支持NFV的物联网平台中的QoS管理网络和互联网体系结构

支持NFV的物联网平台克洛维斯·阿尼塞特·韦德拉奥果引用此版本：Clovis Anicet Ouedraogo支持NFV的IoT平台中的QoS管理网络和互联网体系结构[cs.NI].图卢兹国家统计局，2021年。英语NNT：2021ISAT0004。电话：03580973v2HAL Id：tel-03580973https://hal.laas.fr/tel-03580973v22022年4月4日提交HAL是一个多学科的开放获取档案馆，用于存放和传播科学研究文件，无论它们是否已这些文件可能来自法国或国外的教学和研究机构，或来自公共或私人研究中心。L’archive ouverte pluridisciplinaireTHETHE``SESE为了得到图卢兹大学博士D'elivr'epar：l’InstituPresenteeetsoutenuele07/07/2021parr：Clovis Anicet OUEDRAOGO支持NFV的IoT平台中的QoS管理陪审团GLADYSDIAZMaitredeconf'erncesHDR RapporteuseDIERDONSEZ是一个说唱歌手，FREDRIC DESPREZDirecteur de rechercheExaminateurVALE'RIEISSARNYDirectricedereechercheExaminatriceVICAT-BLANC考试研究局JOSEAGUILARGREENSEURDESUNIVERSIT'ESIINVIT'EALAINFILIPOWICZIng'enieurInvit'eCHRISTOPHEChassotSAMIRMEDJIAHMamarterdeeconf'erencesHDRCo-directeurdeeth`eseKHALILDRIRADirecteurderecherche eeCo-directeurdeth`eseE'coledoctoraleetsp'ecialit'e：MITT：DomaineSTIC：InformatiqueetT'el'ecancellationsUnit'edeRecherche：LaboratoireDirecteur（s）deT`ese：Christophe CHASSOT、Samir MEDJIAH和Khalil DRIRA报告员：Gladys DIAZ和Didier DONSEZ本页故意留空。“Once我只知道自己是蝴蝶般的快乐，却不知道自己是周。很快我就醒了，我又回到了原来现在我不知道我当时是一个人梦见我是一只蝴蝶，还是我现在是一只蝴蝶，梦见我是一个人。庄子摘要物联网（IoT）必须满足远程监控、个人辅助和交通等各个领域新业务应用的服务质量（QoS）需求。软件应用和底层通信对象之间的交互将基于通信网络和中间件（或平台），该中间件在两个物理实体上配备有新的、可配置的、可编程的和可动态部署的功能，即，既有，也有虚拟，即，借助云计算，可根据需要动态创建在这个新的生态系统中，满足物联网应用的端到端QoS需求仍然是一个重大挑战。挑战在于属于物联网平台的中间实体和互连这些实体的IP网络级别所提出的解决方案是独立倍增的。在这个有问题的背景下，我们在这篇论文中考虑的一般方法包括设计，开发和实验行为模型，用于物联网平台中的QoS自主管理。这种方法i）利用云基础设施提供的技术机会（即，网络功能的动态部署、可编程网络），ii）利用软件组件的动态部署所提供的技术机会iii）考虑所部署的事实上的异构性解决方案，vi）并且依赖自主计算概念。在此基础上，本文主要做出了三个方面的贡献。除了虚拟化网络功能（VNF）的经典概念软件隔离技术）。ANF允许在资源受限的环境中部署网络功能，通常在物联网平台的终端网关它们还导致对现有资源的最佳利用在此基础上，为了保持物联网应用所需的最佳QoS水平，我们设计了一组物联网流量控制功能（TCF），实现为VNF和ANF。为了实现这些TCF的最佳部署，我们提出了第二个贡献。这一贡献在于制定一个多目标优化问题。提出和实施的解决方案考虑了TCF的部署和扩展操作，旨在优化物联网应用的QoS。所提出的算法依赖于瓶颈（例如，CPU、RAM），最初由人类管理员手动提供在第三个贡献中，我们转向自动识别这些瓶颈。为此，我们提出了一种自适应识别方法，该方法考虑了与物联网平台监控相关的成本。实际上，不希望由监视系统本身生成的过载导致IoT平台中的QoS问题。要做到这一点，我们模型的问题，确定多个瓶颈的多标签分类问题。不同的监督学习算法进行了研究，以解决这个问题。最后，我们提出了一种算法，用于根据物联网平台产生的成本选择要监控的指标关键词：服务质量（QoS），物联网（IoT），网络功能虚拟化（NFV），遗传算法，多目标优化，机器学习-IIIiv最大似然法，性能瓶颈分析，故障定位。雷苏梅埃L’In 为 了 做 到 这 一 点 ， lesinteractionsentrelesapplicationsIoTetlesobjetscommunicantsreposentsurdeséseauxdeecommunication etplatforme（oumiddleware）'equip′esnouvellesfonctionnalit′esconfigurables，programmablesetd′eployablesdynamiquementsurlesdeuxentit′es physiques，c' e s t- `a-direct p r ′ eexista n tes，maisaussi virtuel，c'est- ` a-direct c r ′ e ′ es dynamiqueme n t en fonctio n d u b esoin. 但现在我们 的 生 态 系 统 ， 我 们 的 目 标 是 让 我 们 的 应 用 程 序 物 联 网 休 息 和 休 息 。 