JP2020053711A - オーケストレータ装置、プログラム、情報処理システム、及び制御方法 - Google Patents
オーケストレータ装置、プログラム、情報処理システム、及び制御方法 Download PDFInfo
- Publication number
- JP2020053711A JP2020053711A JP2018177751A JP2018177751A JP2020053711A JP 2020053711 A JP2020053711 A JP 2020053711A JP 2018177751 A JP2018177751 A JP 2018177751A JP 2018177751 A JP2018177751 A JP 2018177751A JP 2020053711 A JP2020053711 A JP 2020053711A
- Authority
- JP
- Japan
- Prior art keywords
- service
- chains
- quality
- chain
- future
- 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
Links
Landscapes
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
Description
複数の物理プラットフォームに配置された複数の仮想ネットワーク機能(VNF)が連携してそれぞれ構成される複数のサービスチェーンを管理するオーケストレータ装置であって、
各前記サービスチェーンのサービス品質の推定値を出力する1つ又は複数のニューラルネットワークを記憶する記憶部と、
前記複数のサービスチェーンのうち1つの前記サービスチェーンを、ユーザに利用させるデフォルトサービスチェーンに設定し、
前記ニューラルネットワークから出力される各前記サービスチェーンの将来のサービス品質の推定値を取得し、
各前記サービスチェーンの将来のサービス品質の推定値に基づいて、前記複数のサービスチェーンのうちから、前記デフォルトサービスチェーンよりも将来のサービス品質が良いと推定される他のサービスチェーンを特定し、
特定した前記サービスチェーンを前記デフォルトサービスチェーンに再設定する制御部と、を備える。
情報処理装置を、
複数の物理プラットフォームに配置された複数の仮想ネットワーク機能(VNF)が連携してそれぞれ構成される複数のサービスチェーンを管理するオーケストレータ装置であって、
各前記サービスチェーンのサービス品質の推定値を出力する1つ又は複数のニューラルネットワークを記憶する記憶部と、
前記複数のサービスチェーンのうち1つの前記サービスチェーンを、ユーザに利用させるデフォルトサービスチェーンに設定し、
前記ニューラルネットワークから出力される各前記サービスチェーンの将来のサービス品質の推定値を取得し、
各前記サービスチェーンの将来のサービス品質の推定値に基づいて、前記複数のサービスチェーンのうちから、前記デフォルトサービスチェーンよりも将来のサービス品質が良いと推定される他のサービスチェーンを特定し、
特定した前記サービスチェーンを前記デフォルトサービスチェーンに再設定する制御部と、を備える、オーケストレータ装置として機能させる。
複数の物理プラットフォームと、前記複数の物理プラットフォームに配置された複数の仮想ネットワーク機能(VNF)が連携してそれぞれ構成される複数のサービスチェーンを管理するオーケストレータ装置と、を備える情報処理システムであって、
前記オーケストレータ装置は、
各前記サービスチェーンのサービス品質の推定値を出力する1つ又は複数のニューラルネットワークを記憶する記憶部と、
前記複数のサービスチェーンのうち1つの前記サービスチェーンを、ユーザに利用させるデフォルトサービスチェーンに設定し、
前記ニューラルネットワークから出力される各前記サービスチェーンの将来のサービス品質の推定値を取得し、
各前記サービスチェーンの将来のサービス品質の推定値に基づいて、前記複数のサービスチェーンのうちから、前記デフォルトサービスチェーンよりも将来のサービス品質が良いと推定される他のサービスチェーンを特定し、
特定した前記サービスチェーンを前記デフォルトサービスチェーンに再設定する制御部と、を有する。
複数の物理プラットフォームに配置された複数の仮想ネットワーク機能(VNF)が連携してそれぞれ構成される複数のサービスチェーンを管理するオーケストレータ装置の制御方法であって、
各前記サービスチェーンのサービス品質の推定値を出力する1つ又は複数のニューラルネットワークを記憶する記憶ステップと、
前記複数のサービスチェーンのうち1つの前記サービスチェーンを、ユーザに利用させるデフォルトサービスチェーンに設定するステップと、
前記ニューラルネットワークから出力される各前記サービスチェーンの将来のサービス品質の推定値を取得する取得ステップと、
各前記サービスチェーンの将来のサービス品質の推定値に基づいて、前記複数のサービスチェーンのうちから、前記デフォルトサービスチェーンよりも将来のサービス品質が良いと推定される他のサービスチェーンを特定する特定ステップと、
特定した前記サービスチェーンを前記デフォルトサービスチェーンに再設定するステップと、を含む。
