iOn-Profiler：基于强化学习的智能在线多目标VNF性能分析
网络与互联网体系结构
2023-12-18 v1 机器学习
性能
摘要
利用虚拟化网络功能（VNF）的潜力需要清晰理解资源消耗与性能之间的联系。当前的技术现状试图通过利用机器学习（ML），特别是监督学习（SL）模型，针对给定的网络环境和VNF类型，假设单目标优化目标来实现这一点。采用不同的方法，我们提出了一种新颖的VNF性能分析器，它使用自适应强化学习（RL）来优化多资源类型分配和性能目标。与现有的单目标解决方案相比，我们的方法可以在满足关键绩效指标（KPI）目标的同时，最小化多资源类型消耗并优化VNF输出速率。我们使用三种真实VNF类型，在总共39个研究场景（每种VNF13个）中，针对三种资源类型（虚拟CPU、内存和网络链路容量）进行了实验评估，通过我们的RL模型与SL模型之间的基准比较，验证了资源分配预测的准确性以及相应的成功性能分析决策。我们还进行了补充性的穷举搜索空间研究，揭示了不同资源对每种VNF类型的性能影响方式不同，这表明了多目标优化、针对每种VNF类型的个性化检查以及自适应在线性能分析学习的必要性，例如iOn-Profiler的自主在线学习方法。
引用
@article{arxiv.2312.09355,
title = {iOn-Profiler: intelligent Online multi-objective VNF Profiling with Reinforcement Learning},
author = {Xenofon Vasilakos and Shadi Moazzeni and Anderson Bravalheri and Pratchaya Jaisudthi and Reza Nejabati and Dimitra Simeonidou},
journal= {arXiv preprint arXiv:2312.09355},
year = {2023}
}
备注
22 pages, 12 figures, 8 tables, journal article pre-print version