Lesenjeuxsesituenta`lafoisauniveaudeséntit′esintermédiairesdelaplatformeIoT，etauniveaudesr′eseauxIPinnterconnectantcesentit′es，pourlesquelslessolutionspropos'eessemultiplientemani`ereind'ependa nte. 但这是一个文本问题，我认为这是一个不合理的问题，因为我现在对这些问题很敏感，这是一个问题，d'e v elop p er et ex p 'erim en te r de s mo d `eles com p orteme n tau x p our un e gestion autonome d e la Qo S dan s le s platformes s IoT：i）在第一部分中，您可以选择提供技术和基础架构服务的云（paraple，d'eploieme n t dynamiqu e d e fonctions r'eseau，r'es e au x p rogr ammab l es ） ， ii ） en tira n t part i de sop p o r t unit ′ estechnologique s offertes parl e d'eploieme n t dy n am iq ue d e composa n t slogiciels，iii）et en s'apu y a n t sur l' Autonomic Computing.这三个主要的原则都是这样的。本文介绍了一种基于逻辑隔离技术的虚拟机（VNF）概念分类方法，并提出了一种基于ANF 的 虚 拟 机 应 用 功 能 分 类 方 法 Les ANFs permettent led'eploiementdefonglesr'eseaudansdesenvironneme ntsa`resourceslimit'ees， g'e n′eralementsurlespasserellesd'extr ′ emi t ′ e de splatformes IoT. Ilsexposuren'tegalemen`auneutilisationoptimale des resources disponibles.在此基础上，为了维护最高质量的物联网应用程序，现在我们将采用一种基于物联网（TCF）的概念来实现VNF和ANF之间的转换。 Pourparvenira`und'eploiementoptimaldecesTCF s ， not redeuxi`emeconn distribution consisteenlaformulti-o b jectifs.Lasolutionpropos'eeetquièvreprendencompte`alafoisled'eploiementdesTC Fsetlesactionsdequièle，visant`aoptimizerlaQoSdesapplicationsIoT. 平台的核心是由人类管理部门管理。在一个三人小组中，我们的任务是自动化的，可以看到这些不对称的图形。 因此，现在我们支持一个适用于物联网平台的完整计算能力的自适应方法。实际上，在Qo S和IoT平台上，没有一个合适的解决方案。 Nousmod'elisonsleprobl`emedel'idenificatio and e plusieurs goulots d''etranglemenn t parr un prob l ` eme de e classification multi-la bel. 如果你不知道这是什么算法，那么你就不知道这是什么问题。最后，现在我们支持一种算法，该算法可以选择一个用于运行计算机的IoT平台vvi她不在。Motsclées：服务质量（QoS），物联网（IoT），新功能虚拟化（NFV），遗传算法，多目标优化，机器学习（ML），性能瓶颈分析，故障定位。目录摘要三R'esum'ev图表Xi表xiii缩略语列表xv1介绍11.1研究范围和范围。. . . . . . . . . . . . . . . . . . . . . . . . . . . .11.2问题陈述和一般方法21.3研究课题及主要贡献41.4曼尼托巴组织62背景和最新技术水平92.1一.导言. 102.2物联网102.2.1定义102.2.2扶持性技术112.2.2.1短程技术112.2.2.2远程技术112.2.2.3应用层协议122.2.3IoT平台122.2.3.1OneM2M标准132.2.3.2物联网平台：Eclipse OM2M142.3支持NFV的物联网平台162.3.1定义. 172.3.2扶持性技术192.3.2.1软件定义网络192.3.2.2网络功能虚拟化202.3.3需要自主权：没有银弹！...................................................................................... 212.4自主计算232.4.1定义232.4.2成熟度等级242.4.3建筑学252.4.4扶持性技术2.4.4.1机器学习27VIIviii八、目录2.4.4.2演化计算292.5服务质量302.5.1背景和动机：历史重演2.5.2定义. 322.5.3历史方法332.5.4应用程序对QoS的需求：使用案例342.5.4.1联网车辆342.5.4.2智能制造362.5.4.3电子保健362.5.5最新技术水平372.5.5.1优化QoS的解决方案382.5.5.2保证QoS的解决方案392.5.5.3当前的局限性和定位2.6结论423缩放操作和TCF部署的联合优化433.1导言.443.2最新技术水平463.2.1NFV46中的开销最小化3.2.2在NFV47中实现成本节约的优化3.3关键概念和方法概述483.3.1交通管理职能493.3.2ANF包装解决方案493.3.3缩放动作和TFC部署513.4NIP中TCF的网络功能533.4.1交通控制功能概述543.4.2TCF包装评估（VNF和ANF）573.5QoS4NIP