• KNOM Review
• /
• 제23권1호
• /
• pp.34-42
• /
• 2020

NFV (Network Function Virtualization) 환경에서는 소프트웨어로 구현된 가상 네트워크 기능 (VNF: Virtualized Network Function)을 범용 서버에 설치하는 것으로 네트워크 기능을 제공한다. 네트워크 관리자는 VNF를 네트워크 토폴로지 상 적절한 위치의 서버에 배치하고 상황에 따라 동적으로 관리함으로써, 다양한 네트워크 상황에 대해 신속하고 유연하게 대응할 수 있다. 하지만 여러 네트워크 조건 (서비스 비용 및 품질) 등을 고려하는 것은 매우 복잡하고 어려운 문제이며, 특히 결정된 배치를 실제 NFV 환경에 적용하는 데는 처리 시간이 소요되기 때문에, 최적의 VNF 배치를 위해서는 필요한 자원량을 예측하여 VNF 배치를 결정하는 것이 필요하다. 본 논문에서는 MEC (Multi-access Edge Computing) 토폴로지에서 서비스 요청을 무작위로 생성하여 ILP (Integer Linear Programming) 모델을 통해 시뮬레이션한 결과를 학습데이터로 사용하는 기계학습 모델을 도출한다. 도출된 예측 모델은 5분 이후의 미래 시점에 대해 ILP 솔루션 결과 대비 90% 이상의 정확도를 보였다.

• 인터넷정보학회논문지
• /
• 제23권5호
• /
• pp.17-23
• /
• 2022

Network slicing is a promising paradigm and significant evolution for adjusting the heterogeneous services based on different requirements by placing dynamic virtual network functions (VNF) forwarding graph (VNFFG) and orchestrating service function chaining (SFC) based on criticalities of Quality of Service (QoS) classes. In system architecture, software-defined networks (SDN), network functions virtualization (NFV), and edge computing are used to provide resourceful data view, configurable virtual resources, and control interfaces for developing the modified deep reinforcement learning agent (MDRL-A). In this paper, task requests, tolerable delays, and required resources are differentiated for input state observations to identify the non-critical/critical classes, since each user equipment can execute different QoS application services. We design intelligent slicing for handing the cross-domain resource with MDRL-A in solving network problems and eliminating resource usage. The agent interacts with controllers and orchestrators to manage the flow rule installation and physical resource allocation in NFV infrastructure (NFVI) with the proposed formulation of completion time and criticality criteria. Simulation is conducted in SDN/NFV environment and capturing the QoS performances between conventional and MDRL-A approaches.