AdapINT：一种基于深度强化学习的灵活自适应带内网络遥测系统
网络与互联网体系结构
2023-10-31 v1
摘要
带内网络遥测（INT）已成为一种有前景的网络测量技术。然而，现有网络遥测系统缺乏满足多样化遥测需求的灵活性，且难以适应动态网络环境。本文提出 AdapINT，一种由双时间尺度探测辅助的通用自适应带内网络遥测框架，包括长周期辅助探针（AP）与短周期动态探针（DP）。技术上，AP 收集基础网络状态信息，用于 DP 的路径规划。为实现全网覆盖，我们提出基于深度优先搜索（DFS）的辅助探针路径部署（APPD）算法。DP 收集遥测任务的特定网络信息。为确保 DP 能满足多样化遥测需求并适应动态网络环境，我们应用深度强化学习（DRL）技术与迁移学习方法设计动态探针路径部署（DPPD）算法。评估结果表明，AdapINT 能依据遥测需求与网络环境重新设计遥测系统。AdapINT 在在线游戏与视频会议场景中可降低 75\% 遥测时延。对于开销敏感网络，AdapINT 在云计算服务中可降低 34\% 控制开销。
引用
@article{arxiv.2310.19331,
title = {AdapINT: A Flexible and Adaptive In-Band Network Telemetry System Based on Deep Reinforcement Learning},
author = {Penghui Zhang and Hua Zhang and Yibo Pi and Zijian Cao and Jingyu Wang and Jianxin Liao},
journal= {arXiv preprint arXiv:2310.19331},
year = {2023}
}
备注
14 pages, 19 figures