Planner63的设计3.5.1系统型号633.5.2多目标问题公式化663.5.3基于遗传算法的约束优化模型663.5.4进化策略和帕累托前沿分析3.5.5QoS4NIP规划器算法703.6互联车辆案例研究713.6.1比较方案713.6.2模拟设置和评估参数723.6.3评价733.6.4意见743.7假设77目录.ix3.8在自治管理器783.9结论794自适应性能分析814.1一、导言. 814.2激励用例834.3最新技术水平854.4系统型号874.4.1NIPModel874.4.2性能监测模型884.5自适应性能分析904.5.1多瓶颈识别（MBI）924.5.2简单的开销敏感型选择（SOMS）924.6实验装置934.6.1试验台954.6.2瓶状注射运动964.6.3多标签数据集概述974.7评价984.7.1效率标准984.7.2多瓶颈识别（MBI）1004.7.3简单的开销敏感型选择（SOMS）1024.7.4讨论1054.8自治管理器106中的集成4.9结论1075结论与展望1095.1结论1095.1.1摘要1095.1.2论文投稿1105.2观点1105.2.1短期研究方向1105.2.2中期研究方向5.2.3长期研究方向A附录113作者参考书目119本页故意留空。图目录1.1论文定位：利用技术机会32.1物联网挑战：公共服务平台的出现[ETSI2014]142.2OM2M功能架构152.3OM2M整体内部结构[Alaya2014]162.4仿真和虚拟化[Gallard2008]182.5虚拟机和容器192.6MAPE-K循环用于自主计算[Jacob2004]252.7解决问题的方法[Gupta2013]272.8电信网络演进[Park2004]。...................................................................................................... 312.9最先进的分类法2.10 第三章规划师的建设.................................................................................................................423.1云到物连续体的方法概述.........................................................................................................493.2网络功能.....................................................................................................................................503.3交通控制功能部署时间593.4[应用网络功能（ANF）]业务控制功能处理时间。603.5[虚拟化网络功能（VNF）]流量控制功能处理时间。613.6流量控制功能资源使用。.........................................................................................................623.7基因型代表。.............................................................................................................................673.8对公式化问题的超体积测量，其中Cp=100%;Mp= 100%; N=200，l = 28。......................................................................................................... 693.9通过基于NSGAII的进化策略对3、10、20、50和100个物联网（IoT）流量的公式化问题实现的加速（在处理器Intel（R）Core（TM）i7-7500UCPU@2.70GHz）。......................................................... 693.10 案例研究的考虑拓扑723.11 相对E2E重新配置成本和资源使用743.12 选定的E2E重新配置计划（Xθ）。....................................................................................... 753.13 E2E拉科鲁尼亚。......................................................................................................................753.14 E2E可用性753.15 E2E发射。..................................................................................................................................763.16 第4章分析器的构建...................................................................................................................794.1芝加哥千禧公园出租车信号计数按小时的一天，星期一，二月2017年6月6日. