JP2017208687A - ネットワークトラフィック制御システム及び制御方法 - Google Patents

ネットワークトラフィック制御システム及び制御方法 Download PDF

Info

Publication number
JP2017208687A
JP2017208687A JP2016099376A JP2016099376A JP2017208687A JP 2017208687 A JP2017208687 A JP 2017208687A JP 2016099376 A JP2016099376 A JP 2016099376A JP 2016099376 A JP2016099376 A JP 2016099376A JP 2017208687 A JP2017208687 A JP 2017208687A
Authority
JP
Japan
Prior art keywords
network
network switch
switch
switches
information
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
JP2016099376A
Other languages
English (en)
Other versions
JP6791532B2 (ja
Inventor
泰斗 前田
Yasuto Maeda
泰斗 前田
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
NEC Platforms Ltd
Original Assignee
NEC Platforms Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by NEC Platforms Ltd filed Critical NEC Platforms Ltd
Priority to JP2016099376A priority Critical patent/JP6791532B2/ja
Publication of JP2017208687A publication Critical patent/JP2017208687A/ja
Application granted granted Critical
Publication of JP6791532B2 publication Critical patent/JP6791532B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Abstract

【課題】ユーザの行動とネットワークトラフィックの結び付きを考慮して動的なネットワークを最適化するシステム等を提供する。【解決手段】複数のネットワークスイッチ3と、これらを制御するネットワークコントローラ4とを有する動的なネットワーク2と、各スイッチに接続される端末5の、ユーザの現況を示すプレゼンス情報を収集し、この情報に基づいてネットワークスイッチにプレゼンス状態を付与するサーバ6とを備え、サーバは、ネットワークスイッチに付与されたプレゼンス状態に基づいてネットワークのトラフィックを制御するネットワークトラフィック制御システム1等。ネットワークスイッチの物理的位置を記憶するデータべース7を備え、サーバは、データベースに記憶されるネットワークスイッチの物理的位置とプレゼンス情報に基づいてユーザの優先度を決定し、優先度に基づいてネットワークスイッチに対するプレゼンス状態を付与することができる。【選択図】図1

