23550

COM3 119

دكتري

مهندسي كامپيوتر - معماري سيستمهاي كامپيوتر

مهندسي كامپيوتر

آذر ماه1402

116 ص.

محمدرضا خيام باشي

ارتباطات از نوع ماشين (MTC) , محاسبات مه , شبكه نرم¬افزار محور (SDN) , كاهش تاخير , تخليه بار

در سال¬هاي اخير به دنبال افزايش استفاده ارتباطات از نوع ماشين (MTC) محققان به طراحي راهكارهاي نوين براي بهينه¬سازي اين نوع ارتباطات پرداخته¬اند. ايجاد ارتباطات زمان حقيقي براي برخي از برنامه¬هاي كاربردي چالش¬ ضروري است، كه اگر به صورت زمان حقيقي پردازش نشود تلفات جبران ناپذيري را به دنبال خواهد داشت.محاسبات مه جهت ارائه كيفيت خدماتبهتر،شبيه ابر توزيع شده در نزديكي كاربران قرار گرفته است. معماري سه لايه سلسله مراتبي شامل لايه ابر، لايه مه و دستگاه¬هاي MTC تعريف مي¬شود. محاسبات مه چالش مديريت شبكه و ديد سراسري بر شبكه را دارد. شبكه¬هاي نرم¬افزار محور (SDN)با دارا بودن ويژگي¬هاي مديريتي، قابليت برنامه¬ريزي و بهبود پيكربندي شبكه به منظور رفع چالش¬هاي موجود در لايه مهاستفاده شده است. بنابراين جهت بررسي چالش كاهش تاخير در شبكه¬هاي MTC و مديريت منابع موجود براي پردازش در لايه مه از شبكه¬هاي SDN استفاده شده است. در اين رساله به تقسيم¬بندي انواع مختلف درخواست¬هاي ارسالي از نظر حساسيت به تاخير و ميزان پردازش مورد نياز توجه شده است. بررسي و مديريت درخواست¬هاي مختلف توسط بخش برنامه¬هاي كاربرديSDN انجام مي¬گيرد.نوع درخواست تشخيص داده شده به كنترل¬كننده مجازي جهت ارسال به لايه مه يا ابر به صف¬ها با اولويت¬هاي مختلف ورودي بهسوئيچ¬هاي لبه ارسال مي¬گردد. در لايه مه نيز جهت پردازش درخواست¬ها با اولويت¬هاي مختلف، از چندين صف اولويت¬دار استفاده شده است.علاوه بر كنترل¬كننده مجازي در شبكه پيشنهادي كه بر كل شبكه نظارت دارد، در هر گره مه نيز كنترل¬كننده توزيع¬شدهجهت اجراي دسترات ارسالي بخش برنامه¬هاي كاربردي وجود دارد. جهت استفاده بهينه از منابع لايه مه از سازوكار مجازي¬سازي استفاده شده است. با توجه به نوع درخواست ارسالي و با مديريت بخش كنترل، محل پردازش درخواست¬ها در گره مه به صورت محلي، يا گره¬هاي مه همسايه يا توسط منابع ابر تشخيص داده مي¬شود.به منظور رفع مشكل گرسنگي درخواست¬هاي موجود در صف¬هاي با اولويت كمتر، از الگوريتم پردازشي اولويت¬دار استفاده شده است. با استفاده از روش بيان شده، تاخير سرويس كل و ميزان از دست رفتن درخواست¬هاي حساس به تاخير به ميزان قابل توجهي كاهش مي¬يابد. روش پيشنهادي با روش سنتي پردازش درخواست¬ها در منابع ابر مقايسه شده است.نتايج عددي بيانگر بهبود عملكرد روش پيشنهادي در معيارهاي ميانگين زمان سرويس¬دهي، مصرف شبكه و درصد جريان¬هاي حساس به تاخير از دست رفته مي¬باشد، كه به ترتيب برابر 60 درصد، 65 درصد و 80 درصد نتيجه شد.

Machine Type Communications (MTC) , Fog Computing , Software Defined Networking (SDN) , Delay Reduction , Offloading

Delay Reduction in MTC Using SDN Based Fog Computing

مهندسي معماري كامپيوتر

In recent years, researchers have focused on designing innovative solutions to optimize MachineType Communications (MTC) due to the increasing use of such communications. Establishing real-time communications is a necessary challenge for some applications because failure to process them in real time would result in irreparable losses. Fog computing has been introduced to provide better quality of service, resembling a distributed cloud located near users. The hierarchical three-layer architecture consists of the cloud layer, the Fog layer, and the MTC deviceslayer. Fog computing reduces complexity by enabling distributed processing, and it reduces bandwidth usage by minimizing communication with the cloud. Software-Defined Networking (SDN) has been employed to address the challenges in the Fog layer by providing management capabilities, programmability, and network configuration improvement. Resource management using Fog computing and SDN in MTC networks is a subject of investigation to improve network latency. This thesis focuses on categorizing different types of requests based on their sensitivity to latency and the required processing. The main SDN controller handles the examination and management of different requests. The type of request is identified by the main SDN controller, and it is then prioritized for transmission to the Fog or cloud layers through different priority queues behind edge switches. Within the Fog layer, multiple priority queues are used for processing requests with different priorities. In addition to the main SDN controller overseeing the entire network, each Fog node also has a local SDN controller. Virtualization resources are employed to optimize the utilization of Fog layer resources. Depending on the type of request and the management of the local controller in each Fog node, the processing location for requests is determined locally within the Fog node, in neighboring Fog nodes, or by utilizing cloud resources. To address the issue of starvation in lower-priority queues, a scheduling algorithm is utilized. By employing the proposed method, the overall service latency and the loss rate of latency-sensitive requests are significantly reduced. The proposed method is compared with the traditional approach of processing requests solely in cloud resources. The numerical results indicate performance improvements of the proposed method in terms of average service time, network utilization, and the percentage of lost latency-sensitive flows, which were measured to be 60%, 65%, and 80%, respectively.

6

ناصر موحدي‌نيا