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .844.2系统型号884.3自适应性能分析方法914.4实验设置。.................................................................................................................................95Xixii.图表一览表4.5每个NF（NF 1、NF 2、NF 3、NF 4）的30分钟进样瓶颈样本。..................................... 974.6根据NF，数据集中的瓶颈频率............................................................................................... 984.7多实验室分类（MLC）受试者操作特征和AUC（AUC）。(a) 机器学习（ML）-kNN;（b）二进制相关性;（c）分类器链;（d）标记幂集。.......1014.8标签Powerset模型精度（Precision）。(a)瓶颈鉴别精密度按NF分组;（b）NF鉴别精密度按瓶颈分组。...............................................................................................................................1034.9简单开销敏感型数据选择（SOMS）算法精度1034.10 不同场景下的表现。(a)子集准确性;（b）覆盖误差;（c）灵敏度;（d）特异性.............104A.1 无缝集成到OM2MIoT平台中。............................................................................................ 114表的列表2.1VNF的示例212.2从不同的角度来看。.................................................................................................................332.3QoS模型..................................................................................................................................... 352.4最新技术水平的限制3.1Notations注释533.2典型的V2N应用。T=请求数/秒（请求大小=1 Mb）;L=延迟（ms）; A=可用性（%）。......................................................................................733.3福利参数设置733.4初始快照s参数设置734.1Notations符号874.2实验测试平台资源描述954.3活动期间注入的瓶颈4.4混淆矩阵984.5多标签分类器性能比较（超参数优化）102XIII本页故意留空。缩略语表AE应用实体ANF应用网络功能应用程序编程接口CoAP受限应用协议公共服务实体欧洲电信标准协会FCFS先到先得遗传算法HTTP超文本传输协议IoT物联网IP网际协议ITU国际电信联盟LPWAN低功耗广域网LSL本地服务级别M2M机器对机器MAPE-K监视器、分析器、计划器、知识库MBI多重瓶颈识别ML机器学习MLC多标签分类MQTT消息队列遥测传输网络功能虚拟化NIP支持NFV的物联网平台OS操作系统OSGi开放服务网关计划个人区域网QoS服务质量QoS4NIP支持NFV的物联网平台的QoSREST具象状态转移SDN软件定义网络SFC服务功能链SOMS简单开销敏感的业务选择TCF流量控制功能TCP传输控制协议UDP用户数据报协议VM虚拟机VNF虚拟化网络功能XV本页故意留空。不Intro1.1研究范围和范围。. . . . . . . . . . . . . . . . . . . . . . . . . . . .11.2问题陈述和一般方法21.3研究课题及主要贡献41.4曼尼托巴组织61.1背景和研究范围在最近几年中，在所有活动领域，无论是日常的（例如，照明、温度、湿度）和专业（如电表或煤气表的远程读数设备成本的降低和网络技术的发展，特别是无线技术，催生了机器对机器（M2M）的概念，旨在减少甚至消除业务流程中的人为干预。因此，基于M2M网络基础设施的物联网（IoT）旨在将传统的互联网扩展到计算机以外的设备，从而为智能工厂和智能家居，智能建筑，电子健康等新应用铺平道路物联网在这些背景下的使用可能会为消费者和服务生产者带来真正的附加值提出了几种架构愿景来构建物联网。我们用于上下文的[oneM2M 2016]由四层组成。第一个是物联网层，由所有物联网设备组成（即，传感器和致动器）。该层由网络层支持，网络层包括不同交互所需的所有互连技术物联网平台层（也称为中间件层）为物联网应用提供抽象层，从而促进它们与底层的交互。最后是应用层，由所有软件应用程序组成，通过与连接设备的交互，为业务活动做出贡献。物联网的特殊性导致人们重新考虑在其他更传统的环境中已经解决的多个问题（例如，基于互联网协议（IP）的网络）。在这篇论文中，我们感兴趣的是物联网平台中的服务质量（QoS）问题。国际电信联盟（ITU）将QoS定义为电信服务的特性的总和，这些特性与满足服务用户的明示和暗示需求的能力有关[Rec1994]。在物联网环境中，QoS指的是物联网生态系统及其不同层的能力1引1CAPTER