Description

本発明は、ネットワークトラフィック制御システム及び制御方法に関し、特に動的なネットワークのトラフィックを制御するシステム及び方法に関する。
OpenFlow(登録商標)に代表されるSDN(Software-Defined Network)のような動的なネットワークは、大規模な環境で構成される傾向にある。このようなネットワークは物理的な配線等を変更することなくパケットの宛先を変えて、絶えず変化するネットワーク上のトラフィックに対して動的な制御を行うことができる。
上述のようなネットワークを企業のイントラネットとして採用し、テレビ会議やVoIP通話等を行う場合には、ネットワークが途切れたり、遅延が発生したりすることを防止して通信品質を高める必要がある。例えば、テレビ会議の際には参加人数等の規模によって通信品質を高めるべきであるが、そのようなネットワーク設定を手動で行うのは煩雑である。
そこで、特許文献1には、将来の外的要因の予測情報を格納した外的要因予測情報記憶手段から予測したい期間の外的要因のデータを取得し、トラフィック量予測式に適用して予測トラフィック量を算出することで、現実的な時間内でトラフィック予測を可能にする技術が記載されている。
また、特許文献2には、移動体通信網において地理的に分割した区画におけるトラフィックの遷移と過去のトラフィックモデルを比較することで、その地域の将来のトラフィックを予測する技術が開示されている。
特開2012−253445号公報 特開2015−158861号公報
しかし、上記特許文献1に記載の技術では、外的要因としてユーザの行動を考慮しておらず、改善の余地があった。また、特許文献2に記載の技術では過去のトラフィックモデルから将来のトラフィック変動を予測しているが、ネットワークの最適化を図るためのトラフィック制御は行われていない。
ところで、企業のオフィスのような環境では各ユーザにプレゼンス情報が設定されている場合がある。プレゼンス情報とは、ユーザの状態を示す情報であって、例えば、在席中、離席中及び会議中等のユーザの行動に関する情報や、構内でのユーザの位置に関する情報である。特定のユーザの状態を知りたい場合には、プレゼンス情報を参照することによって、そのユーザの行動や位置を知ることができる。このような、プレゼンス情報に設定されるユーザの行動や位置の情報に連動して、ネットワークトラフィックは絶えず変動する。
しかし、特許文献1及び2に限らず、ユーザの状態を示すプレゼンス情報に基づいてネットワークの最適化、すなわちネットワークトラフィックの制御を行う技術は存在しておらず、上述のように、テレビ会議等でネットワークが途切れないことなどを実現するため、その場所に集まっているユーザ数まで考慮されたネットワークトラフィックの制御技術が求められていた。
そこで、本発明は、ユーザの行動とネットワークトラフィックの結び付きを考慮して動的なネットワークを最適化することが可能なネットワークトラフィック制御システム及び方法を提供することを目的とする。
本発明のネットワークトラフィック制御システムは、複数のネットワークスイッチと、該複数のネットワークスイッチを制御するネットワークコントローラとを有する動的なネットワークと、前記複数のネットワークスイッチの各々に接続される端末の、ユーザの現況を示すプレゼンス情報を収集し、該収集したプレゼンス情報に基づいて前記ネットワークスイッチにプレゼンス状態を付与するサーバとを備え、該サーバは、前記ネットワークスイッチに付与されたプレゼンス状態に基づいて前記ネットワークのトラフィックを制御することを特徴とする。
また、本発明のサーバは、複数のネットワークスイッチと、該複数のネットワークスイッチを制御するネットワークコントローラとを有する動的なネットワークに接続され、前記複数のネットワークスイッチの各々に接続される端末の、ユーザの現況を示すプレゼンス情報を収集し、該収集したプレゼンス情報に基づいて前記ネットワークスイッチにプレゼンス状態を付与し、前記ネットワークスイッチに付与されたプレゼンス状態に基づいて前記ネットワークのトラフィックを制御することを特徴とする。
さらに、本発明のネットワークトラフィック制御方法は、複数のネットワークスイッチと、該複数のネットワークスイッチを制御するネットワークコントローラを有する動的なネットワークを制御する方法であって、前記複数のネットワークスイッチの各々に接続される端末の、ユーザの現況を示すプレゼンス情報を収集し、該収集したプレゼンス情報に基づいて前記ネットワークスイッチにプレゼンス状態を付与し、前記ネットワークスイッチに付与されたプレゼンス状態に基づいて前記ネットワークのトラフィックを制御することを特徴とする。
以上のように、本発明によれば、プレゼンス情報を参照し、ユーザの動きに対して自動的にネットワークの最適化を行うことができる。
