Cognitive network optimization via network virtualization

Abstract

Bilişsel ağlar, bulundukları fiziksel ortamı algılamak, izlemek ve ortama ait değerliverileri elde etmek; karmaşık ağ uygulamalarını ve hızla değişen servis taleplerinizamanında kendini uyarlayarak desteklemek üzere tasarlanmışlardır. Yazılım tanımlı ağ(SDN) ve ağ fonksiyon sanallaştırması (NFV) gibi sanallaştırma teknolojileri, her ikiteknolojinin avantajlarını sunan yeni çerçeveler oluşturmak için birleştirilebilir. Buavantajlar NFV ile dinamik kaynak ayırma, esnek sanal ağ oluşturma işlemlerini veSDN ile bu kaynakların programlanması ve ağ yönetiminin kolaylıkla yapılabilmesiniiçerir. Dolayısıyla, bu yeni çerçeveler bilişsel ağ mimarilerinin iyileştirilmesi veyönetiminde kullanılabilirler. Bununla beraber, bilişsel ağların SDN/NFV çerçevelerikullanılarak iyileştirilmesi, geleneksel manuel algoritmaları değiştirecek yeni ağyönetim teknikleri ve hızlı sanal ağ sağlama algoritmalarını gerektirir. Bu çalışmada,AUTOVNET olarak adlandırılan, sanallaştırılmış yazılım tanımlı ağ sağlama veyönetiminde otomasyonu tanıtan yeni bir sistem tasarlanmış ve gerçeklenmiştir.AUTOVNET ağ yöneticisinin manuel olarak yapması gereken yapılandırmalarıbasitleştirir ve sanal ağların esneklik ve uyarlanabilirliğini arttırır. Bunun yanı sıra,AUTOVNET ağdaki kaynak ve hedef terminaller arasındaki en sağlıklı yönlendirmeseçeneğini belirlemek üzere sanallaştırma öncesi hata tespit ve derin paket analizinigerçekleştirir. Bu yaklaşım, ağ yöneticisinin daha büyük ve karmaşık ağ topolojilerindehızlı ve kolay bir şekilde sanal ağ oluşturması, yapılandırması ve yönetmesini sağlar.

Cognitive networks are designed to sense, monitor and extract valuable data from their physical environment, and adapt quickly to support complex network applications in order to satisfy fast changing service demands. Virtualization technologies such as Software-Defined Network (SDN) and Network Function Virtualization (NFV) can be combined to create new frameworks offering the advantages of both SDN and NFV. These include dynamic resource reservation and flexible virtual network creation via NFV, and programmability of these resources and easy network management via SDN. These new combined frameworks could be leveraged to optimize and manage cognitive network architectures. However, optimizing cognitive networks using combined SDN/NFV frameworks requires new network management techniques and fast virtual network provisioning algorithms to replace the legacy manual algorithms. In this study, a new system called AUTOVNET introducing automation in the management and provisioning of virtualized software-defined networks is designed and implemented. AUTOVNET simplifies the manual configurations from the network administrator and increases the flexibility and adaptability of virtual networks. In addition, AUTOVNET performs pre-virtualization fault detection and deep packet analysis to determine the best healthy routing option between the source and destination hosts in the network. This approach allows the network administrator to easily and rapidly create, configure and manage virtual networks in larger complex network topologies.