机器学习在支持 SDN 的 IP/光网络中的两个用例：流量矩阵预测与光路径性能预测
网络与互联网体系结构
2018-06-13 v2 机器学习
机器学习
摘要
我们描述了机器学习在 IP/光网络背景下的两个应用。第一个应用通过使用机器学习对核心 IP/光网络中的流量进行短期和长期预测，并利用无色/无向（CD）灵活 ROADM 对 IP 与光层进行联合全局优化，从而实现资源的敏捷管理。多层协调可带来显著的成本节约、满足动态容量需求的灵活新业务，以及通过主动适应新流量模式与网络状况而提升的鲁棒性。第二个应用在我们向 Open ROADM 网络迁移城域网络时十分重要，其可在无需光参数详细信息的情况下实现物理路由。我们讨论了一项概念验证研究，其中利用当前灵活 ROADM 网络上波长的详细性能数据，通过机器学习预测每个波长的光性能。这两个应用均可借助 SDN（软件定义网络）控制器高效实现。
引用
@article{arxiv.1804.07433,
title = {Two Use Cases of Machine Learning for SDN-Enabled IP/Optical Networks: Traffic Matrix Prediction and Optical Path Performance Prediction},
author = {Gagan Choudhury and David Lynch and Gaurav Thakur and Simon Tse},
journal= {arXiv preprint arXiv:1804.07433},
year = {2018}
}