本発明に係るネットワークトラフィック制御システムの一実施の形態を示す概略図である。 図1のネットワークトラフィック制御システムの動作を説明するためのフローチャートである。 ネットワークスイッチにプレゼンス状態を付与する際の概念図である。 図2のステップS8の詳細を説明するためのフローチャートである。
次に、本発明に係るネットワークトラフィック制御システムの一実施の形態について、図面を参照しながら説明する。
図1は本発明に係るネットワークトラフィック制御システムの一実施の形態を示し、このシステム1は、複数のネットワークスイッチ(以下「スイッチ」と略称する。)3(3A〜3C)と、これらのスイッチ3を制御するネットワークコントローラ(以下「コントローラ」と略称する)4を有する動的なネットワーク2と、スイッチ3の各々に接続される端末5の、ユーザの現況を示すプレゼンス情報を収集し、収集したプレゼンス情報に基づいてスイッチ3にプレゼンス状態を付与するサーバ6と、データベース7等で構成される。
動的なネットワーク2は、上述のようにOpenFlowに代表されるSDN(Software-Defined Network)等であって、トラフィック量、トラフィックエラー量の取得、及びパケットヘッダ等の書き換えが可能なネットワークである。
スイッチ3は、後述するように自動的に重要度が設定されるように構成される。また、スイッチ3に接続される端末5は、オフィスに設置されるPC等のユーザ端末や、テレビ会議に用いられる会議端末であって、ユーザの行動及び位置に関するプレゼンス情報が手動又は自動で設定される。尚、スイッチ3A、3Bに接続される端末は、図1においては省略している。
サーバ6は、内部にアプリケーション(以下「アプリ」と略称する。)6aを備え、過去のスイッチ3毎のトラフィック情報及びプレゼンス状態に基づいて、現在のスイッチ3毎のトラフィック情報から、現在のスイッチ3毎のプレゼンス状態を予測すると共に、予測結果を機械学習することで予測精度の向上を図る識別器(不図示)を備え、スイッチ(エッジ)3Cを制御したり、ネットワーク2のトラフィック情報や、後述するユーザのプレゼンス状態を収集する。
データベース7は、サーバ6から入力されるネットワーク2のトラフィック情報に基づくトラフィック情報の差分、サーバ6からのユーザのプレゼンス情報、スイッチ3と端末5の位置情報、後述するプレゼンス状態と重要度の対応テーブル、及びスイッチ3のプレゼンス状態の変遷情報等を蓄積するために設けられる。
次に、上記構成を有するシステム1の動作について、図2を中心に図1〜図4を参照しながら説明する。
サーバ6上のアプリ6aを起動し、システム1の初期化を行う(ステップS1)。以降、ネットワーク2に対して必要な命令をこのサーバ6上で動作するアプリ6aが送信することとする。
次に、アプリ6aはコントローラ4にアクセスして、ネットワーク2の各スイッチ3A〜3Cからトラフィック量やエラー数等の収集可能な情報を読み出し、データベース7に格納する(ステップS2)。そして、アプリ6aは、ネットワーク2を通して各ユーザ端末5からプレゼンス情報を収集する(ステップS3)。
ステップS4において、上記ステップS2、S3にて得られた情報とデータベース7上の過去の情報に基づいて、アプリ6aは各スイッチ3A〜3Cのプレゼンス状態の判定方法を決定する。
アプリ6aにより、ステップS2、S3にて得られた直前のトラフィック情報とプレゼンス情報がプレゼンス状態を決定するのに十分であると判断されると(ステップS4;Yes)、ステップS2、S3で得た情報からスイッチ3A〜3Cのプレゼンス状態を決定する(ステップS5)。
ステップS5において、図3に示すように、スイッチ3A〜3Cに対して仮想的にユーザが紐づけられていると考える。これは、プレゼンス情報であるユーザの位置情報とスイッチの位置情報を比較し、対応するスイッチ3にユーザを紐づける。スイッチ3A〜3Cに紐づけられた全ユーザの行動情報をみて、最も優勢なプレゼンス状態を決定し、決定したプレゼンス状態をスイッチ3A〜3Cに付与する。また、ユーザの行動情報の偏りを考慮して、1つのスイッチに対して複数のプレゼンス状態を付与することも考えられる。
そして、識別器を更新し、決定された各スイッチ3A〜3Cのプレゼンス状態と、各スイッチ3A〜3Cから取得可能なトラフィック量や、エラー数等を入力データとして識別器の学習を行う(ステップS6)。
その後、予めデータベース7内に用意しておいたスイッチ3のプレゼンス状態とネットワーク2における重要度が結びついた情報を参照して、各スイッチ3の重要度を決定する(ステップS7)。
一方、ステップS2、S3にて得られた直前のトラフィック情報とプレゼンス情報が十分でないと判断された場合には(ステップS4;No)、ステップS9において、識別器に入力するトラフィック情報が十分に揃っているか否かを判別する。