図1を参照して、本発明の一実施形態に係る情報処理システム1の概要について説明する。情報処理システム1は、複数の物理プラットフォームb(b1〜bn。ただし、nは2以上の整数。)と、オーケストレータ装置10と、ロードバランサc(c1〜cm。ただし、mは2以上の整数。)と、プローブ20と、を備える。各物理プラットフォームb、各ロードバランサc、オーケストレータ装置10、及びプローブ20は、例えばインターネット等を含むネットワーク30に接続される。
オーケストレータ装置10の第1動作について説明する。概略として第1動作は、後述するニューラルネットワーク、又は類する教師付き学習を行う機械Fの生成及び学習を行う動作である。制御部13は、複数のサービスチェーンのサービス品質の実績データQ0=[q0 (1),…,q0 (n^m)]T(ただし、n^mはnのm乗を意味する。)を入力Xとし、当該複数のサービスチェーンのサービス品質の推定データQ=[q(1),…,q(n^m)]を出力Yとする複数のニューラルネットワークF(F1〜Fj。ただし、jは2以上の整数。)を生成し、記憶部12に記憶する。ここで、q0 (i)及びq(i)(ただし、1≦i≦nm。)は、それぞれi番目のサービスチェーンのサービス品質の実績値及び推定値である。以下、ニューラルネットワークFに入力する実績データQ0を入力データXともいう。また、ニューラルネットワークFから出力される推定データQを出力データYともいう。各ニューラルネットワークFは、ベクトルである入力データXを入力し、ベクトルである出力データYを出力する関数Y=F(X)として振る舞う。
オーケストレータ装置10の第2動作について説明する。概略として第2動作は、デフォルトサービスチェーンを再設定する動作である。制御部13は、複数のニューラルネットワークF1〜Fjの精度を示す精度情報s(F1)〜s(Fj)を初期値に設定する。初期値は任意の手法で定められてもよいが、各ニューラルネットワークFの精度情報s(F)は後述する第3動作によって逐次更新され得る。ニューラルネットワークFの精度情報s(F)は、当該ニューラルネットワークFを用いて推定される、複数のサービスチェーンの将来のサービス品質の推定精度を示す情報である。推定精度の高いニューラルネットワークFを用いることにより、複数のサービスチェーンの将来のサービス品質を精度良く推定し得る。以下、複数のニューラルネットワークF1〜Fjのうち、精度情報s(F)により示される推定精度が最も高い(即ち、最高精度の)ニューラルネットワークFをFhighともいい、精度情報s(F)により示される推定精度が最も低い(即ち、最低精度の)ニューラルネットワークFをFlowともいう。
オーケストレータ装置10の第3動作について説明する。概略として第3動作は、複数のニューラルネットワークF1〜Fjの精度情報s(F1)〜s(Fj)を更新するとともに、最低精度のニューラルネットワークFlowを、最高精度のニューラルネットワークFhighを構成するパラメータの近傍パラメータを有する新たなニューラルネットワークFnewに置き換える動作である。制御部13は、上述した第2動作によりデフォルトサービスチェーンを再設定した後、入力データX(k−1)及びサービス品質の実績データQ0(k)を取得する。
図4を参照して、オーケストレータ装置10の上述した第1動作のフローについて説明する。
図5を参照して、オーケストレータ装置10の上述した第2動作のフローについて説明する。
図6を参照して、オーケストレータ装置10の上述した第3動作のフローについて説明する。第3動作は、例えば、上述した第2動作によりデフォルトサービスチェーンが再設定される度に実行される。
10 オーケストレータ装置
11 通信部
12 記憶部
13 制御部
20 プローブ
30 ネットワーク
a VNF
b 物理プラットフォーム
c ロードバランサ
Claims (7)
- 複数の物理プラットフォームに配置された複数の仮想ネットワーク機能(VNF)が連携してそれぞれ構成される複数のサービスチェーンを管理するオーケストレータ装置であって、
各前記サービスチェーンのサービス品質の推定値を出力する1つ又は複数のニューラルネットワークを記憶する記憶部と、
前記複数のサービスチェーンのうち1つの前記サービスチェーンを、ユーザに利用させるデフォルトサービスチェーンに設定し、
前記ニューラルネットワークから出力される各前記サービスチェーンの将来のサービス品質の推定値を取得し、
各前記サービスチェーンの将来のサービス品質の推定値に基づいて、前記複数のサービスチェーンのうちから、前記デフォルトサービスチェーンよりも将来のサービス品質が良いと推定される他のサービスチェーンを特定し、
特定した前記サービスチェーンを前記デフォルトサービスチェーンに再設定する制御部と、
を備える、オーケストレータ装置。 - 請求項1に記載のオーケストレータ装置であって、
前記記憶部は、前記複数のニューラルネットワークと、各前記ニューラルネットワークの精度情報と、を記憶し、
前記制御部は、
各前記ニューラルネットワークから出力される各前記サービスチェーンの将来のサービス品質の推定値を取得し、
前記複数のニューラルネットワークのうち最高精度の1つのニューラルネットワークから出力された各前記サービスチェーンの将来のサービス品質の推定値に基づいて、前記複数のサービスチェーンのうちから、前記デフォルトサービスチェーンよりも将来のサービス品質が良いと推定される他のサービスチェーンを特定し、
