Contribution to network management of beyond 5G networks: management and orchestration architecture to support microservice-based services

Résumé fourni par la source

(English) The thesis has contributed to the research on network management for the provisioning of future services, which we refer to as the Future Service Deployment Problem (FSDP). In this thesis, different deployment techniques facing the FSDP are investigated to achieve solving the problem in a cost-effective and resource-efficient manner under different constraints while meeting the requirements of selected representative future applications, as a problem to be solved in a time frame appropriate for the particular working scenario considered. Depending on the operational behaviour and network and resource requirements, four representative applications have been identified and classified into two different categories: i) Forwarding Applications (FAs), such as some smart city applications, and ii) Closed Loop Applications (CLAs), such as Virtual Reality (VR) or Vehicle Collision Avoidance (VCA). The FSDP can generally be viewed as consisting of two interlinked sub-problems that should always be addressed in a coordinated manner in order to achieve adequate deployments. In particular, the two sub-problems are: i) Where to deploy a service; and ii) How to deploy the service. For the former, we mainly consider a given set of coordinated and cooperating resources that form the substrate network. The solution to the problem is to determine an optimal compute node or subset of compute nodes and the associated links between those nodes to allocate the various microservices of a service request. While the latter deals with the appropriate provisioning of microservices that takes into account the various key attributes arising from the network state and QoS requirements of the service requests, in a resource-efficient and cost-effective manner, to be executed in a reasonable time while meeting the associated constraints. In the following, a brief mentioning of the different chapters of the thesis is given according to the proposed technique and the considered working scenario for each of them: chapters 1 and 2 present the thesis objectives, the working scenarios, the state-of-the-art regarding the addressed problem, the description of considered application use cases, a mathematical formulation of the problem, and a summary of proposed techniques to solve it. In Chapter 3, an Optimization Deployment Algorithm (ODA) is presented to obtain near-optimal deployment solutions in a reasonable amount of time, a Multiaccess Edge Computing (MEC) working scenario is assumed, where different MEC State Features (MSFs) are used. Chapter 4 introduces a deployment technique that uses a combination of heuristic and artificial intelligence (AI) to flexibly and optimally fulfil a wider range of requirements and to accommodate the various service requests on a shared network. Chapter 5 explores the use of a more complex working scenario: a hybrid edge-cloud system, where resources at the edge tier are geographically distributed. Moreover, an AI technique based on reinforcement learning (RL) is proposed. In addition, a new heuristic is proposed for the allocation of microservices within the edge network. Chapter 6 presents a metaheuristic algorithm, namely a customized Genetic Algorithm, tailored for the deployment of future microservice-based applications in a multi-tier network. Chapter 7 concludes the thesis with a summary of the main results, future work, and drawn conclusions. (Català) Aquesta tesi ha contribuït a la investigació en la gestió de xarxes per l’aprovisionament de futurs serveis, al que ens referim com el Future Service Deployment Problem (FSDP). En aquesta tesi diferents tècniques de desplegament afrontant el FSDP són investigades per aconseguir resoldre el problema de desplegament de forma efectiva en costos i eficient en recursos, sota diferents restriccions, mentre es compleixen els requeriments d’una selecció representativa de futures aplicacions, com un problema a resoldre en un espai temporal apropiat segons l’escenari de treball. Depenent del comportament operacional i els requeriments de xarxa i recursos, quatre aplicacions representatives han estat identificades i classificades en dues categories: i) Forwarding Applications (FAs), com les aplicacions de smart city, i ii) Closed Loop Applications (CLAs), com Virtual Reality (VR) o Vehicle Collision Avoidance (VCA). El FSDP pot ser vist en general com dos problemes interrelacionats, que haurien de ser resolts de forma coordinada. En particular, aquests són: i) a on desplegar un servei; i ii) cóm desplegar el servei. Pel primer considerem principalment un conjunt donat de recursos coordinats i cooperatius que conformen el substrat de xarxa. La solució al problema està en determinar un node computacional òptim o un subconjunt de nodes i els seus enllaços associats, per l’allotjament dels diferents micro-serveis de qualsevol petició de servei. Mentre el segon tracta l’aprovisionament apropiat de micro-serveis que té en compte diversos atributs clau depenents de l’estat de la xarxa i el QoS requerit per les peticions de servei, de forma eficient i efectiva en quant a recursos i costos, per ser executat en un temps raonable mentre es compleixen els requeriments exigits. A continuació es mencionen breument els diferents capítols de la tesi segons la tècnica proposada i l’escenari de treball considerat: els capítols 1 i 2 presenten els objectius de la tesi, escenaris de treball, estat de l’art del problema proposat, descripció dels casos d’us d’aplicació a desplegar, una formulació matemàtica del problema i un resum de les tècniques proposades per resoldre’l. Al capítol 3 es presenta l’algoritme: Optimization Deployment Algorithm (ODA) per aconseguir desplegaments quasi-òptims en temps raonable, l’escenari de treball és el Multi-access Edge Computing (MEC), a on diferents MEC State Features (MSFs) són considerades. El capítol 4 introdueix una tècnica que combina heurística e intelꞏligència artificial per acomodar els diferents serveis, amb l'objectiu d'afrontar de forma flexible i òptima un ampli ventall de requeriments i poder desplegar els diferents serveis demandats sobre una xarxa compartida. El capítol 5 explora un escenari de treball més complex: un hybrid edge-cloud system, a on els recursos a la capa més externa de la xarxa es distribueixen geogràficament. A més, es proposa fer servir reinforcement learning (RL), i una nova heurística d’ubicació de micro-serveis a l’extrem de la xarxa. El capítol 6 presenta una meta-heurística denominada customized Genetic Algorithm, personalitzada per desplegar futures aplicacions basades en micro-serveis sobre xarxes multicapa. El capítol 7 conclou amb el resum dels principals resultats de la tesi, treball futur i conclusions. (Español) Esta tesis ha contribuido a la investigación en la gestión de redes para el aprovisionamiento de futuros servicios, a lo que nos referimos como el Future Service Deployment Problem (FSDP). En esta tesis diferentes técnicas de despliegue afrontando el FSDP son investigadas para conseguir resolver el problema de despliegue de forma efectiva en costes y eficiente en recursos, bajo diferentes restricciones, mientras se cumplen los requerimientos de una selección representativa de futuras aplicaciones, como un problema a resolver en un espacio temporal apropiado según el escenario de trabajo. Dependiendo del comportamiento operacional y los requerimientos de red y recursos, cuatro aplicaciones representativas han sido identificadas y clasificadas en dos categorías: i) Forwarding Applications (FAs), como las aplicaciones de smart city, y ii) Closed Loop Applications (CLAs), como Virtual Reality (VR) o Vehicle Collision Avoidance (VCA). El FSDP puede ser visto en general como dos sub-problemas interrelacionados, que deberían ser resueltos de forma coordinada. En particular, estos son: i) dónde desplegar un servicio; y ii) cómo desplegar el servicio. Para el primero consideramos principalmente un conjunto dado de recursos coordinados y c