識別器に入力するトラフィック情報が十分に揃っていると判断された場合には(ステップS9;Yes)、ステップS2で収集した各スイッチ3A〜3C毎のトラフィック情報を識別器に入力する。出力は各スイッチ3A〜3Cのプレゼンス状態となるので、このプレゼンス状態をスイッチ3A〜3Cに付与し(ステップS10)、上記ステップS7に移行する。
一方、識別器に入力するトラフィック情報が十分には揃っていないと判断された場合には(ステップS9;No)、各スイッチ3A〜3C毎に、過去の遷移確率から次のプレゼンス状態を決定する(ステップS11)。これは、データベースに記録された過去のプレゼンス状態の遷移から状態遷移モデルを形成しておき、次の最尤なプレゼンス状態を選択することで行われ、ステップS11の後はステップS7に移行する。
ステップS8においては、各スイッチ3A〜3Cの重要度からネットワーク2のエッジコストを更新し、ステップS2に戻って上記動作を繰り返す。
ステップS8において、各スイッチ3A〜3Cの重要度からネットワーク2のエッジコストを更新する(ネットワーク2の最適化を行う)には、ネットワーク2の最大帯域幅(最大データ転送容量)に対する各スイッチの帯域幅の比率である相対帯域幅を算出し、この相対帯域幅を上記端末5のプレゼンス状態に基づいて調整する。
例えば、ユーザが離席中で、使用されていない端末5に接続されるスイッチ3については、相対帯域幅を狭くし、複数のユーザが参加するテレビ会議に用いられる端末5に接続されるスイッチ3については、相対帯域幅を広くするように調整する。ここで、スイッチ3の帯域幅の総和がネットワーク2の最大帯域幅を超えないようにする必要がある。
一般的に、ネットワークの最適化は、各ノードのスイッチ間であるエッジの帯域幅や優先順位を設定することで行う。スイッチの重要度決定後に、各エッジの帯域幅を決定する例を図4を参照しながら説明する。尚、最適化の手段は一意的に定められるものではない。
ステップS81の手順1において、対象となるネットワーク上のスイッチ2つの組み合わせをすべて算出し、ステップS82の繰り返し1では、算出した組み合わせ各々に対して処理を行う。
ステップS83の手順2では、繰り返しの対象となる組み合わせから、ネットワーク上の経路を計算する。
ここで、経路について例示するために、3つのスイッチA、B、Cを考える。A、B、Cの各々のスイッチが、他の2つのスイッチと接続されているとする。スイッチの組み合わせがAとBであるとするならば、経路の例としてA→B、A→C→Bの2通りが挙げられる。
ステップS84の繰り返し2では、経路中の各々のエッジに対して処理を行う。エッジとは、先述した2つの経路の例では、A→Bに対してA−Bであり、A→C→Bに対してはA−C、C−Bとなる。尚、経路は順序を考慮するが、エッジは順序を考慮しない。
ステップS85の手順3では、各々のエッジに対する相対帯域幅を計算する。相対帯域幅は、最終的に決定する各々のエッジの帯域幅の比率となる。繰り返し対象のエッジの相対帯域幅に対して、エッジ両端の重要度の和を現在の経路のエッジ数で割った値を加算する。
ステップS86において、繰り返し2を終端して繰り返し2の先頭(ステップS84)に戻る。繰り返し2が終了すると、ステップS87において、繰り返し1を終端して繰り返し1の先頭(ステップS82)に戻る。繰り返し1が終了すると、ステップS88の手順4に進む。
ステップS88の手順4では、各エッジの相対帯域幅の総和を取り、各エッジの相対帯域幅を総和で除算する。これは正規化の手順である。
次に、ステップS89の手順5で、各々のエッジの帯域幅を計算する。各エッジの相対帯域幅に対して基本帯域幅を乗算する。但し、基本帯域幅は、各エッジの帯域幅の総和が許可されているネットワークの最大幅を超えないように選ぶ。
以上がネットワークの最適化の一例であるが、ネットワークが大規模化すると指数関数的に計算量が増大することが予見される。その場合、計算には組み合わせ最適化の枠組みを用いて、多項式時間で近似解を求める手法を用いる必要がある。
また、図2に示すように、スイッチ3のプレゼンス状態の決定方法は3つあり(ステップS5、S10、S11)、上記実施の形態においては明確にこれらを分岐させた。しかし、どの方法がよいかというのは一概に言えない場合も多いので、3つの方法の結果の各々に重みをつけてプレゼンス状態を決定してもよい。
上記実施の形態においては、ネットワーク2の最適化、すなわちネットワークトラフィックの制御の具体例として、スイッチ3の帯域幅を調整する場合について説明したが、最適化の手段はこれに限定されず、上述のような効果を得られるものであればいかなる手段を用いてもよい。
尚、プレゼンス情報とコンピューティングリソースのマッピングを行うことで、それらの相関情報を可視化することもできる。
1 システム
2 ネットワーク
3(3A〜3C) スイッチ
4 コントローラ
5 端末
6 サーバ
6a アプリ
7 データベース

