Stateless orchestrator synchronization in multi-layer multi-domain networks

Résumé

Dans un réseau multicouche (MLN), un orchestrateur peut être déployé pour coordonner plusieurs couches, telles que IP, OTN et DWDM. Chaque couche est un domaine administratif. Précision de la mise à jour de la vue de l’orchestrateur est un défi pour le MLN. Dans en raison de la structure hiérarchique des MLN, une seule panne dans une couche sous-jacente peut se propager aux couches supérieures, générant ainsi de nombreuses alarmes dans ces couches. Ces alarmes peuvent envoyer des mises à jour informations incorrectes de concernant la cause principale de l’échec source de la panne, qui aboutit à des décisions incorrectes une mauvaise décision de l’orchestrateur pour le routage et l’allocation des ressources. Ainsi, l’ordre de mise à jour par d’envoie des mises à jour de différentes couches est cruciale à l’orchestrateur est très important dans MLN pour éviter toute confusion de l’orchestrateur puisque la relation. Déterminer l’ordre optimal est difficile, en raison de la cartographie flexible n’est pas facile à calculer. Des liens entre les différentes couches est complexe, et le temps de propagation des pannes des couches sous-jacentes aux couches supérieures. Dans ce mémoire, nous proposons une méthode pour mettre à jour l’orchestrateur afin de, , qui permet de garantir que la cause racine source de panne est signalée correctement, en tenant compte de la dépendance entre les différentes couches et du temps de propagation des pannes. En particulier, nous optimisons la fréquence d’envoi des messages de mise à jour des couches à l’orchestrateur. Notre méthode peut être implémentée dans l’orchestrateur pour demander périodiquement des mises à jour aux contrôleurs selon une fréquence optimisée. Nous formulons un problème d’optimisation non linéaire de nombre entier pour la mise à jour de l’orchestrateur, puis proposons deux algorithmes pour approximer la probabilité d’échec optimale pour la mise à jour de l’orchestrateur solution optimale. Les résultats de simulation expérimentaux montrent que notre algorithme MLNOU proposé peut obtenir un quasi-optimal qui se rapproche en moyenne de 11.3 % de différence par rapport à la solution optimale, ce qui démontre l’efficacité de notre algorithme et surpasse clairement les solutions comparatives.

Date	28 avr. 2023
langue originale	Anglais américain
Établissement diplômant	École de technologie supérieure
Superviseur	Kim Khoa Nguyen (Directeur(-trice)) & Mohamed Cheriet (Codirecteur(-trice))