前記デフォルトサービスチェーンの再設定後、各前記ニューラルネットワークから出力される各前記サービスチェーンの将来のサービス品質の推定値と、各前記サービスチェーンのサービス品質の実績値と、の比較に基づいて各前記ニューラルネットワークの前記精度情報を更新する、オーケストレータ装置。 - 情報処理装置を、請求項1又は2に記載のオーケストレータ装置として機能させる、プログラム。
- 複数の物理プラットフォームと、前記複数の物理プラットフォームに配置された複数の仮想ネットワーク機能(VNF)が連携してそれぞれ構成される複数のサービスチェーンを管理するオーケストレータ装置と、を備える情報処理システムであって、
前記オーケストレータ装置は、
各前記サービスチェーンのサービス品質の推定値を出力する1つ又は複数のニューラルネットワークを記憶する記憶部と、
前記複数のサービスチェーンのうち1つの前記サービスチェーンを、ユーザに利用させるデフォルトサービスチェーンに設定し、
前記ニューラルネットワークから出力される各前記サービスチェーンの将来のサービス品質の推定値を取得し、
各前記サービスチェーンの将来のサービス品質の推定値に基づいて、前記複数のサービスチェーンのうちから、前記デフォルトサービスチェーンよりも将来のサービス品質が良いと推定される他のサービスチェーンを特定し、
特定した前記サービスチェーンを前記デフォルトサービスチェーンに再設定する制御部と、
を有する、情報処理システム。 - 請求項4に記載の情報処理システムであって、
前記記憶部は、前記複数のニューラルネットワークと、各前記ニューラルネットワークの精度情報と、を記憶し、
前記制御部は、
各前記ニューラルネットワークから出力される各前記サービスチェーンの将来のサービス品質の推定値を取得し、
前記複数のニューラルネットワークのうち最高精度の1つのニューラルネットワークから出力された各前記サービスチェーンの将来のサービス品質の推定値に基づいて、前記複数のサービスチェーンのうちから、前記デフォルトサービスチェーンよりも将来のサービス品質が良いと推定される他のサービスチェーンを特定し、
前記デフォルトサービスチェーンの再設定後、各前記ニューラルネットワークから出力される各前記サービスチェーンの将来のサービス品質の推定値と、各前記サービスチェーンのサービス品質の実績値と、の比較に基づいて各前記ニューラルネットワークの前記精度情報を更新する、情報処理システム。 - 複数の物理プラットフォームに配置された複数の仮想ネットワーク機能(VNF)が連携してそれぞれ構成される複数のサービスチェーンを管理するオーケストレータ装置の制御方法であって、
各前記サービスチェーンのサービス品質の推定値を出力する1つ又は複数のニューラルネットワークを記憶する記憶ステップと、
前記複数のサービスチェーンのうち1つの前記サービスチェーンを、ユーザに利用させるデフォルトサービスチェーンに設定するステップと、
前記ニューラルネットワークから出力される各前記サービスチェーンの将来のサービス品質の推定値を取得する取得ステップと、
各前記サービスチェーンの将来のサービス品質の推定値に基づいて、前記複数のサービスチェーンのうちから、前記デフォルトサービスチェーンよりも将来のサービス品質が良いと推定される他のサービスチェーンを特定する特定ステップと、
特定した前記サービスチェーンを前記デフォルトサービスチェーンに再設定するステップと、
を含む、制御方法。 - 請求項6に記載の制御方法であって、
前記記憶ステップは、前記複数のニューラルネットワークと、各前記ニューラルネットワークの精度情報と、を記憶し、
前記取得ステップは、各前記ニューラルネットワークから出力される各前記サービスチェーンの将来のサービス品質の推定値を取得し、
前記特定ステップは、前記複数のニューラルネットワークのうち最高精度の1つのニューラルネットワークから出力された各前記サービスチェーンの将来のサービス品質の推定値に基づいて、前記複数のサービスチェーンのうちから、前記デフォルトサービスチェーンよりも将来のサービス品質が良いと推定される他のサービスチェーンを特定し、
前記デフォルトサービスチェーンの再設定後、各前記ニューラルネットワークから出力される各前記サービスチェーンの将来のサービス品質の推定値と、各前記サービスチェーンのサービス品質の実績値と、の比較に基づいて各前記ニューラルネットワークの前記精度情報を更新するステップを更に含む、制御方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018177751A JP6944156B2 (ja) | 2018-09-21 | 2018-09-21 | オーケストレータ装置、プログラム、情報処理システム、及び制御方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018177751A JP6944156B2 (ja) | 2018-09-21 | 2018-09-21 | オーケストレータ装置、プログラム、情報処理システム、及び制御方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020053711A true JP2020053711A (ja) | 2020-04-02 |
JP6944156B2 JP6944156B2 (ja) | 2021-10-06 |
Family
ID=69994288