Claims (9)

  1. 複数のネットワークスイッチと、該複数のネットワークスイッチを制御するネットワークコントローラとを有する動的なネットワークと、
    前記複数のネットワークスイッチの各々に接続される端末の、ユーザの現況を示すプレゼンス情報を収集し、該収集したプレゼンス情報に基づいて前記ネットワークスイッチにプレゼンス状態を付与するサーバとを備え、
    該サーバは、前記ネットワークスイッチに付与されたプレゼンス状態に基づいて前記ネットワークのトラフィックを制御することを特徴とするネットワークトラフィック制御システム。
  2. 前記ネットワークスイッチの物理的位置を記憶するデータべースを備え、
    前記サーバは、前記データベースに記憶されるネットワークスイッチの物理的位置と前記プレゼンス情報に基づいて、ユーザの優先度を決定し、該優先度に基づいて、前記ネットワークスイッチに対するプレゼンス状態の付与を行うことを特徴とする請求項1に記載のネットワークトラフィック制御システム。
  3. 前記サーバは、過去のネットワークスイッチ毎のトラフィック情報及びプレゼンス状態に基づいて、現在のネットワークスイッチ毎のトラフィック情報から、現在のネットワークスイッチ毎のプレゼンス状態を予測し、
    前記ユーザのプレゼンス情報が得られない場合に、前記予測したプレゼンス状態を前記ネットワークスイッチに付与することを特徴とする請求項1又は2に記載のネットワークトラフィック制御システム。
  4. 前記サーバは、過去のネットワークスイッチ毎のプレゼンス状態の遷移確率を考慮して前記現在のネットワークスイッチ毎のプレゼンス状態を予測することを特徴とする請求項3に記載のネットワークトラフィック制御システム。
  5. 複数のネットワークスイッチと、該複数のネットワークスイッチを制御するネットワークコントローラとを有する動的なネットワークに接続され、
    前記複数のネットワークスイッチの各々に接続される端末の、ユーザの現況を示すプレゼンス情報を収集し、
    該収集したプレゼンス情報に基づいて前記ネットワークスイッチにプレゼンス状態を付与し、
    前記ネットワークスイッチに付与されたプレゼンス状態に基づいて前記ネットワークのトラフィックを制御することを特徴とするサーバ。
  6. 前記ネットワークに接続され、前記ネットワークスイッチの物理的位置を記憶するデータべースを備えるネットワークシステムに接続され、
    前記データベースに記憶されるネットワークスイッチの物理的位置と前記プレゼンス情報に基づいて、ユーザの優先度を決定し、該優先度に基づいて前記ネットワークスイッチに対するプレゼンス状態の付与を行うことを特徴とする請求項5に記載のサーバ。
  7. 過去のネットワークスイッチ毎のトラフィック情報及びプレゼンス状態に基づき、現在のネットワークスイッチ毎のトラフィック情報から、現在のネットワークスイッチ毎のプレゼンス状態を予測し、
    前記ユーザのプレゼンス情報が得られない場合に、前記予測したプレゼンス状態を前記ネットワークスイッチに付与することを特徴とする請求項5又は6に記載のサーバ。
  8. 過去のネットワークスイッチ毎のプレゼンス状態の遷移確率を考慮して前記現在のネットワークスイッチ毎のプレゼンス状態を予測することを特徴とする請求項7に記載のサーバ。
  9. 複数のネットワークスイッチと、該複数のネットワークスイッチを制御するネットワークコントローラを有する動的なネットワークを制御する方法であって、
    前記複数のネットワークスイッチの各々に接続される端末の、ユーザの現況を示すプレゼンス情報を収集し、
    該収集したプレゼンス情報に基づいて前記ネットワークスイッチにプレゼンス状態を付与し、
    前記ネットワークスイッチに付与されたプレゼンス状態に基づいて前記ネットワークのトラフィックを制御することを特徴とするネットワークトラフィック制御方法。
JP2016099376A 2016-05-18 2016-05-18 ネットワークトラフィック制御システム及び制御方法 Active JP6791532B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2016099376A JP6791532B2 (ja) 2016-05-18 2016-05-18 ネットワークトラフィック制御システム及び制御方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2016099376A JP6791532B2 (ja) 2016-05-18 2016-05-18 ネットワークトラフィック制御システム及び制御方法

