Academic Journal
Адаптивная маршрутизация запросов на основе анализа текущей нагрузки
| Τίτλος: | Адаптивная маршрутизация запросов на основе анализа текущей нагрузки |
|---|---|
| Στοιχεία εκδότη: | APNI, 2020. |
| Έτος έκδοσης: | 2020 |
| Θεματικοί όροι: | SDN, телеметрия, OpenFlow, графовые нейросети, QoS, AntNet, теория массового обслуживания, машинное обучение, децентрализованный контроллер, адаптивная маршрутизация, backpressure |
| Περιγραφή: | В работе представлены теоретические основы адаптивной маршрутизации, включая использование моделей массового обслуживания, backpressure-подхода и алгоритмов муравьиной оптимизации (AntNet). Рассмотрены современные гибридные схемы маршрутизации в программно-определяемых сетях (SDN) с учётом метрик нагрузки и качества обслуживания (QoS). На основе собранных данных формируются весовые модели маршрутов, а обновление правил маршрутизации осуществляется через контроллер OpenFlow. Отдельное внимание уделено перспективам развития, включая интеграцию с алгоритмами машинного обучения, предиктивные модели, децентрализацию управления и когнитивную маршрутизацию. Проведённое исследование подтверждает высокую эффективность адаптивных методов по сравнению с классическими подходами и обосновывает необходимость их дальнейшего внедрения в сетевые инфраструктуры с высокой степенью изменчивости и отказоустойчивости. The paper presents the theoretical foundations of adaptive routing, including the use of queuing models, the backpressure approach, and AntNet algorithms. Modern hybrid routing schemes in software-defined networks (SDNs) are considered, taking into account load and quality of service (QoS) metrics. Based on the collected data, weight models of routes are formed, and routing rules are updated via the OpenFlow controller. Special attention is paid to development prospects, including integration with machine learning algorithms, predictive models, management decentralization, and cognitive routing. The conducted research confirms the high efficiency of adaptive methods in comparison with classical approaches and justifies the need for their further implementation in network infrastructures with a high degree of variability and fault tolerance. |
| Τύπος εγγράφου: | Article |
| Γλώσσα: | Russian |
| DOI: | 10.5281/zenodo.15791137 |
| Rights: | CC BY |
| Αριθμός Καταχώρησης: | edsair.doi...........ce435be7dc942f8b2816f80e49d2eebd |
| Βάση Δεδομένων: | OpenAIRE |
| FullText | Text: Availability: 0 |
|---|---|
| Header | DbId: edsair DbLabel: OpenAIRE An: edsair.doi...........ce435be7dc942f8b2816f80e49d2eebd RelevancyScore: 837 AccessLevel: 3 PubType: Academic Journal PubTypeId: academicJournal PreciseRelevancyScore: 837.260437011719 |
| IllustrationInfo | |
| Items | – Name: Title Label: Title Group: Ti Data: Адаптивная маршрутизация запросов на основе анализа текущей нагрузки – Name: Publisher Label: Publisher Information Group: PubInfo Data: APNI, 2020. – Name: DatePubCY Label: Publication Year Group: Date Data: 2020 – Name: Subject Label: Subject Terms Group: Su Data: <searchLink fieldCode="DE" term="%22SDN%22">SDN</searchLink><br /><searchLink fieldCode="DE" term="%22телеметрия%22">телеметрия</searchLink><br /><searchLink fieldCode="DE" term="%22OpenFlow%22">OpenFlow</searchLink><br /><searchLink fieldCode="DE" term="%22графовые+нейросети%22">графовые нейросети</searchLink><br /><searchLink fieldCode="DE" term="%22QoS%22">QoS</searchLink><br /><searchLink fieldCode="DE" term="%22AntNet%22">AntNet</searchLink><br /><searchLink fieldCode="DE" term="%22теория+массового+обслуживания%22">теория массового обслуживания</searchLink><br /><searchLink fieldCode="DE" term="%22машинное+обучение%22">машинное обучение</searchLink><br /><searchLink fieldCode="DE" term="%22децентрализованный+контроллер%22">децентрализованный контроллер</searchLink><br /><searchLink fieldCode="DE" term="%22адаптивная+маршрутизация%22">адаптивная маршрутизация</searchLink><br /><searchLink fieldCode="DE" term="%22backpressure%22">backpressure</searchLink> – Name: Abstract Label: Description Group: Ab Data: В работе представлены теоретические основы адаптивной маршрутизации, включая использование моделей массового обслуживания, backpressure-подхода и алгоритмов муравьиной оптимизации (AntNet). Рассмотрены современные гибридные схемы маршрутизации в программно-определяемых сетях (SDN) с учётом метрик нагрузки и качества обслуживания (QoS). На основе собранных данных формируются весовые модели маршрутов, а обновление правил маршрутизации осуществляется через контроллер OpenFlow. Отдельное внимание уделено перспективам развития, включая интеграцию с алгоритмами машинного обучения, предиктивные модели, децентрализацию управления и когнитивную маршрутизацию. Проведённое исследование подтверждает высокую эффективность адаптивных методов по сравнению с классическими подходами и обосновывает необходимость их дальнейшего внедрения в сетевые инфраструктуры с высокой степенью изменчивости и отказоустойчивости.<br />The paper presents the theoretical foundations of adaptive routing, including the use of queuing models, the backpressure approach, and AntNet algorithms. Modern hybrid routing schemes in software-defined networks (SDNs) are considered, taking into account load and quality of service (QoS) metrics. Based on the collected data, weight models of routes are formed, and routing rules are updated via the OpenFlow controller. Special attention is paid to development prospects, including integration with machine learning algorithms, predictive models, management decentralization, and cognitive routing. The conducted research confirms the high efficiency of adaptive methods in comparison with classical approaches and justifies the need for their further implementation in network infrastructures with a high degree of variability and fault tolerance. – Name: TypeDocument Label: Document Type Group: TypDoc Data: Article – Name: Language Label: Language Group: Lang Data: Russian – Name: DOI Label: DOI Group: ID Data: 10.5281/zenodo.15791137 – Name: Copyright Label: Rights Group: Cpyrght Data: CC BY – Name: AN Label: Accession Number Group: ID Data: edsair.doi...........ce435be7dc942f8b2816f80e49d2eebd |
| PLink | https://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsair&AN=edsair.doi...........ce435be7dc942f8b2816f80e49d2eebd |
| RecordInfo | BibRecord: BibEntity: Identifiers: – Type: doi Value: 10.5281/zenodo.15791137 Languages: – Text: Russian Subjects: – SubjectFull: SDN Type: general – SubjectFull: телеметрия Type: general – SubjectFull: OpenFlow Type: general – SubjectFull: графовые нейросети Type: general – SubjectFull: QoS Type: general – SubjectFull: AntNet Type: general – SubjectFull: теория массового обслуживания Type: general – SubjectFull: машинное обучение Type: general – SubjectFull: децентрализованный контроллер Type: general – SubjectFull: адаптивная маршрутизация Type: general – SubjectFull: backpressure Type: general Titles: – TitleFull: Адаптивная маршрутизация запросов на основе анализа текущей нагрузки Type: main BibRelationships: IsPartOfRelationships: – BibEntity: Dates: – D: 20 M: 11 Type: published Y: 2020 Identifiers: – Type: issn-locals Value: edsair |
| ResultId | 1 |