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018177751A Active JP6944156B2 (ja) | 2018-09-21 | 2018-09-21 | オーケストレータ装置、プログラム、情報処理システム、及び制御方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6944156B2 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022074436A1 (ja) | 2020-10-09 | 2022-04-14 | ラクテン・シンフォニー・シンガポール・プライベート・リミテッド | ネットワークサービス管理システムおよびネットワークサービス管理方法 |
WO2022074435A1 (ja) | 2020-10-09 | 2022-04-14 | ラクテン・シンフォニー・シンガポール・プライベート・リミテッド | ネットワークサービス管理システムおよびネットワークサービス管理方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150222640A1 (en) * | 2014-02-03 | 2015-08-06 | Cisco Technology, Inc. | Elastic Service Chains |
JP2015530774A (ja) * | 2012-07-13 | 2015-10-15 | アダプティブ スペクトラム アンド シグナル アラインメント インコーポレイテッド | 通信リンクの性能推定のための方法及びシステム |
JP2017004509A (ja) * | 2015-06-04 | 2017-01-05 | ザ・ボーイング・カンパニーThe Boeing Company | 機械学習のための高度解析インフラストラクチャ |
JP2017143477A (ja) * | 2016-02-12 | 2017-08-17 | 株式会社日立製作所 | 仮想ネットワークシステム、及び、ネットワーク負荷分散方法 |
JP2018032953A (ja) * | 2016-08-23 | 2018-03-01 | 富士通株式会社 | サーバ装置及び仮想通信構築方法 |
-
2018
- 2018-09-21 JP JP2018177751A patent/JP6944156B2/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015530774A (ja) * | 2012-07-13 | 2015-10-15 | アダプティブ スペクトラム アンド シグナル アラインメント インコーポレイテッド | 通信リンクの性能推定のための方法及びシステム |
US20150222640A1 (en) * | 2014-02-03 | 2015-08-06 | Cisco Technology, Inc. | Elastic Service Chains |
JP2017004509A (ja) * | 2015-06-04 | 2017-01-05 | ザ・ボーイング・カンパニーThe Boeing Company | 機械学習のための高度解析インフラストラクチャ |
JP2017143477A (ja) * | 2016-02-12 | 2017-08-17 | 株式会社日立製作所 | 仮想ネットワークシステム、及び、ネットワーク負荷分散方法 |
JP2018032953A (ja) * | 2016-08-23 | 2018-03-01 | 富士通株式会社 | サーバ装置及び仮想通信構築方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022074436A1 (ja) | 2020-10-09 | 2022-04-14 | ラクテン・シンフォニー・シンガポール・プライベート・リミテッド | ネットワークサービス管理システムおよびネットワークサービス管理方法 |
WO2022074435A1 (ja) | 2020-10-09 | 2022-04-14 | ラクテン・シンフォニー・シンガポール・プライベート・リミテッド | ネットワークサービス管理システムおよびネットワークサービス管理方法 |
US11863419B2 (en) | 2020-10-09 | 2024-01-02 | Rakuten Symphony Singapore Pte. Ltd. | Network service management system and network service management method |
Also Published As
Publication number | Publication date |
---|---|
JP6944156B2 (ja) | 2021-10-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11132608B2 (en) | Learning-based service migration in mobile edge computing | |
US11757982B2 (en) | Performing load balancing self adjustment within an application environment | |