Publications (2)

Publication Number Publication Date
JP2017208687A true JP2017208687A (ja) 2017-11-24
JP6791532B2 JP6791532B2 (ja) 2020-11-25

Family

ID=60416620

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2016099376A Active JP6791532B2 (ja) 2016-05-18 2016-05-18 ネットワークトラフィック制御システム及び制御方法

Country Status (1)

Country Link
JP (1) JP6791532B2 (ja)

Also Published As

Publication number Publication date
JP6791532B2 (ja) 2020-11-25

Similar Documents

Publication Publication Date Title
US11580449B2 (en) Traffic-based inference of influence domains in a network by using learning machines
EP3138247B1 (en) Centralized predictive routing using delay predictability measurements
US20210367835A1 (en) Method and apparatus for optimizing a software defined network configuration
US10277476B2 (en) Optimizing network parameters based on a learned network performance model
EP2954642B1 (en) Dynamically adjusting a set of monitored network properties using distributed learning machine feedback
US9443204B2 (en) Distributed architecture for machine learning based computation using a decision control point
US11032150B2 (en) Automatic prediction of behavior and topology of a network using limited information
US9734457B2 (en) Learning data processor for distributing learning machines across large-scale network infrastructures
US9436917B2 (en) Accelerating learning by sharing information between multiple learning machines
US20170155744A1 (en) Network packet management server, network packet management method and computer readable medium thereof
US9563440B2 (en) Fast learning to train learning machines using smart-triggered reboot
US9652720B2 (en) Triggering on-the-fly requests for supervised learning of learning machines
CN108075974B (zh) 一种流量转发控制方法、装置及sdn架构系统
US20210004735A1 (en) System and method for collaborative decentralized planning using deep reinforcement learning agents in an asynchronous environment
US9935832B2 (en) Automated placement of measurement endpoint nodes in a network
US9626628B2 (en) Point-to-multipoint communication infrastructure for expert-based knowledge feed-back using learning machines
JP2018207241A (ja) 管理装置、管理方法及び管理プログラム
US11811614B2 (en) Assigning routing paths based on interior gateway protocol metric optimization
US8990058B2 (en) Generating and evaluating expert networks
JP2017208687A (ja) ネットワークトラフィック制御システム及び制御方法
CN109218049B (zh) 一种控制方法、相关设备以及系统
CN116055406B (zh) 拥塞窗口预测模型的训练方法及装置
Rajini et al. Multi-Hop Wireless Network Optimization Solution using Automatic Distributed Joint Routing for Delay Sensitive Applications
JP2021150721A (ja) 管理装置、ネットワークシステム、管理方法、およびプログラム
KR101563457B1 (ko) 서비스 가용성을 보장하기 위한 이웃 노드 선출 시스템 및 방법

Legal Events

Date Code Title Description
A711 Notification of change in applicant

Free format text: JAPANESE INTERMEDIATE CODE: A712

Effective date: 20170704

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20190402

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20200123

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20200303

A521 Written amendment

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20200427

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20201006

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20201029

R150 Certificate of patent or registration of utility model

Ref document number: 6791532

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150