmen nicht mehr erfüllt sind.
Daher konzentriert sich dieses Projekt auf die vorausschauende und selbststeuernde Skalierung und Platzierung von VNFs in einem SFC, wobei neue VNF-Instanzen kurz vor dem tatsächlichen Bedarf gestartet werden. Ein solches proaktives Verhalten könnte die allgemeine Servicequalität verbessern, indem Verzögerungen reduziert und eine Überlastung der VNF während des Wartens auf den Start neuer VNF-Instanzen verhindert werden. Um eine solche proaktive SFC zu ermöglichen, konzentriert sich das Projekt auf moderne Machine Learning- und Reinforcement Learning-Verfahren..
Das Projekt berücksichtigt auch andere Aspekte der Verbesserung der Dienstkoordination in der Praxis, z.B. hochskalierbare Lösungen, die in realistischen großen Netzwerken mit schnell ankommender und schwankender Benutzernachfrage funktionieren.
Für mehr Informationen zum Projekt klicken Sie hier.
Software Campus-Partner: Universität Paderborn, Huawei
Zeitraum: 01.11.2018 – 31.01.2021