KR940009780B1 (ko) | 자원 할당방법 및 장치 | |
US20200287976A1 (en) | Adaptive routing of branch traffic in software-defined wide area network (sdwan) deployments | |
KR20200139780A (ko) | 그래프 데이터 처리 방법, 그래프 데이터 계산 태스크들을 공개하는 방법 및 디바이스, 저장 매체 및 컴퓨터 장치 | |
CN114745317B (zh) | 面向算力网络的计算任务调度方法及相关设备 | |
Li et al. | Performance-aware cost-effective resource provisioning for future grid IoT-cloud system | |
Liu et al. | On dynamic service function chain reconfiguration in IoT networks | |
Mennes et al. | GRECO: A distributed genetic algorithm for reliable application placement in hybrid clouds | |
US20190268234A1 (en) | Capacity engineering in distributed computing systems | |
Kim et al. | Prediction based sub-task offloading in mobile edge computing | |
Wang et al. | Network-aware QoS prediction for service composition using geolocation | |
JP6944156B2 (ja) | オーケストレータ装置、プログラム、情報処理システム、及び制御方法 | |
Spinnewyn et al. | Resilient application placement for geo-distributed cloud networks | |
US11431609B2 (en) | Dynamic network service data routing based on measured network performance data | |
US10819618B1 (en) | Network testing system | |
Mostafa | Cooperative fog communications using a multi-level load balancing | |
Deng et al. | Microservice pre-deployment based on mobility prediction and service composition in edge | |
Afrasiabi et al. | Reinforcement learning-based optimization framework for application component migration in nfv cloud-fog environments | |
Shefu et al. | Fruit fly optimization algorithm for network-aware web service composition in the cloud | |
JP6944155B2 (ja) | オーケストレータ装置、プログラム、情報処理システム、及び制御方法 | |
KR20220096531A (ko) | 빅데이터 분석을 위한 인공지능 기반의 클라우드 최적화 장치 및 방법 | |
D'Aronco et al. | Online resource inference in network utility maximization problems | |
Manias et al. | A machine learning-based migration strategy for virtual network function instances | |
JP7464115B2 (ja) | 学習装置、学習方法および学習プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20180925 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200813 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210629 |
|
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: 20210831 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210901 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6944156 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |